formato cÓdigo f-ee-024 informes … · este informe presenta los resultados de la aplicación de...

División de Desarrollo Programa de Encadenamientos Empresariales

INFORME FINAL

Informe no. 3

Periodo a informar: 15 de diciembre de 2010 a 31 de octubre 2011

Encadenamiento Concesiones Forestales y FUNDALACHUA

Nombre de la consultoría o Asistencia Técnica

Estudios preparatorios para el levantamiento de la línea base de emisiones y el modelo de deforestación

Nombre Consultor o Asistente Técnico: Carbon Decisions International (CDI)

FORMATO CÓDIGO F-EE-024

INFORMES TÉCNICOS

VERSION Nº 1

FECHA IMPLEMEN-TACIÓN

19-04-2010

PAGINA Página 1 de 123

ANTECEDENTES

El 23 de febrero de 2010 la Asociación de Guatemalteca de Exportadores (AGEXPORT) y Carbon Deci-sions International (CDI) firmaron un contrato firmaron un contrato de consultoría relativo a la realiza-ción de estudios preparatorios para el levantamiento de una línea base de emisiones y un modelo de deforestación para las tierras bajas del Norte de Guatemala. El contrato representa la segunda y última etapa de un estudio que inició en el año 2009 con una primera etapa de recolección de información, la cual fue ejecutada por CDI a través de un contrato con IBIS/CONAP.

En el “objeto” del contrato entre AGEXPORT y CDI se definen los objetivos de la consultoría de la si-guiente manera:

“(…) desarrollar la segunda fase del estudio de modelo de deforestación para la implementa-ción del proceso metodológico que permita establecer un modelo regional para proyectos de deforestación evitada en las tierras bajas del Petén y cuantificar los stocks de carbono de las ini-ciativas de la Reserva de la Biósfera Maya (RBM) y la Ecoregión Lachuá, realizando las activida-des siguientes: 1. Realizar los estudios técnicos que provean información necesaria para el desarrollo del Modelo de Deforestación que cumpla con los requerimientos de los estándares Voluntary Carbon Standard (VCS) y Climate Community and Biodiversity Standard (CCB) y que permita establecer el potencial que tienen, respecto a la mitigación en el marco de Deforesta-ción Evitada en la región del Petén incluyendo la Ecoregión Lachuá. 2. Analizar la información existente sobre Stocks de Carbono, pare establecer si cumple con los requerimientos de los es-tándares Voluntary Carbon Standard (VCS) y Climate Community and Biodiversity Standard (CCB) y de esta manera conocer la oferta potencial de carbono en las Áreas Protegidas de la región del Petén y de la Ecoregión Lachuá, además de hacer recomendaciones sobre cómo debería de ser completada en caso de ser necesaria.”

Este documento representa el informe final de la consultoría de CDI, cuyos estudios y evaluaciones permitieron:

1. Generar un Modelo de Deforestación para las “Tierras Bajas del Norte”, las cuales incluyen el Petén y la Ecoregión Lachuá. Este modelo se generó aplicando una metodología aprobada por el VCS y desarrollada por CDI (la metodología VM0015). CDI es del criterio que el Mode-lo de Deforestación desarrollado para las Tierras Bajas del Norte cumple también con los re-querimientos del estándar CCB, considerando que CCB no cuenta con metodologías propias, pero reconoce las metodologías aprobadas por el VCS como válidas para aplicarlas a las es-timaciones de carbono bajo el componente de “Clima” del estándar CCB.

2. Analizar la información existente sobre Stocks de Carbono. Este análisis permitió concluir que la información existente es suficiente para cumplir con los requerimientos de los están-dares VCS y CCB.

3. Con la información de Stocks de Carbono se generó un mapa de densidad de carbono, el cual, combinado con el Modelo de Deforestación, permitió estimar las Emisiones de Línea Base para toda la región del Petén y Ecoregión Lachuá. En el informe, esta región se identi-fica también con los términos “Tierras bajas del Norte” o “región de referencia”.


INFORMES TÉCNICOS

VERSION Nº 1


19-04-2010


Con este tercer producto, AGEXPORT cuenta ahora con la información de Línea Base necesa-ria para conocer la oferta potencial de carbono en las Áreas Protegidas de la región del Pe-tén y de la Ecoregión Lachuá.

Los métodos utilizados y los productos obtenidos para generar el Modelo de Deforestación, el análi-sis de Stocks de Carbono y la estimación de Emisiones de Línea Base para la región del Petén y Eco-región Lachuá se describen en el presente informe. Considerando que el informe podría someterse a la auditoría de entidades acreditadas por los estándares VCS y CCB se consideró oportuno estruc-turarlo exactamente como lo piden dichos estándares.

AGRADECIMIENTOS

El equipo de Carbon Decisions International agradece a la Asociación de Guatemalteca de Exportadores (AGEXPORT) la oportunidad de desarrollar la consultoría. Muchas instituciones y personas han ofrecido su tiempo y colaboración en el desarrollo de los estudios que se presentan en este informe y no sería posible en este espacio mencionarlas todas. Sin embargo, un agradecimiento particular debe ser expre-sado al señor Victor Hugo Ramos del Centro de Evaluación y Monitoreo del CONAP (CEMEC) por su dedi-cación y disponibilidad en el aporte de datos e información clave, sin la cual los estudios no hubieran sido posibles de realizar. Un agradecimiento particular debe extenderse también a Rainforest Alliance, Fundación Defensores de la Naturaleza para Sierra del Lacandón, Universidad del Valle de Guatemala, Wildlife Conservation Society, concesionarios forestales de la Zona de Uso Múltiple de la Reserva de la Biosfera Maya, Asociación de Comunidades Forestales pro Petén, Fundalachuá, y al Instituto Nacional de Bosques por el aporte de datos de inventarios forestales y de carbono y la orientación amablemente ofrecida a los consultores de CDI durante el desarrollo de la consultoría.

DERECHOS DE PROPIEDAD

Toda la información y datos utilizados en el marco de la consultoría, incluyendo las imágenes satelitales y fotografías aéreas digitales, los datos cartográficos digitales y los datos de inventarios forestales y de carbono son de propiedad exclusiva de y/o fueron otorgados en licencia exclusiva al gobierno de Gua-temala y/o a las entidades que proveedoras de dicha información y datos y no pueden ser compartidos o distribuidos por Carbon Decisions International sin la previa autorización escrita de los proveedores de dicha información o datos.

Los materiales, datos e información generados por el trabajo de Carbon Decisions International fueron preparados bajo contratos firmados por CDI con el Consejo Nacional de Áreas Protegidas (CONAP) y la Asociación de Guatemalteca de Exportadores (AGEXPORT) y son de uso exclusivo de CONAP, AGEXPORT y de las entidades que ellos designen.


INFORMES TÉCNICOS

VERSION Nº 1


19-04-2010


ESTRUCTURA DEL INFORME

Este informe presenta los resultados de la aplicación de la metodología VM0015 (Metodología para De-forestación no Planeada, versión 1.0) del Verified Carbon Standard (VCS) al desarrollo de una línea base de emisiones por deforestación para la región del Petén y Lachuá (o “Tierras Bajas del Norte” según la definición dada en R-PP1 de Guatemala).

El documento se redactó siguiendo la estructura y títulos de dicha metodología, la cual fue desarrollada para el diseño de proyectos de Reducción de Emisiones por Deforestación y Degradación (REDD) no planeada. Por esta razón, el documento contiene secciones que se refieren a la “región de referencia” (en este caso las “Tierras Bajas del Norte”) y otras secciones que se refieren aspectos específicos de los proyectos REDD (“área del proyecto”, “cinturón de fugas”, “áreas de manejo de riesgo de fugas”, etc.).

En esta versión del documento solamente se reportan las aplicaciones de la metodología que se refieren a la “región de referencia”, omitiéndose las aplicaciones que se refieren a aspectos específicos de los proyectos REDD, las cuales deberán ser completadas por cada uno de los proyectos REDD que se están desarrollando en las Tierras Bajas del Norte, entre ellos: el proyecto REDD+ para la Zona de Uso Múlti-ple (ZUM) de la Reserva de la Biósfera Maya (RBM); el proyecto REDD para el parque Nacional Sierra del Lacandón, y el proyecto REDD para la eco-región de Lachuá. Los promotores de estos proyectos podrían adoptar las Tierras Bajas del Norte como su “región de referencia” común y ampliar el presente docu-mento en las secciones que se refieren a los temas específicos de sus proyectos. Para facilitar el uso del presente documento a los proponentes de los proyectos REDD en preparación en las Tierras Bajas del Norte, y en aras de la claridad y apego a la metodología, los títulos de todas las secciones de la metodo-logía VM0015 fueron conservados en este documento, indicando cuáles de ellos no serían aplicables a la “región de referencia” por referirse a aspectos específicos de los proyectos REDD. En el caso del Proyec-to REDD en la ZUM de la RBM, estas secciones serán completadas por CDI en el marco de un contrato firmado con Rainforest Alliance para desarrollar los documentos de diseño de proyecto de dicho proyec-to.

En este documento se respeta también el orden y numeración de las tablas de la metodología. Estas tablas se citan en el cuerpo del documento con la palabra “Tabla” seguida por un número, a medida que se describen los pasos dados para crearlas, y se listan en una sección aparte, hacia el final del documen-to. Las Tablas mismas de la metodología no están incluidas en este documento, sino en un archivo separado (“VM0015 Tables for Methodology application.xlsx”), dado que contienen numerosas fórmu-las y enlaces entre tablas. Además de las Tablas de la metodología, el documento contiene otras tablas informativas que no son propiamente de la metodología. Estas tablas se indican con la letra “T” seguida por un número.

Aquellas secciones de la metodología que no son aplicables a una Línea Base regional se marcan como “NA” (No Aplicable) en el informe. Estas secciones deberán ser completadas por los proyectos REDD que utilicen las “Tierras Bajas del Norte” como su “región de referencia”.

1 R-PP = Readiness Preparation Proposal. La referencia a las “Tierras Bajas del Norte” se hace en el R-PP de

Guatemala, versión del 1 de agosto de 201, en la página 75.


INFORMES TÉCNICOS

VERSION Nº 1


19-04-2010


Aplicación de la Metodología VM0015 al Desarrollo de una Línea Base de

Emisiones por Deforestación en las Tierras Bajas del Norte de Guatemala

INFORME FINAL

Elaborado por:

Álvaro Vallejo

Diego Navarrete

Juan Felipe Villegas

Lucio Pedroni

Peter Schlesinger

31 de octubre de 2011

TABLA DE CONTENIDO

Página

Acrónimos ....................................................................................................................................... 7

Parte 1 – Alcance, condiciones de aplicabilidad y adicionalidad ...........................................................8

1 Alcance de la metodología .......................................................................................................... 8

2 Condiciones de aplicabilidad ...................................................................................................... 8

3 Adicionalidad .............................................................................................................................. 8

Parte 2 – Pasos metodológicos para la validación ................................................................................9

Paso 1: Definición de límites ............................................................................................................. 9

Paso 2: Análisis histórico del uso de la tierra y cambio de uso de la tierra....................................... 14

Paso 3: Análisis de agentes, causas y fuerzas motrices subyacentes de la deforestación y su posible evolución futura ...................................................................................................... 34

Paso 4: Proyección de la deforestación futura ................................................................................ 55

Paso 5: Definición del componente de cambio de uso y cobertura del suelo de la línea de base .. 104

Paso 6: Estimación de los cambios de existencias de carbono y emisiones no-CO2 en la línea base.................................................................................................................................... 105

Paso 7: Estimación ex ante de cambios en existencias de carbono y emisiones no-CO2 en el área del proyecto ............................................................................................................... 110

Paso 8: Estimación ex ante de fugas .............................................................................................. 111

Paso 9: Estimación ex ante de reducciones totales netas antropogénicas de GEI ......................... 111

Parte 3 - Metodología para la verificación y la revalidación de la línea de base ................................ 112

Tarea 1: Monitoreo de cambios de existencias de carbono y emisiones de GEI para la verificación periódica ......................................................................................................... 112

Tarea 2: Revisión de las proyecciones de línea base para períodos fijos futuros de línea base ....... 113

Tablas .................................................................................................................................. 114

Literatura citada ............................................................................................................................ 117

ACRÓNIMOS

ACOFOP Asociación de comunidades forestales pro Petén

AFOLU Forestación, Reforestación y Otros Usos de la Tierra

CEMEC Centro de Monitoreo y Evaluación del Consejo Nacional de Áreas Protegidas

CEPAL Comisión Económica para América Latina y el Caribe

CONAP Consejo Nacional de Áreas Protegidas

ETM Enhanced Thematic Mapper

FAO Organización para la Alimentación y la Agricultura

GHG Gases de efecto de invernadero

GLS Global Land Survey

GPG Guía de Buenas Prácticas

IPCC Panel Intergubernamental sobre Cambio Climático

IUCN International Union for Conservation of Nature

LU/LC Uso de la tierra y Cambio de Uso

MAGA Ministerio de Agricultura y Ganadería

NA No aplicable

NASA Agencia Nacional Aeroespacial (de los Estados Unidos)

PIF Pseudo Invariant Features

RBM Reserva de Biosfera Maya

REDD Reducción de Emisiones por Deforestación y Degradación

RMS Cuadrado medio del error

RPP Readiness Preparation Proposal

SLC Scan Line Corrector

TM Thematic Mapper

UNFCCC United Nations Framework Convention on Climate Change

USDA Departamento de Agricultura de los Estados Unidos

USGS Estudios Geológicos de los Estados Unidos

VCS Verified Carbon Standard

WCS Wildlife Conservation Society

Parte 1 – Alcance, condiciones de aplicabilidad y adicionalidad

NA

1 Alcance de la metodología

NA

2 Condiciones de aplicabilidad

NA

3 Adicionalidad

NA

Parte 2 – Pasos metodológicos para la validación Paso 1: Definición de límites

1.1 Límites espaciales

1.1.1 Región de referencia

Para efectos de iniciativas REDD y el establecimiento de un escenario referencial nacional de emisiones por deforestación, Guatemala dividió el país en cinco regiones con características físicas, sociales y eco-nómicas específicas y, por lo tanto, con dinámicas de deforestación distintas. Los criterios para delimitar las cinco regiones sub-nacionales fueron discutidos y decididos en dos talleres nacionales y el resultado de las divisiones figura en el R-PP de Guatemala (versión del 1 de agosto de 2010, p. 75) y se muestra en la Figura 2.

Para cada una de estas regiones sub-nacionales está previsto desarrollar una línea de base regional que refleje las características y dinámicas de deforestación específicas de la región. Considerando que las cinco regiones cubren todo el país y no presentan ni vacíos ni traslapos, la suma de las líneas de base regionales permitirá determinar, cuando se completen los estudios correspondientes, la línea de base - o el escenario referencial de emisiones - de Guatemala. Además, cada región representará la “región de referencia” de los proyectos REDD que se desarrollen dentro de ella. De tal manera, Guatemala tendrá un esquema coherente de líneas de base a nivel de proyecto, región sub-nacional y país, lo cual es un crite-rio clave para asegurar la integridad ambiental de su esquema REDD+ nacional.

La región del Petén y Lachuá (Región Tierras Bajas del Norte) es actualmente la primera región sub-nacional de Guatemala para la cual se ha desarrollado una línea de base de deforestación que representa a la vez un escenario referencial de emisiones por deforestación sub-nacional y la línea de base de la “re-gión de referencia” de las iniciativas de proyectos REDD que se vayan desarrollando en las Tierras Bajas del Norte. Como se muestra en la Figura 1, las Tierras Bajas del Norte son las que presentan las mayores extensiones de bosque remanente en Guatemala y también el nivel más alto de deforestación según los datos oficiales presentados en el R-PP.

Figura 1. Mapa de dinámica forestal a nivel nacional para los años 2001-20062

2 Citado en R-PP de Guatemala, versión del 1 de agosto de 2011, p. 38., disponible en línea:

http://www.infoiarna.org.gt/media/file/areas/bosque/documentos/nac/%2814%29Mapa_de_cobertura_forestal_br.pdf El polígono delineado en rojo muestra las “Tierras Bajas del Norte”, las cuales incluyen el Petén y la Ecoregión Lachuá.

Considerando que Guatemala ha definido, en su R-PP, una división del país en regiones sub-nacionales, se considera que el caso 2 citado al fondo de la página 20 de la metodología VM0015 es aplicable para defi-nir los límites de la región de referencia. Por lo tanto, los límites de la región de referencia son los que se muestran en la Figura 23 (latitud aproximada: -89º:00´; - 91º:30´; longitud aproximada: 15º: 30´; 18º:00´). Los límites exactos de dicha región se presentan en archivo raster anexo4.

Figura 2. Regiones REDD+ sub-nacionales de Guatemala.

3 R-PP de Guatemala, versión del 1 de agosto de 2012, p. 75.

4 Documentacion_Guatemala\Tendencias_tasas_historicas\rr.tif

Tierras Bajas del Norte

1.1.2 Área de proyecto

NA

1.1.3 Cinturón de fugas

NA

1.1.4 Áreas de manejo de fugas

NA

1.1.5 Bosque

Guatemala firmó la Convención Marco de la Naciones Unidas para el Cambio Climático (CMNUCC) el 13 de junio de 1992 y la ratificó el 15 de diciembre de 1995. Además, firmó el Protocolo de Kioto el 10 de julio de 1998 y lo ratificó el 5 de octubre de 19995. Guatemala también presentó, a través de su Autori-dad Nacional Designada, su definición de bosque para Protocolo de Kioto, la cual considera como “bos-que” cualquier área con:

30% de cobertura de copas mínima, incluyendo la copa de palmas y bambús;

0.5 hectáreas como área mínima; y

5.0 metros de altura mínima de los árboles (incluyendo palmas y bambús) a madurez in situ6.

Considerando dichos antecedentes, se adoptó la definición de bosque que Guatemala reportó para el Protocolo de Kioto. Sin embargo, considerando que los mapas de cobertura del suelo fueron desarrolla-dos a partir de datos de imágenes Landsat, se optó por una resolución espacial de 60 m x 60 m, la cual se adoptó también como unidad mínima de mapeo (0,36 ha). Los análisis de cobertura del suelo asumieron que por las condiciones edáficas y climáticas en las Tierras Bajas del Norte, toda vegetación arbórea tiene el potencial de superar los 5.0 metros de altura a madurez in situ.

1.2 Límites temporales

1.2.1 Fecha inicial y final del período de referencia histórico

Fecha inicial: año 2000 (imágenes Landsat adquiridas en el año 2000, ver Tabla 5)

Fecha final: año 2010 (imágenes Landsat adquiridas en el año 2010, ver Tabla 5)

1.2.2 Fecha inicial y final de la actividad de proyecto AUD

NA

5 http://maindb.unfccc.int/public/country.pl?country=GT

6 http://cdm.unfccc.int/DNA/index.html

1.2.3 Fecha inicial y final del primer período fijo de la línea base

Fecha inicial: año 2011

Fecha final: año 2021

1.2.4 Período de monitoreo

NA

1.3 Reservorios de carbono

A continuación se analiza la inclusión o exclusión de los reservorios de carbono considerados por el VCS.

Biomasa arriba del suelo – árboles. Incluido. Reservorio principal de carbono en ecosistemas fo-restales.

Biomasa arriba del suelo – no árboles. Excluido. Este reservorio debe ser incluido en categorías con cobertura final de cultivos perennes que tienen densidades de carbono más altas que los bosques. No se tienen evidencias que sea el caso en las Tierras Bajas del Norte de Guatemala.

Biomasa subterránea. Incluido. Este reservorio es opcional según la metodología VM0015, V1.0 y puede ser calculado fácilmente aplicando factores de expansión (root-to-shoot ratios).

Madera muerta. Excluido. Es un reservorio opcional según la metodología VM0015, V1.0 y su ex-clusión es un criterio conservador.

Productos de madera cosechada. Excluido. Este reservorio es obligatorio según la metodología VM0015, V1.0 pero puede ser excluido cuando no es significativo. En este caso se excluyó por comprobarse que no es significativo.

Hojarasca. Excluido. No aplica a proyectos REDD según VCS.

Carbono orgánico en el suelo. Excluido. Este reservorio es recomendado por la metodología VM0015,V1.0 cuando los bosques son convertidos a cultivos. En el caso de la Región de Referen-cia, la mayor parte de los cultivos establecidos después de la tala del bosque son temporales y son reemplazados por ganadería después de algunos años. Solamente se tiene evidencia de cul-tivos de palma africana, pero estos ocupan menos del 5% de las áreas deforestadas entre 2000 y 2010.

1.4 Fuentes de emisiones de GEI

Las fuentes de emisiones de GEI consideradas en la metodología VM0015, y su inclusión o exclusión se presentan a continuación.

Quema de biomasa – CO2. Excluida. Contada como cambios de existencias de carbono.

Quema de biomasa – CH4. Excluida. Se excluye siguiendo un principio conservador.

Quema de biomasa – N2O. Excluida, considerada insignificante por el VCS.

Emisiones por ganadería – CO2. Excluidas. No es una fuente significativa.

Emisiones por ganadería – CH4. Excluidas. Se excluye siguiendo un principio conservador.

Emisiones por ganadería – N2O. Excluidas. No es una fuente significativa.

Paso 2: Análisis histórico del uso de la tierra y cambio de uso de la tierra

2.1 Recolección de fuentes de datos apropiadas

Para la elaboración de mapas de cobertura del suelo y de cambios de cobertura del suelo se adquirieron imágenes Landsat Thematic Mapper (TM) y Enhanced Thematic Mapper (ETM). Las escenas seleccionadas para el análisis fueron escogidas para analizar las dinámicas de cobertura del suelo de dos sub-periodos históricos: 2000-2007 y 2007-2010. Por falta de imágenes de buena calidad para los años 2005 y 2006 se tuvo que seleccionar el año 2007, para el cual se pudieron encontrar imágenes de poca nubosidad y otros defectos. Las imágenes fueron seleccionadas considerando los siguientes criterios:

cercanía al año de referencia (2000, 2007 y 2010);

menor grado posible de cobertura de nubes, humo y otros aerosoles;

fenología consistente (= época del año similar);

ausencia de incendios terrestres que pudieran dificultar la identificación de áreas forestadas o deforestadas.

Las imágenes de Landsat fueron seleccionadas revisando la base de datos de United States Geological Surveys (USGS), la cual está accesible en la página del Global Visualization Viewer (http://glovis.usgs.gov/) y desde la cual las imágenes pudieron ser descargadas gratuitamente.

Debido al fallo a mediados de 2003 de Landsat ETM Scan Line Corrector (SLC), los datos para el período central (2007) tuvieron que ser descargados en dos formas (SLC-on y SLC-off). Los datos de SLC-off (los cuales causaron un problema en el 22% de cualquiera de las imágenes), fueron problemáticos de usar porque solo un área central de las columnas de pixeles para todas las líneas está completamente intacta (alrededor de 22km de ancho), mientras que las imágenes presentan rayas por fuera de esas columnas centrales, lo cual parecería ser una serie de líneas ordenadas cuando en realidad la localización de estas brechas es dispersa y al azar. Para rellenar las brechas presentadas por estas rayas, se seleccionaron es-cenas lo más cerca posible a la imagen principal en términos de fecha de adquisición, con menor cobertu-ra de nubes posible y que en lo posible tuvieran rayas en sitios complementarios. De esta manera, como se muestra en la Tabla 5, se trabajó con datos que son SLC-on y otros SLC-off.

Otras imágenes presentadas en la Tabla 5, tanto de sensores satelitales como aéreos, fueron usadas para validación terrestre (entrenamiento) y para evaluar la precisión temática y horizontal (control) de los mapas de cobertura del suelo producidos con las clasificaciones de las imágenes Landsat.

2.2 Definición de clases de cobertura y uso del suelo

El Mapa de Uso y Cobertura del Suelo para el año más reciente, 2010 (

Figura 5) contiene las siguientes clases:

1. Agua

2. Agropecuario – no bosque - guamiles

3. Bosque latifoliado bajo sub-húmedo

4. Bosque latifoliado medio-alto húmedo

5. Bosque latifoliado medio-alto sub-húmedo

6. Humedales

7. Palma africana

8. Regeneración 2000-2007 en tierras sin bosque desde el año 2000 y persistente en 2010

9. Regeneración 2007-2010 en tierras sin bosque desde el año 2000

10. Regeneración 2007-2010 en tierras deforestadas 2000-2007

11. Sabanas

12. Sabanas inundables

13. Sin datos (nubes)

La clase 2 (“Agropecuario – no bosque - guamiles”) contiene las sub-clases de IPCC “Crop Land”, “Grass-land” y “Settlement” y algunas tierras en barbecho llamadas en Guatemala “guamiles”. No pudiendo ser posible separar estas sub-clases en forma confiable con los datos ópticos de Landsat se decidió agrupar-las en la clase “Agropecuario – no bosque – guamiles”7.

Las tres clases de bosque fueron mapeadas clasificando primero la clase “bosque” con los datos de las imágenes Landsat y estratificando posteriormente en sub-clases (tipos de bosque) siguiendo los proce-dimientos que se detallan en la sección 6.1.1.

Las clases 8, 9 y 10 (regeneración) se refieren a bosques secundarios y fueron determinadas comparando las imágenes clasificadas de “bosque” y “no bosque” de los años 2000, 2007 y 2010.

Para una descripción de las clases de cobertura y uso del suelo y los umbrales que han sido usados para su clasificación, ver el informe de CEMEC (2011) sobre el procesamiento de imágenes satelitales. El lista-do de clases de uso del suelo y de coberturas se presenta en la Tabla 6.

2.3 Definición de las categorías de cambio de uso del suelo y cobertura del suelo

Las categorías de cambio de uso y cobertura de suelo son las transiciones de una clase a otra que se dan durante un período. Las Tablas 7a y 7b presentan las categorías presentes en la Tierras Bajas del Norte.

7 Esta clase no representa una clase con una densidad homogénea de carbono. Por lo tanto, como se describe

más adelante, se realizó una estimación del porcentaje de área representado por las sub-clases “pastizales”,” áreas agrícolas” y “guamiles” con el fin de estimar una densidad de carbono promedio ponderada por las áreas relativas de cada sub-clase.

2.4 Análisis histórico del cambio de uso del suelo y del cambio de cobertura del suelo

2.4.1 Pre-procesamiento

Todas las escenas de Landsat descargadas de USGS tuvieron una bandera “L1T”, la cual describe el esta-tus de corrección geométrica en sus metadatos. “L1T” significa que la escena ha sido orto-rectificada para una base de datos conocida que usualmente es el Estudio Global de Datos Terrestres (Global Land Survey data) para 2000 o 2005. Los datos que se encuentran en este estatus, están usualmente en el me-jor estado geométrico disponible para este sitio en particular. En todo caso, la verificación de estos datos con respecto a recursos de imágenes incluyendo un set de datos GLS y/o la verificación con respecto a imágenes de resolución más alta es autorizada y requerida para asegurar que estos datos no tienen más de un pixel de distancia entre ellos.

Las coordenadas de los datos de Landsat fueron comparadas con mosaicos de orto-fotografías nacionales con ½ metro de resolución espacial y los errores RMS fueron generados, demostrando que las imágenes de Landsat fueron corregidas geométricamente de forma adecuada, con menos de 30 metros de error RMS (ver informe del CEMEC, 2011, Sección 3.2).

Para la eliminación de nubes y sombras se siguieron métodos híbridos de medios automatizados. Por orientación, las nubes fueron identificadas visualmente en áreas de interés, siguiendo una clasificación no-supervisada (Isodata usando ERDAS versión 9.3) generando 25 clases. La interpretación visual fue usada para separar las clases derivadas entre clases de nubes y clases de sombras y convertir estas clases a formato vectorial (polígonos). Los polígonos reclasificados fueron editados manualmente, aislando elementos de interés (nubes, sombras) que fueron almacenados para cada imagen. Todos los datos tu-vieron una calibración automatizada usando ecuaciones y constantes publicadas (Chander et al., 2009) y presentaron una validación posterior usando los datos reportados en los metadatos de cada imagen, usando una secuencia de comandos en ArcGIS versión 10. Todos los comandos ejecutados, procesados y los datos intermediarios y finales, fueron documentados extensivamente. Los métodos Pseudo Invariant Features (PIF) fueron aplicados para normalizar las distribuciones de la imagen alrededor de los años de la época central (2000, 2007 y 2010).

Los rasgos invariables (aguas profundas, áreas perennes brillantes y áreas boscosas de verde constante debido a que tienen pocos cambios estacionales) fueron identificados, seleccionados y digitalizados ma-nualmente en pantalla, visualizando simultáneamente todos los datos de la época central para cada sitio. Los valores de los pixeles fueron extraídos y digitalizados dentro de los rasgos PIF. Se aplicaron ecuacio-nes de regresión lineal para cada canal, automatizados por comandos usando ArcGIS y documentando todos los procesos y los productos. Los datos PIF normalizados fueron posteriormente usados para llenar SLC-failed scanlines utilizando los métodos recomendados por USGS y la NASA (Borrador de Informe Final del CEMEC, 2011), seguidos por un método automatizado “Frame and Fill”, implementado por Richard Irish en el NASA Goddard Space Flight Center, obtenido en línea en http://sourceforge.net/projects/l7gapfill/files/). Los índices de relleno de la imagen documentan el pro-cedimiento de reemplazo de pixel por pixel y añaden información acerca de la naturaleza de las nubes y sombras para esas áreas.

2.4.2 Interpretación y clasificación

Se localizaron e interpretaron visualmente sitios de entrenamiento aleatorios, usando datos disponibles de muy alta resolución (ver Tabla 5), además de datos de alta resolución de 2010 de Google, geo-referenciados e interpretados. Estos sitios fueron usados para iniciar las clasificaciones, para monitorear

iterativamente el progreso de la clasificación y para evaluar y reportar la precisión de las clases finales. La única regla utilizada, invocada para influenciar el posicionamiento fue que el sitio necesitaba ser “puro” según una interpretación de las orto-fotografías nacionales y que tenía que ser al menos 60 metros hacia afuera del borde de cualquier otro rasgo o clase de cobertura del suelo.

Inicialmente se distribuyeron treinta mil puntos candidatos, de los cuales un tercio fue usado para entre-namiento de la clasificación supervisada, otro tercio para monitorear precisiones iterativas de las clasifi-caciones y un tercio para la evaluación y el reporte de la precisión de las imágenes clasificadas en la últi-ma versión. Sin embargo para muchos de estos se determinó que no se habían ubicado claramente en objetos “puros”. Cada punto fue interpretado en la pantalla usando un esquema de amortiguadores (“buffers”) de 30, 60 y 350 metros de radio (Figura 3). El amortiguador de 30 metros sirvió como referen-cia del punto principal y fue el foco de observación para el punto y para documentación posterior de cada punto de interés. El amortiguador de 60 metros fue usado como una ayuda para determinar que la clase del rasgo del atributo era pura, y el amortiguador de 350 metros fue usado como una referencia de nave-gación entre todos los puntos.

Figura 3. Ejemplo de un punto de entrenamiento con los amortiguadores concéntricos de 350 m (celeste), 60 m (verde) y 30 m (rojo)

Casi todas las clases fueron fácilmente distinguibles usando las imágenes disponibles. Se crearon una serie de reglas interpretativas para cada clase de sitio de formación (ver sección 3.7 y Tabla 5 en el re-porte de CEMEC, 2011).

Los sitios del entrenamiento fueron utilizados para generar firmas espectrales, las cuales fueron usadas en clasificaciones iterativas supervisadas usando el método de Máxima Verosimilitud, implementado en ERDAS Imagine, versión 9.3. Las aproximaciones y precisiones de las clasificaciones iterativas fueron lle-vadas a cabo a través de documentos de orientación. Las varias iteraciones fueron basadas en: inclu-sión/exclusión de varios sitios de entrenamiento; consolidación de sitios de entrenamiento entre las cla-ses candidatas, e intentos realizados con diferentes combinaciones de bandas de imágenes de Landsat. La iteración con la más alta combinación de precisión de monitoreo y apariencia interpretativa, fue selec-cionada para cada imagen utilizada.

Las brechas por nubes/sombras y SLC-offs no completamente llenas fueron identificadas y dejadas de lado. Se seleccionaron imágenes alternativas para minimizar tales brechas y evitar cualquier posibilidad de terminar con un producto final sin datos dentro de la clasificación. Otros datos utilizados para llenar las brechas provinieron de ASTER, ALOS AVNIR-2 y orto-fotografías. En lo posible, las brechas fueron sim-plemente asignadas a la clase de interpretación visual, aunque en algunos casos era necesario el uso de clasificación no supervisada (ISODATA), interpretación visual y reclasificación para asignar las clases al resultado que fue considerado como correcto. Los detalles fueron documentados para los datos adicio-nales utilizados en este paso para llenar las brechas y estarán disponibles para ser usadas en la validación (la versión definitiva del Informe Final del CEMEC proveerá estos detalles).

Con el fin de preparar las clasificaciones finales, fue necesario llevar a cabo el proceso de edición manual para corregir errores obvios que no pudieron ser eliminados durante el proceso de clasificación iterativa. Los errores incluyen polígonos mal clasificados debido a factores como iluminación (sombras topográficas clasificadas como agua), fenología (arboles semi-deciduos clasificados como no-bosque), cuerpos de agua temporales (áreas inundadas periódicamente clasificadas como suelo raso debido a cambios en los nive-les de agua) y otros errores claramente visibles.

La secuencia de los pasos seguidos fueron: vectorización de las clasificaciones candidatas casi terminadas para edición manual, la asignación de clases de atributos adicionales; la corrección de los polígonos mal clasificados y la rasterización final de los vectores de polígonos como versiones finales editadas. Todas las versiones de vectores fueron almacenadas apropiadamente y documentadas claramente para la verifica-ción y revisión en caso de ser necesario.

Una evaluación de la precisión de la clasificación fue llevada a cabo por el CEMEC usando un tercio de los sitios de entrenamiento sobreimpuestos con el mapa final para preparar una matriz de contingencia de pixeles correctos e incorrectos y los errores de los usuarios y los productores por cada clase (ver versión definitiva del Informe Final del CEMEC). Además de la evaluación de la precisión realizada por el CEMEC, el equipo de CDI hizo una evaluación independiente de la precisión, la cual se describe en la sección 2.5.

2.4.3 Post-procesamiento

En esta sección se presentan primero los mapas que se generaron post-procesando el resultado de las clasificaciones de imágenes satelitales hechas por el CEMEC. Después de la presentación de los mapas se explica en detalle los procedimientos técnicos utilizados en el post-procesamiento para crear los mapas.

a) Mapas de Cobertura de Bosque para los años 2000, 2007 y 2010

Mediante post-procesamiento de las imágenes Landsat clasificadas, se produjeron Mapas de Cobertura de Bosque (Forest Cover Benchmark Maps), los cuales muestran solo áreas de bosque y no-bosque para los años 2000, 2007 y 2010 (ver Figuras Error! Reference source not found.4, 5, y 6 respectivamente). Los mapas muestran como la cobertura forestal original (del año 2000) ha ido reduciéndose y no muestra las áreas de bosques secundarios regenerados entre los años 2000-2007 y 2007-2010 (estos se muestran en los mapas de cobertura del suelo más adelante). Por lo tanto, estos mapas son la base que se utilizó para determinar la deforestación bruta en la región de referencia, como se muestra a continuación:

Deforestación bruta en las Tierras Bajas del Norte:

año ha período ha ha/año % annual

61,325.03

-2.23%

-3.05%

Cobertura forestal Deforestación

354,227.10

183,975.10

50,603.87 2000 2,429,690.40

2010

2007

2000-2007

2007-2010

2,075,463.30

1,891,488.20

Figura 4. Mapa de Cobertura de Bosques para el año 2000

Figura 4 . Mapa de Cobertura de Bosque para el año 2007

Figura 6. Mapa de Cobertura de Bosque para el año 2010

b) Mapa de Uso y Cobertura del Suelo 2010

Se generó un Mapa de Uso y Cobertura del Suelo para el año 2010 (

Figura 5), cuya leyenda fue explicada en la sección 2.2.

Figura 5. Mapa de Uso y Cobertura del Suelo para el año 2010

c) Mapas de Deforestación

Estos mapas fueron generados para cada uno de los dos sub-periodos históricos en consideración: 2000-2007 (Figura 6) y 2007-2010 (Figura 7) a partir del Mapas de Cobertura de Bosques para los años 2000, 2007 y 2010 presentados arriba. Estos mapas muestran la deforestación bruta, es decir el área de bosque que se perdió a partir del mapa inicial (Forest Cover Benchmark Map) para el año 2000.

Figura 6. Mapa de Deforestación 2000-2007

Figura 7. Mapa de Deforestación 2007-2010

d) Mapa de Cambios de Uso y Cobertura del Suelo

El Mapa de Deforestación del periodo histórico 2000-2010 junto con el Mapa de Uso y Cobertura del Suelo para el año 2010 permitió construir un Mapa de Cambios de Uso y Cobertura del Suelo para el pe-ríodo 2000-2010 (Figura 8). El mapa de cambios solo presenta los cambios que ocurrieron en bosques deforestados durante el período 2000-2010, sin importar de qué tipo (clase) de bosque provienen. Esto se hizo considerando que se utilizó el método 1 de la sección 5.2 de la metodología VM0015, versión 1.0. Esta opción no requiere un mapa de categorías de cambios, es decir de un mapa de cambios que muestra por cada clase de bosque las clases de usos y coberturas post deforestación.

Figura 8. Mapa de Cambio de Uso y Cobertura del Suelo 2007-2010.

e) Matriz de cambio de Uso de la Tierra y Cobertura de la Tierra

La matriz de cambio y uso del suelo muestra las posibles transiciones que se podrían dar entre el mapa bosque del año 2000 y el mapa de uso del suelo y cobertura del año 2010 tal como se muestra en

T 1.

T 1. Matriz de cambio de uso del suelo años 2000 y 2010.

Cobertura Inicial

Cobertura final Bosque No-bosque

Agropecuario - No bosque - Guamiles 479,029.0

Bosque latifoliado bajo sub-humedo 237,096.4

Bosque latifoliado medio alto humedo 564,218.6

Bosque latifoliado medio-alto sub-humedo 1,068,493.7

Palma africana 25,161.1

Regeneración 2007-2010 en tierras deforestadas 2000-2007 13,882.7

Regeneración 2007-2010 en tierras sin bosque desde el año 2000 123,206.0

Regeneración 2000-2007 en tierras sin bosque desde el año 2000 y persistente en 2010 43,501.7

Agropecuario - No bosque - Guamiles 1,294,070.0

Agua 45,421.9

Humedales 98,991.0

Palma africana 22,038.5

Sabanas (SF) 34,169.8

Sabanas inundables 32,664.2

Sin datos (nubes) 1,189.1

Los procedimientos seguidos para elaborar los mapas arriba presentados se describen a continuación.

Reclasificación de mapas de cobertura elaborados por el CEMEC

Los Mapas de Uso y Cobertura del Suelo para los años 2000, 2007 y 20108 (mostrados arriba) fueron ge-nerados reclasificando el mapa de dinámica de cobertura forestal del CEMEC (llamado USODIN_v17), (Figura 9) y separando para cada uno de los tres años del periodo histórico de referencia los correspon-dientes mapas de cobertura. La resolución inicial de estos mapas fue de 30 x 30 metros (la de Landsat). Sin embargo, la resolución final y unidad mínima de mapeo de todos los mapas en este estudio fue defi-nida a 60 x 60 m (0,36 ha), lo cual se hizo con un resampling de los mapas cuya resolución inicial era de 30 x 30 m.

T 2, T 3 y

T 4 muestran los valores pixel y las áreas por clase que fueron asignados a cada uno de los mapas de co-bertura del año 20009, 200710 y 201011 respectivamente.

8 Estos mapas se enucantran alojados en un mismo archivo:

C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\usodin_v17 9 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2000.tif

En todos los mapas se combinaron todos los tipos de boque es un solo valor de pixel (2). El mismo proce-dimiento fue realizado con la clase “Agropecuario-No bosque-Guamiles y Palma Africana” (1). El resto de clases se conservaron tal como estaban en la versión original del mapa de dinámicas de cobertura fores-tal del CEMEC.

En las siguientes tablas, “VALUE” representa el valor de pixel en todas las tablas mientras que “COUNT” indica el conteo de pixeles considerando una resolución espacial de 30 x 30 metros (0.09 ha), y “HA” la conversión de COUNT a hectáreas. Los datos que aparecen en las tablas T 3 , T 4 y T 5 están basados en el mapa original del CEMEC, el cual tiene un amortiguador (buffer) de 5.0 km alrededor de la región de referencia, razón por la cual el número de hectáreas es mayor del número que aparece en las Tablas de definitivas de la metodología.

T 2. Reclasificación del mapa de cobertura para el año 2000

VALUE COUNT HA CLAS2000

0 18399707 1,655,974 1 16998363 1,529,853 Agropecuario - No bosque – Guamiles y Palma africana

2 27765842 2,498,926 Bosque

3 1126025 101,342 Humedales

4 363570 32,721 Sabanas inundables

5 405866 36,528 Sabanas (SF)

6 533021 47,972 Agua




2 24572670 2,211,540 Bosques

3 1125217 101,270 Humedales


5 400743 36,067 Sabanas (SF)

6 533021 47,972 Agua

T 4Error! Reference source not found. muestra además la aparición de la clase “nubes” y la clase “De-

gradado a no bosque (huracán Richard)”. Esta clase corresponde a áreas temporalmente sin bosque (Temporarily Unstocked) así que debería renombrarse “Temporalmente sin bosque” ya que se supone que estas áreas estarán recuperándose naturalmente en los próximos años. Cabe destacar, que ninguna de las áreas proyectadas de ser deforestadas a futuro cayeron en la clase “Temporalmente sin bosque”.

10

C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2007.tif 11 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase_2010.tif




2 23626948 2,126,425 Bosques

3 1124018 101,162 Humedales


5 381287 34,316 Sabanas (SF)

6 533021 47,972 Agua

7 13415 1,207 Sin datos (nubes)

8 33916 3,052 Temporalmente sin bosque (huracán Richard)

Posteriormente a la reclasificación del mapa del CEMEC para generar los Mapas de Uso y Cobertura del Suelo se enmascararon en todos ellos las nubes que aparecen en el año 2010, con el fin de poder calcular correctamente las tasas de deforestación históricas de los períodos de análisis.

Con el fin de considerar solo pérdidas brutas de la cobertura forestal y poder calcular tasas brutas se realizó un análisis de cambios de cobertura de los períodos 2000-2007 y 2007-2010 considerando sola-mente el área de los bosques primarios, es decir ignorando las áreas con regeneración (bosques secunda-rios).

El análisis de cambio para el periodo 2000-200712 evidencio las transiciones que se presentan en T 5.

T 5. Transiciones de tipos de cobertura para el periodo 2000-2007

VALUE COUNT HA clase2000 clase2007

1 18399707 1,655,974 No Data (0) No Data (0)

2 23740837 2,136,675 Bosques (2) Bosques (2)

3 4013929 361,254 Bosques (2) Agropecuario - No bosque – Guami-les y Palma africana (1)

4 16180341 1,456,231 Agropecuario - No bosque - Guami-les y Palma africana (1)

Agropecuario - No bosque – Guami-les y Palma africana (1)

5 815683 73,411 Agropecuario - No bosque - Guami-les y Palma africana (1)

Bosques (2)

6 1125217 101,270 Humedales (3) Humedales (3)

7 533021 47,972 Agua (6) Agua (6)

8 363570 32,721 Sabanas inundables (4) Sabanas inundables (4)

9 400743 36,067 Sabanas (SF) (5) Sabanas (SF) (5)

10 5123 461 Sabanas (SF) (5) Bosques (2)

11 13415 1,207 Sin datos (nubes) (7) Sin datos (nubes) (7)

12 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\cambio00_07.tif

VALUE COUNT HA clase2000 clase2007

12 808 73 Humedales (3) Agropecuario - No bosque - Guami-les y Palma africana (1)

Las transiciones que se presentan en rojo corresponden a la regeneración que se dio entre el año 2000 y el año 2007. Estas dos transiciones fueron extraídas del mapa de cambios para crear un mapa de regene-ración13 del mismo periodo de análisis. El mapa con valores de pixeles de 5 y 10 fue reclasificado a un único raster14 con valores de 1 que representan pixeles en regeneración ocasionados por ambos tipos de transiciones.

Este mapa de regeneración fue sobre puesto al mapa de coberturas para crear un mapa de cobertura al año 200715 que solo tenga en cuenta la deforestación bruta que se presentó en el periodo 2000-2007.

Este último mapa fue utilizado con el de cobertura del año 201016 para crear un nuevo mapa de cambio que permitiera observar la regeneración del periodo de análisis 2007-2010.

T 6. Transiciones de tipos de cobertura para el periodo 2007-2010

VALUE CCOUNT HA clase2007b clase_2010

1 18399707 1,655,974 No Data (0) No Data (0)

2 21620701 1,945,863 Bosques (2) Bosques l (2)

3 19029093

1,712,618 Agropecuario - No bosque - Guamiles y Palma africana (1)

Agropecuario - No bosque – Guami-les y Palma africana (1)

4 1986791

178,811 Agropecuario - No bosque - Guamiles yPalma africana (1)

Bosques

5 2086220 187,760 Bosques (2) Agropecuario - No bosque – Guami-les y Palma africana (1)

6 1124018 101,162 Humedales (3) Humedales (3)

7 533021 47,972 Agua (6) Agua (6)

8 363570 32,721 Sabanas inundables (4) Sabanas inundables (4)

9 33916 3,052 Bosques (2) Temporalmente sin bosque (hura-cán Richard)

10 381287 34,316 Sabanas (SF) (5) Sabanas (SF) (5)

11 19456 1,751 Sabanas (SF) (5) Bosques l (2)

12 13415 1,207 Sin datos (nubes) (7) Sin datos (nubes) (7)

13 1199 108 Humedales (3) Agropecuario - No bosque – Guami-les yPalma africana (1)

13 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\reg00_07.tif 14 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\reg00_07_2.tif 15

C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2007br.tif 16 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase_2010.tif

Las transiciones que se presentan en rojo corresponden a la regeneración que se dio entre el año 2007 y el año 2010. Estas dos transiciones fueron extraídas del mapa de cambios para crear un mapa de regene-ración17 del mismo periodo de análisis 2007-2010. El mapa con valores de pixeles de 5 y 11 fue reclasifi-cado a un único raster18 con valores de 1 que representan pixeles en regeneración ocasionados por am-bos tipos de transiciones para el periodo 2007-2010.

Este mapa de regeneración fue sobrepuesto al mapa de coberturas del año 201019 para crear un mapa de cobertura al año 201020 que solo tenga en cuenta la deforestación bruta que se presentó en el periodo 2007-2010.

La clase “Temporalmente sin bosque (huracán Richard)” como aparece como consecuencia de huracán fue convertida a bosque (2), ya que por razones metodológicas se puede considerar como “temporaly unsto-cked”.

“Resampling” de los mapas a una resolución espacial de 60 x 60 metros

Los mapas de cobertura de los años 200021, 200722 y 201023 fueron “resampleados” a una resolución es-pacial de 60 x 60 metros. A estos mapas fue además aplicada una máscara con el área de la región de referencia24 para eliminar un buffer que había sido creado alrededor de ellos en el proceso de clasifica-ción de imágenes. Los mapas de coberturas con la nueva resolución espacial para año 200025, 200726 y 201027 tienen las siguientes coordenadas UTM Transverse Mercator (en metros) en cuanto a su exten-sión.

T 7. Extensión del raster a ser usado en el modelo espacial de deforestación

Norte Sur Oeste Este

1,970,989 1,732,909 39,9619.99 643,573.99

Para realizar el ”resampling” se utilizó el algoritmo “NEAREST” del software ARCGIS 10.0.

17 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\reg07_10.tif 18 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\reg07_10_2.tif 19 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase_2010.tif 20 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2007br.tif 21 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2000br.tif 22 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2007br.tif 23 C:\Users\Juan\Desktop\Documentacion_Guatemala\Cobertura\clase2010br.tif 24 C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\rr.tif 25 C:\Users\Juan\Desktop\Documentacion_Guatemala\Resampling\cob_re00.tif 26

C:\Users\Juan\Desktop\Documentacion_Guatemala\Resampling\cob_re07.tif 27 C:\Users\Juan\Desktop\Documentacion_Guatemala\Resampling\cob_re10.tif

Reclasificación de mapas de cobertura a mapas de bosque y no-bosque

Dado que en los mapas de deforestación proyectada la única transición de interés será la categoría de la clase “bosque” a la clase “no bosque”, los mapas fueron reclasificados para aplicar la unidad mínima de mapeo y hacer todos los cálculos relacionados con las tendencias históricas de las tasas de deforestación.

Los mapas de cobertura de los años 200025 200726 y 200927 del paso anterior fueron reclasificados consi-derando solo las clases “bosque” y “no bosque”. Un valor de 1 fue asignado a todo lo que era “no bos-que” y el valor de 2 fue asignado a “bosque”. Los mapas resultantes para el año 200028, 200729 y 201030 van a ser usados para aplicar la unidad mínima de mapeo.

2.5 Evaluación de la precisión del Mapa Uso y Cobertura del Suelo 2010

Para garantizar una evaluación objetiva de la precisión temática y horizontal del mapa de uso y cobertura del suelo del año 2010, CDI llevó a cabo evaluaciones independientes, usando muestras independientes. Una descripción detallada de los procedimientos utilizados se presenta en el documento anexo “Map Accuracy Assessment Report”31.

Como datos de control para evaluar la precisión se utilizaron imágenes ópticas de alta resolución del sa-télite ALOS PRISM (3 metros de resolución) y datos fotográficos de transectos aéreos verticales digitales (1 metro de resolución) descritos en la Sección 2.1.

El mapa original evaluado fue el “mapa de dinámica de cobertura del suelo” (llamado USODIN_v17), ela-borado por el CEMEC) (Figura 9) para el año 2010.

Para la evaluación de la precisión se agruparon las diferentes clases del mapa en las dos clases “bosque” y “no-bosque” hasta obtenerse el Mapa de Uso y Cobertura del Suelo.

El número de muestras requeridas para alcanzar un nivel de confianza del 95% fue estimado utilizando la siguiente ecuación de Congalton-Green, 2009 (p. 74-79), la cual se considera la más apropiada para calcu-lar el número de muestras para cada clase utilizando la distribución multinomial y estimar el número de muestras necesario para calcular una matríz de error.

N = Bπi (1 – πi)

bi2

Dónde:

N Número de muestras

πi Proporción de la populación de la clase i de k clases que representa la proporción más cercana a 50%

bi Precisión deseada (p. ej. 5%) para la clase i

B Percentil superior (σ/k) X 100 de la distribución Chi cuadrada (Χ2) con 1 grado de libertad

k Número de clases

28 Ver archivo separado: “Accuracy_Assessment_Report.pdf”

Figura 9. Mapa de dinámica de cobertura del suelo 2010 elaborado por el CEMEC

Aplicando la ecuación de Congalton-Green (2009) con el supuesto de 95% de confianza a una probabili-dad del 5% y 1 grado de libertad, con un valor de Chi cuadrado del 7.568, con 46% de la población en la clase “bosque” y 54% en la clase no-bosque: N = 7.568 * 0.46 * (1-0.56) / (0.05)*(0.05) N = 1.8798912 / (0.0025) N = 751.9

El resultado de este cálculo arrojó 752 muestras, las cuales fueron repartidas en números iguales (376 muestras) por cada clase. Para alcanzar este requerimiento y producir una evaluación robusta se selec-cionó y ejecutó un muestreo estratificado al azar. Posteriormente se desarrolló una matriz de contingen-

cias para comparar las muestras mapeadas y las de referencia (Ver T 8).

T 8. Matriz de contingencia

Mapa de uso/cobertura 2010 Error de Omisión

Error de Comisión

Precisión dentro de

clase Bosque No bosque Total

ALOS Bosque 1575 140 1715 0.082 0.065 0.862

Fotos No bosque 112 1747 1859 0.060 0.075 0.874

1687 1887 3574

0.066 0.074 0.929 Precisión general

Como se muestra en T 8, la precisión global del mapa de cobertura “bosque” – “no bosque” para el año 2010 es de 92.9 %, mientras que para la clase “bosque” es del 86.2% y para la clase “no bosque” 87.4%. Por lo tanto, el mapa de cobertura del suelo para el año 2010 cumple con los requerimientos de precisión de la metodología VM-0015, que establecen una precisión global mínima del 90% y una precisión mínima por clase del 80%.

2.6 Preparación de un Anexo de la metodología para el PD

Como requiere la metodología, CEMEC preparó un anexo sobre los detalles técnicos de elaboración de mapas de uso y cobertura del suelo y mapas de cambio de uso y cobertura del suelo. Además, CDI elabo-ró un informe separado sobre los detalles de la evaluación de la precisión. Ambos documentos se pre-sentan como archivos digitales separados.

Paso 3: Análisis de agentes, causas y fuerzas motrices subyacentes de la deforestación y su posible evolución futura

3.1 Identificación de los agentes de deforestación

Los principales grupos de agentes de deforestación que actúan en las Tierras Bajas del Norte fueron iden-tificados mediante revisión de literatura y talleres con representantes de instituciones residentes en el Petén (ACOFOP, CONAP, concesionarios forestales, Rainforest Alliance, Wildlife Conservation Society. El resultado de los talleres se resumieron en un informe separado (Samoyoa, 2011).

Se identificaron lo siguientes grupos de agentes de deforestación:

Grupo 1: Agricultores de subsistencia y ganaderos de pequeña escala

Grupo 2: Ganaderos de mediana escala

Grupo 3: Ganaderos de gran escala

Grupo 4: Empresas agro-exportadoras

Grupo 5: Empresas petroleras

Para cada uno de estos grupos se presenta a continuación la siguiente información:

a) Nombre b) Descripción del grupo de agentes; c) Evolución probable de la población del grupo de agentes en la región de referencia; y d) Estadísticas sobre deforestación histórica atribuible al grupo.

Grupo 1: Agricultores de subsistencia y ganaderos de pequeña escala

a) Nombre

Este grupo de agentes incluye un sub-grupo de agricultores de subsistencia dedicados principalmente al cultivo del maíz y un sub-grupo que se dedica además a la ganadería de pequeña escala. Por esta razón se decidió llamarlo “Agricultores de subsistencia y ganaderos de pequeña escala”.

b) Descripción

Agricultores de subsistencia: Virtualmente todas las familias rurales en las Tierras Bajas del Norte de Gua-temala tienen algún área cultivada con maíz, establecida anualmente, principalmente para seguridad alimentaria. Para los pequeños productores, la producción de maíz es también la principal forma de ge-nerar ingresos para la familia (Shriar, 2002, p. 406). Algunos agricultores logran producir de dos a tres cosechas por año, dependiendo de la fertilidad de los suelos y de las prácticas agrícolas (tala y quema o milpa). Algunos plantan el maíz en forma pura, otros lo mezclan con calabazo o fríjol. Sin embargo, debi-do al alto costo y a la escasez de fertilizantes (MAGA, 2011, p. 17), las parcelas cultivadas por pequeños agricultores de subsistencia no mantienen su fertilidad y productividad por muchos años, así que nuevas áreas deben ser encontradas para el sustento de las familias. En efecto, se documenta que los períodos de descanso son generalmente de tres años por un año cultivado o cinco por dos años cultivados (Gran-dia, 2009, p. 157). Eso induce a los pequeños productores a buscar nuevas tierras donde re-iniciar el ciclo de roza, quema y cultivo de subsistencia. Considerando que las áreas sin bosque ya han perdido su pro-ductividad y que además están casi siempre posesionadas o tituladas a terceros, la única alternativa que les queda a los pequeños productores es buscar áreas alejadas y con poco control y vigilancia, es decir áreas con cubierta forestal, incluyendo las áreas protegidas de la Reserva de la Biósfera Maya.

Es importante señalar que el cultivo del maíz es profundamente enraizado en la cultura, sociedad y eco-nomía de los guatemaltecos desde el tiempo de la civilización Maya. A nivel nacional, el cultivo del maíz involucra seis millones de productores familiares, o 60% de la población guatemalteca. Los productores son tanto de origen Maya como ladinos. Para los mayas, quienes dicen estar hechos de maíz (Grandia, 2006, p. 172) el maíz no es solamente un producto para generar alimentos e ingresos, sino un elemento central de sus existencias. Todas las comidas campesinas tienen maíz, y en Guatemala cada persona co-me en promedio una libra de maíz por día.

En el caso del Petén, el cultivo de maíz tiene también un origen ancestral y continúa en la actualidad. El establecimiento de nuevos cultivos de maíz en Petén se traduce en varias formas de migración y empo-brecimiento de las tierras forestales. El proceso de desmonte asociado al cultivo del maíz de subsistencia se ve acelerado, además, por factores sociales y de especulación sobre la tierra, particularmente la posi-bilidad de apropiarse de la tierra a bajo costo demostrando “posesión” y “mejora”.

Es bastante común que productores más grandes renten la tierra a agricultores de subsistencia para que la desbosquen y cultiven. A veces el maíz es usado en vez del dinero en la renta de la tierra y comparti-miento de beneficios. Grandia (2009, p. 180) reporta que las altas tasas por renta de la tierra pueden

llegar hasta la mitad de la cosecha. En estos sistemas, las familias pobres rurales reciben tierras (usual-mente con bosque) para plantar el maíz u otros cultivos anuales, pero a cambio tienen que hacer trabajos ocasionales para el propietario, ceder una parte de la cosecha del grano y, después de unos pocos años, plantar pasto y moverse para otra área (Kaimowitz, 1995, p. 38). A veces, el propietario ni siquiera tiene el título sobre la tierra, pero mediante este sistema logra posteriormente titularla demostrando “pose-sión” y “mejora”. Es así, que algunas familias ganaderas fueron capaces de convertir amplias áreas de bosque a pasturas con un costo mínimo.

Debido a la pobre infraestructura de transporte en el Petén, los pequeños productores deben llevar los productos a los puntos de mercado en sus propias espaldas o en mula, vendiéndolos a intermediarios que llegan en camiones para transportar ganado, al precio que ellos establezcan (dado que quieren transportar ganado, no productos perecederos). El productor paga Q8 a un transportador local para lle-var sus sacos de 100 libras al mercado, o se los vende al camionero por Q30, quien lo vende a un mayo-rista por Q50, quien lo vende al distribuidor por Q60, quien finalmente lo vende al consumidor en Ciudad de Guatemala por Q65. De tal manera, gran parte de la ganancia no llega al pequeño productor, que se mantiene en pobreza y por lo tanto obligado o a perpetuar su forma de vida.

Aunque el cultivo principal sea el maíz, existen agricultores, generalmente los de mayores recursos, que también cultivan otros tipos de productos comerciales, tales como sésamo, maní, piña, melón, chile y tomate, aunque solo en la época de lluvias (Shriar, 2002, p. 406).

Ganaderos de pequeña escala: La cría de ganado en el Petén, igual que en otros lugares en los trópicos de América Latina, es considerada por algunos la principal causa de la deforestación. Kaimowitz (1995, p. 34- 35) escribió:

"La primera cosa que hace casi cualquier pequeño agricultor cuando él/ella acumula un poco la tierra o el dinero es comprar ganado. La limitada disponibilidad de mano de obra familiar limita la expansión de la producción de cultivos y los agricultores prefieren evitar los desembolsos en efec-tivo y el tiempo necesario para contratar grandes cantidades de mano de obra de afuera. El gana-do tiene también la ventaja adicional para los pequeños agricultores de ser una forma convenien-te, de bajo riesgo y fácilmente convertible de ahorros, proporcionando ingresos ordinarios proce-dentes de la venta de los productos lácteos, y haciendo uso de tierras marginales o degradadas que ya no pueden sostener cosechas (Hecht 1992)”.

En el Petén, la ganadería ha sido históricamente una actividad de bajo costo, llevada a cabo para demos-trar posesión de la tierra después de su “mejora” (es decir la conversión de bosque a pastizal), como for-ma de especulación inmobiliaria para obtener la titulación de la tierra. La posibilidad de titular tierras en posesión y “mejoradas” es una causa subyacente de la deforestación en el Petén bien conocida y docu-mentada (Grandia, 2009, p. 720; Gould, 2006, pp. 411-412, 418).

Hay predominantemente dos actividades de ganadería en el Petén: 1) cría de terneros y 2) engorde de novillos. Las fincas pequeñas se dedican a los terneros, debido a la falta de tierras e infraestructura para producir pastos. La pequeña finca ganadera está limitada a 22-45 ha debido a la baja disponibilidad de mano de obra familiar, con una baja carga animal, de 0.6 a 1.6 animales por hectárea (Zander & Durr, 2011, p.15-16), y en el caso mínimo puede tener solo 5 a 25 cabezas de ganado, más un caballo para ma-nejar el hato.

Usualmente los ganaderos pequeños construyen sus granjas deforestando parcelas en regiones de fron-tera, pasando la tierra directamente de bosque a pastizal, comprando derechos de usufructo de peque-ños agricultores que han talado tierras forestales, conocidas como “mejoras” (Gould, 2009 p. 76; Gould,

2006, p. 411). Los ganaderos que trabajan tierras dentro de la Reserva de Biosfera Maya (RBM) tienen problemas con jaguares y pumas debido a cerramientos inseguros, nacimientos irregulares, falta de vigi-lancia y ausencia de registros y planes de salud (WCS, 2009, p. 6).

No hay mucho conocimiento sobre el entorno social o la economía familiar de los ganaderos pequeños del Petén como grupo. Zander Durr & (2011, p. 7, 13) los describen como mezclados con los pequeños agricultores, cerca de un 28% de los cuales tienen un origen mestizo maya Q'eqchi. Shriar (2002, p. 401) reportó que 22 de 118 hogares que entrevistó tenían ganado (18.6%), de los cuales 15 (68.2%) tenían menos de 10 cabezas de ganado. Por lo tanto, la ganadería de pequeña escala parece ser una práctica llevada a cabo por una parte de la población, dependiendo de su capacidad de asegurar la tenencia de la tierra y su economía. En la comunidad de Vista Hermosa, además de criar ganado, también se criaron pollos y cerdos (CONAP 2003, p.19), lo cual también se observa en otras comunidades.

Los concesionarios forestales de la RBM fueron inicialmente pequeños ganaderos y agricultores de sub-sistencia, los cuales formaron las comunidades de La Colorada, Cruce a la Colorada, La Pasadita, San An-drés y San Miguel La Palotada antes de convertirse en concesionarios comunitarios. Una historia similar generó nueve comunidades en el municipio de Flores, que pertenecen a la Sociedad Civil Árbol Verde. Estas comunidades comenzaron hace 50 años como campamentos de chicle y fueron luego habitadas por productores agrícolas que migraron del sur del país. Los residentes tienen diferentes ocupaciones; princi-palmente son agricultores y ganaderos de pequeña escala, carpinteros, artesanos de la madera y em-pleados públicos (Gómez-Méndez, 2007, p. 22).

El movimiento o expansión de estas pequeñas familias ganaderas en la región norte de la RBM hoy y en el futuro estará limitada solamente por dos factores principales, el grado de vigilancia y control de las áreas protegidas – que es todavía bajo - y por el acceso al agua para el ganado (Gould, 2006, p. 416).

c) Evolución probable de la población del Grupo 1

Entre 1994 y 2002 el norte de Guatemala experimentó mayores tasas de crecimiento demográfico, prin-cipalmente debido a las menores densidades base registradas en 1994, pero la inmigración también inci-dió sobre dichos aumentos (Ruta, p. 38). Esta tendencia histórica parce mantenerse según las proyeccio-nes de población 2008-2020 del Instituto Nacional de Estadística (Tabla T2)32. Considerando que en el departamento del Petén el promedio de pobreza general alcanza el 57% (oscilando entre 26.5% y 80.0% según el municipio) y de pobreza extrema el 4.5% (Segeplan, Mapas de Pobreza, 2011)33 y que más que 50% de la población económicamente activa se dedica a la agricultura (Zander & Durr, 2011, p.1), se puede deducir que la tendencia general de la población del grupo 1 está en aumento.

32

Disponibles en línea: http://www.ine.gob.gt/np/poblacion/index.htm 33 Ver: http://www.segeplan.gob.gt/downloads/IndicePobrezaGeneral_extremaXMunicipio.pdf

Tabla T2. Proyección de la población en los municipios del Petén del Instituto Nacional de Estadística

Petén 563,832 588,860 613,693 638,296 662,779 687,192 711,585 736,010 760,431 784,816 809,215 833,679 858,256

Flores 49,197 51,536 53,867 56,186 58,502 60,819 63,140 65,470 67,805 70,142 72,484 74,836 77,202

San José 4,929 5,093 5,250 5,401 5,547 5,688 5,824 5,956 6,084 6,208 6,328 6,444 6,556

San Benito 49,402 51,913 54,431 56,953 59,486 62,035 64,605 67,199 69,814 72,447 75,101 77,781 80,492

San Andrés 35,106 37,036 38,985 40,951 42,941 44,957 47,004 49,083 51,194 53,333 55,504 57,711 59,957

La Libertad 101,378 105,674 109,908 114,073 118,188 122,261 126,300 130,313 134,294 138,236 142,147 146,035 149,908

San Francisco 14,347 15,043 15,738 16,431 17,124 17,818 18,515 19,216 19,919 20,625 21,333 22,046 22,764

Santa Ana 26,197 27,719 29,264 30,831 32,425 34,048 35,703 37,392 39,116 40,871 42,660 44,488 46,356

Dolores 44,358 45,810 47,204 48,540 49,826 51,066 52,265 53,427 54,550 55,631 56,676 57,687 58,670

San Luis 68,121 70,496 72,792 75,005 77,151 79,234 81,261 83,239 85,163 87,031 88,848 90,620 92,352

Sayaxché 94,407 99,446 104,522 109,628 114,781 119,989 125,262 130,606 136,017 141,487 147,025 152,640 158,342

Melchor de Mencos 21,184 21,409 21,588 21,724 21,822 21,886 21,920 21,928 21,909 21,865 21,799 21,713 21,610

Poptún 55,206 57,685 60,142 62,573 64,988 67,391 69,787 72,180 74,566 76,941 79,311 81,678 84,048

Departamento y Municipio

2008 2013 201420102009 2019 2020

PERIODO

2015 2016 2017 20182011 2012

Se desconoce la población total de cultivadores de maíz en las Tierras Bajas del Norte de Guatemala. Sin embargo, dada la importancia social, económica y cultural del maíz en Guatemala y entre la población campesina en particular, es muy probable que casi cada familia rural tiene algo de maíz en algún lado. Dado que la mayoría de la población en la región (de manera global 2/3) proviene de inmigración del resto del país (USAID, 2005, p. 5) y que las familias campesinas suelen tener muchos hijos, el número de pequeños agricultores de maíz aumentará en los años venideros, así como lo ha venido haciendo hasta ahora.

Considerando la combinación de factores tales como:

los métodos tradicionales de cultivo usando técnicas de roza y quema, sin el uso de fertilizantes, que son costosos y escasos para las familias rurales de bajo ingresos (MAGA, 2011, p. 17) y que no permiten cultivar la misma parcela por muchos años seguidos;

la especulación para titular tierras “mejoradas” mediante los mecanismos de renta descritos arriba;

el crecimiento poblacional y la profunda dependencia del cultivo del maíz de las familias rurales

es muy probable que el cultivo del maíz seguirá haciéndose a costa de los bosques remanentes, particu-larmente aquellos que no cuentan todavía con un buen sistema de control y vigilancia, tales como las áreas protegidas y ZUM de la RBM en el Petén (Estrato 1) 34.

La población de Petén creció de 25,000 en 1960 a casi 550,000 en el año 2,000 (USAID, 2001, p. xv), y el mejor estimado de población en la región de referencia (que es un poco más amplia del Petén) indica que existían más de 610,000 habitantes en el año 2002 (INE, 2002).

En la Ecorregión de Lachuá hay 11,000 granjeros de subsistencia Q’eqchi, viviendo en 55 comunidades de 55,000 ha (IUCN, 2008, p. 11), cuyas vidas dependen del maíz.

Con estas tendencias poblacionales, en el Estrato 2, el número de agricultores de maíz seguirá creciendo a futuro. Sin embargo, el aumento de hectáreas dedicadas al cultivo de granos básicos se verá poco a poco afectada por la poca disponibilidad de tierras en zonas de frontera con cubierta de bosques prima-rios. Eso quiere decir que incluso los bosque secundarios empezarán a sufrir de la presión que genera la demanda de tierras para agricultura de subsistencia.

En el Estrato 3, que está ya más deforestado, la tendencia será similar al estrato uno, con la diferencia que existen aún menos bosques vírgenes sin deforestar. Además, las tierras en este estrato están de hecho sobre-utilizadas, los suelos degradados, los tiempos de barbecho reducidos y solo quedan algunos remanentes de bosques después de repetidos ciclos de uso destructivo y fuego, combinados con con-centración de tierras debido a actividades agrícolas industriales en busca de acumular aún más tierra principalmente para el cultivo de la palma africana.

En el caso de los ganaderos de pequeña escala, es posible que su población aumente, particularmente en el Estrato 1, debido a la disponibilidad de tierras potencialmente deforestables. Sin embargo, estos pequeños ganaderos (así como los agricultores de subsistencia) también serán expuestos en los años venideros a la acumulación de tierras en manos de ganaderos medianos y grandes (Grandia, 2006, pp.

34 Los “Estratos” a los cuales se hace referencia en esta sección se describen y se presentan en un mapa en la

sección 4.1 y se refieren a áreas, dentro de las Tierras Bajas del Norte, donde se observan combinaciones dis-tintas de grupos de agentes y también tendencias históricas distintas en la tasa de deforestación.

129, 215). En el Petén, gran parte de la tierra sin bosque está realmente tomada; no hay mucho más espacio para la creación de nuevas pequeñas unidades ganaderas. Los ganaderos de ocupación podrían tomar posesión de tierras bordeando las secciones boscosas de la RBM por un corto período de tiempo, pero solo los ganaderos medianos y grandes tendrán capital suficiente para comprar los derechos de usufructo de las familias campesinas que han talado o “mejorado” las porciones forestales de la RBM para llevar su ganado a dichas tierras.

En el Estrato 2, los ganaderos de pequeña escala permanecerán probablemente constantes en pobla-ción, o hectáreas de su actividad, debido a la disminución de la frontera de tierras forestales.

En el Estrato 3 la población de pequeños ganaderos probablemente disminuirá debido a que las tierras están realmente sobre explotadas, los suelos degradados, los tiempos de barbecho reducidos y solo quedan algunos remanentes de bosques después de repetidos ciclos de uso destructivo y fuego, combi-nados con concentración de tierras debido a actividades agrícolas industriales en busca de acumular aún más grandes plantaciones principalmente de palma africana para la cosecha de aceite de palma.

d) Estadísticas de la deforestación histórica atribuible al Grupo 1

La cantidad de deforestación cumulada atribuible a los pequeños agricultores que plantan maíz y a los pequeños ganaderos en las Tierras Bajas del Norte es de 2,128 km², lo cual convierte a este grupo de agentes al grupo que más ha deforestado. Este número se estimó a partir del Mapa de Uso y Cobertura del Suelo para el año 2010 y la ubicación en los mapas del CEMEC de los pequeños agricultores y gana-deros ofrecida por los expertos locales durante los talleres (ver Samoyoa, 2011, p. 7).

Grupo 2: Ganaderos de mediana escala

a) Nombre

Según la información recogida en talleres con comunidades y expertos locales, este grupo está confor-mado por ganaderos que poseen entre 25 y 100 cabezas de ganado en fincas ganaderas de 90 a 250 ha, y unos tres caballos. Por esto se decidió llamar este grupo “ganaderos de mediana escala”. Samoyoa (2011, p. 8) escribe que, “los ganaderos proceden de zonas rurales y urbanas, por lo general de haber asistido a por lo menos en la escuela primaria. Están en la clase media, y en su mayoría han llegado de otras regiones, están interesados en la acumulación de tierras para la reventa o el engorde de alimenta-ción del ganado, y en busca de tierras y las comunidades que tienen pocos recursos económicos para comprar, instalar, y luego se venden a los grandes agricultores. Ganaderos medianos productores están interesados en grandes áreas de gran tamaño, muy accesible, con topografía ondulada / apartamento y la disponibilidad de agua.”

b) Descripción

Al grupo de “ganaderos de mediana escala” pertenecen también personas que se movieron a la frontera y que fueron capaces de reclamar áreas de tierra para su actividad ganadera. Muchas veces, estas tie-rras fueron desmontadas con un esfuerzo mínimo por parte de sus actuales dueños mediante la contra-tación de mano de obra o el mecanismo de renta que se explicó para el Grupo 1, en otras palabras: los ganaderos de mediana escala prestan sus tierras a agricultores de subsistencia a cambio que sean “me-joradas” (deforestadas) más una porción de la cosecha (Kaimowitz, 1995, p. 33). El trasfondo cultural de este grupo de agentes de deforestación es Maya, Ladino y Maya no Qeqchi. De éstos, los mayas defores-taron más tierra. Aquellos con pastos y ganado deforestaron 50% más que aquellos sin ganado (Carr,

2004 pág. 8). Geográficamente, los ganaderos de tamaño medio están dispersos, pero son bien conoci-dos en la región de la Laguna del Tigre (Estrato 1) y Valle de las Estrellas (Estrato 2). Se considera que los ganaderos pequeños y de mediano tamaño con menos de 92 cabezas de ganado son aquellos que han deforestado la mayoría de las fincas, aunque en su conjunto tienen un porcentaje menor del hato na-cional, tan poco como el 30% (Colchester y Loughman, 1993 citados por Kaimowitz, 1995, p. 36). Aqué-llos con buenos recursos financieros estarán probablemente más implicados en la ganadería de engorde de terneros (Grandia, 2006, p. 250).

La expansión de la actividad de los ganaderos de mediana escala está limitada solamente por su habili-dad de comprar nuevas tierras o usufructuar los derechos de parcelas mejoradas, así como el acceso al agua (Gould, 2006, p. 411). Desde la década pasada, muchos ganaderos de mediana escala se alejaron del sistema de rentas en favor de trabajo asalariado, pues les permite pasar directamente de bosque a pastizales, sin tener que pasar por la etapa de cultivo de maíz (Kaimowitz, 1996, p. 33).

c) Evolución probable de la población de ganaderos de mediana escala

Actualmente estos ganaderos están localizados en la región de la Franja Transversal del Norte, cerca de la Eco-región Lachuá, en los municipios de Dolores y San Luis Poptún, así como en la zona de amorti-guamiento de la RBM. No existen datos que permitan cuantificar la población exacta de este grupo en las Tierras Bajas del Norte, lo cual hace difícil evaluar las tendencias que podría tener el desarrollo de su población y de su actividad en el futuro. Sin embargo, desde hace unos 15 años, las fincas de la Costa Sur han cambiado el pasto, con el cual se alimentaba el ganado bovino, por cultivos de caña de azúcar. Este fenómeno obligó a los ganaderos a mover sus criaderos de reses hacia el norte del país; o sea, a departamentos en el norte como Petén e Izabal35. A nivel nacional, no se observa una tendencia hacia la baja de la producción de la carne: de acuerdo con los últimos datos recogidos por el Instituto Nacional de Estadística (INE), hasta 2009 se produjeron en el país 1.7 millones de quintales de carne bovina, mientras que en 2008 habían sido 1.6 millones y en 2007 1.5 millones. De persistir estas tendencias (mi-gración de la actividad ganadera hacia el norte del país y aumento de la producción de carne) es previsi-ble que la presión que los ganaderos causarán sobre la tierra y los bosques en la Tierras bajas del Norte se mantenga y hasta aumente en un futuro. Sin embargo, en los talleres (Samayoa et al., 2011, p. 10) se lee que un aumento abrupto en las condiciones de crecimiento de estos ganaderos no es esperado.

Según los representantes de las comunidades y expertos regionales con áreas de concesiones forestales consultados en los talleres (Samoyoa, 2010, p. 11), las áreas consideradas atractivas por los ganaderos medianos son principalmente aquellas donde hay progreso o presencia actual de granjas de subsisten-cia, es decir: Parque Nacional Laguna del Tigre, Ruta a La Carmelita en áreas cerca a dónde ellos han tomado posesión, Parque Nacional Lachuá, Parque Nacional Sierra del Lacandón, el Complejo Xutilhá-Machaquilá, las Montañas Mayas-Chiquibul, la Reserva de San Romá, un área adyacente al Río San Pe-dro, y un área de influencia Yaxhá-Nakum-Naranjo.


La cantidad de deforestación cumulada atribuible a la ganadería de mediana escala en las Tierras Bajas del Norte es de 1866 km², lo cual convierte a este grupo de agentes al segundo que más ha deforesta-do. La estimación del área deforestada se hizo a partir del Mapa de Uso y Cobertura del Suelo para el

35 Ver: http://www.s21.com.gt/pulso/2011/09/19/hato-ganadero-migra-costa-sur-norte

año 2010 y la ubicación en mapas del CEMEC de las áreas que los expertos locales consultados en talle-res consideran ocupadas por la ganadería de mediana escala (Samoyoa, 2010, p. 11).

Grupo 3: Ganaderos de gran escala

a) Nombre

Los ganaderos de “gran escala” en Petén se definen como aquellos con más de 100 cabezas de ganado.

b) Descripción

Ganaderos de gran escala en el Petén se han desarrollado desde los años 1950s por ganaderos pudien-tes y empresas. Esto ha sido posible a pesar que la ganadería en ciertas áreas del Petén no es una activi-dad rentable y requiere ingresos externos para florecer. De hecho, el engorde de novillos extensivo en grandes áreas de pastizales es una actividad que realizan hombres de negocios y empresas que tienen otras fuentes de ingresos y que a veces ni siquiera viven en el lugar. Otros métodos que han permitido la ganadería de gran escala en el Petén incluyen apoyos del gobierno vía subsidios, créditos, y facilitación del procesamiento de la carne y exportación (Kaimowitz, 1996, p. 20). En años recientes, se documenta (p. ej. Zander-Durr, 2011, p. 29) que algunos de los grandes ganaderos están implicados en actividades ilícitas relacionadas con el narcotráfico, lo cual también permite viabilizar la actividad ganadera de gran escala a pesar de condiciones biofísicas sub-óptimas para la actividad.

Desde aproximadamente 1966 hasta la década de los 1980s, a través del uso de los programas de colo-nización de tierras, las grandes granjas ganaderas de Guatemala fueron creadas por preferencias en la entrega de tierras a familias ganaderas poderosas, ya que los ganaderos recibieron de 225 a 1000 ha, mientras que los pobres recibieron de 22 a 45 ha (Grandia, 2006, p. 249). Se estima que en Guatemala había 300 grandes ganaderos en 1979 y que estos tenían el 30% del hato nacional (RUTA, 1993 citado por Kaimowitz, 1995, p. 22-23). Hoy día, 8 ganaderos únicamente del sureste del Petén tienen más de 1000 ha cada uno y 5 de éstos pertenecen a familias asociadas con el narcotráfico (Zander-Durr, 2011, p. 29). Se ha sugerido que el desarrollo de las grandes ganaderías en el norte del país es un disfraz para apoyar el lavado de dinero y operaciones de contrabando; las actividades son ubicuas actualmente con una presencia en aumento en un vasto arreglo de empresas (Zander-Durr, 2011, pp. 30-33; Plaza Publi-ca/Insightcrime.org, 2011; Guardian, 2011, online; Brands, 2010, p. 16; Arriola, 2009, p. 33). Los directo-res de dichas “industrias” están tan bien conectados que son intocables (Plaza Publica/Insightcrime.org, 2011), lo cual hace temer que una expansión de la actividad ganadera de gran escala a costa de los bos-ques en el Petén no será fácil de detener.

La creación de grandes fincas ganaderas resultó también de compras extensivas, o de tomas por la fuer-za, de tierras a pequeños y medianos ganaderos (Ybarra, 2008, p. 50). Algunas de estas fincas han sido utilizadas para la localización de pistas de aterrizaje para actividades de tráfico de ilícitos (Grandia, 2006, p. 271; Zander-Durr, 2011, p. 30; Brands, 2010, p. 15). En un reciente estudio con sensores remotos (Marks, 2010, p. 2), se identificaron 60 de tales pistas y 35 aviones. Algunas de las grandes fincas están solamente dedicadas al limpiado del área, sin uso agrícola o ganadero (Ybarra, 2009, p. 51); estas fincas se encuentran mayoritariamente en la RBM, ZUM y áreas búfer (Estrato 1).

c) Evolución probable de la población de ganaderos de gran escala

Como en el caso de los ganaderos de mediana escala, la tendencia en población (y actividades asocia-das) de los ganaderos de gran escala en las Tierras Bajas del Norte está influenciada por el movimiento

de la actividad ganadera desde el sur hacia el norte del país que se está dando debido a la expansión del cultivo de la caña de azúcar en antiguos pastizales en el sur del país. Tanto la demanda de azúcar y eta-nol como la demanda de carne son poco probables de bajar en los próximos años, así que estos factores seguirán motivando la actividad ganadera de gran escala en las Tierras Bajas del Norte, aunque no se espera un incremento abrupto de la actividad (Samayoa, 2011, p.10). La expansión de la actividad gana-dera parece estar sujeta a la disponibilidad de tierras con características deseadas; eso incluye: baja presencia de instituciones públicas para poder realizar actividades de narcotráfico, bajo grado de control y vigilancia de las tierras todavía cubiertas con bosque, y la habilidad de “acopiar” parcelas mejoradas adecuadas con el poder económico característico de los ganaderos grandes, topografía no demasiado escarpada y presencia de agua. Estas condiciones son las que se encuentran sobre todo en la RBM. Por lo tanto, se puede anticipar que el grupo de grandes ganaderos continúe moviéndose en las áreas ac-tualmente ocupadas, tales como la Ruta La Carmelita, en áreas cerca de donde ya tienen posesiones y cerca del Parque Nacional Sierra del Lacandón, principalmente en el sur, alrededor del Parque Nacional Laguna del Tigre, y al noroeste de la zona forestal de la RBM (Estrato 1).


La cantidad de deforestación cumulada atribuible a la ganadería de gran escala en las Tierras Bajas del Norte es 328 km², lo cual pone a los grandes ganaderos en el cuarto lugar entre los grupos de agentes de deforestación. Este número se estimó a partir del Mapa de Uso y Cobertura del Suelo para el año 2010 y los mapa del CEMEC, sobre los cuales se ubicaron las áreas de ganadería de gran escala durante los talleres con los expertos locales (Samoyoa, 2011, p. 15).

Grupo 4: Empresas agro-exportadoras

a) Nombre

En este grupo de agentes de deforestación se incluyen las empresas dedicadas al cultivo de palma afri-cana y caña de azúcar, razón por la cual se decidió llamar este grupo de agentes de deforestación “Em-presas agro-exportadoras”.

b) Descripción

El establecimiento de las plantaciones de palma africana en las Tierras Bajas del Norte comenzó en los años 1990s, como reacción a un fallo en los precios internacionales del café y el azúcar y el subsecuente interés en la diversificación. Los agricultores dedicados a estos cultivos son gente local, financiados por la “oligarquía creole”, con dinero de corporaciones transnacionales, tales como Goldman Sachs en los Estados Unidos y los gremios locales con un elaborado sistema de transferencias de derechos de los campesinos a las corporaciones de agro-negocios (Alonso-Fradeja et al., 2011, p. 8).

Un estudio presentado en 2011 de 20 poblados más afectadas, tres de los cuales están en la Región de Referencia, demostró que los derechos sobre la tierra habían sido transferidos de campesinos a intere-ses corporativos por pequeñas cantidades de dinero y hasta amenazas y coerción (Alonso-Fradeja et al., 2011, p. 11-12). Estas áreas están habitadas principalmente por pueblos indígenas Maya-Q´eqchi´, inclu-yen el 60% de las tierras de palma aceitera cosechadas y la mayor parte de las nuevas tierras sembradas con palma desde 2005 (Alonso-Fradeja et al., 2011, p. 6-7). Los campesinos reportaron que la mayoría de las veces vendieron sus tierras a los agro-negocios de palma aceitera bien por deseo de liquidez o bien como respuesta a la coerción por parte de terceros. Para 2009, las compañías cultivadoras de pal-

ma africana habían amasado 100,000 ha y 230,000 ha más para caña de azúcar (Guatemala Times, 2011, p. 4). Las operaciones con la caña de azúcar para generar etanol, principalmente para exportación, están en manos de 5 compañías familiares y procesaron en total 790,000 litros en 2007 (El Observador, 2008, p. 31-60), el 20% del cual es consumido localmente mientras que el restante 80% es exportado.

c) Evolución probable de la población de agro-empresas exportadoras

Las tendencias internacionales demandan cada vez más aceite, azúcar y etanol. Esto, asociado a los tratados de libre comercio que firmó Guatemala y la globalización de la economía, sugieren que no es de esperar que los negocios agro-exportadores pierdan de relevancia y empuje en Guatemala en los próxi-mos años. Sin embargo, el impacto sobre los bosques de estos negocios no será siempre directo, siendo que las tierras en manos de empresas agro-exportadoras son también acumuladas comprando tierras a campesinos y grupos más débiles que por su lado tendrán que incorporarse como mano de obra o mi-grar en zonas de frontera para seguir con sus actividades tradicionales, en este caso a costa de los bos-ques.

El impacto ambiental de una nueva plantación de palma podría ser mitigado por planes de usar granjas subutilizadas en vez de tierras en bosques. En realidad, la compra de tierras a campesinos implica mu-chas veces la quema de los bosques remanentes en las tierras compradas, ya que los campesinos nunca deforestan totalmente su predio, debido a la dependencia doméstica de la leña y para otros propósitos.

Por lo descrito anteriormente, es de esperar que la población en las áreas con palmeras en las secciones sureñas de las Tierras Bajas del Norte crezca en los años venideros debido al aumento global del merca-do del aceite de palma y productos derivados.

El área de palma aceitera cosechada a la fecha representa menos del 10% de las tierras en fincas de Guatemala, aunque en algunas comunidades la proporción de tierras en esta actividad sube hasta el 35%-58%. Se calcula que hay un total de 700,000 ha adecuadas para la producción de palma aceitera. La expansión en los últimos 10 años se ha llevado a cabo en bosques tropicales, humedales y áreas dedica-das al cultivo de granos básicos. La cantidad de tierra que se convierte a plantaciones de palma se esti-ma en 8,000 ha/año, de acuerdo con las estadísticas del gremio publicadas recientemente (El Periódico de Guatemala, 2011, p. 1), aunque no toda esta área está en la región de referencia, ni toda ella ha sido establecida deforestando bosques naturales.

En Guatemala se produjeron 160 millones de litros de aceite de palma en 2010 (USDA, 2011, p. 2), la mayoría de los cuales (60%) fueron exportados a plantas internacionales (tales como México) y el resto procesado localmente como aceite comestible y jabón (Alonso-Fradeja et al., 2011, p. 8). Las áreas ac-tualmente plantadas representan solo el 7% del área potencial de 700,000 ha que se estima existe en el país, según un estudio del Ministerio de Agricultura, Ganadería y Alimentos (MAGA), reportado por USDA (2011, p. 11). No hay aún generación local de biodiesel, aunque las refinerías locales tienen la tecnología para hacerlo (Alonso-Fradeja et al., 2011, p. 8).

Relativo a la caña de azúcar, según el Servicio de Agricultura Extranjero de la USDA (2011), Guatemala abastece 44% del etanol de caña de azúcar centroamericano y posee la mitad de las plantas de produc-ción. La legislación futura en Guatemala podría exigir 10% o más de etanol en combustibles para com-pensar importaciones, lo cual creará un incentivo más para expandir el cultivo de la caña. El 70% de la producción de caña actual sobre 230,000 ha es exportado, mientras que el resto abastece el 93% del consumo local. La producción crece 2% al año y se reporta un área potencial total para la actividad de 350,000 ha (USDA, 2011, p. 7).


La cantidad de deforestación cumulada atribuible a la agricultura industrial en la Región de Referencia es 867 km², lo cual ubica en el tercer lugar de agentes de deforestación a este grupo. Este número se calcu-ló a partir del Mapa de Uso y Cobertura de Suelo del año 2010 y los mapas del CEMEC, sobre los cuales se ubicó la agricultura industrial durante talleres con expertos locales (Samoyoa, 2011, p. 15).

Grupo 5: Empresas petroleras

a) Nombre

La presencia de empresas petroleras en las Tierras Bajas del Norte está asociada a fenómenos de defo-restación, así que las “Empresas petroleras” se identifican como un agente de deforestación.

b) Descripción

Desde 2001, el Grupo Perenco Group ha estado extrayendo petróleo del campo petrolero Xan de Petén, localizado en la parte noroeste de la Región de Referencia en el Parque Nacional Laguna del Tigre. Las operaciones de Perenco en Xan son respaldadas por las reglas del parque ya que el campo petrolero existe desde antes que el parque. El petróleo se extrae también del pequeño campo petrolero Rubelsan-to en la parte sureña de las Tierras Bajas del Norte. La compañía también opera 475 km de oleoductos, una terminal petrolera y una pequeña refinería.

Otras compañías petroleras tienen intereses de exploración; de 45 de tales compañías que mostraron interés inicial en explorar los 4 últimos bloques puestos en licitación en abril de 2011, solo Perenco y Ciudad Petén licitaron contratos de exploración en Yalcanix en el Petén (Central America Data, 2011, p. 1). Otras áreas de interés en la Región de Referencia son los bloques petroleros en Alta Verapaz y Qui-che. Se asume que la actividad petrolera es generadora de deforestación porque la infraestructura vial que genera facilita el acceso a áreas con bosque, y además, la actividad misma genera cierta deforesta-ción en los sitios de exploración y extracción.

c) Evolución probable de la población de empresas petroleras

A nivel mundial la demanda de petróleo y sus derivados no cesa de crecer y con ellos el precio del crudo. Guatemala, como todos los países en desarrollo, tiene que invertir muchos recursos nacionales para pagar su factura petrolera, la cual no cesa de aumentar. En los primeros siete meses del 2011, la factura petrolera en Guatemala aumentó 37% ubicándose cerca de los US$1.798 millones, según datos de la Dirección General de Hidrocarburos (DGH) del Ministerio de Energía y Minas (MEM)36. Para el gobierno nacional, encontrar y explotar hidrocarburos que puedan existir en el Petén siempre será un tema atrac-tivo, así que se espera que el número de extractores de petróleo aumenten en cantidad, a medida que se descubra petróleo en los bloques de explotación actual o futura.


La cantidad de deforestación atribuible a la extracción de petróleo no es fácil de estimar. En 2000, se perforaron 32 pozos y se construyeron 120 km de oleoductos dentro del Parque Nacional Laguna del

36 Ver: http://www.americaeconomia.com/negocios-industrias/la-factura-petrolera-de-guatemala-subio-este-

ano

Tigre (WRM, 2000, p. 1). Las instalaciones de la Laguna del Tigre, construidas inicialmente en la década de los 1990s, generaron cortes visibles en franjas de bosque por las carreteras, las almohadillas de per-foración, el desarrollo de gasoductos, la infraestructura física, y los edificios. Todo eso generó impactos sobre la biodiversidad, degradación y deforestación (Theebi.Org, n.d., p. 4; Sader et al., 2000, p. 7). La actividad petrolera no es responsable directa de grandes áreas de deforestación, pero crea oportunida-des para otros agentes de deforestación y degradación de bosques.

3.2 Identificación de las causas directas de la deforestación

Los grupos de agentes de deforestación descritos anteriormente deforestan por causas y motivaciones que en gran parte ya fueron descritas en la sección 3.1. A continuación se hace un breve listado de fac-tores que motivan a los grupos de agentes identificados a generar actividades de cambio de uso del suelo. En carácter itálico se destacan los factores que se consideran las causas principales.

Construcción y mejoramiento de carreteras, incluyendo por la industria petrolera, lo cual facilita el acceso a áreas remotas con bosque

Migración hacia las Tierras Bajas del Norte de familias rurales pobres que buscan oportunidades para subsistir.

Prácticas agrícolas basadas en roza y quema de los agricultores de subsistencia y ganaderos de pequeña escala.

Desplazamiento de la actividad ganadera hacia el norte del país por la ocupación de los pastiza-les del sur por cultivos agro-exportadores (caña de azúcar, palma africana).

Especulación para apropiarse de tierras mediante las prácticas de “mejora”.

Posibilidad de ocultar actividades ilícitas y blanqueo de capitales mediante la actividad ganade-ra.

Expansión de cultivos de agro-exportación en el sur de la región de referencia (palma africana).

Tala ilegal de especies maderables clave (como caoba y cedro), lo cual motiva moverse hacia las zonas con cubierta forestal creando trochas de acceso al bosque

A continuación se hace, por cada grupo de agentes identificado, el siguiente listado:

a) Variables que explican la cantidad de deforestación atribuible al grupo de agentes;

b) Variables que explican la localización de la deforestación atribuible al grupo de agentes.

Por cada uno de esto grupo de variables se identificarán:

1) Las variables clave.

2) Descripción breve.

3) Posible desarrollo de las variables listadas.

4) Medidas que tomará el proyecto para enfrentar las variables (NA en este informe)

Grupo 1 – Agricultores de subsistencia y ganaderos de pequeña escala

Agricultores de subsistencia

a) Variables que explican la cantidad de deforestación:

i. Aumento de la población, como muestran las proyecciones de población del Instituto Nacional de Estadística (Ver T 2).

ii. Hábitos culturales (milpa, barbecho) que no son compatibles con una agricultura más in-tensificada y sostenible (Carr, 2004, p. 5-7).

iii. Presión, amenaza de violencia o conflicto, que obliga a las familias rurales a buscar nue-vas áreas para susiter (Zander & Durr, 2011, p. 3-39; Carr, 2008, p. 5, 8).

iv. Aumento de las necesidades básicas de las familias campesinas, las cuales causan una disminución de la liquidez del agricultor. Eso, combinado con la falta de empleos fuera del predio familiar, obliga a buscar nuevas tierras para cubrir las necesidades básicas (Carr, 2008, p. 5-7; Loening & Markussen, 2003, p. 288-289)

v. Falta de acceso de los pequeños agricultores a buenas tierras agrícolas o tierras foresta-les que puedan utilizarse legalmente siguiendo la tradición cultural (barbecho, milpa) (FAO, 2008, p. 21).

vi. Concentración de las mejores tierras agrícolas en pocas manos (para café, caña de azú-car, palma africana o ganadería), lo que genera familias campesinas que se alimentan con 1,4 hectáreas o menos y con necesidad de migrar en zonas de frontera para subsis-tir (Zander & Durr, 2011, p. 2-40; Guatemala Times 2011, p. 2; ActionAid, 2009, p. 23-24; Carr, 2000, p. 4).

vii. Fuerzas político-económicas y programas que promueven la colonización en tierras de frontera, agricultura de exportación y favorecen a los consumidores urbanos (Carr, 2009, p. 7).

viii. Degradación del suelo, deposición, erosión, plagas, bajos rendimientos (Zander & Durr, 2011, p. 22; Carr, 2008, p. 11-12; Grunberg, 2000, p. 3).

1) Variables clave: Se considera que son las variables i, ii y iii.

2) Breve descripción: Muchas de las variables arriba descritas son cualitativas o difíciles de cuantificar y proyectar hacia el futuro. Algunas se podrían también considerar causas sub-yacentes. Tampoco se pude decir con certeza cuales son las variables más impor-tantes. Sin embargo, todas sugieren que el grupo de pequeños agricultores de subsis-tencias en las Tierras Bajas del Norte seguirá creciendo y con la necesidad de deforestar para su propia subsistencia.

3) Posible desarrollo de las variables calve: Como muestran las proyecciones del Instituto Nacional de Población, la variable que se considera más importante, la población (i) tie-ne proyecciones hacia la alza. La segunda variable (ii – hábitos culturales) generalmente son difíciles de modificar, especialmente en familias rurales pobres, que tienen bajos ni-veles de educación y que ven en sus prácticas tradicionales la única forma de subsisten-cia alcanzable en su medio. La tercera variable (iii – presión, amenaza y conflictos) evo-

lucionará de manera muy dependiente de cómo el gobierno de Guatemala logrará forta-lecer sus instituciones y la gobernanza en el Petén. Debido al tema del narcotráfico y la-vado de capitales se ve difícil, por el momento, que las situación mejore en el corto y mediano plazo, aunque eso depende mucho de la voluntad política, incluyendo de paí-ses extranjeros, de apoyar a Guatemala en estos temas.

Los datos históricos de deforestación en la RBM, las variables clave y su probable evolu-ción futura sugieren que en ausencia de intervenciones adicionales, el grupo de agricul-tores de subsistencia seguirá generando presiones, y hasta presiones mayores, particu-larmente sobre los bosques de la RBM (Estrato 1) pues es allí donde principalmente quedan las tierras que este grupo podría potencialmente colonizar.

4) Medidas que tomará el proyecto para enfrentar las variables: NA

b) Variables que explican la ubicación espacial de la deforestación:

Las variables de localización de agentes son compartidas por todos los agentes. Estas incluyen:

i. distancia a áreas previamente deforestadas (Amor & Christensen, 2008, p. 4)

ii. distancia a caminos (Grandia, 2011, p. 39; Amor & Christensen, 2008, p. 4),

iii. elevación y topografía (Amor & Christensen, 2008, p. 4),

iv. distancia a mercados (Amor & Pfaff, 2008, p. 8), La ubicación de los mercados está rela-cionada con la ubicación de los centros poblados. Ya que no se cuenta con buena infor-mación de tipo espacial sobre centros poblados se utilizará la información sobre la ubi-cación de centros educativos como un proxy de población.

v. limitado control/gobernanza (concesiones) (Grandia, 2011, p. 32; Grandia, 2009, págs. 726-727; LATimes, 2008, p. 2),

vi. áreas protegidas (ya que las áreas protegidas alientan la inmigración a zonas de amorti-guamiento) (Amor & Christensen, 2008, p. 4) y

vii. calidad del suelo (en cinco categorías de USDA) (Amor & Christensen, 2008, p. 4).

1) Variables clave: Todas Las variables claves que fueron listadas han sido utilizadas para la preparación de los “Factor Maps”. Ver sección 2.4.1 para mayor información.

2) Breve descripción:.Las variables arriba descritas influyen todas en la probabilidad de de-forestación de un lugar a otro. Estas variables podrían tener un menor o mayor impac-to dependiendo de la ubicación espacial. Las variables mencionadas en su conjunto pueden representar la facilidad de acceso que los agentes tendrían a las áreas de bos-que potenciales a ser deforestadas

3) Posible desarrollo de las variables calve: Todas las variables que han sido consideras en el modelo son de carácter estático a excepción de la variable distancia a áreas previa-mente deforestadas. Ya que la deforestación es simulada anualmente, se calculan su-perficies de distancia a las nuevas áreas deforestadas para crear el mapa de riesgo de deforestación anualmente.


Ganaderos de pequeña escala:


Se pueden considerar las mismas de los agricultores de subsistencia.


2) Breve descripción: Ver sección 3.1

3) Posible desarrollo de las variables calve: El incremento poblacional tanto en áreas urba-nas como rurales ha conllevado a la necesidad de obtención de bienes domésticos que al ser combinados con la falta de tierras agrícolas causa un problema relacionado con la oferta de estos bienes. La inequidad en términos de acceso a las áreas potenciales para ser cultivadas, el poder y la corrupción están promoviendo políticas encaminadas a la concentración de las tierras en manos de inversionistas en los sectores de la ganadería y la agricultura. Todos estos factores combinados con las mejores decisiones en térmi-nos económicos de los pequeños granjeros, que en la mayoría de los casos consiste en la compra de pequeñas cantidades de ganado, que no requieren de una mano de obra ex-cesiva y que por lo tanto podrían ser más rentables en términos económicos, promue-ven este tipo de actividades frente a algunas actividades agrícolas.

Dado que la situación que enfrentan los pequeños granjeros no parece ser muy alenta-dora hacia futuro, las tendencia a futuro será la búsqueda de mayores rentabilidades que podrían ser alcanzadas reduciendo costos en mano de obra y promoviendo aún más actividades como la ganadería. La deforestación continuará a futuro presionando las áreas remanentes de bosques hasta que no existan áreas para esta actividad o hasta el punto de un nuevo conflicto de tipo civil ocasionado por la distribución de la tierra.



Las variables de localización de agentes son compartidas por todos los agentes, así que no se repiten aquí.

Grupo 2 – Ganaderos de mediana escala


i. Especulación de tierras (La ley de Petén fue creada para evitar la especulación de tierras, pero como requería que los poseedores de tierras tuvieran que trabajarlas durante el primer año (por ejemplo, para la agricultura), alentó la deforestación (Gould, 2009, p75)).

ii. Preferencias de titulación de la tierra (las preferencias eran parte de una vieja política para intentar utilizar sistemas de cuotas para minimizar la práctica de rotación de culti-vos de maíz en Petén, por lo tanto los ganaderos de clase media recibieron mucha y co-lonos pobres recibieron poco, Gould, 2009, p. 71, 75).

iii. Período de existencia de granja (Carr, 2004, p. 8).


2) Breve descripción: Estas variables son ampliamente citadas en la literatura y algunos ex-pertos sugieren aún que la deforestación es causada por la especulación de tierras. En el caso de la colonización en Guatemala se encuentra comúnmente que los programas de titulación han sido ampliamente afectados por la fuerte corrupción con loa cual se ha dado preferencia de tierras a los grandes terratenientes frente a los pequeños agriculto-res. La gente de clase media tiene el acceso a la educación y los medio económicos para tener acceso a las tierras, las cuales los más pobres carecen.

3) Posible desarrollo de las variables calve: ver sección 3.1



Las variables de localización de agentes son compartidas por todos los agentes y no se repiten aquí. Sin embargo, para los ganaderos medianos se podría decir que las siguientes variables es-paciales son particularmente importantes:

i Tierra adecuada disponible de tamaño suficiente (25-100 hectáreas)

ii. Acceso al agua para los animales. Grupo 3 – Ganaderos de gran escala


i. Debilidad de las instituciones encargadas del control y de la vigilancia

ii. Narcotrafico

iii. Blanque de capitales

iv. Riqueza de los ganaderos

v. Desplazamiento desde el sur del pais


2) Breve descripción: Ver sección 3.1

3) Posible desarrollo de las variables calve: ver sección 3.1




i Disponibilidad de fincas ganaderas para comprar

iii. Distancia a cuerpos de agua/acceso al agua (para animales)

iv. Acceso a pastos o tierra apta para la creación de pastos

v. Grado de aislamiento para el desarrollo de la pista de aterrizaje Grupo 4 – Empresas agro-exportadoras


i. Disponibilidad de tierras baratas

ii. Precios de los productos de agro-exportación

1) Variables clave: Se considera que son las variables i y ii.

2) Breve descripción: Ver sección 3.1.

3) Posible desarrollo de las variables calve: Ver sección 3.1




i. Tierra adecuada disponible de tamaño suficiente (25-100 o más hectáreas)

ii. Acceso a mano de obra (informes mixtos)

iii. Condiciones de suelo adecuadas para el cultivo

iv. Distancia al agua / acceso al agua (para riego)

v. Pendiente baja o nula Grupo 5 – Empresas petroleras


i. El número de compañías petroleras que trabajan en las Tierras Bajas del Norte depende de cuánta tierra deja para la exploración el Gobierno, quién gane la licitación para la ex-ploración, cuánto petróleo se encuentra y las necesidades financieras. Por el momento, sólo una compañía está explotando los recursos petroleros en la Región de Referencia.

1) Variables clave: Se considera que son las variables i.

2) Breve descripción: Ver sección 3.1.

3) Posible desarrollo de las variables calve: Ver sección 3.1



La ubicación de los agentes de extracción de petróleo depende de dónde se encuentra petróleo y la viabilidad económica de extraerlo.

3.3 Identificación de las causas subyacentes de la deforestación

Las cinco causas clave subyacentes de la deforestación para el periodo de referencia histórica son:

1) Régimen de propiedad. Tenencia de la tierra desigual, acceso a tierras de titulación y posterior carencia de tierra son algunos de los factores más importantes que han guiado el movimiento de los migrantes de las comunidades de origen a lo largo de la Región de Referencia (Zander & Durr, 2011, p. 5, 7; Grandia, 2006, p. 174-175; Gould, 2006, p. 411; Carr, 2004, pág. 5). La falta de suficientes derechos sobre la tierra ha impulsado a los migrantes a las partes restantes de bosque contiguo (las regiones fronterizas de las áreas protegidas), donde sólo puede tomar ven-taja del mercado informal en la mejora de la tierra mediante la venta de tierras mejoras o mejo-ras (Gould, 2009, p. 411).

2) Existencia de un mercado muy lucrativo en el transporte de mercancías ilícitas a través de la Región de Referencia a México, sin el adecuado control y gobernanza (Banco Mundial, 2011, p. 35);

3) Especulación (Gould, 2006, p. 409) combinada con la necesidad de hacer algo en la tierra mien-tras que está ganando en valor (ganadería) y la falta de liquidez para pagar mano de obra para despejar tierras y preparar esas granjas crean oportunidades temporales para migrantes, cam-pesinos sin tierras que comparten cultivos (Loening & Markussen, 2003, p. 288), limpian la tierra para sobrevivir, y tomar ventaja de técnicas de manejo de la tierra de barbecho y tradicionales para optimizar su escaza mano de obra y recursos de tierra (Grandia, 2011, p. 4).

4) Políticas gubernamentales que promueven la creación de la actividad agrícola de plantación (Grandia, 2011, págs. 13-14, 29; Jaramillo & Kelly, 1997, p. 5, 13, 14), conversión de los derechos de los campesinos mediante la concentración de la tierra (Guatemala veces, 2011, p. 2; Actio-nAid, 2009, p. 23-24) y una educación inadecuada y protección del dinero amarraron a los cam-pesinos de los intereses industriales (Carr, 2008, p. 9, 20).

5) Crecimiento de la población, junto con los cambios de la eficiencia de producción que reducen las oportunidades de empleo (Carr, 2000, p. 3). Insuficiente asistencia técnica para mejorar la eficiencia de la producción (Zander & Durr, 2011, p. 19, 39; Carr, 2000, p. 3) y la falta de suficien-tes oportunidades de empleo dentro y fuera de las granjas con una compensación suficiente en las comunidades de origen y de destino (Carr, 2009, págs. 5-6; Carr, 2000, 3).

A continuación se describe cómo cada causa clave subyacente ha determinado y probablemente deter-minará las causas clave identificada en el paso 3.2 y las decisiones de los grupos de agentes principales identificados en el paso 3.1.

1) Régimen de propiedad. Las decisiones de uso de la tierra de pequeños ganaderos y agricultores de maíz para buscar mejores tierras fueron causadas por una combinación de factores como la falta de empleo agrario dentro y fuera en las comunidades de origen, en la milpa y barbecho, la falta de tierra productiva sostenible y la falta de títulos de propiedad. El acceso a la titulación es-taba atado a la mejora de la tierra, como la deforestación, la tala para pastoreo y agricultura.

Cuando todas las tierras disponibles ya han sido tomadas, el sistema del régimen de propiedad sigue contribuyendo a la deforestación para crear riqueza a través de la participación en el mer-cado informal en mejoras de tierras en el MBR y posterior venta de los derechos de usufructo a medianos ganaderos que utilizan estas tierras para forraje.

2) El apoyo al transporte para el lucrativo mercado ilícito internacional involucra fundamentalmen-te a ganaderos de tamaño medio y grande que realizan estas actividades por ansia de ganancias, fuerza, poder y amenaza de violencia. Estos propietarios deforestan sus tierras para la ganade-ría, pistas de aterrizaje y seguridad.

3) La especulación de tierras es un concepto que ha guiado las decisiones relacionados con las tie-rras en la Región de Referencia desde el momento que comenzaron los esquemas pro-colonización durante los años 80s en Guatemala. Durante la guerra civil, miles fueron desarrai-gados. A mediados de los 90s, con el fin de las hostilidades y el retorno de refugiados proceden-tes de fuera de la región, los organismos y los programas de Gobierno distribuyeron tierras de manera inequitativa, favoreciendo a medianos y grandes ganaderos, que a menudo eran jubila-dos militares y empresarios ausentes. La ganadería es una actividad de bajo costo in situ que puede llevarse a cabo mientras se espera la subida especulativa del valor del suelo.

4) Las políticas gubernamentales ofrecieron suficientes incentivos financieros que los agentes de las plantaciones agrícolas industriales decidieran ampliar sitios existentes de la plantación de caña de azúcar y palma aceitera y desarrollar nuevos sitios. La concentración de la tierra en for-ma de plantaciones y ganadería de gran escala agrava otras causas subyacentes como el creci-miento de la población porque toma tierra de pequeños agricultores que de lo contrario podrían utilizarla para producción de alimentos y subsistencia. Los grandes centros de producción agrí-cola (plantaciones y ganaderías) requieren menos mano de obra por hectárea, creando más desempleo y posteriormente más migración rural.

5) Las causas de la migración rural son complejas. El crecimiento de la población sigue siendo un factor que contribuye en la toma de decisiones de los migrantes a abandonar las comunidades de origen debido a la falta de empleo dentro y fuera de la granja, para buscar oportunidades pa-ra despejar terrenos, cultivar maíz, levantar pequeñas manadas de ganado, así como cultivos compartidos para ganaderos medianos.

A continuación, por cada causa subyacente clave identificada se provee información acerca de su pro-bable futuro desarrollo, citando fuentes de información relevantes.

1) Régimen de la propiedad. La tierra ha empezado a escasear y lo hará más en el futuro (Zander & Durr, 2011, p. 8), debido al crecimiento de la población, la migración y el desplazamiento conti-nuo de la agricultura y ganadería de pequeña escala hacia la mediana y gran escala de ganade-ría y a empresas agrícolas que invierten en plantaciones de gran escala (Palma y caña de azúcar).

2) Fuerzas del mercado ilícito. Informes informales detallan el desarrollo de pistas de aterrizaje en la región de la Laguna del Tigre (Gerby, 2010). Los autores describen la región como ingoberna-ble (Grandia, 2009, p. 727; Ybarra, 2008, p. 50). La prensa detalla la violencia de México que se extienda más allá de su frontera (véase: verde brillante, 2011; Borderland Beat, 2011; LA Times, 2008; NYTimes, 2011; y Guardian, 2011). No hay ninguna información específica sobre el futuro desarrollo de la actividad ilícita, pero hay especulaciones de que los agentes asociados (media-nos y grandes ganaderos) seguirá creciendo y englobarán más pequeñas empresas de agrícolas escala (Zander & Durr, 2011, p. 8).

3) Especulación de tierras. Se espera que los usos de pastos y tierras se expandan en el futuro (fuente: FAO, 2010, pp. 1-4)

4) Políticas de promoción. Se espera que continúe el crecimiento de las plantaciones, especialmen-te de aceite de palma (Zander & Durr, 2011, p. 8, 29).

5) Crecimiento de la población y cambios en la eficiencia de la producción (desarrollo futuro) (Sader et al, 2000, p. 10; Stupp y Bilsborrow, 1989, citado en Carr, 2000, p. 4). Diversas fuentes en línea proyectan tasas que varían desde 2,4 a 2,6% (véase Departamento de estado de los Es-tados Unidos, la CEPAL y los indicadores de desarrollo del Banco Mundial (en Google.Com), por ejemplo); Estas proyecciones sugieren que quizás una duplicación de la población dentro de próximos 25-30 y una mayor urbanización de la población.

- -

4) Para cada uno de ellos había identificado subyacente causa describir el medidas de proyecto que se implementarán para enfrentarlos, si es aplicable.

NA

3.4 Análisis de cadena de acontecimientos que condujeron a la deforestación

Durante años ha habido una relación constante entre los cultivadores de maíz de subsistencia y de me-diano plazo, pequeños, medianos y grandes ganaderos, así como agricultura orientada a las plantaciones en la Región de Referencia. La región ha sufrido cambios dramáticos desde principios de los 80s debido a la distribución desigual y sesgada de la tierra, favoreciendo a intereses ganaderos de gran y mediana escala sobre la agricultura de maíz. El régimen de propiedad ha cambiado con el tiempo; sin embargo, la especulación de tierras intenta ganar títulos claros y se usa el mercado gris en mejoras de bienes raíces, todo lo cual ha impulsado la deforestación. Los migrantes rurales normalmente llegaron desde las co-munidades de origen donde la tierra o el empleo fueron escasos, insuficientes o inadecuados para bus-car nuevos sitios para cultivar y criar ganado. Estos migrantes necesitan empleo agrario dentro y fuera del predio para tener acceso a la tierra y crear ingresos suficientes, a menudo aparcería o alquiler de tierras de hacendados de mediana escala a cambio de acceso. Los agricultores en pequeña escala rara vez aclaran completamente sus tierras, suelen mantener una parte de las mismas en bosque, creando un mar de las islas de parches de bosque restante. Los ganaderos medianos utilizan los agricultores de subsistencia migrantes como obreros, para clarear de bosques sus tierras para pastos y cosecha. Los pensionados y trabajadores militares, así como los más ricos propietarios ausentes han adquirido tierras y creado fincas y ganaderías.

Los grandes ganaderos compran o toman tierras de migrantes y ganaderos medianos, según sea necesa-rio, a menudo talando la totalidad, pero no necesariamente para usar la tierra en producción de ganado. Informes documentados demuestran que los ganaderos de mediana y gran escala han participado en las actividades de transporte ilícito en la región. Las empresas de inversión a gran escala, nacional y multi-nacional, están adquiriendo tierras de los pequeños productores en el centro y sur de la Región de Refe-rencia, para cultivos de caña de azúcar y palma aceitera. Un conglomerado monopólico internacional con interés en petróleo ha estado operando en la Región de Referencia desde el decenio de 1990; Esta firma y otra han pujado recientemente por una exploración adicional en la Región de Referencia. La infraestructura actual de oleoducto es de 475 km. El hallazgo adicional de petróleo probablemente pro-ducirá la deforestación adicional a través de la compensación para bombas y redes de tuberías de distri-bución.

3.5 Conclusiones

Tal como se presenta en las secciones anteriores, pruebas concluyentes de varias fuentes señalan una tendencia al aumento de las tasas de deforestación en la Región de Referencia en todos los tres estratos examinados. La evidencia muestra que en el Estrato 1 quedan pocas áreas boscosas protegidas, las cua-les sufrirán una extracción continua de los agricultores de subsistencia rurales migrantes de pequeña escala y los ganaderos, porque en estas zonas quedan las únicas ubicaciones contiguas donde el trabajo se puede convertir en dinero sin propiedad de la tierra o de compra; estas zonas permanecerán bajo la presión creciente de los agentes de deforestación para crear derechos de usufructo que posteriormente pueden venderse para recaudar dinero para estos agentes y proporcionar pastos adicionales para la posterior expansión de medianos y grandes ganaderos. Los análisis de la época más reciente de las ca-pas de la deforestación histórica demuestran claramente esta expansión de la extracción forestal y la actividad ganadera en las partes occidentales de la RBM, especialmente en las áreas de las concesiones forestales fallidas. Sin una mejor gobernanza que podría conseguirse con los créditos creados por inver-sión de REDD, es probable que la expansión de los intereses actualmente ingobernables en los alrededo-res de la Laguna del Tigre es probable se moverán hacia el este debido a la disminución de la disponibili-dad. En el Estrato 2, la evidencia es concluyente que la deforestación aumentará sin cesar (según lo con-firmado por los análisis de tendencias de deforestación histórica reciente) hasta que todos los bosques en este escenario estén empobrecidos o convertidos a pastizales. En el estrato 3, la evidencia histórica también es concluyente que las tasas seguirán una tendencia al alza. Estas tierras han estado bajo ex-trema presión de todos los agentes y causas, y habiendo sufrido además esta presión de desarrollos agrícolas industriales en forma de plantaciones de palma aceitera y de caña de azúcar, tienen la mayor escasez de tierra contigua disponible; por el contrario, esta región se compone de un mar de fragmentos de bosque. La mayoría de la población de Región de Referencia vive en el Estrato 3; aquí existen redes de transporte clave para mover estas personas, bienes y combustible y nuevos hallazgos de petróleo aumentarán las necesidades de expandir los gasoductos con el consecuente aumento de la deforesta-ción. Todos los estratos de Región de Referencia están sometidos además a eventos extremos de incen-dios y quema de biomasa, agravando aún más la deforestación.

Paso 4: Proyección de la deforestación futura

4.1 Proyección de la cantidad de deforestación futura

Para la proyección de la cantidad de deforestación futura se consideró por un lado el resultado de los análisis de agentes y causas de la deforestación y por el otro las tendencias históricas de deforestación observadas en diferentes partes de las Tierras Bajas del Norte. Se ensayaron diversas formas de dividir, o estratificar, la región de referencia según la presencias/ausencia de diversos grupos de agentes de deforestación y por cada estrato se determinó la tendencia histórica de deforestación. Este procedi-miento se repitió varias veces, hasta que se encontró una estratificación que se consideró consistente con la descripción de agentes y causas, su ubicación en el espacio y las tasas históricas de deforestación. Luego, para cada estrato se procedió a desarrollar un modelo de proyección de la tasa de deforestación. Los estratos generados fueron los siguientes:

Estrato 1: Este estrato comprende la RBM excluyendo de ella la zona de amortiguamiento. En este estrato del modelo se incluyen unidades de manejo (otorgadas bajo concesión a organiza-ciones comunitarias e industriales), corredores biológicos, monumentos culturales y natura-les, y zonas de uso especial.

Estrato 2: Es la zona de amortiguamiento que corresponde al área agrícola de uso poblacional adya-cente a las áreas protegidas.

Estrato 3: Corresponde al resto del área de la región de referencia o Tierras Bajas del Norte.

Las áreas de los estratos son estáticas, es decir no cambian para los 30 años en los cuales se proyectó la deforestación de línea base.

La Tabla 8 presenta las áreas de cada uno de los estratos del modelo desde el año 1 hasta el año 2030, las cuales, como ya se mencionó, no cambian a futuro.

Los estratos de la región de referencia a partir de un archivo raster37 se presentan en la Figura 10.

Figura 10. Estratos de la región de referencia para los cuales se desarrollaron modelo específicos de proyección de la tasa de deforestación.

37 Documentacion_Guatemala\Tendencias_tasas_historicas\Estratos.tif

4.1.1 Selección del enfoque de línea base

De los tres enfoques propuestos por la metodología VM0015 para la proyección de las tasas futuras de deforestación se utiliza el enfoque “a” para la los Estrato 2 y 3, y el enfoque “b” para el Estrato 1.

Justificación de los enfoques escogidos

Estrato 1: El análisis de agentes y causas de la deforestación para este estrato arroja evidencias conclu-yentes que en el Estrato 1 la deforestación es muy probable de aumentar en el futuro. No so-lamente existe una gran presión por una variedad de agentes y causas subyacentes, sino que todavía existen grandes extensiones de bosque expuestas al riesgo de deforestación. Ade-más, ya existen indicios de que los mismos concesionarios forestales de la ZUM, quienes fue-ron los más efectivos en detener la deforestación hasta ahora, están teniendo cada vez más dificultades para mantener el control de sus áreas concesionadas. De hecho, de las doces concesiones forestales, dos fueron rescindidas en 2009 (San Miguel la Palotada y La Colora-da) debido a problemas de invasión y deforestación, y otras 4 están en riesgo de correr el mismo destino (Uaxactún, Carmelita, Cruce a la Colorada, La Pasadita), estando condiciona-das por el CONAP en este momento.

Estas observaciones se confirman con los resultados de un análisis multi-temporal de la defo-restación para el período 2000-2010 que se muestra más adelante. Este análisis muestra cla-ramente una tendencia al aumento de la deforestación a lo largo del tiempo en el Estrato 1. Por estas razones, el enfoque “b” se considera el más apropiado para proyectar la deforesta-ción en el Estrato 1.

Estrato 2: El análisis de agentes y causas de la deforestación para este estrato arroja evidencias conclu-yentes que en el Estrato 2 existe todavía una fuerte amenaza de deforestación. Los análisis históricos de la deforestación la deforestación muestran además tasas históricas muy eleva-das y un ligero aumento para el período 2007-2010 comparado con 2000-2007. Sin embargo, en el Estrato 2 no existen grandes extensiones de bosque de frontera, así que se anticipa que la tasa de deforestación no seguirá aumentando por mucho tiempo en este estrato. Por lo tanto, y en aras de generar proyecciones conservadoras, se considera apropiado el enfoque “a” (promedio histórico) para este estrato.

Estrato 3: Es en este estrato que se genera la mayor presión por empresas agro-exportadoras. Las evi-dencias encontradas con el análisis de agentes y causas de la deforestación podrían dejar pensar que las tasas futuras de deforestación aumentarían en un futuro en este estrato. En efecto, los datos históricos de deforestación para el periodo 2007-2010 muestran tasas anua-les más altas que en el período 2000-2007, sin embargo la diferencia no es mucha. Conside-rando además que los bosques primarios remanentes ya no cubren grandes extensiones del Estrato 3 se considera más conservador proyectar la tasa futura con el enfoque “a” (prome-dio histórico).

A continuación se explican los procedimientos técnicos utilizados para evaluar las tasas históricas de deforestación en los tres estratos.

Evaluación del comportamiento de tasas históricas por estrato

Dado que la metodología requiere de evidencia concluyente sobre las tendencias de las tasas históricas, se evalúo el comportamiento de estas en cada estrato.

Los Mapas de Uso y Cobertura del Suelo sin la unidad mínima de mapeo 200038, 2007Error! Bookmark not

defined.y 201039 fueron divididos de acuerdo a los estratos del modelo para realizar los cálculos individua-

les de las tendencias de las tasas de deforestación.

Estrato 1:

A partir del mapa de cobertura40 para el Estrato 1 para el año 2000 se realizaron los cálculos de áreas considerando que los pixeles tienen una resolución espacial de 60 x 60 metros. Ver T 9.

T 9. Áreas de coberturas para el Estrato 1 en el año 2000

Clase Value Count Área (ha)

No bosque 1 728.497,00 262.258,92

Bosque 2 3.783.091,00 1.361.912,76

A partir del mapa de cobertura41 para el Estrato 1 para el año 2007 se realizaron los cálculos de áreas considerando que los pixeles tienen una resolución espacial de 60 x 60 metros. Ver T 10 .



No bosque 1,00 879.233,00 316.523,88

Bosque 2,00 3.632.355,00 1.307.647,80

A partir del mapa de cobertura42 para el Estrato 1 para el año 2010 se realizaron los cálculos de áreas considerando que los pixeles tienen una resolución espacial de 60 metros. Ver T 11



No bosque 1 1.042.698,00 375.371,28

Bosque 2 3.468.890,00 1.248.800,40

Para el cálculo de las tasas de deforestación se aplicó la ecuación 4 de la metodología VM0015. De esta manera se obtuvieron las tasas de deforestación que se muestran en T 12, T 13 y T 14.

T 12. Tasa de deforestación 2000-2007 en el Estrato 1

Clase ARR1 ARR2 RBSLRR1

38 C:\Users\Juan\Desktop\Documentacion_Guatemala\Reclas_bosque_no_bosque\cob_re00re.tif 39 C:\Users\Juan\Desktop\Documentacion_Guatemala\Reclas_bosque_no_bosque\cob_re10re.tif 40 C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_1.tif 41

C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\defo07_1.tif 42 C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\defo10_1.tif

2000 2007 2000-2007

No bosque 262.258,92 316.523,88 2,72%

Bosque 1.361.912,76 1.307.647,80 -0,58%


Clase ARR1 2007

ARR1 2010

RBSLRR1 2007-2010

No bosque 316.523,88 375.371,28 5,85%

Bosque 1.307.647,80 1.248.800,40 -1,52%


Clase ARR1 2000

ARR1 2010

RBSLRR1 2000-2010

No bosque 259.724,52 375.371,28 3,75%

Bosque 1.364.447,16 1.248.800,40 -0,88%

Estrato 2:

A partir del mapa de cobertura43 del Estrato 2 para el año 2000 se realizaron los cálculos de áreas consi-derando que los pixeles tienen una resolución espacial de 60 x 60 metros.



No bosque 1 702.495,00 252.898,20

Bosque 2 585.736,00 210.864,96




No bosque 1 884.220,00 318.319,20

Bosque 2 404.011,00 145.443,96


43 C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_2.tif 44




No bosque 1 980.377,00 352.935,72

Bosque 2 307.854,00 110.827,44

Con los datos de las tablas T 15, T 16 y T 17 se calcularon, utilizando la ecuación 4 de VM0015, las tasas de deforestación que se muestran en T 18, T 19 y T 20.


Clase ARR2 2000

ARR2 2007

RBSLRR2 2000-2007

No bosque 252.898,20 318.319,20 3,34%

Bosque 210.864,96 145.443,96 -5,17%


Clase ARR2 2007

ARR2 2010

RBSLRR2 2007-2010

No bosque 318.319,20 352.935,72 3,50%

Bosque 145.443,96 110.827,44 -8,66%


Clase ARR2 2000

ARR2 2010

RBSLRR2 2000-2010

No bosque 252.898,20 352.935,72 3,39%

Bosque 210.864,96 110.827,44 -6,23%

Estrato 3:

A partir del mapa de cobertura46 del Estrato 3 para el año 2000 se realizaron los cálculos de áreas consi-derando que los pixeles tienen una resolución espacial de 60 x 60 metros. .



No bosque 1 3.277.209,00 1.179.795,24

Bosque 2 2.379.806,00 856.730,16


46 C:\Users\Juan\Desktop\Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_3.tif

T 22. Áreas de coberturas para el estrato 3 en el año 2007


No bosque 1 3.928.669,00 1.414.320,84

Bosque 2 1.728.346,00 622.204,56

A partir del mapa de cobertura48 del Estrato 3 para el año 2010 se realizaron los cálculos de áreas consi-derando que los pixeles tienen una resolución espacial de 60 metros.



No bosque 1 4.180.063,00 1.504.822,68

Bosque 2 1.476.952,00 531.702,72

Con los datos de las tablas T 21, T 22 y T 23 se calcularon, utilizando la ecuación 4 de VM0015, las tasas de deforestación que se muestran en T 24, T 25 y T 26.


Clase ARR3 2000

ARR3 2007

RBSLRR3 2000-2007

No bosque 1.179.795,24 1.414.320,84 2,62%

Bosque 856.730,16 622.204,56 -4,47%


Clase ARR3 2007

ARR3 2010

RBSLRR3 2007-2010

No bosque 1.414.320,84 1.504.822,68 2,09%

Bosque 622.204,56 531.702,72 -5,10%


Clase ARR3 2000

ARR3 2010

RBSLRR3 2000-2010

No bosque 1.179.795,24 1.504.822,68 2,46%

Bosque 856.730,16 531.702,72 -4,66%

T 27. Resumen tendencias históricas de tasas de deforestación por estrato

Estrato RBSLRR RBSLRR RBSLRR

47


2000-2007 2007-2010 2000-2010

Estrato 1 -0,58% -1,52% -0,88%

Estrato 2 -5,17% -8,66% -6,23%

Estrato 3 -4,47% -5,10% -4,66%

Figura 11. Tasa de deforestación para los estratos de la región referencia en diferentes periodos históricos

Para el Estrato 1 se tiene evidencia concluyente que sugiere un incremento en las tasas de deforestación a futuro, por lo tanto se opta por usar un enfoque de tipo “b” para este estrato.

Para los estratos 2 y 3 se tienen evidencia concluyente del aumento en las tasas de deforestación a futu-ro. Sin embargo la metodología permite utilizar un enfoque de tipo “a” para ambos estratos cuando se da esta situación por principios de conservadurismo. En este caso se opta por una proyección conserva-dora por las razones que fueron expuestas anteriormente.

4.1.2 Análisis de restricciones para la expansión de la deforestación

1) Identificación de criterios que restringen la posibilidad de deforestar (land use constraints)

Como variables biofísicas y socioeconómicas que restrinjan el uso del suelo por los grupos de agentes de deforestación identificados se consideraron las siguientes:

Aptitud del suelo: se anticipó que áreas con mayor aptitud para la agricultura y la ganadería po-drían ser las más buscadas por los agentes de deforestación.

RBSLRR,2000-2007 RBSLRR,2007-2010 RBSLRR,2000-2010

Estrato 1 -0.58% -1.52% -0.88%

Estrato 2 -5.17% -8.66% -6.23%

Estrato 3 -4.50% -5.30% -4.74%

-0.58%

-1.52% -0.88%

-5.17%

-8.66%

-6.23%

-4.50%

-5.30% -4.74%

-10.00%

-9.00%

-8.00%

-7.00%

-6.00%

-5.00%

-4.00%

-3.00%

-2.00%

-1.00%

0.00%

tasa

def

ore

stac

ión

Pendientes: se supuso que entre más son elevadas, menos atractivo es el terreno para los gana-deros y los agricultores.

Disponibilidad de agua: este es un factor limitante para los cultivos y sobre todo para el ganado, particularmente en el Petén, donde los suelos calcáreos se secan mucho durante la época seca.

Acceso: normalmente áreas cercanas a caminos y otras vías de acceso (p. ej. cuerpos de agua navegables) son preferidos por los agentes de deforestación.

Control y vigilancia: como se mencionó en el análisis de agentes y causas de la deforestación, los agentes identificados buscan por varias razones las áreas de frontera que tienen todavía poco control y vigilancia, pues es allí donde pueden establecer sus actividades, tomar posesión, de-mostrar “mejoras” y, posteriormente, en el caso de los grupos más poderosos en particular, re-clamar un título sobre la tierra.

Aptitud del suelo

Para determinar si la aptitud del suelo incide en las decisiones de los agentes para deforestar se utilizó el mapa de uso potencial del suelo49 del USDA50 para dividir la región de referencia en clases de capacidad de uso del suelo. Luego, utilizando los métodos descritos en la sección anterior, se calculó la tasa de deforestación histórica del periodo 2000-2010 para cada una de las clases de capacidad de uso del sue-lo, obteniéndose los resultados que se muestran en T 28. Para automatizar el cálculo de las tasas de deforestación se creó un modelo51 en Dinamica ego.

T 28. Tasa bruta anual de deforestación del período 2000 - 2010 por clase de capacidad de uso del suelo de USDA

Capacidad del suelo USDA

Descripción RBSLRR 2000-2010

II uso agrícola con pocas limitantes -3,75%

III uso agrícola con limitantes -3,04%

IV uso agrícola con diversas limitantes -1,49%

V usos silvo-pastoriles, forestales y

de protección -2,11%

VI útil para cultivos permanentes y

sistemas agroforestales -3,10%

VII agrupa suelos apropiados para la

explotación forestal -2,30%

49 Documenta-

cion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Capacidad_uso_del_suelo\Capacidad_uso_de_la_tierra

51 Documentacion_Guatemala\Constraints\Tasa_bruta_anual_capacidad_suelo.ego

Capacidad del suelo USDA

Descripción RBSLRR 2000-2010

VIII se le asignan usos preferentemen-

te de conservación o protección -1,86%

Como se puede observar en T 28, todas las clases de capacidad de uso del suelo presentaron algún gra-do de deforestación. Tasas mayores no están necesariamente asociadas a clases más deseables para las actividades agropecuarias. Viendo este resultado, se consideró que el criterio de “capacidad de uso” no es determinante para las decisiones de deforestación de los agentes. Este resultado es consistente con el análisis de agentes y causas de la deforestación, donde se recalcó que algunos grupo de agentes (ga-naderos grandes) están motivados por razones que no son necesariamente la producción agropecuaria, sino la especulación sobre la tierra y el narcotráfico. Por lo tanto, este criterio se excluyó para la crea-ción del Mapa de Máxima Deforestación Potencial (Maximum Potential Deforestation Map).

Asimismo, dado que no se observa una clara tendencia entre la capacidad de uso los suelos y la tasa deforestación (ver p.ej. la clase IV) esta variable no se usó para estratificar el Mapa de Máxima Defores-tación Potencial en áreas de deseabilidad óptima, promedio y sub-optima.

Sin embargo, el análisis de la deforestación histórica en las diferentes clases de capacidad de uso del suelo permite observar que la capacidad de los suelos no excluye ninguna área de la región de referen-cia del riesgo de deforestación, pues hasta en la clase de capacidad menos favorable para las actividades agropecuarias (la clase VIII) tiene una tasa de deforestación del -1.86%.

Pendientes

El mismo procedimiento descrito para el mapa de capacidad de los suelos fue realizado con el mapa52 de categorías de pendientes del USDA. Los cálculos de tasas de deforestación para cada categoría de pen-diente fueron igualmente realizados en un modelo en Dinamica Ego.

En T 29 se puede apreciar que la deforestación se da en todas las categorías de pendientes. Por lo tan-to, la pendiente no excluyen áreas del Mapa de Máxima Deforestación Potencial.

Sin embargo, la tasa de deforestación muestra una relación inversa con la pendiente, siendo más alta en áreas planas y más baja en áreas de pendientes fuertes, lo cual es consistente con lo que se podría espe-rar. Por lo tanto, la variable “pendiente” se consideró para la estratificación del Mapa de Máxima Defo-restación Potencial en áreas de deseabilidad óptima, promedio y sub-optima (“optimum”, “average”, “sub-optimum”).

En T 29 se puede observar que se clasificó cada clase de pendiente en un nivel cualitativo de susceptibi-lidad (o riesgo) de deforestación. Esta clasificación se utilizó posteriormente como criterio para estratifi-car Mapa de Máxima Deforestación Potencial en áreas de deseabilidad óptima, promedio y sub-optima.

52 Documentacion_Guatemala\Constraints\pendiente.tif

T 29. Tasa bruta anual de deforestación del periodo 2000 - 2010 por clases de pendiente USDA

Clase de pendiente

% de pendiente RBSLRR

2000-2010 Susceptibilidad

1 <4% -2,58% alta

2 4-8% -2,48% alta

3 8-16% -2,14% alta

4 16-32% -1,67% media

5 >32% -1,29% baja

Disponibilidad de agua

Para evaluar esta variable se creó un mapa de clases de disponibilidad de agua. Para este fin se utilizó una mapa raster53 de distancia tanto a cuerpos de agua como a ríos para luego determinar las tasas his-tóricas de deforestación en función de rangos de distancia. Los pixeles del mapa de cobertura del año 201054 fueron usados como mascara para extraer las distancias a las cuales se había presentado la defo-restación en este mismo período. Con el nuevo raster55 generado se pudo apreciar que la distancia má-xima a la que se daban pixeles deforestados era de 31,253 metros. De esta manera se excluyó del Mapa de Máxima Deforestación Potencial todas las áreas a distancias mayores a 31,253 metros, siendo 32,207 metros la distancia máxima a la que se dan cuerpos de agua en la región de referencia.

Considerando las distancias en las cuales se dio deforestación se dividió el área en clases de susceptibili-dad alta, media y baja, como se muestra en T 30, lo cual fue posteriormente utilizado como criterio para estratificar el Mapa de Máxima Deforestación Potencial en áreas de deseabilidad óptima, promedio y sub-optima.

T 30. Tasa bruta anual de deforestación del periodo 2000- 2010 por rangos de distancia a fuentes de agua

Rango de dis-tancia

Rango de distancia a cuerpos de agua en mts

RBSLRR 2000-2010

Susceptibilidad

1 0.00 - 10,417.66 -2,59% alta

2 10,417.66 - 20,835.33 -1,17% media

3 20,835.33 - 31,253.00 -0,0000958% baja

4 31,253.00 - 32,207.00 -0,00% N/A

53 Documentacion_Guatemala\Constraints\dis_agua.tif 54

Documentacion_Guatemala\Constraints\cob_re10re.tif 55 Documentacion_Guatemala\Constraints\Ex_disAgua.tif

Acceso

Se calculó la densidad de vías con un mapa56 de densidad de Kernel teniendo en cuenta tanto las vías pavimentadas del año 2000 como las no pavimentadas del mismo año. Este mapa de densidad fue con-vertido a un raster57 de tipo categórico con los rangos que se presentan en T 31.

Se utilizó un radio de 10 Km y la unidad de kilómetros cuadrados para hacer este análisis.

La tasa de deforestación de cada una de las clases de densidad de vías fue calculada con un modelo 58 en Dinamica Ego.

T 31. Tasa bruta anual de deforestación del periodo 2000 - 2010 por clases de densidad de vías del año 2000

Clase Rango de densidad de vías km/km2 RBSLRR

2000-2010

1 0.00 – 0.172626 -2,002%

2 0.172626 – 0.345251 -5,086%

3 0.345251 – 0.517877 -4,708%

No se encontró una relación clara entre la variable tasa de deforestación y la densidad de vías, el criterio que se utilizó para evaluar la variable “acceso”. Por lo tanto, el “acceso” no permitió excluir áreas del Mapa de Máxima Deforestación Potencial.

Control y vigilancia

Para medir el nivel de control y vigilancia en diferentes áreas de la región de referencia se buscaron va-rios indicadores, tales como número de guarda parques, presencia de puestos de vigilancia, percepción de actores locales. No se encontró ningún indicado que tuviera mediciones para todas las áreas, así que se tuvo que realice una asignación del grado de susceptibilidad de 1 (alto nivel de control y vigilancia) a 3 (bajo nivel de control y vigilancia) para cada uno de los polígonos de categoría de uso legal evaluando cualitativamente la información disponible. A pesar de las limitaciones metodológicas de este enfoque, se decidió mantener el criterio “control y vigilancia” porque el análisis de agentes y causas arrojó evi-dencias que los agentes de deforestación son atraídos por áreas de frontera que tienen bajos niveles de control y vigilancia. El resultado de la evaluación se presenta en T 32..

T 32. Susceptibilidad estimada a partir del nivel de control y vigilancia en las diferentes áreas de la región de referencia

Polígono categoría legal Susceptibilidad

Zona de Uso Especial Zona de Uso Especial PNLT, O* 2

Parque Nacional Laguna del Tigre 3

Zona de Uso Especial Zona de Uso Especial PNLT, N* 3

56 Documentacion_Guatemala\Constraints\densidad_vias.tif 57

Documentacion_Guatemala\Constraints\DenViasCat.tif 58 Documentacion_Guatemala\Constraints\Tasa_bruta_anual_densidad_vias.ego


Parque Nacional Mirador - Río Azul 2

Biotopo Dos Lagunas 2

Concesión Comunitaria 2

Concesión Comunitaria en Trámite 2


Corredor Biológico 2


Concesión Industrial 2

Biotopo Laguna del Tigre 2



Zona de Uso Múltiple ZUM Sur Central 2



Biotopo San Miguel la Palotada 2

Polígono Comunitario 2

Parque Nacional Tikal 1

Zona de Uso Especial San Miguel la Palotada - Tik* 2

Zona de Amortiguamiento Zona de Amortiguamiento 3

Parque Nacional Sierra del Lacandón 2


Zona de Uso Especial San Miguel la Palotada - Tik* 2

Biotopo Cerro CahuÝ 2

sd Espacio RBM-Mirador 2

Concesión Industrial 2

Reserva Municipal Bioitzß 2

Parque Nacional Lengua de tierra por la ley 2

Polígono Comunitario 3


Parque Nacional Yaxhß Nak·m Naranjo 2

Zona de Uso Especial Ruta a Melchor de Mencos 3

sd Espacio Suchitßn-Frontera 2





Monumento Cultural 2


Zona de Amortiguamiento Complejo III APS 3


Reserva de la Biosfera Monta±as Mayas 2

Zona de Amortiguamiento Complejos I y II APSP 3

Refugio de Vida Silvestre El PuctÚ 2

Parque Nacional El Rosario 2

Monumento Cultural Ceibal 2

Refugio de Vida Silvestre Petexbat·n 2

Monumento Cultural Dos Pilas 2

Zona de Amortiguamiento Complejo IV APSP 3

Monumento Cultural Aguateca 2

Refugio de Vida Silvestre Machaquilß 2

Reserva Biol¾gica San Romßn 2

Refugio de Vida Silvestre Xutilhß 2

Parque Nacional Laguna Lachua 2

Parque Nacional Laguna Lachua 2

Parque Nacional Laguna Lachua Amortig 3

Al polígono que queda por fuera de estas áreas le fue asignado un valor de susceptibilidad de 3 igual-mente.

2) Estimación del área remanente de bosque que podría ser convertida a no-bosque

El objetivo de estimar el área remanente de bosque que podría ser convertida a no-bosque utilizando los criterios seleccionados en el paso anterior es generar el Mapa de Máxima Deforestación Potencial (“Maximum Potential Deforestation Map”). Este mapa excluye del área de bosque existente en el año 2010 las áreas con cobertura forestal que por su condición, según los criterios seleccionados, no podrían ser deforestados. Aplicando los criterios seleccionados en el paso 1 solamente la disponibilidad de agua resulta un criterio que excluye áreas. Al aplicar este criterio se generó el Mapa de Máxima Deforesta-ción Potencial, el cual excluye 726.12 hectáreas de las que existían con bosque en el año 2010 (ver Figu-ra 14)59.

Para saber si es necesario estratificar el Mapa de Máxima Deforestación Potencial en áreas de deseabili-dad óptima, promedio y sub-optima se procedió primero a evaluar si el área potencialmente deforesta-ble del Mapa de Máxima Deforestación Potencial es menor de 100 veces el área promedio deforestada en el período 2000-2010, lo cual es el criterio de la metodología VM00015, V1.0 1 que determina si se debe o no estratificar en clases de deseabilidad. Para hacer esta determinación, se calculó el área media deforestada en el período 2000-2010 con un modelo60 en Dinamica Ego para toda la región de referen-cia.

59

El área excluida, siendo muy pequeña, no es visible a la resolución del mapa desplegado en la Figura 14. 60 Documentacion_Guatemala\Constraints\Cantidad_bruta_anual.ego

A partir del número de pixeles del mapa raster de coberturas del año 200061 se calculó el área de “bos-que” y “no-bosque” como se muestra en T 32.

T 32. Área de bosque y no-bosque para el año 2000

Clase Value Count Hectáreas

No Data -99 4.675.714,00 1.683.257,04

No-bosque 1 4.709.034,00 1.695.252,24

Bosque 2 6.749.140,00 2.429.690,40

El mismo procedimiento se realizó para el mapa realizado raster de coberturas del año 201062

T 33. Área de bosque y no-bosque para el año 2010

Clase Value Count Hectáreas

No Data -99 4.675.714,00 1.683.257,04

No-bosque 1 6.204.040,00 2.233.454,40

Bosque 2 5.254.134,00 1.891.488,24

Con los datos de las tablas T 33 y T 34 se determinó el área media deforestada anualmente en la región de referencia entre 2000 y 2010:

Del Mapa de Máxima Deforestación Potencial se extrajo que el área máxima potencialmente deforesta-ble en el año 2010 es de 1,891,488.24 hectáreas. Esta área es menor de 100 veces el área promedio deforestada entre 2000 y 2010.

>

Por lo tanto, se concluyó que una división del Mapa de Máxima Deforestación Potencial en áreas de deseabilidad óptima, promedio y sub-optima es necesaria (Figura 14).

61

Documentacion_Guatemala\Constraints\cob_re00re.tif 62 Documentacion_Guatemala\Constraints\cob_re10re.tif

Figura 14. Mapa de Máxima Deforestación Potencial estratificado en clases de deseabilidad óptima, promedio y sub-optima

La división en estratos de deseabilidad se realizó combinando las variables-criterio seleccionadas en el paso 1 (pendiente, disponibilidad de agua y control y vigilancia), categorizadas en clases de susceptibili-dad “alta”, “media” y “baja”, como se mostró en las tablas T 29, T 30 y T 32.

A cada uno de los mapas-criterio de pendientes63, disponibilidad de agua64 vigilancia y control65 se les asignó un valor entre 1 y 3, donde 3 representa las susceptibilidad más alta, 2 el valor medio y 1 la más baja. Estos tres mapas fueron multiplicados para obtener un raster66 con rangos de datos desde 0 hasta

63 Documentacion_Guatemala\Constraints\pendienteConst.tif

64 Documentacion_Guatemala\Constraints\Dispo_aguaConstr.tif

65 Documentacion_Guatemala\Constraints\Cat_legalConstra.tif

66 Documentacion_Guatemala\Constraints\Contraints.tif

27. Valores entre 1-9 se clasificaron como sub-optimo, valores entre 9-19 como medio y entre 18-27 como óptimos. Finalmente se obtuvo el mapa deseabilidad (“constraints”)67.

4.1.3 Proyección cuantitativa de la deforestación futura

4.1.3.1 Proyección cuantitativa de las áreas anuales de deforestación en la región de referencia

Estrato 1

Por las razones expuestas en la sección 4.1.1, la proyección cuantitativa de la deforestación futura para el Estrato 1 se hace utilizando el enfoque “b”. El uso de este enfoque es aplicable solamente si existen varias observaciones de la deforestación en un período histórico de referencia que permitan generar un modelo de regresión del tipo: Área deforestada = f (tiempo)). Por lo tanto, fue necesario crear una serie histórica de mapas de cobertura “bosque” – “no-bosque” que permitiera calcular áreas deforestadas en varios períodos de tiempo para el Estrato 1.

Para obtener la serie histórica de áreas deforestadas en el Estrato 1 se obtuvo del CEMEC un Mapa de Cambios de Cobertura del Suelo68 que muestra cambios ocurridos desde el año 1986 hasta el año 2009 (Figura 16). Considerando que no existe documentación técnica detallada sobre los métodos utilizados para generar el Mapa de Cambios 1986 – 2009 se verificó que para los años 2000 y 2007 el área con cobertura forestal no fuera menor de la que aparece para el Estrato 1 en los Mapas de Uso y Cobertura del Suelo de los años 2000 y 2007 utilizados en el resto del estudio. Se comprobó que para el año 2000 el Mapa de Cambios 1986 - 2009 muestra 4.174,46 ha de bosque más para el Estrato 1 que el Mapa de Uso y Cobertura del Suelo del año 2000, y que para el año 2007 la diferencia fue de 5.801,30 ha compa-rado con el Mapa de Uso y Cobertura del año 2007. Por lo tanto, se concluyó que el Mapa de Cambios 19986 – 2009 es conservador y una fuente válida para estimar un modelo de regresión con el enfoque “b”.

El Mapa de Cambios 1986 – 2009 fue cortado para el área correspondiente al Estrato 1 para obtener las áreas deforestadas históricamente en el Estrato 1 y generar un modelo de regresión a partir de estos datos. El modelo en Dinámica Ego usado para cortar los datos se muestra en la Figura .

67 Documentacion_Guatemala\Constraints\ContraintsFin.tif 68 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\cam-09-vf.tif

Figura 15. Modelo para la creación del mapa de cambios del Estrato 1

Figura 16. Mapa de cambios de cobertura 1986 – 2009 para el Estrato 1

Los parámetros para la creación de modelo pueden ser observados en el archivo69 xml que se generó

como reporte del modelo. La tabla de atributos del raster70 (T 36) fue usada para generar el modelo de

regresión.

El atributo “COUNT” que se observa en la T 34 representa el número de pixeles dentro de cada clase. La resolución espacial del raster es de 30 x 30 metros.

T 34. Atributos del raster con los cambios para el estrato 1

VALUE COUNT CLASE

0 98841 Sin Datos

1 500659 Humedales

2 15605443 Bosque

3 61108 Agua

4 212990 Agrícola/Potrero antes de 1986

5 26701 Cambios 86-90

6 113264 Cambios 90-93

7 100388 Cambios 93-95

8 113677 Cambios 95-97

9 112748 Cambios 97-00

10 24661 Cambios 00-01

11 53640 Cambios 01-02

12 109745 Cambios 02-03

13 113991 Cambios 03-04

14 106840 Cambios 04-05

15 82021 Cambios 05-06

16 118631 Cambios 06-07

17 337783 Cambios 07-09

El atributo “COUNT” fue usado para calcular el área de cada clase en hectáreas, como se muestra en

69

Documentacion_Guatemala\Proyeccion_tasas_deforestacion\Cambios_Estrato1.xml 70 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\cam-09-vf_re1.tif

T Error! Reference source not found.. Posteriormente se calculó el área media anual deforestada desde el año 2000 hasta el año 2009. Se tuvieron en cuenta estos años ya que este periodo histórico es el más similar al periodo de calibración del modelo para toda la región de referencia.

T 36. Cálculo del área media anual deforestada en ha

VALUE COUNT CLASE Área (ha) Área media anual deforestada (ha )

Año

0 98841 Sin Datos 8.895,69

1 500659 Humedales 45.059,31

2 15605443 Bosque 1.404.489,87

3 61108 Agua 5.499,72

4 212990 Agrícola/Potrero antes de 1986 19.169,10

5 26701 Cambios 86-90 2.403,09

6 113264 Cambios 90-93 10.193,76

7 100388 Cambios 93-95 9.034,92

8 113677 Cambios 95-97 10.230,93

9 112748 Cambios 97-00 10.147,32 3.382,44 2000

10 24661 Cambios 00-01 2.219,49 2.219,49 2001

11 53640 Cambios 01-02 4.827,60 4.827,60 2002

12 109745 Cambios 02-03 9.877,05 9.877,05 2003

13 113991 Cambios 03-04 10.259,19 10.259,19 2004

14 106840 Cambios 04-05 9.615,60 9.615,60 2005

15 82021 Cambios 05-06 7.381,89 7.381,89 2006

16 118631 Cambios 06-07 10.676,79 10.676,79 2007

17 337783 Cambios 07-09 30.400,47 15.200,24 2009

Con la variable “Área media anual deforestada” y la variable independiente “año” se creó un modelo de regresión lineal para el Estrato 1 (

Figura 12). El modelo de regresión tiene un R2 del 0.77, lo cual se consideró suficiente como para poder-lo utilizar en las proyecciones.

Figura 12. Modelo de regresión para la proyección de áreas deforestadas a futuro en el Estrato 1

Con el modelo de regresión de la Figura 17 se proyectaron las áreas deforestadas en el Estrato 1 hasta el año 2040.

Para proyectar la cantidad deforestada a futuro Dinamica Ego requiere que le sea ingresada una tasa de deforestación, por lo tanto a partir del área de bosque del año 2010 (Ver Error! Reference source not found.) se calcularon las áreas de bosque desde el año 2010 hasta el año 2040, restando al área de bos-que del año 2010 las áreas proyectadas a ser deforestadas. De esta manera se obtienen tasas de defo-restación proyectadas hacia el año 2040 (T 37)

T 37. Proyección de tasas futuras de deforestación para el Estrato 1

Dat

os

His

tóri

cos

Área media anual deforestada ha Año Área de bosque Tasa deforestación

proyectada

3382,44 2000 2219,49 2001 4827,6 2002 9877,05 2003 10259,19 2004 9615,6 2005 7381,89 2006 10676,79 2007 15200,235 2009

Dat

os

pro

yec-

tad

os 15377,2 2010 1.248.800,40 -1,33%

16604,25 2011 1.232.196,15 -1,45%

17831,3 2012 1.214.364,85 -1,57%

3,382.44

2,219.49

4,827.60

9,877.05

10,259.19

9,615.60

7,381.89

10,676.79

15,200.24

y = 1,227.05x - 2,450,993.30 R² = 0.77 0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

1998 2000 2002 2004 2006 2008 2010

Áre

a d

efo

rest

ada

anu

al

Año

Cantidad media anualdeforestada historica 2000-2009

Linear (Cantidad media anualdeforestada historica 2000-2009)

Dat

os

His

tó-

rico

s

Área media anual deforestada ha Año Área de bosque Tasa deforestación

proyectada

19058,35 2013 1.195.306,50 -1,70%

20285,4 2014 1.175.021,10 -1,83%

21512,45 2015 1.153.508,65 -1,97%

22739,5 2016 1.130.769,15 -2,12%

23966,55 2017 1.106.802,60 -2,28%

25193,6 2018 1.081.609,00 -2,44%

26420,65 2019 1.055.188,35 -2,62%

27647,7 2020 1.027.540,65 -2,81%

28874,75 2021 998.665,90 -3,01%

30101,8 2022 968.564,10 -3,23%

31328,85 2023 937.235,25 -3,47%

32555,9 2024 904.679,35 -3,73%

33782,95 2025 870.896,40 -4,02%

35010 2026 835.886,40 -4,34%

36237,05 2027 799.649,35 -4,69%

37464,1 2028 762.185,25 -5,08%

38691,15 2029 723.494,10 -5,52%

39918,2 2030 683.575,90 -6,02%

41145,25 2031 642.430,65 -6,60%

42372,3 2032 600.058,35 -7,27%

43599,35 2033 556.459,00 -8,06%

44826,4 2034 511.632,60 -9,00%

46053,45 2035 465.579,15 -10,16%

47280,5 2036 418.298,65 -11,60%

48507,55 2037 369.791,10 -13,45%

49734,6 2038 320.056,50 -15,92%

50961,65 2039 269.094,85 -19,39%

52188,7 2040 216.906,15

A continuación se detalla el procedimiento para el análisis de “constraints” usando el enfoque “b” para la proyección de las tasas de deforestación.

T 38. Áreas de “bosque” y “no bosque” dentro de las áreas de deseabilidad promedia y óptima para el año 2000 en el Estrato 1

Deseabilidad VALUE VALUE__99 No-Bosque (ha) Bosque (ha)

Promedio 2 0 100.910,88 942.372,72

Optima 3 0 152.151,48 313.025,40

Las áreas que se presentan T 38 son obtenidas al cruzar el archivo71 que contiene las áreas de bosque y no-bosque para el Estrato 1 y el archivo raster72 que contiene las clases de deseabilidad para el mismo estrato. Se obtiene finalmente un archivo73 que contiene dicha información.

T 35. Áreas de “bosque” y “no bosque” dentro de las áreas de deseabilidad promedia y óptima para el año 2010 en el Estrato 1

Deseabilidad VALUE VALUE__99 No-Bosque (ha) Bosque (ha)

Promedio 2 0 140.004,00 903.279,60

Optima 3 0 225.188,64 239.988,24

Estas áreas que se presentan T 39 son obtenidas al cruzar el archivo74 que contiene las áreas de bosque y no-bosque para el Estrato 1 y el archivo raster75 que contiene las clases de deseabilidad para el mismo estrato. Se obtiene finalmente un archivo76 que contiene dicha información.

T 36. Área de “bosque” y “no bosque” para el Estrato 1 en el año 2000


No bosque 1 728.497,00 262.258,92

Bosque 2 3.783.091,00 1.361.912,76

T 37. Área de “bosque” y “no bosque” para el Estrato 1 en el año 2010


No bosque 1 1.042.698,00 375.371,28

Bosque 2 3.468.890,00 1.248.800,40

71 Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_1.tif 72 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\ContraintsFinEstr_1.tif 73 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\proyecciones_constraints\Con1_00.dbf 74 Documentacion_Guatemala\Tendencias_tasas_historicas\defo10_1.tif 75

Documentacion_Guatemala\Proyeccion_tasas_deforestacion\ContraintsFinEstr_1.tif 76 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\proyecciones_constraints\Con1_10.dbf

Aplicando la ecuación 8 de VM0015, V1.0:

∑

Dónde:

ABSLRRi,t es calculado con las áreas de bosque de T 40 y T 41 que están dentro del “optimum”, con-siderando que el periodo histórico tiene una duración de 10 años.

Aoptimali es obtenido de T 36 dentro del “optimum”

Se obtiene:

toptimal1 = 2010 + 21.22 = 2031, ver T42

T 38. Cálculo del toptimal1

ABSLRR1 2000-2010 Aoptimal1 toptimal1

11311,236 239988,24 (2010+) 21,22

Dado que se tiene que el toptimal1 es menor del menor periodo de acreditación posible (30 años) es necesario calcular un taveragei aplicando la ecuación 10 de VM0015, V1.0:

∑

Dónde:

ABSLRRi,t es calculado con las áreas de bosque de Error! Reference source not found. y T 42 que es-tán dentro del “average”, considerando que el periodo histórico tiene una duración de 10 años.

Aaverage es obtenido de T 36 dentro del “average”

Se obtiene:

taveragei = 2031+79.86 = 2110, ver T 39

T 39. Cálculo del taverage1

ABSLRR1 2000-2010 Aavergage1 taverage1

11,311,236 903,279,6 (2031+) 79,86

Aplicando el modelo de regresión enfoque “b” para el estrato 1 con toptimal1 se puede determinar el área de deforestación que permanecería constante durante taverage1 años después de Toptimal1:

Área que se deforestará al año Taverage1 (2013) = 1.227,05*2031 - 2.450.993,30 = 41.145,25 ha

Con este dato se corrigen las proyecciones de tasa de T 38 y se obtienen las tasas de deforestación que serán aplicadas al modelo dentro del Estrato 1 hasta el año 2040 (ver T 44).

T 44.Proyección de tasas futuras de deforestación para el estrato 1 con restricciones

Área media anual deforestada ha Año Área de bosque Tasa deforestación para aplicar al modelo

3382,44 2000

2219,49 2001

4827,6 2002

9877,05 2003

10259,19 2004

9615,6 2005

7381,89 2006

10676,79 2007

15200,235 2009

15377,2 2010 1.248.800,40 -1,33%

16604,25 2011 1.232.196,15 -1,45%

17831,3 2012 1.214.364,85 -1,57%

19058,35 2013 1.195.306,50 -1,70%

20285,4 2014 1.175.021,10 -1,83%

21512,45 2015 1.153.508,65 -1,97%

22739,5 2016 1.130.769,15 -2,12%

23966,55 2017 1.106.802,60 -2,28%

25193,6 2018 1.081.609,00 -2,44%

26420,65 2019 1.055.188,35 -2,62%

27647,7 2020 1.027.540,65 -2,81%

28874,75 2021 998.665,90 -3,01%

30101,8 2022 968.564,10 -3,23%

31328,85 2023 937.235,25 -3,47%

32555,9 2024 904.679,35 -3,73%

33782,95 2025 870.896,40 -4,02%

35010 2026 835.886,40 -4,34%

36237,05 2027 799.649,35 -4,69%

37464,1 2028 762.185,25 -5,08%

38691,15 2029 723.494,10 -5,52%

39918,2 2030 683.575,90 -6,02%

41145,25 2031 642.430,65 -6,40%

41145,25 2032 601.285,40 -6,84%

41145,25 2033 560.140,15 -7,35%

41145,25 2034 518.994,90 -7,93%

Área media anual deforestada ha Año Área de bosque Tasa deforestación para aplicar al modelo

41145,25 2035 477.849,65 -8,61%

41145,25 2036 436.704,40 -9,42%

41145,25 2037 395.559,15 -10,40%

41145,25 2038 354.413,90 -11,61%

41145,25 2039 313.268,65 -13,13%

41145,25 2040 272.123,40

Estrato 2

Ya que se usa el enfoque “a” para la proyección de la tasa de deforestación para los Estratos 2 y 3, se detalla a continuación las proyecciones de las tasas de deforestación usando los “constraints” necesa-rios.

T 40. Áreas de “bosque” y “no bosque” dentro de las áreas de deseabilidad sub-óptima, promedia y óptima para el año 2000 en el Estrato 2

Deseabilidad VALUE No Data No-Bosque (ha) Bosque (ha)

Sub-optima 1 0 407.16 335.52

Promedio 2 0 17,083.08 14,823.72

Optima 3 0 234,947,52 19,5676.56

Estas áreas son obtenidas al cruzar el archivo77 que contiene las áreas de bosque y no-bosque para el Estrato 2 y el archivo raster78 que contiene las clases de deseabilidad para el mismo estrato. Se obtiene finalmente un archivo79 que contiene dicha información.

T 416. Áreas de “bosque” y “no bosque” dentro de las áreas de deseabilidad sub-óptima, promedia y óptima para el año 2010 en el Estrato 2.


Sub-optima 1 0 545.76 196.92

Promedio 2 0 24,435.00 7,471.80

Optima 3 0 327,483.36 103,140.72

Estas áreas son obtenidas al cruzar el archivo80 que contiene las áreas de bosque y no-bosque para el Estrato 2 y el archivo raster81 que contiene las clases de deseabilidad para el mismo estrato. Se obtiene finalmente un archivo82 que contiene dicha información.

77 Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_2.tif 78


Aplicando las ecuaciones 4.a, 4.b y 4.c de VM0015, V1.0 se obtiene:

(

)

(

)

(

)

(

)

-5,19%

(

)

(

)

Al aplicar las ecuaciones 5.a, 5.b, y 5.c de VM0015, V1.0 se obtiene:

Toptimal2 = Aoptimal2/ ABSLRRopt_hrp2 = 107

Taverage2 = Aaverage2 / ABSLRRavg_hrp2 = 355

Tsub-optimali2= Asub-optimal2/ ABSLRRopt_hrp2 = 4

Considerando que las proyecciones de deforestación se hacen solamente hasta el año 2040 solo será necesario aplicar la tasa del período Toptimal2 durante los 30 años de la simulación.

Estrato 3

Considerando que el enfoque “a” se aplica también al Estrato 3, los procedimiento de cálculo de la tasa son los mismos que se explicaron para el Estrato 2.

80 Documentacion_Guatemala\Tendencias_tasas_historicas\defo10_2.tif 81


T 47. Áreas de “bosque” y “no bosque” dentro de los estratos dentro de las áreas de deseabilidad sub-óptima, promedia y óptima para el año 2000 en el Estrato 3


Sub-optima 1 0 7,381.80 16,688.88

Promedio 2 10.800 106,560.36 190,942.92

Optima 3 129.600 1,065,612.24 649,024.92

Estas áreas son obtenidas al cruzar el archivo83 que contiene las áreas de bosque y no-bosque para el estrato 3 y el archivo raster84 que contiene las clases de deseabilidad para el mismo estrato. Se obtiene finalmente un archivo85 que contiene dicha información

T48. Áreas de “bosque” y “no bosque” dentro de los estratos dentro de las áreas de deseabilidad sub-óptima, promedia y óptima para el año 2010 en el Estrato 3


Sub-optima 1 0 9,508.32 14,562.36

Promedio 2 10.800 157,806.36 139,696.92

Optima 3 129.600 1,337,250.24 377,386.92

Estas áreas son obtenidas al cruzar el archivo86 que contiene las áreas de bosque y no-bosque para el estrato 3 y el archivo raster87 que contiene las restricciones para el mismo estrato del modelo. Se obtie-ne finalmente un archivo88 que contiene dicha información.

Nuevamente, aplicando las ecuaciones 4.a, 4.b y 4.c de VM0015, V1.0 se obtiene:

(

)

(

)

(

)

(

)

-1,35%

83 Documentacion_Guatemala\Tendencias_tasas_historicas\defo00_3.tif 84 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\ContraintsFinEstr_3.tif 85 Documentacion_Guatemala\Proyeccion_tasas_deforestacion\proyecciones_constraints\Con3_00.dbf 86 Documentacion_Guatemala\Tendencias_tasas_historicas\defo10_3.tif 87


(

)

(

)

Al aplicar las ecuaciones 5.a, 5.b, y 5.c de VM0015, V1.0 se obtiene:

Toptimal3 = Aoptimali3/ ABSLRRopt_hrp3 = 14

Taverage3 = Aaverage3/ ABSLRRavg_hrp3 = 27

Tsub-optimal3 = Asub-optimal3/ ABSLRRopt_hrp3 = 68

Considerando que la proyección se hará hasta el año 2040, para el Estrato 3 será necesario aplicar la tasa d

(-3.08%) durante los primeros Toptimal3 (14) años de la simulación y posteriormen-

te será aplicada la tasa (-1.35%) durante los siguientes 16 años.

4.1.3.2 Proyección de las áreas anuales de deforestación en el área de proyecto y el cinturón de fugas

NA

4.1.3.3 Resumen del paso 4.1.3

Los cálculos de las áreas anuales deforestadas fueron llevados a cabo con todas las salidas del modelo desde el año 201189 hasta el año 204090 y se presentan en la Tabla 9.a de la metodología.

4.2 Proyección de la ubicación de la deforestación futura

4.2.1 Preparación de “Factor Maps”

Teniendo en cuenta el análisis de agentes y causas y la información de datos espaciales disponibles se procesaron los datos como se detalla a continuación con el fin de utilizarlos para la creación y selección del mejor mapa de riesgo de deforestación. Se utilizó el ARCGIS 10 para realizar todos los procedimien-tos que se detallan a continuación.

Todos los mapas que fueron usados para la creación de los “factor maps” se pueden encontrar en una base de datos91 geográfica que ha sido creada para este propósito.

Se prepararon dos tipos de Factor Maps: estáticos (que no cambian en el período de proyección) y di-námicos (que cambian anualmente).

89 Documentacion_Guatemala\Modelo_linea_base_final\LB_Final10_01.tif

90 Documentacion_Guatemala\Modelo_linea_base_final\LB_Final10_30.tif

91 C:\Users\Juan\Desktop\Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb

a) Factor Maps estáticos:

Categorías de distancias a oleoductos

Categorías de pendientes

Categorías de uso legal

Categorías de capacidad de uso del suelo

Categoría de distancias a vías pavimentadas y no-pavimentadas

Categorías de distancias a ríos

Categorías de distancia a cueros de agua

Categorías de distancia a escuelas

Tipos de bosque

b) Factor Maps dinámicos:

Categorías de distancia a áreas deforestadas

Enmascaramiento de mapas al área de la región de referencia

Los archivos descritos en la Figura fueron cortados teniendo en cuenta el área solo de la región de refe-

rencia pues la mayoría de estos cubrían toda el área de Guatemala y posteriormente convertidos a for-matos raster. Los nombres de los archivos que se presentan en la Figura son los mismos que se pueden encontrar en la base de datos geográfica.

Figura 18. Corte de variables con el área de la región de referencia

El mismo procedimiento fue llevado a cabo para el raster que contiene la información sobre pendientes (ver Figura 13). Fue necesario además de eso reclasificar algunas imperfecciones que se generaban en los datos con valores de No Data pues el raster de pendientes no tiene los mismos límites de la región de referencia en algunos lugares.

Figura 13. Corte de la variable pendiente con la región de referencia

El raster92 que contiene las pendientes solo de la región de referencia puede ser encontrado de igual manera en la base de datos geográfica.

Para crear un mapa con las categorías legales de toda la región de referencia se utilizaron dos mapas. El primero de estos mapas en formato vector93 contiene todas las categorías de uso legal dentro de la RMB. El segundo de estos mapas94 contiene las áreas protegidas de toda la región de referencia igual-mente en formato vector. Las áreas protegidas y las zonas de amortiguamiento que están por fuera de la RMB fueran combinadas con el archivo shape93 que contiene las categorías legales de la RBM. De esta manera se creó un único archivo en formato vector95 que contiene todas las categorías legales dentro de la región de referencia.

La información de vías para los años 2000, 2006 y 2010 se encuentra contenida toda en un único archivo en formato shape96. A partir de este archivo se crearon archivos en formato shape que contienen solo las vías pavimentadas de los años 200097, 200698 y 201099. De igual manera se crearon archivos que con-tienen solo las vías no pavimentadas para los años 2000100, 2006101 y 2010102.

92 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Slope_rr 93 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Categoria_legal\rbm_conces 94 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Categoria_legal\aprot 95 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Categoria_legal\rbm_conces_mod 96 Documenta-

cion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\caminos_fecha_gtm_corr 97 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_pav_2000 98 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_pav_2006 99 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_pav_2010 100 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_no_pav_2000 101

Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_no_pav_2006 102 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Vias_Caminos\vias_no_pav_2010

El mismo procedimiento fue llevado a cabo con los datos de población escolar. Estos datos se encuen-tran todos en un único archivo103 en formato shape. Estos fueron separados por año, creando de esta manera tres archivos que contienen la población estudiantil para los años 2000104, 2006105 y 2009106. Estos datos se utilizaron como proxy de la densidad y ubicación de la población.

Conversión de las shapes a formato raster

Las variables que se mencionan a continuación fueron utilizados para generar los “factor maps” y crear el mejor mapa de riesgo de deforestación mediante el procedimiento de calibración y confirmación es-pacial. Es necesario convertir todas estas variables a formato raster ya que el modelo de deforestación funciona únicamente con este formato de mapas digitales.

Variable oleoducto

Figura 19. Modelo para la conversión del oleoducto a formato raster

Los parámetros para la creación del modelo pueden ser observados en un archivo107 que contiene toda la información y los parámetros para la creación de la variable.

El archivo raster108 final con la variable oleoducto puede va a ser usado para generar mapas de distancia

Variable Pendiente

La pendiente que se utilizó en el modelo ya estaba en su formato original en raster109. Los valores del raster y los rangos que cubre cada uno de ellos pueden ser observado en T 49.

103 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Escuelas\escuelasfinaljl 104 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Escuelas\escuelasfinal00 105 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Escuelas\escuelasfinal06 106 Documentacion_Guatemala\Preparacion_factor_maps\Factor_maps.mdb\Escuelas\escuelasfinal09 107 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Oleoducto.pdf 108

Documentacion_Guatemala\Preparacion_factor_maps\rasters\oleoducto.tif 109 Documentacion_Guatemala\Preparacion_factor_maps\rasters\pendiente.tif

T 49. Rango de valores de pendientes

Pendiente

Valor de pixel % de Pendiente

1 <4%

2 4-8%

3 8-16%

4 16-32%

5 >32%

Categoría de uso legal

Para la conversión del archivo en formato shape95 que contiene las categorías de uso legal se utilizó atributo “Concatenad”. Dado que los límites en la parte Norte de la capa de categorías legales difieren con los límites de la región de referencia se asignó un valor de No Data a todas las áreas que presenta-ban problemas con el fin de generar escenarios conservadores en cuanto a la creación de los mapas de riesgo.

El modelo usado para crear el mapa en formato raster para la variable categoría legal puede ser obser-vado en la Figura.

Los parámetros para la creación del modelo pueden ser observados en un archivo110 que contiene toda la información requerida para el procesamiento de la variable.

El archivo raster111 final con la variable categoría legal va a ser utilizado para crear el mapa de riesgo.

Figura 20. Modelo para la creación del raster de categoría legal

Capacidad de uso del suelo

El modelo usado para crear el mapa en formato raster para la variable capacidad de uso del suelo puede ser observado en la Figura 14.

110

Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Categoria_legal.pdf 111 C:\Users\Juan\Desktop\Documentacion_Guatemala\Preparacion_factor_maps\rasters\Cat_legal.tif

Figura 14. Modelo para la creación del raster de capacidad de uso del suelo

Los parámetros para la creación del modelo pueden ser vistos en un archivo112 que contiene toda la información para el procesamiento de la variable.

El archivo raster113 final con la variable categoría legal va a ser utilizado para crear el mapa de riesgo

Vías pavimentadas y no pavimentadas

Los parámetros para la creación de estas variables pueden ser vistos en un archivo114 que contiene toda la información para el procesamiento de la variable.

No se muestra una representación gráfica del modelo por el tamaño de este.

El archivo en formato raster de vías pavimentadas para el año 2000115, 2006116 y 2010117 así como los archivos en formato raster para vías no pavimentadas igualmente para los año 2000118,2006119 y 2010120 fueron creados por el modelo.

Ríos

El modelo usado para crear el mapa en formato raster para la variable ríos puede ser observado en la Figura 15.

112 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Capacidad_suelo.pdf 113 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Capacidad.tif 114 Documenta-

cion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Vias_pavimentadas_y_no_pavimentadas.pdf 115 Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_pav00.tif 116 Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_pav06.tif 117 Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_pav10.tif 118 Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_Nopav00.tif 119

Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_Nopav06.tif 120 Documentacion_Guatemala\Preparacion_factor_maps\rasters\vias_Nopav10.tif

Figura 15. Modelo para la creación del raster de ríos

Los parámetros para la creación de estas variables pueden ser vistos en un archivo121 que contiene toda la información para el procesamiento de la variable. El archivo raster122 final con la variable ríos va a ser utilizado para crear el mapa de riesgo.

Cuerpos de Agua

El modelo usado para crear el mapa en formato raster para la variable cuerpos de agua puede ser ob-

servado en la Figura 16.

Figura 16. Modelo para la creación del raster cuerpos de agua

Los parámetros para la creación de estas variables pueden ser vistos en un archivo123 que contiene toda la información para el procesamiento de la variable. El archivo raster124 final con la variable cuerpos de agua va a ser utilizado para crear el mapa de riesgo.

121 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Modelo_rios.pdf 122 Documentacion_Guatemala\Preparacion_factor_maps\rasters\rios.tif 123

Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Modelo_cuerpos_agua.pdf 124 Documentacion_Guatemala\Preparacion_factor_maps\rasters\cuerpos.tif

Escuelas

El modelo usado para crear el mapa en formato raster para la variable ubicación de escuelas puede ser observado en la Figura 17.

Figura 17. Modelo para la creación del raster ubicación de escuelas

Los parámetros para la creación de estas variables pueden ser vistos en un archivo125 que contiene toda la información para el procesamiento de la variable.

Los archivos en formato raster con la ubicación de las escuelas para los años 2000126, 2006127 y 2009128 van a ser usados para crear los mapas de riesgo de deforestación.

Tipos de bosques

El modelo usado para crear el mapa en formato raster para la variable cuerpos de agua puede ser ob-servado en la Figura 19.

125 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Modelo_escuelas.pdf 126 Documentacion_Guatemala\Preparacion_factor_maps\rasters\escuelas00.tif 127

Documentacion_Guatemala\Preparacion_factor_maps\rasters\escuelas06.tif 128 Documentacion_Guatemala\Preparacion_factor_maps\rasters\escuelas09.tif

Figura 18. Modelo para la creación del raster con tipos de bosque

Los parámetros para la creación de estas variables pueden ser vistos en un archivo129 que contiene toda la información para el procesamiento de la variable. El archivo en formato raster130 con los tipos de bos-que va a ser usado para crear el mapa de riesgo de deforestación.

Creación de mapas de distancia

A partir de los mapas raster creados con los procedimientos descritos anteriormente se generaron ma-pas de tipo continuo, en este caso, de distancias a las variables oleoducto, vías pavimentadas y no pavi-mentadas para los tres años para los que se tiene la información, ríos, cuerpos de agua y escuelas igual-mente para los tres años del período histórico de referencia.

Los mapas de distancias fueron creados en Dinamica Ego con un modelo131 creado para dicho fin. Ver Figura 26Error! Reference source not found.Error! Reference source not found..

129 Documentacion_Guatemala\Preparacion_factor_maps\rasters\Modelos\Tipos_de_bosque.pdf 130

Documentacion_Guatemala\Preparacion_factor_maps\rasters\Tipos_Bosque.tif 131 Documentacion_Guatemala\Preparacion_factor_maps\Mapas_distancias\Modelos_distancias.xml

Figura 19. Modelo en Dinamica Ego para la creación de mapas de distancias

Además de los mapas creados anteriormente se trabajó con una variable dinámica en el modelo que es la distancia a áreas previamente deforestadas.

Categorización de variables de tipo de continuo para crear los “Factor Maps”

A partir de los mapas de distancias se generó un modelo132 en Dinamica Ego que se encarga del cálculo de los pesos de evidencia y de la categorización de los mapas de distancia. Dinamica Ego utiliza el enfo-que empírico para la categorización de las variables y retroalimenta al modelador con información sobre la significancia estadística de la categorización. Esto permite al modelador probar varias formas de cate-gorizar las variables, hasta obtener el mejor resultado en términos estadísticos.

Para la categorización de variables de tipo continuo se utilizó el método disponible en Dinamica Ego “Determmine weights of evidence ranges” el cual permite conservar la estructura de los datos mediante la parametrización de la categorización y la verificación de esta en términos estadísticos.

Las variables fueron categorizadas buscando siempre obtener el mayor número de rangos positivos. Los rangos no significativos del análisis fueron excluidos para la creación del mapa de riesgo de deforesta-ción.

La información relacionada con la categorización de cada una de las variables y la combinación de estas para producir diferentes mapas de riesgo de deforestación puede ser observada en un archivo133 Excel que contiene dicha información. Este archivo contiene igualmente las rutas que permiten acceder a cada uno de los modelos que fueron creados en Dinamica Ego para la calibración y selección del mejor mapa de riesgo de deforestación.

4.2.2 Preparación de mapas de riesgo de deforestación

Se crearon 5 mapas de riesgo de deforestación (“Modelos”) utilizando diferentes combinaciones de variables (“Factor Maps”). Inicialmente se probaron mapas de riesgo de deforestación a nivel de región de referencia y posteriormente se crearon mapas individuales de riesgo de deforestación a nivel de cada estrato de la región de referencia. Los mapas de riesgos fueron creados con el software Dinamica Ego y se ilustran a continuación.

132 Documenta-

cion_Guatemala\Preparacion_mapas_riesgo_deforestacion\Pesos_evidencia\Modelo_pesos_evidencia_RR.xml

133 Documenta-cion_Guatemala\Preparacion_mapas_riesgo_deforestacion\Pesos_evidencia\Categorizacion_variables.xlsx

Modelo 1

Figura 20. Diagrama de flujo para la creación del mapa de riesgo de deforestación del modelo 1

Va

ria

ble

s re

gió

n d

e r

efe

ren

cia

Distancia a ríos



Categorías de pendiente

Tipos de bosque

Distancia a cuerpos de agua

Distancia a escuelas año 2000

Distancia a vías no pavimentas año 2000

Distancia a oleoducto

Distancia a vías pavimentadas año 2000

Distancia a áreas deforestadas

Mapa de riesgo de deforestación 1

Modelo 2


Va

ria

ble

s re

gió

n d

e r

efe

ren

cia

Distancia a ríos




Tipos de bosque








Modelo 3


Est

rato

3Distancia a ríos




Tipos de bosque







Est

rato

2

Distancia a ríos




Tipos de bosque






Est

rato

1

Distancia a ríos




Tipos de bosque








Modelo 4


Est

rato

3Distancia a ríos




Tipos de bosque







Est

rato

2

Distancia a ríos




Tipos de bosque






Est

rato

1

Distancia a ríos




Tipos de bosque







Modelo 5


Est

rato

3Distancia a ríos




Tipos de bosque







Est

rato

2




Tipos de bosque




Est

rato

1

Distancia a ríos




Tipos de bosque







4.2.3 Selección del mejor mapa de riesgo de deforestación

Para la selección del mejor mapa de riesgo de deforestación adoptó la opción “b” de la metodología VM0015, V1.0 (p. 61). Se dividió la región de referencia en cuadrantes de 0.3 km x 0.3 km y el 50 % de estos cuadrantes se seleccionó para la calibración y los restantes 50 % para la confirmación espacial de los mapas de riesgo. De esta manera, se pudo utilizar el mismo período histórico (2000-2010) tanto para la calibración como para la confirmación. De los 5 mapas de riesgo generados se seleccionó el que mos-tró un “FOM” más alto (ver VM0015, V1.0, p. 64) así como el mejor índice de similitud difusa (Fuzzy simmilarity index).

Para la calibración se utilizó el de 0.3 x 0.3 km sobre las áreas de bosque del Mapa de Uso y Cobertura del año 2000134. Solo se consideraron las áreas de bosque porque es en ellas en donde se va a dar la transición de bosque a no-bosque y por tanto son las áreas importantes para la calibración y confirma-ción espacial del modelo.

Para la creación de la grid se utilizó la extensión Geospatial Modelling Environment135. Los comandos usados para la creación de la grid se pueden observar en un archivo de texto136 que contiene esta infor-mación.

El 50% de las cuadrículas creadas fueron seleccionadas aleatoriamente para realizar la calibración del modelo. El archivo grid137 en formato shape contiene el atributo “FILTER”. En este archivo se indican con un valor de 1 las cuadriculas que fueron usadas para la calibración del modelo. El valor de 0 en este mismo atributo corresponde a las áreas que fueron usadas para la confirmación espacial del modelo.

El mapa de cuadriculas aleatorias138 fue convertido a formato raster y reclasificado usando el modelo que se presenta en la Figura 23.

Figura 23. Conversión de la cuadricula a formato raster

Posteriormente, a todos los Factor Maps que han sido seleccionadas para los diferentes modelos se le asignó valores nulos en las cuadriculas que se utilizaron para la confirmación. Eso permitió generar “cu-bos de variables”139 para la calibración de los modelos. Los cubos de variables fueron creados con un modelo140 en Dinamica Ego.

Varios modelo fueron corridos con el fin de seleccionar el modelo que arrojara los mejores estadísticos en términos de confirmación espacial. Los modelos corridos presentaron las diferentes combinaciones de variables que fueron explicadas con anterioridad.

134

Documentacion_Guatemala\Preparacion_mapas_riesgo_deforestacion\cob_re00re.tif 135 http://www.spatialecology.com/gme/ 136 Documentacion_Guatemala\Preparacion_mapas_riesgo_deforestacion\Grids comandos.txt 137 Documentacion_Guatemala\Preparacion_mapas_riesgo_deforestacion\grid.shp 138 Documentacion_Guatemala\Preparacion_mapas_riesgo_deforestacion\grid.shp 139 La creación del cubo de variables consiste en el ensamblaje de un juego de capas raster en un único archivo

que contiene a manera de bandas la información de cada capa espacial por separado. EL nombre de cada una de las variables actúa como un identificador de cada una de ellas.

140 Documentacion_Guatemala\Preparacion_factor_maps\Cubos_variables\Cubos_variables_calibracion.ego

Para la confirmación espacial de los modelos se utilizó el FOM por pixel y un índice de similaridad difusa disponible en Dinamica Ego. El archivo Excel141 en el que se presentan los parámetros utilizados para la categorización de variables continuas detalla los modelos usados para el propósito de la confirmación y los resultados de estos. En T 50 se presenta en forma sucinta el resultado de la comparación de los 5 modelos.

T 50. Resumen de resultados de la confirmación espacial de los modelos

Modelo FOM per pixel Índice de similaridad difusa

1 0,292 0,551

2 0,286 0,548

3 0,331 0,585

4 0,331 0,586

5 0,334 0,589

Teniendo en cuenta estos resultados se seleccionó el modelo 5 como el de mejor ajuste. Los pesos de evidencia de este modelo fueron considerados para correr el modelo final.

Teniendo en cuenta que el método utilizado para la creación del mapa de riesgo es el de los pesos de evidencia y que dicho método requiere de independencia entre las variables se llevó a cabo un análisis de correlación espacial de las variables.

Análisis de correlación de variables espaciales

La salida del modelo142 de correlación espacial no mostro ningún tipo de correlación entre las variables analizadas para ninguno de los estratos del modelo.

Para determinar si dos variables estaban correlacionadas se utilizó tanto el índice de Crammer como el Joint information uncertainty, ambos disponibles en Dinamica Ego. Se utilizó un valor de tolerancia de 0.45 para el índice de Crammer y de 0.35 para el Joint information uncertainty.

4.2.4 Mapeo de la ubicación de la deforestación

De acuerdo a los hallazgos y las conclusiones obtenidas en los pasos anteriores el modelo de deforesta-ción seleccionado (Modelo 5) utiliza un enfoque para la proyección de la tasa de deforestación de tipo “b” para el Estrato 1 y de tipo “a” para los Estratos 2 y 3 del modelo. A todos los estratos se les aplicó un análisis de factores que limitan la deforestación (“constraint analysis”) siguiendo los requerimientos de la metodología VM0015, V1.0.

141 Documenta-

cion_Guatemala\Preparacion_mapas_riesgo_deforestacion\Pesos_evidencia\Categorizacion_variables.xlsx

142 Documenta-cion_Guatemala\Preparacion_mapas_riesgo_deforestacion\Correlacion\Modelo_correlacion_espacial.txt

El modelo diseñado en Dinamica Ego para proyectar las cantidades por cada uno de los estratos y ubicar la deforestación considera las variables listadas en la Figura 31, que son las que produjeron el mejor mapa de riesgo de deforestación actualizadas al año 2010. El código generado en Dinamica Ego para la simulación está disponible en un archivo separado143. En este código se detallan comentarios de algunos de los procesos que allí se llevan a cabo. El resultado de la modelación para los años 2020, 2030 y 2040 se muestra en la Figura 33. Sin embargo, el modelo genera proyecciones anuales, las cuales se mues-tran en un video separado144.

Figura 33. Resultados de la proyección de la deforestación en las Tierras Bajas del Norte para los años 2020, 2030 y 2040.

143

C:\Users\Juan\Desktop\Documentacion_Guatemala\Modelo_linea_base_final\Linea_base_final.ego

144 Ruta a archivo con video

Paso 5: Definición del componente de cambio de uso y cobertura del suelo de la línea de base

5.1 Cálculo de “activity data” por clase de bosque

Para determinar las áreas deforestadas anualmente (“activity data”) en cada clase de bosque se sobre-pusieron los resultados del modelo espacial al Mapa de Uso y Cobertura del Suelo del año 2010 y se extrajeron los valores anuales correspondientes. Los resultados se presentan en la Tabla 11.a.

5.2 Cálculo de “activity data” por clase de uso y cobertura del suelo post-deforestación

Como aproximación para las clases de usos y coberturas del suelo que se establecerán en las áreas defo-restadas en el futuro se analizó el cambio de uso del suelo que se dio en las áreas deforestadas entre 2000 y 2010, es decir el Método 1 de la metodología VM0015, V1.0 (p. 66).

Para este fin se extrajo del Mapa de Uso y Cobertura del Suelo generado para el año 2010 (Figura 7) el área correspondiente a las áreas deforestadas entre 2000 y 2010 (Figuras 8 y 9) y se calcularon los por-centajes de cada clase de uso y cobertura del suelo, como se muestra en T 42.

T 42. Proporciones de áreas de cambio según el mapa de cambios de uso del suelo y cobertura

Count Clase del Mapa de Uso y Cobertura

del Suelo 2010 Área (Ha) %

1.357.988 Agropecuario - No bosque - Guamiles 488.875,68 90,83%

66.889 Palma africana 24.080,04 4,47%

70.129 Regeneración 2007-2010 25.246,44 4,69%

Total

538.202,16 100,00%

De acuerdo al Método 1 de la metodología VM0015, V1.0 se asume que de cada hectárea deforestada a futuro, el 90,83% se convertirá a la clase “Agropecuario - No bosque - Guamiles”, el 4.47% a Palma afri-cana y el remanente 4.69% se regenerará con bosques secundarios. El resultado de las áreas proyecta-das por clase post-deforestación se presenta en la Tabla 12.a de la metodología.

5.3 Cálculo de “activity data” por categoría de cabio de uso y cobertura del suelo

Este sub-paso no aplica, pues se ha utilizado el Método 1 de la metodología.

Paso 6: Estimación de los cambios de existencias de carbono y emisiones no-CO2 en la línea base

6.1 Estimación de los cambios de existencias de carbono en la línea base

6.1.1 Estimación de existencias promedio de carbono en las clase de uso y cobertura del suelo

Definición de las clases de bosque en la región de referencia

Se definieron clases de bosque en función de sus respectivas densidades de carbono. Las densidades de carbono se consideraron asociadas a los tipos fisionómicos y los tipos ómbricos, los cuales se describen a continuación.

Tipos fisonómicos. La inclusión de este factor como criterio de agrupación busca representar el efecto del anegamiento (así sea estacional) en el crecimiento de los bosques, separando los bosques de colinas (bosque latifoliado medio-alto) de los bosques estacionalmente anegados (bosque latifoliado bajo, sa-banas inundables y humedales). Al igual que en el caso de los tipos ómbricos, los tipos fisonómicos de-berían representar un factor significativo en cuanto a existencias de carbono.

Tipos ómbricos. Los tipos ómbricos dividen la vegetación en función de la humedad disponible. En el caso del Petén, la región se subdivide en zonas sub-húmedas y zonas húmedas, en su mayoría, y una pequeña extensión al sur de zonas híper-húmedas. Esta división debe reflejar diferencias significativas en términos de acumulación de biomasa y, por lo tanto, de carbono.

Los mapas que representan la localización de estos factores de estratificación fueron preparados por WCS y CONAP y fueron cruzados con el mapa que contiene las coordenadas de todas las parcelas de carbono existentes, para definir la pertenencia de cada parcela a un tipo fisonómico u ómbrico.

Los cálculos del contenido de carbono del inventario estratificado se realizaron usando la estratificación con los dos factores mencionados, los cuales produjeron cuatro estratos posibles (clases de bosque) dentro de la región del Petén:

Estrato 1 (Clase 1): Bosque latifoliado bajo sub-húmedo,

Estrato 2 (Clase 2): Bosque latifoliado medio-alto sub-húmedo,

Estrato 3 (Clase 3): Bosque latifoliado medio-alto húmedo,

Estrato 4 (Clase 4) : Bosque latifoliado medio-alto híper-húmedo.

El Estrato 4 no fue considerado para la estratificación final de la Región de Referencia, dado que repre-senta un área pequeña (45,108.00 hectáreas o 1.1% de la región dereferencia). Así pues, solo se consi-deraron los estratos 1, 2 y 3 anteriormente descritos, la pequeña extensión de área del Estrato 4 se fu-sionó con el Estrato 3 (ver Figura 24).

Figura 24. Clases de bosque presentes en la región de referencia.

Datos de carbono utilizados

Para el cálculo de existencias de carbono en las clases de bosques su utilizaron datos de inventarios que cumplen con los requisitos de la metodología VM0015, V1.0. Los datos fueron aportados por las siguien-tes instituciones: Fundalachuá, FAO (Inventario Forestal Nacional de Guatemala), Parque Nacional Sierra del Lacandón, las concesiones forestales de Árbol Verde, Colorada, Custosel, Laborant, Pasadita, Paxbán,

Uaxactún, Yaloch y el Sistema Nacional de Parcelas Permanentes de Muestreo (INAB). Los datos de par-celas de carbono o inventarios forestales colectados se resumen en

T .

T 52. Datos utilizados para el cálculo de existencias de carbono en las clases de bosques.

Institución Ubicación Número parcelas

(4)

Número parcelas en cobertura boscosa

(4)

Reservorios(5)

Nivel de resul-tados entrega-dos

Biomasa arriba suelo B. Subte-

rránea

Madera muerta

Árboles V. Menor En pie Yacen-

te

Lachuá-Salinas

Eco-región La-chuá

65 60 X C Datos de árbo-les, cálculos por parcela.

IFN(1)

Todo el país, incluyendo Petén


PNSL(2)

Parque Nacional Sierra del Lacan-dón

69 56 X X C X X

Datos de todos los reservorios y cálculos por parcela.

PPM(3)

Todo el país, incluyendo Petén

100 94 X X C Datos de árbo-les, cálculos por parcela.

Concesiones Concesiones forestales


Total 853 762

(1) Inventario Forestal Nacional

(4) Dentro de la región de referencia

(2) Parque Nacional Sierra del Lacandón

(5) X: Nivel al que fueron entregados los cálculos.

(3) Parcelas Permanentes de Muestreo C: cálculos que se pueden realizar a partir de datos provistos.

Para el cálculo de existencias de carbono en las clases de bosques su utilizaron datos de inventarios que cumplen con los requisitos de la metodología VM0015, V1.0, a saber:

- Los datos tienen menos de 10 años. Los datos más antiguos considerados son de 2007.

- Los datos se derivan de múltiples parcelas de medición. Se utilizaron un total de 853 parcelas, provenientes de diferentes instituciones, tal como se muestra en la Tabla T 52 y distribuidas como se muestra en la Figura 34.

- Se incluyen todas las especies en los inventarios. Todos los inventarios utilizados muestrearon todas las especies maderables. Los detalles metodológicos de cada tipo de inventario considera-do se presentan en la “Herramienta para el cálculo de inventarios de carbono al azar y estratifi-cados”.

- El diámetro mínimo para árboles incluidos es 30 cm a la altura de pecho o menos. Todos los inventarios considerados se hicieron con un diámetro mínimo a la altura de pecho de 10 cm.

Los datos están muestreados con buena cobertura de los estratos que representan. Los estra-tos definidos tuvieron entre 29 y 591 parcelas y todos los estratos tuvieron muestras dispersas por toda la región de referencia, tal como puede verse en la Figura 34 y como se presenta en “Herramienta para el cálculo de inventarios de carbono al azar y estratificados” (archivo “Docu-mentacion_Guatemala\ CDI - Cálculo inventario de C Norte de Guatemala.xlsx”).

Densidades de carbono

Siguiendo procedimientos estándar de cálculo estadístico de inventarios estratificados, se procedió a calcular el inventario de carbono para la región de referencia, la cual se basó en la estratificación con dos factores: tipo fisonómico y tipo ómbrico.

Se utilizó un nivel de confianza del 90% y procedimientos de cálculo estándar para inventarios forestales estratificados, usando la herramienta de cálculo “Herramienta para el cálculo de inventarios de carbono al azar y estratificados” desarrollada por CDI, en la cual se incluyó la base de datos de inventarios colec-tada para el norte de Guatemala.

a) Densidad de carbono en la biomasa arbórea arriba del suelo

Los resultados del cálculo de carbono muestran un contenido medio de las tres clases (o estratos de bosque) de 284.3 tCO2/ha, con un error de muestreo de 4.7% y límites inferior y superior de 270.9 tCO2/ha y 297.7 tCO2/ha, respectivamente (ver Tabla 14). La densidad promedio por clase de bosque se la siguiente:

181.3 t-CO2/ha en el bosque latifoliado bajo subhúmedo;

274.7 t-CO2/ha en el bosque latifoliado medio-alto subhúmedo; y

344.7 t-CO2/ha en el bosque latifoliado medio-alto húmedo.

b) Densidad de carbono en biomasa arriba del suelo en los usos y coberturas del suelo post-deforestación

Las clases post-deforestación para la región de referencia se definieron como se explicó en el paso 5.2 y corresponden a: “agropecuario – no bosque – guamiles”, “palma africana” y “regeneración secundaria” del bosque natural.

La metodología VM0015, V1.0 requiere que los reservorios de carbono de las clases post-deforestación deben ser estimados como el promedio del carbono almacenado en un período de 20 años, que puede ser determinado de mediciones de parcelas con edad conocida, de estudios de larga duración y de otras fuentes verificables.

Para el caso del carbono almacenado durante la regeneración del bosque secundario, se estimó el pro-medio utilizando los datos medidos en Nicaragua y reportados por Ferreira (2001), que muestran un promedio de carbono de 112.6 t-CO2/ha, con límites inferior y superior de 79.3 t-CO2/ha y 145.9 t-CO2/ha, respectivamente, para un período de 20 años.

Por su parte, el promedio del reservorio de carbono almacenado en la palma de aceite se estimó usando el dato de la tasa de crecimiento propuesto por Leblanc et al. (2006), de 3,24 t-C/ha año. Con base en este dato, el contenido de carbono promedio de la palma de aceite para un período de 20 años es de 124.9 tCO2/ha, con límites inferior y superior de 96.6 t-CO2/ha y 153.1 t-CO2/ha, respectivamente.

Para obtener el dato de contenido de carbono en el uso agropecuario, se utilizó el límite superior del valor por defecto de Pastizales tropicales de zonas húmedas y muy húmedas reportado por el IPCC (2003), de 19,8 tCO2/ha.

c) Densidad de carbono en productos de madera cosechada

Para estimar el contenido de carbono almacenado en los productos de madera de larga dura-ción de la región de referencia, se utilizó la información contenida en los Programas Forestales Quinquenales 2005 – 2009, relacionada con los volúmenes de madera que se extraerían en las siguientes Unidades de Ma-nejo: San Andrés (AFISAP), Las Ventanas (Árbol Verde), Uaxactún (OMYC), La Quetzal (UMI), Chosquitán (Laborantes del Bosque), Cruce a la Colorada (AFIC) y La Colorada (AFICC). Cada programa cuenta con el volumen total de madera que se extraerá y el área sobre la cual se hará el aprovechamiento, por cada uno de los cinco años.

Según estos programas, las especies de árboles de mayor comercialización en la región de referencia son: Caoba (Swietenia macrophylla), Cedro (Cedrela odorata), Jobillo (Astronium graveolens), Santa Ma-ría (Callophylum brasiliense), Manchiche (Lonchocarpus castilloi), Danto (Vatairea lundellii), Chechen Negro (Metopium brownii), Malerio Colorado (Aspidosperma megalocarpum), Catalox (Swartzia cuben-sis) y Pucté (Bucida buceras).

Por su parte, Bámaca (2002) reportó el promedio del porcentaje de madera efectivamente destinada a la elaboración de productos de madera de larga duración, y el porcentaje desperdiciado durante el pro-ceso, en concesiones presentes al interior de la región de referencia. En este sentido, del 100% de la madera extraída durante su aprovechamiento, 48% es desperdiciada en el bosque como ramas peque-ñas (9,1%), fuste no comercia (6,2%), tocón (7,9%), ramas grandes (18,9%) y ramas pequeñas (6,5%). Posteriormente, del 51,4% de la madera que llega al aserradero, se desperdicia 6,8% en corteza y 24,6% en aserrín, lepas y orillas y macia. Esto quiere decir que del 100% de la madera aprovechada en un bos-que, únicamente 20,1% permanece en productos de madera de larga duración.

Aplicando estos porcentajes a los datos obtenidos de los Programas Forestales Quinquenales 2005 – 2009 de las Unidades de Manejo anteriormente mencionadas, se encontró que de las concesiones se extraen en promedio 31.8 t-CO2/ha, de los cuales 15.4 t-CO2/ha se quedan en el bosque como desper-dicios e ingresan al aserradero 16.4 t-CO2/ha. De estos, 9.9 t-CO2/ha se desperdician en el aserradero y 6.4 t-CO2/ha permanecen almacenados en productos de madera de larga duración. Estos volúmenes promedio son superiores a los que se pueden extraer en las áreas que son deforestadas, dada la falta de infraestructura y recursos del productor, quien a duras penas puede extraer las maderas más valiosas, en contraste con las concesiones, las cuales tienen infraestructura y medios para aprovechar, transpor-tar y aserrar más especies maderables del bosque; por lo tanto, el promedio de 6.4 t-CO2/ha es conser-vador y puede ser aplicado para estimar el carbono almacenado en productos de la madera. También resulta conservador suponer que de todas las hectáreas taladas se extrae madera. El promedio de exis-tencias de carbono en los bosques es de 266.9 t-CO2/ha, de los cuales, lo almacenado en productos representaría el 2.39% y por lo tanto se considera un reservorio de carbono no significativo

Los resultados se resumen en la Tabla 14. Todos los factores, procedimientos, datos de las parcelas, cálculos y ecuaciones utilizadas para los cálculos del error de muestreo y los límites de confianza se pre-sentan en el archivo “Documentacion_Guatemala\ CDI - Cálculo inventario de C Norte de Guatema-la.xlsx”.

6.1.2 Cálculo del cambio de existencias de carbono en la línea base

El cálculo del cambio de existencias de carbono en la línea base se realizó a partir de los datos del área deforestada en cada clase inicial de bosque multiplicada por su respectiva densidad de carbono prome-dio y de las clases finales a las que se convierte el bosque después de ser deforestado y su contenido de carbono promedio, así como se muestra en la ecuación 14 de VM0015, V1.0 (p. 73).

Los cálculos se realizaron sobre un período de simulación de 30 años. Bajo este escenario se logró esta-blecer que el cambio total del reservorio de carbono en la línea base dentro de la región de referencia, sería de 330.650.012,6 tCO2 emitidas a la atmósfera a causa de la deforestación, con un promedio anual de 11.021.667,1 tCO2.

Las Tablas 15a, 15b y 15c muestran el resultado de los cálculos.

6.2 Emisiones no-CO2 por fuegos en la línea base

Las emisiones no-CO2 por fuegos usados para deforestar se omiten en la línea base, siguiendo el princi-pio de conservadurismo.

Paso 7: Estimación ex ante de cambios en existencias de carbono y emisiones no-CO2 en el área del proyecto

NA

7.1 Estimación ex ante de cambios en las existencias reales de carbono

NA

7.1.1 Estimación ex ante de cambios en las existencias reales de carbono debido a las activi-dades planificadas

NA

7.1.2 Estimación ex ante de variaciones del carbono almacenado debido a deforestación no planeada inevitable dentro de la zona del proyecto

NA

7.1.3 Estimación ex ante de cambios en las existencias reales netas de carbono en el área del proyecto

NA

7.2 Estimación ex ante de las emisiones reales de CO2 no de incendios forestales

NA

7.3 Estimación ex ante total para el área del proyecto

NA

Paso 8: Estimación ex ante de fugas

NA

8.1 Estimación ex ante de la disminución de existencias de carbono y aumento de las emi-siones de GEI debido a medidas de prevención de fugas

NA

8.1.1 Cambios en existencias carbono debido a actividades realizadas en las áreas de manejo de fugas

NA

8.1.2 Estimación ex ante de emisiones de CH4 y N2O de pastoreo

NA

8.1.3 Estimación ex ante de variaciones del carbono almacenado y aumentos de emisiones de gases de efecto invernadero debidas a medidas de prevención de fugas

NA

8.2 Estimación ex ante de disminución de existencias de carbono y aumento de emisiones de GEI debidas a desplazamiento de actividades

NA

8.3 Estimación ex ante de fugas totales

NA

Paso 9: Estimación ex ante de reducciones totales netas antropogénicas de GEI

NA

9.1 Evaluación de significancia

NA

9.2 Estimación ex ante de reducciones de emisiones de gases de efecto invernadero netas

totales

NA

9.3 Cálculo de Unidades de Carbono Verificadas (VCUs) ex ante

NA

Parte 3 - Metodología para la verificación y la revalidación de la línea de base Tarea 1: Monitoreo de cambios de existencias de carbono y emisiones de GEI para la verifica-

ción periódica

NA

1.1 Monitoreo de cambios de existencias reales de carbono y emisiones de GEI en el área de proyecto

NA

1.1.1 Monitoreo de la implementación del proyecto

NA

1.1.2 Monitoreo del cambio de uso de la tierra y cambio de la cobertura de la tierra en el área de proyecto

NA

1.1.3 Monitoreo de cambios de existencias de carbono y emisiones no-CO2 por incendios forestales

NA

1.1.4 Monitoreo de impactos de perturbaciones naturales y otros eventos catastrófico

NA

1.1.5 Cambios totales reales estimados ex post de existencias de carbono netas y emisiones de GEI en el área de proyecto

NA

1.2 Monitoreo de fugas

NA

1.2.1 Monitoreo de cambios de existencias de carbono y emisiones de GEI asociadas con las medidas de prevención de fugas

NA

1.2.2 Monitoreo de la disminución de existencias de carbono y aumentos de emisiones de GEI por fugas por desplazamiento de actividades

NA

1.2.3 Fugas totales ex post estimadas

NA

1.3 Reducciones netas antropogénicas de emisiones de GEI

NA

Tarea 2: Revisión de las proyecciones de línea base para períodos fijos futuros de línea base

NA

2.1 Actualización de la información sobre agentes, causas, y causas subyacentes de la de-

forestación NA

2.2 Ajuste del componente de cambio de uso de la tierra y cobertura de la tierra de la lí-

nea base

NA

2.3 Ajuste del componente de carbono de la línea base NA

TABLAS

Se presenta a continuación la lista de tablas metodológicas de la metodología REDD VCS VM0015, V1.0. Las que se llenan para la línea base de la Tierras Bajas del Norte de Guatemala se ponen en negrita. Se excluyeron en esta versión del informe las tablas relacionadas con actividades de proyecto y fugas. La numeración de las tablas es la misma usada en la metodología.

Table 1: Scope of the methodology

Table 2: Criteria determining the applicability of existing baselines

Table 3. Carbon pools included or excluded within the boundary of the proposed AUD project activi-ty

Table 4. Sources and GHG included or excluded within the boundary of the proposed AUD project activity

Table 5. Data used for historical LU/LC change analysis

Table 6. List of land use and land cover classes existing at the project start date within the reference region

Table 7.a. Baseline land-use and land-cover change matrix

Table 7.b. List of land-use and land-cover change categories

Table 8. Stratification of the reference region

Table 9.a. Annual areas of baseline deforestation in the reference region

Table 9.b. Annual areas of baseline deforestation in the project area

Table 9.c. Annual areas of baseline deforestation in the leakage belt

Table 10. List of variables, maps and factor maps

Table 11. Annual areas deforested per forest class icl within the project area in the baseline case (baseline activity data per forest class)

Table 12a. Annual areas of post-deforestation classes fcl within the reference region in the baseline case (baseline activity data per non-forest class)

Table 12.b. Annual areas of post-deforestation classes fcl within the project area in the baseline case (baseline activity data per non-forest class)

Table 13a. Baseline activity data for LU/LC change categories (ct) in the reference region

Table 13.b. Baseline activity data for LU/LC change categories (ct) in the project area

Table 13.c. Baseline activity data for LU/LC change categories (ct) in the leakage belt

Table 14. Average carbon stock per hectare of all LU/LC classes present in the project area, leakage belt and leakage management area

Table 15.a. Baseline carbon stock change in pre-deforestation (forest) classes

Table 15.b. Baseline carbon stock change in post-deforestation (non-forest) classes

Table 15.c. Total net baseline carbon stock change in the project area

Table 16. Carbon stock change factors per category of LU/LC change

Table 17. Total net baseline carbon stock change in the project

Table 18. Parameters used to calculate baseline non-CO2 emissions from forest fires

Table 19. Baseline non-CO2 emissions from forest fires in the project area

Table 20.a. Ex ante estimated actual carbon stock decrease due to planned deforestation in the project area

Table 20.b. Ex ante estimated actual carbon stock decrease due to planned logging activities in the pro-ject area

Table 20.c. Ex ante estimated actual carbon stock decrease due to planned fuel wood collection and charcoal production in the project area

Table 20.d. Total ex ante carbon stock decrease due to planned activities in the project area

Table 21.a. Ex ante estimated carbon stock increase due to planned protection without harvest in the project area

Table 21.b. Ex ante estimated carbon stock increase following planned logging activities in the project area

Table 21.c. Ex ante estimated carbon stock increase following planned fuel-wood and charcoal activities in the project area

Table 21.d. Total ex ante estimated carbon stock increase due to planned activities in the project area

Table 22. Ex ante estimated net carbon stock change in the project area under the project scenario

Table 23. Total ex ante estimated actual emissions of non-CO2 gasses due to forest fires in the project area

Table 24: Total ex ante estimated actual net carbon stock changes and emissions of non-CO2 gasses in the project area

Table 25.a. Ex ante estimated carbon stock change in leakage management areas in the baseline case

Table 25.b. Ex ante estimated carbon stock change in leakage management areas in the project case

Table 25.c. Ex ante estimated net carbon stock change in leakage management areas

Table 26. Parameters used for the ex ante estimation of GHG emissions from grazing activities

Table 27. Ex ante estimation of leakage emissions above the baseline from grazing animals in leakage management areas

Table 27. Total ex ante NO2 emissions from nitrogen fertilization in leakage management areas

Table 28. Ex ante estimated total emissions above the baseline from leakage prevention activities

Table 29.a. Baseline carbon stock change in pre-deforestation (forest) classes

Table 29.b. Baseline carbon stock change in post-deforestation (non-forest) classes

Table 29.c. Total net baseline carbon stock change in the leakage belt

Table 30. Carbon stock change factors per category of LU/LC change

Table 31. Total net baseline carbon stock change in the leakage belt

Table 32. Ex ante estimated leakage due to activity displacement

Table 33. Ex ante estimated total leakage

Table 34. Ex ante estimated net anthropogenic GHG emission reductions and Voluntary Carbon Units

Table 35. Categories subject to MRV

Literatura citada

Los archivos referenciados en las referencias bibliográficas se encuentran en la carpeta “Documenta-cion_Guatemala\”

ActionAid, 2009. Biofuel Production in Guatemala. Laura Hurtado. In Food Files 3. ActionAid. pp. 22-25. Ver: FoodFiles_3-ActionAid-2009.pdf

Alonso-Fradeja, Alberto, 2011. Expansion of oil palm agribusinesses over indigenous peasant lands and territories in Guatemala: Fuelling a new cycle of agrarian accumulation, territorial dominance and social vulnerability? International Conference on Global Land Grabbing, April 6-8, 2011. Land Deals Politics Initiative and Journal of Peasant Studies and hosted by the Future Agricul-tures Consortium, Institute of Development Studies, University of Sussex. England Ver: Alberto-Alonso-Fradejas-BiofuelsExpansion-Guat-April-2011.pdf

Alves, L., Santos, F. 2002. Tree allometry and crown shape of four tree species in Atlantic rain forest, south-east Brazil. Journal of Tropical Ecology, 18 , pp 245-260 Ver: Tree_allometry_crown shape of_4_trees in Atlantic rain forest-JTE-2002-18-245.pdf

Amor, Dalia & Norman Christensen, 2008. Forecasting deforestation from the impact of road invest-ments in the Mayan Forest. Nicholas School of the Environment, Duke University, Durham, NC, USA. Ver: Forecasting-Deforestation-in-Mayan-Forest-Amor-Christensen-nd.pdf

Amor D. & A. Pfaff, 2008. Sequenced Road Investments & Clearing Of The Mayan Forest. Duke University -- Terry Sanford Institute of Public Policy, Economics Department and Nicholas School. Ver: Amor_Pfaff-Mayan-Forest-080331-2008.pdf

Arriola Vega, Luis A. 2009. Security And Migration In The Tabasco-El Petén Border Region. Second Se-mester 2009. Migracion y Desarollo 13.2. Universidad Autónoma de Zacatecas. Unidad Acadé-mica en Estudios del Desarrollo. Zacatecas, México. pp. 25-40. Ver: Security & Migration in Tabasco Peten Border Region-Arriola-2009.pdf

Bámaca, E., M. Kanninen, B. Louman, L. Pedroni y M. Gómez, 2004. Dinámica del carbono en los resi-duos forestales generados por el aprovechamiento y el aserrío en la Reserva de Biósfera Maya. Recursos Naturales y Ambiente, 41:103-111.

CAB International, 2000. In. Carr, D.L. 2001. Colonization, clear-cutting, and cornfields: Rural migration and deforestation in the Sierra de Lacandón National Park (SLNP), Guatemala. Proceedings of the Conference of the Latin American Studies Association of America, March, 2000, Miami, FL (Peer-reviewed extended abstract). Ver: DCarr_LASA_Proceedings_00.pdf

Borderland Beat, 2011. Guatemala army no match for Mexican gangs Tuesday, January 18, 2011. Ver: http://www.borderlandbeat.com/2011/01/guatemala-army-no-match-for-mexican.html

Brands, 2010. Crime, Violence, And The Crisis In Guatemala: A Case Study In The Erosion Of The State. Ver: Crime Violence and the Crisis in Guatemala-PUB986-Brands-2010.pdf

Brighter Green, 2011. Mexican Drug Cartels Tied To Cattle Ranching In Guatemala. Caroline Wim-berly June 29, 2011. Ver: Brighter Green - Mexican Drug Cartels Tied to Cattle Ranching in Guatemala-06-2011.pdf

Carr, D.L. 2009. Migration and Deforestation: Why Rural Migration Matters. Progress in Human Geogra-phy 33(3): 355-378. Ver: Rural-Mig-the-Driving-Force-behind.Defor-nihms116360-Carr-2009.pdf

Carr, D. L. 2008. Migration to the Maya Biosphere Reserve, Guatemala: Why place matters. Hum Organ. 2008 ; 67(1): 37–48. Ver: Migration-to-the-MBR-nihms116361-Carr-2008.pdf

Carr, D. L. 2004. Examining the Proximate and Underlying Causes of Tropical Deforestation: Migration and Land Use in the Sierra de Lacandón National Park, Guatemala. 2004. AAG Mtg, 2004. Ver: Examining-the Proximate and Underlying Causes of Def Mig and LU in SLNP-DCarr_AAG2004.pdf

Carr, D.L. 2000. Colonization, clear-cutting, and cornfields: Rural migration and deforestation in the Sier-ra de Lacandón National Park (SLNP), Guatemala. Proceedings of the Conference of the Latin American Studies Association of America. Miami, FL, March 2000. Ver: DCarr_LASA_Proceedings_00.pdf

CEMEC, 2011. METODOS. Desarrollo de mapas de uso del suelo para la región subnacional de Tierras Bajas del Norte de GuatemalaDraft Final Report. Wildlife Conservation Society and Consejo Na-cional de Areas Protegidas. October 25, 2011.

CentralAmericaData.Com, 2011. Guatemala: aumenta interés en exploración de petróleo. Junio 2011. Ver: Guatemala-aumenta interes en exploracion de petroleo-CentralAmericaData-4-29-2011.pdf

Chander, G., Markham, B., Helder, D. 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113, 893-903. Ver: Summary-of-calibration-coefficients-Chander-etal-20090027884_2009026987.pdf

Colchester, M., and L. Lohmann. 1993. The Struggle for Land and the Fate of the Forests. London: Zed Books. In: Kaimowitz D. 1995. Livestock and deforestation in Central America in the 1980s and 1990s. International Food Policy Research Institute. Center for International Forestry Research. Jakarta, Indonesia. Ver: Livestock & Deforestation in Central America IFPRI-EPT-DP09-Kaimowitz-1995.doc

Collins, Jane L. & Michael Painter, 1986. Settlement and Deforestation in Central America: A Discussion of Development Issues. Cooperative Agreement on Human Settlements and Natural Resource Systems Analysis. November 1986. Ver: Settlement-deforestation-in-CentAmer-Collins-Painter-1986.pdf

Congalton, Russell G. and Kass Green, 2009. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices.Second Edition.CRC Press.Taylor & Francis Group. Boca Raton, FL. Ver: Congalton-Green-Accuracy-Assessment-of-RS-Data-2009.pdf

Congalton, R.G. 1991. A review of assessing the accuracy of classifications of remotely sensed data. Re-mote Sensing of Environment 37: 35-46. Ver: A-review-of-assessing-the-accuracy-of-RS-data-Congalton-1991.pdf

CONAP, 2003. PLAN MAESTRO. Parque Nacional Laguna Lachuá. Cobán, Alta Verapaz. Guatemala. Ver: parque-nacional-laguna-lachua-pan maestro-CONAP-2003.pdf

COP7, 2001. Marrakesh Accords. Ver: marrakesh_accords_2001.pdf

El Observador, 2008. Análisis alternativo sobre política y economía. Septiembre 2008. Año 3, No. 14. Reconversion and biofuels. Luis. Solano. pp 30-61. Ver: El Observador No 14,septiembre de 2008.pdf

El Periódico de Guatemala, 2011. Auge de la palma africana crea oportunidad y riesgos. Alexis Bartres. August 25, 2011. Guatemala Ver: elPeriódico de Guatemala-Economía-Auge de la palma africana crea oportunidad y riesgos-08-2011.pdf

FAO, 2010. Predicting Land use dynamics in the Neotropics. Livestock Environment and Development (LEAD). Ver: http://www.fao.org/agriculture/lead/themes0/deforestation/neotropics/en/

FAO. 2004. Actualización de la evaluación de los recursos forestales mundiales a 2005, Términos y De-finiciones. Departamento de Montes, Organización de las Naciones Unidas para la Agricultura y la Alimentación. Roma. Ver: http://www.fao.org/forestry/7851-0d07adfee9364a4127238bf3ffc7d6ab2.pdf

FAO, 2000. Forest Resources Assessment. Ver: FRA-FAO-2000.pdf

FAO, 2008. Rural transport of food products in Central America and Panama. Leonardo Felicito de León y de León, Edwin Francisco de Leon Barrios, Jose Alberto Catalano, and Daniel Rodriguez Eduardo Neira. FAO Agricultural Services Bulletin 155. Ver: Rural-transp-of-food-products-in-LA-&-Carib-2008.pdf

Ferreira, C.M. 2001. Almacenamiento de carbono en bosques secundarios en el municipio de San Carlos, Nicaragua. Tesis para optar por el grado de MSc. Catie. Turralba, Costa Rica. Ver: almacenamiento de carbono en el suelo y la biomasa arborea_Ferreira-2001.pdf

GOFC-GOLD. 2009. The REDD Sourcebook. Ver: Sourcebook_Version_Nov_2009_cop15-1.pdf

Gomes, I. and V. E. Mendes. 2007. Association of Forest Communities of Petén, Guatemala. Prisma-CIFOR. Bogor Barat, Indonesia. Ver: Peten_guatemala_acofop-gomez-mendez-2007.pdf

Gould, K.A. 2006. Land regularization on agricultural frontiers: The case of Northwestern Peten, Guate-mala, Land Use Policy, Volume 23, Issue 4, October, Pages 395-407, ISSN 0264-8377, DOI: 10.1016/j.landusepol.2005.03.002. Ver: http://www.sciencedirect.com/science/article/pii/S026483770500013X

Gould, K.A., Carter, D.R., and R.K. Shrestha. 2006. Extra-legal land market dynamics on a Guatemalan agricultural frontier: Implications for neoliberal land policies, Land Use Policy, Volume 23, Issue 4, October 2006, Pages 408-420, ISSN 0264-8377, DOI: 10.1016/j.landusepol.2005.08.002. Ver: Extra-legal-land-mkt-dynamics-Guat-GouldKA-2006.pdf

Gould, K.A. 2009. Marking Land, Producing Markets: The Making Of A Guatemalan Rural Land Market. M.S. University of Florida, 2001. A PHD Thesis. The University of British Columbia (Vancouver). Ver: ubc_2009_fall_gould_kevin.pdf

Grandia, L. 2011. Projecting Smallholders: Roads, the Puebla to Panama Plan and Land Grabbing in the Q’eqchi’ Lowlands of Northern Guatemala. Presented at the International Conference on Global

Land Grabbing, April 6-8, 2011. Future Agricultures Consortium. Institute of Development Stud-ies. University of Sussex. Ver: Liza Grandia-Roads History-Guat-April-2011.pdf

Grandia, L. 2009. Raw hides: Hegemony and cattle in Guatemala's northern lowlands, Geoforum, Vol-ume 40, Issue 5, Themed Issue: Land, Labor, Livestock and (Neo) Liberalism: Understanding the Geographies of Pastoralism and Ranching; Themed Issue: Organizational Geographies of Power, September 2009, Pages 720-731, ISSN 0016-7185, DOI: 10.1016/j.geoforum.2009.01.004. Ver: Raw-hides-Hegemony-cattle-in-Guat-n-lowlands-geoforum-2009.pdf

Grandia, L. 2006. Unsettling: Land Dispossession and Enduring Inequity for the Q’eqchi’ Maya in the Guatemalan and Belizean Frontier Colonization Process. Department of Anthropology. Universi-ty of California-Berkeley. Ver: Land-Dispossess-Inequity-for-Qeqchi-Maya-in-Guat-Belize-Coloniz-Proc-grandia-2006.pdf

Grunberg, W., Guertin, D. P., and W. W. Shaw. 2000. Modeling Deforestation Risks for the Maya Bio-sphere Reserve, Guatemala. School of Renewable Natural Resources, The University of Arizona, Tucson, Arizona, USA. Ver: Modeling Deforestation Risk MBR-Guate-Grunberg-2000.pdf

Guardian, 2011. Drugs barons accused of destroying Guatemala's rainforest. June 13, 2011. Guatemala Times, 2011. Ver: Drugs barons accused of destroying Guatemala's rainforest-Guardian-6-13-2011.docx

Guatemala: Are the Sustainability Schemes Approved by the EU a Viable Alternative to Address Agro-fuels’ Impacts? Friday, 25 March 2011 10:52 Laura Hurtado. Ver: Guatemala- Are the Sustainability Schemes Approved by the EU a Viable Alternative to Ad-dress Agrofuels_Impacts-MAR 25, 2011.pdf

Hecht, S.B. 1992. Logics of Livestock and Deforestation: The Case of Amazonia. In Development or De-struction, The Conversion of Tropical Forest to Pasture in Latin America, ed. T. Downing, S. Hecht, H. Pearson and C. Garcia Downing. Boulder: Westview Press. 7-25. In Kaimowitz D. 1995. Livestock and deforestation in Central America in the 1980s and 1990s. International Food Policy Research Institute. Center for International Forestry Research. Jakarta, Indonesia. Ver: Livestock & Deforestation in Central America IFPRI-EPT-DP09-Kaimowitz-1995.doc

INE, 2002. Censo 2002. Instituto Nacional De Estadistica. Guatemala.

IUCN, 2008. Guatemala: indigenous management of a protected area. IUCN Arborvitae. Issue 36. Arturo Santos and Julian Orozco. Ver: lachua-iucn-av_36_english-2008.pdf

Jaramillo, Carlos Felipe and Kelly, Thomas J. (1997): Deforestation and Property Rights in Latin America. Mimeo, University of Maryland, College Park. Ver: Defor-&-Property-Rights-in-Latin-America-Jaramillo-Kelly-1997.pdf

Kaimowitz D. 1995. Livestock and deforestation in Central America in the 1980s and 1990s. IFPRI-EPT Discussion Paper No. 9. International Food Policy Research Institute. Washington, DC. Ver: Livestock & Deforestation in Central America IFPRI-EPT-DP09-Kaimowitz-1995.doc

http://www.guatemala-times.com/science-environment/environment/2151-guatemala-are-the-sustainability-schemes-approved-by-the-eu-a-viable-alternative-to-address-agrofuels-impacts.html

http://www.guatemala-times.com/science-environment/environment/2151-guatemala-are-the-sustainability-schemes-approved-by-the-eu-a-viable-alternative-to-address-agrofuels-impacts.html

Kaimowitz D. 1996. Livestock and deforestation in Central America in the 1980s and 1990s. International Food Policy Research Institute. Center for International Forestry Research. Jakarta, Indonesia. Ver: Livestock & Deforestation in Central America CIFOR-Kaimowitz-1996.pdf

King, D. 1996. Allometry and Life History of Tropical Trees. Journal of Tropical Ecology, Vol. 12, No. 1, pp. 25-44 Ver: King_1996_allometry.pdf

LA Times, 2008. Smugglers, poachers thrive in Guatemala's Peten. July 9, 2008. Ver: Smugglers, poachers thrive in Guatemala's Peten-LATimes-2008.pdf

Leblanc, H., R. Russo, J.J. Cuevas & E. Subía. 2006. Fijación de carbono en palma aceitera en la región tropical húmeda de Costa Rica. Tierra Tropical 2(2): 197-202. Ver: FIJACIÓN DE CARBONO EN PALMA ACEITERA-Leblanc-2006.pdf

Loening, L. J. & M. Markussen. 2003. Pobreza, Deforestacion y sus Eventuales Implicaciones para la Bio-diversidad de Guatemala. Economia, Sociedad y Territorio, Julio-Diciembre, año/vol. IV, numero 014. El Colegio Mexiquense, A.C. Toluca, Mexico. pp. 279-315. Ver: Loening_est_voliv_num14_2003.pdf

MAGA, 2011. Situacion Actual de Maiz Blanco en Guatemala. Direccion de Planeamiento. May 3, 2011. Ver: situacion_maiz_blanco-MAGA-2011.pdf

MAGA, (2003). Coberatura Vegetal y Uso de la Tierra a escala 1:50,000 de la República de Guatemala. Acquired from: CEMEC. Ver: Memoria Tecnica USOT.pdf

Marks, Gerby, 2010. Clandestine Airstrips: Opportunity For Narcoticsterrorism Nexus In Laguna Del Tigre National Park, Guatemala. Unpublished University manuscript. Remote Sensing GEOG 883: Spring 2010 Capstone Project. Ver: Clandestine-Airports-Marks_Gerby_FINALProjectReport-2010.pdf

Martinez-Alonso C., Imbach P., Locatelli B. 2007. Como seleccionar una definición de bosque para el mecanismo de desarrollo limpio?. Recursos naturales y ambiente. Turrialba, Costa Rica (51-52) : 184-190. Ver: rna51_exp_martinez-2007.pdf

Mollitor, A.V., Leaf, A.L., Morris, L.A., 1980. Forest soil variability on northeastern flood plains. Soil Sci-ence Society America Journal 44, 617–620. In Garten Jr. C.T., Kang S., Brice D.J., Schadt C.W., Zhou J. Variability in soil properties at different spatial scales (1 m-1 km) in a deciduous forest ecosystem (2007) Soil Biology and Biochemistry, 39 (10), pp. 2621-2627. Ver: Garten-etal-2007.pdf

NASA, 2011. Landsat 7 Science Data Users Handbook. Ver: Landsat7_Handbook.pdf o ver: http://landsathandbook.gsfc.nasa.gov/data_prod/prog_sect11_3.html

NYTimes, 2011. Ranchers and Drug Barons Threaten Rain Forest. BLAKE SCHMIDT. EL MIRADOR, Guate-mala. July 17, 2010. Ver: Ranchers and Drug Barons Threaten Rain Forest - NYTimes-7-18-2010.pdf

Plaza Pública, 2011. Popular Guatemala Mayor's Ties to 'Narco Family'. Luis Ángel Sas. Ver: Popular Guatemala Mayors Ties to Narco Family-InsightCrime-2011.pdf

Poorter, L., Bongers, L., Bongers, F. 2006. Architecture of 54 moist forest tree species: traits, trade-offs, and functional groups. Ecology: Vol. 87, No. 5, pp. 1289-1301. Ver: Architecture of 54 Tree Species_Poorter_Ecology-2006.pdf

Radachowsky. 2008. Tropical deforestation, community forests, and protected areas in the Maya Forest. Ecology and Society 13(2): 56. Ver: http://www.ecologyandsociety.org/vol13/iss2/art56/

RUTA (Regional Unit for Technical Assistance) - Unidad Técnica National. 1993. Opciones para la liberali-zación de precios y mercados en el subsector ganaderia de leche en Guatemala. Guatemala. In Kaimowitz, David, 1995. Livestock and deforestation in Central America in the 1980s and 1990s. International Food Policy Research Institute. Center for International Forestry Research. Jakarta, Indonesia. Ver: Livestock & Deforestation in Central America IFPRI-EPT-DP09-Kaimowitz-1995.doc

Sader, S., Sever, T, Soza, C & N.B. Schwartz. 2000. Time-Series Forest Change, Land Cover/Land Use Conversion, and Socio-Economic Driving Forces in the Peten District, Guatemala. A Progress Re-port To NASA - Ese - Lcluc Science Program, March 2000. Ver: PrgRep-Sader2000.pdf.

Samayoa, Omar. 2011. Draft Agents &Drivers Report. Unpublished manuscript. Rainforest Alliance. Gua-temala City. September, 2010. Ver: Informe sobre Análisis de Agentes y Causas de Deforestación en Tierras Bajas del Petén-Samoyoa-09-2010.pdf

Shriar, Avrum. 2002. Food security and land use deforestation in northern Guatemala. Food Policy 27 (2002) 395–414 Ver: Food security and land use deforestation in northern Guatemala - Shriar-2002.pdf

Stehman, Stephen V., and Raymond L Czaplewski. 1998. Design and analysis for thematic map accuracy assessment: Fundamental principles. Remote Sensing of the Environment. 64:331-344. Ver: Design-&-analysis-for-thematic-map-accuracy-assessment_stehman_1998.pdf

Storey, J., Scaramuzza, P., Schmidt, G. 2005. Landsat 7 scan line corrector-off gap filled product devel-opment. Pecora 16 Conference Proceedings, 23-27 October 2005, Sioux Falls, South Dakota. Ver: http://landsat.usgs.gov/documents/L7SLCGapFilledMethod.pdf

Stupp, P. and R. Bilsborrow (1989). The effects of population growth on agriculture in Guatemala. Annu-al Meeting of the Population Association of America (PAA), Baltimore. In Carr, D L. 2000. Coloni-zation, clear-cutting, and cornfields: Rural migration and deforestation in The Sierra de La-candón National Park, Petén, Guatemala. University of North Carolina at Chapel Hill. Ver: DCarr_LASA_Proceedings_00.pdf

TeatroNaturale International, 2011. Agribusiness in Central America. No. 22, 11 October 2011. Director Luigi Caricato. Ver: Agribusiness in central america-TeatroNaturaleInternational-2011.pdf

Theebi.Org. n.d. Negative Secondary Impacts from Oil and Gas Development. The Energy and Biodiversi-ty Initiative. Ver: http://www.theebi.org/pdfs/impacts.pdf

http://landsat.usgs.gov/documents/L7SLCGapFilledMethod.pdf

USAID, 2005. Appreciating the complexity and dignity of people’s lives: Integrating population-health-environment research in Petén, Guatemala (Focus Issue 10). Liza Grandia. Washington, DC: Envi-ronmental Change and Security Program. Ver: Focus_Issue10-USAID-2005.pdf

USAID, 2001. Salud, Migración y Recursos Naturales en Petén. Resultados del Módulo Ambiental en la Encuesta de Salud Materno Infantil1999. November 2001.

Ver: Salud-Migracion-y-Recursos-Naturales-en-Peten-USAID-2001-PNADO233.pdf

USDA, 2011. Guatemala: Biofuels Annual Ethanol and Potential Biodiesel in Guatemala. USDA Foreign Agricultural Service. Global Agricultural Information Network Report Number: GT1105. June 30. Guatemala City. Ver: Biofuels Annual_Guatemala City_Guatemala_6-30-2011.pdf

WCS, 2009. Rancher Outreach And Human-Jaguar Conflict Mitigation. Final Report To Chester Zoo. Wild-life Conservation Society - Guatemala Program. August 2009. Ver: Reporte Final_WCS a Chester Zoo_2009.pdf

World Bank, 2011. World Bank Indicators. Population Growth per Google.com. Ver: http://data.worldbank.org/indicator

World Bank, 2011. Crime and Violence in Central America Volume II. Report No. 56781-LAC. September 2010 . The Central America Unit. Poverty Reduction and Economic Management Unit. Latin America and the Caribbean Region. World Bank. Ver: crime_&_violence_in_CA_WBank_full_report_74.pdf

Zander, M. & J. Durr. 2011. Dynamics in land tenure, local power and the peasant economy: the case of Petén, Guatemala. International Conference on Global Land Grabbing. April 6-8, 2011. Land Deals Politics Initiative. Journal of Peasant Studies and hosted by the Future Agricultures Consor-tium at the Institute of Development Studies, University of Sussex. Ver: Markus Zander-Jochen Durr-LDPI-2011.pdf

formato cÓdigo f-ee-024 informes … · este informe presenta los resultados de la aplicación de...

Documents