• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Modelos de relación de paisajes y variables socioeconómicas para la región Apurímac. Escenarios territoriales de desertificación. Por Ibáñez y Damman
 

Modelos de relación de paisajes y variables socioeconómicas para la región Apurímac. Escenarios territoriales de desertificación. Por Ibáñez y Damman

on

  • 450 views

Ponencia presentada como parte de la Mesa 1: Economía y Ambiente del tema Desafíos Ambientales del Seminario Permanente de Investigación Agraria (SEPIA). Piura, Perú. Agosto 2011

Ponencia presentada como parte de la Mesa 1: Economía y Ambiente del tema Desafíos Ambientales del Seminario Permanente de Investigación Agraria (SEPIA). Piura, Perú. Agosto 2011

Statistics

Views

Total Views
450
Views on SlideShare
450
Embed Views
0

Actions

Likes
0
Downloads
5
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Modelos de relación de paisajes y variables socioeconómicas para la región Apurímac. Escenarios territoriales de desertificación. Por Ibáñez y Damman Modelos de relación de paisajes y variables socioeconómicas para la región Apurímac. Escenarios territoriales de desertificación. Por Ibáñez y Damman Document Transcript

    • 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 1
    • Título de la ponencia: “Modelos de relación de paisaje y variables socioeconómicas para la región Apurimac.” Escenarios territoriales de desertificación ResumenLa 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 económicasy agrarias desde los años 90. Estos procesos, aunados a los procesossocioeconómicos en curso (crecimiento poblacional sostenido, especialización eintensificación de las zonas de valle, pérdida del conocimiento tradicional), estánagudizando los problemas ambientales y los conflictos. Así, en la actualidad estamosasistiendo a una reducción de los recursos hídricos y un agravamiento del proceso dedesertificación.El presente estudio analiza la ocupación de los suelos en la región Apurimac en lasdos últimas décadas, de una parte su evolución, así como las relaciones entre lasuperficie sin cobertura vegetal frente a variables socioeconómicas que representanfactores de presión entrópica, ligados a procesos de desertificación. A partir de estacaracterización se establecen correlaciones entre variables ligadas al sectoragropecuario mostrando relaciones estrechas entre los suelos desnudos y la presiónde 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 lainvestigación.Uno de los principales procesos que afectan el territorio en el medio andino es ladesertificación, expresado fundamentalmente en la pérdida de cobertura vegetal y dela diversidad biológica asociada a los ecosistemas. De acuerdo a diversos estudios seha establecido que la desertificación es fundamentalmente un proceso que responde ala acción humana sobre el territorio, siendo algunas de sus causas la presión de lascrianzas 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?. 2
    • 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 hipótesisLa desertificación puede ser explicada a través de modelos que relacionan variablessocioeconómicas 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 comobase experiencias realizadas anteriormente en el país y en la misma zona, de otrosestudios de desertificación.- Incluir una revisión de la bibliografía relevante en torno al tema, discutiendoespacios de controversia o incertidumbre.Desde los años 60, la desertificación es considerada como uno de los mayoresproblemas ambientales a los que se enfrenta el planeta. En los años 90, a raíz de lacumbre de Rio de Janeiro se planteó una Convención de las Naciones Unidas deLucha contra la Desertificación CNULD. Aunque no existe un consenso acerca de lascausas, consecuencias, ubicación geográfica y reversibilidad del fenómeno, ladefinición reconocida y aceptada es la siguiente:“La desertificación es la degradación de tierras en zonas áridas, semiáridas ysubhúmedas resultante de varios factores que incluyen las variaciones climáticas y lasactividades humanas (NU, 1994)”La mayoría de los cambios experimentados en los ecosistemas terrestres sonproducidos por la conversión del uso del suelo o por la intensificación del uso y laconsecuente degradación de la tierra (Lambin 1994; Lambin y Geist 2006). Ladeforestación y la presión humana sobre la tierra, para la producción de cultivos y la 3
    • 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 Erosión por Erosión por malasDegradación Bajo contenido de Degradación de las zonas deforestación prácticas agrícolasencontrada materia orgánica alto andinasOcupación de Vegetación dispersa Agricultura Agricultura Pastos altoandinossuelos Relieve: pendientes Relieve: pendientes Suelos más friables Sequías superiores a 10% superiores a 10% en la zona InferiorCausa natural andina (texturas arcillo arenosas) Degradación de la Malas prácticas Uso abusivo de Quema y sobrepastoreo vegetación natural por agrícolas (manejo no productos químicos tala indiscriminada adecuado del riegoCausas (apertura de la frontera por gravedad,antrópicas agrícola, leña…), ausencia de surcos) sobrepastoreo y quema Ha % Ha % Ha % Ha %Grau 26315 12,3 4592 2,2 0 0 118422 56Cotabambas 32552 12,4 4667 1,8 0 0 148218 57Antabamba 15284 4,7 2508 0,8 0 0 194948 61Abancay 80036 23,2 12212 3,5 31204 9 111267 32 Fuente: Proyecto “Sequía y Desertificación” ITDG – Soluciones Prácticas, 2007 4
    • Los estudios de teledetección realizados en el 2007 permitieron ilustrar cambiosimportantes en el paisaje de la región, sobre todo en aquellos factores que explican losprocesos de desertificación, expresados en cambios y variaciones respecto de laocupación de los suelos de la región Apurímac entre 1990 y 2005. Para hacer unanálisis del cambio de la cobertura de suelos en la región se ha seguido el métodopropuesto por la FAO (1996) Para calcular la tasa de cambio de cada categoría deuso de suelo se utilizó la fórmula siguiente t = (1 – ((S1 – S2)/S1)) 1/n - 1Donde: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 losaños 1990 y 2004, con la tasa de cambio. Cuadro 02. Evolución de la ocupación de suelos entre los años 1990 y 2004. Tasa deCategorías de ocupación en Km2 1990 2004 cambioBofedales y/o vegetación altoandina 1026.82 954.98 0.07154118Bosques 190.98 261.78 0.10544171Cuerpos de agua 100.6 91.55 0.07000348Nieve 125.93 288.35 0.17613559Pastizales 7862.43 7652.23 0.07486658Suelo desnudo, erosionado y/o vegetación noactiva 9642.02 9592.61 0.07652886Zona agrícola 1014.57 1111.74 0.08429016Zona urbana 3.01 13.12 0.3353086Total 19966.36 19966.36Fuente: ITDG, elaboración propia 2011.De acuerdo a los datos la superficie de suelos desnudos cubrían el 48% del área de laregión en 1990, proporción que se mantuvo en el 2004. Es decir, la proporción delárea de esta categoría representa la mitad del territorio, y en los 14 años la tendenciaha sido casi estática. Si bien se ha dado una reducción de la categoría suelo desnudoa una tasa de 7% anual, unas 300 ha por año en este período. Una de lasherramientas para analizar los cambios en la superficie ocupada por cada tipo devegetación y uso del suelo es la matriz de transición, que es el resultado desuperponer 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 lamagnitud del trabajo que ello representa, y la corrección de los mapas resultantes que 5
    • requiere de un paciente ajuste. No obstante, se espera superar esta debilidad paraestudios posteriores, mejorando el análisis de los cambios de usos de suelos a lo largode los años en la misma región Apurimac.No obstante, la interrogante respecto de si es posible establecer modelos derelaciones entre el paisaje y las variables socioeconómicas que actúan en el mismo semantiene vigente, así como si es viable formalizar estos modelos a través de modelosmatemáticos que expresen estas relaciones. Existen experiencias de estudios derelación entre el paisaje y las variables sociales y económicas de un territorio, quepermiten conocer de forma experimental, cómo se comporta el paisaje frente a lascondiciones sociales y económicas internas.En este contexto, la presente investigación tuvo como objetivo principal ladeterminación de indicadores de desertificación a partir de la determinación decorrelaciones 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 elresultado 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 quemerece especial consideración al momento de evaluar impactos ambientalesnegativos en un proyecto determinado (Muñoz-Pedreros, 2004) El estudio del paisajepermite conocer las interrelaciones entre la sociedad y el medio natural, lo cual seconvierte en una herramienta de análisis de los procesos sociales y ecológicos másimportantes.En los últimos años los paisajes han sufrido grandes transformaciones, pasando demodelos de gestión agrícola tradicionales, a la producción agrícola intensiva o alabandono de muchos lugares. El mantenimiento los modelos agrícolas tradicionales seha basado en la transmisión de información de una generación a otra, generandomodelos de uso sostenible (Liang et al., 2001). Frente a ello, los procesos dedespoblación rural, han dado lugar una serie de problemas culturales, económicos yecológicos, como la erosión, destrucción hábitat, pérdida de la biodiversidad, eldeterioro del paisaje cultural (Baldock et al., 1993).En la década pasada los métodos de análisis del paisaje han considerado nuevasherramientas como es el modelamiento numérico de las relaciones entre la actual 6
    • 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 componentesprincipales (ACP), sobre las principales unidades de territorio. Este análisis es unatécnica estadística de síntesis de la información, o reducción de la dimensión (númerode variables). Es decir, ante un banco de datos con muchas variables, el objetivo seráreducirlas a un menor número perdiendo la menor cantidad de información posible.Los nuevos componentes principales o factores serán una combinación lineal de lasvariables originales, y además serán independientes entre sí (Terradez, 2007)De esta forma se estima representar la diversidad de los datos encontrados, pararecogerla en las dimensiones que representan las principales variaciones y tendenciasde la tipología del paisaje. Este análisis de ACP permite ver cuantos ejes devariabilidad se pueden explicar para los paisajes y unidades de territorio de Apurimac.Con esta información se identificaron los tipos de paisajes mediante la segmentaciónde los primeros ejes del ACP en tres intervalos aproximadamente iguales, basado enlas coordenadas de las observaciones representadas en el plano. Se ubicó a losmunicipios y tipos de paisaje en el plano de acuerdo con su proximidad al centro degravedad de cada grupo (Distancias de Mahalanobis, Mdij)Donde los vectores xi y xj representan dos puntos en el plano-dimensión Vw, que es elespacio y la matriz de covarianza entre los grupos. En el plano, cada una de las dosdimensiones calculadas constituye una manera de describir el cambio en el paisaje delárea de estudio, de acuerdo con las cargas de las variables descriptivas de esasdimensiones.Se emplearan las coordenadas de los municipios en las dimensiones del plano ACPcomo 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 delnúmero óptimo de las condiciones socioeconómicas que caracterizan la variabilidaddel paisaje los municipios, expresada por cada eje. El modelo de ajuste entre lasvariables se debe expresar de la siguiente manera:Donde Yi representa el suelo desnudo a partir de la información de coberturasempleado, de municipalidades del conjunto, “a” el intercepto, y b, c, d,. . ., m loscoeficientes de regresión de las variables socioeconómicas de mayor importancia 7
    • seleccionadas por el análisis. Estas regresiones formalizaran la relación del modelonumérico entre las unidades de vegetación y la ocupación de suelos (variabilidad dey), y el espacio socioeconómico (variables económicas seleccionadas en la regresión,cuya relación positiva o negativa indican la importancia de la relación con suscoeficientes).Tomando como base estas experiencias, el presente trabajo muestra la aplicación deherramientas de análisis numérico para la formalización de las relaciones entrevariables sociales y ecológicas en la zona andina de Apurimac, Perú.- Presentación de la metodología de recojo y/o análisis de información utilizada.Área de estudioLa región Apurimac está conformada por 80 distritos y 7 provincias, las cuales secaracterizan por los siguientes índices de desarrollo humano, de acuerdo al informedel Programa de Naciones Unidas y Desarrollo del año 2009 (PNUD, 2009). Cuadro 02. Índice de desarrollo humano de Apurimac. Índice de Esperanza Ingreso Alfabetism Escolarida Logro Población Desarrollo de vida al familiar o d EducativoDepartament Humano nacer per cápitao / provinciaAPURÍMAC 404 190 0.5610 71.77 78.32 89.91 82.19 203.3Abancay 96 064 0.6025 73.43 86.55 90.18 87.76 288.6Fuente: PNUD, 2009Para el presente estudio se ha tomado como unidad los distritos, considerando en labase los 80 distritos que actualmente componen la región Apurimac. No obstante, parael desarrollo de los modelos territoriales se han tomado 04 provincias, lasdenominadas provincias altas de Apurimac, Antabamba, Grau y Cotabambas, asícomo la provincia de Abanyca, que es la capital de la región. Dos aclaracionesadicionales, en la década de los 90´s la provincia de Grau tenía 13 distritos, y laprovincia de Cotabambas 05, actualmente tienen 14 y 06 respectivamente. Para elmodelo de trabajo en concreto se excluyeron del análisis los distritos de la provincia deCotabambas, 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, lamisma que generó el mapa de ocupación de suelos, a partir de imágenes satélite 8
    • Aster. Este satélite emite imágenes de 15 metros de resolución, correspondiente a losaños 2004 y 2005, así como de imágenes del sistema Landsat, con 30 metros deresolución correspondiente a los años 1990, 2000 y 2004. A partir del trabajo de estasimágenes se definieron 8 categorías de ocupación de suelos identificadas: Bofedales,Bosques; Cuerpos de agua; Nieve; Pastizales; Suelos desnudos y vegetacióndispersa; Zona Agrícola; Zona urbana (ITDG, 2007) No obstante, debido a dificultadespara el ajuste de las áreas con cobertura nubosa se tuvo que dejar de lado lainformación del año 2000.El segundo conjunto de variables a analizar fue respecto de los datossocioeconómicos. Para ello se trabajo con la base de información de los Censos dePoblación y Vivienda de 1993 y 2007, (INEI, 1993 y 2009) en los temas de empleo ytipo de energía en la vivienda. Asimismo para la información de las cabezas deganado se tuvo como fuente las estadísticas del Censo Agrario de 1994 y los datos delMinisterio de Agricultura para el año 2007. En cuanto al índice de densidad poblacionalse 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 reportadosde ganado por el Censo de 1994 y del Ministerio de agricultura, y se convirtieron aunidades ovino siguiendo el esquema de Maletta (1994) y Florez (1987) tomandocomo base las conversiones de las diferentes cargas de ganado a unidades ovino. Lacarga ganadera se generó a partir de las UO entre el área del distrito y entre las UO yel área de pastizales reportadas en el distrito. Las variables se aprecian en el cuadrosiguiente:Cuadro 03. Variables empleadas para generar el modelo de trabajo Variables Unidades CódigoSuelo desnudo, erosionado y/o Superficie en Km2 Sueldesvegetación no activa Superficie en Km2 SuptotSuperficie total Superficie de suelo InddesÍndice de suelo desnudo desnudo/ superficie total Conversión de las unidades UOUnidades Ovinos de ganado a unidades ovinoPastizales Superficie en Km2 Pastiza Número de personas PobtotPoblación total Número de personas EmpagEmpleos agrícolas Número de viviendas HogeleHogares con Electricidad Habitantes / Km2 DenpobDensidad poblacional 9
    • UO totales / Superficie total CargaG1Carga Ganadera1 Km2 UO totales / Superficie de CargaG2Carga Ganadera2 pastizales Km2Fuente: elaboración propia, 2011.Método de trabajo.A partir de la información del estudio el estudio “Adquisición, Procesamiento, Análisis yClasificación de Imágenes Satelitales y Elaboración de Mapas Para el Estudio de losProcesos de Sequía y Desertificación en la Región Apurimac”, se estableció unamatriz de datos cuantitativos, en este caso 08 variables de ocupación de suelo, en 30distritos 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, quepermiten operar los análisis de componentes principales y regresiones múltiples deforma sencilla y buena precisión estadística, así como las pruebas estadísticasnecesarias para la fiabilidad de los datos obtenidos. Respecto de las regresionesmúltiples se emplearon los métodos Estándar y Forward Stepwise, en el segundo casoaplicando la prueba de Fisher F entre 1 y 0.5. Para la validación se empleó la pruebade Durbin-Watson para verificar la variación aleatoria de los residuales.En el caso peruano existen experiencias de aplicación de estos modelamientosnuméricos para el análisis de paisajes en zonas naturales, como es el caso del estudiodel Manglar de San Pedro – Vice, (Piura-Perú). En este caso los modelos aplicadosbuscaron caracterizar la variabilidad Fisicoquímica y Fisiográfica de este ecosistema.(Huaylinos et al., 2003) Los resultados del estudio arrojaron que el funcionamiento delmanglar respondía a la variabilidad del sedimento, es decir, la sedimentación dematerial arrastrado del curso superior del río determinaba las característicasfisiográficas de este ecosistema.ResultadosEvolución Paisajes característicos de la región Apurimac, a partir de la ocupación desueloLas unidades de ocupación de suelos de Apurimac, a través de la aplicación delanálisis de componentes principales, muestran una relación constante entre lascategorías de bofedal y suelos desnudos a través de los tres momentos de análisis. 10
    • De acuerdo a los gráfico 04 y 05, en 1990 y 2004 el paisaje de Apurimac estabadefinido por la asociación de suelos desnudos y bofedales frente al crecimiento de lasáreas urbanas. Lo que estaría mostrando este análisis es que tanto los suelosdesnudos como los bofedales podrían servir para explicar la mayor variabilidad decomportamiento de las unidades de ocupación de suelos en los dos períodos deestudio. Dado que el interés del presente estudio es sobre el comportamiento de ladesertificación sobre el territorio, se consideró sólo la categoría de suelos desnudos. Apartir de estos datos fue posible establecer relaciones con otro tipo de variables.Asimismo, dado que los años 1990 y 2004 mantienen los mismos esquemas deagrupación, se tomaran en cuenta estos períodos para la generación del modelo dedesertificación.Modelo de desertificaciónEn el entendimiento que una de las manifestaciones del proceso de desertificación esla 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 alos procesos de desertificación como la carga ganadera, la densidad poblacional, laactividad agrícola y la disponibilidad de energía eléctrica en las viviendas. El modelode 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 suelodesnudo y vegetación dispersa de un determinado distrito respecto del área total delmismo distrito. Para este cálculo se ha tomado la referencia del área total de losdistritos reportadas por el INEI.Para la realización del modelo se realizó una transformación de las unidades de todaslas variables a una base exponencial para armonizar las diferentes unidades ymagnitudes que representaban las variables elegidas, (ver resultados en los anexos).Cuadro 04. Regresiones múltiples entre suelos desnudos y factores de desertificaciónen 1990.Suelo desnudo -0.640 + 0.231*EMPAG -1.274*DENPOB + 1.042*POBTOT + 0.364*CARGA_G2 -0.328*UO 11
    • Estadísticos del modelo R= .98219871 R²= .96471432 Adjusted R²= .95669484con suelo desnudo F(5,22)=120.30 p<.00000 Std.Error of estimate: .26078Índice de suelo desnudo 0.167 + 0.188*CARGA_G2 - 0.142*CARGA_G1 - 0.034*DENSIDADEstadísticos del modelo R= .89325409 R²= .79790288 Adjusted R²= .77264074con índice de suelo F(3,24)=31.585 p<.00000 Std.Error of estimate: .09687desnudoElaboración propia, 2011De acuerdo al análisis realizado las variables más significantes, o las que aportanmayores 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 lapoblación que declara una actividad se dedica a la Agricultura, ganadería, caza ysilvicultura razón por la que estas variables explican los procesos ligados a ladesertificación.En la región Apurímac se viene produciendo un proceso de deterioro gradual ypermanente de la soportabilidad de los ecosistemas; la mayor presión sobre losecosistemas, la utilización de tierras frágiles para la agricultura (por la fuerte pendientey la erosión) sin prácticas de conservación de suelos, los problemas de sobrepastoreo(insuficiente descanso de praderas y sobrecarga animal), la tala indiscriminada, el usoineficiente del agua y deficientes técnicas de riego acelerando así los procesos dedesertificación.El deterioro de las fuentes de agua, suelo y cobertura vegetal, por una deficiente ofertaforrajera está relacionado principalmente con la intensificación del uso de la praderanatural en forma no planificada (incremento sin control del número de animales,introducción de especies inadecuadas, escasas prácticas de sectorialización o rotaciónde praderas). El deterioro en estos recursos se manifiesta en una menor coberturavegetal de pastos naturales y la desaparición de especies nativas deseables,impidiendo la regeneración de las especies vegetales, lo cual agudiza aún más la faltade forrajes para las crianzas en una suerte de “circulo vicioso”.Por otro lado, no se debe desestimar el desarrollo de algunas prácticas nocivas comola 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 cubriráreas de bosques, genera una pérdida gradual de especies leguminosas y gramíneasde importancia económica, favoreciendo el desarrollo de especies de menor valornutritivo, deja el suelo desnudo y destruye la microfauna del pasto incluso lospredadores de plagas. 12
    • Por este tipo de manejo depredador de la pradera natural, se viene presentando unproceso de desertificación y se está agudizando la erosión del suelo por efectos de lalluvia y el viento; lo que también incide negativamente en la retención de agua en lapradera, aspecto fundamental para su desarrollo y conservación.Al realizar el análisis de las mismas variables en el año 2004, se obtienen lassiguientes relaciones:Cuadro 05. Regresiones múltiples entre suelos desnudos y factores de desertificaciónen 2004.Suelo desnudo 2004 -1.497 -1.592*CARGA_G1 + 1.330*UO - 0.313*EMPLEOS + 0.331*CARGA_G2Estadísticos del modelo R= .93094479 R²= .86665819 Adjusted R²= .84532350con suelo desnudo 2004 F(4,25)=40.622 p<.00000 Std.Error of estimate: .40608Índice de suelo desnudo 0.524 -0.020*HOGELE -0.220CARGA_G1 +2004 0.135CARGA_G2 -0.101EMPLEOS + 0.094UOEstadísticos del modelo R= .76419652 R²= .58399632 Adjusted R²= .49732889con índice de suelo F(5,24)=6.7384 p<.00047 Std.Error of estimate: .13240desnudo 2004Elaboración propia, 2011En general los modelos muestran que existe una relación directa entre la superficie desuelo desnudo y empleos en el sector agropecuario y carga animal (indicador G2), locual mostraría que hay una relación entre la presión ejercida sobre los ecosistemaspor las actividades agropecuarias y el territorio.De los cuatros modelos el que mejor representa esta relación es el que aparece en elaño 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 unidadesovinas, 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 depresión 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 laganadería, hay una importante área de pastizales, y de otro una importante culturaligada a la gestión del territorio. Existen estudios como señala la misma De Arantzabalet al 2008, que muestran que las prácticas culturales tienen un impacto importante enel territorio, en la sostenibilidad de los sistemas naturales y su relación con laconservación. Apurimac tiene una de las mayores poblaciones de quechuahablantesen el país, con un 70% de la población mayor de tres años que tiene el quechua como 13
    • idioma materno. Ligado ello a una cultura y una cosmovisión que ha logrado articularel sistema natural con la sociedad local, rural principalmente, en medio de una serie derestricciones y barreras naturales. No obstante, esta sabiduría ancestral, unconocimiento histórico del manejo de ecosistemas, debido a los procesos de movilidady urbanización que vive la región se está perdiendo en la actualidad.Respecto de las variables de población humana, el modelo parece mostrar que noexisten relaciones marcadas con el número de habitantes, se aprecia una relacióndirecta con población total e indirecta con la densidad. Sin embargo, esto podríamostrar que el área de suelos desnudos no recibe una influencia importante desde lapoblación. Recordar que la población de Apurimac se concentra principalmente enpequeños 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 principalestemas discutidos hasta ahora.Gráfico 01. Esquema de escenarios territoriales Fuente: ITDG, 2007Uno de los principales efectos de la desertificación es el aumento de la pobreza y lavulnerabilidad de los sistemas sociales, el cual se viene acelerando por el CambioClimático. Con los cuatro modelos descritos en el ítem anterior se han comparado losdatos de origen con los datos que arrojaban los modelos. En este caso el mejorresultado obtenido de los cuatro modelos ha sido el referido al suelo desnudo del año1990. 14
    • Suelo desnudo= -0.640 + 0.231*EMPAG -1.274*DENPOB + 1.042*POBTOT +0.364*CARGA_G2 -0.328*UOPara demostrar el alcance del modelo se muestran los resultados de las ecuacionestrabajadas, como se aprecia en el gráfico 02, las líneas azules representan los datosreales o base del estudio, mientras que las líneas rosa son los resultados de lamodelización.Gráfico 02. Resultados de los modelos de regresión y la aplicación frente a datosreales de territorio Apurimac Modelo de 1990 Modelo de 2004Fuente: elaboración propia, 2011Como se aprecia en el caso del modelo de 1990 la relación con los datos reales esbastante estrecha, con un margen de error de 2 a 5% sobre la base de las 30unidades analizadas en la muestra.La interrogante a continuación es la siguiente: ¿Cómo cambia el territorio si lasprincipales variables relacionadas con la desertificación se incrementan o disminuyen?Tomando como base la regresión múltiple de 1990, que de acuerdo a los gráficosanteriores tiene un mejor nivel de ajuste, se preparó una representación de cambio delterritorio en función de dos situaciones hipotéticas arbitrarias, sin un análisis aprofundidad de la situación real de Apurimac, con las siguientes características:Escenario 1: Incremento de la presión antrópica relacionada a actividadesagropecuarias. En este caso se consideró que no hay ningún cambio en las prácticasagropecuarias, asimismo las variables de población y densidad poblacional semantienen constantes. Al mismo tiempo se da un incremento de las unidades ovinas 15
    • en un 30%, y por ende la carga ganadera sobre los pastizales, así como el aumentode los empleos agrícolas en la misma proporción de 30%.Escenario 2: Disminución de la presión antrópica relacionada a actividadesagropecuarias. Se mantienen las variables de población y densidad poblacionalconstantes, y se reducen las unidades ovinas en UO - 30%, la carga ganadera enpastizales y empleos agrícolas también en un - 30%.El resultado de aplicar estos supuestos se puede apreciar en el gráfico 03, quemuestra los cambios en el territorio en ambas situaciones. Estos mapas norepresentan predicciones del comportamiento del territorio de Apurimac frente a estassituaciones, que como hemos mencionado fueron planteadas de forma general. Serequerirá de una base de datos más precisa, con las tendencias de las variablessocioeconómicas, para alcanzar este tipo de resultados. Además al no contar con lamatriz 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 unaumento o disminución de las variables socioeconómicas de acuerdo a lascondiciones elegidas para el ejercicio. 16
    • Gráfico 03. Escenarios territoriales de desertificación Escenario de reducción de las variables de Mapa base de la zona de estudio. Escenario de incremento de las variables de desertificación desertificación. Suelos desnudos Suelos desnudos Escenario 1 Suelos desnudos 1990 - 1993 Escenario 1 Disminución presiones asociadas Incremento presiones asociadas a actividades agropecuarias a actividades agropecuarias HUANIPACA SAN PEDRO DE CACHORA HUANIPACA SAN PE DRO DE CACHORA HUANIPACA SAN PE DRO DE CACHORA TAMBURCO TAMBURCO TAMBURCO ABANCAY CURAHUASI ABANCAY CURAHUASI ABANCAY CURAHUASI PICHIRHUA LAMBRAMA PICHIRHUA LAMBRAMA PICHIRHUA LAMBRAMA GAMARRA GAMARRA GAMARRA CIRCA CURPAHUASI HUAYLLATI CIRCA CURPAHUASI HUAYLLATI CIRCA CURPAHUASI HUAYLLATI CHACOCHE CHACOCHE CHACOCHE PROV. COTABAMBAS PROV. CO TABAMBAS PROV. COTABAMBAS VILCABAMBA VILCABAMBA VILCABAMBA CURASCO CURASCO CURASCO SANTA ROSA SANTA ROSA SANTA ROSA CHUQUIBAMBILLA PROGRESO CHUQUIBAMB ILLA PROGRESO CHUQUIBAMB ILLA PROGRESO MICAELA BASTIDAS MICAELA BASTIDA S MICAELA BASTIDA S EL ORO EL O RO EL ORO SAN ANTONIO SAN ANTONIO SAN ANTONIO PACHACONAS PACHACONAS PACHACONAS MAMARA MAMARA MAMARA PATAYPAMPA TURPA Y PATAYPAMPA TURPA Y PATAYPAMPA TURPAY VIRUNDO VIRUNDO VIRUNDO HUAQUIRCA HUAQUIRCA HUAQUIRCA SABAINO SABAINO SABAINO OROPESA OROPESA OROPESA ANTABAMBA ANTABAMBA ANTABAMBA JUAN ESPINOZA MEDRANO % s u el o s d e s n u d o s JUAN ES PINOZA MEDRANO % s u el o s d e s n u d o s JUAN ESPINOZA MEDRANO % s u el o s d e s n u d o s 0 - 2 0 0 - 2 0 0 - 2 0 2 0 - 4 0 2 0 - 4 0 2 0 - 4 0 4 0 - 6 0 4 0 - 6 0 4 0 - 6 0 6 0 - 8 0 6 0 - 8 0 6 0 - 8 0 8 0 - 1 0 0 8 0 - 1 0 0 8 0 - 1 0 0 0 3 0 NK i l o m e t e r s 0 3 0 NK i l o m e t e r s 0 3 0 NK i l o m e t e r sFuente: elaboración propia 2011 17
    • 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 loscambios en la superficie de suelos para la región Apurimac, a partir del cruce demapas del año 1990 y 2004. Con el cual se puedan describir escenarios de cambiomás cercanos a la realidad.BibliografíaAndrés Muñoz-Pedreros. 2004. La evaluación del paisaje: una herramienta de gestiónambiental. Revista Chilena de Historia Natural 77: 139-156Baldock, D., Beaufoy, G., Bennett, G., Clark, J., 1993. Nature Conservation and NewDirections in the Common Agricultural Policy. Institute for European EnvironmentalPolicy, Arnhem.Castro, P., 2006: Governance in combating desertification in Peru: The case ofApurímac Region. University of Reading. 18
    • Chikhaoui, M., F. Bonn, A.I, Bokoye y A. Merzouk. 2005. A spectral index for landdegradation mapping using ASTER data: Application to a semi-arid Mediterraneancatchment. International Journal of Applied Earth Observation and Geoinformation7:140–153.Consejo de Europa. 2000. Convenio Europeo Sobre el Paisaje. Florencia.De Aranzabal, I; Schmitz, M; Aguilera, P; D. Pineda, F. 2008. Modelling of landscapechanges derived from the dynamics of socio-ecological systems. A case of study in asemiarid 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 problemaagrario en debate. SEPIA X. Lima: SEPIA, pp. 19-78.FAO. 1996. Forest resources assesment 1990. Survey of tropical forest cover andstudy of change processes. FAO forestry paper 130. Roma, 152 p.Flores, A. Malpartida, E. 1987. Manejo de praderas nativas y pasturas en la regiónaltoandina del Perú (2 volúmenes). Banco Agrario. Lima.Huaylinos, W, Quispitupac, E y Martinez, N. 2003. Variabilidad fisicoquímica yfisiográfica 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. ISSN1561-0888.INEI, 2009. Censo de Población y Vivienda. Lima.Instituto Nacional de Recursos Naturales. 1996. Mapa de erosión de los suelos delPerú: memoria descriptiva. Lima.ITDG Soluciones Prácticas. 2007. Sequía y desertificación en Apurimac. Diagnóstico.ITDG, Unión Europea, MASAL. Abancay. Páginas 36-43Iguíñiz Echeverría, Javier M. 2007. Cambio Tecnológico en la Agricultura Peruana enlas Décadas Recientes: Enfoques, Resultados y Elementos. En SEPIA XII ProblemaAgrario.Lambin, E.F. 1994. Modelling Deforestation Processes. A Review. Tropical EcosystemEnvironment 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: localprocesses and global impacts. Springer, Berlin, Alemania. 204 ppLiang, L., Stocking, M., Brookfield, H., Jansky, L., 2001. Biodiversity conservationthrough agrodiversity. Global Environ. Change 11, 97–101Maletta, H. 1994. El arte de contar ovejas: Intensidad del pastoreo en la ganaderíaaltoandina. Debate Agrario 8. Cepes. Lima. Páginas 62-75. 19
    • Naciones Unidas, 1994. La Convención de las Naciones Unidas de Lucha contra laDesertificación,http://www.unccd.int/parliament/data/bginfo/PDUNCCD%28spa%29.pdfPNUD. 2009. Informe sobre Desarrollo Humano Perú 2009: Por una densidad delEstado al servicio de la gente. Lima.Rosete Vergés, Fernando; Pérez Damián, José Luís. Bocco, Gerardo. 2008Contribución al análisis del cambio de uso del suelo y vegetación (1978-2000) en laPenínsula de Baja California, México. Investigaciones Geográficas 67:39-58, diciembrede 2008, Mexico.Serra, P; Pons, X y Saurí, D. 2007. Análisis espacial conjunto de variablessocioeconómicas 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. 20
    • AnexosGráfico 04 Unidades de territorio en el año 1990. Factor Loadings, Factor 1 vs. Factor 2 Rotation: Unrotated Extraction: Principal components 1.0 0.8 NIEVE SUELO_DE 0.6 ZONA_URB BOFEDALE 0.4 0.2 Factor 2 0.0 CUERPOS -0.2 ZONA_AGR -0.4 BOSQUES PASTIZAL -0.6 -0.8 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 Factor 1Grafico 05. Unidades de territorio en el año 2004. Factor Loadings, Factor 1 vs. Factor 2 Rotation: Unrotated Extraction: Principal components 0.8 0.6 NIEVE BOFEDALE 0.4 SUELO_DE 0.2 0.0 CUERPOS Factor 2 -0.2 -0.4 PASTIZAL ZONA_URB -0.6 BOSQUES ZONA_AGR -0.8 -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0 Factor 1 Resultados del modelo de regresión múltiple 1. Variable dependiente Suelo desnudo 1990 (Resultados del Cuadro 04) St. Err.of BETA 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 21
    • 2. Variable dependiente Índice de suelo desnudo 1990 (Resultados del Cuadro 04) St. Err.of St. Err. BETA BETA B of B t(24) p-levelIntercepto 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) St. Err of St. Err. BETA BETA B 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) St. Err.of BETA BETA B St. Err. of B t(24) p-levelIntercepto 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 22