Post on 21-Jul-2015
1
SEPIA XIV Piura, del 23 al 26 de agosto 2011
Eje Temático III “Desafíos Ambientales. Aportes de Investigación: biodiversidad, desertificación y cambio climático”
“Modelos de relación de paisajes y variables socioeconómicas para la región Apurimac"
Alexis N. Ibáñez & Gregory Damman
2
Título de la ponencia: “Modelos de relación de paisaje y variables
socioeconómicas para la región Apurimac.”
Escenarios territoriales de desertificación
Resumen
La zona andina peruana vive una serie de procesos de cambio en las últimas décadas,
que se han visto aceleradas por una serie de reformas a nivel de políticas económicas
y agrarias desde los años 90. Estos procesos, aunados a los procesos
socioeconómicos en curso (crecimiento poblacional sostenido, especialización e
intensificación de las zonas de valle, pérdida del conocimiento tradicional), están
agudizando los problemas ambientales y los conflictos. Así, en la actualidad estamos
asistiendo a una reducción de los recursos hídricos y un agravamiento del proceso de
desertificación.
El presente estudio analiza la ocupación de los suelos en la región Apurimac en las
dos últimas décadas, de una parte su evolución, así como las relaciones entre la
superficie sin cobertura vegetal frente a variables socioeconómicas que representan
factores de presión entrópica, ligados a procesos de desertificación. A partir de esta
caracterización se establecen correlaciones entre variables ligadas al sector
agropecuario mostrando relaciones estrechas entre los suelos desnudos y la presión
de las unidades de ganado, así como el empleo en el sector agrícola.
Palabras clave: Desertificación, regresiones múltiples, usos de suelos.
- Presentar con claridad las preguntas e hipótesis de trabajo que estructuran la
investigación.
Uno de los principales procesos que afectan el territorio en el medio andino es la
desertificación, expresado fundamentalmente en la pérdida de cobertura vegetal y de
la diversidad biológica asociada a los ecosistemas. De acuerdo a diversos estudios se
ha establecido que la desertificación es fundamentalmente un proceso que responde a
la acción humana sobre el territorio, siendo algunas de sus causas la presión de las
crianzas ganaderas y la actividad agrícola sobre territorios frágiles.
Por este motivo se plantearon las siguientes preguntas:
1. Si la desertificación es un proceso ligado al factor humano, ¿de qué forma
inciden las variables ligadas a la producción sobre el territorio?.
3
2. ¿Es posible establecer relaciones entre las variables socioeconómicas y los
indicadores de desertificación?
3. ¿Cuál es el comportamiento de los factores y el territorio a través del tiempo?
¿Es posible apreciar tendencias en el proceso de desertificación?
Tomando en cuenta estas preguntas se planteó la siguiente hipótesis
La desertificación puede ser explicada a través de modelos que relacionan variables
socioeconómicas con el territorio.
Los objetivos que se persiguen con la siguiente investigación son:
1. Identificar relaciones entre la desertificación y las variables socioeconómicas a
través de modelos territoriales.
2. Analizar el comportamiento de los modelos territoriales a través del tiempo
entre los años 1990 y 2004.
3. Generar escenarios territoriales de desertificación a partir de las tendencias de
algunas variables clave.
Este estudio se ha llevado a cabo en el departamento de Apurimac, tomando como
base experiencias realizadas anteriormente en el país y en la misma zona, de otros
estudios de desertificación.
- Incluir una revisión de la bibliografía relevante en torno al tema, discutiendo
espacios de controversia o incertidumbre.
Desde los años 60, la desertificación es considerada como uno de los mayores
problemas ambientales a los que se enfrenta el planeta. En los años 90, a raíz de la
cumbre de Rio de Janeiro se planteó una Convención de las Naciones Unidas de
Lucha contra la Desertificación CNULD. Aunque no existe un consenso acerca de las
causas, consecuencias, ubicación geográfica y reversibilidad del fenómeno, la
definición reconocida y aceptada es la siguiente:
“La desertificación es la degradación de tierras en zonas áridas, semiáridas y
subhúmedas resultante de varios factores que incluyen las variaciones climáticas y las
actividades humanas (NU, 1994)”
La mayoría de los cambios experimentados en los ecosistemas terrestres son
producidos por la conversión del uso del suelo o por la intensificación del uso y la
consecuente degradación de la tierra (Lambin 1994; Lambin y Geist 2006). La
deforestación y la presión humana sobre la tierra, para la producción de cultivos y la
4
mecanización desmedida, son las principales causas de la degradación de la tierra,
generando erosión del suelo, cambios en los ecosistemas y deslizamientos de tierra
(Chikhaoui et al. 2005).
Sin embargo, diversos estudios realizados para cuantificar el fenómeno muestran
debilidades e inconsistencias al ser comparados, debido a la falta de indicadores y
datos adecuados. No obstante, es obvio que la degradación y pérdida de tierras es un
problema real, aunque ésta no sea un proceso universal ni tampoco específico de las
tierras áridas, ni siquiera un proceso irreversible en muchas zonas (Castro, 2006).
En el caso peruano, desde la ratificación del Perú a la convención, se han realizado
una serie de esfuerzos para estudiar y realizar propuesta para enfrentar los procesos
de desertificación. Una de estas experiencias se ha llevado a cabo en Apurimac,
departamento ubicado en la zona surandina del país. De acuerdo al Diagnóstico sobre
Desertificacion en la región Apurimac, el proceso de desertificación en la región está
ligado principalmente a causas humanas, tales como deforestación, agricultura en
laderas y minería. Lo cual, aunado a la alta inestabilidad climática de las montañas,
genera una progresiva degradación de los ecosistemas y pérdida de diversidad
biológica. (ITDG, 2007) El cuadro 01 explica los principales factores identificados en
Apurimac.
Cuadro 01. Principales factores de desertificación y su área de influencia en la región Apurimac
Degradación encontrada
Erosión por deforestación
Erosión por malas prácticas agrícolas
Bajo contenido de materia orgánica
Degradación de las zonas alto andinas
Ocupación de suelos
Vegetación dispersa Agricultura Agricultura Pastos altoandinos
Causa natural
Relieve: pendientes superiores a 10%
Relieve: pendientes superiores a 10%
Suelos más friables en la zona Inferior andina (texturas arcillo arenosas)
Sequías
Causas antrópicas
Degradación de la vegetación natural por tala indiscriminada (apertura de la frontera agrícola, leña…), sobrepastoreo y quema
Malas prácticas agrícolas (manejo no adecuado del riego por gravedad, ausencia de surcos)
Uso abusivo de productos químicos
Quema y sobrepastoreo
Ha % Ha % Ha % Ha %
Grau 26315 12,3 4592 2,2 0 0 118422 56
Cotabambas 32552 12,4 4667 1,8 0 0 148218 57
Antabamba 15284 4,7 2508 0,8 0 0 194948 61
Abancay 80036 23,2 12212 3,5 31204 9 111267 32
Fuente: Proyecto “Sequía y Desertificación” ITDG – Soluciones Prácticas, 2007
5
Los estudios de teledetección realizados en el 2007 permitieron ilustrar cambios
importantes en el paisaje de la región, sobre todo en aquellos factores que explican los
procesos de desertificación, expresados en cambios y variaciones respecto de la
ocupación de los suelos de la región Apurímac entre 1990 y 2005. Para hacer un
análisis del cambio de la cobertura de suelos en la región se ha seguido el método
propuesto por la FAO (1996) Para calcular la tasa de cambio de cada categoría de
uso de suelo se utilizó la fórmula siguiente
t = (1 – ((S1 – S2)/S1)) 1/n - 1 Donde:
t = Tasa de cambio; S1 = Superficie en la fecha 1; S2 = Superficie en la fecha 2; n =
Número de años entre las dos fechas.
El cuadro 02 recoge los resultados de cada categoría de ocupación de suelos entre los
años 1990 y 2004, con la tasa de cambio.
Cuadro 02. Evolución de la ocupación de suelos entre los años 1990 y 2004.
Categorías de ocupación en Km2 1990 2004Tasa de cambio
Bofedales y/o vegetación altoandina 1026.82 954.98 0.07154118
Bosques 190.98 261.78 0.10544171
Cuerpos de agua 100.6 91.55 0.07000348
Nieve 125.93 288.35 0.17613559
Pastizales 7862.43 7652.23 0.07486658 Suelo desnudo, erosionado y/o vegetación no activa 9642.02 9592.61 0.07652886
Zona agrícola 1014.57 1111.74 0.08429016
Zona urbana 3.01 13.12 0.3353086
Total 19966.36 19966.36 Fuente: ITDG, elaboración propia 2011.
De acuerdo a los datos la superficie de suelos desnudos cubrían el 48% del área de la
región en 1990, proporción que se mantuvo en el 2004. Es decir, la proporción del
área de esta categoría representa la mitad del territorio, y en los 14 años la tendencia
ha sido casi estática. Si bien se ha dado una reducción de la categoría suelo desnudo
a una tasa de 7% anual, unas 300 ha por año en este período. Una de las
herramientas para analizar los cambios en la superficie ocupada por cada tipo de
vegetación y uso del suelo es la matriz de transición, que es el resultado de
superponer los mapas de ocupación de dos períodos diferentes (Rosete Vergés et al.,
2008). Para el presente estudio no se ha logrado concluir este ejercicio, debido a la
magnitud del trabajo que ello representa, y la corrección de los mapas resultantes que
6
requiere de un paciente ajuste. No obstante, se espera superar esta debilidad para
estudios posteriores, mejorando el análisis de los cambios de usos de suelos a lo largo
de los años en la misma región Apurimac.
No obstante, la interrogante respecto de si es posible establecer modelos de
relaciones entre el paisaje y las variables socioeconómicas que actúan en el mismo se
mantiene vigente, así como si es viable formalizar estos modelos a través de modelos
matemáticos que expresen estas relaciones. Existen experiencias de estudios de
relación entre el paisaje y las variables sociales y económicas de un territorio, que
permiten conocer de forma experimental, cómo se comporta el paisaje frente a las
condiciones sociales y económicas internas.
En este contexto, la presente investigación tuvo como objetivo principal la
determinación de indicadores de desertificación a partir de la determinación de
correlaciones espaciales entre la superficie de suelos desnudos y las variables como:
densidad poblacional, carga animal, actividad agrícola, uso de energía, entre otros.
El paisaje.
Según la definición de la Convención Europea del Paisaje, se entiende por paisaje:
“…cualquier parte del territorio tal como la percibe la población, cuyo carácter sea el
resultado de la acción y la interacción de factores naturales y/o humanos” (CEE, 2000)
El paisaje es un recurso fácilmente depreciable y difícilmente renovable, por lo que
merece especial consideración al momento de evaluar impactos ambientales
negativos en un proyecto determinado (Muñoz-Pedreros, 2004) El estudio del paisaje
permite conocer las interrelaciones entre la sociedad y el medio natural, lo cual se
convierte en una herramienta de análisis de los procesos sociales y ecológicos más
importantes.
En los últimos años los paisajes han sufrido grandes transformaciones, pasando de
modelos de gestión agrícola tradicionales, a la producción agrícola intensiva o al
abandono de muchos lugares. El mantenimiento los modelos agrícolas tradicionales se
ha basado en la transmisión de información de una generación a otra, generando
modelos de uso sostenible (Liang et al., 2001). Frente a ello, los procesos de
despoblación rural, han dado lugar una serie de problemas culturales, económicos y
ecológicos, como la erosión, destrucción hábitat, pérdida de la biodiversidad, el
deterioro del paisaje cultural (Baldock et al., 1993).
En la década pasada los métodos de análisis del paisaje han considerado nuevas
herramientas como es el modelamiento numérico de las relaciones entre la actual
7
estructura del paisaje y la economía local (De Aranzabal et al., 2008) y (Serra et al.,
2007)
Siguiendo a De Aranzabal et al., 2008, se plantea el análisis de componentes
principales (ACP), sobre las principales unidades de territorio. Este análisis es una
técnica estadística de síntesis de la información, o reducción de la dimensión (número
de variables). Es decir, ante un banco de datos con muchas variables, el objetivo será
reducirlas a un menor número perdiendo la menor cantidad de información posible.
Los nuevos componentes principales o factores serán una combinación lineal de las
variables originales, y además serán independientes entre sí (Terradez, 2007)
De esta forma se estima representar la diversidad de los datos encontrados, para
recogerla en las dimensiones que representan las principales variaciones y tendencias
de la tipología del paisaje. Este análisis de ACP permite ver cuantos ejes de
variabilidad se pueden explicar para los paisajes y unidades de territorio de Apurimac.
Con esta información se identificaron los tipos de paisajes mediante la segmentación
de los primeros ejes del ACP en tres intervalos aproximadamente iguales, basado en
las coordenadas de las observaciones representadas en el plano. Se ubicó a los
municipios y tipos de paisaje en el plano de acuerdo con su proximidad al centro de
gravedad de cada grupo (Distancias de Mahalanobis, Mdij)
Donde los vectores xi y xj representan dos puntos en el plano-dimensión Vw, que es el
espacio y la matriz de covarianza entre los grupos. En el plano, cada una de las dos
dimensiones calculadas constituye una manera de describir el cambio en el paisaje del
área de estudio, de acuerdo con las cargas de las variables descriptivas de esas
dimensiones.
Se emplearan las coordenadas de los municipios en las dimensiones del plano ACP
como valores de las variables dependientes en las ecuaciones de regresión múltiple.
Las ecuaciones de regresión para cada eje de la ACP, se ubicaron en función del
número óptimo de las condiciones socioeconómicas que caracterizan la variabilidad
del paisaje los municipios, expresada por cada eje. El modelo de ajuste entre las
variables se debe expresar de la siguiente manera:
Donde Yi representa el suelo desnudo a partir de la información de coberturas
empleado, de municipalidades del conjunto, “a” el intercepto, y b, c, d,. . ., m los
coeficientes de regresión de las variables socioeconómicas de mayor importancia
8
seleccionadas por el análisis. Estas regresiones formalizaran la relación del modelo
numérico entre las unidades de vegetación y la ocupación de suelos (variabilidad de
y), y el espacio socioeconómico (variables económicas seleccionadas en la regresión,
cuya relación positiva o negativa indican la importancia de la relación con sus
coeficientes).
Tomando como base estas experiencias, el presente trabajo muestra la aplicación de
herramientas de análisis numérico para la formalización de las relaciones entre
variables sociales y ecológicas en la zona andina de Apurimac, Perú.
- Presentación de la metodología de recojo y/o análisis de información utilizada.
Área de estudio
La región Apurimac está conformada por 80 distritos y 7 provincias, las cuales se
caracterizan por los siguientes índices de desarrollo humano, de acuerdo al informe
del Programa de Naciones Unidas y Desarrollo del año 2009 (PNUD, 2009).
Cuadro 02. Índice de desarrollo humano de Apurimac.
Departament
o / provincia
Población
Índice de
Desarrollo
Humano
Esperanza
de vida al
nacer
Alfabetism
o
Escolarida
d
Logro
Educativo
Ingreso
familiar
per cápita
APURÍMAC 404 190 0.5610 71.77 78.32 89.91 82.19 203.3
Abancay 96 064 0.6025 73.43 86.55 90.18 87.76 288.6
Fuente: PNUD, 2009
Para el presente estudio se ha tomado como unidad los distritos, considerando en la
base los 80 distritos que actualmente componen la región Apurimac. No obstante, para
el desarrollo de los modelos territoriales se han tomado 04 provincias, las
denominadas provincias altas de Apurimac, Antabamba, Grau y Cotabambas, así
como la provincia de Abanyca, que es la capital de la región. Dos aclaraciones
adicionales, en la década de los 90´s la provincia de Grau tenía 13 distritos, y la
provincia de Cotabambas 05, actualmente tienen 14 y 06 respectivamente. Para el
modelo de trabajo en concreto se excluyeron del análisis los distritos de la provincia de
Cotabambas, para la década de los 90´s y se tomó como unidad.
El primer conjunto de variables a analizar fue la ocupación de suelos en la región, la
misma que generó el mapa de ocupación de suelos, a partir de imágenes satélite
9
Aster. Este satélite emite imágenes de 15 metros de resolución, correspondiente a los
años 2004 y 2005, así como de imágenes del sistema Landsat, con 30 metros de
resolución correspondiente a los años 1990, 2000 y 2004. A partir del trabajo de estas
imágenes se definieron 8 categorías de ocupación de suelos identificadas: Bofedales,
Bosques; Cuerpos de agua; Nieve; Pastizales; Suelos desnudos y vegetación
dispersa; Zona Agrícola; Zona urbana (ITDG, 2007) No obstante, debido a dificultades
para el ajuste de las áreas con cobertura nubosa se tuvo que dejar de lado la
información del año 2000.
El segundo conjunto de variables a analizar fue respecto de los datos
socioeconómicos. Para ello se trabajo con la base de información de los Censos de
Población y Vivienda de 1993 y 2007, (INEI, 1993 y 2009) en los temas de empleo y
tipo de energía en la vivienda. Asimismo para la información de las cabezas de
ganado se tuvo como fuente las estadísticas del Censo Agrario de 1994 y los datos del
Ministerio de Agricultura para el año 2007. En cuanto al índice de densidad poblacional
se tomó como base la población total por distritos y el área en kilómetros cuadrados.
Respecto de la carga ganadera, se trabajo tomando como base los datos reportados
de ganado por el Censo de 1994 y del Ministerio de agricultura, y se convirtieron a
unidades ovino siguiendo el esquema de Maletta (1994) y Florez (1987) tomando
como base las conversiones de las diferentes cargas de ganado a unidades ovino. La
carga ganadera se generó a partir de las UO entre el área del distrito y entre las UO y
el área de pastizales reportadas en el distrito. Las variables se aprecian en el cuadro
siguiente:
Cuadro 03. Variables empleadas para generar el modelo de trabajo
Variables Unidades Código
Suelo desnudo, erosionado y/o vegetación no activa
Superficie en Km2 Sueldes
Superficie total Superficie en Km2 Suptot
Índice de suelo desnudo Superficie de suelo desnudo/ superficie total
Inddes
Unidades Ovinos Conversión de las unidades de ganado a unidades ovino
UO
Pastizales Superficie en Km2 Pastiza
Población total
Número de personas Pobtot
Empleos agrícolas
Número de personas Empag
Hogares con Electricidad
Número de viviendas Hogele
Densidad poblacional Habitantes / Km2 Denpob
10
Carga Ganadera1 UO totales / Superficie total Km2
CargaG1
Carga Ganadera2 UO totales / Superficie de pastizales Km2
CargaG2
Fuente: elaboración propia, 2011.
Método de trabajo.
A partir de la información del estudio el estudio “Adquisición, Procesamiento, Análisis y
Clasificación de Imágenes Satelitales y Elaboración de Mapas Para el Estudio de los
Procesos de Sequía y Desertificación en la Región Apurimac”, se estableció una
matriz de datos cuantitativos, en este caso 08 variables de ocupación de suelo, en 30
distritos de 1990 y 36 en 2004, así como las variables mencionadas en el cuadro 03.
Para el procesamiento de la información se usaron los programas SPSS y STAT, que
permiten operar los análisis de componentes principales y regresiones múltiples de
forma sencilla y buena precisión estadística, así como las pruebas estadísticas
necesarias para la fiabilidad de los datos obtenidos. Respecto de las regresiones
múltiples se emplearon los métodos Estándar y Forward Stepwise, en el segundo caso
aplicando la prueba de Fisher F entre 1 y 0.5. Para la validación se empleó la prueba
de Durbin-Watson para verificar la variación aleatoria de los residuales.
En el caso peruano existen experiencias de aplicación de estos modelamientos
numéricos para el análisis de paisajes en zonas naturales, como es el caso del estudio
del Manglar de San Pedro – Vice, (Piura-Perú). En este caso los modelos aplicados
buscaron caracterizar la variabilidad Fisicoquímica y Fisiográfica de este ecosistema.
(Huaylinos et al., 2003) Los resultados del estudio arrojaron que el funcionamiento del
manglar respondía a la variabilidad del sedimento, es decir, la sedimentación de
material arrastrado del curso superior del río determinaba las características
fisiográficas de este ecosistema.
Resultados
Evolución Paisajes característicos de la región Apurimac, a partir de la ocupación de
suelo
Las unidades de ocupación de suelos de Apurimac, a través de la aplicación del
análisis de componentes principales, muestran una relación constante entre las
categorías de bofedal y suelos desnudos a través de los tres momentos de análisis.
11
De acuerdo a los gráfico 04 y 05, en 1990 y 2004 el paisaje de Apurimac estaba
definido por la asociación de suelos desnudos y bofedales frente al crecimiento de las
áreas urbanas. Lo que estaría mostrando este análisis es que tanto los suelos
desnudos como los bofedales podrían servir para explicar la mayor variabilidad de
comportamiento de las unidades de ocupación de suelos en los dos períodos de
estudio. Dado que el interés del presente estudio es sobre el comportamiento de la
desertificación sobre el territorio, se consideró sólo la categoría de suelos desnudos. A
partir de estos datos fue posible establecer relaciones con otro tipo de variables.
Asimismo, dado que los años 1990 y 2004 mantienen los mismos esquemas de
agrupación, se tomaran en cuenta estos períodos para la generación del modelo de
desertificación.
Modelo de desertificación
En el entendimiento que una de las manifestaciones del proceso de desertificación es
la presencia de áreas de territorio sin vegetación, escasa o dispersa cobertura vegetal,
es que se compararon las unidades de suelos desnudos, con otras variables ligadas a
los procesos de desertificación como la carga ganadera, la densidad poblacional, la
actividad agrícola y la disponibilidad de energía eléctrica en las viviendas. El modelo
de desertificación tendría los siguientes esquemas:
Área de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + ….
Índice de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + ….
En este caso el índice de suelos desnudo es la proporción de la superficie de suelo
desnudo y vegetación dispersa de un determinado distrito respecto del área total del
mismo distrito. Para este cálculo se ha tomado la referencia del área total de los
distritos reportadas por el INEI.
Para la realización del modelo se realizó una transformación de las unidades de todas
las variables a una base exponencial para armonizar las diferentes unidades y
magnitudes que representaban las variables elegidas, (ver resultados en los anexos).
Cuadro 04. Regresiones múltiples entre suelos desnudos y factores de desertificación
en 1990.
Suelo desnudo -0.640 + 0.231*EMPAG -1.274*DENPOB +
1.042*POBTOT + 0.364*CARGA_G2 -0.328*UO
12
Estadísticos del modelo
con suelo desnudo
R= .98219871 R²= .96471432 Adjusted R²= .95669484
F(5,22)=120.30 p<.00000 Std.Error of estimate: .26078
Índice de suelo desnudo 0.167 + 0.188*CARGA_G2 - 0.142*CARGA_G1 -
0.034*DENSIDAD
Estadísticos del modelo
con índice de suelo
desnudo
R= .89325409 R²= .79790288 Adjusted R²= .77264074
F(3,24)=31.585 p<.00000 Std.Error of estimate: .09687
Elaboración propia, 2011
De acuerdo al análisis realizado las variables más significantes, o las que aportan
mayores elementos al modelo son la carga ganadera referida al área del pastizales,
Carga_G2 y los empleos en el sector agrícola. En el caso de Apurimac, el 55% de la
población que declara una actividad se dedica a la Agricultura, ganadería, caza y
silvicultura razón por la que estas variables explican los procesos ligados a la
desertificación.
En la región Apurímac se viene produciendo un proceso de deterioro gradual y
permanente de la soportabilidad de los ecosistemas; la mayor presión sobre los
ecosistemas, la utilización de tierras frágiles para la agricultura (por la fuerte pendiente
y la erosión) sin prácticas de conservación de suelos, los problemas de sobrepastoreo
(insuficiente descanso de praderas y sobrecarga animal), la tala indiscriminada, el uso
ineficiente del agua y deficientes técnicas de riego acelerando así los procesos de
desertificación.
El deterioro de las fuentes de agua, suelo y cobertura vegetal, por una deficiente oferta
forrajera está relacionado principalmente con la intensificación del uso de la pradera
natural en forma no planificada (incremento sin control del número de animales,
introducción de especies inadecuadas, escasas prácticas de sectorialización o rotación
de praderas). El deterioro en estos recursos se manifiesta en una menor cobertura
vegetal de pastos naturales y la desaparición de especies nativas deseables,
impidiendo la regeneración de las especies vegetales, lo cual agudiza aún más la falta
de forrajes para las crianzas en una suerte de “circulo vicioso”.
Por otro lado, no se debe desestimar el desarrollo de algunas prácticas nocivas como
la quema de pastos con la finalidad de lograr rebrotes tiernos de vegetación forrajera,
práctica que tiene consecuencias muy negativas al no estar controlada; llega a cubrir
áreas de bosques, genera una pérdida gradual de especies leguminosas y gramíneas
de importancia económica, favoreciendo el desarrollo de especies de menor valor
nutritivo, deja el suelo desnudo y destruye la microfauna del pasto incluso los
predadores de plagas.
13
Por este tipo de manejo depredador de la pradera natural, se viene presentando un
proceso de desertificación y se está agudizando la erosión del suelo por efectos de la
lluvia y el viento; lo que también incide negativamente en la retención de agua en la
pradera, aspecto fundamental para su desarrollo y conservación.
Al realizar el análisis de las mismas variables en el año 2004, se obtienen las
siguientes relaciones:
Cuadro 05. Regresiones múltiples entre suelos desnudos y factores de desertificación
en 2004.
Suelo desnudo 2004 -1.497 -1.592*CARGA_G1 + 1.330*UO -
0.313*EMPLEOS + 0.331*CARGA_G2
Estadísticos del modelo
con suelo desnudo 2004
R= .93094479 R²= .86665819 Adjusted R²= .84532350
F(4,25)=40.622 p<.00000 Std.Error of estimate: .40608
Índice de suelo desnudo
2004
0.524 -0.020*HOGELE -0.220CARGA_G1 +
0.135CARGA_G2 -0.101EMPLEOS + 0.094UO
Estadísticos del modelo
con índice de suelo
desnudo 2004
R= .76419652 R²= .58399632 Adjusted R²= .49732889
F(5,24)=6.7384 p<.00047 Std.Error of estimate: .13240
Elaboración propia, 2011
En general los modelos muestran que existe una relación directa entre la superficie de
suelo desnudo y empleos en el sector agropecuario y carga animal (indicador G2), lo
cual mostraría que hay una relación entre la presión ejercida sobre los ecosistemas
por las actividades agropecuarias y el territorio.
De los cuatros modelos el que mejor representa esta relación es el que aparece en el
año 1990, y con un mayor nivel de relación, un R2 de 90%.
Ahora bien, en el modelo se aprecia una relación inversa con el número de unidades
ovinas, que representa el total de animales (UO), lo que puede parecer contradictorio.
No obstante, esta situación se podría explicar de la forma siguiente: el indicador de
presión es la densidad de animales, la carga ganadera, y no el número de los mismos.
Esta variable indicaría de un lado la vocación del territorio para la realización de la
ganadería, hay una importante área de pastizales, y de otro una importante cultura
ligada a la gestión del territorio. Existen estudios como señala la misma De Arantzabal
et al 2008, que muestran que las prácticas culturales tienen un impacto importante en
el territorio, en la sostenibilidad de los sistemas naturales y su relación con la
conservación. Apurimac tiene una de las mayores poblaciones de quechuahablantes
en el país, con un 70% de la población mayor de tres años que tiene el quechua como
14
idioma materno. Ligado ello a una cultura y una cosmovisión que ha logrado articular
el sistema natural con la sociedad local, rural principalmente, en medio de una serie de
restricciones y barreras naturales. No obstante, esta sabiduría ancestral, un
conocimiento histórico del manejo de ecosistemas, debido a los procesos de movilidad
y urbanización que vive la región se está perdiendo en la actualidad.
Respecto de las variables de población humana, el modelo parece mostrar que no
existen relaciones marcadas con el número de habitantes, se aprecia una relación
directa con población total e indirecta con la densidad. Sin embargo, esto podría
mostrar que el área de suelos desnudos no recibe una influencia importante desde la
población. Recordar que la población de Apurimac se concentra principalmente en
pequeños centros poblados rurales o pequeños núcleos urbanos.
Escenarios territoriales.
La construcción de escenarios territoriales tiene como base una revisión conceptual,
que integra las causas de la desertificación y sus efectos, de acuerdo a los principales
temas discutidos hasta ahora.
Gráfico 01. Esquema de escenarios territoriales
Fuente: ITDG, 2007
Uno de los principales efectos de la desertificación es el aumento de la pobreza y la
vulnerabilidad de los sistemas sociales, el cual se viene acelerando por el Cambio
Climático. Con los cuatro modelos descritos en el ítem anterior se han comparado los
datos de origen con los datos que arrojaban los modelos. En este caso el mejor
resultado obtenido de los cuatro modelos ha sido el referido al suelo desnudo del año
1990.
15
Suelo desnudo= -0.640 + 0.231*EMPAG -1.274*DENPOB + 1.042*POBTOT +
0.364*CARGA_G2 -0.328*UO
Para demostrar el alcance del modelo se muestran los resultados de las ecuaciones
trabajadas, como se aprecia en el gráfico 02, las líneas azules representan los datos
reales o base del estudio, mientras que las líneas rosa son los resultados de la
modelización.
Gráfico 02. Resultados de los modelos de regresión y la aplicación frente a datos
reales de territorio Apurimac
Modelo de 1990 Modelo de 2004
Fuente: elaboración propia, 2011
Como se aprecia en el caso del modelo de 1990 la relación con los datos reales es
bastante estrecha, con un margen de error de 2 a 5% sobre la base de las 30
unidades analizadas en la muestra.
La interrogante a continuación es la siguiente: ¿Cómo cambia el territorio si las
principales variables relacionadas con la desertificación se incrementan o disminuyen?
Tomando como base la regresión múltiple de 1990, que de acuerdo a los gráficos
anteriores tiene un mejor nivel de ajuste, se preparó una representación de cambio del
territorio en función de dos situaciones hipotéticas arbitrarias, sin un análisis a
profundidad de la situación real de Apurimac, con las siguientes características:
Escenario 1: Incremento de la presión antrópica relacionada a actividades
agropecuarias. En este caso se consideró que no hay ningún cambio en las prácticas
agropecuarias, asimismo las variables de población y densidad poblacional se
mantienen constantes. Al mismo tiempo se da un incremento de las unidades ovinas
16
en un 30%, y por ende la carga ganadera sobre los pastizales, así como el aumento
de los empleos agrícolas en la misma proporción de 30%.
Escenario 2: Disminución de la presión antrópica relacionada a actividades
agropecuarias. Se mantienen las variables de población y densidad poblacional
constantes, y se reducen las unidades ovinas en UO - 30%, la carga ganadera en
pastizales y empleos agrícolas también en un - 30%.
El resultado de aplicar estos supuestos se puede apreciar en el gráfico 03, que
muestra los cambios en el territorio en ambas situaciones. Estos mapas no
representan predicciones del comportamiento del territorio de Apurimac frente a estas
situaciones, que como hemos mencionado fueron planteadas de forma general. Se
requerirá de una base de datos más precisa, con las tendencias de las variables
socioeconómicas, para alcanzar este tipo de resultados. Además al no contar con la
matriz de transición de las categorías de uso no se puede tener este nivel de precisión.
Los mapas tienen esta limitación, sólo muestran cómo se comporta el territorio ante un
aumento o disminución de las variables socioeconómicas de acuerdo a las
condiciones elegidas para el ejercicio.
17
Gráfico 03. Escenarios territoriales de desertificación
Escenario de reducción de las variables de desertificación
Mapa base de la zona de estudio. Escenario de incremento de las variables de desertificación.
PROV. COTABAMBAS
OROPESA
CIRCA
CURAHUASI
ANTABAMBA
LAMBRAMA
HUANIPACA
GAMARRA
PICHIRHUA
ABANCAY
HUAQUIRCA
CHUQUIBAMBILLA
CURPAHUASI
JUAN ESPINOZA MEDRANO
PROGRESO
SABAINO
PACHACONAS
CHACOCHE
CURASCO
VIRUNDO
HUAYLLATI
PATAYPAMPA
EL ORO
MAMARATURPAY
MICAELA BASTIDAS
SAN PEDRO DE CACHORA
TAMBURCO
SANTA ROSA
SAN ANTONIO
VILCABAMBA
0 30 Kilometers
% suelos desnudos0 - 2020 - 4040 - 6060 - 8080 - 100
N
Suelos desnudos Escenario 1
Disminución presiones asociadas a actividades agropecuarias
PROV. COTABAMBAS
OROPESA
CIRCA
CURAHUASI
ANTABAMBA
LAMBRAMA
HUANIPACA
GAMARRA
PICHIRHUA
ABANCAY
HUAQUIRCA
CHUQUIBAMBILLA
CURPAHUASI
JUAN ESPINOZA MEDRANO
PROGRESO
SABAINO
PACHACONAS
CHACOCHE
CURASCO
VIRUNDO
HUAYLLATI
PATAYPAMPA
EL ORO
MAMARATURPAY
MICAELA BASTIDAS
SAN PEDRO DE CACHORA
TAMBURCO
SANTA ROSA
SAN ANTONIO
VILCABAMBA
0 30 Kilometers
% suelos desnudos 0 - 2020 - 4040 - 6060 - 8080 - 100
N
Suelos desnudos 1990 - 1993
PROV. COTABAMBAS
OROPESA
CIRCA
CURAHUASI
ANTABAMBA
LAMBRAMA
HUANIPACA
GAMARRA
PICHIRHUA
ABANCAY
HUAQUIRCA
CHUQUIBAMBILLA
CURPAHUASI
JUAN ESPINOZA MEDRANO
PROGRESO
SABAINO
PACHACONAS
CHACOCHE
CURASCO
VIRUNDO
HUAYLLATI
PATAYPAMPA
EL ORO
MAMARATURPAY
MICAELA BASTIDAS
SAN PEDRO DE CACHORA
TAMBURCO
SANTA ROSA
SAN ANTONIO
VILCABAMBA
0 30 Kilometers
% suelos desnudos 0 - 2020 - 4040 - 6060 - 8080 - 100
N
Suelos desnudos Escenario 1
Incremento presiones asociadas a actividades agropecuarias
Fuente: elaboración propia 2011
18
Conclusiones
1. A través de modelos de análisis territorial se han podido establecer relaciones
numéricas entre las unidades de suelos desnudos frente a variables ligadas a
las actividades agropecuarias. Con niveles de relación, coeficiente de regresión
mayores a 90%.
2. De los cuatro modelos analizados el que presentó mayor nivel de cohesión ha
sido el modelo del año 1990. Que depende principalmente de las relaciones
con los empleos agrícolas y la carga ganadera en unidades ovinas sobre el
área de pastizales.
3. Es posible generar escenarios territoriales a partir de las tendencias de las
variables clave ligadas a la actividad agropecuaria, que muestran
modificaciones del territorio de forma importante.
4. A través de los análisis de componentes principales se apreció que las
unidades de territorio denominados suelos desnudos y bofedales, son las que
representan la mayor variabilidad de la información territorial y permitirían, a
través de relaciones con otras variables explicar los procesos de desertificación
A nivel de la hipótesis:
5. Para el caso de la región Apurimac se pueden representar los procesos de
desertificación a través de modelos que relacionan variables socioeconómicas,
en este caso agropecuarias, con las variables de territorio.
Limitaciones del estudio:
Para un posterior estudio es necesario contar con la matriz de transición de los
cambios en la superficie de suelos para la región Apurimac, a partir del cruce de
mapas del año 1990 y 2004. Con el cual se puedan describir escenarios de cambio
más cercanos a la realidad.
Bibliografía
Andrés Muñoz-Pedreros. 2004. La evaluación del paisaje: una herramienta de gestión
ambiental. Revista Chilena de Historia Natural 77: 139-156
Baldock, D., Beaufoy, G., Bennett, G., Clark, J., 1993. Nature Conservation and New
Directions in the Common Agricultural Policy. Institute for European Environmental
Policy, Arnhem.
Castro, P., 2006: Governance in combating desertification in Peru: The case of
Apurímac Region. University of Reading.
19
Chikhaoui, M., F. Bonn, A.I, Bokoye y A. Merzouk. 2005. A spectral index for land
degradation mapping using ASTER data: Application to a semi-arid Mediterranean
catchment. International Journal of Applied Earth Observation and Geoinformation
7:140–153.
Consejo de Europa. 2000. Convenio Europeo Sobre el Paisaje. Florencia.
De Aranzabal, I; Schmitz, M; Aguilera, P; D. Pineda, F. 2008. Modelling of landscape
changes derived from the dynamics of socio-ecological systems. A case of study in a
semiarid Mediterranean landscape. Ecological indicators 8, 672 – 685.
Eguren, Fernando. 2004. Las políticas agrarias en la última década: una evaluación.
En Fernando Eguren, María Isabel Remy y Patricia Oliart (eds.). Perú, el problema
agrario en debate. SEPIA X. Lima: SEPIA, pp. 19-78.
FAO. 1996. Forest resources assesment 1990. Survey of tropical forest cover and
study of change processes. FAO forestry paper 130. Roma, 152 p.
Flores, A. Malpartida, E. 1987. Manejo de praderas nativas y pasturas en la región
altoandina del Perú (2 volúmenes). Banco Agrario. Lima.
Huaylinos, W, Quispitupac, E y Martinez, N. 2003. Variabilidad fisicoquímica y
fisiográfica del ecosistema de Manglar San Pedro-Vice (Piura-Perú). Rev. Inst.
investig. Fac. Minas metal cienc. geogr , ene./jun. 2003, vol.6, no.11, p.7-19. ISSN
1561-0888.
INEI, 2009. Censo de Población y Vivienda. Lima.
Instituto Nacional de Recursos Naturales. 1996. Mapa de erosión de los suelos del
Perú: memoria descriptiva. Lima.
ITDG Soluciones Prácticas. 2007. Sequía y desertificación en Apurimac. Diagnóstico.
ITDG, Unión Europea, MASAL. Abancay. Páginas 36-43
Iguíñiz Echeverría, Javier M. 2007. Cambio Tecnológico en la Agricultura Peruana en
las Décadas Recientes: Enfoques, Resultados y Elementos. En SEPIA XII Problema
Agrario.
Lambin, E.F. 1994. Modelling Deforestation Processes. A Review. Tropical Ecosystem
Environment Observations by Sa-tellites. TREES Series: Research Report No. 1.
Luxemburg, 113 pp.
Lambin, E.F. y H. Geist (eds.). 2006. Land-use and land-cover change: local
processes and global impacts. Springer, Berlin, Alemania. 204 pp
Liang, L., Stocking, M., Brookfield, H., Jansky, L., 2001. Biodiversity conservation
through agrodiversity. Global Environ. Change 11, 97–101
Maletta, H. 1994. El arte de contar ovejas: Intensidad del pastoreo en la ganadería
altoandina. Debate Agrario 8. Cepes. Lima. Páginas 62-75.
20
Naciones Unidas, 1994. La Convención de las Naciones Unidas de Lucha contra la
Desertificación,
http://www.unccd.int/parliament/data/bginfo/PDUNCCD%28spa%29.pdf
PNUD. 2009. Informe sobre Desarrollo Humano Perú 2009: Por una densidad del
Estado al servicio de la gente. Lima.
Rosete Vergés, Fernando; Pérez Damián, José Luís. Bocco, Gerardo. 2008
Contribución al análisis del cambio de uso del suelo y vegetación (1978-2000) en la
Península de Baja California, México. Investigaciones Geográficas 67:39-58, diciembre
de 2008, Mexico.
Serra, P; Pons, X y Saurí, D. 2007. Análisis espacial conjunto de variables
socioeconómicas y biofísicas como fuerzas inductoras de los cambios agrarios:
Problemas y posibles soluciones. Centre de Recerca Ecològica i Aplicacions Forestals.
Tapia, M. Flores O., J. 1984. Pastoreo y pastizales en los Andes del Sur del Perú.
INIA. Lima.
Terrádez, Manuel. 2007. Análisis de componentes principales. Proyecto e-Math,
Financiado por la Secretaría de Estado de Educación y Universidades (MECD).
Universidad Pablo de Olavide. Sevilla. Páginas 1-3.
21
Anexos
Gráfico 04 Unidades de territorio en el año 1990.
Factor Loadings, Factor 1 vs. Factor 2
Rotation: Unrotated
Extraction: Principal components
Factor 1
Fa
cto
r 2
BOFEDALE
BOSQUES
CUERPOS
NIEVE
PASTIZAL
SUELO_DE
ZONA_AGR
ZONA_URB
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
-0.2 0.0 0.2 0.4 0.6 0.8 1.0
Grafico 05. Unidades de territorio en el año 2004.
Factor Loadings, Factor 1 vs. Factor 2
Rotation: Unrotated
Extraction: Principal components
Factor 1
Fa
cto
r 2
BOFEDALE
BOSQUES
CUERPOS
NIEVE
PASTIZAL
SUELO_DE
ZONA_AGR
ZONA_URB
-1.0
-0.8
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
-0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0
Resultados del modelo de regresión múltiple
1. Variable dependiente Suelo desnudo 1990 (Resultados del Cuadro 04)
BETA St. Err.of BETA B St. Err. of B t(22) p-level
Intercepto -0.640246228 0.64536856-
0.99206294 0.33195356EMPLEOS 0.21047442 0.12336581 0.231001557 0.13539743 1.70610001 0.10206906
DENSIDAD -1.06536759 0.07403041 -1.27487744 0.08858886-
14.3909452 1.1277E-12POBLACIO 0.92622765 0.15422616 1.04236002 0.17356336 6.00564551 4.8096E-06CARGA_G2 0.37931309 0.07057249 0.36421976 0.06776432 5.37480118 2.1364E-05UO -0.24190596 0.08067032 -0.32827652 0.10947301 -2.9986983 0.00661454
22
2. Variable dependiente Índice de suelo desnudo 1990 (Resultados del Cuadro 04)
BETA St. Err.of BETA B
St. Err.of B t(24) p-level
Intercepto 0.1672399 0.09978169 1.67605804 0.10670759CARGA_G2 1.20968571 0.15711095 0.1883075 0.02445691 7.69956314 6.1721E-08
CARGA_G1 -0.6994469 0.1950728 -0.1428168 0.03983099-
3.58556851 0.00149013
DENSIDAD -0.17672444 0.13341306 -0.0342843 0.02588193-
1.32464128 0.1977659
3. Variable dependiente Suelo desnudo 2004 (Resultados del Cuadro 05)
BETA St. Err of BETA B
St. Err.of B t(25) p-level
Intercepto -1.497521 1.28958677-
1.16124125 0.25651187
CARGA_G1 -1.29656634 0.12082447 -1.592342 0.14838724-
10.7309913 7.5777E-11UO 0.80012682 0.10068098 1.330372 0.16740239 7.94714956 2.651E-08
EMPLEOS -0.2934911 0.09213181 -0.313265 0.0983391-
3.18555671 0.00384976CARGA_G2 0.32075957 0.12417774 0.331937 0.12850508 2.58306809 0.01603191
4. Variable dependiente Índice de suelo desnudo 2004 (Resultados del Cuadro 05)
BETA St. Err.of BETA B St. Err. of B t(24) p-level
Intercepto 0.5244708 0.43291837 1.21147728 0.23750637
HOGARES -
0.10639812 0.18489 -0.0201549 0.03502363-
0.57546715 0.57033217
CARGA_G1 -
0.98992453 0.2244149 -0.2198770 0.0498459-
4.41113543 0.00018568CARGA_G2 0.71902775 0.23108488 0.1345731 0.0432498 3.11153098 0.00475408
EMPLEOS -
0.52266064 0.20945931-
0.10089565 0.04043452-
2.49528482 0.01986148UO 0.31414796 0.18177249 0.09446795 0.0546611 1.72824812 0.09679083