submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc
Department of Geoinformatics - Z_GIS University of Salzburg
Análisis de la dinámica de pérdida de bosque en el Bosque Protector
Cuenca Alta del Río Nangaritza, Ecuador
Analysis of Forest Loss Dynamics in the Bosque Protector Cuenca Alta del Río Nangaritza, Ecuador
by Cristina Aguilar 12144733
A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science – MSc
Advisor I Supervisor: Leonardo Zurita Arthos PhD
Quito - Ecuador, enero 2024
Compromiso de Ciencia
Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.
Quito, 27 de enero 2024
(Lugar, Fecha)
RESUMEN
La Amazonía cumple un rol fundamental en el equilibrio biológico y ecológico del mundo. En el caso específico de la región amazónica ecuatoriana, existen barreras de protección como los bosques protectores que buscan conservar cuencas hidrográficas y servicios ambientales. Por ende, es fundamental generar conocimiento relevante que permita cuantificar el desafío al que se enfrenta la conservación de la biodiversidad en estas áreas.
Es por ello que, la presente investigación busca analizar la dinámica de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza - Ecuador (BP-CARN), dentro del periodo 2000 – 2021. Este bosque protector desempeña un papel crucial en la conservación de ecosistemas que albergan una gran biodiversidad. Además de ser la última conexión entre los ecosistemas de la Cordillera de los Andes y la Cordillera Amazónica.
Para el desarrollo del estudio se usó como base los mapas de cobertura y uso del suelo de Ecuador del periodo 2000 – 2021, obtenidos de la fuente MapBiomas. La metodología aplicada consistió en realizar un análisis de regresión lineal a partir de las áreas calculadas de cobertura boscosa, para demostrar la pérdida de bosque. Adicional se realizó un análisis espacial de superposición, con la finalidad de cuantificar anualmente esta pérdida. Finalmente se realizó una tabulación cruzada a partir de superposición espacial para identificar qué cobertura y uso de suelo está sustituyendo al bosque.
Como resultado se obtuvo que existe una relación significativa inversa entre el año y el área del bosque. Lo que implica que a medida que pasa el tiempo, se observa una pérdida en la cobertura boscosa. Esta pérdida de bosque asciende a un promedio anual de 218.29 hectáreas. La cobertura y uso de suelo que reemplazó al bosque durante todo el periodo de análisis fue la agricultura. Además, se identificó que a partir del año 2018 la minería comenzó a tener un crecimiento exponencial sobre el bosque.
En conclusión, se demostró que evidentemente existe pérdida de bosque dentro del BP-CARN en el periodo 2000 – 2021 y que está siendo reemplazado por superficies destinadas a actividades antrópicas como la agricultura y la minería. Estos resultados pueden considerarse como el punto partida para explorar más a detalle los factores de esta pérdida de bosque en el área de estudio y evaluar si los bosques protectores son barreras de conservación eficientes contra la pérdida de bosque.
Palabras clave: cambio de cobertura y uso del suelo, pérdida de bosque, bosque protector.
Abstract
The Amazon plays a fundamental role in the biological and ecological balance of the world. In the specific case of the Ecuadorian Amazon region, there are protection barriers such as protective forests that seek to conserve watersheds and environmental services. Therefore, it is essential to generate relevant knowledge to quantify the challenge faced by biodiversity conservation in these areas.
Therefore, this research seeks to analyze the dynamics of forest loss in the Bosque Protector Cuenca Alta del Río Nangaritza (BP-CARN), within the period 2000 - 2021. This protective forest plays a crucial role in the conservation of ecosystems that harbor a great biodiversity. In addition to being the last connection between the ecosystems of the Andes and the Amazon Cordillera.
The study was based on the land cover and land use maps of Ecuador for the period 2000 - 2021, obtained from the MapBiomas source. The methodology applied consisted of performing a linear regression analysis based on the calculated areas of forest cover to demonstrate forest loss. In addition, a spatial overlap analysis was performed in order to quantify this loss on an annual basis. Finally, a cross tabulation was made from spatial overlapping to identify which land cover and land use is replacing the forest.
As a result, it was found that there is a significant inverse relationship between the year and the area of forest. This implies that as time passes, a loss of forest cover is observed. This forest loss amounts to an annual average of 218.29 hectares. The land cover and land use that replaced the forest during the entire period of analysis was agriculture. In addition, it was identified that from the year 2018 mining began to have an exponential growth over the forest.
In conclusion, it was demonstrated that there is evidently loss of forest within the BP-CARN in the period 2000 - 2021 and that it is being replaced by surfaces destined to anthropic activities such as agriculture and mining. These results can be considered as a starting point to explore in more detail the factors of this forest loss in the study area and to evaluate if protective forests are efficient conservation barriers against forest loss.
Key words: land cover and land use change, forest loss, protective forest.
3.2.2.
3.3.
3.3.2.
y
3.3.3. Fase 2: Demostración de la existencia de pérdida de bosque en el
3.3.4. Fase 3: Cálculo de áreas históricas de pérdida de bosque dentro del BP-CARN
3.3.5. Fase 4: Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021 69
4.1.1. Fase 1: Descarga y preprocesamiento de datos
4.1.2. Fase 2: Demostración de la existencia de pérdida de bosque en el BP-CARN dentro del periodo 2000-2021 74
4.1.3. Fase 3: Cálculo de áreas históricas de pérdida de bosque dentro del BP-CARN en el período 2000 – 2021........................................................ 75
4.1.4. Fase 4: Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021
4.2.
4.2.1. Demostración de la existencia de pérdida de bosque en el BP-CARN dentro del periodo 2000-2021.................................................................... 82
4.2.2. Cálculo de áreas históricas de pérdida de bosque dentro del BPCARN en el período 2000 – 2021.............................................................. 84
4.2.3. Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021 85
Anexo 1. Mapas de deforestación anual 2001 - 2021...................................
2. Matrices de cambio anuales
Índice de figuras
Figura 1. Superficie de bosque natural y agropecuaria en la Amazonía 19852021.. 18
Figura 2. Pérdida de bosques primarios tropicales 2002 – 2020...................... 18
Figura 3. Pérdida de bosque primario amazónico 2002-2021.. 19
Figura 4. Superficie de bosque en la Amazonía Ecuatoriana. 21
Figura 5. Superficie de bosque en la RAE.. 21
Figura 6. Pérdida de bosque en el periodo por provincia Amazónica en Ecuador 1985-2021.. 22
Figura 7. Mapa de la red vial del Ecuador.. 24
Figura 8. Mapa de uso agropecuario en Ecuador 1985 y 2021........................ 26
Figura 9. Mapa de bloques petroleros en Ecuador.. 28
Figura 10. Mapa de catastro minero en Ecuador.. 29
Figura 11. Mapa de áreas naturales protegidas de la RAE.............................. 31
Figura 12. Mapa de territorios indígenas de la Amazonía ecuatoriana. 32
Figura 13. Mapa de bosque y vegetación protectora de laAmazonía ecuatoriana.
Figura 14. Espectro electromagnético.............................................................. 37
Figura 15.Detección de vegetación, cuerpos de agua y suelo en imágenes satelitales.. ....................................................................................................... 38
Figura 16. Sistema de teledetección.. .............................................................. 38
Figura 17. Diagrama de flujo para procesos de clasificación. 40
Figura 18. Colecta de puntos de entrenamiento de diferentes clases.............. 41
Figura 19. Generación de clústeres y asignación de clases.. .......................... 42
Figura 20. Superposición vectorial y ráster. 45
Figura 21. Métodos (a, b, c, d) y tipos (e, f, g) de relaciones espaciales de superposición vectorial..................................................................................... 46
Figura 22. Tabulación cruzada. 47
Figura 23. Gráfica de regresión lineal creciente y decreciente.. 49
Figura 24. Límite geográfico de la Amazonía................................................... 51
Figura 25. Límites RAE.. 53
Figura 26. Mapa del área de Estudio.. 56
Figura 27. Territorios indígenas dentro de los límites BPCARN.. ..................... 58
Figura 28. Flujograma de metodología.. 61
Figura 29.Modelo para la extracción del mapa de bosque año 2000 para área de estudio y cálculo de áreas................................................................................ 64
Figura 30. Modelo para generación de tabla con datos de boque anual dentro del periodo 2000 – 2021.. 65
Figura 31. Modelo para generar mapa de pérdida de bosque anual................ 66
Figura 32. Modelo para generación de mapa final de pérdida de bosque. 68
Figura 33. Modelo para generación tabla de transición de cobertura bosque a otras coberturas 2000-2001. ............................................................................ 69
Figura 34. Mapas de cobertura y uso de suelo de la RAE.. 71
Figura 35. Cobertura bosque del Bosque Protector Cuenca Alta del Río Nangaritza........................................................................................................ 73
Figura 36. Pérdida de cobertura de bosque 2000 -2021.. 75
Figura 37. Mapa de pérdida de bosque 2000 – 2021 dentro del BP-CARN.. 76
Figura 38. Pérdida de bosque en el BP-CARN periodo 2001 – 2021.. 78
Figura 39. Transición de bosque a otras coberturas y usos de suelo en el BPCARN dentro del periodo 2000 - 2021.. 80
Figura 40. Transición de bosque a agricultura en el BP-CARN dentro del periodo 2000 - 2021...................................................................................................... 81
Figura 41. Transición de bosque a minería en el BP-CARN dentro del periodo 2000 - 2021.. 81
Índice de tablas
Tabla 1. Coberturas y uso de suelo en la RAE.. 16
Tabla 2. Características de los principales sensores utilizados en teledetección. 39
Tabla 3. Métodos de superposición ráster.. 46
Tabla 4. Modelo de tabulación cruzada............................................................ 48
Tabla 5. Ecosistemas de la RAE.. .................................................................... 54
Tabla 6. Ecosistemas del Bosque Protector Cuenca Alta del Río Nangaritza. 57
Tabla 7. Leyenda MapBiomas Amazonía -Ecuador.......................................... 60
Tabla 8. Parámetros seleccionados para la descarga de datos de cobertura y uso de suelo MapBiomas Amazonía, Colección 4. 63
Tabla 9. Coberturas y uso de suelo existentes dentro del BP-CARN, según datos de MapBiomas Amazonía. ............................................................................... 72
Tabla 10. Área de cobertura de bosque dentro del BP-CARN.. 74
Tabla 11. Análisis de regresión lineal de cobertura de bosque 2000 – 2021. 74
Tabla 12. Coeficientes de regresión y estadísticos asociados de cobertura de bosque 2000 – 2021. 75
Tabla 13. Áreas de pérdida de bosque dentro del BP-CARN 2001 – 2021.. 77
Tabla 14. Áreas de Transiciones de coberturas y usos del suelo en el BP-CARN. 79
ACRÓNIMOS
BP-CARN: Bosque Protector Cuenca Alta del Río Nangaritza
BVP: Bosque y vegetación protectora
CUT: Cobertura y uso de suelo
GAD: Gobierno Autónomo Descentralizado
MAATE: Ministerio de Agua, Ambiente y Transición Ecológica
PANE: Áreas Protegidas Continentales del patrimonio de Áreas Naturales del Estado.
RAE: Región Amazónica Ecuatoriana
RAISG: Red Amazónica de Información Socioambiental Georreferenciada
1. INTRODUCCIÓN
1.1. ANTECEDENTES
La Amazonia alberga una gran diversidad de especies animales y vegetales, así como de pueblos indígenas que conservan sus culturas y tradiciones (Ceccon y Miramontes, 1999). La Amazonia también juega un papel clave en la regulación del clima global y el ciclo del carbono (Rojas et al., 2019). Sus bosques almacenan grandes cantidades de carbono que de otra forma contribuirían al calentamiento global (Rojas et al., 2019).
Una de las principales causas por las que esta región se encuentra amenazada es por la pérdida de bosque (Martino, 2007). Según MapBiomas Amazonía (2022a), una iniciativa que mapea anualmente la cobertura y el uso del suelo en la Amazonía, entre 1985 y 2021 se perdieron 72 millones de hectáreas de cobertura boscosa. Mientras que las áreas destinadas a uso agropecuario y de silvicultura tuvieron un incremento de 72 millones de hectáreas (MapBiomas, 2022a).
Adicionalmente, según datos de la Universidad de Maryland publicados en Global Forest Watch, en 2020, los trópicos perdieron 12.2 millones de hectáreas de cobertura arbórea. De estas hectáreas, 4.2 millones pertenecían a bosques primarios tropicales húmedos (Weisse y Goldman, 2021).
Según Finer y Mamani (2022), para el año 2021, la deforestación aumentó ligeramente en toda la Amazonía. Esta tendencia se ha mantenido desde hace cuatro años, siendo así que desde el 2002 se ha deforestados más de 27 millones de hectáreas de bosque primario (Finer y Mamani, 2022).
Solamente en la región amazónica ecuatoriana (RAE), entre 2001 a 2020 se registró un total de 620 mil hectáreas deforestadas, lo que representa aproximadamente 31 mil hectáreas en promedio por año (Paz, 2022).
Por otra parte, se ha observado también una preocupante tasa de deforestación en Zamora Chinchipe, provincia donde se encuentra ubicado el Bosque Protector Cuenca Alta del Río Nangaritza. Según datos recopilados durante el periodo de
1996 a 2001, se estima una pérdida anual de más de 16 mil hectáreas (González et al., 2006).
Estos datos nos permiten inferir que el Bosque Protector Cuenca Alta del Río Nangaritza está experimentando transformaciones hacia otros tipos de cobertura y uso de suelo, lo cual representa un riesgo para su equilibrio ecológico y biológico. Es necesario comprender y dimensionar el impacto que esto conlleva para la conservación de este importante bosque protector.
1.2. OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN
1.2.1.Objetivo General
Analizar la dinámica de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza - Ecuador (BP-CARN), dentro del periodo 2000 – 2021.
1.2.2.Objetivos específicos
- Demostrar la existencia de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza - Ecuador (BP-CARN) dentro del periodo 2000 – 2021.
- Calcular las áreas históricas de pérdida de cobertura de bosque dentro del BP-CARN en el periodo 2000 – 2021
- Identificar las coberturas y usos del suelo que reemplazaron a la cobertura de bosque dentro del BP-CARN en el periodo 2000 – 2021.
1.2.3.Preguntas de investigación
- ¿Existe perdida bosque en el Bosque Protector Cuenca Alta del Río
Nangaritza - Ecuador (BP-CARN) dentro del periodo 2000 – 2021?
- ¿Cuántas hectáreas de bosque se ha perdido dentro del BP-CARN en el periodo 2000 – 2021?
- ¿Qué coberturas y usos del suelo reemplazaron a la cobertura de bosque dentro del BP-CARN en el periodo 2000 – 2021?
1.3. HIPÓTESIS
Dentro del Bosque Protector Cuenca Alta del Río Nangaritza – Ecuador (BPCARN), la ampliación de superficies destinadas a usos antrópicos aumenta mientras que la cobertura de bosque disminuye, entre 2000 y 2021
1.4. JUSTIFICACIÓN
La presente investigación se basa en la necesidad de acceder a información que demuestre la existencia de un problema que requiere ser abordado. Por esta razón busca proporcionar datos y generar análisis detallados sobre la pérdida de cobertura boscosa en el Bosque Protector CuencaAlta del Río Nangaritza Como consecuencia, este estudio tiene el potencial de generar conocimiento relevante que permita cuantificar el desafío al que se enfrenta la conservación de la biodiversidad en el área de análisis.
Por otra parte, la elección del Bosque Protector Cuenca Alta del Río Nangaritza como área de estudio se fundamenta en su relevancia como una de las áreas naturales más significativas del país (Villa et al., 2022). Este bosque protector desempeña un papel crucial en la conservación de una gran variedad de especies endémicas y amenazadas de flora y fauna (BirdLife International, 2023). Asimismo, contribuye a la preservación de servicios ecosistémicos de
tepuyes subandinos, una formación geológica única en el mundo (Villa et al., 2022).
El Bosque Protector Cuenca Alta del Río Nangaritza cubre parte de la provincia amazónica de Zamora Chinchipe (BirdLife International, 2023). El objetivo principal de esta investigación es analizar la dinámica de pérdida de bosque dentro del bosque protector, partiendo del supuesto de que la tendencia de pérdida de cobertura boscosa observada a nivel de toda la Amazonía se mantiene en el área de análisis (Finer y Mamani, 2022).
Es importante destacar que la pérdida de cobertura de bosque es uno de los principales problemas ambientales y tiene un impacto directo en la pérdida de biodiversidad (Martino, 2007). Los árboles proporcionan hábitat a muchas especies, generan oxígeno, mantienen el ciclo hidrológico y protegen el suelo
Esto demuestra que desempeñan un papel vital en la conservación de los ecosistemas (García, 2016). Por ende, las formaciones forestales son elementos fundamentales para mantener el equilibrio biológico y ecológico del medio ambiente (García, 2016).
1.5. ALCANCE
La presente investigación se enfoca en realizar un análisis de la dinámica de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza, reconocido como uno de los 202 bosques protectores por la autoridad ambiental nacional (Villa et al., 2022). Este bosque protector abarca una extensa área de 72,734 hectáreas, compuesta por tepuyes que albergan una variedad de especies endémicas (Villa et al., 2022). Está situado en la parte suroriental de Ecuador en la provincia amazónica de Zamora Chinchipe.
El análisis abarcará un período de tiempo que se extiende desde el año 2000 hasta 2021. Para llevar a cabo este análisis, se utilizarán datos de la Colección 4.0 de MapBiomas Amazonía, que proporciona información detallada sobre la coberturas y uso del suelo con una resolución espacial de 30 metros.
Se realizará un análisis espacial detallado con el objetivo de demostrar de manera objetiva la existencia de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza. Además, se calcularán las áreas históricas afectadas por esta pérdida y se identificarán las coberturas y usos del suelo que han reemplazado al bosque en este importante espacio natural.
Los resultados de esta investigación ofrecen beneficios significativos tanto para la comunidad científica como para los tomadores de decisiones. La comunidad científica dedicada al análisis de datos relacionados con la conservación de la biodiversidad tendrá acceso a información relevante y actualizada sobre la pérdida de cobertura boscosa en este bosque protector. Por otro lado, los tomadores de decisiones podrán adquirir datos que comuniquen y cuantifiquen la situación de pérdida de cobertura boscosa en el Bosque Protector CuencaAlta del Río Nangaritza, lo cual es fundamental para tomar decisiones informadas y llevar a cabo acciones efectivas de conservación.
2. REVISIÓN DE BIBLIOGRAFÍA
2.1. MARCO TEÓRICO
Con la finalidad de generar a información que demuestre el cambio de cobertura y uso del suelo dado por la pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza, a continuación, se definen las bases teóricas que han permitido cimentar el conocimiento necesario para cuantificar el desafío al que se enfrenta la conservación de la biodiversidad en el área de análisis.
2.1.1.Cobertura y uso de la tierra (CUT)
Cobertura y Uso de la Tierra (o cobertura y uso del suelo), conocido por sus siglas en inglés como LULC y en español como CUT, pueden entenderse como dos términos separados que, sin embargo, están muy relacionados (Pimienta y López, 2022).
Cobertura de la tierra es la superficie terrestre en la que predomina formaciones de origen natural o antrópico (Turner et al., 2021).
Uso de la tierra, como su nombre lo indica, hace referencia a la forma en la que se utiliza al suelo, es decir describe las zonas destinadas exclusivamente a actividades antrópicas como la agricultura, ganadería, infraestructura, entre otros (Turner et al., 2021)
El estudio de cobertura y uso de suelo permite comprender las dinámicas de los cambios de la superficie natural de la tierra con las actividades antrópicas (Floreano y de Moraes, 2021)
MapBiomas Amazonía ha desagregado las coberturas y uso de suelo en dos niveles, en el primer nivel de la leyenda se agrupan las clasificaciones más amplias de cobertura y uso del suelo, mientras que en el segundo nivel se desglosa en subcategorías cada clase del nivel 1 (MapBiomas Amazonía, 2022b)
Acontinuación, en la Tabla 1 se detallan las coberturas y uso de suelo existentes en la RAE. Estas descripciones fueron extraídas del Documento de Bases Teóricas de Algoritmo Colección 4.0, Apéndice Ecuador - MapBiomas (Borja et al., 2022)
Nivel 1 Nivel 2
Bosque Natural
Formación forestal
Bosque inundable
Formaciones naturales no forestales inundables
Tabla 1. Coberturas y uso de suelo en la RAE. Fuente: Borja et al., 2022
Descripción
EnAmazonía Baja, son áreas con cobertura arbórea densa, primaria o secundaria y de regeneración por sucesión natural, mayor a media hectárea. Es considerado uno de los bosques más diversos del mundo en especies arbóreas. Bosques siempreverdes de hasta 40 m de altura, multiestratificados, con abundantes lianas y epífitas, que crecen en diferentes formas de relieve (enAmazonía Baja en bancos de río y terrazas más altas, hasta llanuras de tierra firme y colinas bajas, mientras que enAmazoníaAlta crecen en zonas de relieve escarpado de las laderas hiper húmedas de las cordilleras subandinas) Puede incluir plantaciones forestales de origen antrópico. En Amazonía baja puede incluir áreas con presencia de bambú y palmas nativas. En Amazonía Alta puede incluir pequeñas áreas de bosque semideciduo piemontano en la parte sur.
Cobertura natural predominantemente arbórea inundada estacional o permanentemente que se encuentra localizada en las franjas adyacentes a los cuerpos de agua y llanuras de desborde con periodos de inundación Formación Natural No
Otra formación natural no forestal
Agricultura
Agropecuaria y silvicultura
Cobertura natural predominantemente herbácea que, debido a los suelos y la topografía, están sujetas a inundaciones periódicas o permanentes en las cuales sus suelos se saturan de agua durante largos períodos.
EnAmazoníaAlta corresponde a la cobertura natural no forestal cuya vegetación es una mezcla de herbazales y arbustales que ocurren en áreas de poca extensión con flora altamente especializada, como en el caso del páramo del Volcán Sumaco y en las mesetas y laderas de afloramientos de arenisca en cordilleras subandinas (2000-2400 m de altitud). Estos últimos presentan una mezcla de plantas herbáceas esclerófilas como bromelias y orquídeas que crecen en el suelo, y matorrales esclerófilos con abundantes epífitas y hemi-epífitas. Entre ellos se encuentra una diversidad de helechos y especies herbáceas. También puede incluir: Bosque siempreverde montano bajo sobre mesetas de arenisca de la Cordillera del Cóndor.
Áreas dedicadas a la producción de alimentos, fármacos y productos industriales; incluyen principalmente cultivos, plantaciones, huertas, tierras en descanso y áreas con especies herbáceas para la alimentación animal. Se encuentran tres tipos de cultivos: 1) Anuales: cultivos cuyo ciclo vegetativo es estacional, pudiendo ser cosechados una o más veces al año (arroz, maíz, algodón, soya, tomate riñón, melón, sandía, soya, etc.); 2) Permanentes: cultivos agrícolas de una duración de más de 10 años, destinados principalmente a la exportación y la agroindustria (café, cacao, frutales de costa); 3) Semipermanentes: cultivos agrícolas mayores a un año destinados en su mayoría, a la exportación y la agroindustria (banano, plátano, abacá, palmito y caña de azúcar) y que permanecen en el terreno por un período variable entre 2 a 10 años.
Área sin vegetación
Cuerpo de agua
Palma aceitera
Mosaico de agricultura y pasto
Infraestructura
Urbana
Minería
Otra Área sin Vegetación
Río, lago u océano
No Observado No aplica
Cultivo permanente, principalmente de Elaeis guineensis, planta tropical del género de palmas, propia de climas cálidos. Puede incluir otros cultivos permanentes de características similares al de la palma aceitera
Son áreas donde la cobertura natural ha sido modificada, eliminada o remplazada por otros tipos de cobertura vegetales para uso antrópico y donde ocurren agrupaciones de especies cultivadas para la producción de alimentos o fibras y que se encuentran en mosaico y por lo tanto no pueden ser individualizadas; y excepcionalmente pueden estar asociadas con áreas en descanso o vegetación natural sucesional.
Área de asentamiento humano asociada a grandes y pequeños centros urbanos (pueblos) con infraestructura de entorno construido como redes viales, ferroviarias y terrenos asociados, además de otras zonas artificializadas como obras de explotación de hidrocarburos, hidroeléctricas, bases militares, aeropuertos, zonas portuarias y pistas de aterrizaje no convencionales en zonas rurales. También se consideran áreas periféricas que están siendo incluidas en un proceso gradual de urbanización hacia fines residenciales y/o zonas industriales.
Áreas superficiales de extracción de materiales pétreos o minerales, con clara exposición del suelo. No se diferencia si es industrial o artesanal, legal o ilegal, metálica o pétrea. La mayoría es aluvial, no es actividad que se pueda estar realizando en minas subterráneas.
Áreas con poca o nula vegetación, pueden ser de origen natural o antrópico, no mapeadas en otras clases. Puede incluir roca expuesta, áreas de transición de cultivos, playas de cuerpos de agua, caminos y carreteras, pistas de aterrizaje, patios industriales, y zonas de reciente deforestación.
Extensión de agua superficial natural o artificial. Comprende ríos, lagos, embalse y otros cuerpos de agua.
Áreas que no han podido ser identificadas en sus clases por presencia de nubes, sombra de nubes, ruido atmosférico o calidad de las imágenes de satélite.
2.1.2.Deforestación
y pérdida de bosque
Se define como deforestación a la eliminación antrópica de un bosque para dar cabida a una nueva cobertura de uso del suelo (Hancock, 2019), direccionada por factores mercantiles e institucionales (López et al., 2013). Por otra parte, la pérdida de bosque es la eliminación de cobertura boscosa por causas antrópicas, pero también naturales (Weisse y Goldman, 2021). Si bien estos dos términos no son sinónimos, ambos hacen referencia a la eliminación de bosque. Para los bosques amazónicos, la principal causa es la ampliación de la frontera agropecuaria (Hancock, 2019)
Generalmente la pérdida de bosque se mide con el cálculo de la tasa de deforestación y el porcentaje de cambio de uso de suelo (Leija et al., 2022). La tasa de deforestación es la velocidad con la que se elimina la cobertura boscosa en un área y periodo específico, se expresa en unidades de superficie por unidad de tiempo (FAO, 2001)
Por otro lado, el porcentaje de cambio de uso de suelo, es la proporción de cambio de una cobertura y uso de suelo a otra, con respecto al área total de la zona analizada, en un área y peridodo específico (Lambin y Meyfroidt, 2010).
2.1.2.1. Situación en la Amazonía
La pérdida de bosque es la principal amenaza dentro de la Amazonía (Martino, 2007). Haciendo un enfoque a nivel de toda la región amazónica, MapBiomas Amazonía (2022a), afirma que entre 1985 y 2021 se perdió un total aproximado de 72 millones de hectáreas de bosque, mientras que las áreas destinadas a uso agropecuario y de silvicultura incrementaron en 72 millones de hectáreas (MapBiomas Amazonía, 2022a) (ver Figura 1).
Esta tendencia de pérdida de bosque ha podido ser validada al compararla con datos de la Universidad de Maryland publicados en Global Forest Watch, quienes aseveran que, solamente en 2020 dentro de la Amazonía se perdieron 12.2 millones de hectáreas de bosque, de las cuales aproximadamente 4.2 millones pertenecían a bosques primarios tropicales (ver Figura 2) (Weisse y Goldman, 2021). Además, en la Figura 2 se puede visibilizar la dínamica de pérdida anual de bosque primario tropical desde el 2002 al 2020, registando al año 2016 como aquel con la mayor pérdida de bosque, alzanzando aproximadamente 6 millones de hectáreas.
Figura 1. Superficie de bosque natural y agropecuaria en la Amazonía 1985- 2021. Fuente: Autor. Datos: MapBiomas Amazonía, 2022c
Figura 2. Pérdida de bosques primarios tropicales 2002 – 2020. Fuente: Weisse y Goldman, 2021.
Por otra parte, Finer y Mamani (2022), identificaron que para el año 2021, la deforestación tuvo un ligero incremento en toda la Amazonía.Además, aseguran que esta tendencia de pérdida de bosque se ha mantenido desde el 2018 (ver Figura 3). Entre 2002 a 2021 se deforestó más de 27 millones de hectáreas de bosque primario, el 78% a causa de deforestación y el restante a causa de incendios forestales (ver Figura 3) (Finer y Mamani, 2022).
2.1.2.2. Situación en países amazónicos
Al analizar casos más específicos en los países con mayor superficie dentro de la Amazonía (Brasil 61.8%, Perú 11.4%, Bolivia 8.4% y Colombia 6.0%) (RAISG, 2022a), se puede evaluar como la tendencia de pérdida de bosque se mantiene.
Es así que, en su investigación Stropp et al. (2020) al analizar el avance de deforestación en la región amazónica brasileña, reportaron que hasta el año 2017 se han deforestado más de 30 millones de hectáreas
Por su parte, Luque (2021) enfocó su investigación en la región amazónica peruana, específicamente en Madre de Dios, donde identificó que la minería aurífera aluvial es la causa principal de pérdida de bosque En 2017, esta actividad provocó la pérdida de 9 mil hectáreas de bosque lo que representó el
Figura 3 Pérdida de bosque primario amazónico 2002-2021. Fuente: Finer y Mamani (2022)
38% de deforestación total para Madre de Dios y el 7% para el total del país (Luque, 2021).
Rojas et al. (2019) enfocaron también su investigación en la región amazónica peruana, específicamente en la provincia Rodrigez Mendoza, en donde identificaron una pérdida de bosque de más de 90 mil hectáreas dentro del periodo 1987 – 2016, afirmando que las causas principales de estas pérdidas son las actividades agrícolas y ganaderas.
En relación a la regipón amazónica boliviana, Peralta et al., (2015) analizaron las tasas de cambio de coberturas de suelo y deforestación en el periodo 19862011, específicamente se enfocaron en el municipio de Riberalta. En esta investigación se estableció que entre 1986 y 2000 la tasa de cambio de cobertura de bosque fue de -0 2%, esta se encontraba por debajo de las tasas de defoerstación nacionales, pero para el periodo 2000 – 2011 está fue de -0 78%, llegando a alzanzar a la tasa de deforestación nacional.
Adicional, Tiria et al., (2018), quienes evaluaron la transformación de las coberturas vegetales y uso del suelo, específicamente en el municipio Puerto Lenguízamo localizado en el departamento de Putumayo, Colombia. Se afrimó que la tendencia de pérdida de bosque es causada por la expansión incontrolada de la frontera agícola, es así que dentro del área de estudio se registraron más de 10 mil hectáreas deforestadas entre 2002 – 2016.
2.1.2.3. Situación en la Región Amazónica Ecuatoriana.
La RAE a pesar de representar solamente el 1.5%, también muestra una dinámica de pérdida de bosque (ver Figura 4) Según datos de MapBiomas Amazonía han afirmado que, para al año 2000 la cobertura de bosque cubría el 76% de la RAE, lo que equivalía a más de 10 millones de hectáreas (MapBiomas Amazonía, 2022c) Para el año 2021 la superficie de bosque se redujo en más de 2 millones de hectáreas (MapBiomas Amazonía, 2022c) (ver Figura 4).
Los resultados de MapBiomas Amazonía han agregado también que, dentro de la RAE, la principal causa de pérdida de bosque es consecuencia de la actividad agropecuaria (López et al., 2013). Dentro del periodo 1985-2021, más de 200 mil hectáreas de cobertura boscosa fueron transformadas a áreas de cultivos o pastizales para ganado (ver Figura 5) (MapBiomasAmazonía, 2022c). Para 2021 el 15% de la superficie de la RAE ha sido usada para actividades agrícolas y ganaderas (ver Figura 5) (MapBiomas Amazonía, 2022c).
Figura 4. Superficie de bosque en la Amazonía Ecuatoriana. Fuente: Autor. Datos: MapBiomas Amazonía, 2022c
Figura 5. Superficie de bosque en la RAE Fuente: Autor. Datos: MapBiomas Amazonía (2022c)
En 2020, Ecuador ocupó el quinto lugar en cuanto a superficie deforestada, con respecto a los demás países que conforman la Amazonía (Paz, 2022). Si bien no encabeza esta lista, si se realiza una comparación proporcional al tamaño del país, es uno de los países que pierde bosques a mayor velocidad (Borja, et al., 2017). Es así como, según análisis de datos de MapBiomas Amazonía, en 2015 la RAE ocupó el segundo lugar de países en el que se ha registrado mayor porción de bosques perdidos, la pérdida registrada fue del 12.6% (Borja, et al., 2017).
De las seis provincias amazónicas del Ecuador, las mayormente afectadas por pérdida de bosque Natural son: Sucumbíos, Orellana, Morona Santiago y Zamora Chinchipe (ver Figura 6) (MapBiomas Amazonía, 2022c). Esta última, presenta gran cambio en la cobertura y uso de suelo, no solamente a causa de la actividad agropecuaria, sino también a causa de la actividad minera (Pesantes, 2022)
Figura 6. Pérdida de bosque en el periodo por provincia Amazónica en Ecuador 1985-2021. Fuente: Autor. Datos: MapBiomas Amazonía, 2022c
Más específicamente, en investigaciones realizadas en la RAE, Mejíaet al., (2021) se enfocaron en la RAE norte (Sucumbíos y Orellana). Dentro del análisis realizado en el periodo 2001 – 2019 identificaron una disminución de más de 15 mil hectáreas de vegetación.
Por otra parte, en su investigación, González et al., (2006) se enfocaron en la provincia amazónica Zamora Chinchipe, en donde identificaron una preocupante tasa de deforestación, durante el periodo de 1996 a 2001 registraron una pérdida anual de más de 16 mil hectáreas.
Adicional, Camacho et al., (2022) analizaron la deforestación multitemporal y cambio de la cobertura de suelo en la provincia Morona Santiago Apesar de que no se encuentra dentro de las tres provincias amazónicas que presentan mayor deforestación, esta investigación determinó que dentro del periodo de análisis 1990 – 2018 existió un aumento de 0 5% de deforestación, lo que representa más de 5 mil hectáreas. Dentro de la investigación se afirma que la cobertura que reemplazó al bosque nativo fue la tierra agropecuaria.
2.1.3.Causas de pérdida de bosque
Las principales causas de pérdida de bosque son de origen antrópico (RAISG, 2022b) Se puede definir como causas antrópicas de perdida de bosque a aquellas acciones humanas que afectan el equilibrio ecosistémico de una zona y los derechos de quienes la habitan (Borja, et al., 2017). Más del 60% de la Amazonía se encuentra afectada por algún tipo de presión permanente (RAISG, 2022b)
2.1.3.1. Construcción de vías
La construcción de vías es una de las principales causas de pérdida de bosque (Delgado et al., 2004). De acuerdo con Delgado et al. (2004) la construcción de vías afecta directamente a la biodiversidad del entorno, debido al llamado efecto de borde que ocasiona la fragmentación del bosque al interior de las vías Martino (2007) argumenta que, además, el impacto se mantiene posterior a su construcción, ya que, al permitir el acceso a personas y maquinaria, se convierte en el medio para ingresar a zonas que no han sido exploradas, suscitando actividades como agricultura, minería y tala de madera
En todos los países que conforman la Amazonía, la construcción de vías genera perturbación a la biodiversidad y contaminación durante su apertura, el impacto puede estar dado hasta 50 kilómetros a ambos lados de la vía (RAISG, 2020)
Aproximadamente el 19% de la Amazonía está cubierta por vías pavimentadas o sin pavimentar (RAISG, 2022b). Para el año 2020, la densidad vial fue superior a los 18 km/km2 (RAISG, 2020)
La RAE supera este promedio. Para el 2020 contaba con una densidad vial de 21.1 km/km2 de vías pavimentadas y 10.8 km/km2 de vías no pavimentadas, sumando un total de 31.9 km/km2 (ver Figura 7)(RAISG, 2020). Es así que, entre todos los países que conforman la Amazonía, la RAE ocupa el primer puesto en densidad vial a nivel de la Amazonía (RAISG, 2020)
Figura 7. Mapa de la red vial del Ecuador. Fuente: Autor.
2.1.3.2.
Ampliación de la frontera agropecuaria
La ampliación de la frontera agrícola se traduce en deforestación de bosques naturales (Martino, 2007) Balvanera (2012) argumenta en su investigación que la rápida expansión de tierras destinadas a agricultura y pastizales se debe a la creciente demanda de alimentos y materias primas para satisfacer las necesidades de una población mundial cada vez más demandante de recursos.
En la Amazonía, la actividad agropecuaria es una de las mayores presiones existentes (Martino, 2007) y por ello es la causante de más del 80% de deforestación de la región (RAISG, 2022b)
Además, en toda la Amazonía, en las dos últimas décadas (2000-2020), la agricultura y ganadería creció aproximadamente un 81%, para el año 2000 esta oscilaba en los 790 mil km2 y para el 2020 el aumento fue alrededor de 640 mil km2 (RAISG, 2020)
Para la RAE la situación no es diferente, en el periodo 1985 – 2021 se registró un incremento de 45% del área agropecuaria y silvicultura (ver Figura 8) (MapBiomas Amazonía, 2022a)
Figura 8. Mapa de uso agropecuario en Ecuador 1985 y 2021. Fuente: Autor.
2.1.3.3.
Actividades extractivas: minería y petróleo
Las actividades extractivas como minería y petróleo no solo son una de las principales causas de pérdida de bosque, sino también son una de las principales fuentes de contaminación del medio ambiente (Ortiz, 2011) Generan impactos directos debido a que los procesos de extracción de minerales y crudo provocan gran contaminación de suelo, agua y aire, específicamente en la Amazonía, puede extenderse de forma incontrolable debido a los abundantes niveles de precipitación (SJES, 2009)
Generan también impactos indirectos, ya que como consecuencia de estas actividades se construyen vías que facilitan el acceso a otras actividades ilegales (SJES, 2009). Dentro de estos impactos indirectos se incluyen los impactos sociales como migración, desarrollo de nuevos asentamientos urbanos, y descomposición social (RAISG, 2020).
Las zonas afectadas por actividades mineras se extienden en el 17% de la Amazonía, mientras que las zonas impactadas por la explotación petrolera se distribuyen en el 9%. Estas actividades afectan a todos los países que la conforman (RAISG, 2020).
Para la RAE, para 2020, se registró que los bloques1 petroleros ocupaban una superficie de más de 68 mil km2 , lo que equivale a más del 50% de la RAE (ver Figura 9) (RAISG, 2020).
1 Bloque: extensión de tierra limitada en longitud y latitud, que el Estado ecuatoriano otorga para la exploración y explotación de hidrocarburos, a través de empresas públicas, privadas o mixtas, nacionales o extranjeras (ARCERNNR, 2021)
Mientras que, las zonas destinadas a actividades mineras ocupaban una superficie de alrededor de 10 mil km2, lo que equivale a aproximadamente el 8% de la RAE (ver Figura 10) (RAISG, 2020)
Figura 9. Mapa de bloques petroleros en Ecuador Fuente: Autor
2.1.4.Barreras de protección
Las leyes de conservación juegan un papel fundamental en la disminución de la deforestación de bosques amazónicos (Cuenca et al., 2015) Las áreas de conservación imponen restricciones al acceso de recursos naturales, por lo que actúan como refugios para la biodiversidad (Celi y Mosquera, 2021) En el caso de la RAE, estas barreras de protección se desagregan en tres tipos: áreas naturales protegidas (ANPs) (Cuenca et al., 2015), territorios indígenas (TI) (Gaia Amazonas, 2019) y bosques y vegetación protectora (BVP).
Figura 10. Mapa de catastro minero en Ecuador Fuente: Autor.
2.1.4.1. Áreas naturales protegidas
En Ecuador se encuentran registradas 76 áreas naturales protegidas (ANPs) que representan el 19.42% del país (ver Figura 11) (MAATE, 2023). Las ANPs se dividen en dos subsistemas: Subsistema del PANE (Áreas Protegidas Continentales del patrimonio de Áreas Naturales del Estado) y Subsistema de los GADs (Gobierno Autónomo Descentralizados), de los cuales la RAE alberga el 71% y 99%, respectivamente (López et al., 2016).
El objetivo de las ANPs es proteger y conservar las superficies que son de importancia biológica (MAE, 2017). Esto las convierte en un factor muy importante para frenar la deforestación, ya que según el artículo 54 del Código Orgánico del Ambiente, está prohibido o se restringe severamente las actividades extractivas de recursos no renovables dentro de lasANPs y en zonas declaradas como intangibles (MAE, 2017).
2.1.4.2. Territorios indígenas
Los territorios indígenas son los límites fijos para el reconocimiento del dominio comunal de los pueblos indígenas y la base de la reproducción sociocultural. Se destacan por su conexión cultural y espiritual con la tierra, fomentando prácticas de manejo sostenible y un control local que permite a los pueblos indígenas defender sus bosques (Gaia Amazonas, 2019).
Las áreas de conservación y territorios indígenas son estrategias fundamentales para frenar la deforestación (Cuenca et al., 2015), ya que presentan restricciones
Figura 11. Mapa de áreas naturales protegidas de la RAE Fuente: Autor.
de uso y manejos tradicionales de bosques (Gaia Amazonas, 2019). Según Aragón (2007) las tasas de deforestación son menores en comparación con áreas no protegidas
De los territorios indígenas existentes en el Ecuador, el 86% se localizan dentro de la RAE (ver Figuras 12) (López et al., 2016).
Figura 12. Mapa de territorios indígenas de la Amazonía ecuatoriana. Fuente: Autor
2.1.4.3. Bosque y vegetación protectora
Adicionalmente a las ANP y TI, se encuentran los bosques y vegetación protectora (BVP)
La autoridad ambiental ecuatoriana a través del artículo 16 del Libro III del régimen Forestal define como bosques y vegetación protectora (BVP) a las formaciones vegetales de especies herbáceas o arbustivas, ya sean naturales o cultivadas, localizadas en áreas públicas o privadas que no son aptas para la agricultura o ganaderías debido a sus condiciones climáticas, hídricas o por su topografía accidentada, cuya principal función es la conservación cuencas hidrográficas y servicios ambientales (MAATE, 2022)
De acuerdo con el Código Orgánico del Ambiente, los bosques protectores son parte del patrimonio forestal nacional, lo que significa que su conservación es responsabilidad del estado (Villa et al., 2022). Sin embargo, no son parte del sistema nacional de áreas protegidas, lo que implica que no están prohibidas las actividades extractivas dentro de los límites de los bosques (Villa et al., 2022).
En la actualidad, dentro de los límites de Ecuador, se encuentran georreferenciados 170 BVPs, los cuales están distribuidos en más de dos millones de hectáreas, representando el 9% del territorio nacional (MAATE, 2022)
El 40% de los BVPs se localizan dentro de la RAE (ver Figura 13) (López, et al., 2016). Además, el 75% de vegetación natural, que incluye bosques nativos, páramos, vegetación arbustiva y herbácea, se encuentra localizada en 95 BVPs (MAATE, 2022)
2.2. MARCO HISTÓRICO
Hoy en día, la problemática ambiental de pérdida de bosque se ha convertido en un tema central de investigación tanto dentro como fuera de los límites amazónicos Estas investigaciones han enfocado la generación de resultados en la aplicación de herramientas SIG.
En los trabajos investigativos enfocados en el análisis de cobertura y uso de suelo y/o deforestación, ha sido escencial que los autores realicen un análisis
Figura 13. Mapa de bosque y vegetación protectora de la Amazonía ecuatoriana. Fuente: Autor
multitemporal, para ello, lo primordial es que definan su periodo de monitoreo.
Por ejemplo Rojas et al. (2019), Camacho et al. (2022) y Leija et al. (2022) basaron su estudio en un análisis temporal para identificar los índices de cambio de cobertura y uso de suelo. Rojas et al. (2019) basó su estudio en la Amazonía
Peruana entre los períodos 1987–2001 y 2001–2016. Camacho et al. (2022) se enfocó en la provincia amazónica de Ecuador: Morona Santiago, su análisis fue desarrollado desde 1990 hasta el 2018. El trabajo investigativo Leija et al. (2022) fue desarrollado fuera de límites amazónicos, específicamente en Sierra Madre Oriental, México, en los años 1986, 1990 y 2000.
Por otra parte Peralta et al. (2015), mediante un análisis temporal identificó las tasas de cambios de cobertura de suelo entre 1986 - 2011 en la Amazonía boliviana. Adicional, Ruiz et al. (2011) aplicó un análisis temporal para evaluar la deforestación y dinámica del bosque secundario en la Amazonía colombiana en el periodo 1986 - 2000
En las investigaciones descritas anteriormente, el eje principal es el análisis temporal y el punto de partida para este análisis ha sido la generación de mapas de cobertura y uso de suelo, que han permitido calcular transiciones y pérdida de bosque
Por ejemplo, en su investigación, Reyes et al.
}(2005) aplicaron métodos de teledetección para generar un mapa de uso y cobertura de suelo en la localidad mexicana Pujal-coy. El método específico aplicado fue clasificación supervisada, utilizando el algoritmo de máxima verosimilitud con imágenes Landsat MSS y ETM+ Además, entrenaron al algoritmo a partir de documentos oficiales e históricos y trabajo de campo (Reyes et al., 2005)
Por otra parte, Rojas et al. (2019) usaron el algoritmo de clasificación supervisada de máxima probabilidad para el análisis de deforestación en la Amazonía peruana. Adicionalmente aplicaron análisis visuales utilizando el método de interpretación independiente de la FAO para mejorar su clasificación. Además, como segunda fase de su procedimiento, varias de las investigaciones analizadas aplicaron el método de superposición espacial para el análisis de
pérdida de bosque. Es así que, Bocco et al. (2000) en su investigación, afirman que se identificó y cuantificó áreas deforestadas y cambios de uso de suelo mediante el análisis de superposición cartográfica de mapas de cobertura en Michoacán, México. De esta forma se cuantificó la intersección de cada clase, con lo que se obtuvieron matrices con las áreas de cambio.
Adicional, el método de Leija et al (2022) aplicado en su investigación consistió en sobreponer mapas de cobertura vegetal y usos del suelo de fechas actuales, sobre imágenes satelitales de fechas más antiguas, con la finalidad de identificar las áreas deforestadas y aquellas que cambiaron a otros usos de suelo en en Sierra Madre Oriental, México.
Reyes et al. (2005) en su trabajo investigativo, aplicaron el método de superposición cartográfica de mapas de cobertura de terrenos El método específico utilizado fue superposición ráster. Como resultado obtuvieron mapas de coberturas y áreas deforestadas para cada periodo.
Para complementar su trabajo, Reyes et al. (2005) evaluaron las diferencias o similitudes entre coberturas mediante la aplicación del método de tabulación cruzada.
Pineda et al., (2009) también complementaron su trabajo con el método de tabulación cruzada. De esta forma obtuvieron mapas y tablas que describen las áreas deforestadas y superficies con cambios en el Estado de México Este método les permitió conocer las superficies que presentaron cambios y aquellas que se mantuvieron igual.
Como metodología adicional para el análisis de perdida de bosque, Pineda et al. (2009) aplicaron en su investigación un análisis de regresión multivariantes para determinar las causas de la deforestación en el Estado de México. Para Baxa et al., (2016), el centro de su investigación fue la aplicación de un análisis de regresión múltiple, ya que su enfoque principal era poder identificar aquellas variables causantes de deforestación en la Amazonía peruana
Por otra parte, Laurance et al., (2001) utilizaron una regresión y correlación únicamente para evaluar los resultados obtenidos en el análisis de deforestación de la Amazonía brasileña. Aplicando este método pudieron conocer las tasas
absolutas y per cápita de pérdida de bosque e identificar su aceleración significativa.
Si bien existen variedad de metodologías que permiten analizar la pérdida de bosque y el cambio de cobertura y uso de suelo, es importante recalcar que las herramientas SIG son primordiales para este tipo de análisis y pueden ser complementadas con metodologías estadísticas que permiten definir con exactitud los resultados obtenidos (Becerra y Matiz, 2015)
2.3. MARCO METODOLÓGICO
2.3.1.Teledetección
La teledetección es el proceso de recopilación y análisis de datos del planeta, que permite obtener imágenes de la superficie terrestre escaneándolo a distancia mediante la captura y análisis de la radiación electromagnética con sensores remotos (Chuvieco, 1995). El espectro electromagnético, es la base fundamental de la teledetección, y consiste en el rango completo de todas las longitudes de onda posibles de la radiación electromagnética (ver Figura 14) (Sánchez, 2020).
Figura 14. Espectro electromagnético. Fuente: Sánchez, 2020
La información obtenida sobre la superficie terrestre es el resultado de la radiación del espectro visible, infrarrojo y microondas, pudiendo detectar la vegetación, cuerpos de agua y demás coberturas del planeta (ver Figura 15) (CETA-Ciemat, 2017)
Figura 15 Detección de vegetación, cuerpos de agua y suelo en imágenes satelitales. Fuente: CETACiemat, 2017.
Los objetos encargados de realizar la captura de esta radiación son denominados sensores remotos, los cuales se encuentran ubicados en satélites, aviones o drones (ver Figura 16) (Ormeño, 2006)
Figura 16. Sistema de teledetección. Fuente: Ormeño, 2006.
Según Fernández y Corbella (2017), los sensores se diferencian por tres características específicas:
• Resolución espacial: capacidad del sensor para identificar y representar detalles en la superficie terrestre, es decir, es el tamaño del píxel.
• Resolución espectral: capacidad de un sensor pata detectar distintas longitudes de onda en el espectro electromagnético. Esto permite al sensor capturar datos sobre la composición física y química de la superficie terrestre.
• Resolución temporal: es la frecuencia con la que un sensor sobrevuela y captura información de una misma área geográfica.
En la Tabla 2 se muestran las características principales de los principales sensores utilizados en teledetección.
Tabla 2 Características de los principales sensores utilizados en teledetección. Fuente: Alonso, 2006
Km
Km
m 1 día 2Vis
Posterior a lo captura de información, los datos atraviesan procesos de corrección atmosférica y análisis (Kogut, 2021) Algunas de estas correcciones han sido definidas en el trabajo investigativo de Pinzón (2016):
• Corrección radiométrica: permite el ajuste de diferencias en la respuesta radiométrica de los píxeles a causa de la dispersión y absorción de la luz. La finalidad de esta corrección es homogenizar las imágenes para que los niveles de brillo reflejen las propiedades físicas del terreno.
• Corrección geométrica: permite rectificar las distorsiones geométricas causadas por el movimiento satelital, por los efectos topográficos o alguna causa atmosférica. Esta corrección busca adaptar a la imagen satelital a un sistema de referencia geográfico.
• Corrección topográfica: permite rectificar las variaciones en la reflectancia ocasionadas por la variación topográfica del terreno.
• Corrección de efectos de nubes y sobras: busca reducir el error de interpretación de las imágenes satelitales a causa de la presencia de nubes y sombras.
• Transformación espectral: busca mejorar la precisión de la información espectral de la imagen
• Corrección de dispersión atmosférica: permite mejorar la calidad de las imágenes al minimizar los efectos de la dispersión de la luz por la atmósfera.
2.3.2.Clasificación de imágenes
La clasificación de imágenes satelitales es una técnica de teledetección que permite transformar imágenes crudas en datos (Cervantes, 2014). Esta transformación está dada por la categorización de los píxeles, que permite asignar clases de clases temáticas como las coberturas terrestres (Gómez, 2020). Los métodos típicos de clasificación pueden ser de dos tipos: supervisadas y no supervisadas (Cervantes, 2014)
Como se observa en la Figura 17, en la clasificación supervisada la clasificación de clases depende de las áreas de entrenamiento que se tomen, mientras que en la clasificación no supervisada la clasificación de clases es automática (Yébenes y Giner, 2013). Para los dos tipos es necesario trabajar con un algoritmo, además es necesario realizar una validación para evaluar la calidad de la clasificación (Gómez, 2018)
Figura 17. Diagrama de flujo para procesos de clasificación Fuente: Gómez, 2018.
Además, cabe recalcar que adicional a los métodos clásicos de clasificación que se han descrito con anterioridad, existen otros métodos. Como por ejemplo métodos de inteligencia artificial como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN), clasificadores difusos, máquinas de vectores de soporte (SVM), random forest, análisis de imágenes a nivel de objetos (OBIA), aprendizaje de transferencia (Riaño, 2023).
2.3.2.1.
Clasificación supervisada
La clasificación supervisada requiere de un conocimiento del terreno a clasificar. La clasificación supervisada utiliza un algoritmo al que se le proporciona puntos de entrenamiento para detectar las clases específicas (ver Figura 18) (Gómez, 2020).
Algunos de los algoritmos utilizados en este tipo de clasificación son el clasificador de máxima verosimilitud, clasificador de distancia mínima a la media, clasificador de distancia de Mahalanobis, clasificador k-vecinos más cercanos y máquinas de vectores soporte (Gómez, 2018)
La clasificación supervisada implica tres etapas clave: El primer paso es el entrenamiento, que consiste en la toma de puntos de clases usando datos de referencia (Gómez, 2018)
Figura 18. Colecta de puntos de entrenamiento de diferentes clases. Fuente: Autor
El segundo paso es la asignación; en este punto, las imágenes se clasifican y se asignan a las clases en función a la similitud con estadísticas previamente calculadas. Entre los métodos más comunes para definir los límites estadísticos entre clases se encuentra el método de mínima distancia, el método de paralelepípedos y el método de máxima probabilidad (Gómez, 2018)
Finalmente es indispensable ejecutar un análisis y validación de datos Para ello, posterior a clasificar la imagen es necesario realizar una evaluación de la clasificación para verificar que las clases se hayan diferenciado correctamente.
La precisión se evalúa realizando una comparación entre los resultados con datos de referencia (Gómez, 2020).
2.3.2.2. Clasificación no supervisada.
En las clasificaciones no supervisadas, el algoritmo seleccionado agrupa automáticamente los píxeles de acuerdo con determinadas características y en base a esto realiza la división de categorías (ver Figura 19) (Gómez, 2020)
La clasificación no supervisada implica dos pasos clave que incluyen generar clústeres y asignar clases (ver Figura 19). La agrupación automática de clústeres se da en base a similitudes espectrales. Los métodos automáticos usados para esta agrupación pueden ser el algoritmo k-medias y el análisis iterativo de datos autoorganizados (ISODATA) (Gómez, 2018).
Figura 19 Generación de clústeres y asignación de clases. Fuente: Autor.
2.3.3.Análisis temporal
Los análisis temporales SIG consisten en el estudio de datos espaciotemporales, que se basan en dos características principales, la primera la ubicación del dato y la segunda el cambio de ese dato durante un tiempo definido (Becerra y Matiz, 2015). En síntesis, los análisis temporales estudian los cambios de fenómenos geoespaciales en un periodo de tiempo definido (Longley et al., 2015) Su objetivo es visualizar dinámicas, identificar patrones y tendencias, detectar cambios, simular escenarios futuros, estimar valores desconocidos en lugares y peridodos específicos (Burrough y McDonnell, 1998)
Los análisis temporales permiten estudiar procesos dinámicos en diferentes campos, como el análisis de cobertura y uso de suelo, deforestación, planificación catastral y urbana, gestión ambiental, epidemiología, entre otras (Longley et al., 2015).
En el análisis de cobertura y uso de suelo, el análisis temporal juega un rol esencial, ya que la cobertura y uso de suelo es dinámica y continua (Vivekananda et al., 2021) Este análisis temporal de la cobertura y uso de suelo tiene como objetivo principal la detección de cambios. Como su nombre lo indica, la detección de cambios permite estudiar los cambios acontecidos a través del tiempo y con ello determinar patrones de diferentes fenómenos como degradación, deforestación, ampliación de la frontera agrícola y urbanización (Gaur et al., 2020)
Las principales fuentes usadas para la detección de cambios son datos de teledetección. Algunas técnicas de detección de cambios que han sido desarrolladas son el análisis de mezclas espectrales, las redes neuronales artificiales y la integración de sistemas de información geográfica y datos de teledetección (Lu et al., 2004)
En la actualidad los datos multiespectrales y multitemporales se han convertido en herramientas esenciales para generar mapas temporales de cobertura y uso de suelo (Vivekananda et al., 2021). El mapeo temporal de cobertura y uso de suelo consiste en dos fases principales, la primera es un preprocesamiento de imágenes satelitales y la segunda es la clasificación de las imágenes satelitales
para obtener los mapas de cobertura y uso de suelo de un área específica para un periodo determinado (Gaur et al., 2020).
2.3.4.Análisis espacial
El análisis espacial es una herramienta que permite la manipulación de datos espaciales de diversas formas, con el fin de obtener información adicional sobre los procesos que se desarrollan en un espacio determinado con el objetivo de conocerlos mejor (Tovar, 2016) El principal objetivo del análisis espacial es identificar patrones y relaciones espaciales que no pueden obtener mediante técnicas tradicionales de análisis de datos (Hanasi, 2023).
El análisis espacial puede tener dos enfoques. El primero es el enfoque temático, en este se ejecutan métodos estadísticos y matemáticos con la finalidad de estudiar datos distribuidos en el espacio (Tovar, 2016). El segundo enfoque es de sistemas de información geográfica, en este se trabaja con relaciones espaciales cartográficas vinculadas a bases de datos geográficas (Tovar, 2016) Este enfoque incluye un grupo de conceptos y procedimientos usados con la finalidad de analizar relaciones del territorio a partir de conocimientos de posición de entidades geográficas (Mao, 2006). Es así como, desde el enfoque SIG, el análisis espacial está determinado por la existencia de relaciones topológicas entre elementos, permite realizar cálculos entre variables y obtener nuevos datos (Domínguez, 2000).
2.3.4.1. Superposición espacial
La herramienta primordial del análisis espacial es la superposición, por ende, tiene una gran importancia como fuente de datos cartográficos analíticos y sintéticos (Domínguez, 2000).
Según el diccionario SIG de Esri Support, el análisis de superposición espacial es un “tipo de análisis en el que los datos se extraen de una capa (por ejemplo, el grupo de bloques) a una capa superpuesta (por ejemplo, una zona comercial).”
(ESRI, s.f.). Por lo tanto, la superposición espacial es el resultado de la unión de uno o varios conjuntos de datos separados que comparten el total o parte de una misma área (Jaime et al., 2011).
La herramienta de superposición cartográfica permite realizar análisis espaciales a través del solapamiento de capas ráster o vector (ver Figura 20) que contengan información, lo que permite que se materialicen todos los atributos de las entidades que forman parte de la superposición (ESRI, 2021)
Sobreposición vectorial
Sobreposición raster
Figura 20. Superposición vectorial y ráster. Fuente: ESRI, 2021
Bocco et al. (2000) en su investigación, realizaron un análisis de capas vectoriales para identificar cambios en la cobertura vegetal y los usos del suelo.
El proceso de superposición implica colocar una capa cartográfica encima de otra y comparar las ubicaciones de las entidades geográficas de las dos capas, durante la superposición se pueden identificar diferentes tipos de relaciones espaciales como las detalladas en la Figura 21. Con esto se pueden determinar áreas en común o áreas que han cambiado en dos fechas definidas, de esta forma se identifican patrones geográficos y tendencias dentro de las áreas que se sobreponen y aquellas que no.
Los métodos de Superposición vectorial emplean operadores booleanos básicos: AND, OR y XOR, dependiendo del operador usado se obtendrá como resultado una unión, intersección diferencia simétrica o identidad (Figura 21) (ESRI, 2021).
(a) Union (b) Intesect
(c) Symmetrical Difference
(d) Identity
(e) Clip (f) Erase
(g) Split
Figura 21. Métodos (a, b, c, d) y tipos (e, f, g) de relaciones espaciales de Superposición vectorial. Fuente: Dastrup, 2020.
Leija et al. (2022) ha desarrollado su metodología en base a la superposición
ráster Esta metodología permite comparar píxel a píxel dos imágenes sobrepuestas, esto implica restar valores de reflectancia o índices de vegetación de dos fechas definidas para cada píxel de estudio Los píxeles cuyas diferencias superen un umbral definido, se identifican como áreas de cambio, además del umbral es importante definir el método superposición (ver Tabla 3).
Tabla 3. Métodos de superposición ráster. Fuente: ESRI, 2021
Método
Descripción
Aritmético Los valores de los píxeles en las capas ráster de entrada se combinan a través de operaciones matemáticas básicas: suma, resta, multiplicación y división
De máscaras Se establece un valor de píxel en la capa ráster de salida solo si ambas capas ráster de entrada tienen un valor terminado en ese píxel
Boolena
Se genera una nueva capa ráster en función a relaciones lógicas definidas a partir de un operador lógico definido: AND, OR o NOT
El analizar dos o varias capas con la herramienta de superposición permite conocer qué es común o diferente entre estas capas y qué está encima de qué (Domínguez, 2000) El análisis de superposición se utiliza en conjunto con otros análisis espaciales como por ejemplo el análisis de proximidad y análisis de superficie. Además, se aplican análisis complementarios como extracción de entidades o generalización (ESRI, 2021).
Es así como, un análisis de superposición permite obtener capas como producto del cálculo de las capas solapadas (Domínguez, 2000). La superposición es uno de los pasos dentro de un proceso o modelo de análisis, este puede tomar lugar en uno o varios puntos del proceso (ESRI, 2021).
2.3.4.2.
Tabulación cruzada
La tabulación cruzada según el diccionario SIG de Esri Support es “es la comparación de atributos en diferentes coberturas o capas de mapa en función de la ubicación”. Como se observa en la Figura 22, la tabulación cruzada consiste en el calcular la intersección entre dos entidades. (ESRI, s.f.).
La tabulación cruzada, genera como resultado una matriz de cambios que resulta de cruzar los mapas de las diferentes fechas analizadas (ver Tabla 4) (Pineda et al., 2009). Esta matriz permite distinguir la transición de las clases analizadas y detectar cambios en la cobertura de suelo, de esta forma se puede realizar una evaluación de los patrones que llevan a estos cambios (Agni et al., 2016)
Figura 22. Tabulación cruzada. Fuente: ESRI (s f.)
Tiempo 1
Tabla 4. Modelo de tabulación cruzada. Fuente: Autor.
Reyes et al. (2005) y Pineda et al. (2009) a través de la aplicación de tabulación cruzada en un software SIG cuantificaron la intersección de las clases de cobertura y uso de suelo identificadas dentro de su periodo de análisis. En este método el punto de partida es especificar la capa de cobertura y uso de suelo de un tiempo 1 (t1) y se selecciona como entidad de superposición a la capa de cobertura y uso de suelo de un tiempo 2 (t2). Como resultado se consigue una matriz de cambio m x n clases, donde m es el número de clases mapeadas en un tiempo 1 y n son las clases mapeadas en un tiempo 2. De esta forma, se obtiene en unidades de superficie el cambio de cobertura y uso de suelo por clase de un tiempo 1 a un tiempo 2.
2.3.5.Análisis estadístico
2.3.5.1. Tasa de deforestación
La tasa es un coeficiente que indica la relación existente entre la cantidad y la frecuencia de un fenómeno, como porejemplo la deforestación Entonces, la tasa de deforestación es la superficie de bosque que se pierde en un periodo determinado de tiempo (Leija et al., 2022)
Leija et al. (2022) incluyeron en su análisis el cálculo de la tasa de deforestación y el porcentaje de cambios para cada periodo empleando la fórmula establecida por la FAO.
Donde,
C = tasa de cambio
T1 = año de inicio
T2 = año más reciente
n = número de años entre t1 y t2
2.3.5.2. Regresión lineal
El análisis de regresión lineal es un método estadístico es utilizado para establecer la relación existente, creciente o decreciente (Figura 23), entre una variable dependiente y una o varias independientes (Salazar, 2019)
Figura 23 Gráfica de regresión lineal creciente y decreciente. Fuente: Autor.
Existen dos tipos de regresión lineal: simple y múltiple (Novales, 2010). La diferencia entre estas dos es que en el análisis de la regresión lineal simple solamente se evalúa una variable independiente, mientras que en la regresión lineal múltiple se evalúa varias variables independientes (Gonzalez, 2018).
Laurance et al. (2001) utilizaron una regresión simple para poder conocer el comportamiento de la pérdida de bosque e identificar su aceleración significativa. Para ello, como variable independiente seleccionaron a los años de análisis y como variable dependiente establecieron a la tasa de deforestación. La fórmula aplicada fue:
Y=ß0+ ß1X1+…+ ßkXk
Donde:
Y = variable dependiente
X1, Xk= variables independientes
ß0 = Intersecciónen Y
Baxa et al. (2016) enfocaron su investigación en un análisis de regresión múltiple con la finalidad de identificar las variables causantes de deforestación. Como variable dependiente definieron a la pérdida de bosque primario y como variables independientes se seleccionaron a siete características del paisaje en la región de Ucayali, Perú: ríos, elevación, precipitación anual, idoneidad del suelo para la agricultura, densidad de población, caminos pavimentados y caminos sin pavimentar. La fórmula que aplicaron se describe a continuación:
Y=ß0+ ß1X1
Donde:
Y = variable dependiente
X1 = variable independiente
ß0 = Intersecciónen Y
El objetivo principal de la regresión lineal es entender cómo los cambios en la variable independiente se relacionan con los cambios en la o las variables independientes y utilizar esta relación para predecir valores futuros (Novales, 2010).
3. METODOLOGÍA
3.1. ÁREA DE ESTUDIO
3.1.1.Amazonía
Según la Red Amazónica de Información Socioambiental Georreferenciada (RAISG) el bioma2 amazónico cubre una superficie de más de siete millones de kilómetros cuadrados y se extiende por nueve países (ver Figura 24): Brasil (61.8%), Perú (11.4%), Bolivia (8.4%), Colombia (6.0%), Ecuador (1.6%), Venezuela (5.6%), Surinam (1.7 %), Guyana (2.5 %) y Guyana Francesa (1.0%) (RAISG, 2022b)
24. Límite geográfico de la Amazonía. Fuente: RAISG, 2022b
2 Bioma: gran área geográfica caracterizadas por poseer características particulares climáticas, tipos de suelo, vegetación y vida animal. Cada bioma tiene su propio conjunto de ecosistemas y comunidades de flora y fauna adaptadas a esas condiciones específicas. Los biomas son una forma de clasificar y entender la diversidad de paisajes y entornos naturales en el planeta (Fdez, 2022)
Figura
La Amazonía es el bosque tropical continuo más grande del planeta (RAISG, 2020), se extiende sobre un área mayor al 50% de los países que conforman la Unión Europea (Thompson, 2009). Además, contiene cerca del 50% de bosque húmedo del mundo y posee la cuenca hidrográfica más grande del planeta (Thompson, 2009)
Se ubica en América del Sur y comprende la selva tropical de la cuenca del río Amazonas (Martino, 2007). Tiene un rango altitudinal que oscila entre los 0 a los 5.690 msnm (Jarvis et al., 2008). Cuenta con alrededor de 30 millones de habitantes (Thompson, 2009). Aproximadamente el 28% de la región amazónica se encuentra cubierta por territorios indígenas, que son el hogar de al menos 300 grupos de nacionalidades indígenas (Borja et al., 2017)
3.1.2.Región Amazónica Ecuatoriana
La RAE, representa el 1 6% de la Amazonía, está distribuida en la zona oriental del Ecuador y ocupa aproximadamente el 50% del país (López et al., 2016).
Como se observa en la Figura 25, el área de la RAE difiere según la referencia geográfica. Dentro de los límites políticos administrativos el área es de 116,588 km2, según el límite hidrográfico tiene una superficie de 131,840 km2 y de acuerdo con el límite biogeográfico tiene un área de 91,072 km2 (López et al., 2013).
Desde la perspectiva político-administrativa está conformada por seis provincias: Sucumbíos, Napo, Pastaza, Morona Santiago, Orellana y Zamora Chinchipe (López, et al., 2013).
Figura 25. Límites RAE. Fuente: Autor.
Según los límites hidrográficos contempla la divisoria entre la cuenca pacífico y amazónica, es así como la RAE se localiza en la gran cuenca hidrográfica amazónica (López et al., 2016).
Por otra parte, el límite biogeográfico de la RAE inicia en la transición de los bosques andinos-amazónicos ubicados en las estribaciones de la Cordillera de los Andes a partir de los 1,300 msnm, en zonas bajas alcanza 150 msnm y en las cumbres de la cordillera amazónica llega hasta 3,100 msnm (Borja et al., 2017).
La transición andina-amazónica ha permitido la formación de varios ecosistemas (Borja et al., 2017). Según la entidad ambiental del Ecuador, dentro de la RAE existe un total de 25 ecosistemas (ver Tabla 5).
Tabla 5. Ecosistemas de la RAE. Fuente: MAE, 2013
Nro.
Nombre del Ecosistema
1 Bosque siempreverde de tierras bajas con bambú de la Amazonía
2 Bosque inundable de la llanura aluvial de los ríos de origen andino y de Cordilleras Amazónicas
3 Bosque inundable de la llanura aluvial de los ríos de origen amazónico
4 Bosque inundable y Vegetación lacustre-riparia de aguas negras de la Amazonía
5 Bosque inundado de la llanura aluvial de la Amazonía
6 Bosque inundado de palmas de la llanura aluvial de la Amazonía
7 Herbazal inundado lacustre-ripario de la llanura aluvial de la Amazonía
8 Bosque siempreverde de tierras bajas del Aguarico-Putumayo Caquetá
9 Bosque siempreverde de tierras bajas del Napo-Curaray
10 Bosque siempreverde de tierras bajas del Tigre-Pastaza
11 Bosque siempreverde de tierras bajas del Abanico del Pastaza
12 Bosque siempreverde piemontano de Galeras
13 Bosque siempreverde piemontano de las Cordilleras del Cóndor Kutukú
14
Bosque siempreverde piemontano sobre afloramientos de roca caliza de las CordillerasAmazónicas
15 Bosque siempreverde sobre mesetas de arenisca de la Cordillera del Cóndor en la baja Amazonía
16 Bosque siempreverde montano bajo de Galeras
17 Bosque siempreverde montano bajo de las Cordilleras del Cóndor Kutukú
18 Bosque siempreverde piemontano sobre mesetas de arenisca de las Cordilleras del Cóndor-Kutukú
19 Bosque siempreverde montano bajo sobre mesetas de arenisca de las Cordilleras del CóndorKutukú
20 Arbustal siempreverde y herbazal montano de la Cordillera del Cóndor
21 Bosque siempreverde montano sobre mesetas de arenisca de la Cordillera del Cóndor
22 Bosque siempreverde montano de las Cordilleras del Cóndor-Kutukú
3.1.3.Bosque Protector Cuenca Alta del Río Nangaritza
Como se aprecia en la Figura 26, el área de estudio analizada en la presente investigación es el Bosque Protector Cuenca Alta del Río Nangaritza (BPCARN). Fue creado en el año 2002 y se encuentra ubicado al sureste del Ecuador, en la provincia amazónica Zamora Chinchipe y cubre una superficie total de 72,722 87 hectáreas (MAATE, 2022)
El BP-CARN limita con dos áreas naturales protegidas; al oeste linda con el Parque Nacional Podocarpus y al sureste con la Reserva Biológica Cerro Plateado (Villa et al., 2022). Por ello, cabe recalcar que se encuentra dentro de la zona de amortiguamiento del Parque Nacional Podocarpus (MAATE, s.f.)
Figura 26 Mapa del área de Estudio Fuente: Autor
Según, Villa et al. (2022) debido a la intensa deforestación registrada en Ecuador, el BP-CARN se ha convertido en la última conexión entre los ecosistemas de la Cordillera de los Andes y la Cordillera Amazónica Además, en la zona existen tepuyes subandinos únicos de la región (Villa et al., 2022). Hasta la fecha del presente trabajo, no existen estudios o documentación oficial que describa los factores que influyen en los procesos de deforestación tales como situación socioeconómica, demografía o actividades antrópicas.
En el BP-CARN se han registrado ocho ecosistemas (MAE, 2013), que van desde el piso tropical piemontano hasta el montano alto (ver Tabla 6) Esto, adicional a sus características geológicas, han permitido la existencia de biodiversidad endémica de flora y fauna (BirdLife International, 2023).
Tabla 6. Ecosistemas del Bosque Protector Cuenca Alta del Río Nangaritza. Fuente: MAE, 2013
Nro.
Nombre del Ecosistema
1 Arbustal siempreverde y herbazal montano de la Cordillera del Cóndor
2 Bosque siempreverde montano bajo de las cordilleras del Cóndor-Kutukú
3 Bosque siempreverde montano bajo sobre mesetas de arenisca de las cordilleras del CóndorKutukú
4 Bosque siempreverde montano de las cordilleras del Cóndor-Kutukú
5 Bosque siempreverde montano sobre mesetas de arenisca de la Cordillera del Cóndor
6 Bosque siempreverde piemontano de las cordilleras del Cóndor-Kutukú
7 Bosque siempreverde piemontano sobre afloramientos de roca caliza de las cordilleras amazónicas
8 Bosque siempreverde piemontano sobre mesetas de arenisca de las cordilleras del CóndorKutukú
Dentro del BP-CARN se han identificado alrededor de 290 especies entre mamíferos, aves y anfibios (BirdLife International, 2023). Muchas de estas especies se encuentran en Lista Roja de Especies Amenazadas de la UICN, como el tapir de montaña, el jaguar y el oso de anteojos (Puertas, 2018). Se debe considerar que debido a la abrupta topografía de la zona existen muchas áreas sin explorar (BirdLife International, 2023)
Además de la importancia biológica del BP-CARN, es relevante recalcar su trascendencia sociocultural (MAATE, s.f.); dentro de sus límites existe una división de propiedades colectivas e individuales (BirdLife International, 2023)
Dentro de las propiedades colectivas, yacen 10 territorios indígenas pertenecientes a la nacionalidad Shuar (ver Figura 27) (Villa et al., 2022), quienes
ocupan aproximadamente el 30% de la superficie del bosque protector. (MAATE, s.f.).
Figura 27. Territorios indígenas dentro de los límites BPCARN. Fuente: Autor.
3.2. FUENTE DE DATOS
3.2.1.Mapas
de cobertura y uso de suelo
Para el desarrollo de la presente investigación se utilizaron los mapas de uso y cobertura del suelo del periodo 2000 – 2021 de la Colección 4.0 de MapBiomas Amazonía.
Según el documento de Bases Teóricas de Algoritmo Colección 4.0,MapBiomas, la iniciativa MapBiomas Amazonía de la RAISG tuvo sus inicios en el año 2017, cuyo objetivo es apoyar la dinámica de la cobertura y uso de suelo a nivel de toda la Amazonía (MapBiomas Amazonía, 2022b). La Colección 4.0 consiste en el conjunto de mapas de la cobertura y uso del suelo en formato ráster del periodo 1985 a 2021. La metodología aplicada para la generación de los datos fue Machine Learning – Random Forest, utilizando Landsat Collection 2 (MapBiomas Amazonía, 2022b)
La leyenda de MapBiomas Amazonía ha sido definida por la RAISG y es la misma para todos los países que conforman la Amazonía. En la Tabla 7 se detallan aquellas que han sido mapeadas en el territorio ecuatoriano
Tabla 7 Leyenda MapBiomas Amazonía -Ecuador. Fuente: Borja et al., 2022
ID3 CLASE
COBERTURA/USO
1 1. Bosque Natural Cobertura
3 1.1. Formación forestal Cobertura
6 1.2. Bosque inundable Cobertura
10 2. Formación Natural No Forestal Cobertura
11 2.1. Formaciones naturales no forestales inundables Cobertura
12 2.2. Formación campestre o herbazal Cobertura
13 2.3. Otra formación natural no forestal Cobertura
14 3. Agropecuaria y silvicultura Uso
15 3.1. Pasto Uso
18 3.2. Agricultura Uso
9 3.3. Silvicultura Uso
35 3.4. Palma aceitera Uso
21 3.5. Mosaico de agricultura y pasto Uso
22 4. Área sin vegetación
Cobertura/ Uso
24 4.1. Infraestructura Urbana Uso
30 4.2. Minería Uso
25 4.3. Otra Área sin Vegetación
26 5. Cuerpo de agua
33 5.1. Río, lago u océano
34 5.2. Glaciar
27 6. No Observado
3.2.2.Límite del BP-CARN
Cobertura/ Uso
Cobertura/ Uso
Cobertura/ Uso
Cobertura/ Uso
El archivo shapefile del límite del BP-CARN se obtuvo de la página oficial de la entidad ambiental Nacional, conocida como Sistema Único de Información Ambiental (SUIA). Este archivo en formato shapefile contiene 170 polígonos de bosques y vegetación protectora actualizada a diciembre de 2022. La codificación asignada al polígono del BP-CARN es BVP0163.
3 ID: corresponde al valor del píxel en el mapa temático de MapBiomas Amazonía Colección 4.0 (Borja et al., 2022)
3.3. DESCRIPCIÓN DE LA METODOLOGÍA
3.3.1.Flujograma metodológico
En la Figura 28 se detalla el flujograma de metodología. Este especifica las diferentes fases y procedimientos que se aplicaron para el cumplimiento de cada uno de los objetivos específicos.
Figura 28. Flujograma de metodología Fuente: Autor
El primer objetivo específico de este estudio consiste en demostrar la existencia de pérdida de bosque. Para ello, se extrajo la cobertura bosque de los 22 mapas de cobertura y uso de suelo. A partir de estas capas de bosque, se obtuvo el cálculo de áreas para cada año. Finalmente, basándose en la metodología de Laurance, et al (2001) se realizó un análisis de regresión lineal para comprobar estadísticamente la pérdida de bosque a lo largo del periodo de análisis 20002021, para ello se evaluó la relación entre las áreas de bosque (variable dependiente) y los años (variable independiente), de esta forma se comprobó si la variabilidad en el área de bosque se explica por el tiempo (ver Figura 28. Fase 2).
Para responder al segundo objetivo específico, se desarrolló la metodología en base a lo propuesto por Bocco et al. (2000), que consiste en realizar un análisis espacial de superposición entre mapas de diferentes años. De esta forma, se calculó el total de pérdida de bosque durante los 22 años y se obtuvo una capa de pérdida de bosque. Para mostrar y evaluar los resultados se realizó un análisis estadístico descriptivo de las áreas obtenidas (ver Figura 28. Fase 3).
Para dar respuesta al objetivo número tres, se empleó el método principal propuesto en el estudio de Reyes et al. (2005) y Pineda et al. (2009), el cual consiste en un análisis de tabulación cruzada a partir de superposición espacial
Este método permitió sobreponer los mapas de los 22 años y observar los cambios en la cobertura del suelo. El procedimiento se realizó para cada par de años consecutivos para obtener una tabla que indique la frecuencia de cada transición de cobertura. A partir de los datos obtenidos, mediante estadística descriptiva se definió qué cobertura y uso de suelo es la que está sustituyendo al bosque (ver Figura 28. Fase 3)
3.3.2.Fase 1: Descarga y preprocesamiento de datos
La descarga de los datos de coberturas y uso de suelo de la Colección 4.0 de MapBiomasAmazonía se la realizó a través de la plataforma oficial de descargas (https://amazonia.mapbiomas.org/download). Dentro de la plataforma se accedió al Toolkit preparado en Google Earth Engine, que permite la descarga de datos
por país, bioma y cualquier otra geometría requerida (MapBiomas Amazonía, 2022d). En el Toolkit se procedió a seleccionar los parámetros de interés que se muestran en la Tabla 8
Tabla 8. Parámetros seleccionados para la descarga de datos de cobertura y uso de suelo MapBiomas Amazonía, Colección 4. Fuente: Autor.
Parámetro Descripción
Region mapbiomas-amazon
Collection collection-4.0
Tables country
Properties name_es
Features
Data Type
Buffer
Layers
Ecuador
Coverage
None
Ecuador 2000
Ecuador 2001
Ecuador 2002
Ecuador 2003
Ecuador 2004
Ecuador 2005
Ecuador 2006
Ecuador 2007
Ecuador 2008
Ecuador 2009
Ecuador 2010
Ecuador 2011
Ecuador 2012
Ecuador 2013
Ecuador 2014
Ecuador 2015
Ecuador 2016
Ecuador 2017
Ecuador 2018
Ecuador 2019
Ecuador 2020
Ecuador 2021
Posterior a la selección de los parámetros, la herramienta Tollkit permitió exportar, a la nube personal de Google Drive, los ráster de cobertura y uso de suelo de la RAE del periodo 2000 – 2021. La acción tomada seguidamente fue descargar los archivos ráster desde la nube al computador para poder abrirlos desde un software SIG
El software que se utilizó para el procesamiento de datos fue ArcGIS Pro-3.1.3
Este procesamiento tiene como finalidad extraer, de los mapas descargados, solamente el dato de bosque y calcular su área. Para llevar a cabo este proceso, se generó un modelo para automatizar y estandarizar los procedimientos geoespaciales que se aplicaron para cada uno de los mapas ráster.
Para la generación del modelo, en ArcGIS Pro, se accedió a la herramienta de ‘Model Builder’ a través de la pestaña ‘Analysis’. El modelo fue diseñado insertando las herramientas específicas desde el panel ‘Geoprocessing’ al espacio de diseño del modelo, seguidamente, estas herramientas fueron configuradas y conectadas para adaptarse al resultado deseado.
Figura 29.Modelo para la extracción del mapa de bosque año 2000 para área de estudio y cálculo de áreas. Fuente: Autor.
En la Figura 29 se puede observar la estructura del modelo ensamblado Este modelo automatizado se aplicó a los 22 mapas ráster (2000 – 2021). Como se observa, el dato de entrada al modelo, para este caso, es el mapa ráster de cobertura y uso de suelo del año 2000. Primeramente, usando la herramienta ‘Project Raster’ se reproyectó el mapa ráster al sistema de coordenadas WGS84 UTM 18S. Posteriormente se realizó un recorte del mapa con respecto al límite del BP-CARN, para ello se utilizó la herramienta ‘Extract by Mask’.
El siguiente paso consistió en aplicar una reclasificación del ráster con ayuda de la herramienta ‘Reclassify’. La reclasificación tuvo como finalidad extraer los píxeles que contienen únicamente la información de bosque. De acuerdo con la Tabla 6, el ID que corresponde a bosque es igual a 3, por lo tanto, la reclasificación permitió obtener un mapa de bosque, en donde se le asignó 1 a los valores iguales a 3 y NODATA a los valores diferentes a 3.
A continuación, se calculó el área de bosque en hectáreas, con ayuda de la herramienta ‘Calculate Field’, en donde se multiplicó el número de píxeles por el área de cada píxel Finalmente, utilizando la misma herramienta del paso anterior, se añadió un atributo con el año del mapa.
3.3.3.Fase 2: Demostración de la existencia de pérdida de bosque en el BP-CARN dentro del periodo 2000-2021
Para demostrar la existencia de pérdida de bosque primeramente se generó una tabla con las áreas de bosque de cada año entre 2000 y 2021. Para llevar a cabo este proceso se construyó un modelo para automatizar y estandarizar los procedimientos geoespaciales aplicados El software que se utilizó para este procedimiento fue ArcGIS Pro-3.1.3.
Para la generación del modelo, en ArcGIS Pro, se accedió a la herramienta de ‘Model Builder’ a través de la pestaña ‘Analysis’. El modelo fue diseñado insertando las herramientas específicas desde el panel ‘Geoprocessing’ al espacio de diseño del modelo, seguidamente, estas herramientas fueron configuradas y conectadas para adaptarse al resultado deseado.
Figura 30. Modelo para generación de tabla con datos de boque anual dentro del periodo 2000 – 2021. Fuente: Autor
En la Figura 30 se puede observar la estructura del modelo ensamblado. Como se observa, para este modelo se incluyó los 22 mapas de bosque, los cuales fueron generados en la primera fase. Para cada ráster se exportó la tabla de atributos utilizando la herramienta ‘Export Table’. Seguidamente se usó la
herramienta ‘Merge’para unir las tablas generadas. De esta forma se obtuvo una tabla que enlista los 22 años y sus respectivas áreas de bosque.
La tabla generada fue ingresada en el software estadístico InfoStat, en donde se llevó a cabo una regresión lineal Primeramente, se definieron las variables: año como variable independiente y a el área como variable dependiente. Se generó dos tablas: tabla de análisis de regresión lineal y tabla de coeficientes de regresión y estadísticos asociados (ver sección 4.1.2.)
3.3.4.Fase 3: Cálculo de áreas históricas de pérdida de bosque dentro del BP-CARN en el período 2000 – 2021
El primer paso que se efectuó para el cálculo de áreas históricas de pérdida de bosque fue construir un mapa de pérdida de bosque a partir de los mapas ráster de bosques generados en la fase 1. Para ejecutar este proceso se diseñó un modelo para automatizar y estandarizar los procedimientos geoespaciales necesarios El software utilizado en este procedimiento fue ArcGIS Pro-3.1.3.
Para la generación del modelo, en ArcGIS Pro, se accedió a la herramienta de ‘Model Builder’ a través de la pestaña ‘Analysis’. El modelo fue diseñado insertando las herramientas específicas desde el panel ‘Geoprocessing’ al espacio de diseño del modelo, seguidamente, estas herramientas fueron configuradas y conectadas para adaptarse al resultado deseado.
Figura 31. Modelo para generar mapa de pérdida de bosque anual. Fuente: Autor.
Como se observa en la Figura 31, en del modelo, los datos de entrada son los ráster de bosque. Los mapas ráster fueron convertidos a formato vector (.shp) con ayuda de la herramienta ‘Raster to Polygon’ Posterior, para identificar las zonas en la que se perdió bosque se realizó una superposición cartográfica para extraer las áreas que cambiaron en dos años distintos, para ello se utilizó la herramienta ‘Overlay Layers’ para cada par de años consecutivos. Dentro de la herramienta, como año de entrada se ingresó el más antiguo, como año de superposición se seleccionó el año más actual y como tipo de superposición se seleccionó la opción de borrar (Erase). De esta forma se mantuvieron las áreas que en el año más antiguo eran bosque y que en el año más actual ya no lo son, es decir, se extrajo las zonas que en el año más actual atravesaron por un proceso de pérdida de bosque. Dado que el año 2000 funcionó como línea base, siguiendo este procedimiento, se obtuvieron 21 mapas de pérdida de bosque, uno para cada año desde 2001 hasta 2021 (ver Anexo 1).
Para obtener un mapa de deforestación final que incluya todos los años de análisis (ver sección 4.1.3), se aplicó una segunda superposición cartográfica de tipo borrar (Erase), con la finalidad de eliminar zonas que se regeneraron y se volvieron a deforestar De esta forma se evitó tener erróneamente polígonos solapados que generen un cálculo de áreas duplicadas. Para ello, se desarrolló un nuevo modelo (Figura 32), con el cual se pudo obtener un mapa de pérdida de bosque bruta, no se consideró la regeneración/reforestación de bosque en el área de estudio.
Figura 32. Modelo para generación de mapa final de pérdida de bosque Fuente: Autor.
Como primer paso, en la herramienta ‘Overlay Layers’ se incluyó como dato de entrada el mapa de pérdida de bosque del año 2002, como dato de superposición se ingresó el mapa de pérdida de bosque del año 2001 y como tipo de superposición se seleccionó borrar (Erase). De esta forma se extrajo las áreas que representan un aumento de pérdida de bosque en 2002. Posteriormente se utilizó la superposición tipo unión (Union) para combinar el mapa de deforestación del año 2001 con las áreas de aumento de pérdida de bosque del año 2002. Este mismo procedimiento se aplicó para los siguientes años hasta completar la serie temporal analizada.
Además, se aplicó correcciones topológicas a la capa final para corroborar que no hayan permanecido polígonos solapados o brechas entre los polígonos. Para concluir, a la capa final se le agregó un atributo de geometría para calcular el área en hectáreas y con el apoyo de la herramienta ‘Summarize’ se obtuvo una tabla con el área de pérdida de bosque para cada año (ver sección 4.1.3)
3.3.5.Fase 4: Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021
Para calcular las áreas de transición de bosque a otras coberturas, se aplicó una tabulación cruzada. De esta forma se pudo comparar los mapas de cobertura y uso de suelo de diferentes años y obtener una tabla que muestre la frecuencia de cada transición de bosque a otra cobertura y uso de suelo.
Para ejecutar este proceso se diseñó un modelo para automatizar y estandarizar los procedimientos geoespaciales necesarios. El software utilizado en este procedimiento fue ArcGIS Pro-3.1.3.
Para la generación del modelo, en ArcGIS Pro, se accedió a la herramienta de ‘Model Builder’ a través de la pestaña ‘Analysis’. El modelo fue diseñado insertando las herramientas específicas desde el panel ‘Geoprocessing’ al espacio de diseño del modelo, seguidamente, estas herramientas fueron configuradas y conectadas para adaptarse al resultado deseado.
Figura 33. Modelo para generación tabla de transición de cobertura bosque a otras coberturas 2000-2001
Fuente: Autor.
Como se observa en la Figura 33, para la aplicación de la tabulación cruzada se utilizó la herramienta ‘Tabulate Area’ Para obtener una serie temporal de transiciones de cobertura se partió de la comparación del mapa de bosque del año 2000 y el mapa de cobertura y uso de suelo del año 2001 Se repitió este proceso para cada par de años consecutivos.
Como resultado se obtuvo 21 matrices de cambio m x n clases, donde m es la clase bosque mapeada en un tiempo 1 (ej. 2000) y n son las clases mapeadas
en un tiempo 2 (ej. 2001) (ver Anexo 2). Estas matrices fueron reorganizadas en una sola tabla m x n (ver sección 4.1.4.), en donde m representa los años de transición (ej. 2000 – 2001) y n representa las coberturas y uso de suelo de transición (ej. Bosque a agricultura). Las áreas de transición fueron calculadas en hectáreas.
4. RESULTADOS Y DISCUSIÓN
4.1. RESULTADOS
En este capítulo se presentan a detalle los resultados de cada fase desarrollada para demostrar la existencia de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza - Ecuador (BP-CARN) dentro del periodo 2000 –2021.
4.1.1.Fase 1: Descarga y preprocesamiento de datos
Se descargaron 22 mapas de cobertura y uso de suelo de la colección 4.0 de MapBiomas Amazonía (ver Figura 34)
Figura 34. Mapas de cobertura y uso de suelo de la RAE. Fuente: Autor
Se identificó que, de las 15 coberturas y uso de suelo mapeadas a nivel 2 dentro de la cuenca amazónica del Ecuador (Tabla 7), existen únicamente 6 dentro del límite del BP-CARN (Tabla 9)
Tabla 9 Coberturas y uso de suelo existentes dentro del BP-CARN, según datos de MapBiomas Amazonía. Fuente: Autor
ID CLASE
COBERTURA/USO
1 1. Bosque Natural Cobertura
3 1.1. Formación forestal Cobertura
10 2. Formación Natural No Forestal Cobertura
13 2.1. Otra formación natural no forestal Cobertura
14 3. Agropecuaria y silvicultura Uso
18 3.1. Agricultura Uso
22 4. Área sin vegetación
25 4.1. Otra Área sin Vegetación
Cobertura/ Uso
Cobertura/ Uso
30 4.2. Minería Uso
26 5. Cuerpo de agua
33 5.1. Río, lago u océano
Cobertura/ Uso
Cobertura/ Uso
Posterior al procesamiento de los mapas se obtuvieron 22 mapas ráster de cobertura bosque, cada uno correspondiendo a un año del periodo definido en la investigación (2000 – 2021) (ver Figura 35)
Figura 35 Cobertura bosque del Bosque Protector Cuenca Alta del Río Nangaritza. Fuente: Autor.
4.1.2.Fase 2: Demostración de la existencia de pérdida de bosque en el BP-CARN dentro del periodo 2000-2021
Se generó una tabla con las áreas de bosque de cada año. En promedio, la cobertura de bosque dentro del periodo 2000 – 2021 es de 68,796 32 hectáreas (Tabla 10), esto representa el 94% de la superficie total del BP-CARN.
Tabla 10. Área de cobertura de bosque dentro del BP-CARN. Fuente: Autor.
Por otra parte, como resultado del análisis de regresión lineal, se observa en la Tabla 11 que se obtuvo un coeficiente de determinación R² igual a 0.93 (ver Tabla 11).
Tabla 11. Análisis de regresión lineal de cobertura de bosque 2000 – 2021. Fuente: Autor.
Además, como se muestra en la Tabla 12, se obtuvo un coeficiente de regresión igual a -114.72 para la variable año. También se puede apreciar que se obtuvo un p-valor altamente significativo (p-valor < 0 0001).
Tabla 12 Coeficientes de regresión y estadísticos asociados de cobertura de bosque 2000 – 2021
Fuente: Autor.
Coef Est. E.E LI (95%) LS (95%) T p-valor CpMallows VIF
Finalmente se obtuvo una gráfica como resultado de la regresión lineal (ver Figura 36), en esta se puede apreciar cómo los puntos de datos tienden a seguir una línea descendente y la línea de regresión se ajusta bien a los datos.
4.1.3.Fase 3: Cálculo de áreas históricas de pérdida de bosque dentro del BP-CARN en el período 2000 – 2021
Como resultado de la superposición de los 22 mapas de cobertura de bosque se obtuvo un mapa de pérdida de cobertura de bosque (ver Figura 37) Debido a que se tomó al año 2000 como línea base, el mapa generado es del periodo 2001 - 2021.
Figura 36. Pérdida de cobertura de bosque 2000 -2021. Fuente: Autor.
Figura 37. Mapa de pérdida de bosque 2000 – 2021 dentro del BP-CARN. Fuente: Autor.
A partir del mapa de pérdida de bosque se calculó las áreas de pérdida y se generó una tabla, la cual se indica en la Tabla 13. Como se puede observar, en el año 2001 el área de pérdida de bosque fue de 201.67 hectáreas y para 2021 esta era de 319.68 hectáreas. Es así que, sumando todas las áreas de deforestación registradas en cada año, el área total histórica (acumulado) de pérdida de bosque durante el periodo de estudio 2001 - 2021 es de 4,584 hectáreas.
13. Áreas de pérdida de bosque dentro del BP-CARN 2001 – 2021. Fuente: Autor.
2001 201 67 201 67 2002 230 61 432 27
204 56 636 83
122 81 759 64
196.69 956.34 2006 188 19 1144 53
173.99 1318 52
2008 148 49 1467 02
2009 154 91 1621 93
2010 234 68 1856 60
2011 190 27 2046 88
2012 187 56 2234 44
2013 451 26 2685 70
2014 195 34 2881 04
2015 325 56 3206.60
2016 320 41 3527 00
2017 255.75 3782.75
2018 122 09 3904 84
2019 144 69 4049 53
2020 214 78 4264 31
2021 319 68 4583 99
Cabe recalcar que dentro del análisis de superposición no se consideró las zonas de aparente regeneración, únicamente se dimensionó las zonas que perdieron bosque dentro de un año y se las consideró como tal durante la serie periódica restante.
Tabla
La media del área de pérdida de bosque es de 218.29 hectáreas. Mientras que, la mediana sugiere que la mitad de los años tienen una pérdida de bosque igual o inferior a 196.69 hectáreas. Además, se obtuvo una desviación estándar de 77.77 hectáreas.
Por otra parte, como se muestra en la Figura 38, el valor mínimo del área de pérdida de bosque se registró en el año 2018 y es de 122.09 hectáreas, mientras que el valor máximo, fue registrado en 2013 y es de 451.26 hectáreas.
4.1.4.Fase 4: Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021
En esta fase se construyó una tabla que contiene las áreas en hectáreas de las transiciones de coberturas para cada año (ver Tabla 14). Entre 2000 – 2021, en promedio 182.9 hectáreas de bosque fueron reemplazadas anualmente por agricultura, 6.1 por minería, 13.9 por agua, 12.1 por otra área sin vegetación y 22.6 por otro tipo de vegetación.
Figura 38. Pérdida de bosque en el BP-CARN periodo 2001 – 2021. Fuente: Autor.
Tabla 14 Áreas de Transiciones de coberturas y usos del suelo en el BP-CARN. Fuente: Autor.
De acuerdo con la Figura 39, la agricultura fue el uso de suelo que reemplazó al bosque en todos los años del periodo de análisis (2000 – 2021). Además, se puede observar que entre 2018 – 2021 la minería comienza a tomar lugar en el reemplazo de bosque. En 2020 – 2021 la minería ocupa el segundo lugar como uso de suelo que reemplazó al bosque
Por otra parte, en todo el periodo analizado, las coberturas que reemplazaron el bosque en menor proporción a agricultura fueron: agua, otra área sin vegetación y otro tipo de vegetación.
Figura 39. Transición de bosque a otras coberturas y usos de suelo en el BP-CARN dentro del periodo 2000 - 2021. Fuente: Autor.
Como se observa en la Figura 40, la agricultura tiene una dinámica de crecimiento irregular sobre el bosque, es decir presenta picos y valles a lo largo del periodo de análisis. Sin embargo, a partir del periodo 2017 – 2018 se muestra una tendencia de crecimiento constante de agricultura sobre el bosque. El año en el que se dio una mayor transición de bosque a agricultura fue en el periodo 2012 – 2013
Por otra parte, aunque la minería no es una de las principales clases que han reemplazado al bosque, en la Figura 41 se puede observar que a partir de periodo 2017 – 2018 esta empieza a tener un crecimiento exponencial sobre el bosque.
Figura 40. Transición de bosque a agricultura en el BP-CARN dentro del periodo 2000 - 2021. Fuente: Autor.
Figura 41 Transición de bosque a minería en el BP-CARN dentro del periodo 2000 - 2021. Fuente: Autor.
4.2. ANÁLISIS DE RESULTADOS (DISCUSIÓN)
4.2.1.Demostración de la existencia de pérdida de bosque en el BP-CARN dentro del periodo 2000-2021
Para demostrar la existencia de pérdida de bosque del área de estudio, dentro del periodo definido, se planteó la siguiente pregunta de investigación: ¿Existe perdida bosque en el Bosque Protector CuencaAlta del Río Nangaritza - Ecuador (BP-CARN) dentro del periodo 2000 – 2021? De acuerdo con los resultados obtenidos, la respuesta a esta interrogante es afirmativa.
La metodología análisis de regresión lineal empleada, dio como resultado un valor alto de R² (0.9312). Este valor indica que aproximadamente el 93% de la variabilidad en el área de bosque puede ser explicada por el tiempo, lo que sirve como evidencia para aseverar que existe pérdida histórica de bosque Esto sugiere que el modelo de regresión se ajusta bien a los datos y puede explicar la mayoría de la variación observada Además, se obtuvieron p-valores muy bajos (<0.0001), lo que respalda la conclusión de que tanto el modelo como el año son importantes para explicar la variación observada.
La metodología aplicada concuerda con lo expuesto por Baxa, et al. (2016), quienes desarrollaron un análisis de regresión lineal para analizar la pérdida de bosque en la región amazónica peruana. Sin embargo su enfoque fue diferente. En lugar de evaluar al tiempo como variable independiente, analizaron otras variables como causantes de pérdida de bosque (distincia a vías, elevación, precipitación, distancia a ríos, densidad poblacional y presencia de suelo sustentable para la agricultura). El modelo explicó el 70% de la varianza en deforestación y concluyeron que las correlaciones más fuertes existen entre la pérdida de bosque y la distancia a vías.
Por otra parte Smith et al. (2021) tuvo un enfoque similar al del presente estudio. Su investigación se centró en el análisis de la pérdida de bosque, sin embargo aplicó un método diferente, para este caso se usó un algoritmo de detección de
cambios. Los resultados obtenidos concuerdan con la dinámica de la presente investigación pero a un nivel más macro. Se obtuvo que al 2017 existía pérdida de bosque nivel de de toda la RAE.
Dentro del análisis realizado en el presente trabajo se obtuvo también un coeficiente de regresión negativo, esto sugiere una relación inversa entre el año y el área de bosque, lo que significa que a medida que ha pasado el tiempo, ha habido una disminución en el área de bosque Este coeficiente indica que, por cada unidad de incremento en el año, se espera una disminución de aproximadamente 114.72 hectáreas de bosque.
El dato obtenido está por debajo del valor calculado para la provincia en donde se localiza el BP-CARN, Zamora Chinchipe. De acuerdo con la investigación de González et al. (2006) dentro del periodo 1996 a 2001, se estimó una pérdida de más de 16 mil hectáreas de bosque por año (González et al., 2006).
Por otra parte, la Figura 35 respalda visualmente la afirmación de pérdida de bosque ya que los datos tienden a seguir una línea descendente dentro del periodo de análisis 2000 – 2021. Si bien la gráfica muestra años en donde el bosque incrementó, el respectivo análisis se enfoca únicamente en pérdida de bosque y no en regeneración de bosque.
Es importante tener en cuenta que los resultados del análisis de regresión lineal no establecen una relación causal por sí mismos, sino que indican una asociación estadística entre el tiempo y la disminución del área de bosque.
Evidentemente se ha podido corroborar que dentro del BP-CARN existe pérdida de bosque, sería necesario comparar si fuera de los límites del bosque protector la pérdida de bosque es menor, mayor o se mantiene. De esta forma se podría evaluar si los BVPs son barreras de protección eficientes contra la pérdida de bosque.Además, se ha tornado esencial determinar cuáles son las variables que causan esta pérdida de bosque.
Borja et al. (2017) han demostrado que la deforestación se concentra en áreas fuera de ANP y TI, esto no significa que no existe deforestación dentro de estas unidades de conservación, sino que las áreas fuera de ANP y TI están
perdiendo sus bosques en mayor velocidad. Sin embargo no existen estudios que hayan realizado el mismo análisis para BVPs.
La protección de los TIs está a cargo de los diferentes pueblos y nacionalidades indígenas, miestras que los BVPs al igual que lasANPs están a cargo del Estado ecuatoriano (López et al., 2016). Sin embargo se debe considerar que las leyes y normativas dentro de los BVPs son mucho menos estrictas que de las ANPs (MAE, 2017), por lo tanto no se puede realizar una inferencia al comparar estas dos unidades de protección.
4.2.2.Cálculo de áreas históricas de pérdida de bosque dentro del BP-CARN en el período 2000 – 2021
La segunda pregunta de investigación planteada en la investigación fue: ¿Cuántas hectáreas de bosque se ha perdido dentro del BP-CARN en el periodo 2000 – 2021?
Se calculó que se perdieron un total de 4,584 hectáreas de bosque dentro del BP-CARN durante el periodo de estudio 2000 – 2021 Según datos de la investigación del González et al. (2006), en la provincia de Zamora Chinchipe se perdió más de 83 mil hectáreas de bosque entre 1996 a 2001.
Mientras que Camacho et al., (2021), en 2018 registraron más de 14 mil hectáreas de pérdida de bosque dentro del límite provincial En la presente investigación en el BP-CARN, en el mismo año se registró una pérdida aproximada de 145 hectáreas. Este valor representa solamente el 1% con respecto al valor de pérdida de bosque a nivel provincial. Sería necesario evaluar si este reducido valor se relaciona con las normativas de protección que posee el BP-CARN.
Para el análisis de pérdida de bosque Camacho et al. (2021) al igual que el presente trabajo, aplicó un análisis multitemporal. Sin embargo, su metodología específica se basó en un análisis de la variación cuantitativa de la deforestación a través de estadística descriptiva. Y usaron como fuente los datos oficiales de cobertura y uso de suelo otorgados por la autoridad ambiental nacional.
4.2.3.Identificación de las coberturas y usos del suelo que reemplazaron a la cobertura dentro del BP-CARN en el periodo 2000 – 2021
La tercera pregunta definida fue: ¿Qué coberturas y usos del suelo reemplazaron a la cobertura de bosque dentro del BP-CARN en el periodo 2000 – 2021?
Dentro del periodo de análisis la cobertura bosque fue reemplazada principalmente por agricultura. Esta dinámica se mantiene en todos los bosques protectores existentes dentro de Zamora Chinchipe. Camacho et al. (2021) afirman que más del 93% de bosque nativos que se perdieron dentro de los límites de bosques protectores, fueron reemplazados por agricultura
Un estudio realizado a nivel nacional por Kleemann et al. (2022), respalda los resultados obtenidos en esta investigación. La ampliación de la frontera agrícola es el principal driver de deforestación en todos los biomas del Ecuador. Además, es también la principal causa de deforestación dentro de áreas naturales protegidas (Kleemann et al., 2022).
Noh, et al. (2022) entre 1990 a 2014, en su investigación desarrollada a nivel de todo el territorio ecuatoriano, han identificado a los usos de tierra antrópicos como las principales coberturas y usos de suelo que han reemplazado a las clases naturales. El aumento registrado es de agricultura, plantaciones industriales, áreas urbanas y pastizales. Las tasas de cada clase difieren a lo largo del periodo analizado. A diferencia de la presente investigación, los usos antrópicos que han reemplazado al bosque han sido la agricultura y minería.
Por otra parte, Tanto Kleemann et al. (2022) como Baxa, et al. (2016), aseveran en sus investigaciones que una de las causas de pérdida de bosque es la apertura de vías. Sin embargo, en el presente trabajo investigativo, no se registró la presencia de la infraestructura antrópica dentro de los límites del BP-CARN
Otro dato relevante que se ha podido destacar en la presente investigación es que en el último año de análisis (2020-2021) la minería ocupa el segundo lugar en el remplazo del bosque dentro del BP-CARN Para el 2018, Camacho et al.
(2021) afirman que la deforestación generada a nivel de Zamora Chinchipe aún no representaba una relación directa con actividades mineras, ya que hasta esa fecha había pocas zonas deforestadas próximas a áreas dedicadas a actividades mineras. Además, asevera que al tratarse de minería subterránea estas no suponían deforestación como tal.
5. CONCLUSIONES
En esta investigación se ha analizado la dinámica de pérdida de bosque en el Bosque Protector Cuenca Alta del Río Nangaritza - Ecuador (BP-CARN), dentro del periodo 2000 – 2021. Los resultados obtenidos han permitido demostrar la existencia de pérdida de bosque, cuantificar esta pérdida e identificar las coberturas y usos del suelo que reemplazaron al bosque.
El modelo de regresión lineal generado a partir de las áreas calculadas de 22 mapas de bosque (2000 – 2021) explicó que aproximadamente el 93% de la variabilidad en el área de bosque (R² = 0.93) puede ser explicado por el tiempo. Es así como, se identificó la existencia de una relación inversa significativa entre el año y el área de bosque. Lo que implica que a medida que pasa el tiempo, se observa una disminución en la cobertura boscosa.
Por otra parte, se determinó que la pérdida de bosque en el área estudiada varía considerablemente año tras año. Con una media (218.29 ha) y mediana (196.69 ha) que reflejan un nivel promedio de pérdida de bosque, pero con una desviación estándar (77.77 ha) que muestra una notable variabilidad en los datos. Esto sugiere que existen factores que influyen en los niveles fluctuantes de la pérdida de bosque en el área analizada.
Finalmente, se identificó que la principal cobertura y uso de suelo que reemplazó al bosque estaba destinada a usos antrópicos. En todos los años analizados (2000 – 2021), en primer lugar, se posicionó la actividad agrícola.Además, desde el periodo 2017 – 2018 la minería tuvo un crecimiento exponencial sobre el bosque. Pero, fue a partir del periodo 2020 – 2021 cuando esta ocupó el segundo lugar como uso de suelo que reemplazó al bosque.
Con todo este análisis de los resultados obtenidos, se comprobó la hipótesis de esta investigación. Dentro del Bosque Protector Cuenca Alta del Río Nangaritza – Ecuador (BP-CARN), la ampliación de superficies destinadas a usos antrópicos aumenta mientras que la cobertura de bosque disminuye, entre 2000 y 2021.
Los hallazgos de la presente investigación contribuyen a conocer un evidente problema dentro de un área de gran importancia biológica como lo es el BPCARN. Por lo cual, es necesario complementar la investigación utilizando estos resultados como punto de partida para explorar los factores o circunstancias causantes de esta pérdida de bosque en el área de estudio y evaluar si los BVPs son barreras de protección eficientes contra la pérdida de bosque.
BIBLIOGRAFÍA
Agni, L., Calderón, F., Santos, A., y Párraga, C. (2016). Evaluación geoespacial del cambio de cobertura y uso del suelo: Caso del Cantón las Naves, Provincia Bolívar. Escuela Superior Politécnica del Litoral, Bolivar, Ecuador.
Alonso, C. (2006). Caracterización de las imágenes de satélite. Accedido el 10 de octubre de 2023 en https://www.um.es/geograf/sigmur/temariohtml/node71_mn.html
Aragón, L. (2007). Deforestación en la Amazonía brasileña: áreas indígenas y unidades de conservación como mitigadoras del proceso. Monografías Tercer Milenio, 237–243.
ARCERNNR,Agencia de regulación y control de energía y recursos naturales no reovables (2021). Resolución Nro. ARCERNNR-024/2021. Quito, Ecuador.
Balvanera, P. (2012). Los servicios ecosistémicos que ofrecen los bosques tropicales. Ecosistemas, 136-147.
Baxa, V., Francesconi, W., y Quintero, M. (2016). Spatial modeling of deforestation processes in the Central Peruvian Amazon. Journal for Nature Conservation, 79-88.
Becerra, L., y Matiz, J. (2015). Datos espacio - temporales representados en sistemas de información geográfica. SENA Regional Santander, 4, 38-60.
BirdLife International. (2023). Important Bird Area factsheet: Bosque Protector Alto Nangaritza Accedido el 18 de mayo de 2023 en http://datazone.birdlife.org/site/factsheet/14634.
Bocco, G., Mendoza, M., y Masera, O. (2000). La dinámica del cambio del uso del suelo en Michoacán. Una propuesta metodológica para el estudio de
de los procesos de deforestación. Investigaciones Geográficas, Boletin del Instituto de Geografla, UNAM, 18-38.
Borja, M., Aguilar, C., Holguín, W., y Josse, C. (2022). Documento de Bases Teóricas de Algoritmo (ATBD) MapBiomas Amazonía Colección 4.0, Apéndice Ecuador - Colección 4.0 de Mapas Anuales de Cobertura y Uso del Suelo de la Amazonía. RAISG.
Borja, M., Aragón, J., y Josse, C. (2017). Bosques de la Región Amazónica Ecuatoriana: ¿Qué nos dicen las cifras de deforestación de los últimos 15 años? Eje 2. Recursos naturales, ambiente y cambio climático. Ponencia 3, 63-76.
Burrough, P., y McDonnell, R. (1998). Principles of Geographical Information Systems. 3era ed. Oxford: Oxford University Press.
Camacho, C., Carrión, N., y Jaramillo, A. (2021). Análisis multitemporal de la deforestación y cambio de la cobertura del suelo en Zamora Chinchipe. Polo del Conocimiento, 1228-1241.
Camacho, C., Jara, N., y González, J. (2022). Multi-temporal analysis of deforestation and land cover change in Morona Santiago. Polo del Conocimiento, 797-807.
Ceccon, E., y Miramontes, O. (1999). Mecanismos y actores sociales de la deforestación en la Mazonia brasileña. Intercencia, 112 - 119.
Celi, V., y Mosquera, G. (2021). Entre la conservación y la deforestación: Una lectura a las dinámicas socio-ambientales que inciden en la transformación del territorio y el manejo del bosque. 593 Digital Publisher CEIT, 171-190.
Cervantes, E. (2014). Clasificación de imágenes satelitales mediante el uso de memorias asociativas. México D.F.: Instituto Politécnico Nacional.
CETA-Ciemat. (2017). Teledetección. Accedido el septiembre de 15 de 2023 en https://www.cetaciemat.es/investigaci%C3%B3n/teledetecci%C3%B3n.html
Chuvieco, E. (1995). Fundamentos de teledetección espacial. Madrid: Unigraf S.A.
Cuenca, P., Arriagada, R., & Echeverría, C. (2015). How much deforestation do protected areas avoid in tropical Andean landscapes?. Environmental Science & Policy, 56-66.
Dastrup, A. (2020). Vector Data Models. Accedido el 21 de agosto de 2023 en https://open.maricopa.edu/gist/chapter/6-1-vector-data-models/
Delgado, J., Arévalo, J., y Fernández, J. (2004). Consecuencias de la fragmentación viaria: efectos de borde de las carreteras en la laurisilva y el pinar de Tenerife. Ecología Insular, 181 - 225.
Domínguez, J. (2000). Breve Introducción a la Cartografía y a los Sistemas de Información Geográfica (SIG). Madrid: CIEMAT.
ESRI, Environmental Systems Research Institute (2021). Análisis de superposición. Accedido el 28 de junio de 2023 en Documentación ArcGIS: https://desktop.arcgis.com/es/arcmap/latest/analyze/commonlyused-tools/overlay-analysis.htm
ESRI, Environmental Systems Research Institute (s.f.). ESRI Support | Diccionario SIG. Accedido el 18 de marzo de 2023 en https://support.esri.com/es-es/gis-dictionary
FAO, Food and Agriculture Organization of the United Nations (2001). State of the World's Forests 2001. Accedido el 2 de septiembre de 2023 en https://www.fao.org/3/y0900s/y0900s04.htm
Fdez, L. (2022). Qué son los biomas: tipos y ejemplos. Accedido el 9 de septiembre en Ecología Verde: https://www.ecologiaverde.com/que-sonlos-biomas-tipos-y-ejemplos-2295.html
Fernández, J., y Corbella, R. (2017). Teledetección. Imágenes satelitales y fotografía aérea. Tucumán: Cátedra de Edafología. Facultad de Agronomía y Zootecnia. Universidad Nacional de Tucumán .
Finer, M., y Mamani, N. (2022). MAAP #158: Deforestación y fuegos en la Amazonía 2021. Monitoring of the Andean Amazon Project. Accedido el 1 de Marzo de 2023 en https://maaproject.org/2022/amazonia-deforestfuegos-2021/
Floreano, I., y de Moraes, L. (2021). Land use/land cover (LULC) analysis (2009–2019) with Google Earth Engine and 2030 prediction using Markov-CA in the Rondônia State, Brazil. Environ Monit Assess, 193-239.
Gaia Amazonas. (2019). Informe de gestión por ejes. Gaia Amazonas. Accedido el 6 de Agosto de 2023 en https://www.gaiaamazonas.org/uploads/uploads/informe_de_gestio%CC %81n_2019.pdf
García, M. (2016). La deforestación: una práctica que agota nuestra biodiversidad*. Producción + Limpia
Gaur, S., Mittal, A., Bandyopadhyay, A., Holman, I., y Singh, R. (2020). Spatiotemporal analysis of land use and land cover change: a systematic model intercomparison driven by integrated modelling techniques. International Journal of Remote Sensing, 9229-9255.
Gómez, C. (2018). Clasificación no supervisada, supervisada y análisis multitemporal. Universidad Nacional Autónoma de México.
Gómez, I. (1 de Septiembre de 2020). Técnicas de Clasificación de Imágenes en la Teledetección. Accedido el 3 de Septiembre de 2023 en Ecosript: https://ecoscript.org/tecnicasclasificacionimagenes/
González, A., Condoy, G., y Silva, S. (2006). Análisis y tendencia de la deforestación de la provincia de Zamora Chinchipe, en base a la interpretación de imágenes Satelitales. Universidad Nacional de Loja, Loja, Ecuador.
Gonzalez, L. (2018). RegresiónLineal – Teoría. Accedido el 11 de agosto de 2023 en https://aprendeia.com/algoritmo-regresion-lineal-simple-machinelearning/#comments
Hanasi, M. (2023). Datos Maestros. Accedido el 23 de octubre de 2023 en https://datosmaestros.com/glosario/analisis-espacial/
Hancock, L. (2019). La degradación de los bosques: por qué afecta a las personas y la vida silvestre. Accedido el 17 de agosto de 2023 en WWF: https://www.worldwildlife.org/descubre-wwf/historias/la-degradacion-delos-bosques-por-que-afecta-a-las-personas-y-la-vida-silvestre
Kleemann, J., Zamora, C., Villacis, A., Cuenca, P., Koo, H., Kyoung, J., . . . Thiel, M. (2022). Deforestation in Continental Ecuador with a Focus on Protected Areas. Land.
Kogut, P. (2021). Teledetección Satelital: Tipos, Usos Y Aplicaciones. Accedido el 3 de septiembre de 2023 en EOS Data Analytic: https://eos.com/es/blog/teledeteccion/
Lambin, E., y Meyfroidt, P. (2010). Land use transitions: Socio-ecological feedback versus socio-economic change. Land Use Policy, 108-118.
Laurance, W., Albernaz, A., y Costa, C. (2001). Is deforestation accelerating in the Brazilian Amazon? Environmental Conservation, 305-311.
Leija, E., Pavón, N., Sánchez, A., Rodríguez, R., y Ángeles, G. (2022). Dinámica espacio-temporal de uso, cambio de uso y cobertura de suelo en la región centro de la Sierra Madre Oriental: implicaciones para una estrategia REDD+ (Reducción de Emisiones por la Deforestación y Degradación). Revista cartográfica, 43-68.
Longley, P., Goodchild, Maguire, D., y Rhind, D. (2015). Sistemas y Ciencia de la Información Geográfica. Chichester: Wiley.
López, V., Espíndola, F., Calles, J., y Ulloa, J. (2013). Atlas "Amazonía Ecuatoriana Bajo Presión". Quito: EcoCiencia.
López, V., Ulloa, J., y Aragón, J. (2016). Cartografía histórica de las Áreas Naturales Protegidas y los Territorios Indígenas de la Amazonía Ecuatoriana. Quito: EcoCiencia- Red Amazónica de Información Socioambiental (RAISG).
Lu, D., Mausel, P., Brondízio, E., y Moran, E. (2004). Change detection techniques. nternational Journal of Remote Sensing, 2365-2401.
Luque, L. (2021).Análisis de la deforestación de laAmazonia peruana: Madre de Dios. Revista Innova Educación, 198 - 212.
MAATE, Ministerio delAmbiente,Agua y Transición Ecológica. (s.f.). 186 familias se beneficiaron del proceso de adjudicación de tierras dentro del Área del Bosque y Vegetación Protectora Cuenca Alta del Río Nangaritza Accedido el 8 de agosto de 2023 en https://www.ambiente.gob.ec/186familias-se-beneficiaron-del-proceso-de-adjudicacion-de-tierras-dentrodel-area-del-bosque-y-vegetacion-protectora-cuenca-alta-del-rionangaritza/
MAATE, Ministerio del Ambiente, Agua y Transición Ecológica. (2022). Estadísticas de Bosques y Vegetación Protectores. (M. d. Ambiente, Ed.) Accedido el 16 de julio de 2023 en https://app.powerbi.com/view?r=eyJrIjoiODJlMGZjODUtMWY3MC00MW E0LWFiNjMtYjM3NjE1MDIyMDE3IiwidCI6ImI5MmFkMDkzLTRhODYtNG ZiNS1hY2VhLWNlMWU1ZmJiYWIxMyJ9ypageName=ReportSectionde2 15196427c9cf97a3a
MAATE, Ministerio del Ambiente, Agua y Transición Ecológica. (2023). Estadística del Sistema Nacional de Áreas Protegidas. Obtenido de https://app.powerbi.com/view?r=eyJrIjoiZTQ3MjAwNGUtMDhiNi00MDc0 LWIzMjctN2U4ODE1MmJhNzg1IiwidCI6ImI5MmFkMDkzLTRhODYtNGZi NS1hY2VhLWNlMWU1ZmJiYWIxMyJ9
MAE, Ministerio del Ambiente del Ecuador. (2013). Sistema de Clasificación de los Ecosistemas del Ecuador continental. Quito: Subsecretaría de Patrimonio Natural.
MAE, Ministerio del Ambiente. (2017). Código Orgánico del Ambiente. Registro Oficial Suplemento 934 de 12-abr-2017. Quito, Ecuador
Mao, E. (2006). Técnicas de análisis espacial. La Plata : Universidad Nacional de La Plata.
MapBiomas Amazonía. (2022a). Aspectos destacados del mapeo anual de la cobertura y uso del suelo en la Amazonía entre 1985 y 2021. Accedido el 14 de mayo de 2023 en https://amazonia.mapbiomas.org/
MapBiomasAmazonía. (2022b). Documento Teórico Base deAlgoritmos (ATBD). RAISG.
MapBiomas Amazonía. (2022c). Datos de cobertura y uso de suelo Colección 4.0 . RAISG.
MapBiomas Amazonía. (2022d). Colección de MapBiomas Amazonía. Accedido el 27 de mayo de 2023 en https://amazonia.mapbiomas.org/mapas-de-lacoleccion
Martino, D. (2007). Deforestación en laAmazonía: principales factores de presión y perspectivas. Revista del Sur Nº 169, 3 - 22.
Mejía, V., Orellana, D., y Cabrera, P. (2021). Cambio de uso de suelo en la Amazonía norte del Ecuador: un análisis a través de imágenes satelitales nocturnas VIIRS e imágenes LANDSAT. Universidad Verdad, 11-29.
Pinzón, D. (2016). Estimación de mapas de temperatura del aire mediante imágenes satelitales Universidad Técnica Particular de Loja, Loja, Ecuador.
Noh, J., Echeverria, C., Gaona, G., Kleemann, J., Koo, H., Fürst, C., y Cuenca, P. (2022). Forest Ecosystem Fragmentation in Ecuador: Challenges for Sustainable Land Use in the Tropical Andean. Land.
Novales, A. (2010). Análisis de Regresión. Madrid: Departamento de Economía Cunatitativa. Universidad Complutense.
Ormeño, S. (2006). Teledetección Fundamental. Madrid: Escuela Técnica Superiror de Ingenieros en Topografía, Geodesia y Cartografía.
Ortiz, P. (2011). Capitalismo extractivo, minería y derechos: ¿Pueden cohabitar? (Coyuntura). Íconos - Revista De Ciencias Sociales, 11-23.
Paz, A. (2022). La Amazonía ecuatoriana ha perdido más de 623 mil hectáreas en dos décadas. Mongabay. Accedido el 23 de abril de 2023, en https://es.mongabay.com/2022/11/amazonia-ecuatoriana-ha-perdidomas-de-623-mil-hectareas-en-dos-decadas/
Peralta, C., Torrico, J., Vos, V., Galindo, M., y Contreras, C. (2015). Tasas de cambios de coberturas de suelo y deforestación (1986-2011) en el municipio de Riberalta, Amazonía boliviana. Ecología en Bolivia, 91-114.
Pesantes, K. (2022). Amazonía ecuatoriana pierde 379.000 hectáreas de bosque en casi cuatro décadas Primicias. Accedido el 23 de agosto de 2023, en https://www.primicias.ec/noticias/tecnologia/amazonia-ecuatorianapierde-bosque-decadas/
Pimienta, L., y López, E. (2022). La cobertura y el uso del suelo. Saber Más. Revista de divulgación. Accedido el 24 de agosto de 2023 en https://www.sabermas.umich.mx/secciones/articulos/1193-la-cobertura-yel-uso-del-suelo.html
Pineda, N., Bosque, J., Gómez, M., y Plata, W. (2009). Análisis de cambio del uso del suelo en el Estado de México mediante sistemas de información geográfica y técnicas de regresión multivariantes. Una aproximación a los procesos de deforestación. nvestigaciones Geográficas (Mx), 33-52.
Puertas, M. (2018). Alto Nangaritza, otro bosque virgen asediado por la minería en Ecuador Mongabay. Accedido el 8 de agosto de 2023 en https://es.mongabay.com/2018/09/el-alto-nangaritza-otro-bosque-virgenasediado-por-la-mineria-en-ecuador/
RAISG. (2020). Amazonía bajo Presión. Red Amazónica de Información Socioambiental Georreferenciada.
RAISG. (2022a). Límites RAISG [Dataset]. Accedido el 13 de mayo de 2023, en https://www.raisg.org/es/mapas/
RAISG. (2022b). Deforestación en la Amazonía al 2025. Pasado y futuro de la deforestación en la Amazonía. Red Amazónica de Información Socioambiental Georreferenciada.
Reyes, H., Aguilar, M., Aguirre, J., y Trejo, I. (2005). Cambios en la cubierta vegetal y uso del suelo en el área del proyecto Pujal-Coy, San Luis Potosí, México, 1973-2000. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 26-42.
Riaño,A. (2023). Desarrollo de un sistema dealertas tempranas pormovimientos en masa basado en inteligencia artificial para el departamento de Cundinamarca, Colombia. Universidad de los Andes, Bogor{a, Colombia.
Rojas, N., Barboza, E., Maicelo, J., Oliva, S., y Salas, R. (2019). Deforestación en laAmazonía peruana: índices de cambios de cobertura y uso del suelo basado en SIG. Boletín de la Asociación de Geógrafos Españoles, 1–34.
Ruiz, J., Cárdenas, W., y Baquero, C. (2011). Deforestación y dinámica del bosque secundario en la Amazonía Colombiana 1986-2000. Revista de la Academia Colombianade Ciencias Exactas, Físicas y Naturales, 531-545.
Salazar, B. (2019). Regresión lineal. Accedido el 11 de agosto de 2023 en Ingeniería Industrial: https://www.ingenieriaindustrialonline.com/pronostico-de-lademanda/regresion-lineal/
Sánchez, M. (2020). Aplicación de la teledetección: índices espectrales Accedido el noviembre de 16 de 2023 en https://politecnicadeavila.usal.es/2020/02/03/maria-sanchez-aparicioaplicacion-de-la-teledeteccion-indices-espectrales/
SJES. (2009). Minería: ¿Bonanza o ruina? Roma: Secretariado para la Justicia Social y la Ecología (SJES).
Smith, C., Healey, J., Berenguer, E., Young, P., Taylor, B., Elias, F., . . . Barlow, J. (2021). Old-growth forest loss and secondary forest recovery across Amazonian countries. Environmental research letters
Stropp, J., Umbelino, B., Correia, R., Campos, J., Ladle, R., y Malhado,A. (2020). The ghosts of forests past and future: deforestation and botanical sampling in the Brazilian Amazon. Ecography, 979–989.
Thompson, C. (2009). ¡Amazonia Viva! Una década de descubrimientos: 19992009. Brasilia: WWF.
Tiria, L., Bonilla, J., y Bonilla, C. (2018). Transformation of Vegetation Covers and Land Use in the ColombianAmazon Plain:The Case of Puerto Leguízamo, Putumayo (Colombia). Cuadernos de Geografía: Revista Colombiana de Geografía, 286-300.
Tovar, L. (2016). El análisis espacial como una herramienta para el estudio del transporte de carga urbano. CIT2016 – XII Congreso de Ingeniería del Transporte
Turner, B., Lambin, E., y Verburg, P. (2021). From land-use/land-cover to land system science. Ambio 50, 1291–1294.
Villa, J., Aguilar, C., Villacís, S., Finer, M., y Josse, C. (2022). MAAP: 167. Actividad Minera en el Bosque Protector Cuenca Alta del Río Nangaritza (Ecuador). Accedido el 18 de mayo de 2023 en https://maaproject.org/2022/minera-nangaritza-ecuador/
Vivekananda, G., Swathi, R., y Sujith, A. (2021). Multi-temporal image analysis for LULC classification and change detection. European Journal of Remote Sensing, 189-199.
Weisse, M., y Goldman, L. (2021). La Destrucción de los Bosques Primarios Aumentó un 12 % de 2019 a 2020. Accedido el 23 de abril de 2023, en
