104057

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburgo

Estudio y modelización prospectiva del cambio del uso del suelo del cantón Paquisha - Ecuador, con un enfoque SIG Prospective study and modeling of land use change in the Paquisha canton - Ecuador, with a GIS approach by/por

Ximena Jaqueline Cuenca Imaicela 01523187 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc

Paquisha - Zamora Chinchipe - Ecuador, Marzo 2019

I

II

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.

_________________________________________________________________________ Paquisha, marzo 2019

(Firma)

I

A Benoît

II

AGRADECIMIENTOS Agradezco primeramente a la Universidad de Salzburgo por brindarme la oportunidad de realizar mis estudios de maestría en SIG dentro de la comunidad UNIGIS América Latina.

Así mismo, agradezco a UNIGIS América Latina y su planta de docentes por su entrega en cada uno de los módulos de esta maestría, lo cual logró mi formación durante esta etapa.

Este estudio no hubiera sido posible sin el apoyo de mi profesor asignado, Miguel Ángel Montoya, ni sin el seguimiento minucioso de Laure Collet, a los cuales agradezco infinitamente por sus oportunas y acertadas observaciones y recomendaciones para mejorar la calidad de esta tesis.

No puedo olvidar agradecer a mis padres (Francisca y Manuel) que desde que era niña me motivaron a estudiar y siempre me apoyaron para tomar la ruta profesional de mi interés a pesar de nuestras dificultades. Aunque fue duro el separarme de ustedes para tomar otros rumbos y formarme, sepan que este es uno de los frutos de su constante motivación y apoyo. Gracias infinitas.

A mis hermanos (Sandra, Patricia, Gladys y Diego), los cuales me han animado y "hecho barra" en esos momentos que parecía que no iba a lograrlo, gracias por confiar en mí y siempre hacer sacar lo mejor de mí.

Un agradecimiento súper especial a Benoît, mi esposo, que me apoyó en esta larga ruta desde el primer día. Sé que no fue nada fácil este periodo cuando solo pensaba en los SIG. Gracias por tus ánimos y motivación en esos momentos de confusión y desánimo, porque el camino fue difícil pero enriquecedor. Gracias también por siempre motivarme a continuar mi formación y a lograr mis objetivos.

III

RESUMEN La utilización de modelos predictivos, para la construcción de escenarios futuros del cambio en el uso del suelo en la planificación territorial, representa una oportunidad para anticipar, prevenir y mitigar dinámicas insostenibles de las actuales formas de desarrollo de la Amazonía ecuatoriana. Las evidencias más remarcables de este proceso de desarrollo no planificado son la magnitud e intensidad de los problemas ambientales y sociales presentes a lo largo de esta región.

En la Amazonía ecuatoriana se han identificado una serie de presiones e impactos sobre los ecosistemas y las poblaciones indígenas. Una problemática que inicia en los 70s con la explotación y transporte del crudo, pero que hoy en día se incrementa con el boom de la economía extractiva del sector de la minería a gran escala. Los desafíos ambientales en la Amazonía ecuatoriana se incrementan, lo que motiva a los profesionales a buscar entre las nuevas tecnologías estrategias para prever y mitigar los impactos sobre esta.

Es por ello que este caso de estudio se ha enfocado en la modelización y análisis de cambios de uso del suelo del cantón Paquisha (Ecuador). Un cantón de la Amazonía ecuatoriana tocado por la minería artesanal y a mediana escala. Un estudio que parte del análisis de los cambios de los usos del suelo entre el periodo de 2001 y 2016 usando técnicas de teledetección y el análisis de tabulación cruzada. Resultados que se usaron para proyectarse al año 2030 sobre la base de dos escenarios, uno de tendencia y otro normativo. Escenarios que se modelan a partir del análisis de cadenas de Markov, evaluación multicriterio, evaluación multiobjetivo y autómatas celulares. Estos procesos se apoyan en imágenes satelitales Landsat y el uso de Sistemas de Información Geográfica.

Los resultados obtenidos son una gama completa de cartografía temática comparable entre sí y la cuantificación de la dinámica de cambios a diferentes niveles para los diferentes años de estudio. Resultados como los mapas de los usos del suelo para los años 2001 y 2016 lo que facilitó el análisis bitemporal de cambios y la prospectiva. Una matriz de cambios que permite entender las dinámicas de intercambio entre clases entre los dos periodos. Una serie de cartografía por uso de suelo que muestra el grado de aptitud de cambio y los modelos prospectivos para los dos escenarios.

Los útiles geográficos resultado, evidenciaron la presión que las actividades agrícolas y mineras ejercen sobre el bosque, principalmente a lo largo de la cuenca hidrográfica del Nangaritza y las redes viales existentes. Así como muestra, a partir del modelo predictivo normativo que se puede evitar esta tendencia a partir de la aplicación de la reglamentación existente.

Palabras claves: cambios de uso del suelo, prospectiva de cambios, evaluación multicriterio, SIG.

IV

ABSTRACT The use of predictive models, for the construction of future scenarios of land use change in territorial planning, represents an opportunity to anticipate, prevent and mitigate unsustainable dynamics of the current forms of development of the Ecuadorian Amazon.

The most remarkable evidences of this unplanned development process are the magnitude and intensity of the environmental and social problems present throughout this region.

In the Ecuadorian Amazon, a series of pressures and impacts on ecosystems and indigenous populations have been identified. A problem that began in the 70s with the exploitation and transportation of crude oil, but that nowadays increases with the boom of the extractive economy of the mining sector on a large scale. The environmental challenges in the Ecuadorian Amazon are increasing, which motivates the professionals to search among the new technologies for strategies to foresee and mitigate the impacts on it.

That is why this case study has focused on the modeling and analysis of changes in land use in the Paquisha canton (Ecuador). A canton of the Ecuadorian Amazon touched by artisanal and medium‐scale mining. A study that starts from the analysis of changes in land use between 2001 and 2016 using remote sensing techniques and cross tabulation analysis. Then the results have been projected to the year 2030 based on two scenarios, one of trend and the other normative. Scenarios that are modeled from the analysis of Markov chains, multicriteria evaluation, multi‐objective evaluation and cellular automata.

These processes are supported by Landsat satellite images and the use of Geographic Information Systems.

The results obtained are a complete range of thematic cartography comparable to each other and the quantification of the dynamics of changes at different levels for the different years of study. Results such as maps of land use for the years 2001 and 2016, which facilitated the bitemporal analysis of changes and foresight. A matrix of changes that allows us to understand the dynamics of exchange between classes between the two periods. A series of land use cartography that shows the degree of aptitude for change and the prospective models for the two scenarios.

The resulting geographic tools evidenced the pressure exerted by the agricultural and mining activities on the forest, mainly along the Nangaritza river basin and the existing road networks. As it shows, from the normative predictive model that this tendency can be avoided from the application of the existing regulation.

Key words: land use change, prospective modelling of land cover, multicriteria evaluation, GIS.

V

TABLA DE CONTENIDO 1

2

INTRODUCCIÓN ............................................................................................................. 1 1.1

ANTECEDENTES ...................................................................................................... 1

1.2

OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN ...................................................... 4

1.2.1

Objetivo general .............................................................................................. 4

1.2.2

Objetivos específicos ....................................................................................... 4

1.2.3

Preguntas de investigación .............................................................................. 4

1.3

HIPÓTESIS .............................................................................................................. 5

1.4

JUSTIFICACIÓN ....................................................................................................... 5

1.5

ALCANCE ................................................................................................................ 6

REVISIÓN DE LITERATURA ............................................................................................. 8 2.1

LA AMAZONIA ........................................................................................................ 8

2.2

ANÁLISIS BITEMPORAL .......................................................................................... 9

2.3

MODELIZACION PROSPECTIVA ESPACIAL ............................................................ 12

2.4

ANALISIS DE CADENAS DE MARKOV (ACM) ........................................................ 12

2.5

EVALUACIÓN MULTICRITERIO (EMC) .................................................................. 13

2.5.1

El factor .......................................................................................................... 14

2.5.2

La restricción .................................................................................................. 14

2.6

EVALUACIÓN MULTIOBJETIVO (EMO) ................................................................. 15

2.7

AUTOMATAS CELULARES (AC) ............................................................................. 15

2.8 METODOLOGIAS PARA EL ANALISIS Y LA MODELIZACION PROSPECTIVA DEL CAMBIO EN LOS USOS DE SUELO CON UN ENFOQUE SIG ............................................... 16 2.9 CASOS DE ESTUDIO DE MODELOS PROSPECTIVOS POR EMC DESDE UN ENFOQUE SUPERVISADO POR SIG ................................................................................... 19 3

METODOLOGÍA ............................................................................................................ 25 3.1

AREA DE ESTUDIO ................................................................................................ 25 VI

4

3.2

PROCESO METODOLÓGICO ................................................................................. 28

3.3

ELABORACIÓN DE LOS MAPAS DEL USO DEL SUELO PARA LOS AÑOS 2001 Y 2016 30

3.4

ANALISIS DEL CAMBIO DELOS USO DEL SUELO ENTRE LOS AÑOS 2001 Y 2016 . 33

3.5

PROSPECTIVA DEL USO DEL SUELO AL AÑO 2030 ............................................... 37

3.5.1

CA_MARKOV .................................................................................................. 38

3.5.2

Evaluación multicriterio espacial (EMC) ........................................................ 38

3.5.3

Escenarioprospectivotendencialal 2030 ....................................................... 40

3.5.4

Escenario prospectivo normativo al 2030 ..................................................... 43

RESULTADOS Y DISCUSIÓN .......................................................................................... 69 4.1

RESULTADOS ........................................................................................................ 69

4.1.1

Cartografía del uso del suelo de los años 2001 y 2016 ................................. 69

4.1.2

Evolución del cambio en el uso del suelo entre los años 2001 y 2016 ......... 72

4.1.3

Escenarios predictivos del cambio en el uso del suelo al año 2030 .............. 76

4.2

DISCUSIÓN ........................................................................................................... 80

4.2.1

Analisis de la clasificación delos usos del suelo del 2001 y 2016 .................. 80

4.2.2

Analisis de los cambios en el uso del suelo entre los años 2001 y 2016 ...... 82

4.2.3

Escenarios predictivos del cambio en el uso del suelo al año 2030 .............. 84

4.2.4

Limitantes del estudio ................................................................................... 89

5

CONCLUSIONES ............................................................................................................ 93

6

REFERENCIAS ............................................................................................................... 97

VII

LISTA DE FIGURAS Figura 1: Mapa de las Regiones del Ecuador y de las provincias Amazónicas ...................... 9 Figura 2: Principales componentes en una estrategia de observación, análisis y proyección espacial del cambio en el uso de la tierra. .......................................................................... 11 Figura 3: Mapa de la ubicación geográfica del Área de Estudio (Cantón Paquisha). .......... 26 Figura 4: Evolución de la Población y Densidad del Cantón Paquisha 1990‐2010 .............. 27 Figura 5: Flujograma de las etapas de la metodología de estudio. ..................................... 30 Figura 6: Imágenes de los Satélites Landsat 7, 8. ................................................................ 31 Figura 7: Cambios espaciales por pérdidas y ganancias. ..................................................... 36 Figura 8: Modelización de los usos del suelo por medio de un SIG para dos escenarios: visión de las principales funciones y de sus conexiones. .................................................... 40 Figura 9: Mapas de probabilidad condicional al 2030 de los usos del suelo del Cantón Paquisha. ............................................................................................................................. 42 Figura 10: Función de membresia sigmoidal ....................................................................... 48 Figura 11: Función sigmoidal monotónicamente decreciente y simétrica de Fuzzy y la escala de medida de la aptitud (0 a 255 bytes) ................................................................... 48 Figura 12: Mapas criterio relativos a la distancia del uso bosque. ..................................... 50 Figura 13: Mapas criterio relativos a la distancia a los bosques protectores. .................... 52 Figura 14: Mapas criterio relativos a la distancia a los cuerpos de agua y a la red hídrica. 54 Figura 15: Mapas criterio relativos a la distancia al Áreas agropecuarias y al Zonas antrópicas. ........................................................................................................................... 55 Figura 16: Mapas criterio relativos al uso Minería .............................................................. 58 VIII

Figura 17: Mapas criterio relativos al uso Áreas agropecuarias ......................................... 60 Figura 18: Mapas criterio relativos a las zonas antrópicas. ................................................ 63 Figura 19: Mapas de restricciones ....................................................................................... 65 Figura 20: Mapas de aptitud para los usos de suelo Bosque, Minería, Áreas agropecuarias y Zonas antrópicas ............................................................................................................... 68 Figura 21: Mapa de uso del suelo del cantón Paquisha en el año 2001 ............................. 70 Figura 22: Mapa de uso del suelo del cantón Paquisha en el año 2016 ............................. 71 Figura 23: Cambios y Persistencias entre categorías (2001 y 2016) ................................... 73 Figura 24: Modelo predictivo Tendencial al año 2030 del Cantón Paquisha. ..................... 77 Figura 25: Modelo predictivo Normativo al año 2030 del Cantón Paquisha. ..................... 78 Figura 26: Comparación entre los usos del suelo entre los años 2001 y 2016 ................... 81 Figura 27: Mapas de uso del suelo del 2001 y 2016, y Modelos predictivos Tendencial y Normativo al año 2030 del Cantón Paquisha. ..................................................................... 86 Figura 28: Dinámica de cambio de superficie de las categorías del uso del suelo de los años 2001 y 2016, y de las predicciones Tendencial y Normativa al año 2030 del Cantón Paquisha. (Superficie en hectáreas) .................................................................................... 89 Figura 29: Mosaico de ortofotos del cantón Paquisha ........................................................ 90

IX

LISTA DE TABLAS Tabla 1: Ecosistemas existentes en el cantón Paquisha ...................................................... 27 Tabla 2: Niveles jerárquicos para la clasificación de los usos y coberturas del suelo ......... 32 Tabla 3: Matriz de tabulación cruzada para dos mapas de fechas diferentes. ................... 34 Tabla 4: Conjunto de restricciones y su aplicación de acuerdo a cada uso de suelo .......... 64 Tabla 5: Escala de posición continua, según la técnica de Saaty ........................................ 66 Tabla 6: Pesos de los factores obtenidos según la comparación por pares ........................ 66 Tabla 7: Superficies y porcentajes de los usos del suelo de los años 2001 y 2016 ............. 69 Tabla 8: Cambios en los principales usos del suelo en el cantón Paquisha entre el año 2001 y 2016 ......................................................................................................................... 72 Tabla 9: Matriz de Cambios de usos del suelo en el cantón Paquisha, producto de la tabulación cruzada de los mapas 2001‐2016. Tabla medida en Hectáreas. ....................... 74 Tabla 10: Transiciones entre categorías del 2001 y 2016 ................................................... 75 Tabla 11: Valores de transición entre categorías en hectáreas. ......................................... 75 Tabla 12: Matriz de áreas de transición al 2030 en hectáreas, derivada de mapas de uso de suelo 2001 y 2016 a través del ACM .............................................................................. 76 Tabla 13: Cuadro comparativo de la dinámica de cambios del uso del suelo por categorías y por año en hectáreas. ....................................................................................................... 79

X

GLOSARIO AC

: Autómatas Celulares

ACM

: Análisis de Cadenas de Markov

AHP

: Analytic Hierarchy Process

ARCOM

: Agencia de Regulación y Control Minero

CEPAL

: Comisión Económica para América Latina y el Caribe

CLP

: Combinación Lineal Ponderada

CM

: Cadenas de Markov

COA

: Código Orgánico del Ambiente

EMC

: Evaluación Multicriterio

EMO

: Evaluación Multiobjetivo

ENCC

: Estrategia Nacional de Cambio Climático

FLACSO

: Facultad Latinoamericana de Ciencias Sociales

FODA

: Fortalezas, Oportunidades, Debilidades y Amenazas

GAD

: Gobierno Autónomo Descentralizado

IGM

: Instituto Geográfico Militar

INEC

: Instituto Nacional de Estadística y Censo

IPCC

: Grupo Intergubernamental de expertos sobre Cambio Climático

LCM

: Land Change Modeler

MAE

: Ministerio del Ambiente del Ecuador

MAGAP

: Ministerio de Agricultura, Ganadería, Acuacultura y Pesca

Mass SIG

: SIG de Massachusetts

MOLAND

: Monitoring Land Use Cover Dynamics

MTOP

: Ministerio de Transporte y Obras Públicas del Ecuador

OWA

: Ordered Weighted Averaging

PDOT

: Planes de Desarrollo y Ordenamiento Territorial

PNUMA

: Programa de las Naciones Unidas para el Medio Ambiente XI

PNFR

: Programa Nacional de Forestación y Reforestación

RAE

: Región Amazónica del Ecuador

SENPLADES

: Secretaría Nacional de Planificación y Desarrollo

SIG

: Sistemas de Información Geográfica

SIG Tierras

: Proyecto de Sistemas de Información Geográfica de Tierras del MAGAP

SNI

: Sistema Nacional de Información

USGS

: United States Geological Survey

ZCh

: Zamora Chinchipe

XII

1 1.1

INTRODUCCIÓN ANTECEDENTES

"La transformación de los suelos engloba una gran variedad de actividades que varían considerablemente en su intensidad y en sus consecuencias" (Vitousek, Mooney, Lubchenco y Melillo, 1997; citados por Maestripieri y Paegelow, 2013, p. 2). Los cambios de uso del suelo son cada vez más evidentes a nivel mundial. Estos cambios se han producido en un periodo de tiempo relativamente corto, lo cual provoca mayor preocupación en la sociedad (Vitousek et al., 1997).

Se ha constatado en estudios, que los cambios de usos del suelo han provocado la alteración de gran parte de la superficie terrestre, así como de su biodiversidad por causa de la creciente demanda de recursos naturales por parte de los humanos (Lambin et al., 2001). Los cambios de uso del suelo más conocidos son aquellos ocasionados por la urbanización o por la explotación sobredimensionada de ecosistemas emblemáticos como los bosques (Acevedo y Delibes‐Mateos, 2013). Es decir, el cambio de usos del suelo es el resultado de un complejo proceso entre el medio humano y natural (Plata, 2010).

Por ejemplo, en gran parte de países europeos, los cambios en los usos del suelo se han notado a nivel de las áreas agrícolas. Es decir, los paisajes agrícolas tradicionales han sido reemplazados por extensas áreas cultivadas casi sin presencia de vegetación natural (Poudevigne y Alard, 1997).

En América Latina y el Caribe, en las últimas décadas, se han venido produciendo cambios en el uso del suelo. Los factores principales que han determinado estos cambios han sido el desarrollo agropecuario, las actividades forestales, el desarrollo urbano y turístico y las actividades extractivas. La demanda de tierras para la agricultura como para la agroindustria, han aumentado cada vez, siendo éste factor el principal asociado a la deforestación (Gardi et al., 2014). Latinoamérica y el Caribe, desde 1990 a 2005, ha registrado una disminución del porcentaje de la cobertura vegetal del 24.1 al 23.2, convirtiéndose en una de las regiones que ha registrado las mayores pérdidas netas de bosque a nivel mundial. Los usos del suelo han cambiado principalmente en las áreas de los bosques, los cuales en su mayoría se han convertido en suelos para el uso agrícola de 1

subsistencia y comercial principalmente, nuevos pastizales y áreas urbanas (Gardi et al., 2014).

En el caso de Ecuador, al 2017 se identificaron seis tipos de usos de suelo sobre el territorio nacional, el bosque el cual cubre un 52%, la vegetación arbustiva y herbácea un 9%, las tierras agropecuarias un 36%, los cuerpos de agua un 2%, las zonas antrópicas un 0.7% y otras tierras un 0.3% (IGM, 2017).

Según el Ministerio del Ambiente (MAE, 2016b), la tasa neta anual de deforestación del Ecuador continental en el periodo 2008‐2014 fue de ‐0.37%, es decir, 47,497 ha por año.

La deforestación en el Ecuador está relacionada principalmente con las actividades petroleras, mineras, agrícolas y de tratamiento y disposición final de los desechos domésticos (IGM, 2017).

La infraestructura petrolera, como pozos, refinerías, poliductos, oleoductos, centros de acopio, almacenamiento y distribución, y los campos petroleros, sumados a los desechos productos de esta actividad contribuyen a la deforestación por tala o contaminación de bosques y el agua. La minería igualmente, consume y contamina grandes cantidades de agua y destruye extensiones importantes de vegetación natural. La agricultura en el Ecuador se ha transformado en una agricultura intensiva, lo que implica sistemas de producción que aplican paquetes tecnológicos con un uso intensivo de químicos (pesticidas y fungicidas). Así, las actividades agrícolas se han convertido en una de las principales consumidoras de los recursos naturales, las cuales contribuyen al agotamiento de las aguas subterráneas, a la contaminación por agroquímicos y al desgaste de los suelos. De la misma forma el tratamiento y disposición final de los desechos domésticos consumen grandes superficies de suelo debido a la poca gestión de desechos, pues el 60% de la producción nacional son arrojados en botaderos (IGM, 2017).

La región Amazónica es una de las más afectadas, la mayor parte de actividades petroleras y mineras se realizan en este territorio (IGM, 2017; López, Espíndola, Calles y Ulloa, 2013). Estas actividades se han manifestado con impactos como la contaminación y la deforestación, además han favorecido la expansión de los asentamientos humanos, con la apertura de vías en áreas que generalmente han estado poco intervenidas, 2

produciendo deforestación (FLACSO, MAE y PNUMA, 2008; López et al., 2013). Al 2016 se ha identificado que 16,800 ha son deforestadas anualmente en esta región (IGM, 2017).

La tala de los bosques en la Amazonía también está relacionada a las actividades ganaderas introducidas, al 2017 los pastos cultivados engloban 11% del territorio amazónico (INEC, 2017). Así mismo, la explotación maderera se encuentra entre los principales factores que ejercen presión sobre los recursos naturales en la Amazonía (López et al., 2013).

La reforma agraria de 1973 incentivó la migración hacia toda la región amazónica del país, con el fin de fomentar fronteras vivas (IGM, 2017). Una política pública que coincidió con el lapso de la problemática del agotamiento del suelo en zonas antiguas de ocupación de la sierra, lo que provocó la búsqueda de nuevas tierras menos explotadas como las de la Amazonía (FCLASO, MAE y PNUMA, 2008; López et al., 2013). Este proceso de colonización se vio seguido por el movimiento migratorio provocado por los inicios de la explotación petrolera al norte de la región con lo cual se ha ido incrementando el problema de deforestación de bosques primarios (FLACSO et al., 2008; IGM, 2017; López et al., 2013).

El cantón Paquisha al igual que la región a la que pertenece (Amazonía), no se ha visto indiferente a la problemática de la presión hacia la cobertura vegetal y la dinámica de los suelos. La presión sobre los suelos ha sido generada por la introducción de cultivos de pastos en suelos inestables con presencia de aluminio tóxico, acidez extrema y pendiente pronunciada (GAD del Cantón Paquisha, 2012). Los bosques nativos, los bosques nativos secundarios y los bosques secundarios han disminuido considerablemente, así como la frontera agrícola ha ido crecido (GAD del Cantón Paquisha, 2015). Otro de los factores que ejerce presión sobre el suelo del cantón es la minería, la cual se desarrolla sobre suelos con alto valor de conservación ambiental en los sectores de La Herradura, Congüime, Puerto Minero y La Pangui (GAD del Cantón Paquisha, 2015). A pesar de ser una actividad minera artesanal, se deduce que los métodos usados son inadecuados ejerciendo un alto grado de contaminación ambiental. Este factor a su vez ha incentivado la migración de población hacia el cantón Paquisha (GAD del Cantón Paquisha, 2015).

3

De acuerdo a los datos expuestos en los Planes de Desarrollo y Ordenamiento Territorial (PDOT) del cantón (GAD del Cantón Paquisha 2012, 2015), desarrollados a lo largo de los años, se nota que, en los en los usos del suelo, no se considera el área de uso de la minería como tal, aunque es un área insignificante hoy en día con respecto al bosque existente, las consecuencias contaminantes son importantes. Según la Agencia de Regulación y Control Minero (ARCOM, 2014), el 99% del territorio del cantón se encuentra concesionado por empresas para futuras actividades de exploración y extracción minera a gran escala, cuya extracción principal será la del oro, el cobre y la plata. Es decir, el uso del suelo se verá volcado hacia actividades extractivas, lo que podría provocar un gran impacto ambiental sobre los bosques nativos, la biodiversidad y los recursos hídricos.

1.2

OBJETIVOS Y PREGUNTAS DE INVESTIGACIÓN

Para la resolución de esta problemática se proponen los objetivos siguientes: 1.2.1 

OBJETIVO GENERAL Analizar y modelar el cambio en el uso del suelo del cantón Paquisha (Ecuador), entre los años 2001 y 2016, y generar predicciones del cambio al año 2030.

1.2.2

OBJETIVOS ESPECÍFICOS



Modelar el uso del suelo para los años 2001 y 2016.



Analizar la evolución del cambio en el uso del suelo entre los años 2001 y 2016.



Simular escenarios predictivos del cambio en el uso del suelo para el año 2030.

1.2.3

PREGUNTAS DE INVESTIGACIÓN

Para la realización de esta investigación, se plantean las siguientes inquietudes: 

¿Cuáles han sido los usos del suelo en los años 2001 y 2016?



¿Cuáles han sido los cambios en el uso del suelo del cantón Paquisha entre los años 2001 y 2016, y cuál sería la predicción de estos usos al 2030?

4



¿Cuáles serán los cambios en el uso del suelo para el año 2030, si los cambios continúan la tendencia actual o si los cambios son controlados por un marco reglamentario?

1.3

HIPÓTESIS

En los últimos años en el cantón Paquisha, se notan cambios en los usos del suelo en donde los bosques se han ido reduciendo progresivamente para ser reemplazados por los cultivos de pastos y la extracción minera.

1.4

JUSTIFICACIÓN

Los estudios de los cambios de uso del suelo permiten conocer el tipo de manejo que el ser humano hace de la naturaleza en un territorio. Ciertos países reconocen la importancia de realizarlos, como útiles de ayuda, al momento de formular políticas públicas para la planificación territorial, como por ejemplo, Costa Rica (Dale, 1997; Pérez, Valdez, Moreno, González y Valdez, 2011). Los cambios más estudiados son aquellos implicados con la urbanización, por las transformaciones radicales que causa sobre el uso del suelo (Merlotto, Piccolo y Bértola, 2012). Éstas transformaciones crean conflictos como, contaminación ambiental, demanda de agua, cambios de la temperatura, crecimiento poblacional, congestionamientos viales, conflictos sociales y competencia por el uso de la tierra (Losada et al., 2016; Romero y López, 2000).

En el caso del cantón Paquisha, en 1990, la población fue de 1,463 habitantes (GAD del Cantón Paquisha, 2015). En los 11 años siguientes, el número de habitantes se quedó casi estable y pasó a 1,691 habitantes en 2001 (GAD del Cantón Paquisha, 2015); o sea, un crecimiento de 15.6 %. Para el 2010 la población ya era de 3,854 habitantes (INEC, 2010).

El número de habitantes creció en un 128% en 9 años. La densidad poblacional pasó de 4.34 habitantes por km2 a 11.43 habitantes por km2.

El crecimiento poblacional se originó por tres factores: El desarrollo vial, lo cual ha permitido al cantón salir del aislamiento (hasta 1996, se accedía a Paquisha solo por gabarra), al desarrollo de la actividad minera que ha impulsado la migración desde la sierra y la costa ecuatoriana y a la evolución administrativa del territorio pasando de 5

parroquia a cantón en el 2002. El desarrollo vial inició a partir del 2000 a través de dos ejes principales, Paquisha/Zamora/Loja y Paquisha/Yantzaza/Gualaquiza, así como también a través de tres ejes secundarios, Paquisha/Los Encuentros/El Zarza; Paquisha/Santa Cecilia; Paquisha/Chinapintza/Frontera con Perú (GAD del Cantón Paquisha, 2012, 2015). Ese desarrollo se acompañó de un crecimiento de las actividades minerías (artesanal principalmente). La mayoría de la superficie (99%) del cantón está concesionada por la compañía Minera Aurelian Ecuador S.A., la cual realiza actividades de exploración y construcción de campamentos en la actualidad (ARCOM, 2014).

Al crecimiento del cantón se juntó la demanda de bienes y servicios por parte de la población, así como los problemas vinculados al cambio de uso del suelo: Calidad de agua, daño a los ecosistemas, alteraciones en la función y capacidad de la tierra. Las actividades humanas tienen impactos sobre la cobertura vegetal nativa, la cual está cada vez más reducida y reemplazada por usos agrícolas, pecuarios y mineros. Ese fenómeno ha sido el resultado de las insuficientes políticas de planificación territorial del municipio y una toma de decisiones deficiente en el manejo del medio ambiente (GAD del Cantón Paquisha, 2015). El territorio ha tenido grandes cambios económicos y sociales, con un importante desarrollo del sector primario, lo cual presenta un mayor potencial para la ocurrencia de cambios de uso del suelo (GAD del Cantón Paquisha, 2015). El territorio del cantón Paquisha es parte del corazón hidrológico de la región sur del Ecuador y norte del Perú, por lo que es importante su protección.

Al nivel del cantón Paquisha, no se han encontrado estudios algunos sobre la evaluación del cambio del uso del suelo con una predicción a partir de los Sistemas de Información Geográfica (SIG). Conocer esta evolución del uso del suelo permitirá al municipio proponer políticas públicas de planificación territorial más adecuadas para el manejo de los recursos naturales y para mejorar la calidad de vida de los pobladores.

1.5

ALCANCE

Esta investigación se enfocó sobre una escala a nivel cantonal, es decir, sobre el territorio del cantón Paquisha (34,023.01 has), el cual pertenece a la provincia de Zamora Chinchipe, en la región sur amazónica de la República del Ecuador. El mismo que se 6

encuentra entre la frontera sur con el Perú y los cantones Nangaritza, Centinela del Cóndor y Yantzaza.

De este estudio se desea conocer, en un primer tiempo, los usos del suelo en los años 2001 y 2016. En base a estos, se obtiene la proyección del territorio al año 2030 del cantón Paquisha en dos escenarios, un tendencial y un normativo, en temas de usos de suelos. Es decir, se desea determinar cuáles son los usos del suelo que se incrementarán en superficie, cuáles de ellos disminuirán y cuales se mantendrán. Sobre todo, se desea definir si la cobertura vegetal natural, o bosques nativos, disminuirán representativamente y que uso de suelo los reemplazarán.

Los resultados descritos se obtienen a partir del análisis de la evolución del uso del suelo, resultado de la comparación espacial de los usos del suelo de los años 2001 y 2016. Se espera obtener resultados a una resolución de 30m x 30m y a una escala de 1:145,000.

Es así que este estudio permite conocer los impactos sobre la cobertura vegetal a lo largo del tiempo y aporta escenarios espaciales territoriales claves a los diferentes actores relacionados con los aspectos medioambientales, socio‐económicos y sociales del territorio, principalmente al Gobierno Autónomo Descentralizado (GAD) del cantón Paquisha, seguido por el Ministerio del ambiente (MAE). De esta manera la toma de decisiones, en temas de la planificación territorial y conservación, se da de manera sustentable y apegada a la realidad territorial cantonal, regional, nacional y a nivel de América del Sur. Además, los resultados y conclusiones del presente estudio pueden ser parte de la iniciativa para fomentar la investigación de la problemática local en cuanto a la planificación territorial y lo que implica la toma de decisiones a partir de un enfoque supervisado por un SIG.

7

2 2.1

REVISIÓN DE LITERATURA LA AMAZONIA

De acuerdo a la Comisión Económica para América Latina y el Caribe (CEPAL) y Patrimonio Natural (2013), la Amazonia comprende una extensión aproximada de 7.4 millones de km2 que corresponde al 5% del área continental mundial. Este territorio es compartido por ocho países: Bolivia, Brasil, Colombia, Ecuador, Guyana, Perú, Surinam y Venezuela.

La Amazonia es considerada como uno de los territorios con mayor biodiversidad (flora y fauna) y el principal reservorio de carbono del planeta. La longitud de la cuenca hidrográfica del rio Amazonas fluctúa los 6,600 km de longitud y el volumen de agua que descarga en el Atlántico corresponde a aproximadamente el 20% del agua dulce de la superficie terrestre (Cepal y Patrimonio Natural, 2013).

La Amazonia es también productora de servicios ecosistémicos y de control climático de alcance planetario, por lo que su destrucción puede significar el final de especies tanto de fauna como de flora y como consecuencia un impacto importante en el clima y sus recursos a nivel mundial (Cepal y Patrimonio Natural, 2013).

La Región Amazónica Ecuatoriana (RAE) es el 1.5% de la macrocuenca del río Amazonas, pero para el Ecuador representa el 45% del total de su territorio (López et al., 2013; Matamoros, 2007) (Figura 1). Este territorio lo comparten seis provincias (Sucumbíos, Napo, Orellana, Pastaza, Morona Santiago y Zamora Chinchipe). Dentro de la variedad de ecosistemas que contienen la RAE está el bosque lluvioso tropical, que se considera como uno de los hábitats vegetales y animales más ricos y complejos del mundo (Matamoros, 2007). En el territorio Ecuatoriano, la RAE alberga cerca del 80% de la biodiversidad del país, convirtiéndose en su principal fuente de agua dulce (López et al., 2013; Matamoros, 2007).

En la RAE se encuentran 10 de las 51 áreas naturales protegidas del país (MAE, 2016a).

Sin embargo, se ha constatado que, en los 40 últimos años, se ha perdido alrededor del 16% de la cobertura vegetal original del país (FLACSO et al., 2008; López et al., 2013). En Zamora Chinchipe, específicamente en el cantón Paquisha, se encuentran 2 áreas de bosques protectores. Estos bosques se encuentran en la cordillera del Cóndor. Una de 8

estas áreas es parte del Bosque Protector Cordillera del Cóndor (5.62%) y la otra es el área del Bosque Protector El Zarza. Estas áreas suman un total de 4,339.98 km2 de bosques nativos (GAD del Cantón Paquisha, 2015).

Estos bosques se encuentran actualmente protegidos, en mayor parte por la inaccesibilidad. Estas áreas corresponden al territorio ancestral indígena Shuar y han dado origen a una flora endémica y diversa. Las amenazas de alto riesgo para estos bosques son la minería (especialmente aquellas actividades de extracción a gran escala), el avance de la frontera agropecuaria y la extracción de madera (GAD del Cantón Paquisha, 2015).

Figura 1: Mapa de las Regiones del Ecuador y de las provincias Amazónicas

2.2

ANÁLISIS BITEMPORAL

El análisis bitemporal es de tipo cuantitativo o cualitativo, para su desarrollo se emplean imágenes de tan solo dos años. En la clasificación se usan las técnicas de diferencia de imágenes, proporción de imagen, diferencia de regresión, análisis de vectores de cambios

9

(análisis entre dos imágenes) y la calidad de datos, como el cruce de tablas y/o cruce de clasificación (Eastman, 2003).

En los últimos veinte años se ha notado el incremento de estudios relacionados con el análisis y modelamiento del cambio en los usos del suelo, sobretodo, en materia de deforestación en los países tropicales (Kaimowitz y Angelsen, 1998; Sandoval y Oyarzun, 2004). Entre las revisiones de modelos relacionados al análisis del proceso de cambio en los usos del suelo, en 1998 Kaimowitz y Angelnsen realizan una revisión de modelos económicos de deforestación. La interpretación socio económica de los cambios con respecto a la deforestación tropical, identificaron: causas, agentes de deforestación, parámetros de decisión e instrumentos políticos y económicos fundamentales que interactúan en el proceso global de deforestación (Sandoval y Oyarzun, 2004).

En estos procesos se han diferenciado tres principales tipos de modelos que pueden explicar el proceso de cambio en el uso del suelo, (1) los modelos empíricos, (2) los modelos algorítmicos y (3) los modelos sistémicos. Los modelos empíricos imitan las relaciones reales existentes entre las variables que explican el cambio de uso y asumen que estas continuaran así en el futuro. En los modelos algorítmicos los procesos individuales de un sistema son descritos por ecuaciones simples, pero bajo principios científicos. Finalmente, los modelos sistémicos explican el funcionamiento e interacción de todos los componentes de un ecosistema (Boyd, 2007).

En este sentido, es importante destacar desde el punto de vista de los modelos espaciales tres elementos: a) El vector de cambio (análisis entre dos imágenes), que indica donde y cuando ocurre el cambio en el pasado y donde ocurrirá en el futuro cercano; b) la matriz o balance de superficies, que presenta la orientación del cambio, y c) los índices estadísticos de asociación entre áreas de cambio y los factores ambientales y socioeconómicos del área. Los tres elementos se muestran en resumen en la figura 2, estos se exponen como una estrategia y flujo de modelamiento.

10

a) Vector de cambio

b) Matriz de cambio

c) Ajuste del modelo estadistico o empirico de la probabilidad de cambio (ߨ).

Figura 2: Principales componentes en una estrategia de observación, análisis y proyección espacial del cambio en el uso de la tierra.

Fuente: Sandoval y Oyarzun, 2004

Bajo esta estrategia de observación, análisis y proyección espacial Sandoval y Oyarzun (2004) realizaron el modelamiento y prognosis espacial del cambio en el uso del suelo en el valle central de la VIII región de Chile. Los autores concluyeron que el uso de modelos de proyección cartográfica del cambio en el uso del suelo son herramientas fiables, debido a la potencia y exactitud espacial que le atribuye la utilización de las bases de datos geográficos integrados a un SIG. Sin embargo, los modelos de predicción espacial deben considerarse como una herramienta de análisis más no como una solución a los problemas.

Bajo esta metodología (uso de la matriz de cambio) se han desarrollado estudios en Latinoamérica con el fin de evaluar el cambio en los usos del suelo. Como son el caso del estudio de "Predicción espacial de cambios del uso del suelo en Texcoco, estado de México" o el estudio "Prospectiva del uso del suelo y cobertura vegetal en el ordenamiento territorial‐Caso cantón Cuenca" Los cuales en su mayoría presentan resultados que evidencian el cambio del uso agrícola al urbano, como también el cambio de la cobertura natural por pastos y cultivos (Pérez et al., 2011; Pinos‐Arévalo, 2016).

11

2.3

MODELIZACION PROSPECTIVA ESPACIAL

El interés de la modelización espacial radica en su capacidad de evidenciar las principales estructuras espaciales y sus dinámicas, así como facilitar la aprehensión e interpretación de sus causas y consecuencias. Sin embargo, el modelado prospectivo de datos espaciales representa un desafío primordial para la investigación geomática (Maestripieri y Paegelow, 2013).

Los modelos prospectivos del cambio en los usos del suelo son representaciones de un proceso o componente de la realidad. En este sentido, se encuentran dos tipos de modelos, los estáticos y los dinámicos. En los primeros, los datos de entrada y salida corresponden a un mismo tiempo, mientras que, en los modelos dinámicos, los datos de entrada corresponden a un instante en el tiempo (t1) y los datos de salida a un tiempo distinto a estos (t2) (Henríquez y Azócar, 2007; Maestripieri y Paegelow, 2013).

Los modelos dinámicos representan procesos como los cambios en el uso del suelo en una ubicación determinada de un territorio. De esta manera estos modelos facilitan la predicción del comportamiento futuro de un espacio y es así como se puede prever probables consecuencias a partir del modelo obtenido (Henríquez y Azócar, 2007).

2.4

ANALISIS DE CADENAS DE MARKOV (ACM)

El cálculo predictivo de la ocupación del suelo es operado por un análisis de cadenas de Markov (ACM). Un proceso discreto desarrollado con pasos temporales discretos y en donde los valores, a la fecha predecible, dependen de los valores de las fechas anteriores.

La predicción es expresada por una estimación de probabilidades de transición. Es decir, el ACM calcula las probabilidades de transición a partir de dos situaciones preliminares ya conocidas (Eastman, 2012; Pinos‐Arévalo, 2016).

Las Cadenas de Markov (CM) son necesarias para el cálculo de la matriz de probabilidades de transición, en donde las probabilidades de cambio de cada categoría de la ocupación del suelo son codificadas, así como también calcula el número de pixeles afectados entre la última fecha de calibración y la fecha proyectada. La función también calcula un mapa de probabilidad condicional para cada categoría de ocupación del suelo indicando la 12

probabilidad markoviana por pixel de la modalidad en cuestión a la fecha proyectada (Eastman, 2012; Maestripieri y Paegelow, 2013; Paegelow et al., 2004; Pérez et al., 2011).

Es posible una integración estocástica1 del conjunto de mapas por modalidad en uno solo, pero lleva a un resultado relativamente alejado de la realidad, ya que este proceso puramente estadístico no toma en cuenta ni las reglas de conocimientos establecidos por la Evaluación Multicriterio (EMC), ni de la continuidad espacial (Paegelow et al., 2004).

Las CM son parte de los métodos que se utilizan con frecuencia cuando se trata de predecir los cambios entre muchos estados de categorías. Este método ha sido ampliamente utilizado con el fin de estudiar las dinámicas de la vegetación. Este modelo tiene la capacidad de agrupar información compleja haciendo posible el análisis de los ecosistemas incluso si sus procesos no son completamente entendidos (Camacho, Paegelow y Garcia, 2007; Maestripieri y Paegelow, 2013; Paegelow et al., 2004).

2.5

EVALUACIÓN MULTICRITERIO (EMC)

La EMC se ha constituido en una de las funciones más versátiles de los SIG por las posibilidades que brinda para el análisis multivariable y en la ayuda a la toma de decisiones (Camacho et al., 2007). Para cubrir un objetivo específico, a menudo ocurre que se necesita evaluar varios criterios. Dicho procedimiento se denomina Evaluación Multicriterio (EMC) (Voogd, 1983; Carver, 1991; citados por Eastman, 2012). Otro término que se usa es modelación. Termino que a veces se evita cuando la forma en que los criterios son combinados está muy influenciada por el objetivo de la decisión (Eastman, 2012).

La EMC tiene como objetivo apoyar la toma de decisiones en el contexto de la resolución de problemas o de selecciones complejas. "El paradigma de este enfoque es que hay varias soluciones (acciones) y que ninguna solución no sobrepasa las otras desde todos los puntos de vista (criterios)" (Njanda, 2006; citado por Kedowide, Godard y Sedogo, 2011, p. 132). Según Vincke (1989, citado por Kedowide et al., 2011, p. 132) el apoyo multicriterio para la toma de decisiones apunta a "proveer a un decidor, instrumentos

1

Según Mascareñas (2013) un proceso estocástico puede interpretarse como una sucesión de variables aleatorias cuyas características pueden variar a lo largo del tiempo.

13

que le permitirán progresar en la resolución de un problema de decisiones, donde varios puntos de vista, a menudo contradictorios, deben ser tomados en cuenta"; a fin de buscar una solución entre los mejores compromisos posibles.

En el contexto de los SIG, la EMC es un proceso que combina y transforma datos espaciales del estado actual, por medio de reglas de decisión con el fin de generar un resultado del estado deseado. El proceso se basa en la ponderación y compensación de variables, las cuales influyen de manera positiva (aptitud) o negativa (impacto) sobre la actividad objeto de decisión. Adicionalmente a la información geográfica, ésta integra los juicios de valor (preferencias y conveniencias) de los tomadores de decisión (Paegelow, Camacho y Menor, 2003). De esta manera la EMC permite obtener una serie de mapas de potencialidad para cada uno de los usos del suelo partiendo de la hipótesis de que existen una serie de criterios condicionantes para la mayor o menor aptitud del territorio a acoger una actividad o uso (Camacho et al., 2007; Camacho, Molero y Paegelow, 2010).

La prospectiva y la modelización por la EMC implican la identificación y la elaboración de criterios. El criterio es un elemento de base en la toma de decisiones, que puede ser evaluado y medido. En este marco se distinguen dos tipos de variables: los factores y las restricciones (Eastman, 2012; Kedowide et al., 2011; Maestripieri y Paegelow, 2013).

2.5.1

EL FACTOR

Un factor es un criterio que mejora o reduce el grado de aptitud de una alternativa específica y muestra el grado de idoneidad de cada unidad del espacio para su uso en cuestión. Los factores son medibles en una escala continua de 0 a 255. Las variables que en general se presentan con entidades diferentes pueden ser estandarizadas a partir de esta escala continua, de esta manera el conjunto de factores se vuelve comparable. Esta estandarización se la realiza utilizando funciones de pertenencia de lógica difusa (Eastman, 2012).

2.5.2

LA RESTRICCIÓN

Una restricción es una limitante a las alternativas en consideración, es decir, las restricciones van a limitar el espacio, permitiendo o no, un cambio en zonas no aptas a los 14

objetivos de acción fijados. Las restricciones son variables booleanas en donde las zonas excluidas del análisis son codificadas con 0 y las que se consideran son codificadas con 1 (Eastman, 2012).

2.6

EVALUACIÓN MULTIOBJETIVO (EMO)

Muchas de las decisiones que se toman son impulsadas por un solo objetivo, sin embargo, también sucede que se necesita tomar decisiones que cumplan con varios objetivos. Es el caso del problema multiobjetivo, que se presenta siempre que se tenga dos grupos candidatos, es decir grupos de entidades que comparten miembros. Objetivos que pueden ser de naturaleza complementaria o conflictiva (Caver, 1991; citado por Eastman, 2012). La Evaluación Multiobjetivo integra los resultados categóricos de la EMC, en un solo mapa de la ocupación del suelo simulado, el cual es tratado por un Autómata Celular (AC).

2.7

AUTOMATAS CELULARES (AC)

La proyección del uso del suelo, mediante autómatas celulares y CM, supone que la dinámica de los elementos espaciales (pixeles que representan una superficie del suelo), resulta del estado actual del elemento, más un factor de proximidad aportado por el estado de sus vecinos inmediatos (pixeles que representan el área adyacente) (Pérez et al., 2011).

Un AC es una entidad celular que varía independientemente de su estado basándose en su estado previo y en el de sus vecinos inmediatos según una regla específica. Es claro que existe aquí una similitud con el proceso markoviano. La única diferencia es la aplicación de una regla de transición que depende no sólo del estado previo, sino también del estado de los vecinos locales (Eastman, 2012).

Los AC son también una forma de modelo estocástico que pone en evidencia un espacio continuo en un encadenamiento de células. Los AC aportan al análisis ecológico, cuando considera las interrelaciones espaciales entre los grupos vegetales y los efectos que provocan el factor de proximidad aportado por el estado de sus vecinos inmediatos (Kedowide et al., 2011).

15

2.8

METODOLOGIAS PARA EL ANALISIS Y LA MODELIZACION PROSPECTIVA DEL CAMBIO EN LOS USOS DE SUELO CON UN ENFOQUE SIG

En los últimos años se han venido realizando estudios (luego citados) en donde se analizan las dinámicas de cambios de usos del suelo, con el fin de entender los intercambios entre categorías y los factores que los provocan, para luego procurar la simulación de estos. Estos procesos se basan en SIG y han resultado ser claves para definir escenarios futuros tanto a escala urbana como del paisaje.

Entre los estudios realizados, Pontius, Shusas y McEachern (2004) proponen métodos estadísticos para examinar datos de observación no experimentales con el fin de detectar señales de posibles procesos de causa y efecto. Su proceso metodológico inicia por definir las categorías de suelo según la clasificación de los mapas de los SIG del estado de Massachusetts, Estados Unidos (MassSIG). Se aseguran que los mapas contengan el mismo número de celadas y que cada celda contenga la misma resolución. Luego, comparan dos mapas de diferentes años, para producir una matriz de tabulación cruzada que muestra el porcentaje del paisaje dentro de cada combinación de categorías. Así, los autores logran obtener imágenes categorizadas, cuantificar los cambios y observar su dinámica a diferentes niveles de detalle. Es decir, logran obtener las pérdidas, persistencias, ganancias e intercambios por cada categoría. El trabajo de estos autores establece la terminología y la metodología para analizar el cambio de los usos del suelo y de la cobertura vegetal. Además, insisten en que los científicos que trabajan en los campos de la geografía y la ecología del paisaje deberían adoptar estos métodos, en vista que los métodos populares existentes no logran segregar el cambio de la tierra de acuerdo con sus diferentes componentes y, por lo tanto, no logran una comprensión máxima de los procesos que impulsan el cambio. Este estudio respalda un enfoque que se mueve de niveles de observación amplios a más detallados.

En base al estudio antes descrito, López y Plata (2009) realizaron un estudio de análisis de los cambios de cobertura de suelo derivados de la expansión urbana de la zona de la ciudad de México. De este estudio, concluyen que esta metodología estadística que combina la teledetección y los SIG muestra su potencial para el análisis de cambios de 16

usos del suelo a diferentes niveles. Este análisis es necesario para lograr el entendimiento de las dinámicas de cambio e interrelación de las categorías, proceso necesario para comprender los factores que influyen en el cambio de un uso de suelo. Así mismo insisten que luego de haber logrado dicho proceso se estaría en condiciones de realizar simulaciones de crecimiento urbano a través de diferentes escenarios. Sean estos, modelos normativos o predictivos y con la utilización de tecnologías de la Información Geográfica.

Se encuentra que en Europa el proyecto Monitoring Land Use Cover Dynamics (MOLAND) fue usado con el objetivo principal de proveer información actualizada, estandarizada y comparable del uso del suelo pasado, presente y futuro. En este proyecto se ha modelado el crecimiento urbano de la ciudad de Udine, Italia. Se consideró la integración de los subsistemas naturales, sociales y económicos a nivel general, y a nivel particular, se usó modelos basados en el método de AC con el fin de estimar el tipo de actividad de las parcelas vecinas y el destino de una parcela individual en función de sus características ambientales e institucionales (Barredo, Lavalle y Kasanko, 2005).

En las últimas décadas, los cambios en el uso del suelo y vegetación han sido también motivo de estudio en Latinoamérica, como referente en simulación del cambio en el uso del suelo está el modelo DINAMICA, cuyo modelo se basa en el método de los AC y regresión logística. DINAMICA ha sido desarrollado por el Centro de Sensoriamiento Remoto instalado en el Instituto de Geociencias de la Universidad Federal de Minas Gerais, Brasil. Los autores mencionan que el software es de acceso libre y puede aplicarse a las múltiples variaciones del cambio en el uso del suelo (Silveira, Oliveira et al., 2004; citado en Henríquez y Azócar, 2007).

Siguiendo la línea del modelo DINAMICA, el estudio del modelamiento de los cambios de cobertura y uso del suelo en una región tropical de México se realiza en base a la matriz de probabilidad de cambio (CM), el método de los pesos de evidencia y algoritmos genéticos (Mas y Flamenco, 2011). Entre los resultados del estudio se recalca la dificultad de realizar modelos prospectivos en regiones con altas dinámicas de cambio. Se concluye que los modelos que integran conocimiento experto son más adecuados en relación a los 17

modelos basados en calibraciones automáticas. Estos dos modelos ventajosamente se pueden manejar en el programa DINAMICA (Mas y Flamenco, 2011).

Entre otros modelos, se encuentran los integrados a IDRISI, dentro de los cuales es posible realizar el modelamiento y predicción del cambio en los usos del suelo a través de sus módulos CA_Markov o Land Change Modeler (LCM). Ejemplos de su aplicación son los estudios desarrollados para Texcoco, México y Chillán, Chile. En ambos casos el desarrollo del estudio se basa en la teoría de las decisiones, particularmente a la EMC, la lógica difusa, los AC y las CM (Camacho et al., 2010; Henríquez y Azócar, 2007; Pérez et al., 2011).

Aplicaciones de modelos predictivos existentes en el Ecuador son los relacionados con los cambios en el uso del suelo y cobertura vegetal. Estos, en general, están desarrollados en modelos de IDRISI, los cuales se basan en la metodología de CM, EMC, EMO y AC. Los estudios consideran el uso de suelos de dos años distintos entre ellos, al igual que en los casos anteriores, entre los cuales se realiza el análisis del cambio del uso del suelo y finalmente se realiza la predicción, proyectándose a un año futuro (Hurtado Pidal, 2014; Padilla, Cruz y Valero, 2015; Pinos‐Arévalo, 2016).

En el caso del Napo (Región Amazónica), Hurtado Pidal (2014) muestra como conclusiones la importancia de las variables vías y centros poblados para la definición de la presencia de coberturas antrópicas. Como resultado, el estudio muestra una disminución en la tasa de deforestación, pero la simulación pronostica que los mayores cambios de cobertura del suelo al año 2020 se presentan en la subcuenca del Rio Misahualli y la rivera del rio Napo.

En el estudio de la microcuenca del rio Cristal (desde la región sierra o cordillera hasta la región costa), los resultados evidencian la perdida de vegetación natural, disminución de áreas agrícolas e incremento de uso pecuario. Particularmente se identifica que los cultivos permanentes se establecen con predilección a cortas distancias de cuerpos de agua y áreas agrícolas ya consolidadas. En el caso de las zonas pobladas, Padilla et al.

(2015) notan mayor probabilidad de expansión, sobre todo en las zonas con pendientes bajas y mientras más cerca esté otro asentamiento humano. Además, afirman que los 18

modelos de AC han demostrado ser herramientas de gran valor para la predicción de escenario futuros, los cuales se han utilizado ampliamente en análisis de crecimiento urbano, cambios en el uso del suelo y deslizamientos; es decir, cualquier proceso dinámico predecible (Padilla et al., 2015).

En la prospectiva realizada para el caso del cantón Cuenca (Región Sierra o Cordillera de los Andes) por Pinos‐Arévalo (2016), los resultados muestran que la apertura de vías ha influenciado en la perdida de cobertura vegetal natural, mientras que las categorías de pastos y cultivos se han incrementado (1991‐2001). En tanto que la cartografía de probabilidades al año 2030 indica que la tendencia del periodo antes estudiado continua, es decir, que el crecimiento urbano y agroproductivo presiona las coberturas vegetales naturales. Se evidencia, además, que, a pesar de estas presiones antrópicas sobre la cobertura vegetal, el cantón Cuenca sigue conservando un importante porcentaje de coberturas naturales, debido a que se encuentran bajo diversas figuras de protección. En cuanto a la metodología aplicada, Pinos‐Arévalo (2016) afirma que el análisis de dinámicas de cambio en el uso del suelo es complejo, pues, para comprender como son afectados los recursos, es necesario conocer los procesos fundamentales dentro del contexto social, económico y espacial.

De los casos estudiados, se concluye que la aplicación de métodos que se basan en el análisis bitemporal desde una matriz de tabulación cruzada, son confiables para entender las dinámicas de cambio de usos del suelo y prever la prospección espacial. Así como resultan adecuados los métodos prospectivos que utilizan la EMC en combinación con la EMO, previa utilización del ACM para obtener las probabilidades de cambio y finalmente ser corregidos por AC. 2.9

CASOS DE ESTUDIO DE MODELOS PROSPECTIVOS POR EMC DESDE UN ENFOQUE SUPERVISADO POR SIG

Como se ha indicado previamente, se han realizado un sin número de estudios relacionados con el cambio de uso del suelo a través de diferentes metodologías. Sin embargo, en este caso el enfocado va sobre los estudios que se han desarrollado en base al análisis de la matriz de tabulación cruzada, las CM, la EMC, la EMO y los AC, 19

metodologías que se combinan para generar escenarios prospectivos dentro de un cuadro supervisado por SIG, particularmente en los módulos de IDRISI. Estos estudios han sido los referentes para el desarrollo del caso de estudio de esta tesis, es por ello que se ha revisado de manera sintética algunos de ellos y sus aportes: Como insisten López y Plata (2009) y Pontius et al. (2004), no se puede realizar una prospectiva espacial sin antes haber entendido las dinámicas de cambio de las categorías en cuestión y la interrelación entre ellas. Es por eso que ellos han desarrollado estudios basados en metodologías estadísticas, combinadas con la teledetección y los SIG. Pontius et al. (2004) desarrollaron el estudio sobre 10 barrios en el centro de Massachusetts, Estados Unidos, en donde ponen en práctica un método estadístico con el cual examinan señales de posibles procesos de causa y efecto. Para ello primero definen las categorías de suelo según la clasificación de los mapas de MassSIG. Luego, se aseguran que los mapas contengan el mismo número de celdas y que cada celda contenga la misma resolución. Después, comparan estos mapas, los cuales corresponden a dos años diferentes (1971 y 1999), para así producir una matriz de tabulación cruzada que muestra el porcentaje del paisaje dentro de cada combinación de categorías. A partir de este proceso, los autores logran obtener imágenes categorizadas, cuantificar los cambios y observar su dinámica a diferentes niveles de detalle. Logran cuantificar las pérdidas, persistencias, ganancias e intercambios por cada categoría. En este trabajo los autores han establecido la terminología y la metodología para analizar el cambio de los usos del suelo y de la cobertura vegetal. Entre sus conclusiones, insisten en que los científicos que trabajan en los campos de la geografía y la ecología del paisaje deberían adoptar estos métodos en vista que los métodos populares existentes no logran segregar el cambio de la tierra de acuerdo con sus diferentes componentes y, por lo tanto, no logran una comprensión máxima de los procesos que impulsan el cambio.

Así mismo, López y Plata (2009) realizan un estudio de análisis de los cambios de cobertura del suelo derivados de la expansión urbana de la zona metropolitana de la Ciudad de México, los datos movilizados pertenecían a los años 1990 y 2000. Para este desarrollo, emplearon una metodología que combina el uso de técnicas de clasificación 20

digital y visual en base a imágenes satelitales, SIG y análisis estadístico. Sus objetivos, observar los cambios espacio‐temporales ocurridos en la zona e identificar las coberturas del suelo sujetas a mayor presión por la expansión urbana. El método, al igual que el de Pontius et al. (2004), emplea el análisis de la matriz de tabulación cruzada a diferentes niveles con el fin de distinguir los cambios producto de transiciones sistemáticas para así realizar valoraciones completas de los cambios significativos ocurridos en el territorio de estudio. Concluyen que esta metodología estadística que combina además la teledetección y los SIG muestra su potencial para el análisis de cambios de usos del suelo a diferentes niveles. Insisten que este es un análisis necesario para entender las dinámicas de cambio e interrelación de las categorías, y comprender los factores que influyen en el cambio de uso del suelo. Estas conclusiones coinciden con las de Pontius et al. (2004). Así mismo recalcan que luego de haber logrado dicho proceso se estaría en condiciones de realizar simulaciones de crecimiento urbano a través de diferentes escenarios, sean estos modelos normativos o predictivos y con el uso de tecnologías de la Información Geográfica.

De este mismo modo, de los estudios realizados con respecto a la modelización prospectiva de la ocupación del suelo y los útiles informáticos de apoyo en la toma de decisiones, se encuentra como referente al estudio realizado por Paegelow et al. (2004), quienes han realizado la modelización prospectiva de la ocupación del suelo de una montaña mediterránea. Los autores ponen en marcha tres métodos de modelización prospectiva aplicados a datos georeferenciados de alta resolución del uso del suelo de un medio montañoso mediterráneo. Los tres métodos desarrollados corresponden a un enfoque supervisado por SIG, a un modelo lineal generalizado (basado sobre el máximo de probabilidad) y a las redes neuronales. Paegelow et al. (2004) parten de un enfoque estocástico (probabilístico) tomando en cuenta la dependencia en el tiempo (efecto de memoria) y en el espacio. Los métodos probabilísticos utilizados son la distribución multinomial y el ACM. Por otro lado, el enfoque emplea la lógica difusa y un AC. El conjunto de esos métodos ha sido puesto en marcha en la perspectiva de comparar un modelo geomático combinado con la simulación prospectiva, en donde la puesta en obra es posible utilizando las funciones de programas SIG disponibles en el mercado, a dos modelos estadísticos en donde el proceso más largo es exterior al SIG. El interés de los 21

dos enfoques estadísticos reside en el carácter automático de cada uno, mientras que el modelo SIG se enfoca en un análisis temático experto. Los autores recuerdan que después de los años 1990 la demanda social en útiles de apoyo en la toma de decisiones y de modelización capaces de asistir a diferentes tareas de gestión del medio ambiente (particularmente en la prevención de riesgos) y del ordenamiento territorial ha aumentado significativamente, uno de los motivos por los cuales realizan este estudio.

Paegelow et al. (2004) consideran al uso del suelo como un indicador pertinente, resultado de una combinación de actividades humanas que las sociedades despliegan en el espacio y de factores naturales. La problemática estudiada pone en evidencia que las montañas mediterráneas son el objeto de una profunda reestructuración socio‐ económica que se manifiesta en los grandes cambios del paisaje. Esta reorganización comienza en los Garrotxes (Pirineos Orientales, zona de estudio) y al final de la primera mitad del siglo XIX a causa del declive del sistema agropastoril tradicional provocando el éxodo rural. Una base de datos materializa los conocimientos de las dinámicas pasadas (1980 y 1989) y actuales (2000) del uso del suelo así como de los factores del medio ambiente potencialmente explicativos. El objetivo principal ha sido poner en marcha y optimizar cada uno de los tres enfoques antes mencionados, sobre el mismo juego de datos, con el fin de comparar la eficacidad respectiva. El primer enfoque de interés hace el llamado a las técnicas disponibles en los SIG. Paegelow et al. (2004) califican al primer enfoque como supervisado en la medida que el análisis del geógrafo conduce a la implementación de reglas necesarias para el cálculo de la cartografía de probabilidad (como en el presente caso de estudio). Este modelo geomático ensambla la lógica difusa para ajustar los datos medio ambientales dentro de la EMC. Un proceso estocástico para el aspecto predictivo de simulación de eventos discretos y estados finitos, CM con memoria. Corrige los límites del análisis markoviano recurriendo a una EMC optimizando la afectación espacial de probabilidades markovianas por constitución de una base de conocimientos y de reglas de inferencia relativas a la fase de aprendizaje del modelo.

Utiliza un AC simple para favorecer la aparición de zonas de probabilidad de estados con expansión de superficie realista. La puesta en obra se ha realizado en el programa IDRISI 32. Entre los resultados, Paegelow et al. (2004) encuentran que los resultados globales son próximos a la realidad en los tres casos metodológicos. Así mismo remarcan que la 22

modelización de categorías con grandes superficies es más fácil que de aquellas categorías de uso del suelo con superficies débiles. El resultado de predicción correcta se sitúa alrededor de 73% en los tres casos. Por ejemplo 66.5% de la superficie total ha sido correctamente predicha en cada uno de los modelos. Los autores insisten en que las modelizaciones no tienen el objetivo de predecir la realidad pero que pueden ayudar a entender mejor los cambios espacio‐temporales medio ambientales y sociales complejos.

Es por ello que hay que considerar los límites del modelo, entonces la modelización de la ocupación del suelo significa una simulación de lo que la realidad puede ser, un escenario razonado y cuantificable en el contexto del apoyo en la toma de decisiones.

En la evolución de la investigación sobre los modelos predictivos, se encuentra Camacho et al. (2010). Este estudio ha tenido como objetivo, comparar modelos de simulación de cambios de uso del suelo, para obtener conclusiones acerca de los principales avances temáticos y metodológicos de su utilización. Como área de estudio se toma la región de Murcia, España. Para la fase de calibración los autores usan los mapas de usos del suelo del proyecto Corine Land Cover de 1990 y 2000, y para la simulación de los resultados el año 2006. Los modelos de SIG utilizados, Land Change Modeller (LCM) y CA_MARKOV, los cuales están incluidos en IDRISI 16. Lo que buscaban era conocer las ventajas y limitaciones de estos dos modelos, y comparar la especificidad de cada uno en la fase de calibración. De los resultados, los autores recalcan que los dos modelos se basan en el conocimiento de estados temporales pasados de la variable que se va a modelizar. Los cálculos de transiciones temporales en ambos modelos se basan en las CM. A pesar de estos factores comunes, Camacho et al. (2010), encuentran que los dos módulos son esencialmente diferentes, pero complementarios en ciertos parámetros. Los módulos por ejemplo utilizan métodos diferentes, CA_MARKOV integra la EMC mientras que LCM las redes neuronales. Entre las conclusiones, los autores enfatizan que modelizar los usos del suelo contribuye a entender y prever su evolución futura. Además, la simulación prospectiva aporta un medio eficaz para el apoyo en la toma de decisiones y su aplicación se puede enfocar en las dinámicas ambientales variadas y complejas como la deforestación, la reforestación natural, cambios del paisaje y crecimiento urbano.

Determinan entre las diferencias de los modelos que existe un grado variado de intervención para establecer la relación entre categorías o transiciones y las variables 23

explicativas. Por ejemplo, la EMC de CA_MARKOV facilita la inclusión del conocimiento del experto y convierte esta herramienta en un útil complejo y sofisticado. Por el contrario, LCM es bastante rígido y condiciona la transformación e inclusión de las variables. Este modelo funciona de manera automática, no requiere la intervención del usuario, sin embargo este puede intervenir en la modificación de parámetros para el proceso o reiniciarlo. Por otro lado, CA_MARKOV realiza una proyección tipo lineal, en tanto que LCM puede llegar a relaciones no lineales. Califican entonces a CA_MARKOV como experto, en tanto que al modelo LCM como no experto, en el sentido que LCM es mejor para calibraciones y menos eficaz para la proyección.

24

3

METODOLOGÍA

3.1

AREA DE ESTUDIO

El área de estudio comprende el cantón Paquisha, el cual se ubica en la provincia de Zamora Chinchipe (ZCh), al sur de la RAE. La jurisdicción política administrativa del cantón Paquisha ocupa un área de 342.71 km2 (34,271 has). Este territorio se encuentra en el cuadrante determinado por las coordenadas geográficas 78° 40´27” de longitud oeste y 3° 56´56” de latitud sur. A su vez, está en el rango de los 812 y 2,400 msnm.

La topografía del cantón es accidentada, esto se debe a que en el enlazamiento de las cordilleras de Los Andes (Occidente de la zona de estudio) y La Cordillera del Cóndor (Oriente) se produzcan ramificaciones y nudos los que se extienden en la provincia de ZCh. Paquisha es uno de los 9 cantones de la provincia ZCh y está compuesto por 3 parroquias: una parroquia urbana, Paquisha, y 2 parroquias rurales, Bellavista y Nuevo Quito. Su cabecera cantonal es Paquisha y la creación del cantón se da el 23 de Octubre de 2002 según Decreto Ejecutivo Nº 2002‐87‐R.O. Nº689.

El cantón limita al Norte con el cantón Yantzaza, al Sur con el cantón Nangaritza, al Este se encuentra el límite internacional con Perú y al Oeste con el cantón Centinela del Cóndor (Figura 3) (GAD del Cantón Paquisha, 2015).

El crecimiento demográfico del cantón ha evolucionado de la siguiente manera: En 1990 la población fue de 1,463 habitantes; en los 11 años siguientes, el número de habitantes se quedó casi estable y pasó a 1,691 habitantes en 2001; o sea, un crecimiento de 16 %.

Pero, para el 2010, la población ya era de 3,854 habitantes, es decir, el número de habitantes creció en un 128% en 9 años (Figura 4) (GAD del Cantón Paquisha, 2015; INEC, 2010). La densidad poblacional pasó de 4 habitantes por km2 a 11 habitantes por km2. La mayoría de la población tiende a concentrarse en las cabeceras parroquiales, mientras que el resto, se distribuye en 25 barrios (GAD del Cantón Paquisha, 2015; INEC, 2010).

25

Figura 3: Mapa de la ubicación geográfica del Área de Estudio (Cantón Paquisha).

26

Evolución de la Población del Cantón Paquisha

POBLACION

5000

3854

4000 3000 2000

1463

1691

1000 0 1990

2001 CENSOS ‐ AÑO

2010

Población

Figura 4: Evolución de la Población y Densidad del Cantón Paquisha 1990‐2010 Basado en: GAD del Cantón Paquisha, 2015; INEC, 2010

Paquisha es pluricultural, dentro de su territorio cohabitan los mestizos con los grupos étnicos Shuar e indígena Saraguro, de estos grupos el de mayor población es el de los mestizos, pero la población de origen del área de estudio es la de los indígenas Shuar (GAD del Cantón Paquisha, 2015; INEC, 2010).

En el cantón se han identificado una variedad de ecosistemas, que han permitido que se desarrolle una biodiversidad de flora y fauna, estos ecosistemas se clasifican en la tabla 1: Ecosistema Antrópico (ANT) Bosque siempre verde montano bajo de las cordilleras amazónicas (BSVMB_CA) Bosque siempre verde piemontano bajo de la amazonia (BSVPM_OR) Matorral húmedo montano bajo de las cordilleras amazónicas (MHMB_CA)

Características Áreas intervenidas Bosques ricos en especies forestales y biodiversidad en general Bosques muy ricos en biodiversidad y endemismo

Altitud (msnm) 700‐1400 1300‐1700

Área (ha) 5,255.28 18,414.87

600‐1300

5,305.93

Bosques con árboles y arbustos achaparrados

>1700

4,869.63

TOTAL

33,845.71

Tabla 1: Ecosistemas existentes en el cantón Paquisha Basado en: GAD del Cantón Paquisha, 2015

Parte del Bosque Protector Cordillera del Cóndor (5.62%) se encuentra en el cantón Paquisha, así como el Bosque protector El Zarza. Estas dos áreas suman un total de 4,339.98 km2 de bosques nativos (Figura 3) (GAD del Cantón Paquisha, 2015; MAE, 2016a).

27

Dentro de los aspectos productivos, Paquisha se ha caracterizado por su riqueza mineral, agrícola y pecuaria. Los principales cultivos generalmente se desarrollan en los suelos aluviales existentes en la parte baja del río Nangaritza. Estos productos se destinan al consumo familiar dado que no se ha evidenciado producción a gran escala. La crianza familiar de ganado de amarre representa la actividad pecuaria en el cantón. La minería artesanal2 es uno de los factores antrópicos que se ha presenciado en la zona sureste del cantón Paquisha, en la mayoría de los casos está actividad se desarrolla de manera ilegal (GAD del Cantón Paquisha, 2015). Actualmente, se ha logrado legalizar las concesiones mineras artesanales en su mayoría (GAD del Cantón Paquisha, 2015).

3.2

PROCESO METODOLÓGICO

Este caso de estudio se interesó en los métodos que integran las herramientas de los SIG y las técnicas de la teoría de decisiones que apoyan a percibir los cambios en el tiempo en un rango de acercamiento a la realidad. Como los testeados en los estudios de Paegelow et al. (2004), y Camacho et al. (2010). De este modo, la metodología que se integra y desarrolla en el modelo CA_MARKOV resulta idónea para este estudio. Las comparaciones con otros modelos han demostrado su eficacidad al momento de mostrar resultados próximos a la realidad. Además, permite corregir los límites del modelo a partir de una EMC, en donde se integra el conocimiento experto sobre la base de un útil informático, IDRISI. La calificación de modelo experto en proyecciones lo vuelve eficaz para cumplir los objetivos de este estudio, como es predecir los cambios de los usos del suelo en diferentes escenarios.

De acuerdo a Paegelow et al. (2004), Camacho et al. (2010), Pérez et al. (2011), Kedowide et al. (2011) y Pinos‐Arévalo (2016), las metodologías basadas en conceptos y técnicas de la teoría de decisiones, como la EMC, la EMO, las CM y los AC, con un enfoque supervisado en SIG han resultado ser complejas pero eficientes a la hora de realizar

2

Minería Artesanal.‐Se considera minería artesanal y de sustento aquella que se efectúa mediante trabajo individual, familiar o asociativo de quien realiza actividades mineras autorizadas por el Estado en la forma prevista en esta ley y su reglamento y que se caracteriza por la utilización de herramientas, máquinas simples y portátiles destinadas a la obtención de minerales cuya comercialización en general sólo permite cubrir las necesidades básicas de la persona o grupo familiar que las realiza y que no hayan requerido una inversión superior a las ciento cincuenta remuneraciones básicas unificadas (Ley de Minería , 2009).

28

análisis y prospectivas de cambios espaciales de usos del suelo. Aunque Paegelow, (comunicación personal, 2017) manifiesta que CA‐MARKOV es un modelo ya antiguo, con respecto a evoluciones que datan del 2017 (las cuales no menciona), este todavía tiene su valor por los procesos supervisados en la modelización, más precisamente sobre la asignación espacial de probabilidades markovianas dadas. Esta afectación de la matriz de transición markoviana se basa sobre los mapas de aptitud, en la ocurrencia de cartas que expresan la probabilidad de acoger uno de los estados de la variable modelizada.

La metodología de este estudio se basa en la metodología aplicada por Pontius et al.

(2004), López y Plata (2009), Paegelow et al. (2004) y Camacho et al. (2010) y se desarrolla en tres etapas (Figura 5).

En un primer tiempo este estudio parte de la teledetección para el análisis espacial y la interpretación de imágenes satelitales y así obtener la cartografía de los usos de diferentes años (2001 y 2016). Luego, se aplica el ACM para obtener la matriz de cambio desarrollada por Pontius et al. (2004), la cual permite analizar de manera exhaustiva las dinámicas de cambio de uso del suelo pasando del valor neto (diferencia entre las superficies de los años de estudio) al valor real de cambio (proceso de cálculo entre las ganancias, pérdidas y persistencias). Un proceso que tiene como fin entender los procesos de cambio e interrelaciones de las categorías para llegar a definir los factores que influyen en el cambio del uso del suelo. De ese modo se obtienen las probabilidades de cambio las cuales primero son combinadas a un AC y se calibra el proceso para la obtención del modelo prospectivo tendencial al 2030. Luego estas probabilidades pasan por un proceso de EMC y de EMO para en cambio obtener los mapas de probabilidad los cuales finalmente son sometidos a un AC para modelar el escenario prospectivo normativo al año 2030. El escenario prospectivo tendencial indica la línea tendencial del cambio y el escenario normativo se enmarca en las normativas existentes.

Desde un enfoque SIG, en donde se combinan técnicas de teledetección y análisis estadístico, se proporcionan útiles gráficos y estadísticos para el apoyo en la toma de decisiones en el marco de la planificación territorial.

29

Figura 5: Flujograma de las etapas de la metodología de estudio.

3.3

ELABORACIÓN DE LOS MAPAS DEL USO DEL SUELO PARA LOS AÑOS 2001 Y 2016

El proceso de elaboración de la cartografía de uso del suelo para el año 2001 y 2016 se realizó a partir de la interpretación de imágenes satelitales obtenidas del Servicio Geológico de los Estados Unidos (USGS: United States Geological Survey). Las imágenes corresponden a la imagen capturada por el satélite Landsat 7 ETM+SLC‐on (1999‐2003) del año 2001, (Figura 6a) y a la imagen capturada por el satélite Landsat 8 OLI‐TIRS del año 2016 (Figura 6b). El tamaño de pixel de las imágenes es de 30m x 30m. Estas imágenes fueron elegidas por presentarse sin cobertura de nubes, característica que facilitó la interpretación de las mismas.

Para ambos casos se realizaron procesamientos de imágenes satelitales que permitieron obtener imágenes con características adecuadas para los análisis respectivos. Para los procesos se contó con la asistencia de ERDAS IMAGE 2016 y de ArcGIS 10.5. Estos procesos consistieron en realizar: unión de bandas de satélite, recortes para obtener el área de estudio exacta y unión de imágenes secuenciales.

30

a) Imagen Satelital Landsat 7 ETM+SLC, capturada el 03 de noviembre de 2001 LE70100632001307EDC00

b) Imagen Satelital Landsat 8 OLI‐TIRS, capturada el 20 de noviembre de 2016 LE70100632001307EDC00

Figura 6: Imágenes de los Satélites Landsat 7, 8.

La mediana resolución espacial de las imágenes satelitales, aunada al apoyo de los mapas de uso de suelo del PDOT del cantón Paquisha del 2012 y 2015 a escala 1:50,000, más la cartografía de usos de suelo de la provincia de Zamora Chinchipe de 1990 y 2008, a escala 1:200,000 del Consejo Provincial y el apoyo de Google Earth permitieron identificar espacialmente las muestras de los tipos de uso del suelo para los años 2001 y 2016 para el proceso de la clasificación supervisada a la cual fueron sometidas las imágenes satelitales. La validación de las categorías del uso del suelo y coberturas identificadas se realizó a partir de la verificación en campo, realizando un muestreo al azar, es decir, se procedió a identificar la ubicación, por ejemplo, de los usos urbanos, áreas agropecuarias y la ubicación del río Nangaritza el cual define la frontera Este del territorio.

La definición de la leyenda de usos del suelo se realizó en base a la clasificación de clases de uso y coberturas del suelo definidos por el grupo intergubernamental de expertos sobre cambio climático (IPCC) (MAGAP y MAE, 2014). La definición de la leyenda permitió caracterizar los mapas de uso del suelo para los dos años de estudio y los volvió comparables. La definición de una leyenda coherente a la utilizada por las instituciones en el Ecuador permite una lectura comprensible y comparable del estudio. La clasificación construida por el IPCC presenta tres niveles jerárquicos, estos se muestran en la Tabla 2 (MAGAP y MAE, 2014).

31

NIVEL I

NIVEL II

Bosque nativo Bosque

Áreas agropecuarias

Plantación forestal (Bosque plantado) Agroforestería Cultivos anuales Cultivos semipermanentes Cultivos permanentes Pasto cultivado Mosaico Agropecuario (asociaciones)

Vegetación arbustiva Vegetación arbustiva y herbácea Vegetación herbácea Páramos Natural Cuerpos de agua Artificial Zonas pobladas

NIVEL III Bosque siempreverde de tierras bajas de la Amazonía Bosque siempreverde de tierras bajas del Chocó Bosque seco pluvioestacional Bosque siempreverde Andino de pie de monte Bosque siempreverde Andino montano Bosque siempreverde andino de ceja Andina Bosque seco Andino Manglar Moretales

Húmeda Seca

Agroindustrial Zonas antrópicas Infraestructura Social Transporte y comunicación Glaciares

Áreas erosionadas Gravas Salina Industrial Otras áreas Área sin cobertura vegetal Salina Natural Plaga Banco de arena Afloramientos rocosos Sin información Sin información Sin información Tabla 2: Niveles jerárquicos para la clasificación de los usos y coberturas del suelo Basado en: MAGAP y MAE, 2014

Entonces, los usos del suelo para este estudio se determinaron de acuerdo a las categorías del Nivel I (Tabla 2) de la clasificación del IPCC. Se determinó utilizar que el Nivel I por el nivel de detalle que el proceso de clasificación supervisada llega a determinar. Con la particularidad que, en este caso, se agregó la categoría minería fuera de la categoría zonas antrópicas, por ser una actividad que crea conflictos sobre otros usos. Se considera que esta clase debe ser tratada y comparada individualmente, por el fuerte impacto ambiental y económico que ejerce sobre el territorio de estudio,

32

especialmente la presión que ejerce sobre los bosques de la Amazonía del Ecuador. López et al. (2013) determinan, a partir de un análisis espacial, que las 5 presiones y amenazas sobre la RAE en la última década son las vías y carreteras, el petróleo, la minería, las hidroeléctricas y la deforestación. Así, definen que los temas como el cambio de uso de suelo y la ampliación de la frontera agropecuaria son temas importantes a estudiar para una comprensión sobre las presiones y amenazas en la Amazonía ecuatoriana. Sin embargo, en los estudios de usos de suelo, el uso minería no se muestra como tal, este se analiza dentro del uso zonas antrópicas.

De este modo, se determinó 6 categorías de uso del suelo para el cantón Paquisha: Áreas agropecuarias, bosque, cuerpos de agua, minería, otras áreas y zonas antrópicas. Esta categorización permite ser coherentes con la nomenclatura de categorías que se usa con frecuencia dentro de estudios realizados por las instituciones del estado (MAGAP y MAE, 2014).

A partir de las categorías del uso del suelo definidas, se procedió a la interpretación de las imágenes satelitales para los años 2001 y 2016. Este proceso de interpretación se lo realizó a través de la técnica de la clasificación supervisada, utilizando el criterio de máxima probabilidad, criterio que permite ajustar con mayor firmeza la disposición inicial de los datos (López y Plata, 2009). Además de aplicar correcciones a partir de la recodificación de clases y la interpolación estadística, como el filtro por vecino más cercano que ayuda a reducir el efecto sal y pimienta, lo que permite filtrar y suavizar las imágenes resultantes. Estas interpretaciones espaciales se las realizó en los entornos de ERDAS IMAGE y ArcGIS. La cartografía temática resultante se estableció en formato ráster con proyección WGS 1984 UTM, Zona17S a escala 1:145 000.

3.4

ANALISIS DEL CAMBIO DE LOS USO DEL SUELO ENTRE LOS AÑOS 2001 Y 2016

El análisis de la evolución del cambio en el uso del suelo del presente estudio fue desarrollado en base a la metodología de Pontius et al. (2004). Este proceso permite obtener las ganancias, las persistencias, los intercambios y las pérdidas de cada una de las categorías de uso del suelo, de dos tiempos diferentes. Permite, además, evaluar el

33

cambio total a partir de las persistencias. De esta manera, se pudo determinar cuáles fueron las transiciones sistemáticas más significativas entre categorías.

Se partió por la obtención de la matriz de cambios (Tabla 3), que resultó de la tabulación cruzada de las superficies de usos del suelo del cantón Paquisha de dos diferentes fechas, de un tiempo 1 (t1), 2001 y de un tiempo 2 (t2), 2016.

En la matriz de tabulación cruzada (Tabla 3), las filas representan las categorías de usos del suelo del mapa del t1 y las columnas las categorías del mapa del t2. La diagonal principal expone la persistencia entre el t1 y t2, en tanto que los otros elementos fuera de la diagonal principal muestran las transiciones que se han dado entre el t1 y t2 de cada categoría. Así mismo, en la fila 5 se obtiene el total ocupado por cada categoría en el t2, (P+1, P+2,...) y en la columna 5 se obtiene el total ocupado por cada categoría en el t1, (P1+, P2+,...). A partir de la matriz de cambios se obtiene una visualización más detallada de los cambios, a partir de las pérdidas y ganancias de cada categoría. Es así que la fila 6 muestra la ganancia que ha tenido cada categoría entre el t1 y t2 y la columna 6 muestra la pérdida que ha tenido cada categoría entre el t1 y t2.

Tiempo 2

Tiempo 1

1 Categoría 1

2 Categoría 2

3 Categoría 3

4 Categoría n…

5 Total tiempo 1

6 Perdidas (Lij)

1 Categoría 1

P11

P12

P13

P1n

P1+

P1+ ‐ P11

2 Categoría 2

P21

P22

P23

P2n

P2+

P2+ ‐ P22

3 Categoría 3

P31

P32

P33

P3n

P3+

P3+ ‐ P33

4 Categoría n

Pn1

Pn2

Pn3

Pnn

Pn+

Pn+ ‐ Pnn

5 Total tiempo 2

P+1

P+2

P+3

P+n

P

6 Ganancias (Gij) P+1 ‐ P11 P+2 ‐ P22 P+3 ‐ P33 P+n‐ Pnn Tabla 3: Matriz de tabulación cruzada para dos mapas de fechas diferentes.

Basado en: Pontius et al., 2004

Estos dos últimos parámetros (ganancia y pérdida), que se pudieron obtener a partir de la matriz de cambios, son importantes en el análisis de los cambios de usos del suelo, con el fin de evitar interpretaciones erróneas en lo que respecta a la dinámica de los cambios de uso del suelo (López y Plata, 2009).

34

Entonces, las ganancias (Gij) exponen la proporción del paisaje que ha experimentado un incremento entre el t1 y el t2, es decir, es la diferencia entre la suma total de la fila 5 y los valores de las persistencias, en otros términos: Gij=P+j ‐ Pjj. Así como también las pérdidas representan la disminución que tuvo cada categoría entre t1 y t2. En otros términos, es el resultado de la diferencia entre la suma total de la columna 5 y los valores de la diagonal principal, lo que se traduce a: Lij=Pj+ ‐ Pjj. La elaboración de esta matriz es la base para obtener información que va desde un análisis general a un análisis detallado de los cambios producidos en el territorio de estudio. De esta misma manera, ayuda a determinar si los cambios producidos son el resultado de una transición sistemática o de una transición aleatoria.

En cuanto al análisis general, se obtuvo a partir del cambio neto, el cual se lo obtiene a partir de la diferencia entre el total del t2 y el total del t1 de cada categoría y en valores absolutos: Dj=|t2 ‐t1|. Este dato puede ser de utilidad al aportar información acerca de los cambios en el paisaje, sin embargo, podría subestimar el cambio real producido, en el sentido que un cambio neto igual cero no necesariamente muestra una falta de cambio en el paisaje.

Por ejemplo, como se muestra en la Figura 7, la superficie de una categoría en t1 es igual que en t2, una interpretación de solo las superficies llevaría a la conclusión que esta categoría no ha sufrido cambios. Sin embargo, es posible que esta categoría haya sufrido cambios, de manera que la superficie que ha perdido en determinada zona sea igual a la superficie ganada en otra zona distinta. Por lo tanto, en este caso no se puede hablar de la ausencia de cambio en el paisaje, lo que haría de la interpretación inicial, una interpretación no precisa.

35

Figura 7: Cambios espaciales por pérdidas y ganancias.

Basado en: López y Plata, 2009

Es así que, para un análisis más detallado, se determina el intercambio, que es el cambio de forma o posición (Figura 7) de las categorías que además muestra la cantidad de superficie que se ha intercambiado entre clases. Para su cálculo, se lo obtiene del doble del valor mínimo de las ganancias o de las pérdidas, o lo que quiere decir, que por cada unidad de ganancia de una categoría hay la misma cantidad de pérdida para otra: Sj=2xmin (Gij, Lij).

Otro dato relevante fue conocer la cantidad de superficie que se mantuvo estable para cada categoría y durante los dos tiempos estudiados. Este dato es importante en el análisis de cambios de usos del suelo pues diversos estudios concluyen que lo estable es lo que predomina en la naturaleza, aún en zonas muy dinámicas como las zonas antrópicas (López y Plata, 2009; Pontius et al., 2004). Este dato se denomina persistencia, y se expone en la diagonal principal de la matriz de cambios para cada categoría.

La persistencia sirve para el cálculo de la ganancia y pérdida de cada categoría. Al igual que para el cálculo del intercambio, la ganancia y la persistencia ayudan a conocer el valor del cambio total. El cambio total es el resultado de la suma entre las ganancias y las pérdidas para cada categoría, y se expresa como: Dtj= Gij + Lij. Esta serie de datos permitió medir el cambio real experimentado por cada una de las categorías, así se pudo conocer si el paisaje ha permanecido estable o está experimentando cambios.

Este proceso fue posible desarrollar en ArcMap, a partir de las herramientas de análisis espacial como, geoprocesos y álgebra de mapas. Este entorno permitió la evaluación espacial de los cambios de los usos del suelo entre los datos ráster y vectores del año 36

2001 y 2016, proporcionando tablas de superficies, mapas de cambio y transiciones de cada una de las categorías.

3.5

PROSPECTIVA DEL USO DEL SUELO AL AÑO 2030

El análisis de las dinámicas de los usos del suelo del periodo que comprende entre el año 2001 y 2016 (lapso de 15 años) utilizó los mapas de usos del suelo que se obtuvieron en la primera fase de este estudio a través de una clasificación supervisada utilizando el criterio de máxima probabilidad. Otros datos espaciales han sido obtenidos, como el mapa de pendientes generado a partir de un modelo digital del terreno, el cual fue creado desde las curvas de nivel que se encontraban a cada 40m. Los mapas de redes viales y de caminos; de redes hidrográficas y de bosques protectores definidos al 2014, los cuales se encuentran en la base de datos del geoportal del Sistema Nacional de Información del Ecuador (SNI). Estos datos son relevantes a la hora de estimar los cambios al año 2030 porque estas variables influencian o limitan el cambio del uso del suelo de acuerdo al caso de categoría.

La modelización de los cambios del uso del suelo no se restringe a una sola categoría de modelo, ni tampoco a un solo ámbito de investigación. Por lo tanto, este estudio se basa en uno de los modelos que se usa con más frecuencia y que ha sido comparado y evaluado con respecto de otros, en casos que conciernen la dinámica del ecosistema, cómo son las CM y los AC. Con el fin de simular el uso del suelo para el 2030 (dentro del cuadro de dos escenarios de evolución tendencial y normativo) se usan dos mapas de fechas anteriores (t1: 2001 y t2: 2016) para la calibración del modelo. Estas imágenes sirven de origen para estimar las cantidades de usos del suelo futuros. Esta estimación es lineal por el hecho de que la simulación se fundamenta sobre dos puntos en el tiempo para calibrar el modelo. Este modelo se encuentra dentro del programa IDRISI Selva (Eastman, 2012). Por otro lado, IDRISI ofrece una amplia gama de herramientas de tratamiento de imágenes en un solo programa particularmente económico.

37

IDRISI posee el módulo CA_MARKOV para la predicción de cambios de usos del suelo. Este módulo ha sido objeto de varios estudios comparativos (Camacho et al., 2010; Maestripieri y Paegelow, 2013), de los cuales se concluye que CA_MARKOV utiliza la EMC y se basa en el conocimiento de estados temporales pasados de la variable que se va a modelar, a través de mapas que muestran dichos estados. Se basa, así en las CM, en lo que concierne al cálculo de transiciones temporales y se lo califica como experto (Camacho et al., 2010).

3.5.1

CA_MARKOV

El módulo CA_MARKOV permite un procedimiento de predicción de cambios de usos de suelo, el cual combina el análisis proveniente de las CM, la EMC, la EMO y un filtro, un procedimiento denominado de AC (Eastman, 2012; Maestripieri y Paegelow, 2013; Paegelow et al., 2004). Las CM analizan dos imágenes de usos del suelo de fechas diferentes, produciendo dos matrices de transición, de probabilidad y de superficie en pixeles para la persistencia y la transición, además producen un conjunto de imágenes de probabilidad condicional. Estos resultados, permiten "calcular un estado futuro a partir del estado presente conocido, basándose en la observación de las evoluciones pasadas y sus probabilidades" (Antoni, 2006, citado en Maestripieri y Paegelow, 2013, p. 8). Los límites del análisis markoviano pueden ser controlados y corregidos con la implementación de una EMC (Paegelow et al., 2004). En este caso de estudio, la EMC ha sido necesaria para la simulación del escenario normativo al 2030.

3.5.2

EVALUACIÓN MULTICRITERIO ESPACIAL (EMC)

El objetivo de la EMC es la de remediar los límites del análisis markoviano a través de la optimización de la afectación espacial de las probabilidades markovianas (considerando las dificultades del espacio) por la constitución de una base de conocimientos y de reglas deducidas (variables del entorno) relativas a la fase de aprendizaje o calibración del modelo. El proceso de EMC desarrolla la cartografía de aptitud o de probabilidad, integrando un conjunto de criterios medibles y cartografiables. Los mapas resultantes podrían servir para la construcción de alternativas estratégicas de intervención. En el

38

proceso, la modelización es controlada por el modelisador a través de la identificación y caracterización de los factores explicativos gracias a un enfoque experto.

La prospectiva por EMC implica la identificación y elaboración de criterios, los cuales son medibles y evaluables, es así que es necesaria la identificación previa de los criterios como los factores (medibles entre una escala continua de 0 a 255) y las restricciones (zonas excluidas se codifican con 0 y las consideradas con 1).

La EMC tiene una fase de ponderación de factores, esta se realiza en base a la técnica de comparación por pares en el contexto de un proceso de toma de decisiones como el llamado proceso de jerarquía analítica (Analytic Hierarchy Process, AHP). De esta manera los factores son comparados de dos en dos en una matriz de comparación desarrollada por Saaty en 1977. La comparación se realiza en función de su importancia relativa con respecto al objetivo definido y calcula finalmente el peso total por cada criterio por cálculo del vector propio. Una segunda ponderación es aplicada a los factores con el fin de controlar sus niveles de compensación, así como el nivel de riesgo en la determinación de aptitudes (Eastman, 2012).

Los mapas de aptitud o de adecuación provenientes del proceso de la EMC son reagrupados y combinados con la matriz de probabilidad condicional de transición de cambios por cada área de los usos de suelo en juego y el mapa del uso del suelo de la última fecha de calibración dentro del ACM. Finalmente se aplica un filtro de contigüidad (zona de 5x5) con el fin de homogeneizar el mapa simulado por agregación espacial y disminuir el efecto pixelado (sal y pimienta). Finalmente, en lo que respecta al número de iteraciones, se establece en función del número de intervalos de tiempo utilizados para la simulación, es decir, en este caso son 14 las iteraciones (Eastman, 2012; Maestripieri y Paegelow, 2013). Proceso que se realiza dentro del módulo CA_MARKOV de IDRISI. De esta manera y partiendo de la metodología definida, se procedió a construir dos tipos de escenarios prospectivos. El Escenario Prospectivo de Tendencia al 2030, que resulta de un proceso estocástico y el Escenario Normativo que se enmarca en el contexto de una EMC basándose en el cuadro reglamentario institucional del territorio en estudio, especialmente sobre los reglamentos relativos a la protección del medio ambiente y 39

ordenanzas mu unicipales. La L Figura 8 8 resume laas principales etapas d de la mode elización mediante un SIG G de estos d dos escenarrios.

F Figura 8: Mod elización de lo os usos del su uelo por medio o de un SIG paara dos escenarios: visión d de las principales funciones y de e sus conexion nes. w et al., 2004 Basado en: Paegelow

3.5.33

ESCENAR RIO PROSPEECTIVO TEN NDENCIAL A AL 2030

El Escenario Pro ospectivo Teendencial aal 2030 partte de la preemisa que laa evolución n del uso del ssuelo contin nua en la m misma direccción que la del periodo o de 2001 aal 2016. La premisa se basa b sobre el resultado al que ha llevado o el incum mplimiento de las po olíticas y ordenanzas exisstentes den ntro del territorio, como lo cita el GAD deel Cantón Paquisha P (2015) en el anáálisis FODA (Fortalezas,, oportunidades, debiliidades y Am menazas) de el PDOT. Para la obtenció ón del escen nario prospectivo de te endencia see partió del ACM. Este p proceso, en este caso, no n integra una u correccción por EM MC, ya quee el proceso o toma de manera ma como baase solamente la tendencia de estoccástica el prroceso de ccambios. El proceso tom camb bio entre lo os años 200 01 y 2016 para el cálcu ulo de probabilidades. Es decir el proceso partee del principio de la prroximidad ffísica, en do onde la proxximidad a u una clase de e uso de 40

suelo existente se considera como una fuerte influencia del cambio a otra clase de uso de suelo en el futuro.

3.5.3.1 Generación de las probabilidades de transición y área de transición de cambio de uso del suelo a través del modelo de Markov Por medio del módulo de CM se ingresaron los mapas de uso de suelo del año 2001 y 2016, y se ejecutó el algoritmo. Partiendo de la tabulación cruzada de las imágenes analizadas se obtuvo una matriz de probabilidad de transición y una matriz del área de transición para proyectar el uso del suelo en un período de 14 años (t2 = 2030). La matriz de probabilidad determina las probabilidades de transición de que un pixel de cierta clase cambie a cualquier otra clase o permanezca en la misma en el periodo venidero. En cambio, la matriz del área de transición contiene el número de píxeles que se espera cambien de una clase de uso de suelo a otra en el periodo futuro (Paegelow et al., 2004).

La matriz (en pixeles) se utiliza en el proceso posterior para la obtención de los escenarios predictivos. Las áreas de transición de las clases como cuerpos de agua y otras áreas, se han controlado y corregido manualmente en la matriz de transición para evitar su expansión puesto que este proceso, al no ser controlado por una EMC, no reconoce la complejidad espacial de ciertos usos (Eastman, 2012). Resulta además un grupo de imágenes de probabilidad condicional, una imagen por cada clase de uso del suelo. Estos mapas muestran la probabilidad de que cada pixel pertenezca a la clase designada en el periodo futuro. Estos se denominan mapas de probabilidad condicional, en razón que esta probabilidad es condicional en su estado actual (Figura 9) (Paegelow et al., 2004).

41

Uso de Suelo Bosque

Uso de Suelo Minería

Uso de Suelo Áreas agropecuarias

Uso del Suelo Zonas antrópicas

Figura 9: Mapas de probabilidad condicional al 2030 de los usos del suelo del Cantón Paquisha.

0 (en negro) ‐ probabilidad baja y 1 (en magenta)‐probabilidad alta.

3.5.3.2 Generación del mapa prospectivo de uso de suelo al 2030 a través del modelo cadenas de Markov‐autómatas celulares Uno de los elementos espaciales de base que incentivan la dinámica de muchos eventos de cambio es la proximidad. Las áreas tienden a crecer con mayor probabilidad a una clase cuando existen áreas cercanas de la misma clase, es decir, se produce el fenómeno de expansión. Estas áreas son modeladas en forma efectiva a través de AC (Camacho et al., 2010).

42

El modelo de Markov‐autómatas celulares usa los resultados del modelo de Markov.

Dentro del modelo CA_MARKOV se agregan el mapa de uso del suelo del 2016, desde el cual se proyectan los cambios, la matriz de transición ajustada producida por MARKOV y la colección de imágenes de adecuación que expresan la adecuación de un pixel para cada uno de los tipos de cobertura terrestre en consideración (mapas de probabilidad condicional) (Figura 9). Este módulo, a través de un proceso iterativo de reasignación de usos del suelo, cubre los totales de áreas predichos por el módulo MARKOV. El número total de iteraciones es el número de pasos de tiempo entre el año 2016 y el año de prospectiva 2030 (14 años). El modelo, entonces, se completa en 14 pasos. Los AC son originados por el filtrado con cada iteración que reduce la adecuación de los terrenos lejanos a las áreas existentes de este tipo. En este caso se usa un filtro de medida de 5x5 que logra esta restricción de contigüidad (Eastman, 2012). Este proceso permitió obtener el mapa del escenario prospectivo tendencial al 2030.

Estos resultados pueden ser controlados, en la perspectiva de limitar ciertos cambios de usos del suelo a través una EMC. Por tal motivo y con el fin de proporcionar varios instrumentos útiles para la toma de decisiones en el marco de la planificación territorial, se produce de manera hipotética, cómo se presentan los usos del suelo al 2030 en un marco normativo y de esa manera los actores involucrados puedan prever una planificación adecuada que responda a la vocación del territorio.

3.5.4

ESCENARIO PROSPECTIVO NORMATIVO AL 2030

El Escenario Prospectivo Normativo parte de la premisa que las ordenanzas municipales serían respetadas, así como las normas ambientales y de seguridad vial. Normativas que se enmarcan en la constitución de la República del Ecuador, en el Código Orgánico Ambiental (COA), en la Estrategia Nacional de Cambio Climático (ENCC) del Ecuador, en las Ordenanzas municipales del cantón Paquisha, en la Planificación proveniente del PDOT 2015 y en la Ley Nacional de Caminos.

Es un proceso que se focaliza en alcanzar objetivos socioeconómicos y medio ambientales positivos para el territorio de estudio al 2030 dentro de la perspectiva de alcanzar un 43

desarrollo sostenible y sustentable. A diferencia del escenario tendencial, el escenario normativo necesita de una EMC para proyectarse hacia el futuro dentro de un cuadro normativo con el fin de controlar los cambios de usos del suelo con respecto a los objetivos territoriales deseados. En este caso, la idea de enmarcarse en un cuadro normativo es la de mostrar, un útil que presente las alternativas de manejo del territorio y sus resultados, los que pueden acarrear una planificación territorial sustentable.

Los objetivos que enmarcaron la toma de decisiones dentro del procedimiento de EMC se basan en la visión de la ENCC del Ecuador, que estipula: "Al año 2025 el Ecuador maneja oportunamente los desafíos del cambio climático, garantizando el Buen Vivir y los derechos de la naturaleza" (MAE, 2012, p. 38). Desde esta visión se plantean dos líneas estratégicas para el cumplimiento de la misma: la adaptación al cambio climático y la mitigación del cambio climático, la primera pretende "reducir la vulnerabilidad social, económica y ambiental frente a los impactos del cambio climático" y la segunda pretende "reducir las emisiones de gases de efecto invernadero y aumentar los sumideros de carbono en sectores estratégicos" (MAE, 2012, p. 38).

Así la toma de decisiones en la EMC se basa sobre la protección de los recursos naturales en donde se trate de controlar la tala indiscriminada de los bosques, en la restauración de los bosques protectores, salvaguardar el patrimonio hídrico y controlar el crecimiento desordenado de las actividades existentes, principalmente el desarrollo de las actividades agropecuarias y mineras. Pero aceptando un margen de probabilidad de cambio regulado de las áreas de estas actividades, con el propósito de garantizar la producción alimentaria y la producción pecuaria para el consumo local, así como también la actividad minería como fuente de ingresos.

3.5.4.1 Identificación y determinación de criterios El conocimiento de las dinámicas recientes de la ocupación del suelo es primordial para entender la evolución futura de estos y su modelado. Para cada categoría de uso del suelo, el conocimiento de su comportamiento espacio‐temporal proviene de un análisis diacrónico de las dinámicas y del roce geográfico al comparar la distribución teórica (espacio homogéneo) y la distribución real (niveles de probabilidad). La irregularidad 44

geográfica se expresa mediante los factores del entorno mapeados (pendiente, accesibilidad, proximidad a entidades de la misma naturaleza, estado de gestión especial de ciertas áreas, la probabilidad de cambio, etc.) y disponibles con la misma resolución espacial (Paegelow et al., 2004).

A pesar de que las variables explicativas que pueden influir en la modelación al 2030 pudieron ser muy diversas, este caso se enfoca en aquellas que se encuentran reglamentadas en las ordenanzas municipales del cantón Paquisha, en la ley de caminos del MTOP (Ministerio de Transporte y Obras Públicas del Ecuador) y en el COA. El conjunto de datos geográficos de las variables data del año 2014, los cuales fueron obtenidos de la base de datos del SNI, datos como: las redes viales y de caminos, las redes hídricas y los bosques protectores. Los datos de los usos del suelo del 2016, utilizados en este proceso, son aquellos que resultaron de procesos anteriores de este estudio. Con respecto de la red vial, se verifica que según los PDOT del 2012 y 2015 los ejes de comunicación han permanecido relativamente estables entre los dos periodos y no se consideran proyectos viales hasta el 2019 (periodo de aplicación del PDOT 2015). Dadas estas especificaciones, se valida el uso de datos de redes viales del 2014 para el tratamiento de factores.

La prospectiva y la simulación por EMC suponen criterios identificados y elaborados. Los cuales son implementados sobre IDRISI en dos tipos de variables: los factores y las restricciones (Camacho et al., 2007; Eastman, 2012; Kedowide et al., 2011). Muchos factores varían en el espacio y confieren a cada unidad del espacio una aptitud variable: estado del uso en curso del suelo, proximidad a las redes hídricas, proximidad a las redes viales, etc.

La definición de los factores partió del análisis de cada uno de los usos del suelo, de tal manera de definir las variables que influencian en el crecimiento, estabilidad o disminución de estos y luego poder asignar el grado de pertenencia a cada factor, grados de pertenencia que se definen a partir de la reglamentación estipulada en ordenanzas municipales, reglamentos ambientales o ley de caminos. Proceso que se modela según las funciones de pertenencia de lógica difusa en el módulo Fuzzy de IDRISI. Este análisis, 45

además ayuda a entender cuáles son los factores que limitan el crecimiento de un uso de suelo de manera estricta, lo que define las restricciones.

Los factores y restricciones quedan conformados por los usos del suelo del 2016 y a las variables que influencian el cambio de uso de estos. Resultan, en este caso, quince criterios espaciales, los cuales se enmarcan en las dos categorías de criterios necesarias en una EMC: Los factores y las restricciones.

Los factores, en este caso de estudio, se pueden explicar desde criterios socioeconómicos y medio ambientales, en el sentido que la evolución de los cambios debe responder a los objetivos medioambientales y socioeconómicos como política local y nacional. Por lo tanto, los criterios tomados para definir el control de la evolución de los usos del suelo, parten en base a las líneas estratégicas de la ENCC, lo que proyecta a preservar los recursos naturales como los bosques, las redes hídricas y resguardar de todo tipo de contaminación las zonas pobladas, pero manteniendo las actividades socioeconómicas ya desarrolladas en el territorio (actividades como la minería y las agropecuarias) como fuentes de ingreso.

Se considera que los factores socioeconómicos influyen fuertemente sobre la probabilidad de cambio de los usos de suelo en cuestión, por ejemplo cuando las zonas agropecuarias se expanden, las actividades mineras se incrementen desmesuradamente, por ende se talen bosques y se creen molestias y contaminación sobre las zonas poblabas.

Lo que por el contrario se pretende evitar, por lo tanto estos factores son controlados a partir del grado de aptitud en base a la normativa existente. Los factores socioeconómicos se definen como: la distancia a las áreas agropecuarias, la distancia a las zonas antrópicas, la distancia a zonas de actividad minera y la distancia a la red vial.

Los factores medio ambientales son determinantes a la hora de definir las áreas propicias a resguardar, restaurar y considerar como áreas a riesgos potenciales (inundaciones o deslizamientos). Ellos representan una fuerte influencia en la probabilidad de cambio de la categoría del uso del suelo bosque, una categoría a valorizar. Los factores medio ambientales son identificados por: la distancia al bosque, la distancia a los bosques

46

protectores, la distancia a las redes hídricas, la distancia a los cuerpos de agua y la pendiente.

Las restricciones se las definió en base al criterio que son áreas con bajo potencial a cambiar de uso o no está permitido el cambio de cierto uso, por ser áreas destinadas al amortiguamiento de bosques y redes hídricas, conservación ambiental o de protección contra riesgos a inundaciones o deslizamientos. Áreas en donde se limitan ciertos usos, como en el caso de los bosques protectores, en donde se restringe el crecimiento urbano o las actividades mineras. Criterios basados en la reglamentación nacional medioambiental y de ordenanzas municipales. Las restricciones se identifican como: los bosques protectores, el uso de suelo bosque, la red hídrica (ríos secundarios y quebradas), los cuerpos de agua (río principal y lagunas), las zonas antrópicas y la red vial.

3.5.4.2 Elaboración de los mapas criterio y su estandarización La estandarización de criterios es una acción necesaria para lograr homogeneizar las unidades de las variables a una escala común de valores de 0 a 255, especialmente de los factores. Proceso que facilitó la interpretación de mapas, la EMC y la EMO. Para ello se usó las funciones de membresía (lógica difusa) en IDRISI. Los factores inician su estandarización a partir del módulo Distance. Distance calcula la distancia euclidiana en cada celda hasta el conjunto de celdas objetivo más cercano. Las distancias son producidas en unidades métricas.

El proceso siguiente es introducir las coberturas generadas al módulo Fuzzy, el cual utiliza funciones de membresía para definir el grado de pertenencia de un pixel del mapa a un determinado conjunto o fenómeno. En este caso de estudio se utiliza para definir el grado o potencialidad de que un uso del suelo cambie a un uso futuro predefinido (construcción de imágenes de probabilidad). La función de membresia describe y limita el grado de pertenencia de los objetos a los conjuntos. Las tres funciones básicas existentes son, la linear, la forma de J y la sigmoidal. Todas las funciones tienen puntos de control y una forma de curva con inflexiones representadas por las letras a, b, c y d (Figura 10). Las inflexiones están ordenadas en una escala de medida de pertenencia de baja (0) a alta (255) (Figura 11). Es decir en una escala byte de 0 a 255. De este mismo modo la forma de 47

la función (curva) puede ser creciente, decreciente o simétrica (Figura 10). Las curvas de inflexión simétricas están distribuidas en cuatro puntos en toda la función (Figura 10 a la derecha). En las curvas creciente y decreciente (Figura 10 a la izquierda), tres de los cuatro puntos están ubicados en una inflexión y el cuarto puede estar en un punto que asciende o desciende (Eastman, 2012). Eastman (2012) recomienda utilizar la función sigmoidal, de ahí la aplicación en este caso de estudio.

Figura 10: Función de membresia sigmoidal Fuente: Eastman, 2012

Figura 11: Función sigmoidal monotónicamente decreciente y simétrica de Fuzzy y la escala de medida de la aptitud (0 a 255 bytes) Basado en: Eastman, 2012

La estandarización de factores varió de acuerdo al análisis de aptitud de cambio para cada categoría de uso del suelo, lo que demandó el uso de todas las formas de curvas de la función sigmoidal. De este proceso se obtuvo las cartas de aptitud de uso para la prospectiva al 2030. a) Los mapas criterio relativos a la probabilidad de cambio del uso de suelo bosque Los criterios explicativos que determinan la probabilidad de cambio del uso de suelo bosque, son aquellos que están en relación con su entorno inmediato y en parte con el carácter socioeconómico y político del territorio. Estos criterios que parten de un cuadro normativo son: los bosques mismos, los bosques protectores, los cuerpos de agua (río Nangaritza y lagunas), la red hídrica (ríos secundarios y quebradas), las áreas agropecuarias y las zonas antrópicas.

48

El MAE crea reglamentos ambientales para la conservación y manejo sostenible de los recursos naturales del Ecuador. Partiendo del artículo 1 del COA (MAE, 2017), se determinó que los criterios que influyen en la probabilidad de cambio del bosque se encuentran reglamentados, lo cual garantiza la regulación del aprovechamiento, conservación, protección y restauración de los recursos naturales como el bosque.

Además, el Art. 89 del COA establece que el patrimonio forestal nacional está compuesto por los bosques naturales y las tierras de aptitud forestal públicas o privadas, los que pueden ser aprovechados a partir de planes de manejo y programas de aprovechamiento y corta, manejados por el Sistema de Control Forestal (MAE, 2017). Sin embargo los planes, programas y licencias de aprovechamiento forestal sustentable no se dan tramite cuando sean Áreas Protegidas Nacionales, Bosques Protectores y cuando las áreas tienen una pendiente igual y mayor a 50 grados (MAE, 2010).

El MAE también ha implementado el "Programa Socio Bosque", que consiste en "la firma de acuerdos de conservación con los propietarios de bosques nativos, páramos u otra vegetación nativa, a cambio de lo cual les entrega un incentivo económico" (MAE, 2016b, p. 1). El convenio tiene una duración de 20 años. Con este programa el Ecuador ha logrado reducir la tasa de deforestación de 77 mil ha/año a 47 mil ha/año entre el 2008 y 2015 (MAE, 2016b). Así mismo el Programa Nacional de Forestación y Reforestación (PNFR) asegura la expansión de los bosques en el territorio nacional (MAE, 2013).

Con estos antecedentes, se validó el criterio de conservación, protección y restauración de la categoría bosque. En el supuesto que estos reglamentos y programas sean acatados, se asegura la probabilidad que el bosque se mantenga y también se regeneren las zonas aledañas a este. Las zonas aledañas más probables a convertirse en bosque pueden funcionar como una zona de amortiguamiento entre el uso bosque y el uso vecino, que en general son los usos de zonas agropecuarias y las zonas mineras.

La aptitud de cambio de la categoría bosque se midió según su distancia con respecto a la localización del sitio potencial: más cerca un sitio está de las entidades de la categoría bosque más él ve su probabilidad de convertirse en este uso o ejercer presión sobre él (Kedowide et al., 2011; Pinos‐Arévalo, 2016). Así se calcula la distancia a las entidades de 49

la misma naturaleza (bosque) (Mapa 12.1), que sirvió de base para la elaboración del mapa criterio estandarizado relativo a la distancia a la categoría bosque (Mapa 12.2).

La afectación del índice de aptitud (mapa criterio) sobre la distancia al bosque se definió: cómo aptitud fuertemente favorable a convertirse en bosque, el área que se encuentra hasta una distancia de 100 m, desde donde esta empieza a descender hasta estabilizarse a medida que se acerca a una aptitud nula a los 200 m desde donde la probabilidad de cambio seguirá siendo 0 (Figura 12). La función fue descrita por una curva monotónicamente decreciente cuyos valores de distancia corresponden a los puntos de inflexión c (100m) y d (200m) (Eastman, 2012). Estos valores fueron deducidos desde los resultados de las ganancias (208 has en 15 años) que los bosques han obtenido entre el periodo 2001 y 2016 más el factor de conservación y regeneración según la reglamentación ambiental.

12.1 Distancia al uso Bosque (m)

12.2 Factor Distancia al uso Bosque

Figura 12: Mapas criterio relativos a la distancia del uso bosque.

Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

Otro factor que influye sobre la aptitud del uso bosque es la presencia de los Bosques Protectores (el Zarza y el Cordillera del Cóndor) y sus zonas de amortiguamiento. El Art.37 del COA establece que las áreas protegidas son espacios prioritarios de conservación y desarrollo sostenible. Por lo tanto, los GAD (como el GAD cantonal de Paquisha) deben incorporar las áreas protegidas a sus herramientas de ordenamiento territorial (MAE, 2017). Este factor aumenta la probabilidad de que el uso bosque permanezca en este 50

estado en las áreas de la jurisdicción de los Bosques Protectores. Así como estos bosques incrementan la probabilidad de que el uso bosque se regenere en el caso de haber sido degradado.

Los Bosques Protectores se consideran como áreas con alta probabilidad a mantenerse como bosque, así como los sitios vecinos a convertirse en él. Estas áreas son consideradas, según el Art. 59 del COA, como zonas de amortiguamiento ambiental, las cuales reducen las presiones sobre los mismos. Sin embargo, estas áreas también tienen la probabilidad de deforestarse, pero esta deforestación puede ser controlada a partir de los planes y gestión de manejo de las zonas de amortiguamiento de Parques Nacionales y Bosques Protectores, definidos en el mismo art. del COA (MAE, 2017).

Así resulta el cálculo de la distancia a los bosques protectores (Figura 13.1) y a su vez la elaboración del mapa criterio estandarizado relativo a la distancia de aptitud probable (Figura 13.2). La afectación del índice de aptitud sobre la distancia a los Bosques Protectores se definió a partir del criterio que las áreas más probables de continuar en el uso bosque son la totalidad de las áreas de Bosques Protectores sumadas las áreas de las zonas de amortiguamiento de estos. La estandarización se describe dentro de una curva monotónicamente decreciente con sus puntos de inflexión para la aptitud más favorable hasta los 500 m (punto c), decreciendo hasta encontrar su valor nulo al llegar a los 1,000 m (punto d). Las distancias de las zonas de amortiguamiento se las define en base al Art. 59 del COA y a lo que establece el Plan de Manejo del Refugio de Vida Silvestre El Zarza (MAE, 2017; MAE, Fundación NATURA, Conservación Internacional, ITTO y PBDRF Ecuador‐Perú, 2005).

51

13.1 Distancia a Bosques Protectores

13.2 Factor Distancia a Bosques Protectores

Figura 13: Mapas criterio relativos a la distancia a los bosques protectores.

Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

Los factores relativos a los cuerpos de agua y red hídrica son una influencia para el crecimiento del uso bosque porque existen las franjas de protección de estas variables que son zonas de amortiguamiento frente a riesgos potenciales a inundaciones, deslizamientos y contaminación. Estas áreas pueden ser valorizadas y presentan una oportunidad para establecer el corredor ecológico de la cuenca hidrográfica del Nangaritza y sus afluentes. La cuenca hidrográfica del río Nangaritza presenta un grado de vulnerabilidad alto por riesgos antrópicos en más del 43% de su superficie, lo que aumenta la exposición a riesgos antes mencionados (López et al., 2013).

En este caso estas áreas son controladas y se usan para aumentar la probabilidad de regenerarse en bosque, considerando el Art. 61 del COA sobre las servidumbres ecológicas obligatorias de las riveras de los cuerpos de agua y la Ordenanza de Protección de Microcuencas y Zonas no Urbanizables del cantón Paquisha. Ordenanza que estipula que las franjas de protección deben ser: en los ríos de 50m a cada lado, contados desde las orillas; en las quebradas de 15m y en las lagunas de 30m (GAD del Cantón Paquisha, 2014).

De estas premisas se desprenden los factores distancia a cuerpos de agua (río Nangaritza y lagunas), y la distancia a la red hídrica (ríos secundarios y quebradas). La definición de estos dos factores se la realiza en base a la ordenanza municipal de la protección de 52

microcuencas y zonas no urbanizables. El tratamiento de estos dos factores se realizó capa por capa. De lo que resultan el cálculo de las distancias a los cuerpos de agua y a la red hídrica (Figura 14.1, 14.3) y a su vez los mapas criterio estandarizados relativos a la distancia de cada uno de ellos según ordenanza municipal (Figura 14.2, 14.4).

El proceso de estandarización se describe dentro de una curva sigmoidal simétrica, por tratarse de superficies de agua, las cuales se consideran con aptitud nula a convertirse en bosque, pero su aptitud crece en las orillas, manteniéndose hasta los 50m o 30m establecidos por la ordenanza y comienzan a decrecer hasta encontrar su aptitud cero.

Los puntos de inflexión en los dos casos son cuatro (Eastman, 2012). Para los cuerpos de agua la aptitud más favorable se define entre 1 a 50m (b, c), decreciendo a cada lado hasta los 0 y 100m (a, d) respectivamente, encontrando su aptitud nula. La distancia a la red hídrica, los puntos de inflexión para la aptitud más favorable se definen entre 1 a 30m (b, c) decreciendo a cada lado hasta los 0 y 60m (a, d) en donde la aptitud es nula.

14.1 Distancia al Uso Cuerpos de Agua

14.2 Factor Distancia al Uso Cuerpos de Agua

53

14.3Distancia a la Red Hídrica

14.4Factor Distancia a la Red Hídrica

Figura 14: Mapas criterio relativos a la distancia a los cuerpos de agua y a la red hídrica.

Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

Los factores relativos a la distancia a áreas agropecuarias y zonas antrópicas son criterios que favorecen la asignación de áreas para el uso del bosque, desde la perspectiva que los bosques se introduzcan en las áreas de pastizales abandonados y formen limitantes a la expansión de la frontera agrícola. Se considera, además los bosques como zonas de amortiguamiento, los cuales favorecen la reducción del efecto Isla de Calor dentro y alrededor de las zonas antrópicas. Lo que define a estas áreas como blancos para acoger el uso bosque. Estos factores se apoyan sobre el Art. 152 del COA que reconoce como de interés público la introducción de los árboles en las zonas urbanas para promover el desarrollo sustentable sobre estas. Determina que los GAD Metropolitanos o Municipales deben incluir esta actividad en la planificación territorial (MAE, 2017).

La estandarización se describe dentro de una curva sigmoidal decreciente. Para las áreas agropecuarias se definen los puntos de inflexión para la aptitud más favorable hasta 50m (punto c) decreciendo hasta los 100m (d) encontrando su aptitud nula. Para la distancia a las zonas antrópicas, los puntos de inflexión para la aptitud más favorable se definen hasta 200m (punto c) decreciendo hasta 300m (punto d) en donde la aptitud es nula. Los valores son supuestos, el COA determina que deben existir las zonas de amortiguamiento ambiental y las servidumbres ecológica como colindantes de las zonas de expansión urbana y en las zonas agropecuarias en sus Art. 59 y 89 pero no define dimensiones. Así resultó el cálculo de la distancia a las áreas agropecuarias y a las zonas antrópicas (Figura 15.1, 15.3) y los mapas criterios estandarizados de las dos variables (Figura 15.2, 15.4).

54

15.1 Distancia al Uso Áreas agropecuarias

15.3 Distancia al Zonas antrópicas

15.2 Factor Distancia al Uso Áreas agropecuarias

15.4 Factor Distancia al Zonas antrópicas

Figura 15: Mapas criterio relativos a la distancia al Áreas agropecuarias y al Zonas antrópicas.

Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

b) Los mapas criterio relativos a la probabilidad de cambio del uso de suelo minería La actividad minera es considerada por el Estado Ecuatoriano de Utilidad Pública e Interés Nacional Prioritario y está regulada por las disposiciones establecidas en el Mandato Minero Nº 6 de abril de 2008, la Constitución de la República del Ecuador, así como por la Ley de Minería y su Reglamento (Constitución de la República del Ecuador, 2008; Ley de Minería, 2009).

Sin embargo, en la RAE cualquier área de interés minero representa para los ecosistemas y las poblaciones locales una amenaza de magnitud e intensidad extremas, principalmente por los daños irremediables a los mismos recursos naturales (suelos, 55

cuerpos de agua y servicios hídricos). La afectación puede llegar a ser crítica para las unidades hidrográficas donde los efectos de la operación minera se magnifican por escala y nivel de impacto. Los impactos ambientales que ocasiona la actividad minera son varios, sobreexplotación de recursos naturales, generación de desechos contaminantes, contaminación de fuentes de agua, afectación al paisaje, entre otros, esto sumado a efectos sociales (repercusiones en la salud humana, pérdida de prácticas tradicionales de subsistencia, conflictos socioambientales y otros) (López et al., 2013).

Según el PDOT, entre las principales actividades económico‐productivas del cantón, se encuentra la actividad minera (21%), detrás de la actividad agropecuaria (41%). En consecuencia, en el PDOT, esta actividad es considerada dentro de la planificación territorial, como un factor económico para el desarrollo del cantón, pero con el fomento de una cultura ambiental y participativa (GAD del Cantón Paquisha, 2015).

Por lo tanto, entre los criterios puntuales para establecer las probabilidades de cambio del uso minería, está el de establecer como perennes las áreas ya existentes y controlar el incremento de la superficie de las mismas, las cuales hasta ahora se han identificado como áreas en crecimiento desordenado fuera de la ley. Un control que prioriza el resguardo de las zonas ligadas a los recursos hídricos, forestales y zonas urbanas.

En este caso los criterios que determinan la probabilidad de cambio del uso minería son la distancia a las entidades de la misma clase, al bosque, a las zonas antrópicas, a los cuerpos de agua y a la red hídrica.

La distancia a las entidades de la misma clase (minería) (Mapa 16.1 y 16.2), puesto que las áreas vecinas son fuertemente propensas a convertirse en parte de este uso, en especial por las adjudicaciones vigentes de concesiones mineras que entrega el estado y que aumenta la probabilidad de cambio del uso minería (ARCOM, 2014). El Art. 31 de la ley minera dispone el otorgamiento de concesiones mineras, en donde el titular tiene el derecho a prospectar, explorar, explotar, beneficiar y otras actividades (Ley de Minería, 2009).

56

La distancia al bosque (Mapa 16.3), identifica al bosque como un recurso potencial a resguardar, lo que establece una menor probabilidad de convertirse en uso minero. El Art. 407 de la Constitución estipula la prohibición de actividades extractivas de recursos no renovables en las áreas protegidas y en zonas declaradas como intangibles, incluida la explotación forestal (Constitución de la República del Ecuador, 2008).

La distancia a las zonas antrópicas (zonas urbanas) (Mapa 16.4), para evitar la contaminación acústica y del aire, incluido el riesgo al impacto negativo sobre la salud de los habitantes. El Art. 54 del COA prohíbe todo tipo de minería metálica en cualquiera de sus fases, en áreas protegidas, centros urbanos y zonas intangibles (MAE, 2017).

La distancia a los cuerpos de agua (rio Nangaritza y lagunas) (Mapa 16.5) y a las redes hídricas (ríos secundarios y quebradas) (Mapa 16.6), con el fin de prevenir el riesgo de contaminación de estas cuencas. Estos criterios son estandarizados según las ordenanzas de Protección de Microcuencas y Zonas no Urbanizables del cantón Paquisha (GAD del Cantón Paquisha, 2014) Se calcula la distancia de cada uno de los criterios, a excepción de aquellos ya creados en la etapa de evaluación de la categoría bosque, y se crean los mapas de los factores estandarizados relativos a los criterios definidos (Figura 16). La estandarización de los dos factores se describe en una curva sigmoidal decreciente o creciente de acuerdo a cada criterio (Figura 16).

57

16.1 Distancia al Uso Minería

16.3 Factor distancia al bosque Curva creciente‐Puntos de inflexion: a: 300, b: 2069

16.2 Factor distancia la Uso Minería Curva decreciente‐Puntos de inflexion: c: 50, d: 100

16.4 Factor distancia al Zonas antrópicas Curva creciente‐Puntos de inflexion: a: 1000, b: 3000

16.5 Factor distancia a los cuerpos de agua 16.6 Factor distancia a la red hídrica Curva creciente ‐ Puntos de inflexion: a: 300, b: 600 Curva creciente‐ Puntos de inflexion: a: 300, b: 600 Figura 16: Mapas criterio relativos al uso Minería Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

58

c) Los mapas criterio relativos a la probabilidad de cambio del uso de suelo áreas agropecuarias El uso de suelo áreas agropecuarias, es una superficie que muestra la principal actividad económico productiva del cantón (41%) (GAD del Cantón Paquisha, 2015). Sin embargo, es necesario controlar su expansión desordenada y dar paso a la regeneración de las superficies invadidas por este uso. Estas son las zonas de protección de ríos, quebradas y lagunas, que según las ordenanzas y el COA son zonas de amortiguamiento para la protección de las cuencas hídricas y la protección a riesgos de inundaciones (GAD del Cantón Paquisha, 2014; MAE, 2017). Así se definieron los factores que motivan o reducen los cambios del uso del suelo de las áreas agropecuarias. Estos factores son los relativos a la distancia a las mismas entidades (áreas agropecuarias), a los cuerpos de agua y red hídrica y a la pendiente.

La distancia a las mismas entidades (Mapa 17.3), son las áreas con mayor probabilidad a permanecer en el mismo uso, y las zonas aledañas que tienden a convertirse en este por expansión, lo cual se puede controlar para evitar la presión sobre la categoría bosque.

En la relatividad a la pendiente (Mapa 17.1 y 17.2), la probabilidad de que los pastizales se expandan se controló de acuerdo al tipo de pendiente del territorio. El PDOT de la Provincia de ZCh, considera los suelos con pendientes menores a 25% cómo muy aptos para las actividades agropecuarias, fuera de ese rango los terrenos son excluidos por presentar riesgos a deslizamientos y erosión (GAD provincial de Zamora Chinchipe, 2015).

La distancia a los cuerpos de agua (Mapa 17.4) y las redes hídricas (Mapa 17.5) cuyas zonas de protección deben ser cubiertas de bosque para prevenir riesgos según la ordenanza de Protección de Microcuencas y Zonas no Urbanizables (GAD del Cantón Paquisha, 2015).

Los cálculos de las distancias de criterios antes desarrollados son usados en este proceso y se calcula la pendiente. Se crean los mapas de los factores estandarizados relativos a los criterios definidos. La estandarización de los factores se describe en una curva sigmoidal decreciente o creciente según el caso (Figura 17).

59

17.1 Pendiente

17.3 Factor distancia al uso Áreas agropecuarias Curva decreciente ‐ Puntos de inflexión: c: 0, d: 50

17.2 Factor relativo a la pendiente Curva decreciente ‐ Puntos de inflexión: c: 15, d: 30

17.4 Factor distancia a cuerpos de agua Curva creciente ‐ Puntos de inflexión: a: 50, b: 100

Curva creciente Puntos de inflexion: a: 30, b: 60

17.5 Factor distancia a la red hídrica Figura 17: Mapas criterio relativos al uso Áreas agropecuarias Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

60

d) Los mapas criterio relativos a la probabilidad de cambio del uso de suelo zonas antrópicas Las zonas antrópicas, se definen principalmente por las zonas urbanas y son uno de los usos con mayor probabilidad de crecimiento dentro un territorio, pero en el presente caso no lo es. Aunque se haya notado una expansión de las zonas urbanas entre el año 2001 y el 2016, esta expansión se da sobre una trama urbana discontinua, es decir, dentro del perímetro urbano definido hasta el 2015 la densidad llega a solamente 12 habitantes por hectárea (GAD del Cantón Paquisha, 2015). La densidad urbana se muestra débil, lo que demuestra que no es necesario ampliar el perímetro urbano en los 14 años que vienen (hasta el 2030). Así se puede controlar la expansión urbana y aprovechar el perímetro urbano existente para lograr una mayor densificación sin necesidad de causar presión sobre la frontera agrícola o forestal.

Hasta el 2016 las zonas urbanas no se presentan como un uso que provoque presiones sobre los bosques, pero se ha identificado que se urbaniza en zonas de alto riesgo a inundaciones y deslizamientos como sobre las zonas de protección de ríos, quebradas y lagunas, lo que ha provocado la eventual tala del bosque.

Los criterios, así definidos como potenciales a determinar la probabilidad de cambio de las zonas antrópicas son la distancia a las mismas entidades (zonas antrópicas), a las áreas agropecuarias, a los cuerpos de agua y redes hídricas, a la red vial y la pendiente.

La distancia a las mismas entidades (Mapa 18.1), mientras más próximo un sitio se encuentre del uso, más probable es su expansión. Las áreas existentes son las más probables a permanecer en el mismo uso, cómo lo demuestra el capítulo de evaluación de cambios entre el año 2001 y 2016.

La distancia al uso áreas agropecuarias (Mapa 18.2) determina las áreas más propensas a la expansión urbana, puesto que las áreas agropecuarias son las que en su mayoría comparten frontera con las zonas antrópicas y en una futura expansión son las áreas más propensas a evolucionar como zonas urbanas.

61

Mientras la pendiente (Mapa 18.3) sea mayor a 30% menos probable es que se expandan las zonas urbanas, puesto que se exponen a riesgos como los deslizamientos. Este criterio es definido en base a la ordenanza municipal según Art. 22, capítulo IV que define el área no urbanizable como el suelo que debe ser protegido por sus características naturales por exposición a riesgos y por el grado de pendiente (GAD del Cantón Paquisha, 2014).

Distancia a la red vial (Mapa 18.4 y 18.5), más cerca de vías y caminos más probable es que se urbanice por la facilidad de transporte y conexión con otras ciudades. Sin embargo, de acuerdo a la ley de caminos se permite construir cerramientos a partir de los 25m contados desde el eje de la vía, y se autoriza edificar viviendas al margen de los 30m contados desde el eje de la carretera hacía cada uno de los lados (MTOP, 2012). Por lo tanto se restringe la probabilidad de expansión de la zonas antrópicas sobres estas áreas.

La distancia a los cuerpos de agua y a la red hídrica; más cerca a la red hídrica y cuerpos de agua, menos probable es la expansión de las zonas antrópicas. Por el hecho de ser sitios a riesgo de inundaciones, como lo estipula el Art. 22, de las ordenanzas municipales (GAD del Cantón Paquisha, 2014).

Las distancias calculadas en su mayoría son las mismas usadas en los mapas criterios anteriores, por lo que en este caso se estandarizan y obtienen los mapas criterios de los factores faltantes y que para los cuales se estipulan factores específicos. Al igual que en la definición de los criterios anteriores, la estandarización de los factores se describe dentro de una curva sigmoidal decreciente o creciente según el caso (Figura 18).

62

18.1 Factor distancia a las zonas antrópicas Curva decreciente ‐ Puntos de inflexion: c: 0, d: 100

18.2 Factor distancia a las áreas agropecuarias Curva decreciente ‐ Puntos de inflexion: c: 0, d: 100

18.3 Factor pendiente Curva decreciente Puntos de inflexión: c: 20, d: 30

18.4 Distancia a la red vial

18.5 Factor distancia a la red vial Curva creciente ‐ Puntos de inflexión: a: 30, b: 50 Figura 18: Mapas criterio relativos a las zonas antrópicas.

Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

63

3.5.4.3 Las restricciones espaciales Sobre la base de la información a disposición, de la jerarquización y de la categorización, se han identificado varias capas de restricciones que reagrupan todas las formas de imposibilidad impuestas por los diferentes parámetros. Los sitios a excluir se definieron en 6 restricciones, las cuales se integran al análisis de acuerdo a cada caso de uso de suelo. Estas se muestran en resumen en la Tabla 4 y Figura 19.

USOS DE SUELO

RESTRICCIONES

BOSQUE

MINERIA

Bosque Bosques Protectores Cuerpos de agua Red hídrica Red vial Zonas antrópicas

Restricción Restricción Restricción

Restricción Restricción Restricción Restricción Restricción Restricción

ÁREAS AGROPECUARIAS Restricción Restricción Restricción Restricción Restricción

ZONAS ANTRÓPICAS Restricción Restricción Restricción Restricción Restricción

Tabla 4: Conjunto de restricciones y su aplicación de acuerdo a cada uso de suelo

Los criterios que se consideraron para su aplicación se determinaron de acuerdo con: Las restricciones aplicadas al uso de suelo bosque, fueron aquellas relacionadas con la red vial, las redes hídricas y los cuerpos de agua debido a que son áreas construidas o naturales con funciones bien definidas (Pérez et al., 2011).

En el caso del uso de suelo minería, se aplicaron todas las restricciones. La red vial se aplicó por ser un área construida definida, las zonas antrópicas para limitar las molestias e impactos sobre la salud de los habitantes, y las que restan por el hecho de ser recursos naturales a resguardar de actividades contaminantes que amenacen la destrucción irreversible de los mismos. Restricciones estipuladas en el Art. 54 del COA (MAE, 2017).

En el uso de suelo áreas agropecuarias, se aplican 5 restricciones, las que tienen que ver con la red vial, la red hídrica, los cuerpos de agua, el uso bosque y los bosques protectores. Estas dos últimas restricciones se integran para limitar la expansión del uso de suelo de áreas agropecuarias, ya que hasta el 2016, este ha sido el uso que causa mayor presión sobre el uso bosque y los bosques protectores. El COA en su Art. 94 dispone la conservación de la cobertura vegetal prohibiendo los usos agropecuarios en las áreas del Patrimonio Forestal Nacional y otros (MAE, 2017).

64

Las restricciones aplicadas a las zonas antrópicas son las mismas aplicadas al uso de suelo áreas agropecuarias. Aunque las áreas urbanas no han ejercido presión sobre los bosques, se limita su expansión sobre ellos.

Las restricciones, así, se enmarcan dentro de un cuadro normativo como el de la Constitución según el Cap. II, numeral 12, Art. 19 en donde considera "como un derecho de los ciudadanos la existencia de un medio libre de contaminación y señala, como un deber del estado, la preservación de la naturaleza" (Constitución de la República del Ecuador, 2008).

Tomar en cuenta estas restricciones condujo a la obtención de los mapas booleanos (Figura 19) que ocultan los sitios en donde la ocupación de suelo de cierta categoría está restringida. El color en negro muestra las áreas restringidas al cambio de acuerdo al uso de suelo aplicado y el color magenta muestra lo contrario (Maestripieri y Paegelow, 2013).

Restricción Bosque

Restricción Red Hídrica

Restricción Bosques Protectores

Restricción Red Vial

Restricción Cuerpos de agua

Restricción Zonas Urnanas

Figura 19: Mapas de restricciones

65

3.5.4.4 Ponderación de factores, comparación por pares Esta etapa determina los pesos de los factores en juego y se realizó según el enfoque de comparación por pares de Saaty (Eastman, 2012). Las comparaciones se refieren a la importancia relativa de un factor con respecto a otro para la determinación de su peso. La función muestra nuevos pesos y sus radios de inconsistencia. Este último informa sobre las eventuales inconsistencias que aparecen durante la comparación. Esta técnica implementada en IDRISI dentro del módulo Weight, es utilizada para desarrollar el lote de pesos factoriales a considerar en la agregación de factores. La ponderación por comparación por pares de factores se basa en la teoría del AHP. Los pesos factoriales resultantes se formulan dentro de una matriz cuadrada recíproca. Esta metodología ha fijado una escala continua de nueve puntos (Tabla 5), en la cual, por ejemplo, si se considera que A es mucho más importante que B se debe ingresar un 7 de esta escala. Si ocurre lo contrario uno debe ingresar 1/7 (Eastman, 2012).

1/9

1/7

1/5

1/3

1

3

5

7

9

Sumamente

Muy fuertemente

Fuertemente

Moderadamente

Igualmente

Moderadamente

Fuertemente Sumamente

Muy fuertemente

sumamente

Menos importante

Más importante

Tabla 5: Escala de posición continua, según la técnica de Saaty Basado en: Eastman, 2012

Este proceso se realizó para cada uno de los usos de suelo objetivo, con el fin de obtener los pesos finales y así construir los mapas de aptitud en el proceso siguiente. En cada paso se valorizan los factores, para controlar el crecimiento de un uso específico (Tabla 6).

Uso Bosque Factor Peso (%) Distancia al Áreas agropecuarias 5,17 Distancia al Zonas antrópicas 5,65 Distancia a los cuerpos de agua 20,08 Distancia a la red hídrica 21,79 Distancia a los bosques protectores 23,65 Distancia al uso Bosque 23,65 Uso Áreas agropecuarias Factor Peso (%) Distancia al Áreas agropecuarias 5,96 Distancia a los cuerpos de agua 21,68 Distancia a la red hídrica 21,68 Pendiente 50,68

Zonas antrópicas Factor Distancia al Zonas antrópicas Distancia al Áreas agropecuarias Distancia a la red vial Pendiente Distancia a la red hídrica Distancia a los cuerpos de agua Uso Minería Factor Distancia al uso minería Distancia al Zonas antrópicas Distancia a la red hídrica Distancia a los cuerpos de agua Distancia al uso Bosque

Peso (%) 2,53 6,30 13,95 21,59 27,82 27,82 Peso (%) 5,29 12,71 25,99 28,01 28,01

Tabla 6: Pesos de los factores obtenidos según la comparación por pares

66

3.5.4.5 Agregación de criterios y elaboración de los mapas de aptitud de cambio En cuanto a técnicas de agregación de criterios, materia de conducción de la EMC, se pueden combinar mediante tres tipos de análisis: análisis booleano, Combinación Lineal Ponderada (CLP) y por un Promedio Ponderado Ordenado (Ordered Weighted Averaging ‐ OWA).

En este caso se puso en obra el enfoque OWA que utiliza un concepto flexible para delimitar las zonas aptas o no y para definir el límite entre ellas, al contrario del análisis booleano que recurre a una decisión cortante (Eastman, 2012). Para cada caso de uso de suelo, se combinaron los factores enmascarados en las restricciones para obtener los mapas de aptitud para cada uno de ellos. Un proceso posible dentro del módulo MCE de IDRISI. En los siguientes mapas (Figura 20), se puede identificar el potencial de cambio para cada uso de suelo. La leyenda muestra que los valores bajos (más cercanos al color negro) representan las áreas con menos predisposición al cambio, mientras que los valores cercanos a 255 (color magenta) muestran aptitudes altas al cambio.

Bosque

Minería

67

Áreas agropecuarias

Zonas antrópicas

Figura 20: Mapas de aptitud para los usos de suelo Bosque, Minería, Áreas agropecuarias y Zonas antrópicas Escala de medida de peretenecia de baja 0 en negro, a alta 255 en magenta

3.5.4.6 Asignación espacial de probabilidades predichas Al módulo CA_Markov se integran, la matriz de áreas de transición resultado del proceso del ACM de la etapa del escenario prospectivo tendencial, los mapas de aptitud de cada uno de los usos (Figura 20) y el mapa de usos del suelo del último año de análisis (2016).

Este proceso que involucra la asignación espacial de las probabilidades markovianas integra el conocimiento sobre la repartición probable del uso del suelo (EMC), la EMO tomando en cuenta los objetivos concurrentes (cada uso de suelo es un objetivo) y un AC, basado sobre un filtro de contigüidad espacial.

Este proceso da como salida un mapa prospectivo del uso del suelo probable dentro de un contexto normativo al 2030 (Maestripieri y Paegelow, 2013).

68

4

RESULTADOS Y DISCUSIÓN

4.1 4.1.1

RESULTADOS CARTOGRAFÍA DEL USO DEL SUELO DE LOS AÑOS 2001 Y 2016

Los resultados del uso del suelo en el año 2001 y 2016 se muestran en la Tabla 7 y las Figuras 21 y 22. De los productos obtenidos, se puede notar de manera general que, de la superficie total que conforma el cantón Paquisha, en el 2001 el 85.62% eran bosques, mientras que el 12.47% estaba ocupado por áreas agropecuarias; siendo las superficies de cuerpos de agua, minería, otras áreas y zonas antrópicas poco representativas (0.94%; 0.13%; 0.72% y 0.12% respectivamente).

CATEGORIA Bosque

2001 (ha) % 2001 2016 (ha) % 2016 29,343.68

85.62

25,597.84

74.69

Cuerpos de agua

321.14

0.94

273.85

0.80

Minería

43.01

0.13

474.04

1.38

4,274.51

12.47

7,471.19

21.80

Otras áreas

246.75

0.72

248.74

0.73

Zonas antrópicas

42.01

0.12

205.43

0.60

34,271.10

100

34,271.10

100

Áreas agropecuarias

TOTAL

Tabla 7: Superficies y porcentajes de los usos del suelo de los años 2001 y 2016

En relación a los datos registrados en el año 2016 y en un intervalo de 15 años, se tiene que las superficies de uso destinadas a bosques han disminuido ligeramente al 74.69%, mientras que el uso de áreas agropecuarias ha aumentado al 21.80%, al igual que las superficies de los otros usos como las zonas de actividad minería y las zonas antrópicas (1.38% y 0.60% respectivamente).

69

Figura 21: Mapa de uso del suelo del cantón Paquisha en el año 2001

70

Figura 22: Mapa de uso del suelo del cantón Paquisha en el año 2016

71

4.1.2

EVOLUCIÓN DEL CAMBIO EN EL USO DEL SUELO ENTRE LOS AÑOS 2001 Y 2016

Los resultados obtenidos a partir del análisis de la evolución del cambio en el uso del suelo entre los años 2001 y 2016 se presentan de manera general en la Tabla 8 y Figura 23. Estos primeros resultados muestran el cambio neto producto de la tabulación cruzada entre los datos de los años en cuestión. Se nota que, en el lapso de 15 años, los bosques han experimentado disminución en sus superficies (‐12.77%) respecto a la superficie que tenían en el 2001. Mientras que las superficies que han aumentado fuertemente son el caso de la minería (+1,002%) y las zonas antrópicas (+389%), así como también de manera considerable el uso áreas agropecuarias (+74.78%). Igualmente se nota una disminución en las áreas de los cuerpos de agua (‐14.73%).

CATEGORIA Bosque Cuerpos de agua Minería Áreas agropecuarias Otras áreas Zonas antrópicas

2001 (ha) 2016 (ha)

% sobre total 2001

29,343.68 25,597.84

85.62

74.69

‐3,745.84

Incremento sobre 2001 (%) ‐12.77

% sobre total 2016

2016 ‐ 2001 (ha)

321.14

273.85

0.94

0.80

‐47.29

‐14.73

43.01

474.04

0.13

1.38

431.04

1,002.24

4,274.51

7,471.19

12.47

21.80

3,196.68

74.78

246.75

248.74

0.72

0.73

1.99

0.81

42.01

205.43

0.12

0.60

163.42

389.01

TOTAL 34,271.10 34,271.10 100 100 Tabla 8: Cambios en los principales usos del suelo en el cantón Paquisha entre el año 2001 y 2016

En la cartografía resultante de este primer análisis derivado de la matriz de tabulación cruzada, se nota que el 86% del territorio se mantuvo estable, mientras que el 14 % del territorio experimentó cambios (Figura 23).

72

Figura 23: Cambios y Persistencias entre categorías (2001 y 2016)

73

La matriz de cambios producto de la tabulación cruzada de los usos del suelo entre 2001 y 2016 (Tabla 9) muestra la superficie que ocupa cada una de las categorías en las dos fechas de estudio, así como también expone las persistencias, los intercambios entre éstas, las ganancias y las pérdidas totales para cada una de ellas. La diagonal principal de la matriz muestra las superficies que han persistido entre el 2001 al 2016, persistencias superiores a las áreas que han experimentado cambios. Pero, la matriz revela a detalle, por cada categoría, el cálculo de las pérdidas y ganancias mostrando así los cambios sufridos por categoría, cambios que, en la mayoría de los usos de suelo, se evidencian en pérdidas y ganancias a la vez. Es decir, las categorías han perdido superficie en una determinada zona y a la vez han ganado superficie en otra zona distinta.

Se nota entonces que mientras la categoría bosque ha perdido 3,954 has en ciertas zonas esta ha ganado 208 has en otras. No obstante, la ganancia es mínima mientras que las pérdidas de este uso lo convierten en el uso que más superficie ha perdido (3,746 has).

Las áreas agropecuarias en cambio han perdido 532 has mientras que han ganado 3,729 has, convirtiéndose en la categoría de uso de suelo que más ha ganado en superficie. En menor escala ha sufrido pérdidas en 5 has la minería, no obstante, ésta ha ganado 436 has, de las cuales 245 has provienen del uso bosque. Así mismo, las zonas antrópicas han perdido 1 ha y han ganado 165 has de las cuales la mayoría provienen del uso de las áreas agropecuarias, lo que indica que las zonas urbanas se extienden sobre la frontera agrícola, más que sobre el bosque. Finalmente, los cuerpos de agua se muestras dinámicos entre pérdidas (165 has) y ganancias (118 has) de superficie.

2016

TOTAL 2001

Bosque

25,389.80

66.48

245.20

Áreas agropecu arias 3,614.64

Cuerpos de agua Minería

1.35

155.99

50.30

112.96

0

0.54

321.14

165.15

5.22

0

37.79

0

0

0

43.01

5.22

Áreas agropecuarias Otras áreas

201.21

51.29

140.75

3,742.56

0

138.71

4,274.51

531.95

0

0

0

0

246.75

0

246.75

0

Zonas antrópicas

0.27

0.09

0

1.03

0

40.62

42.01

1.39

TOTAL 2016

25,597.84

273.85

474.04

7,471.19

248.74

205.43

34,271.10

Ganancias

208.04

117.86

436.25

3,728.63

1.99

164.81

2001

CATEGORIAS

Bosque

Cuerpos de agua

Minería

Otras áreas

Zonas antrópicas

Perdidas

1.99

25.56

29,343.68

3,953.88

Tabla 9: Matriz de Cambios de usos del suelo en el cantón Paquisha, producto de la tabulación cruzada de los mapas 2001‐2016. Tabla medida en Hectáreas.

74

Como resultado de los pormenores de la matriz de cambios (Tabla 9), se ha podido identificar que el territorio ha experimentado 17 transiciones entre categorías (Tabla 10).

1 2 3 4 5 6 7 8 9

De Bosque a Cuerpos de Agua 10 De Minería a Bosque De Bosque a Minería 11 De Áreas agropecuarias a Bosque De Bosque a Áreas agropecuarias 12 De Áreas agropecuarias a Cuerpos de agua De Bosque a Otras áreas 13 De Áreas agropecuarias a Minería De Bosque a Zonas antrópicas 14 De Áreas agropecuarias a Zonas antrópicas De Cuerpos de agua a Bosque 15 De Zonas antrópicas a Bosque De Cuerpos de agua a Minería 16 De Zonas antrópicas a Cuerpos de agua De Cuerpos de agua a Áreas agropecuarias 17 De Zonas antrópicas a Áreas agropecuarias De Cuerpos de Agua a Zonas antrópicas

Tabla 10: Transiciones entre categorías del 2001 y 2016

En la tabla resumen resultante (Tabla 11), se puede notar la diferencia entre el cambio neto y el cambio total por categoría. El cambio total es superior al cambio neto, debido a que el cambio neto es el resultado de la diferencia entre el 2016 y el 2001, mientras que el cambio total es la suma de las ganancias y las pérdidas por categoría.

Es así que la categoría de áreas agropecuarias resultó como la categoría que ha experimentado el mayor cambio territorial (4,261 has), a diferencia de lo que muestra el cambio neto (3,197 has), una cifra un tercio menor. Así también la categoría Bosque presenta un cambio total importante (4,162 has). Finalmente, en menor grado, las

Cambio Total (Dtj)

25 390

208

3 954

321

274

‐47

156

118

165

236

47

283

Minería

43

474

431

38

436

5

10

431

441

7 471

3 197

3 743

3 729

532

1 064

3 197

4 261

249

2

247

2

0

0

2

2

163 7 586

166 9 315

Áreas agropecuarias 4 275 Otras áreas 247 Zonas antrópicas TOTAL

Perdidas

Intercambio (Sj)

29 344 25 598 ‐3 746

Cuerpos de agua

Superficie 2016

Bosque

CATEGORIA

Superficie 2001

Ganancias

4 162

Persistencias

3 746

Diferencia entre 2016 ‐ 2001

Cambio Neto (Dj)

categorías de minería, cuerpos de agua y zonas antrópicas.

416

42 205 163 41 165 1 3 34 271 34 271 29 614 Tabla 11: Valores de transición entre categorías en hectáreas.

75

4.1.3

ESCENARIOS PREDICTIVOS DEL CAMBIO EN EL USO DEL SUELO AL AÑO 2030

Entre los resultados del ACM procesado en el módulo Markov, resultó la matriz del área de transición de cambio de uso de suelo en pixeles. Esta matriz fue transformada de pixeles a hectáreas, para la interpretación de sus resultados (Tabla 12). En la matriz, los valores en la diagonal principal (marcados en negrita) representan las superficies que se mantienen estables entre 2016 y 2030. Los valores de las filas representan las superficies de intercambio entre las categorías de uso de suelo, en tanto que las columnas representan las áreas modeladas con Markov al 2030. La matriz determina como han sido afectados los usos del suelo y por qué usos de suelo entre el 2016 al 2030, lo que facilitó la obtención del escenario predictivo tendencial al 2030.

2016

2030

22,297

Cuerpos Áreas Otras Minería de agua agropecuarias áreas 0 199 3,084 0

Zonas TOTAL antrópicas 2016 18 25,598

Cuerpos de agua

0

274

0

0

0

0

274

Minería

66

0

408

0

0

0

474

Áreas agropecuarias 409

0

230

6,593

0

239

7,471

Otras áreas

0

0

0

0

249

0

249

Zonas antrópicas

0

0

0

8

0

197

205

CATEGORIAS

Bosque

Bosque

TOTAL 2030 22,772 274 837 9,684 249 454 34,271 Tabla 12: Matriz de áreas de transición al 2030 en hectáreas, derivada de mapas de uso de suelo 2001 y 2016 a través del ACM

En la cartografía resultado notamos que el primer escenario, el tendencial al 2030 (Figura 24) muestra una fuerte tendencia a la expansión de los usos, zonas agropecuarias, minería y zonas antrópicas, a excepción de los cuerpos de agua y otras zonas, mientras que el uso bosque se reduce, con respecto a los años 2001 y 2016. El escenario evidencia que la categoría minería tiende a localizarse al norte del territorio de manera dispersa.

Por el contrario, el escenario normativo al 2030 (Figura 25) muestra un grado de similitud con el mapa de los usos de suelo del año 2016, a excepción de la parte noreste del territorio en donde se localizan los bosques protectores notándose la desaparición de cierta área de la categoría zonas agropecuaria la cual es reemplazada por la categoría bosque. Las áreas de minería se muestran en cambio con cierta similitud a las del escenario tendencial.

76

Figura 24: Modelo predictivo Tendencial al año 2030 del Cantón Paquisha.

77

Figura 25: Modelo predictivo Normativo al año 2030 del Cantón Paquisha.

78

En el análisis estadístico por categoría con base en el 2016 y las proyecciones al año 2030 del escenario tendencial muestran una fuerte aumentación de la superficie de las zonas antrópicas en más del doble y de la minería en tres cuartos (442 has ‐ 115% y 834 has ‐ 76%, respectivamente). En esta misma línea las áreas agropecuarias aumentan en 2,213has (30%), mientras que el uso bosque disminuye un 11%, es decir 2,810 ha (Tabla 13).

Por el contrario, el escenario normativo al 2030 con respecto del 2016 muestra que la categoría de áreas agropecuarias se reduce en 371has (5%) al contrario del uso de la actividad minera que aumenta en 276has (58%). Mientras que en menor representatividad las zonas antrópicas aumentan en 5has (2%) así como también el uso

TOTAL

Incremento sobre el 2016 Tendencial (%)

Incremento sobre el 2016 Normativo (%)

Zonas antrópicas

Diferencia 2030 ‐ 2016 Normativo

Áreas agropecuarias Otras áreas

Diferencia 2030 ‐ 2016 Tendencial

Minería

Superficie 2030 Normativo

Cuerpos de agua

Superficie 2030 Tendencial

Bosque

Superficie 2001

CATEGORIA

Superficie 2016

bosque en 90 has (0,4%) (Tabla 13).

29,344

25,598

22,788

25,688

‐2,810

90

‐11

0.35

321

274

274

274

0

0

0

0

43

474

834

750

360

276

76

58

4,275

7,471

9,684

7,100

2,213

‐371

30

‐5

247

249

249

249

0

0

0

0

42

205

442

210

237

5

34,271

34,271

34,271

34,271

115

2

Tabla 13: Cuadro comparativo de la dinámica de cambios del uso del suelo por categorías y por año en hectáreas.

Por otro lado, entre el escenario prospectivo tendencial y normativo se muestra que el uso bosque disminuye en 2,810 has en el primer escenario, mientras que en el segundo este uso aumenta en 90 has. Así mismo, las zonas agropecuarias en el primer caso aumentan en 2,213 has a diferencia del segundo caso en donde disminuyen en 371 ha.

En cambio, la minería aumenta en los dos casos, pero aumenta más en el primer caso (360 has) que en el segundo (276 has), como sucede con las zonas antrópicas que

79

aumentan en 237 has en el tendencial a diferencia del escenario normativo en donde aumentan solamente 5 has.

4.2 4.2.1

DISCUSIÓN ANALISIS DE LA CLASIFICACIÓN DE LOS USOS DEL SUELO DEL 2001 Y 2016

De la metodología aplicada con imágenes satelitales y SIG, resultaron los mapas con los usos del suelo para el 2001 y 2016 (Figuras 21 y 22). Los cuales fueron la base para el análisis de cambios y la predicción de escenarios al 2030.

A partir de estos resultados se pudo determinar que las áreas agropecuarias se han extendido sobre el territorio considerablemente, así como la minería. La minería en menor escala que las primeras, pero con una tasa de crecimiento importante con respecto al 2001. El bosque ha sido el uso de suelo más afectado, el cual se ha reemplazado por las áreas agropecuarias y mineras principalmente. La apertura de vías realizada en las últimas décadas ha favorecido este crecimiento, ya que ha facilitado el ingreso a las zonas de bosque antes menos accesibles. López et al. (2013) mencionan que la apertura de vías en la RAE ha favorecido la expansión de fronteras demográficas, agropecuarias y sobre todo extractivas. Las dos últimas expansiones son evidentes en el presente caso en el año 2016 a diferencia del 2001. Por el contrario, las zonas antrópicas han experimentado crecimiento en menor escala (Figura 26).

Este caso, resulta diferente a los resultados de casos de expansión urbana presentes en las ciudades medianas y grandes. En efecto, este resultado está ligado a que, en el cantón, hoy en día, no se presentan oportunidades económicas atractivas como para instalarse en este territorio. Las fuentes principales de empleo son los servicios públicos del municipio principalmente. Las actividades mineras se realizan de manera independiente y no representan un ingreso estable para los habitantes (GAD del Cantón Paquisha, 2015).

80

nas antropicass Zon

205 42

Otras areass

249 247 7 471 4 275

Areas agropecuariass Mineriaa

474 43

Cuerpos de aguaa

274 321 25 598 8 2 29 344

Bosquee 0

5 000 0 10 000 15 5 000 20 000 25 000 30 000 35 000 20 016 (ha)

2 2001 (ha)

Figgura 26: Comp paración entree los usos del suelo entre lo os años 2001 y 2016

Por otro o lado, la cartografía de usoss del suelo obtenida para p los añ ños 2001 y 2016, a travéés de la claasificación supervisada s a sobre imáágenes sateelitales, no fue exhau ustiva en cuan nto a la definición de las categoríías de usos del suelo rrespecto dee la clasificaación de clasees definida por el grupo IPCC. La rresolución d de las imággenes satelittales (30m) aunado a la ffalta de un trabajo de campo exh haustivo, no o permitió, por ejempllo, definir laas zonas de cu ultivos, los ccuales fuero on analizad dos dentro d de la catego oría de áreaas agropecu uarias de form ma global. Esto se debee también a a que en el proceso de d clasificacción supervvisada se pued den presenttar confusio ones entre las áreas, como en este e caso eentre los pastizales intro oducidos y laas áreas de cultivos. Co onfusiones que se presentan deb bido a la me ezcla que existe entre estos elemen ntos dentro o de las zo onas agropeecuarias. N No obstante e, según Lópeez y Plata (2 2009), las claasificacionees de este tiipo se consideran acep ptables en los casos cuan ndo no se cuenta con n informaciión de cam mpo ni con informació ón proveniente de fuentes con mayyor resolución.

Al co omparar loss dos mapaas de usos del suelo, se encuenttra que, en n el resultad do de la clasifficación supervisada de las doss imágeness satelitales, coincidieeron entre ellas a excepción por supuesto dee las áreas q que mutaron. Este resu ultado confiirma la importancia de trabajar con n datos dee la misma fuente y con la missma resolu ución para obtener procesos idénticcos y compaarables (Plaata, 2010). LLos resultad dos del 2016 6 coinciden en gran partee con la caartografía de usos del suelo pressentados en n el PDOT Cantonal (G GAD del 81

Cantón Paquisha, 2015) esto permite validar el análisis espacial y la interpretación de las imágenes satelitales, realizados en este estudio.

4.2.2

ANALISIS DE LOS CAMBIOS EN EL USO DEL SUELO ENTRE LOS AÑOS 2001 Y 2016

Si se parte de un primer análisis derivado de la matriz de tabulación cruzada (Tabla 9) en donde se considere que la persistencia podría llevar a interpretaciones erróneas. El estudio muestra que el 86% del territorio se mantuvo estable, lo que llevaría a creer que el cambio es relativamente bajo (Figura 23). Además, en la mayoría de los casos de estudio de cambios de usos del suelo se menciona que la superficie de no cambio es lo predominante en el medio ambiente (López y Plata, 2009; Plata, 2010; Pontius et al., 2004). Por lo tanto, lo interesante en este estudio es analizar los datos fuera de la diagonal principal (los intercambios), lo que permite conocer los patrones dominantes y sistemáticos presentes en los análisis de cambios de usos del suelo.

En un análisis pormenorizado de la matriz de cambios resultante (Tabla 9), se puede identificar que el territorio ha experimentado 17 transiciones entre categorías (Tabla 10).

De donde se constata que en realidad el área de estudio ha experimentado una dinámica de cambio considerable.

En este sentido y a pesar que el valor del cambio neto da una visión general del cambio de usos del suelo por categoría, no es suficiente para visualizar claramente la dinámica del territorio como se lo puede realizar a partir de los valores de ganancias, pérdidas e intercambio. Es decir, que solo con el cambio neto, no se lograría identificar las transiciones entre categorías, ni se lograría visualizar el cambio total que se ha producido realmente. Con el cambio neto, se lograría identificar cuanta superficie cambió con respecto al año inicial, pero no se podría saber si las coberturas sufrieron modificaciones espaciales con respecto de otras, tampoco se sabría a cuanto ascendió el valor total de ese cambio al final del periodo de estudio.

De lo expuesto y con el fin de realizar un análisis más detallado de la dinámica espacial fue necesario analizar en la matriz de cambios las ganancias, las pérdidas y el intercambio para cada categoría (Tabla 11). Ilustrando lo dicho, se puede notar que, en la categoría de 82

áreas agropecuarias, el cambio total o real es bastante superior al cambio neto (4,261 has, 3,197has respectivamente). Esto se da debido a que el cambio neto es el producto de la diferencia entre el 2016 y el 2001, mientras que el cambio total es la suma de las ganancias y las pérdidas por categoría. Lo que indica que con el cambio neto no es posible identificar las transiciones espaciales. El cambio total de esta categoría es un tercio superior al cambio neto, es decir que el intercambio de superficie con otras categorías, resultado de las ganancias y pérdidas, determinó su variación espacial (Tabla 11).

Así mismo, la variación espacial se muestra en la categoría de cuerpos de agua, en donde se nota que así como pierde superficie (165has) gana a la vez (118has), lo que explica esta variación son los cambios temporales de la trayectoria del rio Nangaritza entre una rivera y la otra, claramente mostrado en la matriz de cambios (Tabla 9). Igualmente, si se desea estimar la superficie aproximada que ha experimentado cambios a partir del cambio neto, esta sería de 7,586has, una cifra por debajo del cambio real ocurrido en el área de estudio, cuya superficie se estima en 9,315has (Tabla 11).

De esta manera, se puede identificar que la categoría que ha experimentado más cambios en su superficie es la de áreas agropecuarias, la cual tuvo ganancias en 3,729has, ejerciendo una gran presión sobre la categoría bosque en 3,615has. Seguida de la categoría bosques, que en cambio ha perdido 3,954has de superficie, que como es evidente la mayoría pasó a ser parte de la categoría áreas agropecuarias, así como 245has de ésta superficie pasó al uso de minería y 26has pasó a ser zonas antrópicas (Tabla 9).

Es un resultado que se asemeja a los resultados mostrados por el PDOT del GAD cantonal de Paquisha del 2015, en donde muestra que las presiones sobre la cobertura vegetal del cantón son generadas por el crecimiento de la frontera agrícola. Del mismo modo López et al. (2013), mencionan que el territorio de Zamora Chinchipe (a donde pertenece el cantón Paquisha) presenta un grado de vulnerabilidad alto por actividades antrópicas, como la ampliación de fronteras extractivas para el control y explotación de recursos no renovables, deforestación y sistemas agroproductivos no sostenibles.

A pesar de las presiones importantes sobre el bosque, los datos también reflejan que parte de las áreas agropecuarias han pasado a reforestarse. En este caso, se identifica una 83

superficie de 201has, así como también la mayor parte del territorio que pasó a ser zonas antrópicas fue desde el uso de áreas agropecuarias (139has). Esto muestra que las zonas antrópicas no ejercen gran presión sobre el bosque, tan solo 26has pasaron de bosque a zonas antrópicas.

Entonces, si las investigaciones se dirigen a buscar transiciones entre coberturas, estas no deben considerar solo las transiciones predominantes, pues son tendientes a omitir los procesos de transición más sistemáticos (López y Plata, 2009).

De acuerdo a este análisis de evolución de cambios, se ha podido identificar que los cambios, en especial aquellos relativos a los usos del suelo como actividades agropecuarias, mineras y zonas antrópicas, se han extendido y tienden a extenderse. Una extensión que se localiza particularmente sobre las franjas de protección de ríos, quebradas y lagunas, aumentando el riesgo a inundaciones, a la contaminación de las cuencas hídricas y a la posible mutación del curso normal de los ríos, principalmente el del río Nangaritza. Se encontró también que las actividades agropecuarias y mineras, ejercen presión sobre los bosques existentes, parte de las actividades agropecuarias se extienden sobre cierta superficie de las áreas denominadas Refugios de Vida Silvestre y Reservas biológicas como son El Zarza y Cordillera del Cóndor. En parte estos resultados son producto del incumplimiento de las políticas y ordenanzas existentes en el cantón y en el país.

4.2.3

ESCENARIOS PREDICTIVOS DEL CAMBIO EN EL USO DEL SUELO AL AÑO 2030

Los resultados obtenidos de este proceso son explicados de manera menos exhaustiva que los resultados de los cambios ocurridos entre los años 2001 y 2016 de la etapa precedente. Pues la etapa precedente de análisis fue clave para entender el comportamiento de los cambios de usos del suelo. Este análisis sirvió para entender la dinámica de los cambios como base para la elaboración de los modelos predictivos al 2030, como insisten López y Plata (2009) y Pontius et al. (2004). Por lo tanto, los valores que se analizaron en esta etapa fueron los valores netos de cada uno de los usos del suelo resultado de los escenarios prospectivos.

84

El escenario tendencial al 2030 muestra una fuerte tendencia a la expansión de los usos de suelo, especialmente las categorías zonas agropecuarias, minería y zonas antrópicas.

Esto lo confirma la fuerte aumentación del porcentaje de las zonas antrópicas (115%) y una notable disminución de la categoría bosque (11%). Sin embargo, si se habla desde el punto de vista de superficie, las áreas agropecuarias aumentan considerablemente en 2,213 has mientras que los bosques disminuyen 2,810 has (Tabla 13).

El escenario tendencial expone la importante presión sobre el uso bosque, que ejercerán principalmente las áreas agropecuarias como lo previsto en el análisis entre los dos años precedentes. Se puede notar también que la categoría minería tiende a localizarse al norte del territorio de manera dispersa, una localización no esperada, puesto que los lugares propensos a adoptar cierto uso generalmente son los sitios vecinos a una categoría objetivo, una localización de la minería que no se presenta en los años 2001 y 2016 (Figura 27). Sin embargo, hay que considerar que, en un proceso puramente estadístico, como lo ha sido el escenario tendencial, los resultados son relativamente alejados de la realidad, ya que un proceso como tal no toma en cuenta ni reglas de conocimiento establecidas por una EMC, ni la continuidad espacial.

Por el contrario, el escenario normativo expone una dinámica de cambio más estable.

Este muestra un grado de similitud con los usos del año 2016, a excepción de cierta superficie en la parte noreste del territorio, en donde se localizan los bosques protectores. En esta última se nota una recuperación del bosque, el cual estaba ocupado por el uso áreas agropecuarias al 2016. No obstante, las áreas de minería, se muestran con cierta similitud a las del escenario tendencial pero en menor magnitud (Figura 27).

85

Figura 27: Mapas de uso del suelo del 2001 y 2016, y Modelos predictivos Tendencial y Normativo al año 2030 del Cantón Paquisha.

86

Se nota también que los bosques se recuperan en 90 has, aunque las superficies no son representativas con respecto a la superficie total del territorio, las áreas en aumento del bosque representan una línea de regeneración del medio ambiente, pero al mismo tiempo un esparcimiento y aumento importante de la minería sobre él (Tabla 13), un resultado que muestra la dificultad de modelizar categorías con superficies pequeñas, como lo recalcan Paegelow et al. (2004), cuando comenta que la modelización de categorías con grandes superficies es más fácil que de aquellas categorías de uso del suelo con superficies débiles.

En cierto modo, este segundo escenario muestra el nivel de control que se ha podido ejercer sobre la dinámica de los cambios de los usos del suelo a partir de un contexto normativo el cual pudo ser integrado a partir de una EMC (Figura 27). Lo que confirma que los límites del análisis markoviano pueden ser controlados y corregidos a través de una EMC, como mencionan Paegelow et al. (2004) y en donde se ha podido integrar de cierto modo el conocimiento experto, una de las ventajas de este modelo, recalcada también por Camacho et al. (2010).

De este modo, el escenario prospectivo normativo muestra a qué punto se puede controlar el cambio de los usos de suelo a partir de la toma de decisiones que influencian la asignación del cambio a un determinado territorio. Es así que se puede constatar que las persistencias son representativas y se logra controlar y limitar el cambio fuertemente expansivo de los usos, áreas agropecuarias y zonas antrópicas, resultado del escenario tendencial y con una cierta dificultad el uso de la actividad minera.

Uno de los factores que influye sobre los cambios del uso del suelo, a más de los factores antrópicos, es la problemática política actual del sector. Los intereses políticos sumados a la falta de suficiente personal calificado para el control de las ordenanzas y leyes, a más de la falta de sensibilización de los habitantes en temas ambientales y sus consecuencias, muestran como resultado un incumplimiento de las mismas. Hoy en día existen varios instrumentos de ayuda a la decisión dentro de las municipalidades, como es el caso de los PDOTs que se evalúan, actualizan y reformulan cada 5 años. Sin embargo estos en general

87

no son tomados en cuenta al 100% a la hora de tomar decisiones políticas sobre la planificación territorial.

El escenario prospectivo tendencial muestra lo que podría ser el territorio en 14 años (con respecto del 2016), si no se toman medidas políticas, técnicas, socio económicas y participativas dentro del territorio. Lo que llevaría a un desorden medio ambiental y por ende del paisaje por causa de la contaminación de suelos y redes hídricas, producto de la expansión de la frontera agrícola y sobre todo de la expansión de la frontera extractiva, y la tala indiscriminada del bosque.

En respuesta, el escenario prospectivo normativo resultante, es un útil para demostrar que si se aplican y respetan las ordenanzas y leyes determinadas para este tipo de territorios, se puede lograr una planificación sustentable a lo largo del tiempo, basada en la protección y la valorización de recursos que a la vez asegura las actividades y desarrollo socioeconómicos en el territorio. Además, este instrumento puede ser complementado con la integración de la participación ciudadana para la toma de decisiones sobre el devenir del territorio en cuanto a planificación territorial.

La Figura 28 muestra de manera comparativa las dinámicas de cambios entre los años 2001, 2016 y los dos escenarios prospectivos al 2030. De manera resumida, este gráfico muestra la evolución que ha experimentado el territorio y lo que puede experimentar.

88

Zonas antróp picas

210 442 205 42

Otras ááreas

249 249 249 247 7 1 100

Áreeas agropecuaarias 4275

9 684 7 4 471

0 750 834 4 474 43

Min neria

274 274 274 321

Cuerpos de aagua

25 5 688 22 788 25 5 598

Bossque

0

5000

Año 2030 Esc. Normaativo

1 10000

150 000

20000 0

Añ ño 2030 Esc. Tendencial

25000 Año 2016

29344

30000

35000

Año 2001 1

Figura 28: Dinámica de cambio o de superficiee de las catego orías del uso d del suelo de lo os años 2001 yy 2016, y nes Tendenciaal y Normativaa al año 2030 del Cantón Paaquisha. (Superficie en hecctáreas) de las prediccion

4.2.44

LIMITAN NTES DEL ESSTUDIO

4.2.4 4.1 La adquisición de datos Entree las limitan ntes enconttradas a lo largo del esttudio, la dissponibilidad d y obtenció ón de las imággenes satelitales ha sido s una de ellas. Laas institucio ones que ccuentan co on dicha inforrmación la reservan co omo inform mación clasificada o no o cuentan ccon informaación de ortoffotos de differentes añ ños y a la misma m resollución. Estee punto es importante e para el logro o de resultados en lo posibles realles. Se recuerda la imp portancia dee utilizar fue entes de datos homogén neas y comp parables, p para y entre e los dos añ ños de estu udio (Lópezz y Plata, 9).

2009 En el caso de esta e investiggación el In nstituto Geo ográfico Miilitar del Eccuador (IGM M) en su geop portal no peermite la ob btención dee datos detaallados de laa zona de eestudio por tratarse de u una zona fronteriza, an ntiguamentte en conflicto constan nte con el P Perú. Este, limita la

89

obtención de ortofotos, el IGM clasifica los cuadrantes pertenecientes al cantón Paquisha como información reservada (IGM, 2016).

Entre las fuentes de obtención de ortofotos, se encuentra el proyecto SIG Tierras (Sistemas de Información Geográfica de Tierras) del Ministerio de Agricultura Ganadería, Acuacultura y Pesca del Ecuador (MAGAP). De esta fuente se pudo obtener un bagaje de ortofotos a alta resolución del año 2011 a escala 1:5,000. Sin embargo, surgió la limitante de la capacidad de procesamiento del equipo de cómputo disponible para este estudio y el hecho que el SIG Tierras no contaba con una ortofoto de años diferentes con los cuales trabajar. Las ortofotos correspondían a 92 cuadrantes según la nomenclatura del SIG Tierras, desde el cuadrante de código XVII‐A2b‐D4 al XVI‐E4b‐B1, con tamaño de pixel de 0,5m x 0,5m y capturadas en el año 2011 (Figura 29).

Mosaico de 92 Ortofotos, dotadas por SIG Tierras Ecuador, capturada el 14 de octubre de 2011

Figura 29: Mosaico de ortofotos del cantón Paquisha

Finalmente se optó por usar imágenes satelitales que facilita el sitio del Servicio USGS, sitio en donde también fue limitado el bagaje de imágenes satelitales en condiciones aptas para su estudio, la mayoría de estas presentaban vacios importantes de información por presencia de nubes.

De este modo se constata que la información con respecto al territorio de estudio es limitada. Aunque a nivel de municipalidades se trabaja con bases de datos dotadas por la Secretaría Nacional de Planificación y Desarrollo (SENPLADES), estás no se encuentran 90

actualizadas y no contienen metadatos. En ciertos casos las municipalidades, al no contar con información oficial, suelen utilizar información geográfica disponible en sitios no oficiales, lo que no garantiza la fiabilidad de los resultados.

4.2.4.2 Los modelos prospectivos El modelo de proyección a futuro que se aplicó, sin duda presenta limitantes. No obstante, el modelo tiene utilidad para los actores tomadores de decisiones sobre las políticas de la planificación cantonal. La cartografía comparativa resultado de este modelo permite conocer la tendencia de los cambios de los usos del suelo y estimar la presión sobre los recursos naturales. Así como también, el modelo presenta una alternativa de metodología a través de los SIG para la obtención y evaluación de diferentes escenarios que pueden ser útiles al momento de la toma de decisiones. Es decir, que con esta metodología se podrá simular un sin número de escenarios a partir de las hipótesis que los actores se puedan plantear, resultando una gama de útiles comparativos entre sí, lo que permitirá una mejor decisión en cuanto a política pública y cercana a la realidad territorial.

Una de las limitantes en este estudio es la no integración de la toma de decisiones de los actores involucrados en la planificación del territorio, que va desde la participación política (alcalde y concejales), el equipo técnico y sobre todo los habitantes. En base a los resultados se nota que el aporte de los SIG a partir de sus modelos prospectivos con la integración del análisis temático, presenta útiles cartográficos para el apoyo en la toma de decisiones, no obstante este puede ser eficaz si se integra el factor multiactor.

La no aplicación del factor multiactor volvió la estandarización de los factores compleja a la hora de definir los puntos de inflexión de ciertos criterios cuando no se contaba con datos cuantitativos precisos. Esto llevó a tomar puntos de inflexión supuestos en ciertos casos, como en el caso de la estandarización de los factores relativos a las zonas antrópicas. En este caso, por ejemplo, existe la normativa que limita las actividades mineras en los centros poblados, pero no establece cuantitativamente una frontera específica desde donde pueden comenzar estas actividades. Sin embrago, para la aplicación de la función de pertenencia, se necesitaba definir los puntos de inflexión para 91

la obtención de los factores lo cual muestra el grado de pertenencia a un uso de suelo de acuerdo a los objetivos deseados. Es por ello que, en ciertos casos y al no contar con el criterio de los actores para cada objetivo, estos puntos se tomaron por defecto a falta de referencias concretas. Este límite se pudo haber superado al momento de integrar el consenso de la decisión multiactor para su definición, como el realizado por Kedowide et al. (2011).

Sin embargo, como recalcan los autores referentes Paegelow et al. (2003) y Camacho et al. (2010), las limitaciones del modelo, en este caso particularmente, deben considerarse al momento de la interpretación de los resultados puesto que la prospectiva es la representación territorial cercana a la realidad, pero más no la realidad.

92

5

CONCLUSIONES

Este caso de estudio ha evidenciado la evolución de los cambios del uso del suelo del cantón Paquisha, evolución que ha ocurrido durante el periodo 2001 al 2016, así como también muestra la prospectiva de cambio al 2030 desde un marco tendencial y normativo. Evidencias que se plasman en los diferentes útiles cartográficos, matrices y tablas obtenidos a través de la metodología aplicada la cual combinó técnicas de teledetección, SIG y análisis estadístico, permitiendo, modelar y analizar la evolución de los usos del suelo de los años 2001 y 2016, así como también modelar dos escenarios prospectivos al 2030.

Los resultados, que fueron objeto del capítulo 4, permitieron confirmar que el cantón Paquisha ha experimentado cambios notorios a partir de 17 intercambios de usos de suelo, especialmente a lo largo de la cuenca hidrográfica del río Nangaritza (al oeste) y sobre los sectores asociados a la red vial. Cambios notables que se evidencian sobre la categoría de suelo bosque, la cual ha perdido 3,954 has, y las zonas agropecuarias la cual ha ganado 3,729 has, entre el periodo del 2001 al 2016. Así como también se refleja que la categoría minería pasa de 43 has a 474 has entre estos 15 años, lo que evidencia que la frontera agropecuaria se ha extendido en gran medida ejerciendo presión sobre los bosques. Una problemática territorial que ha sido marcada en el diagnóstico del PDOT del cantón del 2012 y 2014 y en el estudio Amazonía ecuatoriana bajo presión (López et al., 2013).

Sin duda la matriz de tabulación cruzada propuesta por Pontius et al. (2004) fue un útil esencial al momento del cálculo de las pérdidas, ganancias y persistencias, además de evidenciar las transiciones entre categorías entre el 2001 y 2016. Útil que sirvió para entender la dinámica de cambio de los usos del suelo.

A partir de estos resultados fruto del cálculo de las pérdidas y ganancias, se pudo constatar que la hipótesis planteada en este estudio se cumple, pues el bosque ha perdido 3,954 has en el lapso de 15 años. La superficie que el bosque pierde, la gana principalmente la categoría zonas agropecuarias, 3,615 has y en menor escala la minería,

93

140 has. Es decir, en 15 años la superficie del bosque se ha reducción en un 14%, lo que demuestra que al año se pierde casi 1% de bosques en el cantón Paquisha.

El resultado de los cambios del uso del suelo entre los años de análisis demostró que la problemática central del cantón es la medioambiental y de cambio del paisaje, a causa de prácticas poco sostenibles en temas agropecuarios y mineros, además de la falta de aplicación de las normas vigentes.

Estos resultados se muestran contrarios a los resultados habitualmente obtenidos en estudios sobre temáticas de cambio de usos del suelo, en donde mayoritariamente la categoría zonas antrópicas, especialmente los usos urbanos, son los cuales ejercen presión sobre el bosque y la frontera agrícola, problemática generalmente ligada al crecimiento demográfico. Al contrario, los resultados de este estudio muestran que si bien el cantón Paquisha ha pasado de 5 hab/km2a 11 hab/km2 este factor por el momento no es causa de grandes presiones sobre la cobertura vegetal y frontera agrícola.

Los resultados muestran también que el bosque sigue siendo la categoría predominante en el territorio, debido a que se encuentra bajo ciertas figuras de protección y a la dificultad de accesibilidad que se tiene a las zonas altas del territorio. Sin embargo es importante establecer en estudios futuros cual es el índice de vegetación y la calidad del bosque que resta, lo que podría definir la degradación de los bosques con profundidad.

Por otra parte, los resultados de los escenarios prospectivos resultaron ser medios visuales y estadísticos importantes para demostrar las consecuencias de permitir se continúe en la misma línea de tendencia de evolución del territorio o lo que se puede lograr si se aplicara las normativas vigentes en la gestión del territorio. Estos útiles pueden permitir reflexionar a los actores de planificación sobre los planes y políticas a tomar para prever y mitigar la problemática medio ambiental que se acentúa en el territorio.

La metodología aplicada en este caso de estudio, la cual combina técnicas de la teledetección, SIG y análisis estadístico, ha dotado de un bagaje de útiles cartográficos y estadísticos importantes para el análisis de cambios de usos del suelo y su prospectiva.

94

Esta facilita la obtención de imágenes categorizadas de las coberturas; obtener imágenes de la aptitud de uso del suelo sobre la base de una EMC, permite también cuantificar los cambios y observar su dinámica a diferentes grados de detalle. Lo que ha facilitado entender sobre las diversas coberturas que se interrelacionan, los factores explicativos del crecimiento y en consecuencia la obtención de la simulación de diferentes escenarios prospectivos.

Sin embargo, el análisis de dinámicas de cambio en el uso del suelo para definir los factores que influyen en el cambio resultó ser complejo, pues para entender la afectación de las diferentes categorías fue necesario estudiar la influencia del contexto jurídico, económico y espacial, como ha sucedido en trabajos parecidos como el de Pinos‐Arévalo (2016).

Se determina un problema de fondo, en donde la decisión es más difícil de tomar que la construcción técnica del modelo de ayuda a la decisión. Así la determinación del aporte de cada criterio en la definición de los sitios potenciales a cambios de cada uso del suelo constituyó el centro mismo de la modelización espacial que se ha realizado.

De este modo, se concluye que los modelos que integran conocimiento experto son más adecuados en relación a los modelos basados en calibraciones automáticas. Como lo establece la diferencia de los procesos entre la obtención del escenario normativo y tendencial. Una afirmación coincidente con los resultados de estudios realizados en modelos de DINAMICA (Mas y Flamenco, 2011) y modelos de IDRISI (Camacho et al., 2010; Paegelow et al., 2004).

Se recalca, al igual que Paegelow et al. (2004), que las modelizaciones no tienen la vocación de predecir la realidad, pero pueden ayudar a comprender mejor los cambios espacio‐temporales medioambientales y sociales complejos. En ese sentido es importante considerar los límites del modelo. La modelización de la ocupación del suelo significa una simulación de lo que la realidad podría ser, escenarios reflexionados y cuantificables en el contexto de la toma de decisiones.

95

Finalmente, se ha notado que un solo SIG muestra la complejidad de los problemas en la toma de decisiones en un contexto espacial. Pues muestra cuán importante es la necesidad de contar con la participación de varios y/o todos los actores de la planificación, para el logro de un útil más cercano a la realidad. Lo que lleva a determinar que esta problemática se caracteriza esencialmente por sus dimensiones multiactor, multidisciplinaria y espacial.

En consecuencia, esta constancia lleva a sugerir la continuación de este estudio en la que integre estas tres dimensiones, complementándolo especialmente con la dimensión multiactor, que es la participación de los actores de la gestión del territorio del cantón Paquisha, que van desde los ministerios del estado (MAE, SENPLADES, MAGAP, ARCOM, etc.), pasando por los miembros del gobierno seccional (alcalde y concejales), los técnicos de la municipalidad hasta llegar a los ciudadanos. Es decir, una toma de decisiones técnica política, económica y social. Lo que integraría la sensibilización de los mismos sobre temas medioambientales y sobre acciones sostenibles y sustentables.

Es esencial que el gobierno municipal, cuente con su propia base de datos espacial, puesto que, de acuerdo a las competencias, es el actor principal de la ordenación y gestión del territorio. Entonces la actualización de datos y la formación de técnicos en materia de SIG facilitarían la acción en temas de manejo de información para la explotación local.

96

6

REFERENCIAS

Acevedo, P. y Delibes‐Mateos, M. (2013). Efectos de los cambios en los usos del suelo en las especies cinegéticas en el sur de España: Repercusiones para la gestión.

Ecosistemas, 22(2), 33–39.

Recuperado el 16/10/2017 https://doi.org/10.7818/ECOS.2013.22‐2.06 ARCOM. Agencia de Regulación y Control Minero (2014). Catastro Minero: ARCOM. Recuperado el 04/12/2017 de http://geo.controlminero.gob.ec:1026/geo_visor/ Constitución de la República del Ecuador, Asamblea Nacional 2008.

Barredo, J., Lavalle, C. y Kasanko, M. (2005). Urban Scenario Modeling and Forecast for Sustainable Urban and Regional Planning. En M. Campagna (Ed.). GIS for Sustainable Development (pp. 329–345). CRC Press. Recuperado el 20/10/2016 de https://doi.org/10.1201/9781420037845.ch19 Boyd, D. S. (2007). A review of Modelling Deforestation Processes. International Journal of Remote Sensing, 17(5), 1061–1062. Recuperado el 16/10/2016 de https://doi.org/10.1080/01431169608949066 Camacho, M. T., Molero, E. y Paegelow, M. (2010). Modelos geomáticos aplicados a la simulación de cambios de usos del suelo. Evaluación del potencial de cambio.

Secretariado de Publicaciones de la Universidad de Sevilla, 658–678. Recuperado el 12/09/2017 de https://hal‐univ‐tlse2.archives‐ouvertes.fr/hal‐01360904/document Camacho, M. T., Paegelow, M. y García, P. (2007). Modélisation géomatique rétrospective des paysages par évaluation multicritères et multiobjectifs. Cybergeo.

Recuperado el 21/01/2018 de http://journals.openedition.org/cybergeo/4811 ; DOI : 10.4000/cybergeo.4811 Cepal (Comisión Económica para América Latina y el Caribe) y Patrimonio Natural.(2013).Amazonia posible y sostenible. Bogotá.

Dale, V. H. (1997). The relationship between land‐use change and climate change.

Ecological Applications, 7(3), 753–769. Recuperado el 16/10/2016 de https://doi.org/10.1890/1051‐0/761(1997)007[0753:TRBLUC]2.0.CO;2/ Eastman, R. (2003). Guide to GIS and Image Processing: IDRISI Kilimanjaro (núm.

14). USA, p. 328.

Eastman, R. (2012). IDRISI Selva: Guía para SIG y Procesamiento de Imágenes. USA: IDRISI Production.

FLACSO, MAE y PNUMA. Facultad Latinoamericana de Ciencias Sociales, Ministerio del Ambiente del Ecuador y Programa de las Naciones Unidas para el Medio Ambiente (2008). Geo Ecuador 2008: Informe sobre el estado del medio ambiente.

97

GAD (Gobierno Autónomo Descentralizado) del Cantón Paquisha. (2012). Plan de Desarrollo y Ordenamiento Territorial del cantón Paquisha. Paquisha.

GAD (Gobierno Autónomo Descentralizado) del Cantón Paquisha. (2014). Reforma a la ordenanza que determina y regula el uso y ocupación del suelo urbano en la ciudad de Paquisha, pp. 1–41.

GAD (Gobierno Autónomo Descentralizado) del Cantón Paquisha. (2015). Plan de Desarrollo y Ordenamiento Territorial del cantón Paquisha. Paquisha.

GAD (Gobierno Autónomo Descentralizado) provincial de Zamora Chinchipe.

(2015). Plan de Desarrollo y Ordenamiento Territorial, pp. 1–164.

Gardi, C., Angelini, M., Barceló, S., Comerma, J., Cruz Gaistardo, C., Encina Rojas, A., Vargas, R. (2014). Atlas de suelos de América Latina y el Caribe. L‐2995 Luxembourg.

Henríquez, C. y Azócar, G. (2007). Propuesta de modelos predictivos en la planificación territorial y evaluación de impacto ambiental. Revista Electrónica de Geografía y Ciencias Sociales, XI (245). Recuperado el 16/10/2016 de http://www.ub.edu/geocrit/sn/sn‐24541.htm Hurtado Pidal, J. (2014). Análisis, modelamiento y simulación espacial del cambio de cobertura del suelo, entre las áreas naturales y las de origen antrópico en la provincia de Napo (Ecuador), para el período 1990‐2020. Repositorio institucional de la Universidad Nacional de la Plata, pp. 1–108.

IGM. Instituto Geográfico Militar (2016). Índice de cartas: Escala 1:25 000: IGM. Recuperado el 29/01/2017 de http://www.geoportaligm.gob.ec/portal/wp‐ content/uploads/2015/07/CARTAS_25000.jpg IGM. Instituto Geográfico Militar (2017). Atlas rural del Ecuador. Quito: Instituto Geográfico Militar del Ecuador.

Recuperado el 22/10/2018 de http://www.geoportaligm.gob.ec/portal/index.php/atlas‐rural‐ecuador INEC. Instituto Nacional de Estadística y Censos (2010). Resultados del censo 2010 de población y vivienda en el Ecuador: Fascículo provincial Zamora Chinchipe. Ecuador.

INEC. Instituto Nacional de Estadística y Censos (2017). Encuesta de Superficie y Producción Agropecuaria Continua. Quito.

Kaimowitz, D. y Angelsen, A. (1998). Economic models of tropical deforestation: A review: Center for International Forestry Research (CIFOR).

Kedowide, C. G., Godard, V. y Sedogo, M. P. (2011). SIG et analyse multicritère pour l’aide à la décision en agriculture urbaine dans les pays en développement, cas de Ouagadougou au Burkina Faso. Thèse de doctorat : Aménagement de l’espace, urbanisme : Paris 8 : 2011. S.l.: [s.n.].

98

Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., …

Xu, J. (2001). The causes of land‐use and land‐cover change: moving beyond the myths.

Global Environmental Change, 11, 261–269.

Ley de Minería. (2009). Registro Oficial Nº 517 (núm. 517). Quito, Ecuador.

Recuperado el 06/05/2018 de www.tribunalconstitucional.gov.ec López, A., Espíndola, F., Calles, J. y Ulloa, J. (2013). Amazonía Ecuatoriana Bajo Presión. Quito.

López, V. y Plata, W. (2009). Análisis de los cambios de cobertura de suelo derivados de la expansión urbana de la Zona Metropolitana de la Ciudad de México, 1990‐2000. Boletín del Instituto de Geografía, UNAM, 68, 85–101.

Losada, H., Martínez, H., Vieyra, J., Pealing, R., Zavala, R. y Cortés, J. (2016). Urban agriculture in the metropolitan zone of Mexico City: Changes over time in urban, suburban and peri‐urban areas. Environment and Urbanization, 10(2), 37–54. Recuperado el 16/10/2017 de https://doi.org/10.1177/095624789801000214 MAE. Ministerio del Ambiente del Ecuador (2010). Procedimiento para autorizar el aprovechamiento y corta de madera, pp. 1–33.

MAE. Ministerio del Ambiente del Ecuador (2012). Estrategia Nacional de Cambio Climático del Ecuador: ENCC 2012‐2025. Quito, pp. 1–153.

MAE. Ministerio del Ambiente del Ecuador (2013). Plan Nacional de Forestación y Reforestación: Acuerdo Nº 010 (núm. 47). Quito, pp. 1–32.

MAE. Ministerio del Ambiente del Ecuador (2016a). Áreas protegidas del Ecuador, socio estratégico para el desarrollo. Ecuador.

MAE. Ministerio del Ambiente del Ecuador (2016b). Resumen Programa Socio Bosque, p. 2.

MAE. Ministerio del Ambiente del Ecuador (2017). Código Orgánico del Ambiente (COA): Registro Oficial Suplemento 983. Recuperado el 06/05/2018 de http://www.ambiente.gob.ec/codigo‐organico‐del‐ambiente‐coa/ MAE, Fundación NATURA, Conservación Internacional, ITTO y PBDRF Ecuador‐ Perú. Ministerio del Ambiente del Ecuador, Organización Internacional de las Maderas Tropicales y Plan Binacional de Desarrollo de la Región Fronteriza (2005). Plan de manejo Refugio de Vida Silvestre El Zarza: Proyecto paz y conservación binacional en la Cordillera del Cóndor, Ecudor‐Perú. Componente Ecuatoriano. Ecuador, pp. 1–72.

Maestripieri, N. y Paegelow, M. (2013). Validation spatiale de deux modèles de simulation: L’exemple des plantations industrielles au Chili. Cybergeo. Recuperado el 30/09/2017 dehttps://doi.org/10.4000/cybergeo.26042

99

MAGAP y MAE. Ministerio de la Agricultura, Ganadería, Acuacultura y Pesca y Ministerio del Ambiente del Ecuador (2014). Proyecto para la generación del mapa de cobertura y uso de la tierra del Ecuador continental 2013‐2014, escala 1:100.000: Anexo 1 Protocolo de leyenda temática de tipos de uso y cobertura de suelo. Quito, pp. 1–26.

Mas, J.‐F. y Flamenco, A. (2011). Modelación de los cambios de cobertura/uso del suelo en una región tropical de México. GeoTrópico, (1), 1–24.

Mascareñas, J. (2013). Procesos estocásticos: Introducción. Universidad Complutense de Madrid, 1–15.

Recuperado el 27/06/2016 de http://webs.ucm.es/info/jmas/mon/27.pdf Matamoros, A. (2007). Documento sobre gestión de la biodiversidad amazónica en Ecuador. Quito.

Merlotto, A., Piccolo, M. C. y Bértola, G. R. (2012). Crecimiento urbano y cambios del uso/ cobertura del suelo en las ciudades de Necochea y Quequén, Buenos Aires, Argentina. Revista de geografía Norte Grande, (53), 159–176. Recuperado el 22/10/2016 de https://doi.org/10.4067/S0718‐34022012000300010 MTOP. Ministerio de Transporte y Obras Públicas (2012). Respetar la Ley de Caminos. Quito.

Padilla, O., Cruz, M. y Valero, J. (2015). Estudio Multitemporal y análisis prospectivo del cambio de uso de suelo y cobertura vegetal en la microcuenca del río Cristal mediante el uso de autómatas celulares. Quito, pp. 1–18.

Paegelow, M., Camacho, M. T. y Menor, J. (2003). Cadenas de Markov, evalución multicriterio y evaluación multiobjetivo para la modelización prospectiva del paisaje.

Geofocus, (3), 22–44.

Paegelow, M., Villa, N., Cornez, L., Ferraty, F., Ferré, L. y Sarda, P. (2004).

Modélisations prospectives de l’occupation du sol. Le cas d’une montagne méditerranéenne.

Cybergeo.

Recuperado el 21/01/2018 dehttps://doi.org/10.4000/cybergeo.2811 Pérez, R., Valdez, R., Moreno, F., González, A. y Valdez, J. (2011). Predicción espacial de cambios del uso de suelo en Texcoco, estado de México. Revista Mexicana de Ciencias Forestales, Agrícolas y Pecuarias, 2(5), 15.

Pinos‐Arévalo, N. (2016). Prospectiva del uso del suelo y cobertura vegetal en el ordenamiento territorial ‐ Caso cantón Cuenca. Estoa, 5(9), 7–19. Recuperado el 30/01/2017 de https://doi.org/10.18537/est.v005.n009.02 Plata, W. (2010). Descripción, análisis y simulación del crecimiento urbano mediante tecnologías de la información geográfica. El caso de la Comunidad de Madrid.

(Doctoral). Universidad de Alcalá, Alcalá de Henares.

100

Pontius, R. G., Shusas, E. y McEachern, M. (2004). Detecting important categorical land changes while accounting for persistence. Agriculture, Ecosystems & Environment, 101(2‐3), 251–268.

Recuperado el 30/08/2017 de https://doi.org/10.1016/j.agee.2003.09.008 Poudevigne, I. y Alard, D. (1997). Landscape and Agricultural Patterns in Rural Areas: A Case Study in the Brionne Basin, Normandy, France. Journal of Environmental Management, 50(4), 335–349.

Recuperado el 16/10/2016 de https://doi.org/10.1006/jema.1997.0134 Romero, D. y López, J. (2000). Producción e integración de fotomapas digitales para la evaluación del crecimiento urbano en el Municipio de Texcoco, Estado de México: período 1970‐1989‐1997. Instituto de Geografía de la UNAM, (42), 48–66.

Sandoval, V. y Oyarzun, V. (2004). Modelamiento y prognosis espacial del cambio en el uso del suelo. Quebracho ‐ Revista de Ciencias Forestales, (11), 9–21. Recuperado el 16/10/2016 de http://www.redalyc.org/pdf/481/48101101.pdf Vitousek, P. M., Mooney, H. A., Lubchenco, J. y Melillo, J. M. (1997). Human Domination of Earth’s Ecosystems. Science, 277(5325), 494–499. Recuperado el 21/01/2018 de https://doi.org/10.1126/science.277.5325.494

101