Modelos de relación de paisaje y variables socioeconómicas para la región Apurimac . Escenarios territoriales para la desertificación

Modelos de relación de paisaje y variables socioeconómicas para la Región Apurímac Escenarios territoriales de desertificación Nicolás Ibáñez | Gregory Damman

Resumen La zona andina peruana vive una serie de procesos de cambio en las últimas décadas, los mismos que se han visto acelerados por varias reformas en el nivel de las políticas económicas y agrarias desde los años noventa. Estos cambios, aunados a los procesos socioeconómicos en curso (crecimiento poblacional sostenido, especialización e intensificación del uso de tierras, pérdida del conocimiento tradicional), están agudizando los conflictos y problemas ambientales. En la actualidad, se aprecia una reducción de la disponibilidad de agua y un agravamiento del proceso de desertificación. El presente estudio analiza la ocupación de los suelos en la Región Apurímac en las dos últimas décadas. De una parte, la evolución del uso de suelos y, de otra, las relaciones entre la superficie sin cobertura vegetal y las variables socioeconómicas ligadas a procesos de desertificación. A partir de esta caracterización, se establecen correlaciones entre variables socioeconómicas ligadas al sector agropecuario y la superficie de suelos desnudos, mostrando relaciones estrechas entre estos y la presión de las unidades de ganado, así como el empleo en el sector agrícola. Palabras suelos.

clave: desertificación, regresiones múltiples, usos de

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

Problemas e hipótesis de trabajo sobre los que se estructura la investigación Uno de los principales procesos que afectan el territorio del medio andino es la desertificación, expresada fundamentalmente en la pérdida de cobertura vegetal y de la diversidad biológica asociada a los ecosistemas. Diversos estudios han establecido que la desertificación es, fundamentalmente, un proceso que responde a la acción humana sobre el territorio, y que algunas de sus causas son la presión de las crianzas ganaderas y la actividad agrícola sobre territorios frágiles. A partir de esto, se formularon las siguientes preguntas: 1. Si la desertificación es un proceso ligado al factor humano, ¿de qué forma inciden las variables ligadas a la producción sobre el territorio? 2. ¿Es posible establecer relaciones entre las variables socioeconómicas y los indicadores de desertificación? 3. ¿Cuál es el comportamiento de los factores y del 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 los siguientes: 1. Identificar relaciones entre la desertificación y las variables socioeconómicas a través de modelos territoriales.

501

Nicolás Ibáñez|Gregory Damman

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 Apurímac, tomando como base experiencias realizadas anteriormente en el país y en la misma zona, a partir de otros estudios de desertificación1.

Revisión de la bibliografía relevante en torno al tema Desde los años sesenta, la desertificación es considerada como uno de los mayores problemas ambientales a los que se enfrenta el planeta. En los años noventa, a raíz de lo discutido en la cumbre de Río de Janeiro, se propuso la creación de la 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” (ONU 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 mecanización desmedida son las principales causas de su degradación, lo que genera erosión del suelo, cambios en los ecosistemas y deslizamientos de tierra (Chikhaoui et al. 2005). 1 Por ejemplo, el diagnóstico de “Sequía y desertificación en Apurímac” elaborado por ITDG, el estudio “Desertificación, cambio climático y sistemas de información en Apurímac” financiado por el PNUD y realizado por Damman, de ITDG, o la experiencia del Proyecto de Adaptación al Cambio Climático PACC de la Comunidad Andina de Naciones, entre otros.

502

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

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 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 de la Convención, se han realizado una serie de esfuerzos para estudiar y trabajar propuestas que enfrenten los procesos de desertificación. Una de estas experiencias se ha llevado a cabo en Apurímac, departamento ubicado en la zona surandina del país. De acuerdo con el Diagnóstico sobre desertificación en la Región Apurímac, el proceso de desertificación allí está ligado principalmente a causas humanas, tales como la deforestación, la agricultura en laderas y la minería. Esto, 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 1 explica los principales factores identificados en la región. Cuadro 1 Principales factores de desertificación y su área de influencia en la Región Apurímac Degradación Erosión por encontrada deforestación

Erosión por malas prácticas agrícolas

Bajo contenido de materia orgánica

Degradación de las zonas altoandinas

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

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 %

26 315 32 552 15 284 80 036

4592 2,2 4667 1,8 2508 0,8 12 212 3,5

0 0 0 0 0 0 31 204 9

118 422 148 218 194 948 111 267

Causas antrópicas

Grau Cotabambas Antabamba Abancay

12,3 12,4 4,7 23,2

56 57 61 32

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

503

Nicolás Ibáñez|Gregory Damman

Los estudios de teledetección realizados en el 2007 permitieron ilustrar cambios importantes en el paisaje de la región, sobre todo en relación con los 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 2004. 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 2 recoge los resultados de cada categoría de ocupación de suelos entre los años 1990 y 2004, con la tasa de cambio. Cuadro 2 Evolución de la ocupación de suelos entre los años 1990 y 2004 Categorías de ocupación en km2

1990

2004

Tasa de cambio

Bofedales y/o vegetación altoandina Bosques Cuerpos de agua Nieve Pastizales Suelo desnudo, erosionado y/o vegetación no activa Zona agrícola Zona urbana Total

1026,82 954,98 0,07154118 190,98 261,78 0,10544171 100,6 91,55 0,07000348 125,93 288,35 0,17613559 7862,43 7652,23 0,07486658 9642,02 9592,61 0,07652886 1014,57 1111,74 0,08429016 3,01 13,12 0,3353086 19 966,36 19 966,36

Fuente: ITDG, elaboración propia 2011.

De acuerdo con los datos, la superficie de suelos desnudos cubría 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 representaba la mitad del territorio, y en los 14 años dicha 504

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

tendencia fue casi estática. Al mismo tiempo, se produjo una reducción en la categoría suelo desnudo, en este período, a una tasa de 7% anual: unas 300 hectáreas por año. 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 resulta 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 a que la corrección de los mapas resultantes requiere de un paciente ajuste. No obstante, se espera superar esta debilidad para investigaciones posteriores, mejorando el análisis de los cambios de usos de suelos a lo largo de los años en la región. Sin embargo, 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 la pregunta sobre si es viable formalizar estas relaciones a través de modelos matemáticos. Existen, al respecto, experiencias de estudios de dichas relaciones 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 modelos de desertificación a partir de la determinación de correlaciones espaciales entre la superficie de suelos desnudos y variables como densidad poblacional, carga animal, actividad agrícola, uso de energía, entre otras. El paisaje Según la definición de la Convención Europea del Paisaje, por paisaje se entiende: “…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). Su estudio permite conocer las 505

Nicolás Ibáñez|Gregory Damman

interrelaciones entre la sociedad y el medio natural, por lo que 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 con el paso de los modelos de gestión agrícola tradicionales a la producción agrícola intensiva o al abandono de muchos lugares. El mantenimiento de los modelos agrícolas tradicionales se ha basado en la transmisión de información de una generación a otra, lo que generó modelos de uso sostenible (Liang et al. 2001). Frente a ello, los procesos de despoblación rural han dado lugar a una serie de problemas culturales, económicos y ecológicos, como la erosión, la destrucción del hábitat, la pérdida de la biodiversidad o el deterioro del paisaje cultural (Baldock et al. 1993). En el caso peruano, esta situación ha sido similar, como lo señalan trabajos presentados por Eguren (2004) e Iguíñiz (2007) En la década pasada, los métodos de análisis del paisaje han considerado nuevas herramientas, como el modelamiento numérico de las relaciones entre la actual estructura del paisaje y la economía local (De Aranzabal et al. 2008, Serra et al. 2007) Siguiendo a De Aranzabal et al., en esta investigación 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 (Terrádez 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 cuántos ejes de variabilidad se pueden explicar para los paisajes y unidades de territorio de Apurímac. 506

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

Con esta información, se identificaron los tipos de paisajes mediante la segmentación de los primeros ejes del ACP en tres intervalos aproximadamente iguales, basados en las coordenadas de las observaciones representadas en el plano. Los municipios y tipos de paisaje fueron ubicados en el plano de acuerdo con su proximidad al centro de gravedad de cada grupo (Distancias de Mahalanobis, Mdij):

MD2i,j =(xi - xj)´ V -1w (xi - xj)

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 emplearon 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:

yi =a + bs1 + cs2 + ds3 + ...+ msm

donde Yi representa el suelo desnudo a partir de la información de coberturas de municipalidades del conjunto; “a”, el intercepto, y b, c, d,. . ., m, los coeficientes de regresión de las variables socioeconómicas de mayor importancia seleccionadas por el análisis. Estas regresiones formalizaron 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).

507

Nicolás Ibáñez|Gregory Damman

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 Apurímac.

Presentación de la metodología de recojo y análisis de la información utilizada Área de estudio La Región Apurímac está conformada por ochenta distritos y siete 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 3 Índice de desarrollo humano de Apurímac Departamento / Población Índice de Esperanza Alfabe- Escola- Logro Ingreso provincia Desarrollo de vida tismo ridad educativo familiar Humano al nacer per cápita Apurímac Abancay

404 190 96 064

0,5610 0,6025

71,77 73,43

78,32 86,55

89,91 90,18

82,19 87,76

203,3 288,6

Fuente: PNUD, 2009.

Para el presente estudio se han tomado los distritos como unidad de análisis, considerando en la base los ochenta que actualmente componen la región. No obstante, para el desarrollo de los modelos territoriales se han considerado cuatro provincias, las denominadas provincias altas de Apurímac: Antabamba, Grau, Cotabambas y Abancay, que es la capital de la región. Dos aclaraciones adicionales: en la década de los noventa, la provincia de Grau tenía trece distritos, y la provincia de Cotabambas cinco; actualmente tienen catorce y

508

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

seis, respectivamente. Para el modelo de trabajo se excluyó del análisis la información de los distritos de Cotabambas correspondiente a la década de los noventa, tomando a esta provincia como si fuera un solo distrito. El primer conjunto de variables a analizar fue la ocupación de suelos en la región. Se generó el mapa de ocupación de suelos a partir de imágenes de los satélites Aster y Landsat. El primero emite imágenes de 15 metros de resolución, y sus datos corresponden a los años 2004 y 2005. El segundo dispone de 30 metros de resolución, y la información corresponde a los años 1990, 2000 y 2004. A partir del trabajo con estas imágenes, se definieron ocho categorías de ocupación de suelos: bofedales, bosques, cuerpos de agua, nieve, pastizales, suelos desnudos y vegetación dispersa, zona agrícola y, finalmente, 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 la información socioeconómica. Para ello se trabajó sobre la base de la 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. Para la información sobre las unidades de ganado, se tuvo como fuente el 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 trabajó 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 Flores (1987). En este caso, se tomaron como base las conversiones de las diferentes cabezas 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:

509

Nicolás Ibáñez|Gregory Damman

Cuadro 4 Variables empleadas para generar el modelo de trabajo Variables Unidades

Código

Suelo desnudo, erosionado y/o Superficie en Km2 Sueldes vegetación no activa Superficie total Superficie en Km2 Suptot Índice de suelo desnudo Superficie de suelo Inddes desnudo/ superficie total Unidades ovinas Conversión de las unidades de UO ganado a unidades-ovino 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 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 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 Apurímac, se estableció una matriz de datos cuantitativos: ocho variables de ocupación de suelo en treinta distritos en 1990 y treinta y seis en el 2004, así como las variables mencionadas en el Cuadro 4. 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 con buena precisión estadística y, además, muestran las pruebas estadísticas necesarias para verificar 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 a fin de comprobar la variación aleatoria de los residuales. 510

Modelos de relación de paisaje y variables socioeconómicas para la región Apurímac

En el caso peruano, existen experiencias de aplicación de estos modelamientos numéricos para el análisis de paisajes en zonas naturales, como, por ejemplo, el estudio sobre el Manglar de San Pedro - Vice, en Piura. 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 de paisajes característicos de la Región Apurímac a partir de la ocupación de suelo Las unidades de ocupación de suelos de Apurímac, a partir de la aplicación del análisis de componentes principales, muestran una relación constante entre las categorías de bofedales y suelos desnudos a través de los dos momentos de análisis. De acuerdo con los gráficos 4 y 5, en 1990 y 2004 el paisaje de Apurímac 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 de la presente investigación es el comportamiento de la desertificación sobre el territorio, se consideró solo 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 tomaron en cuenta estos períodos para la generación del modelo de desertificación.

511

Nicolás Ibáñez|Gregory Damman

Modelo de desertificación En el entendimiento de que una de las manifestaciones del proceso de desertificación es la presencia de áreas de territorio sin vegetación, escasa o dispersa cobertura vegetal, se compararon las unidades de suelos desnudos con 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 obtenido sigue el siguiente esquema: Área de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + …. Índice de suelos desnudos = a + b1 Variable 1 + b2 Variable 2 + ….

Para el estudio, 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. Para este cálculo se ha tomado la referencia del área total de los distritos reportadas por el INEI. Para la realización del modelo, se aplicó una transformación de las unidades de todas las variables a una base exponencial, lo que permitió armonizar las diferentes unidades y magnitudes que representaban las variables elegidas (ver resultados en los anexos). Cuadro 5 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 Estadísticos del modelo R= 0,98219871 R²= 0,96471432 R² ajustado = 0,95669484 con suelo desnudo F(5,22)=120,30 p