Los objetivos particulares de la tesis doctoral son los que se describen a continuación: 1. Análisis de las diferentes metodologías de cálculo de nivel de emisiones de
referencia en el ámbito de mecanismos REDD.
2. Desarrollo de una metodología de clasificación forestal (bosque / no bosque), a partir de imágenes de satélite de observación de la Tierra, para la determinación de la deforestación y degradación forestal en la zona de estudio a partir de algoritmos de Análisis de Mezclas Espectrales.
3. Análisis de los agentes y vectores de la deforestación y degradación forestal y su
correlación causa – efecto con dichos procesos en el mismo período temporal
determinado para el análisis anterior.
4. Desarrollo de la estimación futura más probable como consecuencia de los resultados obtenidos anteriormente.
1. Análisis de las diferentes metodologías de cálculo de nivel de emisiones de
referencia en el ámbito de mecanismos REDD.
Recopilación y análisis de metodologías desarrolladas para el cálculo de nivel de emisiones de referencia en proyectos REDD, valorando, de manera particular, la efectividad de las técnicas geoespaciales como referencia para el desarrollo de dichos análisis, y de los factores de causalidad.
degradación forestal en la zona de estudio a partir de algoritmos de Análisis de Mezclas Espectrales.
Para alcanzar este objetivo se desarrollará una metodología de clasificación de la deforestación y la degradación forestal para la serie de imágenes Landsat-5/TM en el período de estudio determinado (1998-2011). Para ello, se utilizarán métodos de
clasificación basados en el Análisis de Mezclas Espectrales (SMA, Spectral Mixtures
Analysis) a fin de realizar clasificaciones a nivel subpíxel de las imágenes. Asimismo, se utilizarán librerías de firmas espectrales de especies amazónicas para optimizar las clasificaciones.
La clasificación se realizará de manera desagregada para la deforestación y para la degradación forestal, proceso éste último notablemente más complejo de detectar que la deforestación: mientras esta última implica la conversión de bosques a otro uso de la tierra, la degradación se circunscribe a cambios en la estructura del bosque y, por tanto, una reducción en las reservas forestales de carbono pero sin un cambio en el uso del suelo.
Desde el punto de vista del uso de la tierra, la deforestación y la degradación forestal obedecen a procesos distintos (Angelsen et al., 2009): la deforestación ocurre fundamentalmente por la demanda de tierras (principalmente para agricultura) mientras que la degradación se debe a la demanda de madera. Las actuales tasas de degradación pueden medirse a través de datos de campo (inventarios forestales nacionales multitemporales y datos permanentes de muestreo de parcelas, conjuntos de datos forestales comerciales), datos indirectos provenientes de factores de predisposición de la ocurrencia y datos de teledetección y técnicas geoespaciales. Los países en vías de desarrollo suelen carecer de datos de campo históricos consistentes para evaluar la degradación de los bosques, por lo que deben apoyarse más en los enfoques de teledetección combinada con las evaluaciones de campo actuales de cambios en las existencias de carbono. Las estimaciones históricas de degradación tendrán mayores incertidumbres, ya que será difícil determinar su exactitud. Sin embargo, la mejora de las capacidades de monitorización sistemáticas actuales para cálculos sobre la degradación
de los bosques ayudarán a reducir las incertidumbres, incluso para las estimaciones históricas.
La degradación puede presentar un cambio de la cubierta de la tierra mucho más amplia que la deforestación. En realidad, la monitorización de la degradación se verá limitada por la capacidad técnica para detectar y registrar el cambio en la cubierta forestal debido a pequeños cambios que probablemente no serán evidentes a menos que produzcan un patrón sistemático en las imágenes de satélite. Muchas actividades provocan degradación en los bosques, pero no todas pueden ser monitorizadas con alta certeza a partir de datos de teledetección (Herold et al., 2012) (Achard et al., 2009). Los huecos en el dosel provocados por la extracción selectiva de árboles (legales e ilegales) pueden ser detectados en imágenes como Landsat utilizando técnicas de análisis multitemporal de imágenes; siendo la tarea un poco más fácil cuando la actividad maderera es más intensa (es decir, mayor el número de árboles talados). El registro de una intensidad superior es probable que cause más cambio en las características del dosel, y por lo tanto una mayor probabilidad de que esto pudiera ser controlado con el tipo de imágenes Landsat y su interpretación. La superficie de los bosques sometidos a la tala selectiva también se puede interpretar en las imágenes de teledetección a partir de las observaciones de las redes de carreteras y cargaderos de madera que a menudo son claramente reconocibles en las imágenes. La degradación de las masas boscosas por los incendios forestales es generalmente más fácil de identificar y controlar que las talas con las actuales imágenes de satélite. La degradación por la sobreexplotación para leña u otros usos locales de la madera a menudo seguidas de pastoreo de animales que impide la regeneración, una situación más común en las zonas forestales más secas, es probable que no sea detectable desde la interpretación de imágenes de satélite de media o alta resolución espacial a menos que la tasa de degradación fuera intensa, causando mayores cambios en el dosel y métodos de seguimiento de este modo no se presentan aquí.
3. Análisis de los agentes y vectores de la deforestación y degradación forestal y su
correlación causa – efecto con dichos procesos en el mismo período temporal
El propósito del análisis será realizar tanto una caracterización espacialmente cuantitativa de las causas de la pérdida de cobertura forestal (factores directos) como la determinación, cuantificación y correlación de los factores demográficos y socioeconómicos (factores indirectos o subyacentes) que pudieran influir en los cambios históricos en la cobertura forestal.
En el caso de los factores directos, se recopilará un conjunto de cartografía temática con potencial impacto sobre los bosques (hidrografía, redes viales, áreas protegidas, asentamientos humanos, etc.) para realizar el correspondiente análisis con los resultados obtenidos en el estudio multitemporal de la deforestación y degradación forestal (objetivo
2). Para ello, se cruzará información de las dos fechas disponibles de la cartografía temática (2000 y 2012) con los resultados obtenidos que se obtengan para la deforestación y degradación forestal producidas en las dos fechas más cercanas a la de
la cartografía temática.
El análisis de los vectores indirectos o subyacentes se basará igualmente en una metodología retrospectiva de medidas indirectas, donde se tendrán en cuenta los registros de series temporales de numerosos factores económicos, demográficos, sociales y ambientales. Esta serie multitemporal de registros para cada factor se correlacionará con los resultados de deforestación y degradación en el mismo período (1998 y 2011).
Es importante señalar que, en este caso, se parte del supuesto de que la deforestación y la degradación forestal son fenómenos cuya ocurrencia se produce en lugares que tienen una combinación de atributos bio-geofísicos y económicos particularmente favorable para los agentes causales. Por ejemplo, un bosque situado en tierra fértil, con poca pendiente, y con accesos directos a carreteras y mercados de los productos agrícolas es probable que esté en mayor riesgo de deforestación que un bosque situado en una zona de características no tan favorables. Localidades con mayor riesgo se supone que son deforestadas o degradadas primero. Esta hipótesis puede ser probada empíricamente mediante el análisis de la correlación espacial entre la deforestación histórica y las variables bio-geofísicas y económica georreferenciadas. El riesgo de deforestación / degradación (o probabilidad de deforestación / degradación) está sujeto a cambios de
localización espacial en un momento cuando una o más de las variables de los vectores espaciales modifica sus valores debido a cambios previstos, por ejemplo, cuando aumenta la densidad de población dentro de un área determinada, cuando una carretera se construye en las inmediaciones, o cuando las áreas recientemente deforestadas están cada vez más cerca, etc.
Asimismo se determinarán y analizarán factores indirectos (socioeconómicos, demográficos, etc.) que pudieran presentar una relación causa - efecto con los procesos de cambio de bosque estudiados en la tesis. Una vez determinados dichos factores, se buscarán bases de datos de los mismos que incluyan registros en períodos que abarquen series temporales análogas a las definidas para el análisis multitemporal llevado a cabo con teledetección. De esta forma, se pretende obtener series estadísticas multitemporales que podrán ser comparadas entre sí a fin de comprobar el grado de correlación existente y, por tanto, la mayor o menor probabilidad en la causa de los procesos.
4. Modelo de estimación de perspectiva futura como consecuencia de los resultados
obtenidos anteriormente.
El cuarto objetivo se centra en la estimación de las perspectivas de evolución futura de las tasas de deforestación y degradación teniendo en cuenta los resultados de la clasificación de las imágenes de satélite y los agentes causales. Las tasas estimadas intentarán predecir la probabilidad de la deforestación y degradación futura.
El cálculo de los datos históricos de deforestación y degradación forestal debería permitir entender la relación de éstos con los vectores causales. La literatura sobre correlaciones, a través de circunstancias país, ha permitido analizar las causas de la deforestación y degradación en función una serie de variables, y algunas de éstas son candidatas potenciales para su inclusión en un modelo para establecer niveles de referencia (Angelsen & Kaimowitz, 1999). Esto incluye, por ejemplo, la densidad y el crecimiento de la población, el crecimiento económico, los precios de los productos básicos y bienes de consumo, las variables de gobernabilidad, etc.
En definitiva, se trata de calcular el escenario o escenarios más razonables de ocurrencia futura basados en la evolución de los sucesos pasados, analizando circunstancias de predicción (¿se espera que el consumo de un determinado producto agrícola de San Martín se modifique a nivel mundial y eso afecte a su precio? ¿cómo afectarán las nuevas inversiones en infraestructuras de los próximos años? ¿y las políticas medioambientales de los futuros gobiernos regionales? ¿y la tendencia de precios de algunos cultivos?).