MAAP #75: El Papa visitará Madre de Dios, región con una crisis de deforestación

Cuadro 76. Datos: PNBC/MINAM (2001-16), UMD/GLAD (2017, hasta la primera semana de noviembre).

El Papa Francisco, como parte de su próxima visita a Perú en enero, visitará Puerto Maldonado, capital de la región Madre de Dios, en el sur de la Amazonía peruana. En dicha visita, se espera que El Papa aborde los problemas que enfrenta la Amazonía y sus comunidades indígenas, incluyendo la deforestación.

En el presente artículo, mostramos como Madre de Dios está experimentando una severa crisis de deforestación debido principalmente a los drivers de minería, agricultura, y construcción de carreteras.

El Cuadro 76 muestra la tendencia creciente de pérdida anual de bosque anual desde el 2001, alcanzando un valor máximo en el 2017. En 2017, la pérdida anual de bosque ha superado las 20,000 hectáreas (28,500 campos de fútbol) por primera vez, duplicando la pérdida del 2008.*

El cuadro también muestra el avance de Madre de Dios en el ranking de las regiones amazonicas con mayor deforestación en el Perú. Por primera vez, la región Madre de Dios posee la segunda tasa más alta de pérdida forestal entre todas las regiones (ver linea roja), seguido solo de Ucayali.

A continuación, presentamos el mapa de hotspots de deforestación en Madre de Dios, junto con imágenes satelitales de las zonas más afectadas.

*El total de pérdidas estimadas para el año 2017 se basó en las alertas tempranas generadas por el Programa Nacional de Bosques del Ministerio del Ambiente (PNCB/MINAM). El estimado es de 20,826 hectáreas hasta la primera semana de noviembre.

Hotspots de Deforestación en Madre de Dios

La Imagen 76 muestra el mapa de hotspots de deforestación en Madre de Dios para el año 2017, basado en los datos de alerta temprana de perdida bosque (PNCB/MINAM). Los colores amarillo (baja), naranja (media/alta),  y rojo (muy alta) corresponden a las zonas con mayor concentración de alertas, es decir los hotspots de deforestación principales del 2017. En el mapa observamos como a lo largo de la carretera Interoceánica se han producido la mayoría de los eventos recientes de deforestación.

A continuación, describimos 7 hotspots (Cuadros A-G) principales que representan la deforestación de 6,000 hectareas. Se muestra que además de la minería aurífera, la agricultura a pequeña escala es un driver principal.

Imagen 76. Mapa Base de Hotspots en Madre de Dios en 2017. Datos: PNBC/MINAM, UMD/GLAD

La Pampa (Cuadro A)

La Pampa continúa experimentando una deforestación grave debido al avance de la minería aurífera. A pesar de las intervenciones realizadas por el Gobierno peruano, hemos documentado la deforestación de 560 hectáreas (770 campos de fútbol) en el 2017 (Imagen 76a), teniendo un total de 4,560 hectáreas (6,250 campos de fútbol) desde el 2013.

Imagen 76a. Datos: Planet

Alto Malinowski (Cuadro B)

Aguas arriba de La Pampa se encuentra la cuenca alta del Río Malinowski, otra zona devastada por la minería aurífera. Hemos documentado la deforestación de 726 hectáreas (995 campos de fútbol) en el 2017 en el Alto Malinowski (Imagen 76b), sumando 2,130 hectáreas (2,920 campos de fútbol) desde el 2015.

Imagen 76b. Datos: Planet

Santa Rita y Guacamayo (Cuadros C y D)

Al norte de las zonas mineras de La Pampa y Alto Malinowski, al otro lado de la carretera Interoceánica, hay dos zonas con alta concentración de deforestación reciente debida a la actividad agrícola. En dichas zonas, documentamos la deforestación de 1,170 hectáreas (1,600 campos de fútbol) en el 2017 en las dos zonas (Imágenes 76c, 76d). Se requiere de una investigación sobre los tipos de cultivos, aun así fuentes locales indican un aumento en la producción de papaya y cacao en la zona.

Imagen 76c. Datos: Planet, ESA
Imagen 76d. Datos: Planet

Iberia (Cuadro E)

En el otro lado de la región, a lo largo la carretera Interoceánica, cerca de la frontera con Brasil y Bolivia, está la localidad de Iberia. Esta zona se ha convertido en un grave hotspot de deforestación en los últimos años. En esta zona, se detecta la deforestación de 910 hectáreas (1,250 campos de fútbol) en el 2017 (Imagen 76e), teniendo un total de 2,750 hectáreas desde el 2014. El impacto mas grave está ocurriendo cerca el centro poblado Pacahuara. Cabe destacar que gran parte de la deforestación se encuentra al interior de concesiones forestales, indicando que estarían siendo invadidas. La causa de la deforestación sería la actividad agrícola, debido al aumento de cultivos como maíz, papaya, y cacao  (según algunas fuentes locales que conocen lo zona).

Imagen 76e. Datos: Planet

Tahuamanu (Cuadro F)

Al oeste de la localidad de Iberia  se encuentra un hotspot aislado, causado por una gran proliferación de carreteras forestales. Dicho hotspot se encuentra dentro una concesión forestal, pero su impacto es preocupante debido a la extensión y densidad de la red de nuevas carreteras. Estimamos la construcción de 130 km de carreteras forestales en esta zona, en el 2017 (Imagen 76f).

Imagen 76f. Datos: Planet

Las Piedras (Cuadro G)

Finalmente, hay que destacar que la deforestación continua en el interior de dos concesiones de ecoturismo a lo largo del río Las Piedras, siendo una zona reconocida reconocida por su excepcional fauna silvestre (ver este video). Hemos documentado la deforestación de 134 hectáreas en el 2017 (Imagen 76g), alcanzando un total de 605 hectáreas desde el 2013. Nótese que la Concesión de Ecoturismo Las Piedras Amazon Centre (LPAC) representa una barrera eficaz contra la deforestación que ocurre en las concesiones circundantes. Según fuentes locales, las causas principales de la deforestación en la zona estarían asociadas a nuevas plantaciones de cacao y al aumento de áreas dedicadas a pastos para ganado.

Imagen 76g. Datos: Planet

Coordenadas

Zona A: -12.99, -69.90
Zona B: -13.05, -70.17
Zona C: -12.85, -70.26
Zona D: -12.84, -69.99
Zona E: -11.31, -69.61
Zona F: -11.23, -70.05
Zona G: -11.601711, -70.477295

Referencias

Planet Team (2017). Planet Application Program Interface: In Space for Life on Earth. San Francisco, CA. https://api.planet.com

Cita

Finer M, Novoa S, Garcia R (2017) El Papa visitará Madre de Dios, región con una crisis de deforestación. MAAP: 75.

MAAP #59: El Poder de los “Satélites Pequeños»

Imagen 59a. Satélite pequeño de Planet.

La empresa Planet está liderando el uso de los “satélites pequeños” de alta resolución (Imagen 59a). El tamaño y costo de los  satélites de Planet son mucho más reducidos comparados a los satélites tradicionales, lo cual hace posible fabricar y enviar al espacio una flota más numerosa. Actualmente, Planet opera 149 satélites, conocidos como Doves, la flota más grande de la historia de la observación de la Tierra. Los Doves capturan imágenes a color de 3-5 metros de resolución, y pronto cubrirán, a diario, toda la superficie terrestre de la Tierra.

Durante el último año, el MAAP* ha demostrado el poder de las imágenes de Planet para monitorear la deforestación y degradación de la selva Amazónica, en tiempo casi real. Un flujo consistente de estas nuevas imágenes de alta resolución es necesario para este tipo de trabajo; por ello la flota de Planet es ideal. A continuación, proporcionamos una muestra de hallazgos claves del MAAP, basados en las imágenes de Planet, para diferentes casos, incluyendo minería aurífera, deforestación ilegal, caminos forestales, fuegos, vientos huracanados, deslizamientos, e inundaciones.**

*El MAAP ha tenido acceso a las imágenes de Planet a través del programa Ambassador.
**En las siguientes imágenes, los puntos rojos () indican la misma ubicación, en el tiempo, entre los paneles.

Minería Aurífera Ilegal

Imagen 59b. Data: Planet, SERNANP

Usamos las imágenes de Planet para monitorear cercanamente la reciente invasión de minería aurífera ilegal en la Reserva Nacional Tambopata en Madre de Dios. La Imagen 59b es un GIF que muestra toda la invasión: desde sus inicios en enero del 2016, seguido por los avances de deforestación en julio y noviembre del 2016, y la imagen más reciente, en marzo del 2017. El total de la deforestación por la invasión es de más de 500 hectáreas. Estas imágenes fueron un recurso importante para las autoridades, sociedad civil, y los medios que responden a esta situación.

Deforestación Ilegal por Agricultura

Imagen 59c. Data: Planet, SERNANP

Usamos las imágenes de Planet para documentar los numerosos casos de deforestación de pequeña escala, a causa de prácticas agrícolas. Estos ejemplos son importantes porque, de manera acumulativa, la deforestación de pequeña escala es la causa principal de deforestación en la Amazonía peruana (ver MAAP Synthesis #2). La Imagen 59c muestra la rápida aparición de varias  áreas agrícolas nuevas entre mayo (panel izquierdo) y junio (panel derecho) del 2016, en la Reserva Comunal El Sira, área natural protegida ubicada en la Amazonía peruana centro.

Caminos Forestales

Imagen 59d. Data: Planet

Hemos usado las imágenes de Planet para mostrar la rápida construcción de los caminos forestales. Por ejemplo, la Imagen 59d muestra la construcción de un camino forestal en la zona de amortiguamiento del Parque Nacional Cordillera Azul, entre noviembre del 2015 (panel izquierdo) y julio del 2016 (panel derecho).

Fuegos

Imagen 59e. Data: Planet

Las imágenes de Planet son un recurso importante que sirvió para monitorear los fuegos intensos en Perú, el año pasado. La Imagen 59e muestra la pérdida de bosque debido a un fuego descontrolado desde un área agrícola en el norte de la Amazonía peruana, entre mayo (panel izquierdo) y octubre (panel derecho) del 2016. Nótese que las imágenes captaron el humo de los fuegos en setiembre (panel medio).

Vientos Huracanados

Imagen 59f. Data: Planet

Hacemos uso de Planet para contribuir a documentar el escaso conocimiento sobre los tipos de pérdidas naturales de bosque en la Amazonía peruana a causa de los fuertes vientos provenientes de tormentas focalizadas conocidas como “vientos huracanados”. La Imagen 59f muestra una vista de alta resolución de un reciente evento de gran magnitud, entre enero (panel izquierdo) y agosto (panel derecho) del 2016 en el norte de la Amazonía peruana.

Deslizamientos

Imagen 59g. Data: Planet

Recientemente, las imágenes de Planet han revelado un interesante fenómeno natural: un deslizamiento de gran magnitud en una remota y accidentada área del Parque Nacional Sierra del Divisor. La Imagen 59g muestra el área entre octubre 2016 (panel izquierdo) y marzo 2017 (panel derecho).

Inundaciones

Imagen 59h. Data: Planet

Finalmente, las imágenes de Planet jugaron un rol importante en monitorear los impactos de las recientes inundaciones que golpearon al norte de la costa peruana. La Imagen 59h muestra la rápida inundación de las parcelas agrícolas a lo largo del río Jequetepeque, en el norte del Perú, entre febrero (panel izquierdo) y marzo (panel derecho) del 2017.

Referencias

Planet Team (2017). Planet Application Program Interface: In Space for Life on Earth. San Francisco, CA. https://api.planet.com

Cita

Finer M, Novoa S, Mascaro J (2017) El Poder de los “Satélites Pequeños». MAAP: 59.

MAAP SÍNTESIS #2: PATRONES Y DRIVERS DE DEFORESTACIÓN EN LA AMAZONÍA PERUANA

Presentamos nuestro segundo reporte de síntesis, desarrollando con mayor detalle nuestro primer reporte publicado en setiembre del 2015. Esta síntesis está basada, en gran medida, en los 50 reportes del MAAP, publicados entre abril del 2015 y noviembre del 2016. El objetivo es resumir la información más pertinente hasta la fecha, concerniente a las tendencias, patrones, y drivers de deforestación en la Amazonía peruana.

La metodología del MAAP consta de 4 componentes principales: Detección de pérdida de bosque, Priorización de los datos, Identificación de drivers de deforestación, y Publicación de reportes amigables para el usuario. Más adelante, puede encontrar la sección «Metodología» para más detalles.

Nuestros principales hallazgos incluyen:

  • Tendencias. Durante los 15 años entre 2001 y 2015, se han perdido más de 1,800,000 hectáreas (equivalente a 2,470,000 campos de fútbol) de bosques amazónicos, con una tendencia creciente. El 2014 tuvo el mayor nivel de pérdida anual registrada (177,566 hectáreas), seguido por una ligera disminución en el 2015. Entre tanto, el estimado preliminar para el 2016 indica que el monto de pérdida continúa relativamente alto. La gran mayoría (80%) de los eventos de pérdida de bosque en la Amazonía peruana son de pequeña escala (< 5 hectáreas), mientras que los eventos de gran escala (> 50 hectáreas) representan una amenaza latente debido a nuevos proyectos agro-industriales.
  • Patrones. Hemos identificado, hasta la fecha, 8 hotspots de deforestación. Los hotspots de mayor intensidad están ubicados en la Amazonía centro (regiones Huánuco y Ucayali). Otros hotspots importantes están ubicados en las regiones Madre de Dios y San Martín, donde dos áreas naturales protegidas (Reserva Nacional Tambopata y Reserva Comunal El Sira) están siendo amenazadas por los mismos.
  • Drivers. Presentamos un mapa inicial de drivers de deforestación de la Amazonía peruana. Analizando imágenes satelitales de alta resolución, hemos identificado 6 drivers principales de deforestación y degradación: agricultura de pequeña/mediana escala, agricultura de gran escala, pasto para ganado, minería aurífera, cultivos de coca, y carreteras. La agricultura de pequeña escala y el pasto para ganado, probablemente sean los drivers más críticos en el país. Mientras que la minería aurífera es el driver más crítico en el sur del Perú. Por su parte, la agricultura a gran escala y la construcción de nuevas carreteras son amenazas latentes. Las carreteras forestales causan degradación en la Amazonía centro del Perú.

Tendencias de la Deforestación

La Imagen 1 muestra las tendencias en la pérdida de bosque en la Amazonía peruana entre el 2001 y el 2016, incluyendo las categorías por tamaño de eventos de pérdida de bosque. Los datos son los oficiales remitidos por el Ministerio del Ambiente del Perú (Programa Nacional de Conservación de Bosques para la Mitigación del Cambio Climático), excepto el 2016 que es una estimación preliminar basada en alertas de pérdida de bosque.

Imagen 1. Datos: PNCB/MINAM, UMD/GLAD. *Estimado basado en alertas GLAD

Durante 15 años, entre el 2001 y el 2015, se han perdido más de 1,800,000 hectáreas (equivalente a 2,470,000 campos de fútbol) de bosques amazónicos (ver la línea verde). Las cuales representan una pérdida de aproximadamente 2.5% de bosque existente al 2001. Hubo picos de pérdida en los años 2005, 2009, y 2014, con una tendencia creciente. Este último tuvo el mayor nivel de pérdida forestal anual registrada (177,566 hectáreas), seguido por una ligera disminución en el 2015 (156,462 hectáreas). Entretanto, el estimado preliminar para el 2016 indica que el monto de pérdida continúa relativamente alto.

Es importante notar que esta información también incluye eventos naturales de pérdida de bosque (tales como tormentas, derrumbes, inundaciones), pero sobretodo, funciona como nuestra mejor aproximación de la deforestación antropogénica. Se estima que la pérdida no antrópica es de aproximadamente 3.5% de la pérdida total.1

Se puede observar (ver la línea amarilla) que la gran mayoría, 81% en promedio, de los eventos de pérdida de bosque en la Amazonía peruana son de pequeña escala (< 5 hectáreas). Los eventos de pérdida de mediana escala (5-50 hectáreas) tienen un promedio de 16% a través de los años (ver la línea naranja). Los eventos de pérdida de gran escala (> 50 hectáreas), asociados a prácticas agro-industriales, representan una amenaza latente. Mientras que el promedio de sólo 2%, rápidamente subió a 8% en el 2013 debido a las actividades vinculadas a tres proyectos agro-industriales de palma aceitera y cacao. Ver MAAP #32 para más detalles sobre la importancia del tamaño de eventos de deforestación.

Patrones de Deforestación

La Imagen 2 muestra los principales hotspots de deforestación, comparando el plazo 2012 – 2014 (panel izquierdo) con 2015 – 2016 (panel derecho), basado en el análisis de densidad de kernel.2 Hemos identificado 8 hotspots de deforestación principales, etiquetados como Hotspots A – H.

Imagen 2. Datos: PNCB/MINAM, GLAD/UMD. Click para agrandar.

Los hotspots de mayor intensidad, A y B, están ubicados en la Amazonía centro. El Hotspot A, al nor-oeste de la región Ucayali, estuvo dominado por dos proyectos de palma aceitera a gran escala en el 2012 y el 2014 (MAAP #4, MAAP #41), posteriormente se desplazó hacia el oeste entre el 2015 y el 2016, donde dominaba el pasto para ganado y la palma aceitera a pequeña escala. El Hotspot B, al este de la región Huánuco, es dominado por pasto para ganado (MAAP #26).

Los Hotspots C y D se encuentran en la región Madre de Dios, en la Amazonía sur. El Hotspot C indica el avance de la minería aurífera ilegal (MAAP #50). El Hotspot D resalta la zona de deforestación emergente a lo largo de la carretera Interoceánica, particularmente cerca de la localidad de Iberia (MAAP #28).

Los Hotspot E-H están relacionados a actividades agrícolas. El Hotspot E indica la rápida deforestación en la región Loreto a causa de plantación de cacao a gran escala entre el 2013 y 2014, con una acentuada disminución en la pérdida de bosque entre el 2015 y el 2016 (MAAP #35). El Hotspot F indica la expansión de la deforestación alrededor de dos plantaciones de palma aceitera a gran escala (MAAP #41). El Hotspot G indica la intensiva deforestación por plantaciones de palma aceitera a pequeña escala (MAAP #48).

El Hotspot H indica un área impactada por incendios forestales en el 2016.

Las Áreas Naturales Protegidas, manejadas por SERNANP, son barreras efectivas para combatir la deforestación (MAAP #11). Sin embargo, varias áreas naturales protegidas están amenazadas actualmente, en especial la Reserva Nacional Tambopata (Hotspot C, MAAP #46) y la Reserva Comunal El Sira (Hotspot B, MAAP #45).

Drivers de Deforestación

Imagen 3. Datos: MAAP, SERNANP. Click para agrandar.

Actualmente, existe una notable falta de información precisa sobre los drivers actuales de deforestación en la Amazonía peruana. De acuerdo a un importante artículo, publicado en el 2016, gran parte de la información existente es inexacta y desactualizada, además de basarse únicamente en el análisis general del tamaño de los eventos de deforestación.3  

Como se ha mencionado anteriormente, uno de los mayores avances del MAAP ha sido el uso de imágenes de alta resolución para identificar, con mayor precisión, los drivers de la deforestación.

La Imagen 3 muestra los principales drivers de deforestación identificados en nuestro análisis. Por cuanto sabemos, representa el primer mapa espacialmente explícito con los drivers de deforestación de la Amazonía peruana.

A la fecha, hemos documentado 6 principales drivers directos de la deforestación y de degradación en la Amazonía peruana: agricultura a pequeña/mediana escala, agricultura a gran escala, pasto para ganado, minería aurífera, cultivo de coca, y carreteras.

Actualmente, no consideramos a los hidrocarburos (petróleo y gas), ni a las represas hidroeléctricas como drivers importantes en el Perú, pero esto podría cambiar a futuro, en la medida en que los proyectos propuestos avancen en su implementación.

A continuación, mostramos los principales drivers de deforestación y degradación a mayor detalle.

Agricultura de pequeña/mediana escala

La literatura técnica enfatiza que la agricultura a pequeña escala es la principal causa de deforestación en la Amazonía peruana.Sin embargo, aún hay poca evidencia empírica que demuestre la certeza de esta afirmación.Los datos de deforestación son dominados por eventos de pequeña escala, los cuales probablemente se dan por agricultura o pasto para ganado. No obstante, aún se necesitan mayores esfuerzos con trabajos de campo extensivos y/o uso de imágenes de alta resolución para verificar esta suposición.

En varios estudios de caso claves, hemos mostrado ejemplos específicos de que la agricultura a pequeña escala es un driver de deforestación.

Por ejemplo, usando una combinación de imágenes de alta resolución, fotografías desde el campo, e información de fuentes locales, hemos determinado lo siguiente:

  • Palma Aceitera, a través de plantaciones de pequeña y mediana escala, es uno de los drivers de deforestación en el Hotspot G en Huánuco (MAAP #48), Hotspot B en Ucayali (MAAP #26), y Hotspot F en Loreto/San Martín (MAAP #16). Esto también se demostró para Ucayali en un reciente artículo científico.4 Más adelante puede encontrar mayor información sobre palma aceitera a gran escala.
  • El cultivo de Cacao está causando la pérdida de bosque a lo largo del río Las Piedras, al este de Madre de Dios (MAAP #23, MAAP #40). Más adelante puede encontrar mayor información sobre cacao a gran escala.
  • La Papaya es un driver reciente e importante en Hotspot D a lo largo de la carretera Interoceánica, al este de Madre de Dios (MAAP #42).
  • Las plantaciones de Maíz y Arroz pueden estar impulsando la acelerada deforestación en Hotspot D en los alrededores de la localidad de Iberia, a lo largo de la carretera Interoceánica, al este de Madre de Dios (MAAP #28).

Agricultura de gran escala

La deforestación agro-industrial, a gran escala, continúa siendo una latente amenaza en la Amazonía peruana. En el 2013, la sociedad civil declaró una alerta sobre esta actividad, debido a la detección de dos casos de deforestación a gran escala por plantaciones de palma aceitera y cacao, en la Amazonia centro y norte, respectivamente.

En el caso de la palma aceitera, dos empresas que son parte del Grupo Melka,5 deforestaron cerca de 12,000 hectáreas en la región Ucayali entre el 2012 y el 2015 (MAAP #4, MAAP #41). En el caso del cacao, otra empresa del Grupo Melka, United Cacao, deforestó  2,380 hectáreas en Loreto, entre el 2013 y el 2015 (MAAP #9, MAAP #13, MAAP #27, MAAP #35). Dennis Melka ha declarado que su meta es replicar el modelo de producción agroindustrial del Sureste Asiático, en la Amazonía peruana.6

Previamente a estos casos, entre el 2007 y el 2011, ocurrió la deforestación por agricultura a gran escala de cerca de 7,000 hectáreas, por plantaciones de palma aceitera del Grupo Palmas,en el límite de Loreto y San Martín (MAAP #16). Así también, registramos la deforestación adicional de 9,800 hectáreas por plantaciones de palma aceitera, en los alrededores de los proyectos del Grupo Palmas (MAAP #16).

En contraste, la deforestación por agricultura a gran escala fue mínima entre el 2015 y el 2016. Sin embargo, sigue siendo una amenaza latente, debido a que tanto United Cacao como el Grupo Palmas tienen planes de expansión que incluyen la deforestación de más de 20,000 hectáreas de bosque primario en Loreto.8

Pasto para Ganado

Usando un archivo de imágenes satelitales, identificamos que la deforestación por pasto para ganado es un problema resaltante en la Amazonía centro del Perú. Inmediatamente después de un evento de deforestación, el paisaje con cientos o miles de árboles talados, es muy similar entre la deforestación por agricultura y por pasto para ganado. No obstante, utilizando un archivo de imágenes y analizando casos de deforestación previos en el área de interés, es posible determinar las causas de la pérdida de bosque. Por ejemplo, después de un o dos años, la agricultura y el pasto para ganado aparecen muy diferentes en las imágenes, de esta forma es posible distinguir entre ambos drivers.

Usando esta metodología, determinamos que el pasto para ganado es el driver principal en los Hotspots A and B (MAAP #26, MAAP #37), los hotspots de deforestación de mayor intensidad en el país.

También usamos esta metodología para determinar que gran parte de la deforestación en la parte norte de la Reserva Comunal El Sira se debe al pasto para ganado (MAAP #45).

Por otra parte, el mantenimiento del pasto para ganado y la agricultura a pequeña escala son posiblemente los factores determinantes de los incendios que degradan la Amazonía durante la temporada seca intensa (MAAP #45, MAAP #47).

Minería Aurífera

La minería aurífera es uno de los drivers de deforestación más críticos en la Amazonía sur del Perú (Hotspot C). Un estudio importante encontró que la minería aurífera deforestó alrededor de 50,000 hectáreas desde el 2000 hasta el 2012.Nosotros actualizamos este estudio, y tras analizar cientos de imágenes de alta resolución, encontramos que la minería aurífera causó la pérdida adicional de 12,500 hectáreas entre el 2013 y el 2016 (MAAP #50). Así, la minería aurífera es responsable por la pérdida total de 62,500 hectáreas en la Amazonía sur peruana. Gran parte de la deforestación reciente es ilegal, ocurriendo al interior de las zonas de amortiguamiento de áreas naturales protegidas.

Con un mayor énfasis, hemos monitoreado la invasión ilegal de minería aurífera a la Reserva Nacional Tambopata, una de las áreas naturales protegidas más importantes del país. La invasión inicial ocurrió en noviembre del 2015 (MAAP #21), expandiéndose a más de 450 hectáreas hasta setiembre del 2016 (MAAP #24, MAAP #30, MAAP #46). Como parte de esta invasión, los mineros han modificado el cauce del río Malinowski, el cual determina el límite norte de la reserva (MAAP #33). Adicionalmente, la deforestación por minería aurífera continua su expansión en la zona de amortiguamiento de la reserva, particularmente en la zona conocida como La Pampa (MAAP #12, MAAP #31).

Así también, hemos registrado que en las cabeceras del río Malinowski, la minería aurífera viene expandiéndose en la zona de amortiguamiento del Parque Nacional Bahuaja Sonene (MAAP #19, MAAP #43).

En contraste con la preocupante situación en la Reserva Nacional Tambopata, hemos registrado que la deforestación por minería aurífera ha sido controlada en la Reserva Comunal Amarakaeri, un área natural protegida importante co-administrada por comunidades indígenas y el SERNANP. Posterior a una invasión inicial de 11 hectáreas en el 2014 e inicios del 2015, un análisis de imágenes de satélite mostró que los esfuerzos de la administración han logrado detener los intentos de expansión de la minería dentro del área (MAAP #6, MAAP #44).

Adicionalmente a los casos mencionados en Madre de Dios, la deforestación por minería aurífera también sigue aumentando en las regiones adyacentes de Cusco y Puno (MAAP #14).

En la Amazonía norte y centro del Perú, están surgiendo otros pequeños frentes de minería aurífera (MAAP #49). El Gobierno peruano ha realizado una labor importante para impedir la expansión de la minería aurífera ilegal en la Reserva Comunal El Sira (MAAP #45). Más al norte, en la región Amazonas, se registró la deforestación por minería aurífera en uno de los afluentes del río Santiago (MAAP #36, MAAP #49), así como en un área remota de la Cordillera del Cóndor, en la frontera con Ecuador (MAAP #49).

Carreteras

Está bien documentado que las carreteras son uno los más importantes drivers de deforestación en la Amazonía, particularmente por posibilitar el acceso humano a lo que previamente fueron áreas remotas.10  A menudo, las carreteras funcionan como un driver indirecto, dado que la mayoría de la deforestación está asociada a otras actividades como la agricultura, pasto para ganado, y minería aurífera, favorecidas por su proximidad a dichas carreteras.

Hemos documentado el inicio de un proyecto de construcción de una carretera controversial que atravesaría la zona de amortiguamiento de dos áreas naturales protegidas importantes: la Reserva Comunal Amarakaeri y el Parque Nacional del Manu (MAAP #29).

Carreteras Forestales

En relación a las carreteras generales mencionadas anteriormente, distinguimos a las carreteras de acceso que son construidas para permitir el acceso a proyectos particulares. El tipo de acceso más notable en la Amazonía peruana son las carreteras forestales que son una de las causas principales de degradación de bosque, pues facilitan la extracción forestal selectiva de valiosas especies maderables en áreas remotas.

Uno de los recientes avances principales en el monitoreo de bosques tropicales es la habilidad de identificar rápidamente la construcción de nuevas carreteras forestales. El patrón lineal único de estas carreteras aparece claramente en los algoritmos de pérdida de cobertura de bosque de base Landsat, tales como alertas GLAD y CLASlite. Este avance es importante porque es difícil detectar la tala ilegal con imágenes de satélite dado que los taladores en la Amazonía a menudo extraen individuos de algunas pocas especies de alto valor económico y por ello no generan deforestación. Actualmente, a pesar de las dificultades para detectar la tala selectiva, podemos detectar carreteras que nos permiten rastrear su área de extracción.

En una serie de artículos, resaltamos la reciente expansión de carreteras forestales, incluyendo la construcción de 1,134 km entre el 2013 y el 2015 en la Amazonía centro peruana (MAAP #3, MAAP #18). Aproximadamente un tercio de estas carreteras se encuentra en las zonas de amortiguamiento de los Parques Nacionales Cordillera Azul y Sierra del Divisor (MAAP #15).

También identificamos la construcción de 83 km adicionales de carreteras forestales durante el 2016 (MAAP #40, MAAP #43), incluyendo una vía que continua expandiéndose en la zona de amortiguamiento del Parque Nacional Cordillera Azul.

Otro hallazgo importante es la velocidad de construcción de carreteras forestales. En varios casos, registramos un avance de hasta 5 kilómetros por semana (MAAP #18, MAAP #40, MAAP #43).

Determinar la legalidad de estas carreteras es complejo, en parte debido a las diversas instituciones en sus diferentes niveles de gobierno involucradas en el proceso de autorización. Gran parte de estas carreteras se encuentran cerca de concesiones maderables y de comunidades nativas, quienes pueden haber obtenido derechos de tala de la autoridad forestal correspondiente, en muchos casos, por el gobierno regional.

Cultivo de Coca

De acuerdo a un reciente reporte de las Naciones Unidas, la cobertura de cultivos de coca en Perú en el 2015 (40,300 hectáreas) registró la cifra más baja registrada (desde 2001), siendo parte de un patrón en declive desde el 2011 (62,500 hectáreas).11 Actualmente, hay 13 zonas principales de cultivo de coca en el Perú, pero parece que sólo unas cuántas están causando deforestación. Las más resaltantes son dos zonas en la región Puno que están causando deforestación al interior y en los alrededores del Parque Nacional Bahuaja Sonene  (MAAP #10, MAAP #14). Así también, varias zonas en las regiones de Cusco y Loreto pueden estar causando nuevas áreas deforestadas.

Represas Hidroeléctricas

Aunque existe un amplio portafolio de nuevos proyectos potenciales de represas hidroeléctricas en la Amazonía peruana,12 muchos de estos no han llegado todavía a su fase de implementación. Por lo tanto, la pérdida de bosque por represas no es un problema actual, pero podría rápidamente cambiar en el futuro si estos proyectos son ejecutados. Por ejemplo, hemos documentado la pérdida de 36,100 hectáreas de bosque asociadas a las inundaciones por dos represas en el río Madeira en Brasil (MAAP #34).

Hidrocarburos (Petróleo y Gas)

A lo largo de nuestro monitoreo, no hemos detectado aún eventos importantes de deforestación vinculados a hidrocarburos. Así como con las represas, esto podría cambiar en el futuro si es que los precios del petróleo y del gas se elevan, y si los numerosos proyectos potenciales de la Amazonía se ven en la posición de pasar a su siguiente fase, particularmente si se construye carreteras de acceso.

Metodología

La metodología del MAAP consta de 4 componentes:

  1. Detección de la Pérdida de Bosque. Los reportes del MAAP están basados fundamentalmente en las alertas temprana de pérdida de cobertura de bosque, las cuales nos permiten identificar dónde está ocurriendo la deforestación. Actualmente, nuestra herramienta principal son las alertas GLAD que fueron desarrolladas por la Universidad de Maryland y por Google13, y presentadas por Global Forest Watch de WRI y GeoBosques de MIMAM. Estas alertas, lanzadas en Perú a inicios del 2016, se basan en imágenes satelitales Landsat de 30 metros de resolución, y son actualizadas semanalmente. También incorporamos ocasionalmente a  CLASlite, un software de detección de pérdida de bosque basado en Landsat (y ahora en Sentinel-2) desarrollado por Carnegie Institution for Science; y las alertas Terra-i de moderada resolución (250 metros), desarrolladas por el Centro Internacional de Agricultura Tropical. También experimentamos con los productos del radar de Sentinel-1 (disponible gratuitamente por la Agencia Espacial Europea), el cual tiene la ventaja de penetrar las capas de nube, permitiendo continuar con el monitoreo a pesar de las condiciones de neblina.
  2. Priorización de los Datos. Los sistemas de alerta temprana, mencionados anteriormente, presentan miles de alertas, por lo que el procedimiento de información inicial es necesario. Para esto, hemos desarrollado algunos métodos de priorización, tales como la creación de mapas de hotspots (ver abajo), enfoque en áreas clave (tales como áreas naturales protegidas, comunidades nativas, y concesiones forestales), y la identificación de patrones llamativos (como los patrones lineales o deforestación a gran escala).
  3. Identificación de Drivers de Deforestación. Cuando las áreas prioritarias han sido identificadas, el siguiente desafío es entender la causa de la pérdida de bosque. En efecto, una de los mayores progresos del MAAP en el último año ha sido usar imágenes satelitales de alta resolución para identificar drivers de deforestación clave. Nuestra habilidad para identificar estos drivers ha sido fuertemente mejorada gracias al acceso a las imágenes satelitales de alta resolución de Planet (a través del Programa Ambassador) y Digital Globe (a través del Programa NextView, cortesía de un acuerdo con USAID). También, ocasionalmente, compramos imágenes de Airbus (a través de Apollo Mapping).
  4. Publicar Reportes Amigables para el Usuario. El paso final es publicar artículos técnicos, pero accesibles, sobre importantes hallazgos de deforestación en el portal web MAAP. Las características de estos artículos son textos concisos y con mapas fáciles de entender para todas las audiencias, incluyendo tomadores de decisiones, sociedad civil, investigadores, estudiantes, periodistas, y todo el público en general. Durante la preparación de estos artículos, consultamos con la sociedad civil peruana e instituciones del gobierno relevantes, para poder mejorar la calidad de la información.

Endnotes

MINAM-Peru (2016) Estrategia Nacional sobre Bosques y Cambio Climático.

Methodology: Kernel Density tool from Spatial Analyst Tool Box of ArcGis. The 2016 data is based on GLAD alerts, while the 2012-15 data is based on official annual forest loss data

Ravikumar et al (2016) Is small-scale agriculture really the main driver of deforestation in the Peruvian Amazon? Moving beyond the prevailing narrative. Conserv. Lett. doi:10.1111/conl.12264

4 Gutiérrez-Vélez VH et al (2011). High-yield oil palm expansion spares land at the expense of forests in the Peruvian Amazon. Environ. Res. Lett., 6, 044029.

Environmental Investigation Agency EIA (2015) Deforestation by Definition.

NG J (2015) United Cacao replicates Southeast Asia’splantation model in Peru, says CEO Melka. The Edge Singapore, July 13, 2015.

Palmas del Shanusi & Palmas del Oriente; http://www.palmas.com.pe/palmas/el-grupo/empresas

Hill D (2015) Palm oil firms in Peru plan to clear 23,000 hectares of primary forest. The Guardian, March 7, 2015.

Asner GP, Llactayo W, Tupayachi R,  Ráez Luna E (2013) Elevated rates of gold mining in the Amazon revealed through high-resolution monitoring. PNAS 46: 18454. They reported 46,417 hectares confirmed and 3,268 hectares suspected (49,865 ha total).

10 Laurance et al (2014) A global strategy for road building. Nature 513:229; Barber et al (2014) Roads, deforestation, and the mitigating effect of protected areas in the Amazon.  Biol Cons 177:203.

11 UNODC/DEVIDA (2016) Perú – Monitoreo de Cultivos de Coca 2015.

12 Finer M, Jenkins CN (2012) Proliferation of Hydroelectric Dams in the Andean Amazon and Implications for Andes-Amazon Connectivity. PLoS ONE 7(4): e35126.

13 Hansen MC et al (2016) Humid tropical forest disturbance alerts using Landsat data. Environ Res Lett 11: 034008.

Cita

Finer M, Novoa S (2017) Patrones y Drivers de Deforestación en la Amazonía Peruana. MAAP: Síntesis #2.

MAAP #45: Amenazas a la Reserva Comunal El Sira

Imagen 45a. Datos: ESRI, SERNANP
Imagen 45a. Datos: ESRI, SERNANP

La Reserva Comunal El Sira, ubicada en la zona central de la Amazonia peruana (regiones de Pasco, Huánuco y Ucayali), tiene como objetivo principal la protección de la diversidad biológica de la cordillera oriental de El Sira para el beneficio de las comunidades nativas en la zona (pueblos Asháninka, Yánesha, y Shipibo-Conibo).

El objetivo del presente MAAP es realizar una primera evaluación de las amenazas presentes en esta Área Protegida de más de 615,000 hectáreas.

Encontramos que existen amenazas en  3 sectores, indicados en los Cuadros A-C de la Imagen 45a.

Las causas principales de la deforestación fueron la actividad agropecuaria (Cuadros A y C) y la minería aurífera ilegal (Cuadro B). De ambas amenazas, cabe resaltar que la deforestación por actividades agropecuarias sigue aumentando (1,600 hectáreas desde el 2013), mientras que por la minería aurífera, han sido disminuidas debido a las intervenciones del Gobierno peruano.

A continuación, mostramos imágenes de alta resolución de la deforestación en los 3 sectores. Haga clic en cada imagen para agrandar.

Cuadro A: Deforestación Creciente en el Sector Norte

Imagen 39b. Datos: UMD/GLAD, Hansen/UMD/Google/USGS/NASA, USGS/NASA, SERNANP
Imagen 45b. Datos: UMD/GLAD, Hansen/UMD/Google/USGS/NASA, USGS/NASA, SERNANP

La Imagen 45b muestra información espacial de la deforestación creciente en el sector norte de la Reserva Comunal El Sira (ver Imagen 45a para contexto).

Durante el 2016, hemos documentado la pérdida de 285 hectáreas de bosque al interior de la reserva comunal hasta el momento en 2016. De este total, más del 90% de los casos de deforestación son de pequeña escala (‹5 hectáreas).

Adicionalmente, entre los años 2013 y 2015, se estimó la pérdida de 1,320 hectáreas en el interior de la reserva comunal.

La deforestación total de 1,600 hectáreas entre el 2013 y el 2016 es equivalente a 2,200 campos de fútbol.

Basado en un análisis de imágenes de alta resolución, se comprueba que la causa principal de la deforestación son las actividades agropecuarias: pasto para ganado y agricultura.

Cabe enfatizar que esta zona se encuentra próxima a uno de los hotspots de deforestación descritos en el MAAP #37, donde se encontró que el pasto para ganado fue la principal causa de la deforestación.

Los Cuadros A1-A3 indican las áreas de los zooms de alta resolución descritos abajo.

Las Imágenes 45c-45d muestran ejemplos de deforestación entre septiembre del 2015 (panel izquierdo) y agosto/septiembre del 2016 (panel derecho). Los círculos rojos indican áreas recientemente deforestadas en el 2016. Los círculos amarillos indican áreas deforestadas en el 2015 y posteriormente convertidas a pasto en el 2016.

Imagen 45c. Datos: Digital Globe (Next View)
Imagen 45c. Datos: Digital Globe (Next View), Planet
Imagen 45d. Datos: Digital Globe (Next View)
Imagen 45d. Datos: Digital Globe (Next View), Planet


La Imagen 45e muestra un ejemplo de deforestación entre septiembre del 2015 (panel izquierdo) y agosto/septiembre del 2016 (panel derecho).  Los círculos amarillos indican áreas deforestadas en el 2015 y posteriormente convertidas a pasto en el 2016. Los círculos celestes indican áreas deforestadas que han sido recientemente quemadas (nótese el humo producto de los incendios, en el panel derecho). El patrón de quema anual de estas zonas es propio de áreas destinadas para pasto.

ESira_Recovery_A3_m_v2
Imagen 45e. Datos: Digital Globe (Next View), Planet

Cuadro B: Minería Aurífera en el Río Negro

Imagen 45f. Datos: Datos: UMD/GLAD, Hansen/UMD/Google/USGS/NASA, USGS/NASA, SERNANP
Imagen 45f. Datos: UMD/GLAD, Hansen/UMD/Google/USGS/NASA, USGS/NASA, SERNANP

La minería aurífera ilegal se encuentra a lo largo de la cuenca alta del río Negro (Imagen 45f), ubicado en el sector centro-oeste de la reserva comunal (ver Imagen 45a para contexto).

Durante el 2015 y el 2016, el Gobierno peruano llevó a cabo diversos operativos en contra de la minería aurífera ilegal en dicha cuenca.

La Imagen 45f muestra la deforestación reciente a lo largo de la cuenca alta del río Negro. Los Cuadros B1-B3 indican las áreas mostrados en alta resolución abajo.

Las Imágenes 45g-i muestran ejemplos de la minería aurífera dentro la reserva comunal, en imágenes de alta resolución. Las Imágenes 45g-h muestran las áreas deforestadas recientemente por la minería en el 2016 (círculos amarillos), las mismas que a la fecha han sido intervenidas por el Gobierno peruano (círculos rojos – haga clic en la imagen para ver que la maquinaria ha sido eliminada). Del mismo modo, la Imagen 45i muestra un área donde la actividad minera fue intervenida durante el 2015 y que para este 2016 se encuentra abandonada por los mineros.

Imagen 45g. Datos: Digital Globe (NextView)
Imagen 45g. Datos: Digital Globe (NextView)

 

Imagen 45h. Datos: Digital Globe (NextView)
Imagen 45h. Datos: Digital Globe (NextView)
Imagen 45i. Datos: Digital Globe (NextView)
Imagen 45i. Datos: Digital Globe (NextView)

Nuevas Zonas de Deforestación

La Imagen 45j muestra la reciente deforestación de 8.6 hectáreas entre agosto (panel izquierdo) y septiembre (panel derecho) del 2016 (ver el Cuadro B4 en la Imagen 45f para contexto).

esira_recovery_b4_m_v1
Imagen 45j. Datos: Digital Globe (Nextview)

La Imagen 45k muestra una reciente deforestación, en una zona remota, adentro del sector noreste de la reserva comunal (ver Imagen 45a para contexto). Encontramos la deforestación de 12 hectáreas entre mayo (panel izquierdo) y agosto (panel derecho) del 2016.

esira_recovery_c_m_v1
Imagen 45k. Datos: Planet

Cita

Finer M, Novoa S, Snelgrove C (2016) La Reserva Comunal El Sira – 3 Sectores Amenazados. MAAP: 45

MAAP #42: Papaya – Potencial Nuevo Driver de Deforestación en Madre de Dios

En el anterior MAAP #26, publicamos un mapa preliminar de Hotspots de Deforestación de la Amazonia peruana para el año 2015. Durante el 2016, estamos recopilando información para mejorar el entendimiento acerca de las causas potenciales (drivers) de deforestación en los principales hotspots identificados. En el presente MAAP, nos enfocamos en la zona a lo largo de la carretera Interoceánica, al este de la región Madre de Dios, donde los datos indican un hotspot de deforestación de intensidad media (ver el Cuadro A de la Imagen 42a).

Imagen 38a. Datos. UMD/GLAD, USGS/NASA
Imagen 42a. Datos. UMD/GLAD, USGS/NASA

El análisis se basa en los trabajos de campo realizados por la Dirección General de Ordenamiento Territorial del Ministerio del Ambiente, en colaboración con Terra-i. Este equipo ha verificado la presencia de plantaciones de papaya en el sector y han compartido sus fotos y coordenadas con MAAP para permitir la búsqueda de imágenes satelitales.

Analizando toda la información, encontramos que el cultivo de papaya fue un importante driver de deforestación en la zona en el 2015. En el área indicada por el Cuadro A, estimamos una deforestación de 204 hectáreas por el cultivo de papaya en el 2015 (equivalente a 280 campos de fútbol). Esto representa un gran incremento comparado con las 55 hectáreas deforestadas por papaya en el año 2014.

Toda la deforestación es de pequeña (< 5 hectareas) o mediana (5-50 hectáreas) escala. Según el análisis presentado en MAAP #32, estas escalas representaron el 99% de los eventos de deforestación en Perú en el 2015.

Aproximadamente el 90% de la deforestación observada se encuentra al interior de predios agrícolas. No obstante, la finalidad de este artículo no es abordar su legalidad, sino presentar datos técnicos respecto a las causas de deforestación y brindar información para una discusión informada sobre alternativas potenciales y soluciones a la temática de la deforestación en Madre de Dios.

A continuación, mostramos imágenes satelitales y fotos del campo de 5 ejemplos de la reciente deforestación causada por el cultivo de papaya.

Ejemplo #1

La Imagen 42b muestra la deforestación de 12 hectáreas entre septiembre del 2013 (panel izquierdo) y enero del 2016 (panel derecho). El punto rojo indica el mismo lugar en ambas imágenes. La Imagen 42c muestra una foto de la nueva plantación de papaya en esta zona.

b. papaya_analisis_a1_m_v1_es
Imagen 42b. Datos: Digital Globe (Nextview), Planet Labs
c. point-37-source-minam---dgot-detection-by-terra-i-8132014-driver-papaya_25582479922_o
Imagen 42c. Foto: MINAM/DGOT, Terra-i

Ejemplo #2

La Imagen 42d muestra la deforestación de 5 hectáreas entre septiembre del 2013 (panel izquierdo) y enero del 2016 (panel derecho). El punto rojo indica el mismo lugar en ambas imágenes. La Imagen 42e muestra una foto de la nueva plantación de papaya en esta zona.

d. papaya_analisis_a2_m_v1_es
Imagen 42d. Digital Globe (Nextview), Planet Labs
e. point-11-source-minam-detection-by-terra-i-112015-driver-papaya_25051222004_o
Imagen 42e. Foto: MINAM/DGOT, Terra-i

Ejemplo #3

La Imagen 42f muestra la deforestación de 5 hectáreas entre septiembre del 2013 (panel izquierdo) y enero del 2016 (panel derecho). El punto rojo indica el mismo lugar en ambas imágenes. La Imagen 42g muestra una foto de la nueva plantación de papaya en esta zona.

Imagen F. Digital Globe (Nextview), Planet Labs
Imagen 42f. Digital Globe (Nextview), Planet Labs
Imagen G. MINAM/DGOT, Terra-i
Imagen 42g. MINAM/DGOT, Terra-i

Ejemplo #4

La Imagen 42h muestra la deforestación de 12 hectáreas entre septiembre del 2013 (panel izquierdo) y mayo del 2016 (panel derecho). El punto rojo indica el mismo lugar en ambas imágenes. La Imagen 42i muestra una foto de la nueva plantación de papaya en esta zona.

Imagen Xh. MINAM/DGOT, Terra-i
Imagen 42h. MINAM/DGOT, Terra-i
Imagen I. MINAM/DGOT, Terra-i
Imagen 42i. Foto: MINAM/DGOT, Terra-i

Ejemplo #5

La Imagen 42j muestra la deforestación de 9 hectáreas entre abril del 2015 (panel izquierdo) y mayo del 2016 (panel derecho). Los cuadrados amarillos indican el mismo lugar en ambas imágenes. La Imagen 42k muestra una foto de la nueva plantación de papaya en esta zona.

Imagen J. MINAM/DGOT, Terra-i
Imagen 42j. MINAM/DGOT, Terra-i
Imagen J. MINAM/DGOT, Terra-
Imagen 42k. Foto: Farah Carrasco

Cita

Finer M, Novoa S, Carrasco F (2016) Cultivo de Papaya – Nuevo Driver de Deforestación en Madre de Dios. MAAP: 42.

MAAP #38: Proyecto United Cacao se ubica en tierra clasificada como Forestal

El Ministerio de Agricultura y Riego (MINAGRI) del Perú recientemente aprobó, mediante una resolución de dirección general, la “Actualización de los Estudios de Suelos y Capacidad de Uso Mayor de las Tierras de la Región Loreto”.  Cabe enfatizar que la Capacidad de Uso Mayor no corresponde a la cobertura boscosa actual de una zona, pero la interpretación cuantitativa de sus características edáficas, climáticas, y de relieve.

Esta nueva resolución representa un avance importante para la gestión ambiental de los bosques porque, según la Ley Forestal anterior1 y actual2,  establece que cuando la tierra ha sido clasificada como Capacidad de Uso Mayor Forestal o Protección es ilegal cambiar el uso para agricultura y deforestar la tierra. Entonces, solo es posible pedir el cambio de uso para la agricultura cuando la Capacidad de Uso Mayor de la tierra ha sido clasificada con Aptitud Agropecuaria (Cultivos en Limpio, Cultivos Permanentes, y Pastos).3

Hemos recibido los datos espaciales que corresponden a la nueva resolución. En la Imagen 38a, mostramos que 92.6% (2,200 hectáreas) de la deforestación4 asociada con el proyecto de United Cacao ocurrió en tierra clasificadas como Capacidad de Uso Mayor Forestal5. La clasificación Forestal “agrupa a las tierras cuyas características climáticas, relieve y edáficas no son favorables para cultivos en limpio, permanentes, ni pastos, pero, sí para la producción de especies forestales maderables.”

Imagen 38a. Datos: MINAGRI
Imagen 38a. Datos: MINAGRI 2016

En adición, 3.8% de la deforestación ocurrió en tierra clasificadas como Capacidad de Uso Mayor Pasto/Forestal, mientras que el restante 3.6%  ocurrió en tierra clasificadas como Capacidad de Uso Mayor Pasto. Sin embargo, es importante destacar que, incluso en estas zonas clasificadas como la agricultura, nuestro análisis de imágenes de satélite encontró que también estan cubiertas por bosque primario (ver la Imagen 38b).

En conclusión, la gran mayoría de la deforestación de United Cacao ocurrió en suelos con aptitud forestal, donde no estaba permitido el cambio de uso ni la deforestación de sus bosques.

Imagen 38b. Datos: Landsat/NASA/USGS
Imagen 38b. Datos: Landsat/NASA/USGS

Notas

1Ley 27308 Articulo 7. Decreto Supremo 014-2001-AG, Reglamento de la Ley Forestal y de Fauna Silvestre, Art. 36.

2 LEY FORESTAL Y DE FAUNA SILVESTRE (LEY Nº 29763), Artículo 37

3 Decreto Legislativo No. 653, Ley de Promocion de las Inversiones en el Sector Agrario (1991)

4 Ver MAAP #35 para más información sobre la deforestación.

5Específicamente, se clasifica como F2s: Tierras Aptas para Producción Forestal (Símbolo F), Clase – Calidad Agrológica Media (Símbolo F2),  Subclase – Limitación por Suelo (Símbolo “s”)

Cita

Finer M, Novoa S, Cruz C (2016) Proyecto United Cacao se ubica en tierra clasificada Forestal. MAAP: 38.