1

SEPIA XIV Piura, del 23 al 26 de agosto 2011

Eje Temático III “Desafíos Ambientales. Aportes de Investigación: biodiversidad, desertificación y cambio climático”

“Modelos de relación de paisajes y variables socioeconómicas para la región Apurimac"

Alexis N. Ibáñez & Gregory Damman

2

Título de la ponencia: “Modelos de relación de paisaje y variables

socioeconómicas para la región Apurimac.”

Escenarios territoriales de desertificación

Resumen

La zona andina peruana vive una serie de procesos de cambio en las últimas décadas,

que se han visto aceleradas por una serie de reformas a nivel de políticas económicas

y agrarias desde los años 90. Estos procesos, aunados a los procesos

socioeconómicos en curso (crecimiento poblacional sostenido, especialización e

intensificación de las zonas de valle, pérdida del conocimiento tradicional), están

agudizando los problemas ambientales y los conflictos. Así, en la actualidad estamos

asistiendo a una reducción de los recursos hídricos y un agravamiento del proceso de

desertificación.

El presente estudio analiza la ocupación de los suelos en la región Apurimac en las

dos últimas décadas, de una parte su evolución, así como las relaciones entre la

superficie sin cobertura vegetal frente a variables socioeconómicas que representan

factores de presión entrópica, ligados a procesos de desertificación. A partir de esta

caracterización se establecen correlaciones entre variables ligadas al sector

agropecuario mostrando relaciones estrechas entre los suelos desnudos y la presión

de las unidades de ganado, así como el empleo en el sector agrícola.

Palabras clave: Desertificación, regresiones múltiples, usos de suelos.

- Presentar con claridad las preguntas e hipótesis de trabajo que estructuran la

investigación.

Uno de los principales procesos que afectan el territorio en el medio andino es la

desertificación, expresado fundamentalmente en la pérdida de cobertura vegetal y de

la diversidad biológica asociada a los ecosistemas. De acuerdo a diversos estudios se

ha establecido que la desertificación es fundamentalmente un proceso que responde a

la acción humana sobre el territorio, siendo algunas de sus causas la presión de las

crianzas ganaderas y la actividad agrícola sobre territorios frágiles.

Por este motivo se plantearon las siguientes preguntas:

1. Si la desertificación es un proceso ligado al factor humano, ¿de qué forma

inciden las variables ligadas a la producción sobre el territorio?.

3

2. ¿Es posible establecer relaciones entre las variables socioeconómicas y los

indicadores de desertificación?

3. ¿Cuál es el comportamiento de los factores y el territorio a través del tiempo?

¿Es posible apreciar tendencias en el proceso de desertificación?

Tomando en cuenta estas preguntas se planteó la siguiente hipótesis

La desertificación puede ser explicada a través de modelos que relacionan variables

socioeconómicas con el territorio.

Los objetivos que se persiguen con la siguiente investigación son:

1. Identificar relaciones entre la desertificación y las variables socioeconómicas a

través de modelos territoriales.

2. Analizar el comportamiento de los modelos territoriales a través del tiempo

entre los años 1990 y 2004.

3. Generar escenarios territoriales de desertificación a partir de las tendencias de

algunas variables clave.

Este estudio se ha llevado a cabo en el departamento de Apurimac, tomando como

base experiencias realizadas anteriormente en el país y en la misma zona, de otros

estudios de desertificación.

- Incluir una revisión de la bibliografía relevante en torno al tema, discutiendo

espacios de controversia o incertidumbre.

Desde los años 60, la desertificación es considerada como uno de los mayores

problemas ambientales a los que se enfrenta el planeta. En los años 90, a raíz de la

cumbre de Rio de Janeiro se planteó una Convención de las Naciones Unidas de

Lucha contra la Desertificación CNULD. Aunque no existe un consenso acerca de las

causas, consecuencias, ubicación geográfica y reversibilidad del fenómeno, la

definición reconocida y aceptada es la siguiente:

“La desertificación es la degradación de tierras en zonas áridas, semiáridas y

subhúmedas resultante de varios factores que incluyen las variaciones climáticas y las

actividades humanas (NU, 1994)”

La mayoría de los cambios experimentados en los ecosistemas terrestres son

producidos por la conversión del uso del suelo o por la intensificación del uso y la

consecuente degradación de la tierra (Lambin 1994; Lambin y Geist 2006). La

deforestación y la presión humana sobre la tierra, para la producción de cultivos y la

4

mecanización desmedida, son las principales causas de la degradación de la tierra,

generando erosión del suelo, cambios en los ecosistemas y deslizamientos de tierra

(Chikhaoui et al. 2005).

Sin embargo, diversos estudios realizados para cuantificar el fenómeno muestran

debilidades e inconsistencias al ser comparados, debido a la falta de indicadores y

datos adecuados. No obstante, es obvio que la degradación y pérdida de tierras es un

problema real, aunque ésta no sea un proceso universal ni tampoco específico de las

tierras áridas, ni siquiera un proceso irreversible en muchas zonas (Castro, 2006).

En el caso peruano, desde la ratificación del Perú a la convención, se han realizado

una serie de esfuerzos para estudiar y realizar propuesta para enfrentar los procesos

de desertificación. Una de estas experiencias se ha llevado a cabo en Apurimac,

departamento ubicado en la zona surandina del país. De acuerdo al Diagnóstico sobre

Desertificacion en la región Apurimac, el proceso de desertificación en la región está

ligado principalmente a causas humanas, tales como deforestación, agricultura en

laderas y minería. Lo cual, aunado a la alta inestabilidad climática de las montañas,

genera una progresiva degradación de los ecosistemas y pérdida de diversidad

biológica. (ITDG, 2007) El cuadro 01 explica los principales factores identificados en

Apurimac.

Cuadro 01. Principales factores de desertificación y su área de influencia en la región Apurimac

Degradación encontrada

Erosión por deforestación

Erosión por malas prácticas agrícolas

Bajo contenido de materia orgánica

Degradación de las zonas alto andinas

Ocupación de suelos

Vegetación dispersa Agricultura Agricultura Pastos altoandinos

Causa natural

Relieve: pendientes superiores a 10%

Relieve: pendientes superiores a 10%

Suelos más friables en la zona Inferior andina (texturas arcillo arenosas)

Sequías

Causas antrópicas

Degradación de la vegetación natural por tala indiscriminada (apertura de la frontera agrícola, leña…), sobrepastoreo y quema

Malas prácticas agrícolas (manejo no adecuado del riego por gravedad, ausencia de surcos)

Uso abusivo de productos químicos

Quema y sobrepastoreo

Ha % Ha % Ha % Ha %

Grau 26315 12,3 4592 2,2 0 0 118422 56

Cotabambas 32552 12,4 4667 1,8 0 0 148218 57

Antabamba 15284 4,7 2508 0,8 0 0 194948 61

Abancay 80036 23,2 12212 3,5 31204 9 111267 32

Fuente: Proyecto “Sequía y Desertificación” ITDG – Soluciones Prácticas, 2007

5

Los estudios de teledetección realizados en el 2007 permitieron ilustrar cambios

importantes en el paisaje de la región, sobre todo en aquellos factores que explican los

procesos de desertificación, expresados en cambios y variaciones respecto de la

ocupación de los suelos de la región Apurímac entre 1990 y 2005. Para hacer un

análisis del cambio de la cobertura de suelos en la región se ha seguido el método

propuesto por la FAO (1996) Para calcular la tasa de cambio de cada categoría de

uso de suelo se utilizó la fórmula siguiente

t = (1 – ((S1 – S2)/S1)) 1/n - 1 Donde:

t = Tasa de cambio; S1 = Superficie en la fecha 1; S2 = Superficie en la fecha 2; n =

Número de años entre las dos fechas.

El cuadro 02 recoge los resultados de cada categoría de ocupación de suelos entre los

años 1990 y 2004, con la tasa de cambio.

Cuadro 02. Evolución de la ocupación de suelos entre los años 1990 y 2004.

Categorías de ocupación en Km2 1990 2004Tasa de cambio

Bofedales y/o vegetación altoandina 1026.82 954.98 0.07154118

Bosques 190.98 261.78 0.10544171

Cuerpos de agua 100.6 91.55 0.07000348

Nieve 125.93 288.35 0.17613559

Pastizales 7862.43 7652.23 0.07486658 Suelo desnudo, erosionado y/o vegetación no activa 9642.02 9592.61 0.07652886

Zona agrícola 1014.57 1111.74 0.08429016

Zona urbana 3.01 13.12 0.3353086

Total 19966.36 19966.36 Fuente: ITDG, elaboración propia 2011.

De acuerdo a los datos la superficie de suelos desnudos cubrían el 48% del área de la

región en 1990, proporción que se mantuvo en el 2004. Es decir, la proporción del

área de esta categoría representa la mitad del territorio, y en los 14 años la tendencia

ha sido casi estática. Si bien se ha dado una reducción de la categoría suelo desnudo

a una tasa de 7% anual, unas 300 ha por año en este período. Una de las

herramientas para analizar los cambios en la superficie ocupada por cada tipo de

vegetación y uso del suelo es la matriz de transición, que es el resultado de

superponer los mapas de ocupación de dos períodos diferentes (Rosete Vergés et al.,

2008). Para el presente estudio no se ha logrado concluir este ejercicio, debido a la

magnitud del trabajo que ello representa, y la corrección de los mapas resultantes que

6

requiere de un paciente ajuste. No obstante, se espera superar esta debilidad para

estudios posteriores, mejorando el análisis de los cambios de usos de suelos a lo largo

de los años en la misma región Apurimac.

No obstante, la interrogante respecto de si es posible establecer modelos de

relaciones entre el paisaje y las variables socioeconómicas que actúan en el mismo se

mantiene vigente, así como si es viable formalizar estos modelos a través de modelos

matemáticos que expresen estas relaciones. Existen experiencias de estudios de

relación entre el paisaje y las variables sociales y económicas de un territorio, que

permiten conocer de forma experimental, cómo se comporta el paisaje frente a las

condiciones sociales y económicas internas.

En este contexto, la presente investigación tuvo como objetivo principal la

determinación de indicadores de desertificación a partir de la determinación de

correlaciones espaciales entre la superficie de suelos desnudos y las variables como:

densidad poblacional, carga animal, actividad agrícola, uso de energía, entre otros.

El paisaje.

Según la definición de la Convención Europea del Paisaje, se entiende por paisaje:

“…cualquier parte del territorio tal como la percibe la población, cuyo carácter sea el

resultado de la acción y la interacción de factores naturales y/o humanos” (CEE, 2000)

El paisaje es un recurso fácilmente depreciable y difícilmente renovable, por lo que

merece especial consideración al momento de evaluar impactos ambientales

negativos en un proyecto determinado (Muñoz-Pedreros, 2004) El estudio del paisaje

permite conocer las interrelaciones entre la sociedad y el medio natural, lo cual se

convierte en una herramienta de análisis de los procesos sociales y ecológicos más

importantes.

En los últimos años los paisajes han sufrido grandes transformaciones, pasando de

modelos de gestión agrícola tradicionales, a la producción agrícola intensiva o al

abandono de muchos lugares. El mantenimiento los modelos agrícolas tradicionales se

ha basado en la transmisión de información de una generación a otra, generando

modelos de uso sostenible (Liang et al., 2001). Frente a ello, los procesos de

despoblación rural, han dado lugar una serie de problemas culturales, económicos y

ecológicos, como la erosión, destrucción hábitat, pérdida de la biodiversidad, el

deterioro del paisaje cultural (Baldock et al., 1993).

En la década pasada los métodos de análisis del paisaje han considerado nuevas

herramientas como es el modelamiento numérico de las relaciones entre la actual

7

estructura del paisaje y la economía local (De Aranzabal et al., 2008) y (Serra et al.,

2007)

Siguiendo a De Aranzabal et al., 2008, se plantea el análisis de componentes

principales (ACP), sobre las principales unidades de territorio. Este análisis es una

técnica estadística de síntesis de la información, o reducción de la dimensión (número

de variables). Es decir, ante un banco de datos con muchas variables, el objetivo será

reducirlas a un menor número perdiendo la menor cantidad de información posible.

Los nuevos componentes principales o factores serán una combinación lineal de las

variables originales, y además serán independientes entre sí (Terradez, 2007)

De esta forma se estima representar la diversidad de los datos encontrados, para

recogerla en las dimensiones que representan las principales variaciones y tendencias

de la tipología del paisaje. Este análisis de ACP permite ver cuantos ejes de

variabilidad se pueden explicar para los paisajes y unidades de territorio de Apurimac.

Con esta información se identificaron los tipos de paisajes mediante la segmentación

de los primeros ejes del ACP en tres intervalos aproximadamente iguales, basado en

las coordenadas de las observaciones representadas en el plano. Se ubicó a los

municipios y tipos de paisaje en el plano de acuerdo con su proximidad al centro de

gravedad de cada grupo (Distancias de Mahalanobis, Mdij)

Donde los vectores xi y xj representan dos puntos en el plano-dimensión Vw, que es el

espacio y la matriz de covarianza entre los grupos. En el plano, cada una de las dos

dimensiones calculadas constituye una manera de describir el cambio en el paisaje del

área de estudio, de acuerdo con las cargas de las variables descriptivas de esas

dimensiones.

Se emplearan las coordenadas de los municipios en las dimensiones del plano ACP

como valores de las variables dependientes en las ecuaciones de regresión múltiple.

Las ecuaciones de regresión para cada eje de la ACP, se ubicaron en función del

número óptimo de las condiciones socioeconómicas que caracterizan la variabilidad

del paisaje los municipios, expresada por cada eje. El modelo de ajuste entre las

variables se debe expresar de la siguiente manera:

Donde Yi representa el suelo desnudo a partir de la información de coberturas

empleado, de municipalidades del conjunto, “a” el intercepto, y b, c, d,. . ., m los

coeficientes de regresión de las variables socioeconómicas de mayor importancia

8

seleccionadas por el análisis. Estas regresiones formalizaran la relación del modelo

numérico entre las unidades de vegetación y la ocupación de suelos (variabilidad de

y), y el espacio socioeconómico (variables económicas seleccionadas en la regresión,

cuya relación positiva o negativa indican la importancia de la relación con sus

coeficientes).

Tomando como base estas experiencias, el presente trabajo muestra la aplicación de

herramientas de análisis numérico para la formalización de las relaciones entre

variables sociales y ecológicas en la zona andina de Apurimac, Perú.

- Presentación de la metodología de recojo y/o análisis de información utilizada.

Área de estudio

La región Apurimac está conformada por 80 distritos y 7 provincias, las cuales se

caracterizan por los siguientes índices de desarrollo humano, de acuerdo al informe

del Programa de Naciones Unidas y Desarrollo del año 2009 (PNUD, 2009).

Cuadro 02. Índice de desarrollo humano de Apurimac.

Departament

o / provincia

Población

Índice de

Desarrollo

Humano

Esperanza

de vida al

nacer

Alfabetism

o

Escolarida

d

Logro

Educativo

Ingreso

familiar

per cápita

APURÍMAC 404 190 0.5610 71.77 78.32 89.91 82.19 203.3

Abancay 96 064 0.6025 73.43 86.55 90.18 87.76 288.6

Fuente: PNUD, 2009

Para el presente estudio se ha tomado como unidad los distritos, considerando en la

base los 80 distritos que actualmente componen la región Apurimac. No obstante, para

el desarrollo de los modelos territoriales se han tomado 04 provincias, las

denominadas provincias altas de Apurimac, Antabamba, Grau y Cotabambas, así

como la provincia de Abanyca, que es la capital de la región. Dos aclaraciones

adicionales, en la década de los 90´s la provincia de Grau tenía 13 distritos, y la

provincia de Cotabambas 05, actualmente tienen 14 y 06 respectivamente. Para el

modelo de trabajo en concreto se excluyeron del análisis los distritos de la provincia de

Cotabambas, para la década de los 90´s y se tomó como unidad.

El primer conjunto de variables a analizar fue la ocupación de suelos en la región, la

misma que generó el mapa de ocupación de suelos, a partir de imágenes satélite

9

Aster. Este satélite emite imágenes de 15 metros de resolución, correspondiente a los

años 2004 y 2005, así como de imágenes del sistema Landsat, con 30 metros de

resolución correspondiente a los años 1990, 2000 y 2004. A partir del trabajo de estas

imágenes se definieron 8 categorías de ocupación de suelos identificadas: Bofedales,

Bosques; Cuerpos de agua; Nieve; Pastizales; Suelos desnudos y vegetación

dispersa; Zona Agrícola; Zona urbana (ITDG, 2007) No obstante, debido a dificultades

para el ajuste de las áreas con cobertura nubosa se tuvo que dejar de lado la

información del año 2000.

El segundo conjunto de variables a analizar fue respecto de los datos

socioeconómicos. Para ello se trabajo con la base de información de los Censos de

Población y Vivienda de 1993 y 2007, (INEI, 1993 y 2009) en los temas de empleo y

tipo de energía en la vivienda. Asimismo para la información de las cabezas de

ganado se tuvo como fuente las estadísticas del Censo Agrario de 1994 y los datos del

Ministerio de Agricultura para el año 2007. En cuanto al índice de densidad poblacional

se tomó como base la población total por distritos y el área en kilómetros cuadrados.

Respecto de la carga ganadera, se trabajo tomando como base los datos reportados

de ganado por el Censo de 1994 y del Ministerio de agricultura, y se convirtieron a

unidades ovino siguiendo el esquema de Maletta (1994) y Florez (1987) tomando

como base las conversiones de las diferentes cargas de ganado a unidades ovino. La

carga ganadera se generó a partir de las UO entre el área del distrito y entre las UO y

el área de pastizales reportadas en el distrito. Las variables se aprecian en el cuadro

siguiente:

Cuadro 03. Variables empleadas para generar el modelo de trabajo

Variables Unidades Código

Suelo desnudo, erosionado y/o vegetación no activa

Superficie en Km2 Sueldes

Superficie total Superficie en Km2 Suptot

Índice de suelo desnudo Superficie de suelo desnudo/ superficie total

Inddes

Unidades Ovinos Conversión de las unidades de ganado a unidades ovino

UO

Pastizales Superficie en Km2 Pastiza

Población total

Número de personas Pobtot

Empleos agrícolas

Número de personas Empag

Hogares con Electricidad

Número de viviendas Hogele

Densidad poblacional Habitantes / Km2 Denpob

10

Carga Ganadera1 UO totales / Superficie total Km2

CargaG1

Carga Ganadera2 UO totales / Superficie de pastizales Km2

CargaG2

Fuente: elaboración propia, 2011.

Método de trabajo.

A partir de la información del estudio el estudio “Adquisición, Procesamiento, Análisis y

Clasificación de Imágenes Satelitales y Elaboración de Mapas Para el Estudio de los

Procesos de Sequía y Desertificación en la Región Apurimac”, se estableció una

matriz de datos cuantitativos, en este caso 08 variables de ocupación de suelo, en 30

distritos de 1990 y 36 en 2004, así como las variables mencionadas en el cuadro 03.

Para el procesamiento de la información se usaron los programas SPSS y STAT, que

permiten operar los análisis de componentes principales y regresiones múltiples de

forma sencilla y buena precisión estadística, así como las pruebas estadísticas

necesarias para la fiabilidad de los datos obtenidos. Respecto de las regresiones

múltiples se emplearon los métodos Estándar y Forward Stepwise, en el segundo caso

aplicando la prueba de Fisher F entre 1 y 0.5. Para la validación se empleó la prueba

de Durbin-Watson para verificar la variación aleatoria de los residuales.

En el caso peruano existen experiencias de aplicación de estos modelamientos

numéricos para el análisis de paisajes en zonas naturales, como es el caso del estudio

del Manglar de San Pedro – Vice, (Piura-Perú). En este caso los modelos aplicados

buscaron caracterizar la variabilidad Fisicoquímica y Fisiográfica de este ecosistema.

(Huaylinos et al., 2003) Los resultados del estudio arrojaron que el funcionamiento del

manglar respondía a la variabilidad del sedimento, es decir, la sedimentación de

material arrastrado del curso superior del río determinaba las características

fisiográficas de este ecosistema.

Resultados

Evolución Paisajes característicos de la región Apurimac, a partir de la ocupación de

suelo

Las unidades de ocupación de suelos de Apurimac, a través de la aplicación del

análisis de componentes principales, muestran una relación constante entre las

categorías de bofedal y suelos desnudos a través de los tres momentos de análisis.

11

De acuerdo a los gráfico 04 y 05, en 1990 y 2004 el paisaje de Apurimac estaba

definido por la asociación de suelos desnudos y bofedales frente al crecimiento de las

áreas urbanas. Lo que estaría mostrando este análisis es que tanto los suelos

desnudos como los bofedales podrían servir para explicar la mayor variabilidad de

comportamiento de las unidades de ocupación de suelos en los dos períodos de

estudio. Dado que el interés del presente estudio es sobre el comportamiento de la

desertificación sobre el territorio, se consideró sólo la categoría de suelos desnudos. A

partir de estos datos fue posible establecer relaciones con otro tipo de variables.

Asimismo, dado que los años 1990 y 2004 mantienen los mismos esquemas de

agrupación, se tomaran en cuenta estos períodos para la generación del modelo de

desertificación.

Modelo de desertificación

En el entendimiento que una de las manifestaciones del proceso de desertificación es

la presencia de áreas de territorio sin vegetación, escasa o dispersa cobertura vegetal,

es que se compararon las unidades de suelos desnudos, con otras variables ligadas a

los procesos de desertificación como la carga ganadera, la densidad poblacional, la

actividad agrícola y la disponibilidad de energía eléctrica en las viviendas. El modelo

de desertificación tendría los siguientes esquemas:

Área de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + ….

Índice de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + ….

En este caso el índice de suelos desnudo es la proporción de la superficie de suelo

desnudo y vegetación dispersa de un determinado distrito respecto del área total del

mismo distrito. Para este cálculo se ha tomado la referencia del área total de los

distritos reportadas por el INEI.

Para la realización del modelo se realizó una transformación de las unidades de todas

las variables a una base exponencial para armonizar las diferentes unidades y

magnitudes que representaban las variables elegidas, (ver resultados en los anexos).

Cuadro 04. Regresiones múltiples entre suelos desnudos y factores de desertificación

en 1990.

Suelo desnudo -0.640 + 0.231*EMPAG -1.274*DENPOB +

1.042*POBTOT + 0.364*CARGA_G2 -0.328*UO

12

Estadísticos del modelo

con suelo desnudo

R= .98219871 R²= .96471432 Adjusted R²= .95669484

F(5,22)=120.30 p<.00000 Std.Error of estimate: .26078

Índice de suelo desnudo 0.167 + 0.188*CARGA_G2 - 0.142*CARGA_G1 -

0.034*DENSIDAD

Estadísticos del modelo

con índice de suelo

desnudo

R= .89325409 R²= .79790288 Adjusted R²= .77264074

F(3,24)=31.585 p<.00000 Std.Error of estimate: .09687

Elaboración propia, 2011

De acuerdo al análisis realizado las variables más significantes, o las que aportan

mayores elementos al modelo son la carga ganadera referida al área del pastizales,

Carga_G2 y los empleos en el sector agrícola. En el caso de Apurimac, el 55% de la

población que declara una actividad se dedica a la Agricultura, ganadería, caza y

silvicultura razón por la que estas variables explican los procesos ligados a la

desertificación.

En la región Apurímac se viene produciendo un proceso de deterioro gradual y

permanente de la soportabilidad de los ecosistemas; la mayor presión sobre los

ecosistemas, la utilización de tierras frágiles para la agricultura (por la fuerte pendiente

y la erosión) sin prácticas de conservación de suelos, los problemas de sobrepastoreo

(insuficiente descanso de praderas y sobrecarga animal), la tala indiscriminada, el uso

ineficiente del agua y deficientes técnicas de riego acelerando así los procesos de

desertificación.

El deterioro de las fuentes de agua, suelo y cobertura vegetal, por una deficiente oferta

forrajera está relacionado principalmente con la intensificación del uso de la pradera

natural en forma no planificada (incremento sin control del número de animales,

introducción de especies inadecuadas, escasas prácticas de sectorialización o rotación

de praderas). El deterioro en estos recursos se manifiesta en una menor cobertura

vegetal de pastos naturales y la desaparición de especies nativas deseables,

impidiendo la regeneración de las especies vegetales, lo cual agudiza aún más la falta

de forrajes para las crianzas en una suerte de “circulo vicioso”.

Por otro lado, no se debe desestimar el desarrollo de algunas prácticas nocivas como

la quema de pastos con la finalidad de lograr rebrotes tiernos de vegetación forrajera,

práctica que tiene consecuencias muy negativas al no estar controlada; llega a cubrir

áreas de bosques, genera una pérdida gradual de especies leguminosas y gramíneas

de importancia económica, favoreciendo el desarrollo de especies de menor valor

nutritivo, deja el suelo desnudo y destruye la microfauna del pasto incluso los

predadores de plagas.

13

Por este tipo de manejo depredador de la pradera natural, se viene presentando un

proceso de desertificación y se está agudizando la erosión del suelo por efectos de la

lluvia y el viento; lo que también incide negativamente en la retención de agua en la

pradera, aspecto fundamental para su desarrollo y conservación.

Al realizar el análisis de las mismas variables en el año 2004, se obtienen las

siguientes relaciones:

Cuadro 05. Regresiones múltiples entre suelos desnudos y factores de desertificación

en 2004.

Suelo desnudo 2004 -1.497 -1.592*CARGA_G1 + 1.330*UO -

0.313*EMPLEOS + 0.331*CARGA_G2

Estadísticos del modelo

con suelo desnudo 2004

R= .93094479 R²= .86665819 Adjusted R²= .84532350

F(4,25)=40.622 p<.00000 Std.Error of estimate: .40608

Índice de suelo desnudo

2004

0.524 -0.020*HOGELE -0.220CARGA_G1 +

0.135CARGA_G2 -0.101EMPLEOS + 0.094UO

Estadísticos del modelo

con índice de suelo

desnudo 2004

R= .76419652 R²= .58399632 Adjusted R²= .49732889

F(5,24)=6.7384 p<.00047 Std.Error of estimate: .13240

Elaboración propia, 2011

En general los modelos muestran que existe una relación directa entre la superficie de

suelo desnudo y empleos en el sector agropecuario y carga animal (indicador G2), lo

cual mostraría que hay una relación entre la presión ejercida sobre los ecosistemas

por las actividades agropecuarias y el territorio.

De los cuatros modelos el que mejor representa esta relación es el que aparece en el

año 1990, y con un mayor nivel de relación, un R2 de 90%.

Ahora bien, en el modelo se aprecia una relación inversa con el número de unidades

ovinas, que representa el total de animales (UO), lo que puede parecer contradictorio.

No obstante, esta situación se podría explicar de la forma siguiente: el indicador de

presión es la densidad de animales, la carga ganadera, y no el número de los mismos.

Esta variable indicaría de un lado la vocación del territorio para la realización de la

ganadería, hay una importante área de pastizales, y de otro una importante cultura

ligada a la gestión del territorio. Existen estudios como señala la misma De Arantzabal

et al 2008, que muestran que las prácticas culturales tienen un impacto importante en

el territorio, en la sostenibilidad de los sistemas naturales y su relación con la

conservación. Apurimac tiene una de las mayores poblaciones de quechuahablantes

en el país, con un 70% de la población mayor de tres años que tiene el quechua como

14

idioma materno. Ligado ello a una cultura y una cosmovisión que ha logrado articular

el sistema natural con la sociedad local, rural principalmente, en medio de una serie de

restricciones y barreras naturales. No obstante, esta sabiduría ancestral, un

conocimiento histórico del manejo de ecosistemas, debido a los procesos de movilidad

y urbanización que vive la región se está perdiendo en la actualidad.

Respecto de las variables de población humana, el modelo parece mostrar que no

existen relaciones marcadas con el número de habitantes, se aprecia una relación

directa con población total e indirecta con la densidad. Sin embargo, esto podría

mostrar que el área de suelos desnudos no recibe una influencia importante desde la

población. Recordar que la población de Apurimac se concentra principalmente en

pequeños centros poblados rurales o pequeños núcleos urbanos.

Escenarios territoriales.

La construcción de escenarios territoriales tiene como base una revisión conceptual,

que integra las causas de la desertificación y sus efectos, de acuerdo a los principales

temas discutidos hasta ahora.

Gráfico 01. Esquema de escenarios territoriales

Fuente: ITDG, 2007

Uno de los principales efectos de la desertificación es el aumento de la pobreza y la

vulnerabilidad de los sistemas sociales, el cual se viene acelerando por el Cambio

Climático. Con los cuatro modelos descritos en el ítem anterior se han comparado los

datos de origen con los datos que arrojaban los modelos. En este caso el mejor

resultado obtenido de los cuatro modelos ha sido el referido al suelo desnudo del año

1990.

15

Suelo desnudo= -0.640 + 0.231*EMPAG -1.274*DENPOB + 1.042*POBTOT +

0.364*CARGA_G2 -0.328*UO

Para demostrar el alcance del modelo se muestran los resultados de las ecuaciones

trabajadas, como se aprecia en el gráfico 02, las líneas azules representan los datos

reales o base del estudio, mientras que las líneas rosa son los resultados de la

modelización.

Gráfico 02. Resultados de los modelos de regresión y la aplicación frente a datos

reales de territorio Apurimac

Modelo de 1990 Modelo de 2004

Fuente: elaboración propia, 2011

Como se aprecia en el caso del modelo de 1990 la relación con los datos reales es

bastante estrecha, con un margen de error de 2 a 5% sobre la base de las 30

unidades analizadas en la muestra.

La interrogante a continuación es la siguiente: ¿Cómo cambia el territorio si las

principales variables relacionadas con la desertificación se incrementan o disminuyen?

Tomando como base la regresión múltiple de 1990, que de acuerdo a los gráficos

anteriores tiene un mejor nivel de ajuste, se preparó una representación de cambio del

territorio en función de dos situaciones hipotéticas arbitrarias, sin un análisis a

profundidad de la situación real de Apurimac, con las siguientes características:

Escenario 1: Incremento de la presión antrópica relacionada a actividades

agropecuarias. En este caso se consideró que no hay ningún cambio en las prácticas

agropecuarias, asimismo las variables de población y densidad poblacional se

mantienen constantes. Al mismo tiempo se da un incremento de las unidades ovinas

16

en un 30%, y por ende la carga ganadera sobre los pastizales, así como el aumento

de los empleos agrícolas en la misma proporción de 30%.

Escenario 2: Disminución de la presión antrópica relacionada a actividades

agropecuarias. Se mantienen las variables de población y densidad poblacional

constantes, y se reducen las unidades ovinas en UO - 30%, la carga ganadera en

pastizales y empleos agrícolas también en un - 30%.

El resultado de aplicar estos supuestos se puede apreciar en el gráfico 03, que

muestra los cambios en el territorio en ambas situaciones. Estos mapas no

representan predicciones del comportamiento del territorio de Apurimac frente a estas

situaciones, que como hemos mencionado fueron planteadas de forma general. Se

requerirá de una base de datos más precisa, con las tendencias de las variables

socioeconómicas, para alcanzar este tipo de resultados. Además al no contar con la

matriz de transición de las categorías de uso no se puede tener este nivel de precisión.

Los mapas tienen esta limitación, sólo muestran cómo se comporta el territorio ante un

aumento o disminución de las variables socioeconómicas de acuerdo a las

condiciones elegidas para el ejercicio.

17

Gráfico 03. Escenarios territoriales de desertificación

Escenario de reducción de las variables de desertificación

Mapa base de la zona de estudio. Escenario de incremento de las variables de desertificación.

PROV. COTABAMBAS

OROPESA

CIRCA

CURAHUASI

ANTABAMBA

LAMBRAMA

HUANIPACA

GAMARRA

PICHIRHUA

ABANCAY

HUAQUIRCA

CHUQUIBAMBILLA

CURPAHUASI

JUAN ESPINOZA MEDRANO

PROGRESO

SABAINO

PACHACONAS

CHACOCHE

CURASCO

VIRUNDO

HUAYLLATI

PATAYPAMPA

EL ORO

MAMARATURPAY

MICAELA BASTIDAS

SAN PEDRO DE CACHORA

TAMBURCO

SANTA ROSA

SAN ANTONIO

VILCABAMBA

0 30 Kilometers

% suelos desnudos0 - 2020 - 4040 - 6060 - 8080 - 100

N

Suelos desnudos Escenario 1

Disminución presiones asociadas a actividades agropecuarias

PROV. COTABAMBAS

OROPESA

CIRCA

CURAHUASI

ANTABAMBA

LAMBRAMA

HUANIPACA

GAMARRA

PICHIRHUA

ABANCAY

HUAQUIRCA

CHUQUIBAMBILLA

CURPAHUASI

JUAN ESPINOZA MEDRANO

PROGRESO

SABAINO

PACHACONAS

CHACOCHE

CURASCO

VIRUNDO

HUAYLLATI

PATAYPAMPA

EL ORO

MAMARATURPAY

MICAELA BASTIDAS

SAN PEDRO DE CACHORA

TAMBURCO

SANTA ROSA

SAN ANTONIO

VILCABAMBA

0 30 Kilometers

% suelos desnudos 0 - 2020 - 4040 - 6060 - 8080 - 100

N

Suelos desnudos 1990 - 1993

PROV. COTABAMBAS

OROPESA

CIRCA

CURAHUASI

ANTABAMBA

LAMBRAMA

HUANIPACA

GAMARRA

PICHIRHUA

ABANCAY

HUAQUIRCA

CHUQUIBAMBILLA

CURPAHUASI

JUAN ESPINOZA MEDRANO

PROGRESO

SABAINO

PACHACONAS

CHACOCHE

CURASCO

VIRUNDO

HUAYLLATI

PATAYPAMPA

EL ORO

MAMARATURPAY

MICAELA BASTIDAS

SAN PEDRO DE CACHORA

TAMBURCO

SANTA ROSA

SAN ANTONIO

VILCABAMBA

0 30 Kilometers

% suelos desnudos 0 - 2020 - 4040 - 6060 - 8080 - 100

N

Suelos desnudos Escenario 1

Incremento presiones asociadas a actividades agropecuarias

Fuente: elaboración propia 2011

18

Conclusiones

1. A través de modelos de análisis territorial se han podido establecer relaciones

numéricas entre las unidades de suelos desnudos frente a variables ligadas a

las actividades agropecuarias. Con niveles de relación, coeficiente de regresión

mayores a 90%.

2. De los cuatro modelos analizados el que presentó mayor nivel de cohesión ha

sido el modelo del año 1990. Que depende principalmente de las relaciones

con los empleos agrícolas y la carga ganadera en unidades ovinas sobre el

área de pastizales.

3. Es posible generar escenarios territoriales a partir de las tendencias de las

variables clave ligadas a la actividad agropecuaria, que muestran

modificaciones del territorio de forma importante.

4. A través de los análisis de componentes principales se apreció que las

unidades de territorio denominados suelos desnudos y bofedales, son las que

representan la mayor variabilidad de la información territorial y permitirían, a

través de relaciones con otras variables explicar los procesos de desertificación

A nivel de la hipótesis:

5. Para el caso de la región Apurimac se pueden representar los procesos de

desertificación a través de modelos que relacionan variables socioeconómicas,

en este caso agropecuarias, con las variables de territorio.

Limitaciones del estudio:

Para un posterior estudio es necesario contar con la matriz de transición de los

cambios en la superficie de suelos para la región Apurimac, a partir del cruce de

mapas del año 1990 y 2004. Con el cual se puedan describir escenarios de cambio

más cercanos a la realidad.

Bibliografía

Andrés Muñoz-Pedreros. 2004. La evaluación del paisaje: una herramienta de gestión

ambiental. Revista Chilena de Historia Natural 77: 139-156

Baldock, D., Beaufoy, G., Bennett, G., Clark, J., 1993. Nature Conservation and New

Directions in the Common Agricultural Policy. Institute for European Environmental

Policy, Arnhem.

Castro, P., 2006: Governance in combating desertification in Peru: The case of

Apurímac Region. University of Reading.

19

Chikhaoui, M., F. Bonn, A.I, Bokoye y A. Merzouk. 2005. A spectral index for land

degradation mapping using ASTER data: Application to a semi-arid Mediterranean

catchment. International Journal of Applied Earth Observation and Geoinformation

7:140–153.

Consejo de Europa. 2000. Convenio Europeo Sobre el Paisaje. Florencia.

De Aranzabal, I; Schmitz, M; Aguilera, P; D. Pineda, F. 2008. Modelling of landscape

changes derived from the dynamics of socio-ecological systems. A case of study in a

semiarid Mediterranean landscape. Ecological indicators 8, 672 – 685.

Eguren, Fernando. 2004. Las políticas agrarias en la última década: una evaluación.

En Fernando Eguren, María Isabel Remy y Patricia Oliart (eds.). Perú, el problema

agrario en debate. SEPIA X. Lima: SEPIA, pp. 19-78.

FAO. 1996. Forest resources assesment 1990. Survey of tropical forest cover and

study of change processes. FAO forestry paper 130. Roma, 152 p.

Flores, A. Malpartida, E. 1987. Manejo de praderas nativas y pasturas en la región

altoandina del Perú (2 volúmenes). Banco Agrario. Lima.

Huaylinos, W, Quispitupac, E y Martinez, N. 2003. Variabilidad fisicoquímica y

fisiográfica del ecosistema de Manglar San Pedro-Vice (Piura-Perú). Rev. Inst.

investig. Fac. Minas metal cienc. geogr , ene./jun. 2003, vol.6, no.11, p.7-19. ISSN

1561-0888.

INEI, 2009. Censo de Población y Vivienda. Lima.

Instituto Nacional de Recursos Naturales. 1996. Mapa de erosión de los suelos del

Perú: memoria descriptiva. Lima.

ITDG Soluciones Prácticas. 2007. Sequía y desertificación en Apurimac. Diagnóstico.

ITDG, Unión Europea, MASAL. Abancay. Páginas 36-43

Iguíñiz Echeverría, Javier M. 2007. Cambio Tecnológico en la Agricultura Peruana en

las Décadas Recientes: Enfoques, Resultados y Elementos. En SEPIA XII Problema

Agrario.

Lambin, E.F. 1994. Modelling Deforestation Processes. A Review. Tropical Ecosystem

Environment Observations by Sa-tellites. TREES Series: Research Report No. 1.

Luxemburg, 113 pp.

Lambin, E.F. y H. Geist (eds.). 2006. Land-use and land-cover change: local

processes and global impacts. Springer, Berlin, Alemania. 204 pp

Liang, L., Stocking, M., Brookfield, H., Jansky, L., 2001. Biodiversity conservation

through agrodiversity. Global Environ. Change 11, 97–101

Maletta, H. 1994. El arte de contar ovejas: Intensidad del pastoreo en la ganadería

altoandina. Debate Agrario 8. Cepes. Lima. Páginas 62-75.

20

Naciones Unidas, 1994. La Convención de las Naciones Unidas de Lucha contra la

Desertificación,

http://www.unccd.int/parliament/data/bginfo/PDUNCCD%28spa%29.pdf

PNUD. 2009. Informe sobre Desarrollo Humano Perú 2009: Por una densidad del

Estado al servicio de la gente. Lima.

Rosete Vergés, Fernando; Pérez Damián, José Luís. Bocco, Gerardo. 2008

Contribución al análisis del cambio de uso del suelo y vegetación (1978-2000) en la

Península de Baja California, México. Investigaciones Geográficas 67:39-58, diciembre

de 2008, Mexico.

Serra, P; Pons, X y Saurí, D. 2007. Análisis espacial conjunto de variables

socioeconómicas y biofísicas como fuerzas inductoras de los cambios agrarios:

Problemas y posibles soluciones. Centre de Recerca Ecològica i Aplicacions Forestals.

Tapia, M. Flores O., J. 1984. Pastoreo y pastizales en los Andes del Sur del Perú.

INIA. Lima.

Terrádez, Manuel. 2007. Análisis de componentes principales. Proyecto e-Math,

Financiado por la Secretaría de Estado de Educación y Universidades (MECD).

Universidad Pablo de Olavide. Sevilla. Páginas 1-3.

21

Anexos

Gráfico 04 Unidades de territorio en el año 1990.

Factor Loadings, Factor 1 vs. Factor 2

Rotation: Unrotated

Extraction: Principal components

Factor 1

Fa

cto

r 2

BOFEDALE

BOSQUES

CUERPOS

NIEVE

PASTIZAL

SUELO_DE

ZONA_AGR

ZONA_URB

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

-0.2 0.0 0.2 0.4 0.6 0.8 1.0

Grafico 05. Unidades de territorio en el año 2004.

Factor Loadings, Factor 1 vs. Factor 2

Rotation: Unrotated

Extraction: Principal components

Factor 1

Fa

cto

r 2

BOFEDALE

BOSQUES

CUERPOS

NIEVE

PASTIZAL

SUELO_DE

ZONA_AGR

ZONA_URB

-1.0

-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

-0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1 0.0

Resultados del modelo de regresión múltiple

1. Variable dependiente Suelo desnudo 1990 (Resultados del Cuadro 04)

BETA St. Err.of BETA B St. Err. of B t(22) p-level

Intercepto -0.640246228 0.64536856-

0.99206294 0.33195356EMPLEOS 0.21047442 0.12336581 0.231001557 0.13539743 1.70610001 0.10206906

DENSIDAD -1.06536759 0.07403041 -1.27487744 0.08858886-

14.3909452 1.1277E-12POBLACIO 0.92622765 0.15422616 1.04236002 0.17356336 6.00564551 4.8096E-06CARGA_G2 0.37931309 0.07057249 0.36421976 0.06776432 5.37480118 2.1364E-05UO -0.24190596 0.08067032 -0.32827652 0.10947301 -2.9986983 0.00661454

22

2. Variable dependiente Índice de suelo desnudo 1990 (Resultados del Cuadro 04)

BETA St. Err.of BETA B

St. Err.of B t(24) p-level

Intercepto 0.1672399 0.09978169 1.67605804 0.10670759CARGA_G2 1.20968571 0.15711095 0.1883075 0.02445691 7.69956314 6.1721E-08

CARGA_G1 -0.6994469 0.1950728 -0.1428168 0.03983099-

3.58556851 0.00149013

DENSIDAD -0.17672444 0.13341306 -0.0342843 0.02588193-

1.32464128 0.1977659

3. Variable dependiente Suelo desnudo 2004 (Resultados del Cuadro 05)

BETA St. Err of BETA B

St. Err.of B t(25) p-level

Intercepto -1.497521 1.28958677-

1.16124125 0.25651187

CARGA_G1 -1.29656634 0.12082447 -1.592342 0.14838724-

10.7309913 7.5777E-11UO 0.80012682 0.10068098 1.330372 0.16740239 7.94714956 2.651E-08

EMPLEOS -0.2934911 0.09213181 -0.313265 0.0983391-

3.18555671 0.00384976CARGA_G2 0.32075957 0.12417774 0.331937 0.12850508 2.58306809 0.01603191

4. Variable dependiente Índice de suelo desnudo 2004 (Resultados del Cuadro 05)

BETA St. Err.of BETA B St. Err. of B t(24) p-level

Intercepto 0.5244708 0.43291837 1.21147728 0.23750637

HOGARES -

0.10639812 0.18489 -0.0201549 0.03502363-

0.57546715 0.57033217

CARGA_G1 -

0.98992453 0.2244149 -0.2198770 0.0498459-

4.41113543 0.00018568CARGA_G2 0.71902775 0.23108488 0.1345731 0.0432498 3.11153098 0.00475408

EMPLEOS -

0.52266064 0.20945931-

0.10089565 0.04043452-

2.49528482 0.01986148UO 0.31414796 0.18177249 0.09446795 0.0546611 1.72824812 0.09679083