Modelamiento de presiones sobre la biodiversidad en la Guayana

Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. Rincón R. Alexander*, Romero R. Miton**, Bernal S. Néstor*** Rodríguez E. Nelly****, Rodriguez C. Juliana***** Investigadores Senior - Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Bogotá D.C., Colombia *****Investigador Junior - Instituto de Investigación de Recursos Biológicos Alexander von Humboldt. Bogotá D.C., Colombia *[email protected] **[email protected] ***[email protected] ****[email protected] *****[email protected] Web page: http://www.humboldt.org.co A. Rincón et al. Resumen Este artículo busca identificar los factores que han influido a que la transformación de ecosistemas y la deforestación avancen en 4 zonas del sector Guayanes de la Amazonía Colombiana (La Macarena, Nukak, Puinawai y Chiribiquete). Para la identificación de estos factores, se realizó un análisis en dos escalas: a nivel municipal y a nivel de píxel, los análisis con datos municipales sirvieron para dar un contexto de los aspectos sociales y demográficos para cada una de las zonas, adicionalmente se realizó un análisis de correlaciones. Los datos a nivel de píxel se utilizaron para la estimación de modelos de regresión logística para cada zona, de forma complementaria y para tener en cuenta la dinámica de cambio y los efectos de vecindad entre pixeles se realizó un ejercicio de simulación empleando el software DINAMICA (desarrollado por el centro de sensores remotos de la Universidad de Minas Gerais) para las dos zonas de mayor transformación. Los resultados del análisis de asociaciones, modelamiento y simulación evidencian que la facilidad de acceso terrestre (distancia a vías), el estado legal del territorio, la distancia a centros urbanos (distancia a cabeceras) son los factores relevantes que han impulsado la transformación de ecosistemas y la deforestación en el área de análisis. Descriptores: Deforestación, escudo guayanés, biodiversidad, modelos, colonización. Página 211 de 244 A. Rincón et al. 1 Introducción El presente artículo es basado en los resultados de la investigación titulada “Análisis de patrones espaciales de pérdida y fragmentación de ecosistemas y factores socioeconómicos y demográficos asociados en cinco áreas protegidas del escudo Guayanés” desarrollada por el Instituto de Investigación de Recursos Biológicos Alexander von Humbolt, en convenio con Colciencias (IAvH, 2006). La importancia del estudio de la deforestación y la pérdida y fragmentación de ecosistemas naturales ha llevado en los últimos años al análisis de sus posibles causas. La mayoría de las investigaciones realizadas explora causas relacionadas con variables económicas demográficas y sociales, esto se evidencia en los trabajos Kaimowitz y Angelsen (1998), Angelsen y Kaimowitz (1999) y Brown y Pearce (1994). En Colombia algunos trabajos realizados en diferentes regiones preceden los intentos de estudiar las asociaciones entre aspectos sociales, económicos y demográficos con la transformación y pérdida de ecosistemas y de cobertura natural (Rudas et al., 2002; Romero et al., 2003; Armenteras et al., 2006; Rincón et al., 2004; Armenteras, Rincón y Ortíz, 2005; Rodriguez et al., 2005 y Ortíz et al., 2005). Específicamente en el área de estudio varios autores evidencian cómo su creciente transformación es básicamente impulsada por la expansión de la colonización y la economía extractiva, procesos que se relacionan fundamentalmente con el crecimiento de actividades lícitas (ganadería) e ilícitas (coca). (Molano, 1988; Leal, 1995; Andrade y Etter, 1987; Arcila, 1991; Ariza, Ramírez y Vega, 1998; Etter 1992; Iepri –Fescol, 1998; Arcila et al. 2000). De otro lado el uso de modelos ha permitido entender las relaciones que existen entre el cambio del uso de la tierra y los factores antrópicos, generalmente estos modelos involucran los conceptos de escalas espaciales y las variables abióticas y bióticas como suelos, topografía, uso de la tierra, accesibilidad, precipitación, pendiente y crecimiento poblacional entre otros (Ludeke, Maggio, and Reid 1990; Nelson and Hellerstein 1997; Chomitz and Gray 1996; Merterns and Lambin, 1999; Read, Denslow, and Guzman, 2001). En América latina, varios estudios han desarrollado modelos de patrones de deforestación, en Brasil los trabajos de SoaresFilho, 1998; Soares-Filho, Assuncao y Pantuzzo 2001; Soares – Filho, Cerqueira y Pennachin 2002a; el trabajo de Mertens et al., 2004 para el caso Boliviano y Etter et al., 2006 para el caso colombiano son algunos ejemplos. 2 Datos y métodos 2.1 Área de estudio El área del estudio se ubica en la región de la Guayana de la Amazonía colombiana, comprende cuatro zonas de análisis, cada una abarca un área protegida y su respectiva área de influencia, Página 212 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. presenta un área total de 11.376.329 has distribuidas en 4.065.943 has en la zona denominada Nukak; 3.051.802 has de la zona denominada Chiribiquete; 2.910.930 has en la zona de Puinawai y 1.347.654 has en la zona de La Macarena (Fig. 1). Hacen parte de ella 15 municipios y 5 departamentos. Figura 1: Localización área de Estudio – Zonas de análisis El área de estudio se caracteriza por ser una de las áreas de alta biodiversidad e importancia ambiental nacional y global, sin embargo también es una de las áreas de mayor conflicto en Colombia, conflicto que está relacionado con la presencia de cultivos ilícitos, grupos ilegales y altos índices de desplazamiento de personas, de allí que aspectos como la colonización y la economía extractiva sean elementos centrales en la dinámica de transformación de la región. 2.2 Datos Utilizados Se utilizaron datos a dos niveles: municipal y píxel. Con la información municipal se buscó determinar los aspectos socioeconómicos, demográficos y económicos característicos para cada zona, finalmente con esta información se realizó un análisis de asociaciones entre estas variables. (Tabla 1). Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 213 de 244 A. Rincón et al. Tabla 1: Municipios y departamentos asociados a cada zona de estudio Con la información a nivel píxel se realizaron modelos de regresión logística empleando SPSS y modelos de simulación del paisaje a través del software DINAMICA para las zonas más transformadas. El área de cada píxel fue de 250 m por 250 m. 6) Datos a nivel municipal Indicadores demográficos: La información relativa a aspectos demográficos se basó en la información de los censos de 1985 y 1993 (Fundación Social 1998) y en la proyecciones realizadas por el Departamento Administrativo Nacional de Estadística (DANE) para los años 1995 – 2005 (DANE 1998). La información demográfica se desagregó en cabecera, resto (habitantes que no viven en las cabeceras) y total. También se tomó información demográfica municipal y departamental basada en los últimos resultados obtenidos de la base de datos de la encuesta del Sisben (2003 -2004). Indicadores de desplazamiento forzado de personas: La información de desplazados en esta investigación se basó en dos fuentes básicas de información: a) Información de desplazados en Colombia según la Red de Solidaridad Social (RDS 2005) b) Información de desplazados en Colombia según la Consultaría para los derechos humanos y el desplazamiento (CODHES 2005) Indicador de Cultivos Ilícitos: La información referente a cultivos ilícitos se basa en los censos de coca realizados por el Programa Global de Monitoreo de Cultivos de Unodc (United Nations Office on Drugs and Crime) que ha venido apoyando al gobierno colombiano desde 1999 en la implementación y puesta en marcha del Sistema de Monitoreo de Cultivos Ilícitos (Simci). UNODC (2004) Indicadores Económicos: Dada la importancia del sector agropecuario en la región se trabajaron Página 214 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Departam ento Municipio Zona de estudio CAQUETA Solano Chiribiquete GUAINIA Inírida Puinawai GUAINIA Morichal Nuevo Puinawai/Nukak GUAINIA Pana Pana Puinawai GUAINIA Puerto Colombia Puinawai GUAVIARE Calamar Nukak/Macarena/Chiribiquete GUAVIARE El Retorno Nukak GUAVIARE Miraflores Nukak/Chiribiquete GUAVIARE San José del Guaviare Nukak/Macarena META La Macarena Macarena META Mesetas Macarena META Puerto Concordia Macarena META Puerto Rico Macarena META San Juan de Arama Macarena META Vistahermosa Macarena Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. los indicadores de área en pastos y cultivos, estimación obtenida a partir de los mapas de ecosistemas escala 1:100.000 de los años 1980, 1990 y 2000, también se estimó el área en vías con base en los mismos mapas, elaborados por el Instituto Humboldt. Indicadores de Violencia: La información sobre violencia se tomó del trabajo realizado por Castro y Aristizabal (2000), en este documento los autores toman información del Departamento Administrativo de Seguridad y de la oficina del alto comisionado de Colombia, los indicadores tomados son presencia activa de las Farc y grupos de autodefensas - Datos a nivel de Pixel A partir de la interpretación de imágenes de satélite Landsat TM y ETM y utilizando ERDAS Imagine V. 8.7 se obtuvo el mapa de cobertura vegetal para tres períodos de tiempo (ochenta, noventa y dos mil). Metodológicamente el proceso inicio con la georeferenciación de las imágenes a partir de cartografía básica del Instituto Geográfico de Colombia (IGAC) y el modelo digital de elevación (Shuttler Radar Topography Mision - SRTM, 2000); de ahi se inició la etapa de clasificación a través de un proceso digital supervisado y no supervisado. Para ello se realizó una serie de mejoramientos a las imágenes de satélite aplicando secuencial y lógicamente filtros estadísticos, suavizados y nosort que permitieron eliminar píxeles erróneamente clasificados, suavizar los límites entre las diferentes clases y asignar prioridades a cada una de las clases obteniéndose un área mínima de mapeo de 2.5 has. Los píxeles trabajados fueron de 250 m por 250 m. Los mapas de cobertura se generalizaron y se recategorizaron en dos variables dependientes, definidas así: i) categoría 0 aquellas coberturas naturales de bosques, sabanas, arbustales, vegetación de pantano y ii) categoría 1 las áreas en cobertura intervenida de pastos, rastrojos y cultivos (Fig. 2) Paralelamente, un total de ocho variables continuas que constituyen las variables predictoras se construyeron para ser consideradas dentro de los modelos: (Fig. 2) Altura: se generó a partir del modelo digital del terreno (SRTM, 2000) recategorizándolo en 9 categorías: 1). 1-200 m; 2). 201 – 300; 3). 301400 m; 4). 401 – 500 m; 5). 501 – 700; 6). 701 – 900; 7). 901 – 1100; 8). 1101 – 1300; 9). 1301 – 1600. Pendiente: se construyó a partir del modelo digital del terreno con 7 categorias: 1). 0 – 3 %; 2). 4 – 7 %; 3). 8 – 12 %; 4). 13 – 25 %; 5). 26 – 50%; 6). 51 – 75% y 7). 76 – 90%. Paisaje: constituido a partir del mapa de zonificación agroecológica de Colombia elaborado por el Instituto Geográfico Agustín Codazzi – (IGAC-CORPOICA, 2002) con seis clases. Aptitud: a partir del mapa de zonificación agroecológica de Colombia (IGAC-CORPOICA, 2002) que recoge la clasificación propuesta por FAO (ITTA y FAO, (1997)) se definieron las aptitudes presentes 1). III, 2). IV; 3). V, 4). VI, 5). VII, 6). VIII. Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 215 de 244 A. Rincón et al. Estado Legal del territorio: información referente a tres categorías: 1) otros estados legales (áreas de manejo especial, áreas abiertas a colonización, sustracción a la reserva), 2) resguardos indígenas y 3) áreas protegidas, obtenidas de la Unidad Administrativa Especial del Sistema de Parques Nacionales, el Instituto Geográfico Agustín Codazzi y el Instituto Humboldt. Distancia a vías: Este mapa se construyó a partir de cartografía básica del Instituto Geográfico Agustín Codazzi a escala 1:100.000 y la interpretación de imágenes de satélite Landsat incorporándose información de vías primarias y secundarias que fueran visibles al interpretar las imágenes, sin realizar una clasificación de las mismas. Se realizó un mapa de áreas de influencia (buffer) alrededor de las mismas a distancias entre los 1). 0 a 1000 m., 2). 1001 a 2500 m., 3). 2500 a 5000 m. y 4). mayores a 5000 m., conformando datos categóricos. Distancia a ríos: Este mapa se construyó a partir de cartografía básica del Instituto Geográfico Agustín Codazzi a escala 1:100.000 y la interpretación de imágenes de satélite. Para la definición de las áreas de influencia (buffer), se trabajó con los ríos principales a los cuales se les estimó alrededor de los mismos distancias entre los 1). 0 a 1000 m., 2). 1001 a 2500 m., 3). 2501 a 5000 m. y 4) mayores a 5000 m., conformando datos categóricos. Distancia a cabeceras: a partir de la cartografía base a escala 1:100.000 del DANE, se obtuvo la información de cabeceras municipales. Con esta información se realizó una categorización del área de influencia (buffer) alrededor de las mismas obteniendo cinco categorías de distancia a cabeceras. i). de 0 -5.000 m; ii). 5.001 – 10.000 m; iii) 10.001 – 15.000 m; iv) 15.001 – 20.000 m y v) mayores de 20.000. Esta información se trabajó en formato raster a una resolución de 250 m Página 216 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. Figura 2: Mapa de las variables para toda la zona 2.3 Estimación de correlaciones Para el análisis de correlaciones, se utilizó el coeficiente de correlación de Spearman, el cual es un estadístico no paramétrico que permite estimar el grado de asociación entre pares de indicadores (Siegel 1978). Este coeficiente se define como: Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 217 de 244 A. Rincón et al. ( )         − −= ∑ 1 61 2 2 nn d s i r Donde: i x : indica el rango del dato i con respecto a la variable X i y : indica el rango del dato i con respecto a la variable Y i d = ii yx − , corresponde a la diferencia de los rangos para el dato i n = el total de datos rs : puede tomar valores entre -1 y 1. Respecto a la significancia del coeficiente de correlación de Spearman se realiza a través de una prueba t , definiendo el estadístico de prueba así: t = s ns r r − − 1 2 Con grados de libertad = 2−n , bajo la hipótesis nula de no correlación de rangos. El análisis de correlaciones se realizó para 20 variables de tipo socioeconómico, demográfico y relativas al estado de los ecosistemas a nivel municipal. 2.4 Modelo de regresión logística Se realizaron modelos de regresión logística para cada una de las zonas de estudio: i) La Macarena, ii) Nukak, iii) Chibiriquete y iv) Puinawai para el año 2000. Se tomó como variable dependiente la variable dicotómica de cobertura, la cual tomó los valores de 1 cuando un píxel se encontraba transformado y 0 cuando un píxel de tipo natural. La variables predictoras utilizadas fueron: distancia a vías, distancia a ríos, distancia a cabeceras, estado legal, altura, pendiente, aptitud y paisaje cuyas categorías fueron definidas anteriormente. La expresión siguiente describe el modelo de regresión logística : β π π π T i i i ei xit =         − =1 log)(log : i π designa la probabilidad que un píxel i esté transformado (categoría 1 de la variable cobertura) para un año t i π −1 : designa la probabilidad que un píxel i esté en un estado no transformado (categoría 0 de la variable cobertura) para un año t . Página 218 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. : T i x designa la matriz (transpuesta) de variables dummy correspondientes a los niveles de las variables predictoras en el modelo. : β designa el vector de parámetros La inclusión de variables dummy asociadas a las variables explicativas: Cuando se presentan variables predictoras (o explicativas) con n categorías o niveles (en el caso de las variables ordinales se puede asumir que la escala funciona aproximadamente a un nivel cuantitativo) y se desean obtener coeficientes para cada categoría, se incluye como variable categórica, de manera que a partir de ella se crean 1 − n variables dicotómicas llamadas dummy (Stokes, Davis and Koch,1995). Al crear las variables dummy se debe precisar con cuál de las categorías de la variable original interesa comparar el resto, esta será nombrada categoría de referencia (de allí el hecho que se tomen 1−n variables dicotómicas pues se excluye la categoría que se toma como base). Para la presente investigación se determinó tomar como categoría base o de referencia la última categoría de cada variable, lo que significa que corresponde a la categoría que en hipótesis es más favorable para procesos de conservación de la biodiversidad en cada una de las variables explicativas. Odds, odds ratio y su relación con los parámetros: Para una mejor interpretación de los coeficientes s´ β es importante asociarlos con el concepto de riesgo definiendo los odds y odds ratio: a) odds corresponde a una medida de riesgo relativo de que ocurra un evento y se define como la razón entre la probabilidad de que dicho evento ocurra ( p ) y la probabilidad de que no ocurra ( p−1 ). b) odds ratio se estima como el exponencial de los β 's y se interpreta como riesgo relativo de que ocurra el evento condicionado a la presencia de una variable explicativa, comparado con la situación de que ocurra el mismo evento condicionado con un nivel de referencia de la misma variable. (Fig. 3) Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 219 de 244 A. Rincón et al. Fuente: DAS-UPRU-DNP. Echandía-Oficina del Alto Comisionado. Tomado de Castro 2000. Figura 6: Presencia activa de las FARC 1985 -1989 y 1990 -1998 3.2 Análisis de asociaciones Los análisis de las variables sociales y demográficas, permiten evidenciar cómo las zonas más transformadas así mismo resultan ser las que presentan mayor densidad poblacional, mayor área en cultivos ilícitos, mayor área en vías y en pastos y mayores niveles de desplazamiento forzado de personas. Las anteriores relaciones se corroboraron a través de un análisis de asociaciones realizado a nivel municipal entre los indicadores. Los resultados muestran cómo el área en vías, el área en pastos y la población, resultaron estar correlacionados de forma significativa y positiva como se esperaba, es decir, zonas con mayor posibilidad de acceso a su vez presentan mayor cobertura antrópica en pastos y mayor densidad demográfica. (Tabla 5) Página 226 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. Tabla 5. Síntesis de algunas de las correlaciones significativas La variable área en vías, al estar asociada al área en pastos y al área en cultivos, evidencia el efecto multiplicador negativo sobre la biodiversidad, multiplicador en el sentido que genera nuevas presiones como atracción de población que generalmente se dedica a actividades económicas que degradan en mayor forma como la ganadería y la agricultura. (Figura 7) Figura 7: Área en Pastos y vías – Año 2000 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 227 de 244 ** Significancia al 1% Variable 1 Variable 2 Significancia (bilateral) Area en Vias 2000 ,798(**) 0,0 Area en Coca 2000 (ha) ,753(**) 0,0 Area en Coca 2000 (ha) ,918(**) 0,0 ,727(**) 0,0 Area en Coca 2000 (ha) ,896(**) 0,0 Cambio Area en Vias 00/85 ,887(**) 0,0 Desp Expul 2000 RSS ,788(**) 0,0 Total Población Sisben Estimada ,973(**) 0,0 ,820(**) 0,0 Area en Coca 2000 (ha) Area en Vias 2000 ,861(**) 0,0 Area en Vias 2000 ,813(**) 0,0 Area en Coca 2000 (ha) ,818(**) 0,0 Total Población Sisben Estimada ,818(**) 0,0 Coeficiente de correlación Cobertura Antropica (ha) 2000 Cobertura Antropica (ha) 2000 % Personas trabajando (Sisben) Zona rural Población Total 2000 (DANE) Estimada Cobertura Antropica (ha) 2000 Población Total 2000 (DANE) Estimada Area en Pastos y Cultivos 2000 Area en Pastos y Cultivos 2000 Area en Pastos y Cultivos 2000 Población Total 2000 (DANE) Estimada Area en Pastos y Cultivos 2000 Area en Pastos y Cultivos 2000 Total Población Sisben Estimada Cobertura Antropica (ha) 2000 A. Rincón et al. 3.3 Los modelos de regresión logística Del análisis realizado para la cobertura en el año 2000 con regresión logística, se encontraron los siguientes resultados para cada zona: - Macarena Para la región de Macarena en general todas las variables incluidas en el modelo resultaron ser significativas y con los signos esperados (ver apéndice B) Las variables distancia a vías, distancia a ríos y distancia a cabeceras presentaron coeficientes positivos indicando que la probabilidad de que un píxel esté transformado es mayor cuanto más cercano este se encuentren a la vía, al río o a una cabecera, así mismo estos valores van disminuyendo a medida que hay una mayor distancia, lo que sustenta el efecto significativo de la cercanía en que un píxel esté transformado. En el caso de la variable vías se obtuvo un coeficiente de 1.811 para vías (1), seguida de vías (2) con 1.047 y vías (3) con 0.519. Los resultados se analizan igualmente a través de los odds ratio mostrando que vías (1) presenta un valor 6.117 lo que se traduce en que el riesgo de deforestación es 6 veces mayor en pixeles que se encuentran muy cercanos (entre 0 y 1000 metros) comparado con la situación de estar lejos (nivel de referencia). En el caso de ríos se presenta la misma situación presentando valores de ríos (1) con 1.698, seguida de ríos (2) con 1.608 y ríos (3) con 1.107. Otro de los resultados importante fue la significancia de la variable estado legal (1), lo cual evidencia que existe mayor riesgo de pixeles transformados para aquellos casos que presentan una figura de estado legal del territorio diferente a la de parque natural. El odds ratio presentó un valor de 3.692 mostrando que el riesgo de que un pixel esté transformado es casi 4 veces mayor cuando hay estados legales de territorio diferentes a la de parque natural . - Nukak Para la zona de Nukak se evidencia que todas las variables incluidas en el modelo resultaron significativas con excepción de las variables de pendiente y altura (apéndice B) Igual que en la zona de Macarena, las variables distancia a vías, distancia a ríos y distancia a cabeceras presentaron coeficientes positivos y con valores crecientes que evidencia un mayor riesgo de transformación de los píxeles en la medida que estos están más cercanos (ej: vías (1) tuvo un coeficiente asociado de 2.421 y un exp de 11,257 valor que resulta ser mayor que al resto de áreas de estudio, es decir en la región de Nukak existe un riesgo 11 veces mayor de pixeles transformados cuando hay vías cercanas - entre 0 y 1000 metros - que cuando están más lejanos). En el caso de distancia a cabeceras se destaca el valor alto del exp(B) para la cabecera (1) (54.137) lo cual evidencia el gran impacto de la cercanía de las cabeceras al hecho de tener pixeles transformados, pues estaría mostrando que existe un riesgo que un píxel este transformado 54 veces mayor cuando hay cabeceras cercanas (entre 0 y 50 km) que cuando están distantes). Página 228 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. - Chiribiquete Para la región de Chiribiquete únicamente resultaron significativas las variables relativas a acceso (distancia a vías y ríos), y una de las categorías referentes a estado legal (apéndice B). Con respecto a la variable distancia a vías y distancia a ríos los resultados muestran un mayor riesgo de transformación en pixeles cercanos a vías comparado con estar lejos. Con respecto al estado legal únicamente fue significativa la categoría correspondiente a estado legal (2) que se refiere a resguardos, es decir, que hay mayor probabilidad de tener una cobertura transformada en píxeles asociados a resguardos que a píxeles con estado legal correspondiente a parques. - Puinawai La región de Puinawai presentó como variable significativa la distancia a ríos, resultado esperado pues como se comentaba anteriormente los ríos Inírida y Guainía son básicamente las vías de comunicación básicas. El resto de variables con excepción de aptitud no presentaron significancia. La inexistencia de cabeceras dentro de la región y de vías terrestres en el territorio permiten cierto grado de inaccesibilidad que garantizan un nivel de conservación en la región de Puinawai, por ello esta región junto a Chiribiquete resultan ser las que menos procesos de transformación presentan y menos influencia de variables sobre el proceso de transformación. El ser la zona menos transformada de las regiones analizadas puede ser explicado precisamente por la ausencia de factores que influyen en la deforestación. (apéndice B) - Habilidad Predictiva de los modelos Coeficientes de Somers´s y Gamma en los modelos: Los coeficientes de Somers´s y Gamma presentan valores superiores a 0.6 en todos los casos lo cual se puede interpretar como una buena medida de asociación entre las probabilidades observadas y las estimadas por el modelo. (Ver tabla 6) Tabla 6: Coeficientes de Somers y Gamma en los modelos - Pruebas de bondad de ajuste Pruebas de ómnibus y pruebas de Hosmer y Lemeshow: Los test de ómnibus para todos los modelos realizados muestran que el chi cuadrado resulta estadísticamente significativo tanto para el paso como para el bloque y el modelo lo cual en este ultimo evidencia que en forma conjunta las variables son significativas. Con respecto a las Prueba de Hosmer y Lemeshow, los resultados para todos los modelos evidenciaron que la hipótesis nula de que no hay diferencias entre los valores observados de la Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 229 de 244 Zona / Coeficiente Somers Gamma Macarena 0,71 0,72 Nukak 0,8 0,81 Chiribiquete 0,64 0,74 Puinawai 0,63 0,71 A. Rincón et al. variable dependiente y los que predice el modelo es rechazada. 3.4 Estimación del modelo de simulación dinámica del paisaje utilizando el software Dinámica - Zona de La Macarena Descripción de la matriz de transición: Esta matriz sintetiza los cuatro posibles cambios entre la década de los 80’s y la década de los dos mil, en particular, se estimó para la zona que la probabilidad de cambio de estado de natural a transformado es 0,11. También se resalta que la probabilidad de permanecer en el mismo estado natural correspondió a 0,89. (Tabla 7). Tabla 7: Matriz de transición -período 80s – 2000 para la zona de Macarena Estimación de los pesos de evidencia: En la figura 7 se presentan los pesos de evidencia (W+) de las variables distancia a vías y cabeceras en las cuales se resalta como los primeros niveles que corresponden a mayor cercanía tienen un mayor efecto sobre la probabilidad de cambio de estado de los píxeles de natural a transformado, esto significa que dichas variables asociadas a la accesibilidad se constituyen en factores dinamizadores de cambio (Si el valor estimado de los W+ es positivo este es un indicador de que el nivel de la variable aporta al aumento de la probabilidad de cambio). Figura 8. Pesos de evidencia de las variables distancia a vías y distancia a cabeceras en la zona de La Macarena Identificación de las variables predictoras que mayor aportan a la probabilidad de cambio: En la tabla 8 se presentan las variables que mayor aportan a la probabilidad de cambio respecto al siguiente subconjunto de variables: i) distancia a ríos, ii) distancia a vías, iii) distancia a cabecera Página 230 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 1 2 3 4 -1,00 -0,75 -0,50 -0,25 0,00 0,25 0,50 0,75 1,00 1,25 1,50 1,75 Pesos de evidencia variable distancia a vías Niveles de la variable vías W+ 1 2 -1,00 -0,80 -0,60 -0,40 -0,20 0,00 0,20 Pesos de evidencia variable distancia a cabecera Niveles de la variable distancia a cabecera W+ Año 2000 Cobertura Natural Transf. 1985 Natural 0,89 0,11 Transf. 0,05 0,95 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. y estado legal. Tabla 8: Orden de importancia de las variables predictoras sobre la probabilidad de cambio de estado natural a transformado Simulación de la dinámica de cambio: En la figura 8 se presenta los resultados del procesos de simulación para la zona de La Macarena, se presentan los mapas correspondientes al año 2000 y los mapas correspondientes a los tiempos de paso 5,10,15 y 20, se observa que los procesos expansión de píxeles transformados se proyecta que sea en los bordes de los fragmentos naturales que coincide con el límite del parque natural de La Macarena, adicionalmente se presenta una ventana que permite ver en detalle la dinámica de cambio. Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 231 de 244 Variable y nivel Estadística de Contraste Efecto absoluto significativo C = W+ - WPara el primer nivel de la variable 1. Distancia a vías – nivel 1 1,79 Sí 2. Estado legal – nivel 1 1,76 Sí 3. Distancia a cabecera – nivel 1 1,11 Sí 4. Distancia a ríos – nivel 1 0,64 Sí A. Rincón et al. Figura 9. Resultados del proceso de simulación para la zona de La Macarena - Zona Nukak Descripción de la matriz de transición: En la tabla 9 se presenta la matriz de transición para la zona de Nukak, se observa que la probabilidad estimada de cambio de natural a transformado es 0,06 y la probabilidad de permanecer en el mismo estado natural es 0,94. Tabla 9. Matriz de transición período 80s – 2000 para la zona de Nukak. Estimación de los pesos de evidencia: en la figura 9 se presentan los pesos de evidencia de las Página 232 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Año 2000 Cobertura Natural Transf. 1985 Natural 0,89 0,11 Transf. 0,05 0,95 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. variables distancia a ríos, distancia a cabeceras y distancia a vías. Se muestra como el primer nivel de este subconjunto de variables tiene un mayor efecto sobre la probabilidad de cambio de estado, es decir, el nivel de cercanía de un píxel a estos factores influye en la probabilidad de cambio. Identificación de las variables predictoras que mayor aportan a la probabilidad de cambio: En la tabla 10 se presentan los variables que mayor aportan a la probabilidad de cambio, este proceso de identificación y ordenación se realiza empleando la estadística de contraste denominada C . De esta forma, se observa que las dos primeras variables asociadas a la accesibilidad influyen en la probabilidad de cambio de estado de los píxeles de natural a transformado. Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 233 de 244 1 2 3 4 5 -3 -2,5 -2 -1,5 -1 -0,5 0 0,5 1 Pesos de evidencia variable distancia a cabecera Niveles de la variable distancia a cabecera W+ Row 14 Row 15 Row 16 Row 17 -1,50 -1,00 -0,50 0,00 0,50 1,00 1,50 2,00 2,50 Pesos de evidencia variable distancia a vías Niveles de la variable distancia a vías W+ Figura 10. Pesos de evidencia de las variables distancia a vías y distancia a cabeceras en la zona de Nukak A. Rincón et al. Tabla 10. Orden de importancia de las variables predictoras sobre la probabilidad de cambio de estado natural a transformado Simulación de la dinámica de cambio: En la figura 10 se observa la dinámica de cambio para la zona de Nukak, se presenta el mapa para el año 2000 y la simulación de 4 tiempos de paso, año 5, 10,15 y 20, se observa que los píxeles naturales próximos a los píxeles transformados van cambiando a ser transformados y en la último año de simulación se generan claramente píxeles transformados por el proceso de extensión de las vías. Página 234 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Variable y nivel Estadística C = W+ - WPara el primer nivel de la variable 1. Distancia a vías – nivel 1 2,6 Sí 2. Estado legal – nivel 1 1,71 Sí 3. Distancia a cabecera – nivel 1 1,66 4. Distancia a ríos – nivel 1 0,33 Sí Efecto absoluto significativo Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. Figura 11. Resultados del proceso de simulación para la zona de Nukak 4 Conclusiones De los modelos realizados con regresión logística para el año dos mil, se puede identificar cómo las zonas más transformadas presentaron el mayor número de variables significativas, es decir presentan un mayor número de factores que influyen en los procesos de transformación (Tabla 11) Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 235 de 244 A. Rincón et al. <http://www.dnp.gov.co/ArchivosWeb/Direccion_Desarrollo_Territorial/divers_etnica/indigenas/ubic_geogr/DANE _RESGUARDOS_INDIGENAS_DE_COLOMBIA_2003.xls> [Consulta 05/01/2006] Etter, A.; McAlpine, C.; Pillar, D.; Possingham, H. (2006). “Modelling the conversion of Colombia lowland ecosystems since 1940: Drives, patterns and rates”, Journal of Environmental Management., 79 p. 74-87. Etter, A.; McAlpine, C.; Wilson, K.; Phinn, S; Possingham, H. (2005). “Regional patterns of agricultural land use and deforestaction in Colombia”. Agriculture, Ecosystems & Environment (In press) Etter, A. (ed). (2001). Puinawai y Nukak: Caracterización ecológica de dos reservas nacionales naturales de la amazonía colombiana. Pontificia Universidad Javeriana, Gobierno Francés, Colciencias, Ministerio del Medio Ambiente, UAESPNN, Instituto Alexander von Humboldt y Fundación FES. Bogota. Etter, A. (1992). “Caracterización ecológica general y de la intervención humana en la Amazonia colombiana”, en Andrade, Hurtado y Torres. Amazonia colombiana diversidad y conflicto. Bogotá. Fundación Social, Departamento Nacional de Planeación y Ministerio de Desarrollo. (1998). Municipios y Regiones de Colombia: una mirada desde la sociedad civil. Bogotá. Geist H. y Lambin E. (2002). Land-Use and Land-Cover Change (LUCC). Project IV. International Human Dimensions Programme on Global Enviromental Change (IHPD). Report Series 4. Gobierno de Colombia (UNODC) Oficina de Naciones Unidas contra la Droga y el Delito Censos de cultivo de coca 2000-2003. 2004. Bogotá . <http://www.unodc.org/colombia/es/coca2004.html> [Consulta 05/03/2006] Hosmer, D.; Lemeshow, S. (1989). Applied Logistic Regression. John Wiley & Sons, New York, USA. IAvHInstituto de Investigación de Recursos Biológicos Alexander von Humboldt. 2006. Proyecto Análisis de patrones espaciales de pérdida y fragmentación de ecosistemas y factores socioeconómicos y demográficos asociados en cinco áreas protegidas del Escudo Guayanés. Informe final de resultados. Contrato RC. No. 211 – 2004 – Convenio IAvH y Colciencias. Bogotá, Colombia. IEPRI – FESCOL. (1999). Conflictos regionales: Amazonía y Orinoquia, Colección Debate Político, Tercer Mundo Editores. Bogotá, Kaimowitz D.; A. Angelsen (1998). Economic Models of Tropical Deforestation a Review. Center for International Forestry Research - CIFOR. Bogor, Indonesia Leal, C. 1995. A la buena de Dios: colonización en La Macarena, ríos Duda y Guayabero. CEREC – FESCOL. Bogotá Ludeke, A.K.; Maggio, R.C.; Reid, L.M. (1990). “An analysis of anthropogenic deforestation using logistic regression and GIS”, Journal of Environmental Management 31, p. 247-59 en Kaimowitz y Angelsen, 1998. Mertens, B.; Lambin, E. (1999). “Modelling land cover dynamics: integration of fine scale land cover data with landscape attributes”, International Journal of Applied Earth Observation and Geoinformation 1(1), p. 4852. Mertens, B.; Kaimowitz D.; Puntodewo A.; Vanclay J.; Mendez P. (2004). “Modeling deforestation at distinct geographical scales and time periods in Santa Cruz, Bolivia”, Internacional Regional Science Review 27 (3), p. 271-296. Molano, A. (1988). La colonización de la reserva la Macarena: yo le digo una de las cosas. 1980 Corporación Aracuara – Fondo FEN. Bogotá. Nelson, G.; Hellerstein, D. (1997). “Do roads cause deforestation? Using satellite images in econometric analysis of land use”. American Journal of Agricultural Economics 79: 80-8. Página 242 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Modelamiento de presiones sobre la biodiversidad en la Guayana colombiana. Ortiz N.; Morales, M.; Bernal, N.R.; Rodríguez N.; Baptiste M.P.; Franco A.M. (2005). Línea base de la biodiversidad en la jurisdicción de la Corporación Autónoma Regional de Cundinamarca – CAR. Instituto Alexander von Humboldt y Corporación Autónoma Regional de Cundinamarca – CAR. Serie: Sistema de Indicadores de Seguimiento de la Política de Biodiversidad en Colombia, Número 5. Bogotá. Read, J.M.; Denslow, J.; Guzman S. (2001). “Documenting land cover history of a humid tropical environment in northeastern Costa Rica using time-series remotely sensed data” in Millington, Walsh y Osborne (Eds), GIS and remote sensing applications in biogeography and ecology. Kluwer Academic Publishers, Boston, p. 6889. RDS - Red de Solidaridad Social. (2005). Sistema Único de Registro S.U.R. Registro Único de Población Desplazada.<http://www.red.gov.co/Programas/Apoyo_Integral_Desplazados/SUR/Registro_SUR_Municipa l.htm> [Consulta 11/03/2006] Rincon, A.; Armenteras, D.; Ortiz N.; Ramirez, D.; Cabrera, E.; (2004). Indicadores de Seguimiento y Evaluación de la Política de Biodiversidad en la zona cafetera occidental: avances metodológicos y resultados, IAvH. Serie: Indicadores de Seguimiento y Evaluación de Política de Biodiversidad. Bogotá. Rodríguez, N.; Rincón A.; Armenteras D.; Mendoza H.; Umaña A.M.; Arango N.; Baptiste M.P. (2005). Corredor nororiental de robles: indicadores de estado de la biodiversidad, factores antrópicos asociados y áreas prioritarias de conservación. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Serie: Indicadores de Seguimiento de la Política de Biodiversidad. Bogotá. Romero, M.; Sua S.; Rodríguez, N.; Rudas, G.; Armenteras, D. (2003). Sistema de Indicadores de Seguimiento de la Política de Biodiversidad en la Amazonía colombiana: Aspectos metodológicos y resultados. IAvH. Serie: Indicadores de Seguimiento y Evaluación de Política de Biodiversidad. Bogotá. Rudas G.; Armenteras, D.; Sua, S.M.; Rodríguez, N. (2002). Indicadores de Seguimiento de la Política de Biodiversidad en la Amazonia Colombiana. Informe final de resultados. Proyecto Diseño e Implementación del Sistema de Indicadores de Seguimiento de la Política de Biodiversidad en la Amazonia Colombiana. Instituto Humboldt, CDA, Corpoamazonia, Cormacarena, Instituto Sinchi, Unidad de Parques, Ministerio del Medio Ambiente (Crédito BID 774 OC/CO), Bogotá, Colombia. Serneels, S.; Lambin, E.F. (2001). “Proximate causes of land-use change in Narok District, Kenya: a spatial statistical model”, Agriculture, Ecosystems and Environment. p. 65-81. Sisben. (2003-2004). Información de la encuesta Sisben elaborada por el Departamento Nacional de Planeación años 2003 – 2004. Archivos en SAS. Soares – Filho B.S. (1998). Modelagem da dinamica de paisagem de uma regiao de fronteira de colonizacao amazonica. Thesis (Doctorate). Escola Politécnica de Universidade de Sao Paulo, Sao Pualo, p. 299. Soares-Filho B.S.; Assuncao R.M.; Pantuzzo, A. (2001). “Model ing the spatial transition probabilities of landscape dynamics in an Amazonian colonization frontier”, Bio-Science 51, p. 1059 – 1067. Soares-Filho B.S.; Cerqueira G.C.; Pennachin C.L. (2002a). “DINAMICA – a stochastic cellular automata model designed to simulate the landscape dynamics in an Amazonian colonization frontier”, Ecological Modelling 154: p. 217-25. Soares-Filho B.S.; Cerqueira G.C.; Araujo W. (2002b). DINAMICA project. <http://www.csr.ufmg.br/dinamica> [Consulta 03/02/2006] Stokes, M.E.; Davis C.S.; Koch, G.G. (1995). Categorical data analysis using the SAS System, Cary, NC: SAS Institute Inc. STRM (2000). Modelo digital del Terrenol, Proyecto Shuttler Radar Topography Missión (SRTM), Space Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006 Página 243 de 244 A. Rincón et al. Administration (NASA), Nacional Imagery Mapping Agency (NIMA), GErman Space Agency (DLR) e Italian Space AGency (ASI). Wang, H.; Cai, G.; Cheng, Q. (s.f.). Data integration using weights of evidence model: application in mapping mineral resources potencials.< h ttp://www.personal.psu.edu/users/h/z/hzw102/papers/268_Wang_paper.pdf > [Consulta 08/02/2006] Wong, D.; Lee, J. (2005). Statistical Analysis of Geographical Information with Arcview GIS and ArcGIS, John Wiley & Sons, Hoboken, New Jersey, USA. Página 244 de 244 Revista Internacional Sostenibilidad, Tecnología y Humanismo. Número 1. Año 2006