Seminario Internacional “Cogestión de cuencas hidrográficas experiencias y desafíos”
Uso de herramientas SIG y análisis multivariados para explicar el
proceso de deforestación
Estudio de caso en la cuenca del río Calan, Honduras
Samuel Rivera1 , Alexander J. Hernández2 , Pablo MartínezdeAnguita3 , John H. Lowry4 , R. Douglas Ramsey5
Introducción
Alrededor del 62% de los ecosistemas forestales tropicales primarios han desaparecido. Como con-secuencia, las cuencas están perdiendo su capacidad de almacenamiento y retención hídrica. En Hon-duras, una hectárea de bosque es deforestada cada cinco minutos para dar paso a la agricultura de subsistencia (Rivera 2004). Debido al rápido avance de la agricultura hacia las tierras de bosque, las agencias de gobierno están tratando de interpretar el fenómeno para encontrar las medidas mas apro-piadas de prevención (Pascual 2005).
Este estudio integra la tecnología SIG con la evaluación de variables biofísicas para estudiar la cuenca del río Calan, ubicada en la parte central de Honduras, y sus procesos de deforestación. Las pregun-tas de investigación a contestar fueron las siguientes: ¿Qué tan grande es el problema deforestación? ¿Dónde están las áreas deforestadas... ¿en el espacio, en tiempo?, ¿Cuáles son las variables socioeco-nómicas que activan la deforestación?
Metodología
La metodología consistió de básicamente cuatro etapas: selección del área de estudio, toma de da-tos de campo, análisis SIG y análisis estadístico con la elaboración del modelo.
Área de estudio: la cuenca del río Calan está localizada en la parte central de Honduras, en la Cuenca de El Cajón, subcuenca del río Selguapa (Fig. 1). La cuenca tiene una extensión aproximada de 4000 ha.
______________________________
1Remote Sensing and GIS Laboratories. Department of Wildland Resources. College of Natural Resources. Utah State University Logan, UT
84322-5230. [email protected]
2Remote Sensing and GIS Laboratories. Department of Wildland Resources. College of Natural Resources. Utah State University
Logan, UT 84322-5230. [email protected]
3Yale University, School of Forestry and Environmental Studies. 370 Prospect st. New Haven, CT 06511-2104. [email protected]; pablo.
4Remote Sensing and GIS Laboratories, Assistant Director. Department of Wildland Resources. College of Natural Resources. Utah State
Univer-sity Logan, Utah 84322-5230. [email protected]
5Remote Sensing and GIS Laboratories, Director. Department of Wildland Resources. College of Natural Resources. Utah State University Logan,
Figura 1. Ubicación del área de estudio
Datos de campo: la fase de campo consistió en el levantamiento y elaboración de una base de datos para el 100% de las familias (525) que habitan en la cuenca. Se aplicó una encuesta de 75 preguntas re-lacionadas con forestería, agricultura y aspectos socioeconómicos. Además, se tomaron las coordena-das geográficas (GPS) para cada familia encuestada. Los datos se levantaron durante la estación seca del año 2002, y se manejaron en el programa computacional MS Excel. Se hizo un control de calidad para verificar la exactitud de los datos.
Analisis SIG: para la clasificación de la cobertura del uso de la tierra, se clasificaron dos imágenes Landsat TM tomadas en 1993 y 2000, usando el programa computacional de procesamiento de imáge-nes de satélite: ERDAS Imagine ver 8.3. En esta clasificación se agruparon pixeles de similar reflectancia espectral (clusters), los cuales se definieron usando muestras llamadas áreas de entrenamiento, obteni-das de conocimiento del terreno, notas de campo e inventarios de vegetación previos. Adicionalmente, se usó un mosaico de fotografías aéreas para mejorar la clasificación. El mismo procedimiento se aplicó a ambas escenas temporales: 1993 y 2000 (Zancajo y Mostaza 2004).
Los datos espaciales se manejaron con el programa de SIG: Arc GIS ver 9.2, y los datos socioeco-nómicos de las encuestas se extrajeron de cada capa usando la función extraction de Arc GIS. De las 525 viviendas, solo 397 quedaron dentro de los límites de la cuenca (Fig. 1). La manipulación inicial de los datos espaciales se hizo con ArcView versión 3.2.
Análisis estadístico y desarrollo del modelo: durante el levantamiento de la encuesta, el conocimiento experto sirvió para seleccionar las variables que podrían correlacionarse mejor con el fenómeno de la deforestación. Las variables seleccionadas fueron: coordenada x, coordenada y, ingreso anual por fa-milia, número de niños por fafa-milia, analfabetismo en adultos, analfabetismo infantil, tenencia de la tierra, fuente de agua, uso de letrinas, fuente de energía para cocinar, prácticas agroforestales, prácticas de conservación de suelos, hortalizas, frutales, animales domésticos y mercadeo de los productos.
Seminario Internacional “Cogestión de cuencas hidrográficas experiencias y desafíos”
modelo de regresión logística se expresa como siguiente:
P = 1/(1+exp(-(B0 + B1*X1 + B2*X2 + ... + Bk*Xk)))
Donde B0 es una constante y Bi son coeficientes de las variables de predicción. El valor calculado de P es una probabilidad entre 0 y 1. La función Exp es e elevado a la potencia. Este modelo logístico sirvió para simular el proceso de deforestación. La presencia de deforestación fue considerada con valor de 1 y la ausencia de deforestación con un valor de 0.
Resultados
Clasificación del uso de la tierra y análisis multitemporal
Como resultado de la clasificación de las imágenes Landsat de 1993 y del 2000, se pudo comprobar que hubo una reducción de aproximadamente el 20% de la cobertura forestal en el periodo en mención (Fig. 2). Los resultados revelan que la cobertura arbórea fue rápidamente convertida a otros usos como la agricultura y pastos. La Fig. 3 es el resultado del traslapo de las imágenes de 1993 y 2000. Como par-te del análisis, también se ubicaron las viviendas o familias que quedaban dentro de las áreas defores-tadas. Para el análisis, estas familias se clasificaron como deforestadores; las familias que quedaron en donde no hubo deforestación, se clasificaron como no-deforestadores. Esto permitió el análisis logístico que clasifica con valor 1 a los deforestadores y valor 0 a los no-deforestadores.
Figura 2. Clasificación del uso de la tierra y cobertura en 1993 y 2000, cuenca del río Calan, Honduras Imágenes clasificadas Landsat TM
Figura 3. Área deforestada entre 1993 y 2000, cuenca del río Calan, Honduras Desarrollo del modelo y predicciones
La Fig. 4 muestra las variables estudiadas, así como sus respectivos coeficientes. De las 75 variables inicial-mente inventariadas entre los pobladores, se analizaron un total de 16. El Cuadro 1 muestra la significancia esta-dística de las variables explicativas del modelo (variables de predicción).
Figura 4. Modelo de regresión logística creado a partir de las variables socioeconómicas estudiadas en la cuenca del río Calan, Honduras
Seminario Internacional “Cogestión de cuencas hidrográficas experiencias y desafíos”
Cuadro 1. Variables socioeconómicas estudiadas a partir del modelo de regresión logística, cuenca del río Calan, Honduras No. Variables Significanciaestadística
1 Coordenada X
2 Coordenada Y
3 Ingreso anual por familia *** ( α = 0.001)
4 Número de niños por familia
5 Analfabetismo de adultos
6 Analfabetismo en niños
7 Tenencia de la tierra
8 Fuente de agua
9 Letrinas
10 Energía para cocinar
11 Agroforestería *** ( α = 0.001)
12 Conservación de suelos *** ( α = 0.001)
13 Hortalizas *** ( α = 0.001)
14 Frutales * ( α = 0.05)
15 Animales domésticos ** ( α = 0.01)
16 Mercado de los productos . ( α = 0.1)
En general, el ingreso anual por familia, la implementación de prácticas agroforestales, las obras de conservación de suelos y el cultivo de hortalizas, resultaron altamente significativas (α = 0.001) como va-riables que están altamente relacionadas con el proceso de deforestación. Estas vava-riables demostraron una alta correlación con la reducción de la deforestación en forma significativa. La existencia de árboles frutales (α = 0.05) y de animales domésticos (α = 0.01) en la familia rural resultaron estadísticamente sig-nificativas también. Adicionalmente, la forma en como los productos son comercializados, ya sea ven-didos localmente o en el poblado más cercano (Siguatepeque, 80.000 habitantes) también obtuvo una significancia estadística (α = 0.1); lógicamente, esto último se relaciona con el ingreso anual por familia.
Lecciones aprendidas
Los resultados indican que las agencias de desarrollo debieran focalizar la asistencia técnica en:
• Prácticas de conservación de suelos
• Árboles frutales
• Agroforestería
• Animales domésticos
• Mercadeo de los productos
Las prácticas de conservación de suelos, cultivos agroforestales y la crianza de animales domésticos aumentan la productividad de la familia rural y reduce la presión sobre las tierras de bosque. En general, las familias con un mejor ingreso causan un menor impacto en la deforestación de los bosques en la cuenca.
Conclusiones
• Estos resultados son consistentes con la mayoría de los resultados expuestos por varios au
et ál. 1994, Bravo-Ureta et ál. 2006). Básicamente, las razones económicas son las mayores contribuyentes a la deforestación.
• Las familias de bajos ingresos ubicadas en el frente de la deforestación son las más propensas
a causar deforestación.
• Este estudio descubre la complejidad del problema y la necesidad de utilizar herramientas SIG
para analizar las diversas variables socioeconómicas y biofísicas y sus variaciones en el tiempo y el espacio.
Bibliografía
Bravo-Ureta, B; Solís, D; Cocchi, H; Quiroga, R. 2006. The impact of soil conservation and output diversification on farm income in Central American hillside farming. Agricultural Economics 35: 267-276.
Lutz, E; Pagiola, S; Reiche, T. 1994. The costs and benefits of soil conservation: the farmer’s viewpoint. The World Bank Research Observer 9:273-295.
Pascual, U. 2005. Land use intensification potential in slash-and-burn farming through improvements in technical efficien-cy. Ecological Economics 52(4): 497-511.
Rivera, S. 2004. Testing forestry BMP’s for protecting water quality in Honduras. Ph. D. Dissertation. Utah State University, College of Natural Resources, Watershed Science Unit. 147 p.
Zancajo, J; Mostaza, T. 2004. Propuesta de una metodología para la codificación de procesos ambientales en bases de datos espaciales. VIII Congreso Nacional de Topografía y Cartografía [Madrid, ES, 19-22 octubre 2004].
