MAAP #80: Belleza Amazónica, en Alta-resolución

Imagen 80. Mapa Base. Datos: SERNANP

En el MAAP se documentan los casos de deforestación más graves de la Amazonía andina, y esto podría ser algo deprimente. Sin embargo, es importante recordar por qué lo hacemos: la selva amazónica es espectacular.

Aquí presentamos una serie de imágenes satelitales de muy alta-resolución para mostrar la increíble belleza de la Amazonía peruana, y recordarnos porqué es importante protegerla.

Todas las imágenes, de la empresa DigitalGlobe, son recientes y de menos de 0.5 metros de resolución.

Juntas son como una exhibición de arte, protagonizada por los bosques y ríos de la Amazonía peruana.

Las categorías de las imágenes son: “Áreas Naturales Protegidas” y “Áreas en Riesgo.”

Las Áreas Naturales Protegidas incluyen los Parques Nacionales Yaguas, Sierra del Divisor, Río Abiseo, y Manu; la Reserva Nacional Tambopata; la Reserva Comunal Amarakaeri; y el Área de Conservación Regional Choquequirao.* También se incluye la Concesión de Conservación Los Amigos.

Las Áreas en Riesgo incluyen áreas amenazadas por la minería aurífera, carreteras, represas hidroeléctricas, y plantaciones de palma aceitera y cacao.

Haga clic en cada imagen para agrandarla.  Ver el mapa base para la ubicación de cada imagen (A-M).

Áreas Naturales Protegidas

A. Parque Nacional Yaguas (Loreto)

El parque nacional más nuevo del Perú, creado en enero del 2018, Parque Nacional Yaguas protege una gran área (869,000 hectáreas) de bosque amazónico en el norte del Perú (región Loreto). En la Imagen A, se muestra el río Yaguas serpenteando a través del bosque primario del nuevo parque.

Imagen 80_A. Parque Nacional Yaguas. Datos: DigitalGlobe (Nextview)

B. Parque Nacional Sierra del Divisor (Ucayali)

El segundo parque nacional más nuevo del Perú es Sierra del Divisor, creado en el 2015. El Parque protege más de un millón de hectáreas a lo largo de la frontera con Brasil. En la Imagen B, se muestra el famoso cerro El Cono.

Imagen 80_B. Parque Nacional Sierra del Divisor. Datos: DigitalGlobe (Nextview)

C. Reserva Nacional Tambopata (Madre de Dios)

La Reserva Nacional Tambopata llegó a los titulares en el 2015, después de una invasión de mineros ilegales (MAAP #61) que ya fueron detenidos. Sin embargo, la reserva es más conocida por su biodiversidad. En la Imagen C, se muestran los lagos que dejó formados el paso del río La Torre, un tributario del río Tambopata.

Imagen 80_C. Reserva Nacional Tambopata. Datos: DigitalGlobe (Nextview)

D. Reserva Comunal Amarakaeri (Madre de Dios)

La Reserva Comunal Amarakaeri es un área protegida importante que es gestionada conjuntamente con las comunidades indígenas (ECA Amarakaeri) y el Servicio Nacional de Áreas Naturales Protegidas por el Estado (SERNANP). En la Imagen D, se muestra un caudaloso río cruzando una zona accidentada entre la selva baja y la selva alta, en la parte sur de la reserva.

Imagen 80_D. Reserva Comunal Amarakaeri. Datos: DigitalGlobe (Nextview), SERNANP

E. Parque Nacional Río Abiseo (San Martin)

El Parque Nacional Río Abiseo, ubicado en la ladera amazónica de la cordillera de los Andes, protege los bosques nublados de la selva alta, que incluye diversas zonas de endemismo. En la Imagen E, se muestra una zona de transición entre los pastizales altos andinos y los bosques de neblina.

Imagen 80_E. Parque Nacional Río Abiseo. Datos: DigitalGlobe (Nextview), SERNANP

F. Parque Nacional Manu (sector Cusco)

El Manú es uno de los parques nacionales más famosos en el mundo, conocido por su riqueza en la diversidad de hábitats, incluso en selva baja. En la Imagen F, se muestra el otro extremo, la transición entre la selva alta y la puna en la parte sur del parque (Kosñipata, Cusco). Es una mirada a las cabeceras, donde nacen los ríos amazónicos.

Imagen 80_F. Parque Nacional Manu. Datos: DigitalGlobe (Nextview), SERNANP

G. Área de Conservación Regional Choquequirao (Cusco)

Choquequirao es la primera área de conservación regional de Cusco, ubicada al lado del Santuario Histórico Machu Picchu. En la Imagen G, se muestra una zona montañosa ubicado en la corazón del área, al sur del Nevado Sacsarayoc.

Imagen 80_G. Choquequirao. Datos: DigitalGlobe (Nextview)

H. Concesión de Conservación Los Amigos (Madre de Dios)

No es técnicamente un área protegida, pero una concesión forestal. De hecho, Los Amigos es la primera concesión de conservación privada en el mundo. En la Imagen H, se muestra el curso serpentino de un tributario del río Los Amigos y del bosque primario circundante.

Imagen 80_H. Los Amigos. Datos: DigitalGlobe (Nextview)

Áreas en Riesgo

I. Tamshiyacu (Loreto)

La empresa United Cacao arrasó 2,380 hectáreas de bosque primario cerca de la localidad de Tamshiycacu en la Amazonía peruana norte, entre los años 2013 y 2015 (MAAP #35). Varios actores tienen planes de expandir las plantaciones de cacao a gran escala. En la Imagen I, se muestra el bosque amazónico en riesgo, al este de la empresa.

Imagen 80_I. United Cacao. Datos: DigitalGlobe (Nextview)

J. Carretera Manu-Amarakaeri (Madre de Dios)

Un controvertido proyecto de carretera (Nuevo Edén-Boca Manu-Boca Colorado) atravesaría las zonas de amortiguamiento de la Reserva Comunal Amarakaeri y del Parque Nacional Manu. Hubo una construcción inicial en el 2015 antes de ser paralizado por el juzgado, entonces el proyecto continúa siendo una amenaza latente. En la Imagen J, se muestra el punto aislado de la carretera rodeado por bosque primario.

Imagen 80_J Datos: DigitalGlobe (Nextview)

K. La Pampa (Madre de Dios)

El MAAP ha documentado la rápida expansión de minería aurífera en la zona conocida como La Pampa (MAAP #75). Se trata de la deforestación alarmante de 4,560 hectáreas desde el 2013. En la Imagen K, se muestra el frente más activo penetrando en el bosque primario hacia el este. Nótese la “ciudad” temporal de los campamentos mineros que se ha formado en el frente.

Imagen 80_K. La Pampa. Datos: DigitalGlobe (Nextview)

L. Tierra Blanca (Loreto)

El conglomerado empresarial peruano Grupo Romero tuvo planes para arrasar miles de hectáreas para cuatro plantaciones de palma aceitera a gran escala. Hay reportes que la empresa ha abandonado los proyectos, en parte debido a las denuncias de la sociedad civil. En la Imagen L, se muestra el bosque primario de una de las propuestas de las plantaciones, Tierra Blanca. Nótese la reciente construcción (2014) de una carretera forestal que todavía pone en peligro el área.

Imagen 80_L. Tierra Blanca. Datos: DigitalGlobe (Nextview)

M. Reserva Comunal Amarakaeri (Madre de Dios)

Después de una invasión de minería aurífera en el 2015, los co-administradores de la Reserva Comunal Amarakaeri (SERNANP y ECA Amarakaeri) tomaron medidas contra las actividades ilegales (ver MAAP #44). En la Imagen M, se muestra el bosque primario salvado al interior de la reserva.

Imagen 80_M. Reserva Comunal Amarakaeri. Datos: DigitalGlobe (Nextview), SERNANP

N. Río Marañón (sector Amazonas/Cajamarca)

En la Imagen N, se muestra la ubicación exacta de la represa hidroeléctrica propuesta, Chadín 2. Es uno de los proyectos más avanzados de las 20 hidroeléctricas propuestas a lo largo del río Marañón. Sería una gran represa con la capacidad de producir 600 MW de energía y dispondrá de un reservorio que tendrá una superficie de 3,25 mil hectáreas. Según el Organismo Supervisor de la Inversión en Energía y Minería, Osinergmin, se aprobó el Estudio de Impacto Ambiental del proyecto, pero aún no da inicio a la construcción (la concesionaria viene desarrollando los Estudios de Ingeniería).

Imagen 80_N. Rio Maranon. Datos: DigitalGlobe (Nextview)

Notas

Las Áreas Naturales Protegidas de carácter nacional son de administración y competencia del SERNANP (Servicio Nacional de Areas Naturales Protegidas por el Estado), salvo en el caso de las reservas comunales que se tiene la figura de cogestión ECA/Ejecutor de Contratación de Administración –  SERNANP. En el caso de las Áreas de Conservación Regional, son de administración y competencia de los Gobiernos Regionales. La conservación y mantenimiento de las Áreas Naturales Protegidas se dan gracias a que hay entes que logran la gestión efectiva.

Coordenadas

A. Yaguas: -2.72314, -70.746635
B. Sierra del Divisor: -7.962626, -73.781751
C. Tambopata: -12.93985, -69.233005
D. Amarakaeri: -13.073707, -70.966423
E. Parque Nacional Río Abiseo:
F. Manu: -12.816693, -71.886345
G. Choquequirao: -13.30926, -72.808164
H. Los Amigos: -12.377288, -70.380948
I. Tamshiyacu: -3.983962, -73.013498
J. Carretera Manu/Amarakaeri: -12.473042, -71.114976
K. La Pampa: -12.997284, -69.94845
L. Tierra Blanca: -6.517934, -75.366485
M. Amarakaeri: -12.88521, -70.626946
N. Chadin: -6.423889, -78.223333

Cita

Finer M, Mamani N (2018) Belleza Amazónica, en Alta-resolución. MAAP: 80.

MAAP Interactivo: Drivers de deforestación en los Andes Amazónicos

Desde su lanzamiento en abril del 2015, el MAAP ha publicado más de 70 informes sobre la deforestación (y la pérdida natural de bosques) en la Amazonía Andina. Hasta el momento nos hemos enfocado en Perú, con varios informes en Colombia y Brasil también.

Estos reportes están destinados a ser estudios de caso de los eventos de deforestación más importantes y urgentes. A menudo utilizamos las alertas tempranas de pérdida de bosque (de Geobosques, PNCB/MINAM) para guiarnos, e imágenes satelitales (de Planet y DigitalGlobe) para identificar los drivers de deforestación.

Aquí presentamos un mapa interactivo, destacando los drivers identificados en todos los reportes publicados del MAAP. Estos drivers incluyen la minería aurifera, la agricultura (por ejemplo, palma aceitera y cacao), el pastos para ganado, carreteras forestales y represas. También se incluyen causas naturales como inundaciones y vientos huracanados. Además, destacamos eventos de deforestación en áreas naturales protegidas. Tenga en cuenta que puede filtrar por driver, seleccionando las casillas de interés.

Esperamos que el resultado sea uno de los recursos más detallados y actualizados sobre los patrones y drivers de la deforestación en en la Amazonía Andina. En el siguiente año seguiremos centrándonos en Perú y Colombia, y empezar a incluir a Ecuador y Bolivia. Seguiremos actualizando el mapa interactivo conforme publicamos informes nuevos.

Para ver el mapa interactivo, por favor visite:
https://www.maapprogram.org/interactivo/

Para obtener más información sobre patrones y drivers de la deforestación en la Amazonía peruana, vea nuestro último MAAP Síntesis #2.

 

MAAP #66: Imágenes Satelitales del Proyecto Hidroeléctrico Belo Monte (Brasil)

Imagen 66a: El círculo rojo indica el área de intervención del proyecto

El complejo hidroeléctrico Belo Monte, situado en el río Xingú en el este del Amazonas brasilero (ver Imagen 66a), ha sido controversial por sus impactos ambientales y sociales relacionados a la construcción y funcionamiento de una de las represas más grandes del mundo, en un ecosistema vulnerable.

La represa ha entrado recientemente en funcionamiento, ofreciendo una oportunidad para evaluar los impactos iniciales.

El objetivo de este artículo es presentar una serie temporal de imágenes de satélite del área del proyecto que proporciona información visual de los principales impactos ecológicos.

A pesar de demandas legales y fuerte oposición de los grupos indígenas en el área de intervención, la construcción de Belo Monte inició en el 2011 y las primeras turbinas ya estaban en funcionamiento a inicios del 2017. La Imagen 66b muestra la comparación del antes (panel izquierdo, julio del 2011) y después (panel derecho, agosto del 2016) de la construcción de la represa.

Imagen 66b. NASA/USGS

En efecto, la represa es un complejo: La presa principal (círculo rojo) crea un embalse principal (círculo azul); un canal que desvía la mayoría (hasta el 80%) del caudal del río, desde el embalse principal hasta el embalse del canal (círculo amarillo), el cual alimenta las turbinas que generan la electricidad. Como resultado, aguas abajo de la presa principal (círculo morado) se deja con un flujo reducido (20% de su caudal natural) por 100 km. Este tramo se conoce como “la Gran Curva” del río Xingú y es hogar de dos grupos indígenas, Arara y Juruna. En las imágenes, los puntos de referencia muestran estas cuatro áreas del complejo a lo largo del tiempo, incluyendo la fase anterior a la construcción.

Serie Temporal de Imágenes Satelitales

Imagen 66c. Data: NASA/USGS

La Imagen 66c es un GIF mostrando una serie temporal de imágenes satelitales (Landsat) del área de impacto del proyecto, desde julio del 2011 hasta mayo del 2017. La imagen de julio del 2011 sirve como línea base del proyecto antes de la construcción. Para julio del 2015, la construcción de la presa principal y del canal están bastante avanzados. Para enero del 2016, la presa principal se ha cerrado, formando así el embalse principal y el embalse del canal. La imagen de agosto del 2016 provee una vista despejada (sin nubes) del complejo hidroeléctrico, incluyendo el tramo más seco aguas abajo de la presa principal. La imagen de julio del 2017 representa la última buena imagen de la zona.

En las imágenes más recientes, se puede notar el impacto sobre el hábitat importante para los recursos pesqueros: inundaciones de las islas ribereñas, afloramientos rocosos, e inundaciones estacionales de bosques en el embalse principal, esta área fue un hábitat importante para los peces. Del mismo modo, se puede notar el caudal del agua reducido a lo largo de la Gran Curva debajo de la represa principal, también es un hábitat importante para los peces.

Estimación de la Inundación

Basado en un análisis de imágenes Landsat, estimamos la inundación de 19,880 hectáreas (27,125 campos de fútbol) de terreno que, según las imágenes, parecen ser una combinación de bosque y agricultura (Imagen 66d). En otras palabras, parte del área inundada fue previamente degradada.

Imagen 66d. Datos: NASA/USGS, MAAP

Represamiento del Río Xingú

La Imagen 66e muestra, en muy alta resolución (50 cm) el cambio drástico entre julio del 2010 (panel izquierdo) y junio del 2019 (panel derecho). La imagen de 2010, que sirve como línea base previa a la construcción, muestra el caudal natural, mientras que la imagen de 2017 muestra el impacto de la presa y embalse. La Imagen 66f es un GIF que muestra una serie temporal de la construcción de la presa principal y la formación del embalse principal entre 2010 y 2017.

Imagen 66e. Datos: DigitalGlobe (via ACT), Airbus (via Apollo Mapping)
Imagen 66f. Datos: DigitalGlobe (Nextview), DigitalGlobe (via ACT), Airbus (via Apollo Mapping)


Finer M, Olexy T (2017) Imágenes Satelitales del Controversial Proyecto Hidroeléctrico Belo Monte. MAAP: 66.

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 #34: Nuevas Represas en el Río Madeira (Brasil) Causan Deforestación por Inundaciones

Las tierras bajas de la Amazonía han estado conectadas acuáticamente con la cordillera de los Andes durante millones de años con solo seis ríos* (Caquetá,  Madeira, Marañon, Napo, Putumayo, y Ucayali), como se aprecia en la Imagen 34a. Esta íntima conexión permite la alimentación de la Amazonía con los sedimentos y nutrientes de los Andes, así como el paso de peces (bagres) migratorias hacia sus zonas de desove en las colinas andinas.

Imagen 34a. Datos: Esri, DigitalGlobe, GeoEye, Earthstar Geographics, CNES/Airbus DS, USDA, AEX, Getmapping, Aerogrid, IGN, IGP, swisstopo
Imagen 34a. Datos: Esri, DigitalGlobe, GeoEye, Earthstar Geographics, CNES/Airbus DS, USDA, AEX, Getmapping, Aerogrid, IGN, IGP, swisstopo

Sin embargo, uno de los seis principales afluentes andinos recientemente ha sido represado en su cauce principal: el Río Madeira, en el oeste de Brasil (ver el Cuadro A). La represa Santo Antônio se completó en 2011, seguida por la represa Jirau aguas arriba en 2013. Nótese que estas represas se encuentran aguas abajo del río Madre de Dios (uno de los afluentes principales del Río Madeira), entonces impactos ecológicos (por ejemplo, interrumpir el tránsito de bagres migratorios**) son muy relevantes a Perú también.

En el presente MAAP #34, se describe la pérdida de bosque—más de 36,100 hectáreas—debido a la inundación causada por estas represas, con un enfoque en la represa Jirau.

Zoom A: Pérdida de Bosque por Inundaciones

La Imagen 34b muestra la pérdida de bosque debido a las inundaciones aguas arriba de la represa Jirau. Hasta 2015, la superficie inundada por ambas represas fue de 36,139 hectáreas (equivalente a 49,450 campos de fútbol). Las inundaciones se detectaron a partir del 2010, se elevaron sustancialmente entre 2011-12, y alcanzaron su punto máximo en 2014.

Según Fearnside 2014, a pesar de que gran parte del bosque a lo largo del río Madeira se inunda estacionalmente, muere cuando es inundado de forma permanente***. Por lo tanto, el área inundada es una medida apropiada de la pérdida de bosque.

A continuación, mostramos una serie de imágenes de las áreas indicadas en el Cuadro B (ver las Imágenes 34c-e) y en el Cuadro C (ver la Imagen 34f).

Imagen 34b. Datos: USGS, CLASlite, Hansen/UMD/Google/USGS/NASA.
Imagen 34b. Datos: USGS, CLASlite, Hansen/UMD/Google/USGS/NASA.

Zoom B: Inundaciones Alrededor la Represa Jirau

La Imagen 34c muestra las inundaciones aguas arriba de la represa Jirau entre 2011 (panel izquierda) y 2015 (panel derecha). El punto rojo indica el mismo lugar en ambas imágenes. A continuación, mostramos imágenes de alta-resolución de los áreas indicados por los Cuadros B1 y B2.

Imagen 33c. Inundaciones inmediatamente aguas arriba de la represa Jirau entre 2011 (panel izquierda) y 2015 (panel derecha).
Imagen 34c. Inundaciones inmediatamente aguas arriba de la represa Jirau entre 2011 (panel izquierda) y 2015 (panel derecha).

Zooms B1 y B2: Represa Jirau y sus Inundaciones

La Imagen 34d muestra una vista de alta resolución de la represa Jirau en julio de 2015. La Imagen 34e muestra una vista de alta resolución de una parte de la zona inundada aguas arriba de la represa Jirau en agosto de 2015 (el punto rojo indica el mismo lugar en ambos paneles).

Imagen 33d. Vista de alta resolución de la represa Jirau. Datos: WorldView-2 from Digital Globe (NextView).
Imagen 34d. Vista de alta resolución de la represa Jirau. Datos: WorldView-2 from Digital Globe (NextView).
Imagen 33e: Vista de alta resolución de una parte de la zona inundada inmediatamente aguas arriba de la represa de Jirau. Datos: WorldView-2 from Digital Globe (NextView).
Imagen 34e: Vista de alta resolución de una parte de la zona inundada inmediatamente aguas arriba de la represa de Jirau. Datos: WorldView-2 from Digital Globe (NextView).

Zoom C: Inundaciones Aguas Arriba de la Represa Jirau

La Imagen 34f muestra las inundaciones aguas arribas de la represa Jirau entre 2011 (panel izquierda) y 2015 (panel derecha). El punto rojo indica el mismo lugar en ambas imágenes.

Imagen 33f. Las inundaciones de bosques de aguas arribas de la represa de Jirau entre 2011 (panel izquierda) y 2015 (panel derecha). Datos: USGS
Imagen 34f. Las inundaciones de bosques de aguas arribas de la represa de Jirau entre 2011 (panel izquierda) y 2015 (panel derecha). Datos: USGS

Referencias

*Finer M, Jenkins CN (2012) Proliferation of Hydroelectric Dams in the Andean Amazon and Implications for Andes-Amazon Connectivity. PLOS ONE: 7(4): e35126. Link: http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0035126

**Duponchelle F et al (2016) Trans-Amazonian natal homing in giant catfish. J. Appl. Ecol. http://doi.org/bd45

***Fearnside PM (2014) Impacts of Brazil’s Madeira River dams: Unlearned lessons for hydroelectric development in Amazonia. Environmental Science & Policy 38: 164-172.

Cita

Finer M, Olexy T (2015) Nueva Represa en el Río Madeira (Brasil) Causa Deforestación por Inundaciones. MAAP: 34.