nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La deforestación es una de las actividades que genera mayor emisión de gases de efecto invernadero a la atmósfera, además de generar efectos adversos a la biodiversidad, reducir los hábitats de los animales y los servicios ecosistémicos que hay en ella (Dextre et al., 2022; Soria-Díaz et al., 2022; Ocañas y Thomsen, 2023). También, dependiendo de la intensidad y periodicidad de las perturbaciones o los efectos adversos, la organización y composición florística del bosque puede cambiar en ocasiones (Mejía et al., 2023; Benitez-Romero et al., 2024).
En la Amazonía peruana, los bosques forman el ecosistema más grande en cuanto a superficie, con 73 280 424 hectáreas, que representa 57,3% del territorio peruano y cumple un papel importante en el ciclo del agua indispensable para los seres vivos (Ministerio del Ambiente [Minam], 2009; Tito et al., 2022). No obstante, pese a la importancia que tienen los bosques, la deforestación bordea los 9,5 millones de hectáreas, es decir, que más de 15% del total de bosques en el Perú han sido destruidos en las dos últimas décadas, por lo que cada año se pierden unas 150 mil hectáreas de bosque (Minam, 2016; Bax y Francesconi, 2018). La Amazonia suroeste en Perú, específicamente el departamento de Madre de Dios es considerada una de las zonas más biodiversas del planeta debido a su flora y fauna endémica (Alva-Avila et al., 2023), albergando una diversidad de ecosistemas forestales de gran interés turístico y científico (Ocañas y Thomsen, 2023). Sin embargo, existe una evidencia preocupante de la deforestación generada por la minería aluvial aurífera en magnitudes extravagantes que afectan los recursos forestales por medio de las prácticas ilegales y el mal manejo, contribuyendo a la pérdida de cobertura forestal y diversidad de especies en toda la zona (Swenson et al., 2011; Alarcon-Aguirre et al., 2021).
En ese contexto, una de las áreas más afectadas en Madre de Dios es la zona de amortiguamiento de la reserva nacional de Tambopata, donde las actividades antrópicas, como los proyectos de infraestructura, la agropecuaria, la tala y, sobre todo, la minería, son las que alteran la cobertura y el estado natural de los ecosistemas forestales. Además, la minería es la mayor actividad que está generando presión en la cobertura forestal en los últimos años (Vuohelainen et al., 2012; Alarcon-Aguirre et al., 2021), dando origen a la emisión de gases como el CO2 que contribuyen al calentamiento global y alteran las condiciones climáticas en esos sectores, sumándose a ello la pérdida de los servicios ecosistémicos que son indispensables para los seres vivos (Comberti et al., 2015; P. M. Fearnside, 2018; Bachi et al., 2020).
Se empleó en el presente estudio una clasificación supervisada, utilizando el método del mapeo del ángulo espectral (Spectral Angle Mapper en inglés), que está incluido en el complemento “Semi-Automatic Classification Plugin - SCP”, con la finalidad de identificar y clasificar aquellas áreas homogéneas según la respuesta espectral de la cobertura de la tierra analizada (Congedo, 2021). A aquellas áreas identificadas se les denomina "áreas de entrenamiento", porque se utilizan sus características espectrales para que el algoritmo de clasificación las compare estadísticamente con las de cualquier otra parte de la imagen (Boyd, 1996; Chuvieco-Salinero, 2008; Congedo, 2021).
Un aspecto muy importante es que no existen estudios de la zona de amortiguamiento de la reserva nacional Tambopata con respecto a la pérdida de la cobertura forestal a consecuencia de las actividades antrópicas en las últimas décadas. Además, se plantea la hipótesis al respecto de que la aplicación de técnicas de sistemas de información geográfica (SIG) y el uso de tecnologías como los sensores remotos facilitan el análisis y cuantificación, con precisión, de las tasas de deforestación de las actividades antrópicas en el área de estudio. Ante esta situación, fue necesario realizar estudios para cuantificar la deforestación e identificar las principales actividades antrópicas que están involucradas en de ello.
Objetivos
El objetivo del presente estudio fue realizar un análisis multitemporal de la deforestación en la zona de amortiguamiento de la reserva nacional Tambopata durante el período 2013-2022 en la Amazonía suroeste en Perú, utilizando imágenes satelitales Landsat 8, 7 y Sentinel-2A, para detectar las tasas de cambios en la cobertura forestal según el período establecido.
Materiales y métodos
Área de estudio
El área de estudio se localiza en el departamento de Madre de Dios, específicamente en la Amazonía suroeste en Perú, y está delimitada por las coordenadas geográficas 12° 9' 14,04" a 13° 24' 46,08" de latitud sur y 68° 34' 55,92" a 70° 25' 9,84" de longitud oeste (Fig. 1). La reserva nacional Tambopata (RNT) posee una zona de amortiguamiento que tiene un área de 231 719,17 ha, y se caracteriza por poseer un clima tropical húmedo, con una temperatura promedio mensual de 26 °C y precipitaciones anuales que superan los 1000 mm (Portal-Cahuana et al., 2023).
El área de estudio está localizada en uno de los lugares con mayor biodiversidad en el Perú, debido a la diversidad de aves, anfibios, reptiles, insectos, peces y primates que existe en Madre de Dios, además del potencial que puede ser aprovechado de forma sostenible por el turismo (Ocañas y Thomsen, 2023). No obstante, la zona de amortiguamiento de la RNT está sometida cada año a la presión humana que existe en su área jurisdiccional, entre ellas la minería aluvial aurífera y la agropecuaria, las cuales generan efectos adversos en la biodiversidad y la pérdida de cobertura forestal (Giudice et al., 2012; Caballero Espejo et al., 2018; Tarazona y Miyasiro-López, 2020; Alarcon-Aguirre et al., 2021).
Materiales
Se utilizaron imágenes de satélite Landsat 8, 7 y Sentinel-2A del período 2013-2022 (Tabla 1). El análisis multitemporal de las escenas satelitales fue anual, dando de preferencia a los meses julio a noviembre, que presentaron menor cobertura nubosa (< 20%).
Tabla 1 Sensores satelitales, escenas y fecha de adquisición.
| Sensor | Escena | Fecha de adquisición |
| Landsat 7 ETM+ | 002/069 | 2017-07-02 |
| 003/069 | 2015-11-09 | |
| 2013-08-31 | ||
| Landsat 8 OLI + TIRS | 002/069 | 2013-08-16 |
| 2014-08-19 | ||
| 2020-07-18 | ||
| 2015-09-07 | ||
| 2019-08-17 | ||
| 2016-08-24 | ||
| 2021-08-22 | ||
| 2017-07-26 | ||
| 2022-08-25 | ||
| 2018-08-30 | ||
| 003/069 | 2018-09-06 | |
| 2015-08-29 | ||
| 2019-08-08 | ||
| 2014-08-10 | ||
| 2020-04-20 | ||
| 2016-09-16 | ||
| 2017-09-19 | ||
| 2022-09-01 | ||
| Sentinel-2A | 19L | 2021-09-01 |
| 19L | 2021-09-18 |
Procedimiento metodológico
El presente estudio se realizó con base en la metodología desarrollada por el Proyecto MapBiomas Perú (2023), el cual ha sido adaptado de acuerdo con los criterios técnicos de las clases identificadas en la zona de amortiguamiento de la RNT. En ese sentido, se desarrolló el siguiente proceso metodológico:
a) Adquisición, corrección atmosférica y composición de bandas de imágenes de satélites
Las imágenes Landsat 8 y 7 se descargaron de EarthExplorer del Servicio Geológico de los Estados Unidos (USGS), y las imágenes Sentinel-2A de LandViewer de EOS Inc (Earth Observing System). Para las imágenes Landsat se usaron de la Colección 1 y Nivel 1, imágenes que no están ortorectificadas y corregidas al tope de la atmósfera. Se emplearon dos escenas (002/069 y 003/069) de imágenes satelitales con una nubosidad menor a 20%. En vista de que algunas escenas de imágenes Landsat 8 presentaron una nubosidad mayor a 20%, se optó por usar imágenes Landsat 7 y Sentinel-2A para cubrir dichas escenas (Tabla 1).
Las imágenes Landsat 7 y 8 fueron preprocesadas para corregir automáticamente la reflectancia al tope de la atmósfera (TOA) mediante el “Semi-Automatic Classification Plugin - SCP” del software QGIS 3.36. En el caso de las imágenes Sentinel-2A, no fue necesario realizar el preprocesamiento, porque ya vienen por defecto ortorectificadas y corregidas al TOA.
Para la composición de bandas, se utilizó el criterio de “análisis de vegetación” en las imágenes de satélite Landsat 7, 8 y Sentinel-2A. En ese sentido, se empleó la composición de bandas B4, B5, B6 para las imágenes Landsat 8, bandas B3, B4, B5 para el Landsat 7 y las bandas B11, B8A, B04 para el Sentinel-2A, con la finalidad de diferenciar mejor los objetos espaciales, es decir, combinar las bandas adecuadas para discernir las zonas deforestadas (agropecuaria, minería, etc.).
b) Mosaico, recorte del área de interés y clases de entrenamiento
Una vez realizada la combinación de bandas, se hizo la unión de las dos escenas para generar el mosaico con el software QGIS 3.36. Además, se hizo un remuestreo o cambio de tamaño de píxel para las imágenes Sentinel-2A que poseen una resolución espacial de 10 m × 10 m a un tamaño de 30 m × 30 m, con el propósito de uniformizar la resolución espacial y tener compatibilidad entre ellos.
El área de interés (AOI, por sus siglas en inglés) se generó a partir del mosaico para establecer la delimitación del área de estudio, es decir, se recortó el mosaico en formato ráster de acuerdo con la delimitación de la zona de amortiguamiento de la RNT. También, fueron reproyectadas en el sistema de coordenadas cartesianas de Universal Transverse de Mercator (UTM) - Zona 19 Sur.
Las clases de entrenamiento que se identificaron como deforestación fueron: minería, agropecuaria, proyectos de infraestructura y tala, sumándose de forma separada las clases de cuerpos de agua y bosque. En ese contexto, la clase “minería” se refiere a las actividades antrópicas generadas por la minería aluvial aurífera que se desarrolla en los cauces y riberas de los ríos. La clase “agropecuaria” hace hincapié en las actividades de la agricultura y ganadería que se desarrollan, por lo general, en las márgenes de la carreteras principales y secundaria del área de estudio. La clase de “proyectos de infraestructura” abarca vías principales y secundarias como carreteras, así como la instalación y ruta de líneas de tensión. En el caso de la clase “tala”, se consideraron solamente aquellos lugares como suelos sin vegetación que se ubicaban dentro de territorios indígenas y que formaban parte de la zona de amortiguamiento de la RNT.
c) Clasificación supervisada
El presente estudio empleó el método de clasificación del “mapeo del ángulo espectral” que está incluido en el complemento “SCP” del software QGIS. Este clasificador calcula la similitud de dos espectros en función de su distancia angular, suponiendo que forman dos vectores en un espacio n-dimensional (donde n el número de bandas disponibles). En ese contexto, se utilizaron los valores por defecto del umbral único (single threshold) y el umbral de la firma espectral (signature threshold).
d) Validación de la clasificación supervisada
Después de generar los resultados de la clasificación supervisada, se utilizó la herramienta de Precisión (accuracy assesment) del complemento “SCP”. En ese caso, los resultados se compararon con un ráster de referencia de cobertura del suelo de MapBiomas de Perú (2013-2022), con la finalidad de calcular la precisión global, la precisión del usuario y el índice de Kappa (Tabla 2). Esta herramienta permite estimar la precisión insesgada del usuario con el ráster de referencia, el área insesgada de las clases según los datos de referencia y el error estándar de las estimaciones del área (Congedo, 2021).
e) Posclasificación, conversión y cuantificación de áreas deforestadas
Se utilizó la herramienta “cambio de la cobertura del suelo” del complemento “SCP” para la clasificación de cambios en la cobertura forestal. Esta herramienta permitió comparar las clasificaciones del ráster inicial (clasificación supervisada del año 2013) y final (clasificación supervisada del año 2022) para evaluar los cambios en la cobertura del período establecido.
Después de ello, se realizó el proceso de vectorización de dichos resultados en el QGIS 3.36, es decir, los archivos en formato ráster fueron transformados en archivos vectoriales para la posterior cuantificación de áreas deforestadas (ha) por las actividades antrópicas.
Finalmente, se cuantificó la tasa anual de deforestación (ha) originada por cada actividad antrópica del período analizado (2013-2022). Todo este proceso se realizó en el software QGIS 3.36 y Microsoft Excel® (versión 2403).
Determinación de las tasas de deforestación del período 2013-2022
a) Tasa promedio anual (ha)
Se calculó la tasa promedio anual de deforestación utilizando la ecuación 1 (Ruiz et al., 2011; Forero-Riaño y Polanco-Puerta, 2021):
donde:
TMAD =tasa promedio anual de deforestación
AB t1 = área de bosque inicial (ha)
AB t2 = área bosque final (ha)
n = diferencia de años entre el bosque inicial y el bosque final (t 1 - t2)
b) Tasa anual (%)
Se calculó la tasa anual de la deforestación (%) utilizando la ecuación 2 (Forero-Riaño y Polanco-Puerta, 2021):
donde:
Td = tasa de deforestación anual (% año-1)
ABt 1 = área de bosque inicial (ha)
ABt 2 = área bosque final (ha)
n = diferencia de años (t 1 - t 2)
c) Tasa de cambio de la deforestación segúnPuyravaud (2003)
Para calcular la tasa de cambio de la deforestación del período se aplicó la ecuación 3 (Forero-Riaño y PolancoPuerta, 2021):
donde:
Td P (q) =tasa de cambio de la deforestación del período (%)
AB t1 = área de bosque inicial (ha)
AB t2 = área de bosque final (ha)
t 1 = año del bosque inicial
t 2 = año del bosque final
Resultados
Cuantificación de la superficie deforestada por las actividades antrópicas
a) Validación de los resultados de la clasificación supervisada
Los resultados mostraron que el índice de Kappa se encuentra entre 0,60 y 0,80, mostrando una precisión total mayor o igual a 88,80% (Tabla 2). En ese sentido, la clasificación supervisada del presente estudio se considera como “sustancial” según el coeficiente de Kappa (Hernández-Cavazos et al., 2023), con el propósito de cuantificar las áreas deforestadas de las clases como minería, agropecuaria, proyectos de infraestructura y tala.
b) Superficie deforestada por las actividades antrópicas
Las clases para la clasificación supervisada fueron: minería, agropecuaria, proyectos de infraestructura, tala, cuerpos de agua y bosque. No obstante, solo se analizó y cuantificó la tasa de deforestación de las actividades antrópicas. La clasificación se realizó para cada año desde el 2013 hasta el 2022 en la zona de amortiguamiento de la RNT. En la Tabla 3 se observan los resultados cuantificados de la clasificación supervisada cuyos valores son acumulativos de acuerdo con el registro de años anteriores.
Tabla 3 Cuantificación de las actividades antrópicas en el área de estudio (2013-2022).
| Año | Clases | |||||
| Minería (ha) | Agropecuaria (ha) | Proyectos de infraestructura (ha) | Tala (ha) | Cuerpo de agua (ha) | Bosque (ha) | |
| 2013 | 5642,15 | 12 676,4 | 176,77 | 98,23 | 4212,95 | 208 913 |
| 2014 | 6634,96 | 12 734,1 | 202,80 | 109,31 | 4402,24 | 207 628 |
| 2015 | 7243,93 | 12 860,9 | 259,97 | 113,63 | 4510,51 | 206 718 |
| 2016 | 9251,55 | 13 364,7 | 275,78 | 129,66 | 4795,69 | 203 878 |
| 2017 | 11250,51 | 13 958,9 | 291,14 | 134,15 | 5424,04 | 200 657 |
| 2018 | 12677,48 | 14 223,9 | 324,01 | 151,50 | 6056,86 | 198 275 |
| 2019 | 13144,71 | 14 282,6 | 368,23 | 163,17 | 6351,19 | 197 426 |
| 2020 | 13233,71 | 15 845,1 | 386,42 | 171,11 | 6376,67 | 195 692 |
| 2021 | 13764,92 | 16 074,0 | 393,48 | 177,59 | 6376,98 | 194 920 |
| 2022 | 14112,00 | 16 165,0 | 418,75 | 191,97 | 6378,57 | 194 456 |
Minería. En la Figura 2 se observa que la clase “minería” como actividad antrópica principal en la zona de amortiguamiento de la RNT exhibe una “fuerte tendencia” de aumento de la deforestación, es decir, la pérdida de cobertura forestal fue de 2,5 veces desde el 2013 (5642,15 ha) con relación al 2022 (14 112 ha).
Figura 2 Pérdida de la cobertura forestal por la actividad minera en la zona de amortiguamiento de la Reserva Nacional Tambopata.
Agropecuaria. En la Figura 3 se muestra que la clase “agropecuaria”, como actividad antrópica, presenta una “leve tendencia” de aumento de la deforestación desde el 2013 hasta el 2022, con una pérdida de cobertura forestal de 3488,62 ha en el periodo analizado, además de ser la segunda actividad que mayor deforestación generó.
Figura 3 Pérdida de la cobertura forestal por la actividad agropecuaria en la zona de amortiguamiento de la Reserva Nacional Tambopata.
Proyectos de infraestructura. Los resultados muestran que la actividad de proyectos de infraestructura (Fig. 4) presentó una tasa anual de deforestación de 241,98 ha entre 2013 (176,77 ha) y 2022 (418,75 ha), representando un aumento de 136,89%.
Figura 4 Pérdida de la cobertura forestal por la actividad de infraestructura de transporte en la zona de amortiguamiento de la Reserva Nacional Tambopata.
Tala. En la Figura 5 se observa que la clase “tala” mostró una pérdida de la cobertura forestal de 93,74 ha para el período de 2013 a 2022, indicando un aumento de 95,43% de la tasa de deforestación.
Determinación de la tasa promedio y anual de la deforestación del período 2013-2022
a) Tasa de deforestación
En la Tabla 4 se señala la tasa de deforestación anual promedio en hectáreas (ha) y anual en porcentaje (%) de las clases establecidas. Se puede apreciar que, de las actividades antrópicas identificadas en la zona de amortiguamiento de la RNT, la minería generó mayor pérdida de cobertura forestal en el período de 2013 a 2022 con 941,09 ha año-1, representando una tasa anual de 16,68%, seguida de la actividad agropecuaria con 387,62 ha año-1 y una tasa anual de 3,06%.
b) Tasa de cambio de la deforestación segúnPuyravaud (2003)
De acuerdo con la Tabla 5, la pérdida de cobertura forestal por las actividades antrópicas desde 2013 hasta 2022 se estimó en 14 456,93 ha en la zona de amortiguamiento de la RNT, lo que representa 6,24% del área de estudio y una tasa de cambio de la deforestación de 0,80% (1606,33 ha año-1).
Tabla 5 Tasa de cambio de la deforestación del período 2013 y 2022.
| Años de comparación | Pérdida de bosque por período (ha) | Período analizado (año) | Tasa de cambio de deforestación (%) Td P (q) |
| 2013-2014 | 1284,9 | 1 | -0,62 |
| 2014-2015 | 909,7 | 1 | -0,44 |
| 2015-2016 | 2839,7 | 1 | -1,38 |
| 2016-2017 | 3221,4 | 1 | -1,59 |
| 2017-2018 | 2382,0 | 1 | -1,19 |
| 2018-2019 | 848,7 | 1 | -0,43 |
| 2019-2020 | 1734,7 | 1 | -0,88 |
| 2020-2021 | 771,5 | 1 | -0,40 |
| 2021-2022 | 464,3 | 1 | -0,24 |
| 2013-2022 | 14 456,9 | 9 | -0,80 |
Cartografía de cambios en la cobertura del suelo del período 2013-2022
En las Figuras 6 y 7 se observan las cartografías de cambios en la cobertura forestal de 2013 a 2022 de las clases establecidas (minería, agropecuaria, proyectos de infraestructura y tala). Las actividades que generaron cambios significativos fueron la minera y la agropecuaria.
Figura 6 Cambios en la cobertura del suelo desde el 2013 al 2022 del área de estudio: 2013 (a), 2014 (b), 2015 (c), 2016 (d), 2017 (e) 2018 (f), 2019 (g), 2020 (h), 2021 (i), 2022 (j).
Discusión
Cuantificación de la superficie deforestada por las actividades antrópicas
a) Validación de los resultados de la clasificación supervisada
El valor promedio del índice de Kappa (0,67) y precisión total (90,94%) de la clasificación supervisada en la zona de amortiguamiento de la RNT (2013-2022) mostraron valores similares a otros estudios realizados, lo que indica que la clasificación de las clases como minería, agropecuaria, proyectos de infraestructura y tala se consideran como clasificación “aceptable” (Loza-Del-Carpio y Taype-Huamán, 2021). Por ejemplo, Hernández-Cavazos et al. (2023) señalan que existen muchos criterios técnicos que consideran válida la clasificación supervisada con un coeficiente de Kappa > 0,60, así como otros autores que indican un valor > 0.80 (Alarcon-Aguirre et al., 2021).
En ese contexto, von Thaden et al. (2020), en su estudio sobre dinámica de los cambios en el uso del suelo y cobertura vegetal en la reserva de la biosfera Los Tuxtlas en México, obtuvieron un índice de Kappa de 0,81, 0,83 y 0,82 para los años 2006, 2011 y 2016, respectivamente. Además, Hernández-Cavazos et al. (2023), en su trabajo relacionado con el análisis multitemporal del cambio de uso de suelo en el municipio de Linares, Nuevo León (México), presentaron valores promedio de índice de Kappa de 0,76, considerándose como un nivel de precisión sustancial en la clasificación supervisada. Finalmente, Loza-Del-Carpio y Taype-Huamán (2021), en su estudio sobre análisis multitemporal de asociaciones vegetales y cambios de uso del suelo en una localidad altoandina (Perú), alcanzaron valores entre 0,77 y 0,89 de índice de Kappa, mostrando un grado de precisión considerable desde el 2000 hasta el 2016, valores similares al presente estudio.
b) Superficie deforestada por las actividades antrópicas
La estimación de las áreas deforestadas en la zona de amortiguamiento de la RNT señala una tendencia decreciente con relación a la pérdida de cobertura forestal. Desde el 2013 hasta el 2022, se ha perdido un total de 14 456,93 ha de bosque, lo que representa aproximadamente 16,08% de áreas sin cobertura forestal hasta el 2022, donde 8469,85 ha corresponden a la minería (6,09%); 3488,62 ha a la actividad agropecuaria (6,98%); 241,98 ha a proyectos de infraestructura (0,18%); 93,74 ha a la tala (0,08%); y 2165,62 ha a cuerpos de agua (2,75%).
En la actualidad, la actividad de la minería aluvial aurífera es uno de los grandes propulsores de la deforestación en Madre Dios, y ha sido la principal actividad que generó una pérdida en la cobertura forestal de 8469,85 ha hasta el 2022 en el área de estudio. Otros estudios realizados por Alarcon-Aguirre et al. (2021) señalan que la minería aurífera deforestó el 25,53% (328,97 km2) en Madre de Dios, mostrando mayor presión en la cobertura forestal a escala de sectores focalizados como los distritos de Huepetuhe, Madre de Dios, Inambari, Guacamayo y La Pampa, donde los impactos de la minería son mucho más severos, además de mostrarse mayor intensidad en las últimas décadas en la zona de amortiguamiento de la RNT. En ese sentido, Alva-Avila et al. (2023) señalan a la minería aluvial aurífera como una de las actividades que mayores efectos adversos ha tenido en los bosques y la biodiversidad en Madre de Dios, afectando áreas sensibles como zonas de amortiguamiento de áreas protegidas con tasa de deforestación anual de 10 860 ha en el período de 2013 y 2018.
La actividad agropecuaria contribuyó con 27,52% en la pérdida de bosques, y fue la segunda actividad que más deforestó (3488,62 ha) del 2013 al 2022. Otros estudios señalan a la actividad agropecuaria, específicamente la agricultura, como el principal motor de la deforestación en Madre de Dios (Tarazona y Miyasiro-López, 2020; Alarcon-Aguirre et al., 2021; Alva-Avila et al., 2023). Por ejemplo, Alarcon-Aguirre et al. (2021) indican que la mayor pérdida de bosque se da por la agricultura que se desarrolla con mayor intensidad en las márgenes del Corredor InteroceáNico Sur, alcanzando para el 2018 una extensión de 129 685 ha. Del mismo modo, otros autores señalan que el aumento de la tasa de deforestación en Madre de Dios está relacionado con la ganadería extensiva y el incremento de cultivos agrícolas (Tarazona y Miyasiro-López, 2020; Alva-Avila et al., 2023).
La actividad de proyectos de infraestructura generó una pérdida de cobertura forestal de 241,98 ha desde 2013 hasta 2022 en la zona de amortiguamiento de la RNT. Fue una de las actividades que mayor cambio presentó, solo por detrás de la minería (16,68%) con una tasa de cambio de deforestación de 15,21%, lo que indica que la pérdida de bosque se intensificó por esta actividad antrópica. En ese sentido, muchos autores señalan que este tipo de actividad no solo facilita la vía de comunicación, sino que permite la inmigración y colonización de poblaciones de otras regiones para expandir la actividad de la agricultura, ganadería, minería y la posterior explotación de los recursos forestales, además de ser considerado como uno de los principales “drivers” de la deforestación en la Amazonía (Fearnside, 2005; Bax et al., 2016; Fearnside, 2018; Tarazona y Miyasiro-López, 2020; Alarcon-Aguirre et al., 2021; Cerón et al., 2021; Alva-Avila et al., 2023).
Finalmente, la actividad de tala propició una pérdida de cobertura forestal de 93,74 ha desde 2013 hasta 2022, afectando territorios de las comunidades nativas de Kotsimba, Palma real, Infierno y Sonene, donde se observan indicios de una tala o extracción de especies forestales de gran valor económico, mostrando una tendencia creciente en los últimos años. Esta actividad puede no tener un impacto negativo tan grande en relación con las demás actividades antrópicas, pero influye a escala local en la alteración de los ecosistemas forestales y la pérdida de la biodiversidad (Giudice et al., 2012; Alva-Avila et al., 2023). Adicionalmente, la tala de gran cantidad de árboles - que luego son quemados - con el fin de obtener mayor espacio para áreas de cultivo, facilita la agricultura migratoria. Esta última solo proporciona productividad por un par de años para, posteriormente, migrar a otras áreas de bosque (Angelsen, 1999; Tarazona y Miyasiro-López, 2020).
Determinación de la tasa media y anual de la deforestación del período 2013-2022
La presión de la cobertura forestal en los últimos 10 años por las actividades antrópicas ha generado que se reduzcan los bosques en la zona de amortiguamiento de la RNT, donde la minería y la agropecuaria han sido las principales actividades con tasas de cambio de deforestación anual de 16,68% y 3,06%, respectivamente. Sumado a ello, la actividad de proyectos de infraestructura, que a pesar de presentar una tasa de 26,89 ha año-1, fue, después de la minería, una de las actividades que mayor tasa de cambio presentó (15,21% año-1), debido a los factores descritos anteriormente. En otras regiones del neotrópico, el empleo y cálculo de las tasas de deforestación ha permitido cuantificar la pérdida de cobertura forestal que son originados por la presión humana, tal como es el análisis de la deforestación en La Macarena en Colombia, antes y después de los Acuerdos de Paz, donde el parque nacional natural “Tinigua” pasó de una tasa media de 514,8 ha año-1 a 6570,4 ha año-1, representando un aumento de 1176,1% (Forero-Riaño y Polanco-Puerta, 2021).
Además, de acuerdo con la aplicación de la fórmula de tasa de cambio de la deforestación de Puyravaud (2003) en la zona de amortiguamiento de la RNT, se evidenció que hubo una pérdida de cobertura forestal de 14 456,93 ha (-0,80%) en el período analizado, debido a que las actividades antrópicas identificadas presentaron mayor presión en los bosques, sobre todo, las actividades de la minería y agropecuaria, las principales impulsoras de la deforestación en el área de estudio, coincidiendo con los resultados de otros estudios realizados en la región (Swenson et al., 2011; Tarazona y Miyasiro-López, 2020; Alarcon-Aguirre et al., 2021; Alva-Avila et al., 2023).
Cartografía de cambios en la cobertura del suelo del período 2013-2022
Los cambios en la cobertura del suelo en la zona de amortiguamiento de la RNT desde el 2013 al 2022 fue evidenciado con más notoriedad por las actividades de la minería y la agropecuaria, debido a su alta proximidad con la carretera interoceánica en dirección a la ciudad de Cusco en Perú, así como de los caminos principales y vecinales, al igual que la minería que se desarrolló en la margen izquierda de la carretera Puerto Maldonado-Cusco (Tarazona y Miyasiro-López, 2020; Cerón et al., 2021). Además, la apertura de proyectos de infraestructura (trochas carrozables, carreteras no pavimentadas, ruta de líneas de tensión) es uno de los “drivers” más importantes que promueven la deforestación de manera directa o indirecta, porque facilitan el acceso a los bosques y a zonas que antes eran aisladas o remotas (Nepstad et al., 2001; Fearnside, 2005; Alarcon-Aguirre et al., 2021). De acuerdo con Alarcon-Aguirre et al. (2021), los cambios de uso de suelo en Madre de Dios son impulsados principalmente por la minería y la agricultura, generando una tendencia creciente en la última década, porque la alteración o conversión del bosque a otros usos es muy evidente y alarmante en la Amazonía (Fearnside, 2006,; 2017; Zuloaga-Obregón y Gabriel-Campos, 2023).
A pesar de las limitaciones que existen en el presente estudio, como el tamaño de resolución espacial de las imágenes de satélite, la resolución temporal de las escenas, la cobertura de nubosidad y los resultados del índice de Kappa, la aplicación de técnicas de sistemas de información geográfica (SIG) y el uso de tecnologías como los sensores remotos fue primordial para la cuantificación de la tasa de deforestación y para comprobar la hipótesis planteada.
Conclusiones
Las actividades antrópicas como la minería y la agropecuaria fueron los principales impulsores de la deforestación en la zona de amortiguamiento de la RNT; la minería generó una tasa de 941,09 ha año-1 (16,68%), y la agropecuaria 387,62 ha año-1 (3,06%).
La mayor pérdida de cobertura forestal se dio entre los periodos 2015-2016, 2016-2017 y 2017-2018, con una tasa de cambio de deforestación de 1,38% (2839,72 ha año-1), 1,59% (3221,40 ha año-1) y 1,19% (2382 ha año-1), respectivamente.
En la tasa de cambios de la deforestación se identificó que la minería y la agropecuaria han sido las actividades que más influenciaron con efectos adversos en la cobertura forestal, donde la deforestación es más notoria en el área de influencia de los principales ejes viales y en la zona centro y suroeste del área de estudio.
Los resultados obtenidos contribuyen como referencia académica y científica para la realización de otras investigaciones más detalladas en el área de estudio, además de servir como base para la elaboración y actualización de los planes maestros y usos turísticos por los actores involucrados de la zona de amortiguamiento de la reserva nacional Tambopata.
