INSTITUTO DE INVESTIGACIÓN DE RECURSOS BIOLÓGICOS ALEXANDER VON HUMBOLDT

PROGRAMA NACIONAL DE DESARROLLO HUMANO DEPARTAMENTO NACIONAL DE PLANEACIÓN

Proyecto

Diseño e Implementación del Sistema Indicadores de Seguimiento de la Política de Biodiversidad en la Amazonia Colombiana

Componente

Análisis Estadístico de Relaciones Existentes de Indicadores de Estado de los

Ecosistemas e Indicadores de Presiones Humanas sobre la Biodiversidad

Informe Final de Resultados

Metodología de Índices Sintéticos de Estado de los Ecosistemas y Relación con Índices de Presión y Respuesta Antrópica

Preparado por Alfredo Sarmiento G., Director General Francisco Alberto Galán S., Coordinador Claudia Mesa, Investigadora Elkin Castaño, Estadístico Claudia L. Delgado, Analista de sistemas Federico Ariza N., Analista de sistemas

Bogotá, 18 de Julio de 2002

TABLA DE CONTENIDO

1. INTRODUCCION........................................................................................................................................ 1

2. MARCO TEÓRICO..................................................................................................................................... 2 2.1. LA SOSTENIBILIDAD AMBIENTAL Y SU MEDICIÓN........................................................... 2

2.1.1. Enfoques teóricos generales ....................................................................................................... 2 2.1.2. Consideraciones generales para la medición............................................................................. 4

2.2. INDICADORES Y ECOLOGÍA DEL PAISAJE Y FRAGMENTACIÓN............................................ 7 2.2.1. Indicadores simples e indicadores complejos. ............................................................................... 7 2.2.2. Ecología del paisaje y la fragmentación......................................................................................... 8 2.2.3. Herramientas para la medición de la fragmentación del paisaje ................................................. 10

3. METODOLOGÍA....................................................................................................................................... 10 3.1. AREAS OBJETO DE ESTUDIO ......................................................................................................... 11 3.2. FUNCIONES E ÍNDICES SINTÉTICOS DE ESTADO ..................................................................... 12

3.2.1. Variables relevantes...................................................................................................................... 12 3.2.2. Dimensiones (índice sintético de estado) ...................................................................................... 13

4. ANÁLISIS Y RESULTADOS ................................................................................................................... 14 4.1. ANÁLISIS DE FACTOR DE LAS VARIABLES DE FRAGMENTACIÓN DE LOS ECOSISTEMAS DE PÁRAMO HÚMEDO Y BOSQUE ANDINO 14

4.1.1. Resultados para el Ecosistema de Páramo Húmedo..................................................................... 15 4.1.2. Resultados Para El Ecosistema De Bosque Andino...................................................................... 21

4.2. RELACION ENTRE VARIABLES SOCIOECONOMICAS Y LOS INDICADORES DE FRAGMENTACION................................................................................................................................... 27

4.2.1. Resultados Para El Ecosistema Páramo Húmedo. ....................................................................... 27 4.2.2. Resultados Para El Ecosistema Bosque Andino. ...................................................................... 32

5. EL CASO DE LA AMAZONIA Y LA GENERACION DE INFORMACION............................. 35 5.1 PROPUESTA DE GENERACION DE INFORMACION DE CAMPO ...................................... 36

6. CONCLUSIONES GENERALES:...................................................................................................... 38

ANEXO 1. DEFINICIONES INDICES DE FRAMENTACION........................................................... 40

ANEXO 2. MANEJO DE DATOS............................................................................................................ 43

ANEXO 3. CORRELACION ENTRE LAS DIMENSIONES Y LAS VARIABLES SOCIOECONOMICAS ......................................................................................................... 47

ANEXO 4. HISTOGRAMAS DE LAS DIMENSIONES ....................................................................... 56

ANEXO 5. DESCRIPCION VARIABLES DISPONIBLES .................................................................. 60

i

INDICES DE CUADROS Y GRAFICOS

CUADROS Cuadro 1: Páramo húmedo. Valores propios de la matriz de correlación…………… 16 Cuadro 2: Páramo húmedo. Varimax. Estructura de los valores rotados……………… 17 Cuadro 3: Páramo húmedo. Varianza explicada por cada factor……………………… 17 Cuadro 4: Páramo húmedo. Dimensiones usando el procedimiento Varclus…………. 18 Cuadro 5: Páramo húmedo. Correlaciones entre dimensiones………………………… 18 Cuadro 6: Páramo húmedo. Medias y desviaciones de variables……………………… 21 Cuadro 7: Bosque Andino. Valores propios de matriz de correlación………………. 22 Cuadro 8: Bosque Andino. Varimax. Estructura de los valores rotados……………… 23 Cuadro 9: Boque Andino. Dimensiones usando el procedimiento Varclus…………… 24 Cuadro 10: Bosque Andino. Correlaciones entre dimensiones………………………… 24 Cuadro 11: Bosque Andino. Medias y desviaciones de variables……………………... 27 Cuadro 12: Páramo húmedo. Relaciones con variables socioeconómicas. Relaciones para la primera dimensión…………………………………………………. 30 Cuadro 13: Páramo húmedo. Relaciones con variables socioeconómicas. Relaciones para la segunda dimensión………………………………………………… 30 Cuadro 14: Páramo húmedo. Relaciones con variables socioeconómicas. Relaciones para la tercera dimensión………………………………………………….. 31 Cuadro 15: Páramo húmedo. Relaciones con variables socioeconómicas. Relaciones para la cuarta dimensión………………………………………………….. 31 Cuadro 16: Bosque andino. Relaciones con variables socioeconómicas. Relaciones

para la primera dimensión………………………………………………… 34 Cuadro 17: Bosque andino. Relaciones con variables socioeconómicas. Relaciones

para la segunda dimensión……………………………………………… 34 Cuadro 18: Bosque andino. Relaciones con variables socioeconómicas. Relaciones para la tercera dimensión………………………………………………. 34 Cuadro 19: Bosque andino. Relaciones con variables socioeconómicas. Relaciones para la cuarta dimensión………………………………………………… 35 Cuadro 20: Bosque Andino. Dimensiones y variables socioeconómicas. Media y

ii

desviación estándar………………………………………………………… 47 Cuadro 21: Bosque Andino. Dimensiones y variables socioeconómicas. Media y

desviación estándar………………………………………………………… 47 Anexo 5. Cuadros 1 y 2. Descripción de variables disponibles…………………... 60

GRAFICOS Gráfico 1: Bosque Andino. Relaciones de variables socioeconómicas con dim. 1.. 48 Gráfico 2: Bosque Andino. Relaciones de variables socioeconómicas con dim. 2.. 49 Gráfico 3: Bosque Andino. Relaciones de variables socioeconómicas con dim. 3… 50 Gráfico 4: Bosque Andino. Relaciones de variables socioeconómicas con dim. 4… 51 Gráfico 5: Páramo Húmedo. Relaciones de variables socioeconómicas con dim. 1.. 52 Gráfico 6: Páramo húmedo. Relaciones de variables socioeconómicas con dim. 2… 53 Gráfico 7: Páramo húmedo. Relaciones de variables socioeconómicas con dim. 3… 54 Gráfico 8: Páramo húmedo. Relaciones de variables socioeconómicas con dim. 4… 55 Gráfico 9: Bosque Andino. Histogramas de las dimensiones. Dimensión 1……….. 56 Gráfico 10: Bosque Andino. Histogramas de las dimensiones. Dimensión 2………. 56 Gráfico 11: Bosque Andino. Histogramas de las dimensiones. Dimensión 3……… 57 Gráfico 12: Bosque Andino. Histogramas de las dimensiones. Dimensión 4……… 57 Gráfico 13: Bosque Andino. Histogramas de las dimensiones. Dimensión 1……… 58 Gráfico 14: Bosque Andino. Histogramas de las dimensiones. Dimensión 2……... 58 Gráfico 15: Bosque Andino. Histogramas de las dimensiones. Dimensión 3…….. 59 Gráfico 16: Bosque Andino. Histogramas de las dimensiones. Dimensión 4……. 59

iii

ÍNDICES SINTÉTICOS DE ESTADO DE LOS ECOSISTEMAS Y RELACIÓN CON ÍNDICES DE PRESIÓN Y RESPUESTA ANTRÓPICA

1. INTRODUCCION Colombia tiene el compromiso con sus propios nacionales y con la humanidad de progresar en el conocimiento, la conservación y el uso sostenible de la diversidad. Un paso indispensable en esta dirección es la construcción de sistemas de información para apoyar el diseño, el seguimiento y la evaluación de las decisiones de política. Los indicadores, como parte central de ese sistema de información, expresan de manera funcional y cuantificable los objetivos y son instrumentos de conocimiento, alerta y valoración de las acciones y deben buscar expresarse en códigos de utilidad inmediata para las instituciones usuarias con la mayor aceptación universal Un enfoque que ha ganado amplia aceptación en la comunidad internacional para la clasificación de los indicadores de biodiversidad es la tipología funcional que diferencia indicadores de estado, indicadores de presión e indicadores de respuesta.1 Por su parte, diversas instituciones nacionales involucradas en el tema han avanzado en el trabajo sobre indicadores con este mismo enfoque.2 El Instituto Humboldt con las corporaciones Cormacarena, Corpoamazonia y CDA, ha decidido iniciar de manera práctica el diseño, prueba e implantación de indicadores. Dentro del trabajo que se realizó conjuntamente con la ONG Conservación internacional, la Misión Social y el Instituto Humboldt durante el año 2000, se definieron dos tipos de indicadores: los indicadores simples de seguimiento de la política, que constituyen la cuantificación de las variables básicas; y los indicadores compuestos que califican esta medición, al compararla frente a un estándar de compromiso gerencial (evaluación de gestión) o de finalidad social buscada (evaluación de impacto). El presente informe se dirige al primer conjunto de indicadores que ha sido elegido como uno de los componentes de la primera etapa de implementación. El objetivo del estudio es el análisis de las relaciones existentes entre los cambios en el estado de la biodiversidad (áreas e índices de fragmentación de los ecosistemas) y los factores de acciones humanas que inciden sobre estos cambios de estado de la biodiversidad en la Amazonia Colombiana. Los productos esperados en desarrollo de los objetivos del presente estudio son los siguientes:

1 Ver al respecto United Nations (1996), OECD (1994) y SBSTTA (1997). 2 DNP-CIAT (1997) y MMA, Acofore, OIMT (1999)

1

1. Un método de cálculo de indicadores sintéticos (compuestos por indicadores simples) que permitan medir las diferencias en el tiempo (cambios temporales) y en el espacio (corte transversal) de distintos estados de la biodiversidad y de las presiones que sobre ella ejercen las acciones humanas.

2. Prueba de consistencia estadística y ajuste del método de cálculo de los indicadores

sintéticos, con base en información disponible en el país, y aplicación del método de cálculo con base en la información existente para la Amazonía colombiana (área de jurisdicción de las corporaciones Cormacarena, CDA y Corpoamazonia).

3. Análisis de relaciones funcionales entre el comportamiento de las presiones

humanas sobre los ecosistemas (factores antrópicos) y su incidencia sobre las modificaciones de las características del estado de la biodiversidad.

4. Prueba de la consistencia estadística y ajuste de las relaciones funcionales, con base

en información disponible en el país, y aplicación con base en la información existente para la Amazonía colombiana (área de jurisdicción de las corporaciones Cormacarena, CDA y Corpoamazonia).

5. Una propuesta de sistema de generación de información de campo para llenar vacíos

existentes para la aplicación del método de cálculo de indicadores sintéticos y del modelo de relación funcional entre variables antrópicas y el estado de la biodiversidad descritos en los puntos 1 y 3. Esta propuesta debe incluir un diseño muestral aplicable para cada tipo de información requerida, bajo distintos escenarios de disponibilidad de recursos financieros.

6. Resultados de los análisis realizados y de las relaciones entre indicadores, en medio

impreso y magnético, acompañados de toda la información de base empleada con sus fuentes debidamente documentada y presentada en medio magnético.

El presente informe se divide en tres secciones generales. La primera sección hace unas breves consideraciones sobre el concepto de desarrollo sostenible y en relación con la medición de éste. En la segunda sección se resumen planteamientos básicos sobre los indicadores simples y complejos, la teoría del paisaje y acerca de los índices de fragmentación y las herramientas utilizadas para el análisis de la fragmentación del paisaje. En la tercera sección se incluyen los resultados obtenidos en los análisis estadísticos de los índices de fragmentación y de las relaciones de éstos con variables socioeconómicas. 2. MARCO TEÓRICO 2.1. LA SOSTENIBILIDAD AMBIENTAL Y SU MEDICIÓN 2.1.1. Enfoques teóricos generales La interpretación del desarrollo sostenible desde la perspectiva económica varía según la percepción de los analistas acerca de lo sustituible que sea el capital natural por el capital

2

hecho por las personas. La ponderación que se le da al alcance de la tecnología y a la importancia relativa de algunas formas de capital natural, marcan las diferencias entre lo que se ha dado en llamar sostenibilidad débil y la sostenibilidad fuerte. Igual sucede con el papel que se espera de los mercados como agentes reguladores de las relaciones entre los sistemas ecológicos y económicos (Collados y Duane, 1999) La economía neoclásica parte de entender separados a los sistemas natural y económico. Los criterios de sostenibilidad de este enfoque teórico se sustentan en gran medida en el supuesto de que los factores de producción, incluido el capital natural, son completamente sustituibles. En esa medida lo irreversible que pueda ser el daño al capital natural no es un problema, ya que el cambio tecnológico compensa la degradación y el consumo del capital natural. Mientras un bien se incremente en forma que compense la reducción en otro bien, en este caso el capital natural, la economía neoclásica no considera que haya problema y considera que el sistema es sostenible. Esta concepción es vista por otras escuelas de pensamiento como una sostenibilidad débil. (Collados, C. y Duane, T, 1999) Los economistas ambientales complementan el enfoque neoclásico con dos aportes. El primero subraya el papel que en su concepto pueden cumplir los derechos de propiedad, que consideran como una solución del mercado a la necesidad de internalizar las externalidades, en contraste con el enfoque de aplicar impuestos pigouvianos. De acuerdo con estos economistas, si se ajustan los derechos de propiedad las negociaciones que se darían entre contaminadores y poblaciones afectadas, bajo el principio del que contamina paga, evitarían la necesidad de una intervención mayor del Estado y resolverían los problemas de contaminación. El segundo aporte se da a través del enfoque del balance de materiales, que introduce al análisis económico los límites que establece la entropía. Al considerar esta ley de la termodinámica, estiman que la contaminación no solo es resultado de los fracasos del mercado sino que es un fenómeno físico inevitable, que exige del gobierno el establecimiento de unos niveles aceptables de contaminación. Con este enfoque formulan la regla básica de la conservación del capital natural, según la cual el stock de recursos se debe mantener constante en el tiempo o en otras palabras, el stock de recursos renovables no debe declinar en el tiempo (incluida la capacidad de asimilar los desperdicios) y el agotamiento de los recursos no renovables debe ser compensado con incrementos en recursos renovables o con capital hecho por el hombre. De nuevo asumen que los factores de producción son sustituibles. En suma, también un enfoque de sostenibilidad débil. (Collados y Duane, 1999) La economía ecológica plantea un enfoque diferente, al considerar el sistema socioeconómico como parte del sistema ecológico e interesarse en estudiar las relaciones entre éstos. Superando la visión remedial propia de conceptos como las externalidades y la sustitución de factores, la economía ecológica considera que los problemas ambientales tienen un carácter estructural. Analistas de esta escuela de pensamiento plantean la búsqueda de una economía de steady-state, que requeriría cambios estructurales mediante los cuales se pudiera ser menos dependiente de recursos limitados, logrando una tasa óptima de rendimiento de energía y materia en la economía equivalente a los insumos de energía externa. Otros analistas de este enfoque proponen una teoría de co-evolución de los sistemas sociales y ecológicos, en circuitos de interdependencia que hacen posible el desarrollo de ambos. El equilibrio de estos sistemas se puede lograr, pero no con el enfoque

3

de la sociedad dominante que mediante nuevas formas de organización y de tecnología imponen mayores controles sobre la naturaleza, antes que una más profunda relación con ésta. El concepto de sostenibilidad del paradigma de la economía ecológica consiste en mantener los ecosistemas de soporte de la vida y los sistemas socioeconómicos interconectados adaptables al cambio. En esta medida diferencian capital natural crítico del capital natural no crítico y subrayan la necesidad de proteger al primero, yendo más allá de la preocupación exclusiva por el nivel conjunto del capital en general. Este enfoque caracteriza la denominada sostenibilidad fuerte. (Collados y Duane, 1999) Collados y Duane observan que estas teorías generales no facilitan la definición de políticas regionales porque son muy amplias y ven por eso la necesidad de profundizar en los modelos de sostenibilidad fuerte, en forma que se pueda establecer vínculos específicos y claros entre los atributos del capital natural y la calidad de vida. Es necesario complementar los enfoques económicos y los ecológicos utilizados para medir el desarrollo sostenible o conceptos alternativos que apunten a determinar la viabilidad de largo plazo de unas determinadas prácticas socioeconómicas. Lo deseable es llegar a esfuerzos realmente integrados, ya que los aportes de estas dos disciplinas en forma aislada han demostrado sus limitaciones y debilidades (Rennings y Wiggering, 1997). El desarrollo de indicadores simples que se plantea en el presente estudio busca hacer una contribución en este sentido, pero reconoce de entrada las limitaciones en su alcance. El análisis efectuado refleja de manera sistemática el comportamiento de ciertos factores asociados al estudio de los ecosistemas a las presiones antrópicas y a las decisiones de política. Su aporte es que permite registrar hechos observables para que puedan ser sometidos a distintos análisis. Sus limitaciones principales radican en que no explican esos hechos, ya que esto se podrá hacer solo cuando se cuente con un sistema desarrollado de indicadores de evaluación; y tienen un sesgo hacia aquellos indicadores para los cuales se dispone de información. 2.1.2. Consideraciones generales para la medición La variedad de definiciones del desarrollo sostenible conducen a una variedad de mediciones, que pueden diferir en su nivel de aplicación de acuerdo con la posibilidad de su observación empírica. La gama de indicadores cuya posible aplicación se requiere para la determinación de la sostenibilidad, se puede clasificar en tres grupos generales, económicos, ecológicos y socio-políticos. Estos a su turno se puede clasificar entre simples y agregados (complejos). En ambos casos, es necesario tener claro la pertinencia de lo que se quiere medir en función de la sostenibilidad de una región determinada. Con el ánimo de subrayar las posibles restricciones existentes al tratar de relacionar un conjunto de indicadores ecológicos con usa serie de indicadores socioeconómicos, se presentan a continuación consideraciones generales en relación con tres temas que se debaten bastante en la literatura especializada: la definición de los sistemas socioambientales, la huella ecológica y la capacidad de carga. Es claro que el alcance del presente estudio es limitado, en la medida que se refiere ante todo a tratar de determinar la existencia o no de relaciones entre variables ecológicas y socioeconómicas. Por lo mismo, las consideraciones de esta sección simplemente pretenden llamar la atención sobre complejidades que pueden afectar las relaciones preliminares que se pueda llegar a establecer entre tales variables.

4

La definición de los sistemas socioambientales La definición del sistema socioambiental objeto de análisis tiene una carga de valores propia de quienes toman las decisiones (investigadores, políticos, organizaciones sociales, entre otros), está condicionada por la manera en que están definidos los esquemas sociopolíticos e institucionales y depende de la información disponible que haga o no posible una determinada aproximación. Las estrategias de sostenibilidad socioeconómica y ecológica serán afectadas por las definiciones que se establezcan (Muster et al, 1998) Musters et al (1998) llaman la atención sobre la importancia de tener claridad acerca de las implicaciones de una determinada definición del sistema socioambiental sobre el cual se busque definir líneas de investigación o políticas económicas, sociales o ambientales. En las conclusiones de su trabajo destacan cómo este primer paso del desarrollo sostenible, la definición del sistema socio-ambiental, plantea de entrada diferentes opciones, asociadas con aspectos como los siguientes: el carácter jerárquico del sistema; el tipo de jerarquía que se establece; la posibilidad o no de describir funcional o estructuralmente el sistema; las características del sistema que pueden administrarse; los actores sociales involucrados; las fronteras del sistema; la escala del sistema (unidad menor y extensión); el contexto del sistema; los subsistemas que lo componen; los valores considerados; las restricciones al desarrollo; y las relaciones entre valores, restricciones y subsistemas (Musters et al, 1998) Las variables económicas y sociales escogidas reflejan arreglos institucionales y patrones de conducta de productores y de actores sociales en general. Dodds, en un artículo en el cual presenta reflexiones sobre la necesidad de mejorar la forma en que la economía ecológica entiende el bienestar humano, concluye que existen co-determinaciones entre importantes aspectos de los sistemas sociales, económicos y ambientales. Parte el autor de subrayar la atención especial que se le debe dar a las relaciones complejas existentes entre los estados del ambiente y los de la mente, incluidos aspectos como la identificación de las necesidades humanas fundamentales, el impacto de la distribución en el bienestar humano, la construcción social de las preferencias, la manera en que las normas culturales condicionan la satisfacción asociada con un estado específico del mundo y aspectos considerados por los institucionalistas, tales como los derechos de propiedad y las normas culturales que afectan las relaciones de intercambio. De ahí que propone optar por una ruta hacia el desarrollo sostenible que coloque el énfasis en el desarrollo de instituciones y actitudes apropiadas, antes que en el mejor manejo de los recursos. Estas apreciaciones destacan la importancia de profundizar en la comprensión de tales arreglos institucionales y conductas que afectan o determinan el comportamiento de las variables para las cuales se encuentren relaciones o vínculos significativos con los fenómenos ecológicos analizados (Dodds, Steve, 1997). En otras palabras, se enfatiza así la importancia de entender que los ámbitos de análisis deben extenderse para abarcar una dinámica más amplia de los sistemas, colocando la debida atención en el diseño y la adopción de instituciones y actitudes que reconozcan los límites biofísicos y sociales.

5

Capacidad de carga y productividad primaria neta Ambos conceptos buscan hacer precisiones sobre el tamaño máximo de una población de una especie específica, en particular la humana, que un área puede sostener sin reducir su capacidad para sostenerla en el futuro. Estos enfoques tienen también limitaciones y vacíos (Hanley et al, 1999) pero llaman la atención sobre la necesidad de adoptar decisiones de política sin pretender estados absolutos de no intervención humana en los ecosistemas determinados, sino teniendo una idea adecuada sobre el nivel de presión que éstos pueden soportar sin entrar en procesos irreversibles de deterioro; lo que se denomina la capacidad de carga absoluta de los sistemas ecológicos y que se debe proteger para estar en condiciones de discutir los temas de asignación y distribución de tales recursos (Rennings, K. y Wiggering, H, 1996) Un enfoque afín pero más elaborado para el análisis de emisiones, es el de niveles de carga crítica. Aunque el enfoque se ha utilizado en especial para contaminantes del aire, es útil considerar el proceso aplicado para inferir los niveles críticos. El proceso incluye: obtener niveles de referencia para los impactos, a partir del análisis de ecosistemas y de experimentos; buscar y lograr consensos en la comunidad científica; caracterizar los impactos mapeando las cargas críticas; y la discusión de las metas de reducción de presiones para que éstas se mantengan bajo los niveles críticos. Se considera que el último punto es el crítico para integrar los indicadores ecológicos y económicos. (Rennings, K y Wiggering, H, 1996) La huella ecológica El concepto de la “huella ecológica”, sin ser un concepto acabado y teniendo criterios discutibles invita a la reflexión sobre las interconexiones y los alcances de las relaciones de unas regiones con otras (Ayres et al, 2000) (R.U. Ayres, 2000) (R. Constanza, 2000) (I. Moffatt, 2000) (W. Rees, 2000). El concepto de la huella ecológica apunta a determinar una base de cálculo que permita representar todo lo que una determinada población humana requiere en términos de recursos para sostenerse. Los proponentes del concepto unifican en el indicador de área de tierra necesaria todos los consumos de la población específica. A diferencia del concepto de capacidad de carga, el de la huella ecológica trata de reconocer todos los impactos biofísicos causados por una comunidad, independiente de donde estos ocurran (Bicknell et al, 1998) Este enfoque llama la atención sobre los recursos que una población demanda y subraya que éstos provienen de zonas próximas y más allá del área geográfica de influencia más inmediata de la población en cuestión. De la misma manera, cabe subrayar que una región determinada, por ejemplo un área protegida o el área de influencia del área protegida, se puede ver afectada o presionada no solo por la población más cercana, sino a menudo por poblaciones remotas que demandan recursos provenientes de tales áreas o inducen procesos que generan presiones sobre las áreas objeto de análisis. Esto es básico tenerlo en cuenta porque al definir políticas es fundamental llegar al punto en que se entiendan las

6

causalidades entre estados y presiones, y éstas últimas se tienen que comprender en toda su amplitud. 2.2. INDICADORES Y ECOLOGÍA DEL PAISAJE Y FRAGMENTACIÓN 2.2.1. Indicadores simples e indicadores complejos. Un sistema de información es un conjunto interrelacionado de flujos de captura, procesamiento y análisis de datos, ubicados dentro de un marco predefinido de interpretación al servicio del la toma de decisiones de una institución. Los sistemas de información son un instrumento para la gestión, que son válidos en la medida que apoyan los procesos de administración y gestión. Cuando se definen sistemas sin tener en cuenta las competencias en las tomas de decisiones, tienen dificultades para implantarse y a menudo carecen de sostenibilidad. Dentro de los sistemas de información y como uno de sus resultados se encuentra el indicador, definido como la expresión cuantitativa de una información que tiene sentido dentro de un marco de explicación. En el caso actual, ese marco de explicación es la biodiversidad. Para ser utilizado debe ser operacionalizado en forma medible, programable y evaluable, como producto (es decir, como variable cuantificada). Desde el punto de vista conceptual las características indispensables de un indicador son su validez y su relevancia. Es decir que la medición tenga significado dentro de la concepción de biodiversidad y las condiciones de conservación de ésta, y que tenga sentido dentro del marco de toma de decisiones. Desde el punto de vista de su aplicación debe ser ante todo calculable (factible), fácilmente entendible (simple), objetivo (científicamente replicable), y que permita comparaciones geográficas y temporales (comparable). Dentro de un proceso de seguimiento y evaluación de una política se pueden diferenciar indicadores simples e indicadores complejos. Los primeros expresan cuantitativamente manifestaciones relevantes del fenómeno que se quiere gestionar, en un momento determinado. Es un valor cuantitativo de una variable que ha sido elegida como relevante. Según la utilización que se le de en el sistema de toma de decisiones puede expresar el estado deseable y será una meta; el estado anterior a un programa, y será indicador de diagnóstico; o el estado una vez realizado el programa, y será un indicador de resultado. Dentro de un proceso de largo plazo como es el de biodiversidad, se califican como indicadores de seguimiento que pueden utilizarse en cualquiera de estos tres momentos del proceso de decisión. En un sistema de información para la gestión, cuando no solo se busca conocer sino emitir juicios de valor, el indicador simple solo es una parte del proceso de evaluación. La evaluación es un proceso de medición científica y de valoración política. La medición se logra con un buen conjunto de indicadores simples. Para la evaluación se requieren dos elementos adicionales: la definición legítima de un estándar y la construcción de un juicio de valor que interpreta el resultado medido frente al estándar aceptado. La combinación de la medición de la variación de los resultados con la medición de la variación de los recursos que los causan forman los indicadores complejos que, comparados con los estándares,

7

permiten emitir juicios de valor. En esta informe se trabajan indicadores simples de seguimiento Como se mencionó arriba, internacionalmente se ha llegado a una tipología de indicadores de biodiversidad clasificados como de estado, presión y respuesta. Esta clasificación implica la consideración de dos sistemas interrelacionados: el sistema de organización humana (SOH) que genera presiones y produce respuestas y el ecosistema (ES) dentro del cual es donde se desarrollan todos los demás sistemas. El objetivo de la política es lograr que el SOH conozca, conserve y use de manera sostenible al ES. 2.2.2. Ecología del paisaje y la fragmentación La ecología del paisaje es una de las principales aproximaciones teóricas al estudio del estado de los ecosistemas. La ecología del paisaje estudia los patrones del paisaje, la interacción entre los fragmentos existentes en el paisaje y la manera en que los patrones y las interacciones cambian en el tiempo. La aplicación de estos principios en la solución de problemas y en la comprensión de las dinámicas y los desarrollos de la heterogeneidad espacial, son también parte de los objetos de estudio de la ecología del paisaje. Estos análisis se hacen partiendo de la atención a tres características del paisaje: la estructura o relación espacial dentro de los ecosistemas, las funciones o interacciones entre los elementos del paisaje y el cambio de la estructura y las funciones del mosaico ecológico en el tiempo. En lo fundamental el estudio de la ecología del paisaje parte de la premisa que los patrones de los elementos del paisaje (fragmentos) influyen fuertemente los procesos ecológicos y se ven influidos por éstos (McGarigal, s.f., de internet). Al definir el paisaje, McGarigal subraya que es importante entender que el paisaje no se define necesariamente por su tamaño, sino que es definido por un mosaico de fragmentos en interacción que resulten relevantes para el fenómeno objeto de estudio. Cada investigador o administrador del paisaje tiene la función central de definir lo que considera como paisaje. La fragmentación de ecosistemas, particularmente los boscosos, indica un cambio de paisaje muy claro en regiones con alta presencia humana, y se reconoce como una de las causas de pérdida de biodiversidad en el mundo (D. Armenteras, 2000). Este es un proceso a nivel de paisaje en el cual un ecosistema se subdivide en fragmentos más pequeños, geométricamente más complejos y más aislados como resultado de procesos naturales y de actividades humanas. Estos procesos implican cambios en la composición, estructura y función del paisaje. Los componentes o unidades básicas del paisaje son clasificados de diversas maneras, una de ellas es su catalogación como fragmentos.3 La definición de los fragmentos, al igual que en el caso del paisaje, se da en función del fenómeno objeto de estudio. Los análisis de fragmentación de ecosistemas se pueden hacer a nivel de fragmento de cada tipo o clase de

3 A los componentes se los clasifica también como ecotopo, biotopo, componente del paisaje, elemento de paisaje, unidad de paisaje, célula de paisaje, geotopo, hábitat, sitios, etc.

8

ecosistema o de paisaje. Los fragmentos son dinámicos y se definen o suceden en diversas escalas especiales y temporales y varían de acuerdo a la percepción del animal o del organismo bajo estudio. Un paisaje se puede definir conforme a una jerarquía de mosaicos de fragmentos dentro de un rango de escalas. (McGarigal, s.f., p.3) De ahí que la frontera de los fragmentos sean definidas artificialmente y tengan sentido cuando se refieren a una escala particular (McGarigal, s.f., p. 4) El tipo de elemento del paisaje que esté más extendido y más interconectado constituye la matriz del paisaje correspondiente. Según la escala de la investigación o de manejo y de acuerdo al fenómeno en estudio, se define la matriz. Por su parte, la escala del paisaje determina el patrón que se considere en cualquier mosaico ecológico y por eso resulta importante precisar la extensión y el grano que caracteriza la escala espacial. Estos dos factores en la práctica tienden a ser dados por la escala de las imágenes utilizadas, por lo general fotos áreas o satelitales. Lo importante es que representen en la mayor medida posible el fenómeno ecológico bajo estudio. Una consideración importante cuando se busca analizar las presiones que se ejercen sobre el paisaje, es que éste tiene un contexto y que los paisajes son sistemas abiertos. Es decir, que los organismos, los materiales y la energía se mueven desde y hacia el paisaje en cuestión. La influencia de los procesos más amplios, principio básico de la teoría de la jerarquía del paisaje, será mayor o menor según el contexto y el fenómeno estudiado, pero dependerá del grado de apertura que tenga el paisaje. McGarigal hace particular énfasis en este aspecto del paisaje, advirtiendo sobre la necesidad de comprender el contexto y la apertura del paisaje al escoger e interpretar los métricos del paisaje (landscape metrics) (McGarigal, s.f., ) Finalmente, las relaciones espaciales entre los componentes que constituyen el paisaje caracterizan a un determinado paisaje. La composición4 y la configuración.5 Los dos conjuntos básicos de relaciones espaciales definen el patrón que distingue a un paisaje y, en forma individual o conjuntamente, afectan los procesos ecológicos y los organismos. No todos los métricos del paisaje se pueden clasificar tan fácil y directamente como representativos de la composición o la configuración del paisaje. Lo básico es entender que la estructura del paisaje consiste de la composición y la configuración y que una aproximación a éstas se puede dar a partir del desarrollo de métricos que representan estos aspectos de la estructura del paisaje de manera individual o combinada. Al seleccionar los métricos que se vayan a utilizar, McGarigal recomienda plantearse algunas preguntas que vale la pena tener en cuenta para efectos del presente estudio: ¿representan la configuración o la composición del paisaje, o ambas?; ¿qué aspectos de la configuración representan?; ¿cuál es la escala explícita escogida?; ¿el métrico representa la

4 La composición del paisaje comprende la variedad y la abundancia de tipos de fragmentos dentro de un paisaje. 5 La configuración del paisaje se refiere a la distribución física o al carácter espacial de los fragmentos dentro del paisaje, la ubicación de unos respecto a otros.

9

estructura del paisaje en una manera ecológicamente significativa para el fenómeno en consideración? 2.2.3. Herramientas para la medición de la fragmentación del paisaje La mayor parte de los trabajos orientados a medir la fragmentación del paisaje han sido aportados por las disciplinas de biología de la conservación y de ecología del paisaje. Tales disciplinas se fundamentan en gran medida en la noción que los patrones del paisaje influyen y se ven influidos por los procesos ecológicos. En otras palabras, estudian las interacciones entre los patrones espaciales y los procesos ecológicos (Theobald, 1998). La principal crítica que se le ha hecho a estas disciplinas es que se centran en exceso en la forma y muy poco en la función y en subrayar que se tiene un limitado entendimiento sobre las respuestas funcionales de la mayoría de las especies a los procesos de fragmentación. En este sentido, surgen diversos interrogantes en relación con la escala espacial, la escala temporal, la habilidad de dispersión, la sensibilidad a las perturbaciones y las características de las perturbaciones. Se destaca, sin embargo, el aporte de los trabajos sobre fragmentación a un mejor entendimiento de la estructura del paisaje. Los métricos del paisaje se usan para caracterizar la heterogeneidad espacial y suministrar una base objetiva para describir el paisaje. Como hay cientos de dimensiones de medida (métricos) que se pueden utilizar para analizar la fragmentación, es conveniente decidir qué hace útil a una determinada unidad de medida. Theobald plantea algunas consideraciones que es importante tener presente: tiene que haber una fuerte relación entre la dimensión de medida y la respuesta funcional, en forma que la dimensión medida refleje cambios que son importantes para las especies o los procesos ecológicos. Es deseable también que las dimensiones de medición no tengan altas correlaciones entre sí y distingan entre paisajes. Además, es importante que las unidades tengan vínculos directos y claros con los procesos en terreno, esto para facilitar la comprensión y la estimación. Con el propósito de calcular la dimensión de medida de un paisaje, es necesario definir tres aspectos del paisaje: el fragmento, el borde (edge) y la matriz, en relación con los cuales se definen los métricos. Un fragmento es un región que es homogénea en relación con otra variable. La delimitación de un fragmento afronta diferentes retos, que no siempre resulta fácil resolver. Los principales retos son la definición de los límites del fragmento, la derivación del fragmento de imágenes de satélite y la representación de la incertidumbre asociada a la información disponible sobre la vegetación. Dado que la definición de borde es la porción adyacente al limite del fragmento en donde el cambio ambiental compromete la calidad hasta el grado en que el área no se considera el centro (core), el mayor reto en este caso es determinar la influencia del “depth-of- the-edge”. Esto es afectado por diversos factores como lo abrupto del límite, el contraste entre los tipos de vegetación y la sensibilidad de las especies al cambio ambiental. La matriz es el área que no es considerada hábitat. 3. METODOLOGÍA Dado que el objetivo del trabajo es el análisis de las relaciones entre el cambio en la

10

diversidad y los factores de acciones humanas que inciden sobre estos estados se siguieron los siguientes pasos: 1. Delimitar operativamente los fragmentos de paisajes de manera que correspondan las

áreas de definición de la diversidad con las divisiones político administrativas como se explica en el numeral 3.1.

2. Elegir, de acuerdo con los especialistas, los índices de fragmentación relevantes y estimar los valores que corresponden a las áreas definidas en el primer paso como se explica en 3.2.

3. Con aplicación del análisis multivariante de factores y componentes principales se agrupan los índices en dimensiones de manera que se conserve el espacio de información (se maximice la varianza); el número de dimensiones se elige hasta que el valor propio en la matriz de correlación sea cercano a uno. Además la combinación de variables tienen que tener sentido para el analista de fragmentación. Ver explicación en el numeral 3.3.

4. El análisis del significado de la dimensión que combina índices de fragmentación para entender el rango y sus valores individuales, de su forma original y su forma estandarizada. La estandarización es definir la distribución de manera que la media sea cero y los valores se midan en unidades de desviación estándar.

5. Se seleccionan las variables socioeconómicas que según la teoría y la práctica miden las presiones antrópicas sobre el ecosistema. Desde el punto de vista empírico deben tener suficientes observaciones y presentar una relación significativa con alguna de las variables de fragmentación.

6. Se estima, a través el análisis de regresión múltiple, el efecto de cada variable socioeconómica con las dimensiones de fragmentación. Se debe asegurar que las relaciones son estables. Ver 4. Análisis y resultados.

7. Las regresiones permiten identificar el método para lograr índices complejos de fragmentación para cualquier ecosistema que cuente con índices simples. La selección de las variables socioeconómicas relevantes para medir la presión socioeconómica.

3.1. AREAS OBJETO DE ESTUDIO La definición del objeto de análisis implica la definición del sistema socio-ambiental sobre el cual se discute la relación estado-presión. Las dos unidades de observación para este estudio fueron: el municipio en lo concerniente a las variables socioeconómicas y los fragmentos del paisaje en la definición de variables definidas de fragmentación.6 La opción del municipio como una de las unidades básicas de análisis, la central desde la óptica socioeconómica, resulta ante todo de la forma en que se genera y se maneja la información en el país. Se optó por una escala de 65.000 has., que implica la agregación de 6 Los sistemas de información georreferenciada (GIS) son la herramienta más utilizada para dar la base de análisis de la fragmentación de los ecosistemas y sobre los patrones de paisaje. La información provista por estos sistemas se trabaja a través de software especializado, dentro de los que se destaca el FRAGSTATS, FRAGSTATS.ARC y el r.le, a través de los cuales se puede calcular diversos métricos de paisaje, como los mencionadas antes. El trabajo de D. Armenteras y otros sobre los Andes, que dio base al presente estudio, utilizó GIS y FRAGSTATS.

11

los municipios, en forma que los 410 municipios del área objeto de análisis en los Andes se agruparon en 116 bloques de municipios. Esta decisión se tomó debido a una restricción técnica, consistente en que a menos de 65.000 has. el margen de error de la lectura de la fragmentación es mayor a la diferencia entre los índices. Por tanto se requieren áreas iguales o superiores a la escogida para estar en condiciones de poder observar el comportamiento de los índices de fragmentación. Teniendo en cuenta los objetivos del proyecto general y dadas las restricciones de información para la Amazonía, en una primera fase, se pone a prueba un modelo de análisis en la región Andina por la amplia disponibilidad de información existente en esta región. Para una segunda fase se plantea ajustar el modelo a la Amazonía y aplicarlo dentro de las restricciones de información que existen para la región. 3.2. FUNCIONES E ÍNDICES SINTÉTICOS DE ESTADO Este análisis es un estudio empírico de los dos grupos de variables que se utilizarán en relación con los factores de presión producidos por la actividad humana y su efecto en la biodiversidad. Estos dos grupos de variables son: i) los índices de fragmentación que permiten medir el cambio de los estados de la biodiversidad en diferentes momentos del tiempo y diferentes espacios y ii) las variables que miden características sociales y económicas de las poblaciones que rodean cada uno de los ecosistemas estudiados. En el primer conjunto de variables se trata de averiguar si las características que mide cada una de las variables sobre la fragmentación del paisaje, se comportan empíricamente como un conjunto que explica una o varias dimensiones del fenómeno que se estudia, es decir el estado de la biodiversidad del ecosistema. El segundo conjunto busca identificar los factores de la actividad social y económica de las poblaciones cercanas a cada ecosistema que producen una presión sobre la biodiversidad. Para agregar los 15 índices de fragmentación en un grupo menor, sin perder información, se utilizan los siguientes pasos: 3.2.1. Variables relevantes

Una selección de variables que describen el estado y los cambios de biodiversidad, a través de la configuración y la composición del paisaje, que es sensible a variaciones de la actividad humana cercana a los ecosistemas. Esta es una selección que se hizo partiendo de análisis de especialistas en biodiversidad, previos a este análisis empírico, los cuales condujeron a seleccionar los quince índices empleados inicialmente en el ejercicio. Se trabajaron los siguientes índices de fragmentación, cuya definición se detalla en el Anexo 1:

• NUMP: Número de fragmentos • MPS: Tamaño medio de los fragmentos por ecosistemas • MEDPS: Media del tamaño del fragmento • PSCOV: Coeficiente de variación del tamaño medio de los fragmentos

12

• PSSD: Desviación estándar del tamaño del fragmento • MSI: Indice de la forma media. • AWMSI: Indice de la forma media ponderado por el área. • MPAR: Relación media perímetro área • MPFD: Dimensión fractal de los fragmentos • AWMPFD: Dimensión fractal de los fragmentos ponderado por el área • SDI: Indice de diversidad de Shannon • SEI: Indice de similaridad de Shannon • TE: Borde total • ED: Densidad del borde • MPE: Media del borde del fragmento

La selección de estos índices se acordó con el Instituto Humboldt, considerando relevante su análisis porque permiten tener una adecuada aproximación a aspectos estructurales básicos del estado de la biodiversidad y resultan manejables en términos de la información disponible. 3.2.2. Dimensiones (índice sintético de estado) El conjunto de las variables con su movimiento y su comportamiento (dirección e intensidad de la variación), constituye el espacio de información. En este espacio de información se busca encontrar los diferentes aspectos que se expresan a través de una o varias variables (dimensiones) y la importancia que en cada uno de estos aspectos tienen las variables que entran en su explicación. En el comportamiento práctico de las variables, permite encontrar cuáles se comportan de una manera muy diferente o poco relevante. Este es el sentido estadístico del espacio de información.

Se utiliza como herramienta el análisis multivariante porque se considera que las características relevantes del fenómeno que se estudia no se explican suficientemente por una sola variable, sino que son mejor comprendidos si se utiliza una mezcla (combinación) adecuada de ellas. El análisis de varianza es la estimación del cambio de las diferentes variables que mide la dirección de la relación a través de las variaciones conjuntas (covarianza) y la intensidad de esta relación (coeficientes de correlación). La técnica estadística es el análisis de factores. Con este análisis las 15 variables se agrupan en dimensiones, en este caso cuatro, de manera que produzcan una división analítica completa del espacio de variación, teniendo como condición necesaria que su combinación tenga una clara coherencia conceptual. La agrupación de dimensiones debe ser de tal naturaleza que las variables elegidas tengan la máxima correlación dentro de la dimensión y la mínima correlación con variables de diferente dimensión. La herramienta que se utiliza es el análisis de componentes principales que agrega las variables simples altamente correlacionadas en dimensiones. Las dimensiones matemáticamente son ortogonales entre sí, es decir que explican aspectos muy distintos entre ellos. La técnica varimax permite identificar en qué dimensión tiene más importancia una variable. Cada factor estadísticamente encontrado que se ha llamado dimensión es una combinación de los índices básicos y explica una característica del ecosistema; tiene diferente significado

13

en cada una. Por ser estadísticamente vectores ortogonales (geométricamente perpendiculares), lo que explica un vector (índice sintético de estado) tiene significado distinto del otro vector aunque se refiere a la misma realidad. Adicionalmente se empleó otra herramienta exploratoria llamada Análisis de Cluster de Variables, cuyo objetivo es crear agrupamientos de variables que estén más próximas, en el sentido de que tengan el mayor coeficiente de determinación entre regresiones creadas para las variables dentro del grupo. El criterio aplicado fue seleccionar aquellas con del número de valores propios en la matriz de correlación mayores que uno.

El número de dimensiones busca que se conserve la mayor parte de la información, es decir, que las dimensiones expliquen una alta proporción de la variación pero con alguna economía de cálculo que permita un balance entre la cantidad de variación que explican y la complejidad adicional de cálculo por tener una dimensión más. La matriz de correlaciones de cada grupo de variables de una dimensión está asociada con un valor propio que puede mostrar gráficamente cuanta variación explica. De este modo, se identifican las dimensiones ordenándolas según su peso en la explicación. Con esta información se decide cuantas dimensiones tomar dependiendo del aporte del último factor y del significado que tenga para el análisis. Finalmente las variaciones de las dimensiones, de estado, que se han agrupado en el índice sintético, se asocian con un grupo de variables socio-económicas de presión. Conceptualmente se ha establecido la causalidad existente entre las variables de presión y el estado de la biodiversidad. El coeficiente de determinación R2 mide el porcentaje de variación de la biodiversidad, así medida, que es explicado por las variaciones de las socioeconómicas. Este ejercicio es un primer paso en la medición tanto de la variación de la biodiversidad como de su relación con la actividad socioeconómica. 4. ANÁLISIS Y RESULTADOS El número de ecosistemas considerado en un principio fueron los 15 sobre los cuales el Instituto Humboldt dispone de información de fragmentación del paisaje. De estos solo se tomaron tres por restricciones de información. Inicialmente se estudiaron 224 variables socioeconómicas. El primer ejercicio sobre estas variables llevó a utilizar transformaciones y agrupaciones que redujeron a 55 variables, con información disponible para todos los municipios y con algún efecto significativo sobre algún índice de fragmentación. En consecuencia se requería un mínimo de observaciones para contar con suficientes grados de libertad en la aplicación estadística. Dado que de los 116 conjuntos de municipios con área superior a 65.000 hectáreas, se encontraron observaciones en principio consideradas suficientes para tres ecosistemas -Seco, Páramo Húmedo y Bosque Andino- con 36, 50 y 76 observaciones respectivamente, las restricciones anotadas redujeron el análisis a estos tres ecosistemas. Finalmente se restringió el análisis a los ecosistemas de Páramo Húmedo y Bosque Andino, porque el número de observaciones del Seco brindaba menos garantías. 4.1. ANÁLISIS DE FACTOR DE LAS VARIABLES DE FRAGMENTACIÓN DE

14

LOS ECOSISTEMAS DE PÁRAMO HÚMEDO Y BOSQUE ANDINO En principio se escogieron los tres ecosistemas con el mayor número de observaciones -Bosque Seco, Bosque Andino y Páramo Húmedo-, finalmente seleccionando los dos últimos por que el Bosque Seco sólo tenía 36 observaciones. El primer paso es construir los índices sintéticos de fragmentación que se llamaron dimensiones. Para los ecosistemas Páramo Húmedo y Bosque Andino, se usaron los 15 índices de fragmentación, suministrados por el Instituto Humboldt: MPS, MEDPS, NUMP, PSCOV, PSSD, TE, ED, MPE, MSI, AWMSI, MPAR, MPFD, AWMPFD, SDI y SEI. Al aplicar el análisis de factor multivariado para producir índices sintéticos, se descartaron los de borde (Borde total: TE, densidad del borde: ED, y MPE: media del borde del fragmento) y los dos de Shanon (SDI, índice de diversidad y el SEI, índice de similaridad), porque las combinaciones estadísticas resultantes no tenían un sentido claro conceptualmente. Se encontró que para el ecosistema de Páramo Húmedo 4 dimensiones (factores) explican el 93.78% del espacio de información suministrado por la variación de las doce variables (índices) consideradas. Para el ecosistema de Bosque Andino cuatro factores explican aproximadamente el 87.4%.

4.1.1. Resultados para el Ecosistema de Páramo Húmedo

Método del Análisis de Factor. Los resultados obtenidos indican que las cuatro dimensiones importantes de estudio están compuestas de la siguiente manera: DIMENSIÓN 1: Indice de Irregularidad: aumento de complejidad de la forma de los fragmentos medido por la relación entre perímetro y área.-

AWMSI: Indice de la forma media ponderado por el área. MSI: Indice de la forma media MPFD: Dimensión fractal de los fragmentos. AWMPFD: Dimensión fractal de los fragmentos ponderado por el área

DIMENSIÓN 2: Indice de número de fragmentos: cambio en el tamaño y número de fragmentos.

NUMP: Número de fragmentos. PSCOV: Coeficiente de variación del tamaño medio de los fragmentos PSSD: Desviación estándar del tamaño del fragmento

DIMENSIÓN 3: Indice de tamaño

MPS: Tamaño medio de los fragmentos por ecosistemas MEDPS: Media del tamaño del fragmento

15

DIMENSIÓN 4: MPAR.

MPAR: Relación media perímetro área.

A continuación se relaciona el procedimiento utilizado para determinar las cuatro dimensiones: Elegir el número de dimensiones

En primera instancia se realizó el análisis de factores, que busca agrupar las 15 variables en menor número de dimensiones sin perder información. Con base en las matrices de correlación que produce la aplicación de los componentes principales se determina la capacidad explicativa de la agrupación de variables – la línea de proporción explicada, en el Cuadro 1 y los valores propios de cada dimensión posible. Por experiencia en esta clase de análisis se toma como límite del número de dimensiones el que tengan valores propios mayores o iguales a 1. Como se puede ver en la primera línea del cuadro, los valores propios de cada factor van disminuyendo del primero al quinto y en el cuarto el valor es cercano a uno. Utilizando el criterio de escoger el número de dimensiones importantes como el número de valores propios mayores o iguales a 1, se determinó que el número adecuado de ellas es de cuatro (el cuarto mayor valor propio es de 1.0534). La segunda línea del cuadro mide la cantidad de variación explicada por cada factor y la tercera muestra la variación acumulada de factores. Para las cuatro dimensiones, la variación explicada es del 93.78% de la variación total del sistema, que es satisfactoria. Como se puede ver en el cuadro la última dimensión solo aporta 5 % de explicación y tendría el costo de manejar una dimensión más.

CUADRO 1. PARAMO HUMEDO VALORES PROPIOS DE LA MATRIZ DE CORRELACIÓN

-------------------------------------------------------------------------

1 2 3 4 5

VAL. PROP. 4.9007 2.1905 1.2337 1.0534 0.4503 PROPORCIÓN 0.4901 0.2191 0.1234 0.1053 0.0450 ACUMUL. 0.4901 0.7091 0.8325 0.9378 0.9829 ------------------------------------------------------------------------------------------------------------------------------------ FUENTE: Elkin Castaño. Consultoría. Índices simples del índice complejo Con la aplicación del Método de Análisis de Factor Ortogonal con Rotación VARIMAX, se toman las cuatro primeras combinaciones que tuvieron valores propios por encima de uno y

16

que guardan una explicación significativa. La rotación hace que cada dimensión haga girar los índices simples que están asociados a ella. Numéricamente estos índices son los que presentan mayores valores en el Cuadro 2. Se escogen las variables que tienen mayor valor. En Cuadro 2 las variables con el mayor valor correspondientes a cada factor se señalan con negrilla, y agrupadas constituyen las dimensiones respectivas.

CUADRO 2. PARAMO HUMEDO VARIMAX

ESTRUCTURA DE LOS FACTORES ROTADOS ---------------------------------------------------------

FACTOR1 FACTOR2 FACTOR3 FACTOR4 NUMP -0.15663 0.69213 -0.22058 0.56018 NUMP MPS 0.30224 -0.07417 0.94433 -0.09901 MPS MEDPS 0.28974 -0.22817 0.92352 -0.05042 MEDPS PSCOV -0.15453 0.87844 -0.20208 0.28928 PSCOV PSSD 0.02625 0.87287 -0.02332 -0.20715 PSSD MSI 0.92681 -0.15841 0.30030 -0.04456 MSI AWMSI 0.93562 0.00567 0.28477 -0.13700 AWMSI MPFD 0.91541 -0.14561 0.14454 0.29793 MPFD AWMPFD 0.96346 -0.00378 0.14498 -0.13379 AWMPFD MPAR 0.01817 0.05072 -0.06266 0.94976 MPAR

FUENTE: Elkin Castaño. Consultoría.

CUADRO 3. PARAMO HUMEDO VARIANZA EXPLICADA POR CADA FACTOR

FACTOR1 FACTOR2 FACTOR3 FACTOR4 3.725325 2.119064 2.051782 1.482199 ------------------------------------ FUENTE: Elkin Castaño. Consultoría La solidez del análisis anterior se valida con base en otra técnica estadística de agrupación llamada “Análisis de Agrupamiento de Variables” (procedimiento VARCLUS de SAS). Se encuentra la misma agrupación de variables y, por consiguiente, las mismas dimensiones (Cuadro 4) La diferencia entre el coeficiente de determinación R2 muestran que los índices se agrupan de la misma manera como se encontró con el Análisis de Factor. Las variables tienen coeficientes altos con el cluster seleccionado y bajos con los próximos más cercanos.

17

CUADRO 4. PARAMO HUMEDO DIMENSIONES USANDO EL PROCEDIMIENTO VARCLUS

----------------------------------------------------------------------------------------------------------

R-Cuadrado con ------------------ Propio próximo 1-R**2 Variable Grupo más cerca cociente Cluster 1---------------------------------------- MSI 0.9645 0.3403 0.0538 MSI AWMSI 0.9523 0.3081 0.0689 AWMSI MPFD 0.8595 0.1655 0.1683 MPFD AWMPFD 0.9407 0.1922 0.0734 AWMPFD Cluster 2---------------------------------------- NUMP 0.7843 0.2259 0.2787 NUMP PSCOV 0.9387 0.1479 0.0719 PSCOV PSSD 0.5261 0.0208 0.4840 PSSD Cluster 3---------------------------------------- MPS 0.9896 0.2646 0.0141 MPS MEDPS 0.9896 0.2618 0.0141 MEDPS Cluster 4---------------------------------------- MPAR 1.0000 0.0888 0.0000 MPAR ---------------------------------------------------------------------------------------------------------------- FUENTE: Elkin Castaño. Consultoría.

A continuación se presentan las correlaciones que hay entre las cuatro dimensiones.

CUADRO. 5 PARAMO HUMEDO

CORRELACIONES ENTRE DIMENSIONES ---------------------------------------------------------------------------------------------------------------------- Dimensión 1 2 3 4 1 1.00000 -0.23057 0.51573 -0.01511 2 -0.23057 1.00000 -0.36629 0.29805 3 0.51573 -0.36629 1.00000 -0.14191 4 -0.01511 0.29805 -0.14191 1.00000 ---------------------------------------------------------------------------------------------------------------------- FUENTE: Elkin Castaño. Consultoría

De estos resultados podemos concluir que las agrupaciones elegidas de índices de fragmentación son dimensiones diferentes porque están muy poco correlacionadas. La mayor correlación de 0.51 se encuentra entre la dimensión 1 y la 3, y por tanto cada dimensión lleva información distinta, confirmándose así la agrupación establecida a partir del método Varimax. Desde la teoría este resultado es el deseable, ya que la existencia de una baja correlación valida la posibilidad de diferenciar las dimensiones sugeridas por el método Varimax.

18

Índices Sintéticos de Estado

Para determinar el aporte de cada una de las variables a la dimensión, se toma el vector correspondiente de la matriz de covarianzas y por lo tanto, las dimensiones quedan así: Indice Sintético de Irregularidad: Dimensión1:DIM1 = 0.51186*MSIS +0.50734*AWMSIS +0.47502*MPFDS +

0.50494*AWMPFDS

Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X) El índice sintético 1 (Dimensión 1) que se llamará Indice de Irregularidad, combina el índice de forma media (MSI), su ponderación (AWMSI), la dimensión fractal de los fragmentos (MPFD) y su ponderación (AWMPFD). En el caso del índice de forma media se trata del perímetro de cada fragmento dividido por la raíz cuadrada del área y ajustado a un estándar circular. Si es circular su valor es uno y aumenta con la irregularidad. Por su parte la dimensión fractal es dos veces el logaritmo del perímetro del fragmento dividido por el área del fragmento, dividido por el número de fragmentos del mismo tipo, varía entre 1 y 2 desde más regular al más sinuoso. De manera que el índice sintético se incrementa si los fragmentos se hacen más irregulares. Se tomaron 50 observaciones7, en las cuales el índice de forma media varía entre 1.27 y 4.40, con una desviación estándar de 0.46 y una media de 2.20. En la variable ponderada varía entre 1.22 y 4.40, la desviación estándar es 0.67 y la media de 2.21. La dimensión fractal varía entre 1.02 y 1.16, con una desviación estándar de 0.03 y una media de 1.08. La dimensión fractal ponderada varía entre 1.02 y 1.15, con una desviación de 0.03 y una media de 1.09. (Anexo 4, Cuadro 21) El índice sintético como un todo, agrega las variables, después de un proceso de estandarización que consiste en centrar la distribución y expresar sus valores en unidades de desviación estándar. Esto quiere decir: restar a cada valor estimado la media y dividirlo por la desviación estándar, para hacer comparable las medidas de cada una de ellas. Varía entre – 4.1 y 5.9 con una distribución bastante simétrica como se aprecia en el histograma correspondiente (Anexo 4, Gráfico 9). A mayor irregularidad, mayor valor del índice sintético y mayor degradación relativa. De toda la variación de la fragmentación, considerar solamente este índice explica cerca de la mitad de la variación combinada de todos los índices simples de fragmentación. El valor del índice se debe tomar como una base que podrá compararse con observaciones en otros momentos del tiempo. Esta dimensión constituye la combinación de índices con mayor capacidad de medir la fragmentación. La dimensión que le sigue solo explica el 21 % y, por ser ortogonal, aspectos diferentes a lo que explica el primero. 7 De los 116 grupos de municipios en 50 había páramo húmedo.

19

Índice Sintético de Número y diversidad de fragmentos: El índice sintético de número de fragmentos matemáticamente es la segunda componente y por lo tanto es ortogonal a la irregularidad. En el primer índice a mayor valor implica mayor irregularidad y, dentro del mismo ecosistema y tiempo, menor grado de conservación. En el segundo índice que combina número y tamaño de fragmentos, para el mismo ecosistema y el mismo momento del tiempo, a mayor número y menor tamaño de fragmentos habrá menor conservación. La dimensión 2, corresponde a los índices de tamaño de lo fragmentos que se combinan con el número de ellos. El número de fragmentos (NUMP) se combina con el coeficiente de variación del tamaño medio de los fragmentos (PSCOV) y finalmente con la desviación estándar del tamaño de los fragmentos (PSSD). El valor del PSSD significa, cuando es pequeño, uniformidad en la distribución de tamaño de los fragmentos y cuando es grande implica irregularidad y poca uniformidad en la distribución de tamaños. El valor de PSCOV es el PSSD, dividido por el tamaño medio de los fragmentos y multiplicado por 100, puede estar entre 0, cuando todos los fragmentos son del mismo tamaño o solo hay un fragmento, y sin límite superior. En los datos considerados, 50 observaciones, el número de fragmentos NUMP tiene un mínimo de 1 y un máximo de 6, con una media de 1,58 y desviación estándar de 1,16; el PSCOV, coeficiente de variación de tamaño medio de los fragmentos tiene un mínimo de 0 y un máximo de 118.4 con un valor medio de 19.4 y una desviación estándar de 37,4; el PSSD, desviación estándar del tamaño del fragmento está entre 0, y 5.039 con una media de 351,0 y desviación estándar de 903.4. El tamaño medio de los fragmentos MPS fluctúa entre 10,6 y 46.4. (Anexo 4, Cuadro 20)

El índice sintético de número para el páramo húmedo varía entre - 1,64 y 1,36, la distribución no es simétrica sino sesgada hacia la izquierda, con una gran concentración en el valor mínimo de -0.9 (37 de 50 observaciones). La dimensión 2 se conforma así: Dimensión 2: DIM2 = 0.57406*NUMPS + 0.62048*PSCOVS +0.53428*PSSDS Donde XS indica la variable X estandarizada, es decir, XS = (X-Media(X))/Desviac. Estánd(X) Indice de Tamaño La dimensión tres se refiere al tamaño de los fragmentos y agrupa dos índices, el tamaño medio de los fragmentos MPS y la mediana del tamaño MEDPS. El tamaño medio MPS de los fragmentos varía entre 10.6 y 46.419 há con un valor medio de 11.254 y una desviación estándar de 13.423. La relación ente la media y la desviación estándar del tamaño de los fragmentos muestra una variación muy amplia de tamaños de fragmentos. La Mediana MDPS varía entre 0.10 há y 46.419 con media de 11.054 y desviación de 13.552. De manera que se trata de una distribución completamente asimétrica, concentrada alrededor del valor, como se puede observar en la gráfica de la dimensión 3 del ecosistema páramo húmedo, cerca de 35 de 50 observaciones corresponden a un valor de dimensión de -0.89.

20

Estas dos variables se combinan para formar la dimensión 3 así: DIM3 =0.70711*MPSS + 0.70711*MEDPSS Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X) DIMENSION 4 La dimensión está solamente en función de la relación media del perímetro y el área. La media de todas las razones del perímetro de cada fragmento dividido por su correspondiente área. MPAR. Esta dimensión varía entre 4,4 y 2338 con una media de 67.2 y desviación estándar de 328.9 Dimensión 4: DIM4= MPARS

Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X)

Las medias y las desviaciones estándar de las variables son:

CUADRO 6. PARAMO HUMEDO

MEDIAS Y DESVIACIONES DE VARIABLES

VARIABLE N MEDIA DESVIAC.ESTAND. VARIANZA MINIMUM MAXIMUM ------------------------------------------------------------------------ NUMP 50 1.5800 1.1622 1.3506 1.0000 6.0000 MPS 50 11254. 13423. 0.18019E+09 10.585 46419. MEDPS 50 11054. 13552. 0.18366E+09 0.10105 46419. PSCOV 50 19.414 37.422 1400.4 0.00000 118.40 PSSD 50 350.99 903.38 0.81610E+06 0.00000 5039.1 MSI 50 2.2048 0.67936 0.46154 1.2723 4.3994 AWMSI 50 2.2145 0.67488 0.45546 1.2246 4.3994 MPFD 50 1.0851 0.31005E-01 0.96134E-03 1.0289 1.1643 AWMPFD 50 1.0837 0.28442E-01 0.80893E-03 1.0234 1.1510 MPAR 50 67.169 328.87 0.10815E+06 4.4000 2338.3 FUENTE: Elkin Castaño (Consultoría) 4.1.2. Resultados Para El Ecosistema De Bosque Andino. Los resultados obtenidos indican que las cuatro dimensiones importantes de estudio están compuestas de la siguiente manera:

21

DIMENSIÓN 1: Indice de Irregularidad: aumento de complejidad de la forma de los fragmentos medido por la relación entre perímetro y área.-

AWMSI: Indice de la forma media ponderado por el área. MSI: Indice de la forma media MPFD: Dimensión fractal de los fragmentos. AWMPFD: Dimensión fractal de los fragmentos ponderado por el área

DIMENSIÓN 2: Indice de número de fragmentos: cambio en el tamaño y número de fragmentos.

NUMP: Número de fragmentos. PSCOV: Coeficiente de variación del tamaño medio de los fragmentos PSSD: Desviación estándar del tamaño del fragmento

DIMENSIÓN 3: Indice de tamaño

MPS: Tamaño medio de los fragmentos por ecosistemas MEDPS: Media del tamaño del fragmento

DIMENSIÓN 4: MPAR.

MPAR: Relación media perímetro área.

Método del Análisis de Factor. Este resultado se obtuvo luego de aplicar una secuencia de análisis igual a la utilizada en el caso del Páramo Húmedo. Utilizando el criterio de escoger el número de dimensiones correspondientes al número de valores propios mayores o iguales a 1, se determinó que el número adecuado de ellas es de también de cuatro (el cuarto mayor valor propio es de 0.983 1.0) (Cuadro 7) Usando estos cuatro factores la variación total explicada es de 87.4%.

≈

CUADRO 7. BOSQUE ANDINO

PRIMEROS VALORES PROPIOS DE LA MATRIZ DE CORRELACIÓN ----------------------------------------------------------------------------------------------------------------------

1 2 3 4 5 VAL.PROP 3.9190 2.3316 1.5065 0.9830 0.8727 PROPORCIÓN 0.3919 0.2332 0.1507 0.0983 0.0873 ACUMUL. 0.3919 0.6251 0.7757 0.8740 0.9613

FUENTE: Elkin Castaño. Consultoría.

-------------------------------------------------------------------------------------------

A continuación se determinó cuáles variables pertenecen a cada una de las cuatro dimensiones. Empleando el método de análisis de factor ortogonal con rotación VARIMAX se encontraron los siguientes resultados, en donde las variables correspondientes a cada dimensión, por tener los mayores valores, se señalan con negrilla (Cuadro 8)

22

CUADRO 8. BOSQUE HUMEDO VARIMAX

ESTRUCTURA DE LOS FACTORES ROTADOS ---------------------------------------------------------------------------------------------------------

FACTOR1 FACTOR2 FACTOR3 FACTOR4

NUMP -0.17784 0.76335 -0.24146 -0.12805 NUMP MPS 0.12471 -0.09163 0.98329 0.05588 MPS MEDPS 0.07582 -0.21298 0.93337 -0.13659 MEDPS PSCOV -0.02979 0.93455 -0.15040 0.19807 PSCOV PSSD 0.15069 0.49906 0.17213 0.58218 PSSD MSI 0.90283 -0.31798 0.20204 -0.05291 MSI AWMSI 0.94334 0.17308 0.13190 0.08794 AWMSI MPFD 0.88170 -0.35685 0.03601 0.03999 MPFD AWMPFD 0.97061 0.11209 -0.01122 0.02163 AWMPFD MPAR -0.01809 -0.04429 -0.12963 0.86779 MPAR -------------------------------------------------------------------------------------------------------------- FUENTE: Elkin Castaño. Consultoría. Para el ecosistema Bosque Andino es importante observar que el coeficiente de la variable PSSD es de 0.49906 en la dimensión dos, mientras que es de 0.58218 en la dimensión cuatro. Debido a que se espera teóricamente que PSSD se agrupe con PSCOV se toma el segundo mayor valor y se agrupa en la dimensión dos en lugar de la dimensión cuatro. La aparente inconsistencia entre la teoría y la evidencia empírica puede deberse a problemas de medida en la muestra estudiada. La otra técnica estadística de agrupación de variables, “Método de Agrupamiento de Variables, VARCLUS” confirma la robustez de los resultados anteriores, ya que se obtuvo la misma agrupación (Cuadro 9)

23

CUADRO 9. BOSQUE ANDINO DIMENSIONES USANDO EL PROCEDIMIENTO VARCLUS

---------------------------------------------------------------------------------------- R-Cuadrado con ------------------ Propio Próximo 1-R**2 Variable grupo más cerca Cociente Cluster 1---------------------------------------- MSI 0.8950 0.1779 0.1277 MSI AWMSI 0.8582 0.0440 0.1483 AWMSI MPFD 0.8483 0.1410 0.1766 MPFD AWMPFD 0.8992 0.0156 0.1024 AWMPFD Cluster 2---------------------------------------- MPS 0.9757 0.0825 0.0265 MPS MEDPS 0.9757 0.1165 0.0275 MEDPS Cluster 3---------------------------------------- NUMP 0.8483 0.0860 0.1660 NUMP PSCOV 0.8483 0.1877 0.1868 PSCOV Cluster 4---------------------------------------- PSSD 0.5903 0.0743 0.4426 PSSD MPAR 0.5903 0.0241 0.4198 MPAR ----------------------------------------------------------------------------------------------------------------------- FUENTE: Elkin Castaño. Consultoría.

De nuevo aparece que PSSD debería unirse MPAR. Como la teoría no está de acuerdo con este resultado, se prefiere agrupar a PSSD con PSCOV y NUMP.

CUADRO 10. BOSQUE ANDINO CORRELACIONES ENTRE DIMENSIONES

----------------------------------------------------------------------------------------------------------------------------- Grupo 1 2 3 4 1 1.00000 0.21526 -0.21232 0.07910 2 0.21526 1.00000 -0.31815 -0.05860 3 -0.21232 -0.31815 1.00000 0.27845 4 0.07910 -0.05860 0.27845 1.00000 --------------------------------------------------------------------------------------------------------------------- FUENTE: Elkin Castaño. Consultoría En este caso también las dimensiones tienen correlaciones bajas, indicando que cada una de ellas contiene diferente tipo de información que debería ser explicada y en consecuencia se diferencian efectivamente las cuatro dimensiones establecidas a partir del método Varimax (Cuadro 10) Indices Sintéticos de Estado.

Indice Sintético de irregularidad. El índice sintético de la dimensión uno Indice de Irregularidad, combina el índice de forma media (MSI), con su ponderación (AWMSI), y la dimensión fractal de los

24

fragmentos (MPFD) con su ponderación (AWMPFD). De las 74 observaciones8 de bosque andino, el índice de forma media varía entre 1.26 y 4.51, con una desviación estándar de 0.58 y una media de 2.16. En la variable ponderada varía entre 1.19 y 4.51, la desviación estándar es 0.66 y la media de 2.44. En la variable de la dimensión fractal de los fragmentos varía entre 1.03 y 1.16, con una desviación estándar de 0.03 y una media de 1.08. La dimensión fractal ponderada varía entre 1.02 y 1.16, con una desviación de 0.03 y una media de 1.09. El aporte de cada una de las variables a la dimensión, se toma el vector correspondiente de la matriz de covarianzas y por lo tanto, la dimensión 1 queda así: Dimensión 1=DIM1=0.50503*MSI

s + 0.49733*AWMSIs + 0.49268* MPFD

s+ 0.50485AWMPFD

s

Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X)

La estandarización produce una homogenización cardinal de dimensiones ya que la mayor parte de las observaciones se encuentran entre más o menos tres desviaciones estándar de la media. Este procedimiento cambia el rango de variación de las variables, de manera que la dimensión como un todo varía entre -4.0897 y 5.9472, con un valor medio que es prácticamente 0 y una desviación estándar de 1.87. Como significado, el valor mínimo, combinando los cuatro índices que forman la dimensión 1, antes de transformación sería de 4, ahora -4.1 y tiene el significado de regularidad total de perímetro y formas homogéneas de fractal. El máximo encontrado, antes de transformación, con la adición de variables fue de 11, 32 que luego de la trasformación toma el valor de 5,9. Indice Sintético de Número de fragmentos

La dimensión 2, corresponde a los índices de tamaño de lo fragmentos que se combinan con el número de ellos. El número de fragmentos (NUMP) se combina con el coeficiente de variación del tamaño medio de los fragmentos (PSCOV) y finalmente con la desviación estándar del tamaño de los fragmentos (PSSD). El valor del PSSD significa, cuando es pequeño, uniformidad en la distribución de tamaño de los fragmentos y cuando es grande implica irregularidad y poca uniformidad en la distribución de tamaños. El valor de PSCOV es el PSSD, dividido por el tamaño medio de los fragmentos y multiplicado por 100, puede estar entre 0, cuando todos los fragmentos son del mismo tamaño o solo hay un fragmento, y sin límite superior. En las 74 observaciones, el número de fragmentos NUMP tiene un mínimo de 1 y un máximo de 9, con una media de 3,27 y desviación estándar de 2.35; el PSCOV, coeficiente de variación de tamaño medio de los fragmentos tiene un mínimo de 0 y un máximo de 189.9 con un valor medio de 64.2 y una desviación estándar de 54.8; el PSSD, desviación estándar del tamaño del fragmento está entre 0, y 52.745 con una media de 4.868.9 y desviación estándar de 9120. El tamaño medio de los fragmentos MPS fluctúa entre 357.4 y 299.460.

8 De los 116 conjuntos de municipios analizados, 74 tienen fragmentos de bosque andino.

25

La dimensión dos combina las variables estandarizadas así: Dimensión 2: DIM2 = 0.59746*NUMPS + 0.69790**PSCOVS +0.39493*PSSDS Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X)

Esta dimensión toma valores entre -1.64 y 2.90 con una media de cero y una desviación de 1.36.

Indice Sintético de Tamaño de los Fragmentos La dimensión tres se refiere al tamaño de los fragmentos y agrupa dos índices el tamaño medio de los fragmentos MPS y la mediana del tamaño MEDPS. El tamaño medio MPS de los fragmentos varía entre 357 há y 299.460 con un valor medio de 14.845 y una desviación estándar de 37.342. La relación ente la media y la desviación estándar muestra una variación muy amplia de tamaños de fragmentos. La Mediana MDPS varía entre 0.28 há y 299.460 con media de 11.220 y desviación de 37.339. De manera que se trata de una distribución completamente asimétrica, concentrada en un solo valor, como se puede observar en la gráfica de la dimensión 3 del ecosistema bosque andino, cerca de 70 de las 75 observaciones corresponden a un valor de dimensión de 0.69. Estas dos variables se combinan para formar la dimensión 3 así: Dimensión 3: DIMN3 = 0.70711*MPSS + 0.70711*MEDPSS Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X) DIMENSION 4 La dimensión está solamente en función de la relación media del perímetro y el área. La media de todas las razones del perímetro de cada fragmento dividido por su correspondiente área. MPAR. Esta dimensión varía entre 2,4 y 612,75 con una media de 32,76 y desviación estándar de 74,94. Dimensión 4: DIM4=MPARS

Donde XS indica la variable X tipificada, es decir, XS = (X-Media(X))/Desviac. Estánd(X)

26

CUADRO 11. BOSQUE ANDINO MEDIAS Y DESVIACIONES DE VARIABLES

Las medias y las desviaciones estándar de las variables son: VARIABLE N MEDIA DESVIAC.ESTAND. VARIANZA MINIMUM MAXIMUM --------------------------------------------------------------------- NUMP 74 3.2703 2.3484 5.5150 1.0000 9.0000 MPS 74 14845. 37342. 0.13944E+10 357.39 0.29946E+06 MEDPS 74 11220. 37339. 0.13942E+10 0.28578 0.29946E+06 PSCOV 74 64.261 54.804 3003.5 0.00000 189.87 PSSD 74 4868.9 9120.1 0.83176E+08 0.00000 52745. MSI 74 2.1608 0.58441 0.34153 1.2577 4.5062 AWMSI 74 2.4442 0.65856 0.43370 1.1937 4.5062 MPFD 74 1.0815 0.25425E-01 0.64645E-03 1.0292 1.1575 AWMPFD 74 1.0929 0.26248E-01 0.68895E-03 1.0205 1.1575 MPAR 74 32.765 74.943 5616.5 2.4000 612.75 4.2. RELACION ENTRE VARIABLES SOCIOECONOMICAS9 Y LOS INDICADORES DE FRAGMENTACION. Una vez establecidos los índices sintéticos de estado, se analizan la relación entre sus cambios y las presiones antrópicas medidas por las variables socio-económicas. Inicialmente se analizaron 218 variables socioeconómicas que se relacionan en el Anexo 1, Cuadro No. 1. En el proceso de análisis se combinaron varias de ellas y se suprimieron algunas por tener un bajo número de observaciones. El conjunto de análisis fue de 55 de las cuales solo 8 cumplieron las condiciones estadísticas para el análisis10. Z10: ICV por componentes. 1993. Total Z18: Porcentaje área pasto tradicional sin beneficio de riego contra área ecosistema Z19: Porcentaje área sembrada en cultivos transitorios contra área ecosistema Z24: Número de habitantes por cada 100hectáreas Z26: Índice anual de escasez de agua, por municipio (año medio) 1996 Z28: Carreteras sin pavimentar Z31: Capacidad de regulación de recursos hídricos: esta es una variable categórica. A partir de ella se formaron las variables: Z31a: Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO Z31b: Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO Z31c: Capacidad de regulación de recursos hídricos, por municipio 1998 MEDIO Z55: Muertes violentas por cada 1000 habitantes 4.2.1. Resultados Para El Ecosistema Páramo Húmedo.

A continuación se presentan los resultados sobre los factores socioeconómicos de presión que se asocian con los cambios en la configuración del ecosistema de Páramo Húmedo

9 Ver anexo tabla N°X1 variables socioeconómicas disponibles. 10 La variable capacidad de regulación de recursos hídricos se subdivide en niveles muy bajo, bajo y medio.

27

medido por los índices compuestos que corresponden a lo que se ha llamado dimensiones. La técnica empleada para la estimación es la de la regresión robusta de la Trimedia de Tukey, que controla la influencia indebida de posibles observaciones atípicas. La regresión resultante entre irregularidad y variables socioeconómicas fue: Irregularidadph= -0.192-0.004Z19+1.21 Z31b-0.01Z24-0.009Z26+0.02Z55 R2 = 0.357 Donde: Z19: Porcentaje área sembrada en cultivos transitorios contra área ecosistema Z31b: Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO Z24: Número de habitantes por cada 100 hectáreas Z26: Índice anual de escasez de agua, por municipio (año medio) 1996 Z55: Muertes violentas por cada 1000 habitantes Todas las variables son significativamente diferentes de cero con más de un 90 % de probabilidad. (ver el P. value Cuadro 12) La irregularidad toma valores desde -4.02 a 6.20 donde el límite inferior mide la máxima regularidad medida en el ecosistema. Las variables que entran en la ecuación explican el 35 % de la variación de la irregularidad medida. Esto quiere decir que más del 60 % de la variación se explica por la presión ejercida por los factores socio-económicos que no se han identificado suficientemente o no tienen la información suficiente para este análisis, lo que significa que aún hay un campo amplio para la investigación sistemática sobre estas relaciones. Se tienen las siguientes sendas de investigación posterior: i) identificación de factores no incluidos en las 218 variables consideradas que midan presión antrópica; ii) una mejor medición de las variables consideradas; iii) un seguimiento más continuo de los cambios. En este ecosistema, a esta escala de observación la mayor regularidad es un indicador de mayor intervención de actividades de explotación económica, por siembra de cultivos (que suele ser de papa) y actividad pecuaria. Los resultados por variables se resumen en los siguientes términos: El área sembrada en cultivos transitorios como porcentaje del área del ecosistema está inversamente relacionada con la irregularidad. Es decir, a mayor área de cultivo, mayor regularidad. Sin embargo, su impacto individual es pequeño por la dimensión del coeficiente, que indica que un aumento de 1% en el área cultivada aumenta la regularidad en 0.004 del índice cuya amplitud de recorrido es de 10 puntos (en efecto varía entre -4 y 6). En la Gráfica 1 se puede observar su aporte individual a la explicación de la variación. Regulación hídrica: la capacidad de regulación de recursos hídricos, que depende de la composición del suelo y de la capa vegetal. Esta variable no representa una presión

28

antrópica directamente porque tiene en cuenta factores propios del suelo, sin embargo, tanto la composición del suelo como la cobertura vegetal reflejan acciones de presión socioeconómica. La regulación se midió por cinco variables binarias (0,1) tomados del estudio nacional de aguas, la variable correspondiente toma el valor de 1 así: Z31a cuando el municipio tiene muy baja capacidad de regulación; Z31b cuando la capacidad de regulación es baja; Z31c cuando es media; Z31d cuando es alta y Z31e cuando es muy alta. Para el índice de irregularidad solo fue significativa la Z31b, es decir que la baja capacidad de regulación existente aporta una irregularidad de 1,21que significa más del 10% de la variación total del índice. Densidad de Población: medida como el número de habitantes por cada 100 hectáreas. Esta relacionada negativamente con la irregularidad. Es decir, la mayor población produce menor irregularidad que en este ecosistema a la escala medida implica sistemas más intervenidos. Cuando la densidad de la población aumenta en uno (tiene un mínimo de 4 y máximo de 73) la irregularidad disminuye en 1 %. Como era de esperarse, es la variable que por si sola explica mayor porcentaje de variación, ya que el tamaño de la población es una aproximación de todas las presiones socioeconómicas. El 12 % de la variación se debe a ella o a una variable altamente correlacionada con ella. A pesar de ser grande su efecto solo implica la tercera parte de la explicación de todas las variables en conjunto. Indice de escasez de agua: medido por la demanda de agua ejercida por actividades sociales como porcentaje de la oferta hídrica disponible. Su relación inversa significa que un aumento en la presión ejercida por la demanda de agua disminuye la irregularidad es decir está asociada con áreas más intervenidas. Por si sola esta variable y las correlacionadas con ella explican el 2 % de la variación. Un aumento de 1% de la demanda de agua como proporción de la oferta hídrica produce una disminución de 1% en el índice de irregularidad. Muertes violentas por cada 1000 habitantes: es una aproximación de la existencia de violencia, normalmente asociada a la presencia de grupos armados. La correlación directa indica que la irregularidad aumenta a mayor presencia de grupos armados, porque ésta disminuye la intervención económica. Un aumento de 1 % en la tasa de homicidios aumenta la irregularidad en 0.024. Por sí sola explica muy poca variación, solamente el 4 por mil de la variación. En síntesis, en el nivel de conocimiento actual, las principales variables asociadas a la presión socioeconómica, sobre el ecosistema de Páramo Húmedo, cuando el efecto de estas presiones se miden con el índice de irregularidad, son: densidad poblacional, el aumento de demanda de agua como proporción de la oferta hídrica; en menor proporción pero significativamente están: la regulación hídrica, la presencia de grupos armados y los cultivos transitorios.

29

CUADRO 12. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA PRIMERA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 32 DF P-VALUE Z19 -0.41178E-02 0.8872E-03 -4.641 0.000 Z31B 1.2124 0.1629 7.441 0.000 Z24 -0.10112E-01 0.1622E-02 -6.236 0.000 Z26 -0.93135E-02 0.5124E-02 -1.817 0.076 Z55 0.24414E-01 0.6978E-02 3.499 0.001 CONSTANT -0.19285 0.1631 -1.182 0.243 ERROR ESTÁNDAR ERROR DE ESTIMACIÓN-SIGMA = 0.54657 R**2 = 0.357 FUENTE: Elkin Castaño. Consultoría Cuando la columna llamada T-RATIO es mayor que 1 se acepta que la variable correspondiente es explicativa de la dimensión respectiva. A mayor valor de T-RATIO mayor evidencia empírica de ese resultado. La columna denominada P-VALUE contiene los mínimos niveles de significación a los que se puede rechazar la hipótesis de que las variables correspondientes no son significativas. Este valor está entre 0 y 1. A menor valor mayor evidencia empírica sobre la significancia estadística de la variable.

CUADRO 13. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA SEGUNDA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 21 DF P-VALUE Z18 -0.66402E-03 0.4596E-03 -1.445 0.157 Z31B -0.78454 0.2034 -3.858 0.000 Z24 -0.26809E-02 0.1976E-02 -1.357 0.183 Z26 0.26787E-01 0.6996E-02 3.829 0.000 Z28 -0.61415E-02 0.2518E-02 -2.439 0.020 Z55 -0.29486E-01 0.9280E-02 -3.177 0.003 CONSTANT 0.61839 0.2623 2.357 0.024 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.64782 R**2 = 0.152 FUENTE: Elkin Castaño La columna denominada ESTIMATED COEFFICIENT contiene los coeficientes estimados para cada una de las variables. Estos coeficientes miden el impacto (tasa de cambio marginal) que un cambio de una unidad en la respectiva variable tiene sobre la dimensión. Este impacto puede ser negativo o positivo. Este signo debe analizarse conjuntamente con los del Instituto Von Humboldt para clarificar el sentido de la relación.

30

La columna denominada STANDARD ERROR contiene el error de estimación del coeficiente de cada variable. A menor valor de este con respecto al coeficiente estimado, mayor es la precisión en la estimación del coeficiente.

CUADRO 14. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA TERCERA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 24 DF P-VALUE Z10 -0.42368E-02 0.1147E-02 -3.693 0.001 Z18 0.33736E-03 0.1180E-03 2.860 0.007 Z19 -0.24503E-02 0.2724E-03 -8.995 0.000 Z31B 0.86274 0.2815E-01 30.65 0.000 Z24 -0.26299E-02 0.2808E-03 -9.367 0.000 Z26 -0.38029E-02 0.8182E-03 -4.648 0.000 Z55 0.23815E-02 0.1130E-02 2.107 0.042 CONSTANT -0.42570 0.6082E-01 -7.000 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.082854 R**2 = 0.222 FUENTE: Elkin Castaño

CUADRO 15. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA CUARTA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 24 DF P-VALUE Z10 -0.50725E-03 0.3740E-04 -13.56 0.000 Z18 0.21643E-03 0.4734E-05 45.72 0.000 Z19 0.36925E-03 0.1044E-04 35.38 0.000 Z31A 0.11495 0.2832E-02 40.59 0.000 Z31B -0.19808E-01 0.8910E-03 -22.23 0.000 Z24 -0.86679E-04 0.8752E-05 -9.904 0.000 Z26 0.66021E-03 0.2584E-04 25.55 0.000 Z55 -0.54379E-03 0.3578E-04 -15.20 0.000 CONSTANT -0.11720 0.1944E-02 -60.30 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.0025803 R**2 = 0.922 FUENTE: Elkin Castaño. Consultoría. La cantidad denominada R**2 indica el ajuste del modelo a los datos. Su valor se encuentra entre 0 y 1. A mayor valor, mayor ajuste del modelo a los datos. En este tipo de datos de corte transversal es de esperarse valores bajos para R**2.

31

4.2.2. Resultados Para El Ecosistema Bosque Andino.

A continuación presentamos los resultados sobre los factores socioeconómicos de presión que se asocian con los cambios en la configuración del ecosistema de Bosque Andino medido por los índices compuestos que corresponden a lo que se ha llamado dimensiones. La técnica empleada para la estimación es la de la regresión robusta de la Trimedia de Tukey, que controla la influencia indebida de posibles observaciones atípicas. La regresión resultante entre irregularidad y variables socioeconómicas fue: Irregularidadba= 3.19-0.05 Z10 – 0.08 Z18+0.08Z19-1.18 Z31a-1.57 Z31b +0.02Z26-0.01Z55 R2 = 0.363 Donde: Z10: ICV por componentes. 1993. Total Z18: Porcentaje área pasto tradicional sin beneficio de riego contra área ecosistema Z10: Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO Z31b: Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO Z26: Índice anual de escasez de agua, por municipio (año medio) 1996 Z55: Muertes violentas por cada 1000 habitantes Todas las variables son significativamente diferentes de cero con más de un 90 % de probabilidad. (ver P Value en Cuadro 16) El valor del término independiente indica que medido por irregularidad, el nivel de intervención es más alto aún antes de considerar las variables socioeconómicas, 3.19, de un rango de variación entre -4 y 6. Como en el caso del páramo húmedo las variables consideradas dejan sin explicación cerca del 60 % de la variación, que, como se dijo antes, implica que la investigación tiene un amplio espacio todavía. Los resultados por variables se resumen en los siguientes términos: Índice de Condiciones de vida (ICV): es una aproximación a la medición de la riqueza o pobreza de las poblaciones de los ecosistemas tomando el concepto de bienestar, 0 significa pobreza total y 100 riqueza total, aquí varía entre 11 y 76, con un media de 53. La relación con la irregularidad es inversa lo que quiere decir que las poblaciones más ricas y probablemente más educadas causan menos impactos. Es conocido que los más pobres utilizan aún leña para cocinar. Por cada aumento de un punto del ICV la irregularidad disminuye en 0.05. Tomado individualmente esta variable explica el 2 % de la variación total. Area en pasto sin beneficio de riego como porcentaje del área del ecosistema: es una aproximación de la explotación ganadera tradicional. La relación con el índice de irregularidad es inversa, es decir que un aumento del área en pastos, aumenta la regularidad. Un aumento de 1% del área cultivada disminuye en 0.08 la irregularidad. Este

32

es un resultado opuesto a lo esperado. Varía entre 15 y 70 con una media de 21. Por si sola explica el 3 % de la variación total. Area sembrada en cultivos transitorios como porcentaje del área del ecosistema: es una aproximación de la intensidad de la explotación agrícola. Se relaciona directamente con la irregularidad lo que implica que la explotación aumenta la irregularidad como era de esperarse. Un aumentote 1 % del área sembrada en cultivos transitorios aumenta en 0.08 la irregularidad. Por si sola explica un 3 % de la variación total. Regulación hídrica : la capacidad de regulación de recursos hídricos, resultó significativa para dos de los niveles, de los cinco considerados como variables binarias: Z31a como muy baja capacidad de regulación; y la Z31b con baja capacidad; la muy baja regulación aporta una variación de 1.4 y la baja 0.42 de la variación de 10 puntos del índice. Su relación inversa con la irregularidad implica que la existencia de baja o muy baja capacidad de regulación disminuye la irregularidad. Una relación no esperada. Densidad de Población: medida como el número de habitantes por cada 100 hectáreas. No aparece significativamente asociada a la irregularidad cuando había sido la variable principal para el páramo húmedo. Indice de escasez de agua: medido por la demanda de agua ejercida por actividades sociales como porcentaje de la oferta hídrica disponible. Tiene una relación directa lo que significa que un aumento en la presión ejercida por la demanda de agua aumenta la irregularidad. Un aumento de 1% de la Demanda de agua como proporción de la oferta hídrica produce un aumento de 0.02 en el índice de irregularidad. Por si sola esta variable y las correlacionadas con ella explican el 3 por mil de la variación total. Muertes violentas por cada 1000 habitantes: es una aproximación de la existencia de violencia, normalmente asociada a la presencia de grupos armados. La relación inversa indica que un aumento de las tasas de homicidios disminuye la irregularidad lo que implica una menor intervención. Por cada 1 % de aumento en la tasa de homicidios la irregularidad disminuye en 0.01. En síntesis, al comparar los resultados de los dos ecosistemas se puede afirmar que la diferencia en la dimensión de términos independientes indica que el páramo húmedo está relativamente menos intervenido que el bosque andino. En el primero, la variable con más asociada es la densidad de la población. Esto no ocurre en el Bosque Andino donde se ha alcanzado una muy uniforme densidad que por eso no aparece explicando variaciones del índice. Implicaría también que lo que afecta la regularidad en el Páramo es la acción de poblamiento y en el Bosque es más importante la forma como la población ejerce su actividad. Esto podría explicar la relación no esperada del área dedicada a pastos. Dada la acción de la población, existen pocas áreas no intervenidas, por esto la intervención que produce menor irregularidad es la existencia de pastos sin riego que implica manejo no intensivo de animales y el cuidado de ganado menor.

33

CUADRO 16. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA PRIMERA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 42 DF P-VALUE Z10 -0.50312E-01 0.7461E-02 -6.743 0.000 Z18 -0.79711E-01 0.1979E-01 -4.028 0.000 Z19 0.82628E-01 0.5025E-01 1.644 0.106 Z31A -1.1882 0.4121 -2.883 0.006 Z31B -1.5731 0.1838 -8.557 0.000 Z26 0.23855E-01 0.4191E-02 5.692 0.000 Z55 -0.13541E-01 0.6955E-02 -1.947 0.057 CONSTANT 3.1953 0.4048 7.894 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.60901 R**2 = 0.363 FUENTE: Elkin Castaño. Consultoría.

CUADRO 17. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA SEGUNDA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 37 DF P-VALUE Z10 0.20969E-01 0.1572E-02 13.34 0.000 Z18 -0.20329E-01 0.4101E-02 -4.957 0.000 Z31A 1.4399 0.1736 8.295 0.000 Z31B 0.42727 0.7195E-01 5.938 0.000 Z24 -0.11917E-01 0.8280E-03 -14.39 0.000 Z26 0.18619E-02 0.1558E-02 1.195 0.237 Z28 -0.76472E-02 0.5829E-03 -13.12 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.25814 R**2 = 0.404 FUENTE: Elkin Castaño. Consultoría.

CUADRO 18. PARAMO HUMEDO RELACIONES CON VARIABLES SOCIOECONOMICAS

RELACIÓN PARA LA TERCERA DIMENSIÓN VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 37 DF P-VALUE Z18 -0.14482E-01 0.6508E-02 -2.225 0.031 Z19 0.22388E-01 0.1613E-01 1.388 0.171 Z31A -0.60762 0.1175 -5.172 0.000 Z31B -0.52696 0.4666E-01 -11.29 0.000 Z28 0.14444E-02 0.3465E-03 4.168 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.19451 R**2 = 0.284 FUENTE: Elkin Castaño. Consultoría.

34

CUADRO 19. PARAMO HUMEDO

RELACIONES CON VARIABLES SOCIOECONOMICAS RELACIÓN PARA LA CUARTA DIMENSIÓN

VARIABLE ESTIMATED STANDARD T-RATIO NAME COEFFICIENT ERROR 37 DF P-VALUE Z10 -0.14864E-02 0.6524E-03 -2.279 0.027 Z18 -0.17713E-02 0.1782E-02 -0.9941 0.325 Z19 0.10381E-01 0.4327E-02 2.399 0.020 Z31A 1.1747 0.3454E-01 34.01 0.000 Z31B 0.14519 0.1599E-01 9.079 0.000 Z24 -0.45320E-03 0.1677E-03 -2.702 0.010 Z26 0.87332E-03 0.3155E-03 2.768 0.008 Z28 -0.59868E-03 0.1315E-03 -4.553 0.000 CONSTANT -0.14314 0.3671E-01 -3.899 0.000 ERROR ESTÁNDAR DE ESTIMACIÓN-SIGMA = 0.050765 R**2 = 0.402 FUENTE: Elkin Castaño. Consultoría 5. EL CASO DE LA AMAZONIA Y LA GENERACION DE INFORMACION La información existente sobre la Amazonía, tanto sobre los ecosistemas como la socioeconómica, en su estado actual es insuficiente para desarrollar completamente la aplicación de la metodología en el presente estudio. Los principales vacíos de información existentes son los siguientes:

• La información sobre los ecosistemas de la Amazonía fue provista por el Instituto Humboldt. El número de ecosistesmas en la amazonía es bastante elevado, alrededor de los doscientos (200), sobre los cuales, en la base de datos suministrada, se presenta información acerca los mismo índices de fragmentación considerados para la zona Andina (CA, área de cada ecosistema existente; TLA, área total del municipio o grupo de municipios; NUMP, número de fragmentos; MPS, tamaño medio de los fragmentados; MEDPS, Media del tamaño de los fragmentos; PSCOV, coeficiente de variación; PSSD, desviación estándar; TE, Borde total; ED, densidad de borde; MPE, perímetro medio de borde; MSI, índice de forma media; AWMSI, índice de forma media ponderado por el área; MPAR, relación perímetro área; MPFD, dimensión fractal de los fragmentos; AWMPFD, dimensión fractal de fragmentos ponderado por el área; SDI, índice de diversidad; SEI, índice de similaridad.

• Con un número tan elevado de ecosistemas se tiene un número de observaciones

bajo para cada ecosistema. Esto hace recomendable, en aras de poder hacer análisis estadísticos, realizar una agrupación de la variedad de ecosistemas en tipos de ecosistemas más generales de acuerdo a determinadas afinidades.

35

• Al agrupar los ecosistemas en tipos de ecosistemas más consolidados y no tan desagregados como se tenía inicialmente, según recomendaciones del Humboldt, se llegó a que el número máximo de observaciones por tipo de ecosistema era de 16. Esta situación sigue siendo poco propicia, ya que es una fuerte restricción al seguir dejando un margen muy limitado de grados de libertad para hacer los análisis estadísticos esperados para el caso de la zona Andina.

• La información sobre las variables socio-económicas se presenta por municipios y

ésta es la mayor restricción para conciliar la disponibilidad de información sobre ecosistemas con la de los municipios en función de los análisis estadísticos. En las áreas piloto definidas por el Humboldt para el estudio del a Amazonía se tiene un bajo número de municipios (35). Esta es una restricción fuerte de entrada, porque hace que las posibilidades de contar con un número de observaciones adecuado sean limitadas, como efectivamente sucede. Dado que el área mínima susceptible de análisis debe ser superior a las 65.000 hectáreas, al agrupar los municipios para poder cumplir con esta restricción, se mantienen los municipios de gran extensión que limitan la posibilidad de análisis y la unión de los otros municipios lleva a que al final se tengan menos observaciones aún (26).

• Aún si se superan los límites de los casos piloto y se toma la totalidad de la

Amazonía, sobre los cuales hay información de los ecosistemas, como el número de municipios es inferior a los 60, el número de observaciones estaría alrededor de las 50; seguramente el número de observaciones por ecosistema sería inferior a este número. Por lo tanto es necesario organizar la información para áreas menores que municipios, tales como corregimientos distritales. En la actualidad la información socioeconómica no está ordenada de esta manera.

• En las conclusiones derivadas del estudio se encontró que las variables socio-

económicas relevantes para los ecosistemas de la zona andina analizados difieren, condiciendo solamente tres de las ocho variables. Esto justifica la realización de un ejercicio de verificación de las variables-socioeconómicas pertinentes en el caso de la Amazonía, revisando en principio un número alto de variables, que finalmente conduzcan a aquellas efectivamente pertinentes en estas regiones del país. Tomar el caso de la zona andina para hacer generalizaciones sobre las variables relevantes sería riesgoso.

5.1 PROPUESTA DE GENERACION DE INFORMACION DE CAMPO El manejo de las bases de datos en este estudio se guió bajo el siguiente procedimiento:

• La información ecológica fue suministrada por el Instituto Humboldt, con base en análisis que dicho Instituto viene adelantando en relación a los indicadores de fragmentación. De la variedad de indicadores que el Instituto está en condiciones de elaborar a partir de las imágenes satelitales con que cuenta, se escogieron aquellos

36

sobre los que se tenía una mejor comprensión desde el punto de vista de las dinámicas ecológicas que estos reflejan.

• La delimitación de los fragmentos de ecosistemas fue condicionada por la

disponibilidad de información socio-económica, que se da a nivel municipal. Esto necesariamente implica ciertas distorsiones en los posibles análisis, en la medida que los límites geopolíticos no responden a criterios ecosistémicos. Avances complementarios al presente estudio tendrían que partir de esfuerzos adicionales para organizar la información socio-económica de manera más acorde o consecuente con la composición ecológica del país. Los posibles costos que esto implicaría representan la mayor restricción, así como la permanencia de demandas geopolíticas que postponen la factibilidad de replanteamientos en este sentido.

• La información socio-económica se obtuvo de bases de datos disponibles en la

Misión Social y en el Instituto Humboldt en el sistema Informar. Luego de la agrupación de esta información de acuerdo a los conjuntos de municipios asociados con los fragmentos, se reagruparon algunas variables socioeconómicas en función de lograr una mayor relevancia estadística y se ajustaron las unidades de medida de algunas para efectos del manejo estadístico. Los análisis de correlación con los índices de fragmentación redujeron el número de variables socioeconómicas de 204 a 41, culminando el proceso inicial en 55 al incluir la información sobre mortalidad y homicidios. Los análisis finales llevaron a ocho variables, repitiendo tres en los dos ecosistemas (Páramo Húmedo y Bosque Andino).

Recomendaciones para la generación de información de campo:

• Existen dos posibilidades para poder analizar el caso de la Amazonía: La primera posibilidad es depurar o profundizar en el estudio de la zona Andina, en forma que se cuente con relaciones entre las variables socioeconómicas y de los índices de fragmentación independientes del ecosistema, para así poder extrapolar el resultado al caso de la Amazonía. Los indicios presentados en este estudio no dan base para esperar que esto vaya a suceder, ya que señalan diferencias en estas relaciones entre los ecosistemas. • La otra posibilidad para poder realizar en la Amazonía los análisis efectuados sobre

la zona Andina, es contar con información socioeconómica diferenciada por áreas menores a los municipios. El gran tamaño de algunos municipios de la Amazonía se puede tratar de obviar teniendo en cuenta que existen corregimientos distritales en algunos de los departamentos de la región. En el momento la información sobre estas unidades geopolíticas es limitada, básicamente población, pero la delimitación serviría para tener un referente geográfico sobre el cual sea más factible reunir información. Para esto se requiere que los corregimientos o agentes especializados levanten la información socioeconómica que en principio se recomienda reunir según la siguiente lista:

37

Var. Unidad Descripción Z1 Millones de personas Personas con NBI, cabecera, resto y total Z6 Puntaje ICV por componentes y total Z11 Millones metros cúbicos Demanda anual de agua, cabecera 1996 Z13 Hectárea (Ha) 1000000 Area municipio (ha) Z15 Hectárea (Ha) A 1997 Uso de tierra por áreas. Z24 Miles de personas Población total área Z27 Miles de Kms Carreteras pavimentadas Z28 Miles de Kms Carreteras sin pavimentar Z30 Millones toneladas año Presión sobre calidad, cabecera (DBO/año) 1996 Z31 Recursos hídricos, mcpio. Z32 1,2,3,4 Muy bajo, bajo, medio Vulnerabilidad por disponibilidad de agua Alta, muy alta. Cabecera (año medio) 1996 Z33 Miles de hogares Acueducto Z34 Miles de hogares Alcantarillado Z35 Miles de hogares Cabecera energía Z41 Miles de hogares Total energía Z42 No de personas Total defunciones por causas Este esfuerzo se tiene que dar a partir de una adecuada promoción y capacitación de los encargados, por parte del Instituto Humboldt y las entidades que se estime necesario convocar entre las que generan los indicadores. Adicionalmente será deseable que se brinde apoyo y asesoría continua, directamente o a través de ONG.

6. CONCLUSIONES GENERALES: Este trabajo da un primer importante paso en el propósito de obtener mediciones que combinen varios aspectos relevantes del proceso de fragmentación de los ecosistemas. Se demostró que los 10 índices individuales de fragmentación considerados se pueden reducir válidamente a cuatro factores o dimensiones, representadas por índices complejos, que la combinación aumenta el poder explicativo del fenómeno. El que hayan resultado varias dimensiones relevantes (que explican más de 10 % de variación) tiene varias implicaciones:

• El fenómeno de fragmentación es complejo y aún una combinación de índices en la dimensión de irregularidad que es la que más explica, tanto en el ecosistema del páramo húmedo, como el del bosque andino, se capta el 49 % de los cambios en el primero y el 39 % en el segundo.

• Para iniciar un sistema de información se debe utilizar principalmente esta

dimensión. El uso de las restantes, que aumentan el poder de explicación está condicionado por la necesidad de encontrar un sentido complementario válido de la segunda dimensión que capte características de aspectos dimensionalmente distintos de degradación del ecosistema de los que capta la primera y que el costo de obtener la información adicional sea menor que la explicación adicional que proporcionan. Igual definición se debe hacer de la tercera y cuarta dimensión.

38

• Los resultados de la aplicación de los métodos estadísticos varimax y varclus sirven para identificar las variables que corresponden a cada dimensión, de manera que se asegure estabilidad y validez en los índices complejos como combinación de los índices simples.

El segundo objeto de análisis fue la relación entre las índices de fragmentación y las variables socioeconómicas que identifican las presiones antrópicas sobre el ecosistema. Del conjunto de 214 variables, que inicialmente se esperaba que tuvieran efectos significativos sobre la alteración de los ecosistemas medida por los índices de fragmentación, se redujeron a ocho. Este resultado es relevante para el sistema de información porque permite desechar variables que a priori parecían importantes y selecciona las que tienen mayor significación. Sin embargo aún queda un alto porcentaje de variación que no se explica por estas variables o por la forma como se miden. Buena parte de las variaciones en la fragmentación se explican por variables diferentes a las elegidas. En el caso específico de la zona andina, se ha logrado entonces acotar el sistema de información tanto para la medición de la fragmentación como para las variables socioeconómicas. El manejo del agua y su relación con el número de habitantes se encuentra como el principal factor de presión sobre los dos ecosistema

39

ANEXO 1. DEFINICIONES INDICES DE FRAMENTACION

• MPS: Tamaño medio de los fragmentos por ecosistemas

=∑

=

000,1011

i

n

jij

n

aMPS

Unidades: hectáreas Rango: MPS > 0, sin límite El rango de MPS está limitado por la escala de trabajo y la unidad mínima cartografiable (5,625 ha a escala 1:500.000) Descripción: MPS es igual a la suma de las áreas (m2) de todos los fragmentos correspondientes a un ecosistema específico, dividido por el número de fragmentos de ese tipo, dividido por 10,000 (para convertirlo a hectáreas)

• MEDPS: Median Patch Size • PSSD: Desviación estándar del tamaño del fragmento.

Es una medida de dispersión de los fragmentos; una pequeña desviación estándar implica una equitativa uniformidad o una distribución regular que atraviesa los fragmentos del paisaje. Mientras una larga desviación estándar implica una más irregular y no uniforme distribución de los fragmentos • PSCOV: Coeficiente de variación del tamaño medio de los fragmentos (Patch Size Coefficient

of Variance)

( )100MPSPSSDPSCoV =

Unidades: porcentaje Rango: PSCoV ≥ 0, sin límite PSCoV = 0 cuando todos los fragmentos del tipo de ecosistema son del mismo tamaño o cuando solo hay un fragmento y por tanto no existe variabilidad en el tamaño de los fragmentos. Descripción: PSCoV es igual a la desviación estándar en el tamaño de los fragmentos (PSSD) dividido por el tamaño medio de los fragmentos (MPS) de ese ecosistema, multiplicado por 100 (para convertir a porcentaje); es decir es la variabilidad del tamaño relativa al tamaño medio de los fragmentos de ese ecosistema.

• TE: Borde total: Es una medida absoluta del largo del perímetro de un particular tipo de fragmento (clase) o de todos los fragmentos (paisaje) • ED: Densidad del borde:

40

Borde estándar por una unidad básica de área que facilita la comparación entre paisajes de distintos tamaño. El tamaño medio del borde entre fragmentos • MPE: Mean Patch Edge AWMSI: Area Weighted Mean Shape Index

• i

n

j ij

ij

na

p

MSI∑

=

=1 2 π

Unidades: ninguna Rango: MSI ≥1, sin límite MSI = 1 cuando todos los fragmentos del ecosistema correspondiente son circulares; MSI se incrementa a medida que las formas de los fragmentos se hacen más irregulares. Descripción: MSI es igual a la suma del perímetro de cada fragmento (m) dividido por la raíz cuadrada del área (m2) de cada fragmento correspondiente a un tipo de ecosistema, ajustado a un estándar circular por una constante, dividido por el numero de fragmentos del mismo tipo de ecosistema.

• MPAR: Relación media perímetro área (Mean Perimeter - Area Ratio o MPAR)

i

n

j ij

ij

nap

MPAR∑

=

=1

Unidades: metros/hectáreas Rango: > 0, sin limites MPAR se incrementa a medida que aumenta la complejidad de la forma Descripción: MPAR es igual a la suma de la división del perímetro por el área de cada fragmento dividido por el número de fragmentos correspondiente a un tipo de ecosistema.

• AWMPFD: Dimensión fractal de los fragmentos (Mean Patch Fractal Dimension o MPFD

i

n

j ij

ij

nap

MPFD∑

=

=1 ln

ln2

Unidades: Ninguna Rango: 1 ≤ MPFD ≤ 2

41

Una dimensión fractal mayor a 1, para un paisaje en 2_D, indica una desviación de una geometría euclidiana, es decir un incremento en la complejidad de la forma de los fragmentos. MPFD se acerca a 1 para formas con perímetros muy sencillos, como círculos o cuadrados, y se aproxima a 2 para formas con perímetros más sinuosos. Descripción: es igual a la suma de 2 veces el logaritmo del perímetro del fragmento (m) dividido por el área del fragmento (m2) para cada parche de ecosistema correspondiente, dividido por el numero de fragmentas del mismo tipo.

• SDI: Indice de diversidad de Shannon (Shannon’s Diversity Index o SDI)

( )∑=

−=m

jii PPSDI

1ln

Unidades: ninguna Rango: SDI 0, sin límites SDI = 0 cuando el paisaje contiene solamente un fragmento (no hay diversidad). SDI se incrementa a medida que se aumenta el numero de fragmentos de diferente tipo i/o si la distribución proporcional del área entre los tipos de fragmentos se hace mas equitativa. Descripción: SDI es igual a menos la suma, a través de todos los tipos de fragmentos, de la abundancia proporcional de cada tipo de parche multiplicado por esa proporción.

• SEI: Indice de similaridad de Shannon (Shannon´s Evenness Index o SEI)

( )

m

PPSEI

m

jii

ln

ln1

∑=

−=

Unidades: ninguna Rango: 0 ≤ SEI ≤ 1 SEI mide la distribución y abundancia de los fragmentos. SEI es igual a 0 cuando el paisaje contiene únicamente 1 fragmento (no hay diversidad) y se aproxima a 0 a medida que la distribución del área entre los diferentes tipos de fragmentos se hace progresivamente más desigual (dominado por un tipo). SEI = 1 cuando la distribución del área entre los tipos de fragmentos es perfectamente igual (las proporciones de abundancias son las mismas). Descripción: SEI es igual a menos la suma, a través de todos los tipos de fragmentos, de la abundancia proporcional de cada tipo de parche multiplicado por esa proporción, dividido por el logaritmo del número de tipos de fragmentos. En otras palabras, es el Indice de Diversidad de Shannon observado dividido por el máximo Indice de Diversidad de Shannon para ese número de tipos de fragmentos.

42

ANEXO 2. MANEJO DE DATOS La fuente de información para la elaboración del presente estudio documento fue la base de datos suministrada por el Instituto Alexander Von Humboldt sobre Información Municipal y Regional Asociada a la Biodiversidad en Colombia –INFORMAR, la cual compila información asociada a los municipios sobre población, calidad de vida, aspectos económicos, productivos y presupuestales, características institucionales, conflictos sociales y políticos, recursos naturales (ecosistemas y recursos hídricos) entre otros aspectos, otra base de datos utilizada fue la del programa semáforo suministrada por la Misión Social la cual agrupa información municipal sobre educación, energía, vías y calidad de vida. La fuente primaria de ambas bases es el Departamento Administrativo Nacional de Estadística –DANE-, el Departamento de Planeación Nacional –DNP- y los Ministerios de Salud y Minas y Energía. Pasos en el procesamiento de la base de datos:

1. Compilación de toda la información disponible tanto de Informar como de la base Programa Semáforo de Misión Social, según variables seleccionadas previamente en las siguientes categorías y subcategorías:

• Información Económica y Financiera

Generación Eléctrica Producción Agropecuaria

• Información Social y Demográfica Calidad de Vida Demografía Vías

• Información Sociopolítica e Institucional Conflictos Participación Ciudadana

Homicidios • Recursos Naturales y Medio Ambiente

Area de Manejo Especial Ecosistemas Recursos Hídricos

Ver base Informar y base Programa Semáforo Misión Social.

2. Las variables iniciales de trabajo están descritas en el Anexo 5, Cuadro No.1 en las columnas 1, 2 y 3.

3. Importación de las tablas al programa SAS. 4. Las variables se agruparon según los municipios de acuerdo con la agrupación dada por el

Instituto Humbolt (ver base de municipios). El método de agrupación utilizado se encuentra enunciado en la columna 4 del Cuadro 1. Anexo 5.

5. Reagrupación de algunas variables del mismo tipo de la siguiente manera:

Vías: Las vías estaban discriminadas en 8 variables que incluía la combinación entre estado de la carretera (pavimentada o sin pavimentar) y tipo de carretera (primaria y secundaria) fue posible

43

reagruparlas por estado y una tercera que quedo para ferrocarril. Ver columna 5, Cuadro 1, Anexo 5. Estas variables fueron incluidas dado que la construcción de nuevas carreteras o el acceso influyen de manera directa o indirecta en la degradación del medio ambiente.

Áreas de pastos: Las áreas de pasto estaban incluidas en 16 variables dadas por la combinación de tipo (mejorada tecnificada y tradicional) y en si poseían o no beneficio de riego; estas se redujeron a 4 variables agrupadas por tipo y beneficio de riego. Ver Anexo 5, Cuadro 1, columna 5. Áreas sembradas por producto: En la base inicial se tenia discriminadas variables para cada área por producto sembrado dada la gran cantidad de variables que de esto resultaba y su poca significancia en las correlaciones se opto por agrupar las áreas en dos nuevas variables de acuerdo a la categoría de cultivos del producto: permanentes o transitorios, la clasificación necesaria para tal fin se tomo como base de un archivo de la Unidad de Desarrollo Agrario del Departamento Nacional de Planeación. La razón para incluir las variables de área cultivada por producto y el área de pastos y la agrupación efectuada esta respaldada por varios estudios ambientales que afirmar que el uso de tierra es un factor de alto impacto en la degradación del medio ambiente, se cita un articulo11 sobre la situación de los recursos naturales en América Latina que dice: ”…la degradación varía según el tipo de uso del suelo y según las subregiones, pero siempre con mayor intensidad en la tierra cultivada que en los pastos o bosques, en Suramérica afecta un 45 por ciento de la tierra cultivada, un 14 por ciento de los pastos permanentes y un 13 por ciento de los bosques y tierras arboladas. En general, el problema de degradación es más severo en las tierras áridas destinadas a un uso agrícola; se estima que más del 70 por ciento de estas tierras en América Latina y el Caribe, particularmente vulnerables, padece una degradación entre moderada y extrema…”. Así mismo un mal manejo del riego contribuye a la escasez de agua y a la contaminación, a la degradación de las tierras y a la difusión de enfermedades trasmitidas por el agua12. La modernización de sistemas de riego se considera una respuesta para alcanzar y mantener eficiencias altas en el uso del agua. En países en desarrollo esta modernización reemplaza, a menudo, a los sistemas de riego de trabajo intensivo y bajo consumo de energía, por sistemas más sofisticados y con mayores requerimientos de energía y de capital. En muchos casos, el funcionamiento de tales sistemas es inferior a lo esperado, con resultados desalentadores en términos de conservación de agua y energía y en los rendimientos de los cultivos. De aquí que el análisis de estos factores sea importante para este estudio.

6. Transformación de algunas variables que estaban en porcentaje a personas o a hogares según la variable dado que el porcentaje es una medida relativa que no proporcionaba una medida ajustada de la realidad.

7. El siguiente paso fue la obtención de matriz de correlación entre las 16 variables de

fragmentación y las 204 variables socioeconómicas, las variables que registraron baja correlación con los índices de fragmentación así como aquellas que contienen la misma información se eliminaron. Este proceso junto a fusión de variables que se hizo

11 Situación de los recursos naturales en América Latina. E. Suelos. Programa de las Naciones Unidas para el Medio Ambiente. PNUMA, 1995-2001 12 Uso de agua y energía para riego en América Latina. j. F. Alfaro, .j. Marín v PNUD/Brasil

44

anteriormente, de 204 variables quedaron 41. (Ver Anexo 5, Cuadro 2), verificando que por lo menos una variable quedara por cada categoría.

8. La nueva base de datos depurada se redimensiono en base a la magnitud de los indicadores

de fragmentación. Pues se observo que algunas variables tenían dimensiones muy diferentes a los índices de fragmentación y estas diferencias afectaban el resultado de los procesos estadísticos.

9. Se agrego a la base de datos las variables de muerte por diferentes causas lo cual aumento el

numero de variables a 55.

10. Se escogieron los tres ecosistemas con el mayor número de observaciones estos fueron:

• Ecosistema1: Bosque Seco • Ecosistema2: Bosque Andino • Ecosistema3: Páramo Húmedo.

A continuación se generaron tres tablas, una para cada ecosistema a partir de la base de variables socioeconómicas. (Ver base de ecosistemas). Esta base fue la utilizada en el proceso estadístico. 11. De acuerdo al proceso estadístico realizado se calcularon las dimensiones para cada

ecosistema por cada grupo de municipios. Ver base de dimensiones 12. Las variables socioeconómicas que resultaron estadísticamente significativas se describen a

continuación:

Ecosistema 2 y 3 N° Categoría Definición Z10 Información Social y Demográfica

- Calidad de vida

ICV por componentes

Z18 Área en pasto tradicional sin beneficio de riego

Z19

Información económica y financiera - Producción agropecuaria

Área sembrada en cultivos transitorios

Z24 Información Social y Demográfica - Demografía

Población Total Numero de habitantes por cada 100 hectáreas

Z26 Recursos Naturales y medio Ambiente - Recursos Hídricos

Índice anual de escasez de agua(ano medio)

Z28 Información económica y financiera - Vías

Carreteras sin pavimentar

45

Z31 ay b

Recursos Naturales y medio Ambiente - Recursos Hídricos

Capacidad de regulación de recursos hídricosa. Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO b. Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO

Z55 Información Sociopolítica e Institucional - Homicidios

Muerte por violencia Muertes violentas por cada 1000 habitantes

46

ANEXO 3. CORRELACION ENTRE LAS DIMENSIONES Y LAS VARIABLES SOCIOECONOMICAS

CUADRO 20. ECOSISTEMA 2 BOSQUE ANDINO

DIMENSIONES

GRUPO DIMN1 DIMN2 DIMN3 DIMN4 MEDIA 8.523E-15 -2.301E-16 -1.498E-16 2.08E-16DESVIACION 1.8709969 1.3627141 1.3969346 1MIN -4.089872 -1.6410985 -0.5590766 -0.4063722MAX 5.9472707 2.9011768 10.718856 8.1958677

VARIABLES SOCIOECONOMICAS

GRUPO z10 z18a z19a z24a z26 z28 z31a z31b z55a MEDIA 52.903735 3.847385 0.8738805 47.883414 20.385542 103.2987 0.0361446 0.6144578 4.6643083DESVIACION 11.904632 8.6753113 3.1915555 44.477474 21.865348 55.634868 0.1877845 0.489682 12.452015MIN 11.38 0.0080066 0.0009298 4.6126241 0 14 0 0 0MAX 75.8 60.047155 24.763156 246.88045 121 256 1 1 111.42424

CUADRO 21. ECOSISTEMA 3 PARAMO HUMEDO DIMENSIONES

GRUPO DIMN1 DIMN2 DIMN3 DIMN4 MEDIA -9.311E-15 -8.422E-17 -4.785E-17 7.657E-17DESVIACION 1.9279257 1.4977753 1.4004805 1MIN -4.0270601 -0.8929245 -1.1590369 -0.1845649MAX 6.2017608 4.7427651 3.9518519 7.4574713

SOCIOECONOMICAS

GRUPO z10 z18a z19a z24a z26 z28 z31a z31b z55a MEDIA 51.511 49.299 12.700 51.229 18.259 84.000 0.034 0.586 4.988DESVIACION 12.833 214.460 86.802 50.706 21.400 63.471 0.184 0.497 14.683MIN 11.380 0.004 0.005 4.613 0.000 -99.000 0.000 0.000 0.000MAX 75.800 1257.484 626.380 246.880 121.000 256.000 1.000 1.000 111.424

47

GRAFICAS ECOSISTEMA 2 BOSQUE ANDINO

PRIMERA DIMENSION

z10 Puntaje ICV por componentes. 1993.Total z18a Porcentaje Porcentaje area pasto tradicional sin beneficio de riego contra area ecosistema z19a Porcentaje Porcentaje area sembrada en cultivos transitorios contra area ecosistema z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z31a Dummy Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 1

BOSQUE ANDINO RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 1

y = -0,0241x + 1,2748R2 = 0,0235

-6

-4

-2

0

2

4

6

8

0 20 40 60 80

Z10

DIM

N1

y = 0,0179x - 0,7502R2 = 0,053

-6

-4

-2

0

2

4

6

8

0,00 20,00 40,00 60,00 80,00 100,00

Z18

DIM

N1

y = 0,0179x - 0,7502R2 = 0,053

-6

-4

-2

0

2

4

6

8

0,00 20,00 40,00 60,00 80,00 100,00

Z19

DIM

N1

y = -0,0121x + 0,0563R2 = 0,0065

-6

-4

-2

0

2

4

6

8

0 20 40 60 80 100 120

Z55

DIM

N1

y = -0,5067x + 0,0183R2 = 0,0026

-6

-4

-2

0

2

4

6

8

0 0,2 0,4 0,6 0,8 1 1,2

Z31A

DIM

N1

y = -1,2103x + 0,7437R2 = 0,1003

-6

-4

-2

0

2

4

6

8

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N1

y = 0,0047x - 0,095R2 = 0,003

-6

-4

-2

0

2

4

6

8

0 50 100 1

Z26

DIM

N1

50

48

SEGUNDA DIMENSION

z10 Puntaje ICV por componentes. 1993.Total z18a Porcentaje Porcentaje area pasto tradicional sin beneficio de riego contra area ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z28 Miles de Kms Carreteras sin pavimentar z31a Dummy Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 2 BOSQUE ANDINO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 2

y = 0,0109x - 0,5792R2 = 0,0091

-2-1 ,5

-1-0,5

00,5

11,5

22,5

33,5

0 20 40 60 80

Z10

DIM

N2

y = -0,018x + 0,7547R2 = 0,101

-2-1,5

-1-0,5

00,5

11,5

22,5

33,5

0,00 20,00 40,00 60,00 80,00 100,00

Z18

DIM

N2

y = 0,6592x - 0,0238R2 = 0,0083

-2

-1

0

1

2

3

4

0 0,2 0,4 0,6 0,8 1 1,2

Z31A

DIM

N2

y = -0,0232x + 0,0142R2 = 7E-05

-2-1,5

-1-0,5

00,5

11,5

22,5

33,5

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N2

y = -0,0089x + 0,4259R2 = 0,0843

-3

-2

-1

0

1

2

3

4

0 50 100 150 200 250 300

Z24

DIM

N2

y = -0,003x + 0,0603R2 = 0,0023

-2

-1

0

1

2

3

4

0 50 100 1

Z26

DIM

N2

y = -0,018x + 0,7547R2 = 0,101

-2-1 ,5

-1-0,5

00,5

11,5

22,5

33,5

0 20 40 60 80 100

Z28

DIM

N2

50

49

TERCERA DIMENSION z18a Porcentaje Porcentaje área pasto tradicional sin beneficio de riego contra área ecosistema z19a Porcentaje Porcentaje área sembrada en cultivos transitorios contra área ecosistema z28 Miles de Kms Carreteras sin pavimentar z31a Dummy Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO

GRAFICO 3

BOSQUE ANDINO RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 3

y = 0,0211x - 0,8878R2 = 0,133

-2

0

2

4

6

8

10

12

0,00 20,00 40,00 60,00 80,00 100,00

Z18

DIM

N3

y = 0,0211x - 0,8878R2 = 0,133

-2

0

2

4

6

8

10

12

0,00 20,00 40,00 60,00 80,00 100,00

Z19

DIM

N3

y = -0,5295x + 0,0191R2 = 0,0051

-2

0

2

4

6

8

10

12

0 0,2 0,4 0,6 0,8 1 1,2

Z31A

DIM

N3

y = -1,081x + 0,6642R2 = 0,1436

-2

0

2

4

6

8

10

12

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N3

y = 0,0211x - 0,8878R2 = 0,133

-2

0

2

4

6

8

10

12

0 20 40 60 80 100

Z28

DIM

N3

50

CUARTA DIMENSION z10 Puntaje ICV por componentes. 1993.Total z18a Porcentaje Porcentaje area pasto tradicional sin beneficio de riego contra area ecosistema z19a Porcentaje Porcentaje area sembrada en cultivos transitorios contra area ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z28 Miles de Kms Carreteras sin pavimentar z31a Dummy Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO

GRAFICO 4 BOSQUE ANDINO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 4

y = 0,0191x - 1,0123R2 = 0,0519

-2

0

2

4

6

8

10

0 20 40 60 80

Z10

DIM

N4

y = 0,0027x - 0,1135R2 = 0,0042

-10123

456789

0,00 20,00 40,00 60,00 80,00 100,00

Z18

DIM

N4

y = 0,0027x - 0,1135R2 = 0,0042

-10123

456789

0,00 20,00 40,00 60,00 80,00 100,00

Z19

DIM

N4

y = 1,1374x - 0,0411R2 = 0,0456

-10123

456789

0 0,2 0,4 0,6 0,8 1 1,2

Z31A

DIM

N4

y = -0,222x + 0,1364R2 = 0,0118

-10123

456789

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N4

y = 9E-05x - 0,0042R2 = 2E-05

-10123

456789

0 50 100 150 200 250 300

Z24

DIM

N4

y = 0,0054x - 0,1109R2 = 0,0141

-10123

456789

0 50 100 150

Z26

DIM

N4

y = 0,0027x - 0,1135R2 = 0,0042

-10123

456789

0 20 40 60 80 100

Z28

DIM

N4

51

GRAFICAS ECOSISTEMA 3 PARAMO HUMEDO

PRIMERA DIMENSION

z19a Porcentaje Porcentaje area sembrada en cultivos transitorios contra area ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 5 PARAMO HUMEDO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 1

y = -0,0359x + 1,059R2 = 0,0989

-6

-4

-2

0

2

4

6

8

0,00 20,00 40,00 60,00 80,00

Z19

DIM

N1

y = 0,0127x - 0,0633R2 = 0,0093

-6

-4

-2

0

2

4

6

8

0 20 40 60 80 100 120

Z55

DIM

N1

y = -0,011x + 0,5654R2 = 0,0843

-6

-4

-2

0

2

4

6

8

0 50 100 150 200 250 300

Z24

DIM

N1

y = 1,5206x - 0,8914R2 = 0,1535

-6

-4

-2

0

2

4

6

8

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N1

y = -0,0121x + 0,2203R2 = 0,0179

-6

-4

-2

0

2

4

6

8

0 50 100 15

Z26

DIM

N1

0

52

SEGUNDA DIMENSION

z18a Porcentaje Porcentaje area pasto tradicional sin beneficio de riego contra area ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z28 Miles de Kms Carreteras sin pavimentar z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 6 PARAMO ANDINO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 2

y = 0,0237x - 0,6984R2 = 0,0713

-2

-1

0

1

2

3

4

5

6

0,00 20,00 40,00 60,00 80,00

Z18

DIM

N2

y = -0,007x + 0,0348R2 = 0,0047

-2

-1

0

1

2

3

4

5

6

0 20 40 60 80 100 120

Z55

DIM

N2

y = -0,9726x + 0,5701R2 = 0,1041

-2

-1

0

1

2

3

4

5

6

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N2

y = -0,0027x + 0,1376R2 = 0,0083

-2

-1

0

1

2

3

4

5

6

0 50 100 150 200 250 300

Z24

DIM

N2

y = 0,0055x - 0,1001R2 = 0,0061

-2

-1

0

1

2

3

4

5

6

0 50 100 150

Z26

DIM

N2

y = -0,0036x + 0,2985R2 = 0,0227

-2

-1

0

1

2

3

4

5

6

-200 -100 0 100 200 300

Z28

DIM

N2

53

TERCERA DIMENSION

z10 Puntaje ICV por componentes. 1993.Total z18a Porcentaje Porcentaje área pasto tradicional sin beneficio de riego contra área ecosistema z19a Porcentaje Porcentaje área sembrada en cultivos transitorios contra área ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 7 PARAMO ANDINO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 3

y = -0,0169x + 0,4999R2 = 0,0418

-2

-1

0

1

2

3

4

5

0,00 20,00 40,00 60,00 80,00

Z18

DIM

N3

y = -0,0169x + 0,4999R2 = 0,0418

-2

-1

0

1

2

3

4

5

0,00 20,00 40,00 60,00 80,00

Z19

DIM

N3

y = 0,004x - 0,2051R2 = 0,0013

-2

-1

0

1

2

3

4

5

0 20 40 60 80

Z10

DIM

N3

y = 1,0414x - 0,6105R2 = 0,1365

-2

-1

0

1

2

3

4

5

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N3

y = -0,0053x + 0,2726R2 = 0,0371

-2

-1

0

1

2

3

4

5

0 50 100 150 200 250 300

Z24

DIM

N3

y = -0,0113x + 0,207R2 = 0,03

-2

-1

0

1

2

3

4

5

0 50 100 15

Z26

DIM

N3

y = -0,0002x + 0,0195R2 = 0,0001

-2

-1

0

1

2

3

4

5

-200 -100 0 100 200 300

Z55

DIM

N3

0

54

CUARTA DIMENSION

z10 Puntaje ICV por componentes. 1993.Total z18a Porcentaje Porcentaje area pasto tradicional sin beneficio de riego contra area ecosistema z19a Porcentaje Porcentaje area sembrada en cultivos transitorios contra area ecosistema z24a Indice Numero de habitantes por cada 100hectareas z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z31a Dummy Capacidad de regulación de recursos hídricos, por municipio 1996 MUY BAJO z31b Dummy Capacidad de regulación de recursos hídricos, por municipio 1997 BAJO z55a Indice Muertes violentas por cada 1000 habitantes

GRAFICO 8 PARAMO ANDINO

RELACION DE VARIABLES SOCIOECONOMICAS CON DIMENSION 4

y = -0,0105x + 0,5404R2 = 0,0181

-1012345678

0 20 40 60 80

Z10

DIM

N4

y = 0,0087x - 0,2576R2 = 0,0217

-1012345678

0,00 20,00 40,00 60,00 80,00

Z18

DIM

N4

y = 0,0087x - 0,2576R2 = 0,0217

-1012345678

0,00 20,00 40,00 60,00 80,00

Z19

DIM

N4

y = 0,0718x - 0,0025R2 = 0,0002

-1012345678

0 0,2 0,4 0,6 0,8 1 1,2

Z31A

DIM

N4

y = -0,3444x + 0,2019R2 = 0,0293

-1012345678

0 0,2 0,4 0,6 0,8 1 1,2

Z31B

DIM

N4

y = -0,0021x + 0,1051R2 = 0,0108

-1012345678

0 50 100 150 200 250 300

Z24

DIM

N4

y = -0,0044x + 0,0795R2 = 0,0087

-1012345678

0 50 100 150

Z26

DIM

N4

y = -0,0006x + 0,0507R2 = 0,0015

-1012345678

-200 -100 0 100 200 300

Z55

DIM

N4

55

ANEXO 4. HISTOGRAMAS DE LAS DIMENSIONES

GRAFICO 9 DIMN1

ECOSISTEMA2 BOSQUE ANDINO

DIMN1

DIMN1

0

5

10

15

20

25

-4.08

9871

965

-2.97

4633

893

-1.85

9395

822

-0.74

4157

75

0.371

0803

21

1.486

3183

93

2.601

5564

64

3.716

7945

36

4.832

0326

08

y may

or...

Clase

Frec

uenc

ia

GRAFICO 10 DIMN2

DIMN2

0

5

10

15

20

25

30

-1.64

1098

485

-1.13

6401

226

-0.63

1703

967

-0.12

7006

707

0.377

6905

52

0.882

3878

12

1.387

0850

71

1.891

7823

3

2.396

4795

9

y may

or...

Clase

Frec

uenc

ia

56

GRAFICO 11

DIMN3 DIMN3

0

10

20

30

40

50

60

70

80

-0.55

9076

591

0.694

0270

23

1.947

1306

38

3.200

2342

53

4.453

3378

67

5.706

4414

82

6.959

5450

96

8.212

6487

11

9.465

7523

26

y may

or...

Clase

Frec

uenc

ia

GRAFICO 12 DIMN4

DIMN4

0102030405060708090

-0.40

6372

16

0.549

4322

68

1.505

2366

97

2.461

0411

25

3.416

8455

54

4.372

6499

82

5.328

4544

11

6.284

2588

39

7.240

0632

68

y may

or...

Clase

Frec

uenc

ia

57

ECOSISTEMA3 PARAMO HUMEDO

HISTOGRAMAS DE LAS DIMENSIONES

GRAFICO 13 DIMN1

DIMN1

0

5

10

15

20

-4.02

7060

149

-2.56

5800

01

-1.10

4539

872

0.356

7202

67

1.817

9804

05

3.279

2405

44

4.740

5006

82

y may

or...

Clase

Frec

uenc

ia

GRAFICO 14 DIMN2

DIMN2

05

10152025303540

-0.89

2924

543

-0.08

7826

025

0.717

2724

92

1.522

3710

09

2.327

4695

27

3.132

5680

44

3.937

6665

62

y may

or...

Clase

Frec

uenc

ia

58

GRAFICO 15 DIMN3

DIMN3

0

5

10

15

20

25

30

35

-1.15

9036

883

-0.42

8909

913

0.301

2170

56

1.031

3440

26

1.761

4709

95

2.491

5979

65

3.221

7249

35

y may

or...

Clase

Frec

uenc

ia

GRAFICO 16 DIMN4

DIMN4

0

10

20

30

40

50

60

-0.18

4564

939

0.907

1545

26

1.998

8739

91

3.090

5934

55

4.182

3129

2

5.274

0323

85

6.365

7518

49

y may

or...

Clase

Frec

uenc

ia

59

ANEXO 5. DESCRIPCION VARIABLES DISPONIBLES

Cuadro 1

DESCRIPCION VARIABLES DISPONIBLES

VARIABLE UNIDAD DESCRIPCION FORMA DE AGRUPACION POR GRUPOS DE MUNICIPIOS

REAGRUPACION DE VARIABLES

% % de personas con NBI por zona. Cabecera 1993.

Promedio ponderado por población

% % de personas con NBI por zona. Resto. 1993.

Promedio ponderado por población

% % de personas con NBI por zona. Total. 1993.

Promedio ponderado por población

% % hogares con servicio sanitario inadecuado o sin servicio por zona. Cabecera. 1993.

Promedio ponderado por población

% % hogares con servicio sanitario inadecuado o sin servicio por zona. Resto. 1993.

Promedio ponderado por población

% % hogares con servicio sanitario inadecuado o sin servicio por zona. Total. 1993.

Promedio ponderado por población

% % viviendas con servicio de recolección de basura inadecuada por zona. Cabecera 1993.

Promedio ponderado por población

% % viviendas con servicio de recolección de basura inadecuada por zona. Resto 1993.

Promedio ponderado por población

% % viviendas con servicio de recolección de basura inadecuada por zona. Total. 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Abastecimiento de agua. 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Asistencia 12-18 años a sec_ y univers_1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Asistencia 5-11 años a primaria 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Con qué cocinan 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Educación jefe del hogar 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. Educación personas de 12 y más años 1993.

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993. Material de las paredes

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993. Material de los pisos

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993. Niños de 6 0 menos años en el hogar

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993. Personas por cuarto

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993. Recolección de basuras

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993.Servicio Sanitario

Promedio ponderado por población

PUNTAJE ICV por componentes. 1993.Total Promedio ponderado por población

% Tasa de analfabetismo para población 15 y más años por sexo. 1993.

Promedio ponderado por población

% % viviendas con energía, acueducto cabecera 1993

Promedio ponderado por población

% % viviendas con energía, alcantarillado cabecera 1993

Promedio ponderado por población

% % viviendas con energía, teléfono cabecera. 1993

Promedio ponderado por población

% % viviendas con energía, acueducto resto. 1993

Promedio ponderado por población

% % viviendas con energía, alcantarillado resto. 1993

Promedio ponderado por población

% % viviendas con energía, teléfono resto. 1993

Promedio ponderado por población

% % viviendas con energía, acueducto total. 1993

Promedio ponderado por población

60

% % viviendas con energía, alcantarillado total. 1993

Promedio ponderado por población

% % viviendas con energía, teléfono total. 1993

Promedio ponderado por población

Millones de metros cúbicos (MM3)

Demanda anual de agua, por cabecera municipal 1996

Suma

Millones de metros cúbicos (MM3)

Demanda anual de agua, por municipio 1996

Suma

INDICE Índice anual de escasez de agua, por municipio (año medio) 1996

Mediana

INDICE Índice anual de escasez de agua, por municipio (año medio) 1996

Mediana

Hectárea (Ha) AREA MUNICIPIO (ha) Suma

Hectárea (Ha) AREA DENTRO ANDES (ha) Suma

% % Area Dentro Andes Suma ponderada por área

Hectárea (Ha) A_1997_Area en pasto de corte con beneficio riego

Suma

Hectárea (Ha) A_1997_Area en pradera mejorada tecnificada con beneficio riego

Suma

Area pasto tecnificado con

beneficio de riego

Hectárea (Ha) A_1997_Area en pasto de corte sin beneficio riego

Suma

Hectárea (Ha) A_1997_Area en pradera mejorada tecnifcada sin beneficio riego

Suma

Area de pasto tecnificada sin

beneficio de riego

Hectárea (Ha) A_1997_Area en pradera tradicional con beneficio riego

Suma

Hectárea (Ha) A_1997_Area en pradera tradicional sin beneficio riego

Suma

Hectárea (Ha) A_1997_Area total en pastos con beneficio riego

Suma

Hectárea (Ha) A_1997_Area total en pastos sin beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pasto de corte con beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pasto de corte sin beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pradera mejorada tecnifcada con beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pradera mejorada tecnifcada sin beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pradera tradicional con beneficio riego

Suma

Hectárea (Ha) A_1998_Area en pradera tradicional sin beneficio riego

Suma

Hectárea (Ha) A_1998_Area total en pastos con beneficio riego

Suma

Hectárea (Ha) A_1998_Area total en pastos sin beneficio riego

Suma

Acelga Hectárea (Ha) Area sembrada por producto 1997 Suma

Achira Hectárea (Ha) Area sembrada por producto 1997 Suma

Aguacate Hectárea (Ha) Area sembrada por producto 1997 Suma

Ahuyama Hectárea (Ha) Area sembrada por producto 1997 Suma

Ají Hectárea (Ha) Area sembrada por producto 1997 Suma

Ají _ dulce Hectárea (Ha) Area sembrada por producto 1997 Suma

Ají_picant Hectárea (Ha) Area sembrada por producto 1997 Suma

Ajo Hectárea (Ha) Area sembrada por producto 1997 Suma

Ajonjolí Hectárea (Ha) Area sembrada por producto 1997 Suma

Alfalfa Hectárea (Ha) Area sembrada por producto 1997 Suma

Algodón Hectárea (Ha) Area sembrada por producto 1997 Suma

Aromáticas Hectárea (Ha) Area sembrada por producto 1997 Suma

Arracacha Hectárea (Ha) Area sembrada por producto 1997 Suma

61

Arracahca Hectárea (Ha) Area sembrada por producto 1997 Suma

Arroz Hectárea (Ha) Area sembrada por producto 1997 Suma

Arroz_rieg Hectárea (Ha) Area sembrada por producto 1997 Suma

Arroz_seca Hectárea (Ha) Area sembrada por producto 1997 Suma

Arveja Hectárea (Ha) Area sembrada por producto 1997 Suma

Astromelia Hectárea (Ha) Area sembrada por producto 1997 Suma

Avena Hectárea (Ha) Area sembrada por producto 1997 Suma

Badea Hectárea (Ha) Area sembrada por producto 1997 Suma

Banano Hectárea (Ha) Area sembrada por producto 1997 Suma

Banano_boc Hectárea (Ha) Area sembrada por producto 1997 Suma

Banano_pri Hectárea (Ha) Area sembrada por producto 1997 Suma

Berenjena Hectárea (Ha) Area sembrada por producto 1997 Suma

Borojo Hectárea (Ha) Area sembrada por producto 1997 Suma

Breva Hectárea (Ha) Area sembrada por producto 1997 Suma

Brevo Hectárea (Ha) Area sembrada por producto 1997 Suma

Cacao Hectárea (Ha) Area sembrada por producto 1997 Suma

Caducifoli Hectárea (Ha) Area sembrada por producto 1997 Suma

Caf_ Hectárea (Ha) Area sembrada por producto 1997 Suma

Cana_biche Hectárea (Ha) Area sembrada por producto 1997 Suma

Cana_de_az Hectárea (Ha) Area sembrada por producto 1997 Suma

Cana_miel Hectárea (Ha) Area sembrada por producto 1997 Suma

Cana_panel Hectárea (Ha) Area sembrada por producto 1997 Suma

Cardamomo Hectárea (Ha) Area sembrada por producto 1997 Suma

Cartuchos Hectárea (Ha) Area sembrada por producto 1997 Suma

Caucho Hectárea (Ha) Area sembrada por producto 1997 Suma

Cebada Hectárea (Ha) Area sembrada por producto 1997 Suma

Cebolla Hectárea (Ha) Area sembrada por producto 1997 Suma

Cebolla_bl Hectárea (Ha) Area sembrada por producto 1997 Suma

Cebolla_ca Hectárea (Ha) Area sembrada por producto 1997 Suma

Cebolla_Ju Hectárea (Ha) Area sembrada por producto 1997 Suma

Cilantro Hectárea (Ha) Area sembrada por producto 1997 Suma

Cimarron Hectárea (Ha) Area sembrada por producto 1997 Suma

Ciruela Hectárea (Ha) Area sembrada por producto 1997 Suma

Cítricos Hectárea (Ha) Area sembrada por producto 1997 Suma

Clavel Hectárea (Ha) Area sembrada por producto 1997 Suma

Coco Hectárea (Ha) Area sembrada por producto 1997 Suma

Coliflor Hectárea (Ha) Area sembrada por producto 1997 Suma

Curuba Hectárea (Ha) Area sembrada por producto 1997 Suma

Champiñón Hectárea (Ha) Area sembrada por producto 1997 Suma

62

Chirimoya Hectárea (Ha) Area sembrada por producto 1997 Suma

Chontaduro Hectárea (Ha) Area sembrada por producto 1997 Suma

Durazno Hectárea (Ha) Area sembrada por producto 1997 Suma

Espárrago Hectárea (Ha) Area sembrada por producto 1997 Suma

Espinaca Hectárea (Ha) Area sembrada por producto 1997 Suma

Feijoa Hectárea (Ha) Area sembrada por producto 1997 Suma

Fique Hectárea (Ha) Area sembrada por producto 1997 Suma

Flores Hectárea (Ha) Area sembrada por producto 1997 Suma

Fresa Hectárea (Ha) Area sembrada por producto 1997 Suma

Frijol Hectárea (Ha) Area sembrada por producto 1997 Suma

Garbanzo Hectárea (Ha) Area sembrada por producto 1997 Suma

Granadilla Hectárea (Ha) Area sembrada por producto 1997 Suma

Guanábana Hectárea (Ha) Area sembrada por producto 1997 Suma

Guandu Hectárea (Ha) Area sembrada por producto 1997 Suma

Guayaba Hectárea (Ha) Area sembrada por producto 1997 Suma

Haba Hectárea (Ha) Area sembrada por producto 1997 Suma

Habichuela Hectárea (Ha) Area sembrada por producto 1997 Suma

Heliconeas Hectárea (Ha) Area sembrada por producto 1997 Suma

Hortalizas Hectárea (Ha) Area sembrada por producto 1997 Suma

Iraca Hectárea (Ha) Area sembrada por producto 1997 Suma

Lechuga Hectárea (Ha) Area sembrada por producto 1997 Suma

Lim_n Hectárea (Ha) Area sembrada por producto 1997 Suma

Lulo Hectárea (Ha) Area sembrada por producto 1997 Suma

Macadamia Hectárea (Ha) Area sembrada por producto 1997 Suma

Maíz Hectárea (Ha) Area sembrada por producto 1997 Suma

Maiz_Chami Hectárea (Ha) Area sembrada por producto 1997 Suma

Mango Hectárea (Ha) Area sembrada por producto 1997 Suma

Maní Hectárea (Ha) Area sembrada por producto 1997 Suma

Manzana Hectárea (Ha) Area sembrada por producto 1997 Suma

Maracuya Hectárea (Ha) Area sembrada por producto 1997 Suma

Mejorana Hectárea (Ha) Area sembrada por producto 1997 Suma

Melón Hectárea (Ha) Area sembrada por producto 1997 Suma

Millo Hectárea (Ha) Area sembrada por producto 1997 Suma

Mora Hectárea (Ha) Area sembrada por producto 1997 Suma

Morera Hectárea (Ha) Area sembrada por producto 1997 Suma

Morón Hectárea (Ha) Area sembrada por producto 1997 Suma

Naranja Hectárea (Ha) Area sembrada por producto 1997 Suma

Níspero Hectárea (Ha) Area sembrada por producto 1997 Suma

Ñame Hectárea (Ha) Area sembrada por producto 1997 Suma

63

Orégano Hectárea (Ha) Area sembrada por producto 1997 Suma

Palma_afri Hectárea (Ha) Area sembrada por producto 1997 Suma

Palmito Hectárea (Ha) Area sembrada por producto 1997 Suma

Papa Hectárea (Ha) Area sembrada por producto 1997 Suma

Papa_criol Hectárea (Ha) Area sembrada por producto 1997 Suma

Papa_China Hectárea (Ha) Area sembrada por producto 1997 Suma

Papaya Hectárea (Ha) Area sembrada por producto 1997 Suma

Papayuela Hectárea (Ha) Area sembrada por producto 1997 Suma

Patilla Hectárea (Ha) Area sembrada por producto 1997 Suma

Pepino Hectárea (Ha) Area sembrada por producto 1997 Suma

Pepino_coh Hectárea (Ha) Area sembrada por producto 1997 Suma

Pera Hectárea (Ha) Area sembrada por producto 1997 Suma

Pimenton Hectárea (Ha) Area sembrada por producto 1997 Suma

Pina Hectárea (Ha) Area sembrada por producto 1997 Suma

Pitaya Hectárea (Ha) Area sembrada por producto 1997 Suma

Pla_tano Hectárea (Ha) Area sembrada por producto 1997 Suma

Remolacha Hectárea (Ha) Area sembrada por producto 1997 Suma

Repollo Hectárea (Ha) Area sembrada por producto 1997 Suma

Romero Hectárea (Ha) Area sembrada por producto 1997 Suma

Sagu Hectárea (Ha) Area sembrada por producto 1997 Suma

Sorgo Hectárea (Ha) Area sembrada por producto 1997 Suma

Soya Hectárea (Ha) Area sembrada por producto 1997 Suma

Tabaco Hectárea (Ha) Area sembrada por producto 1997 Suma

Tabaco_neg Hectárea (Ha) Area sembrada por producto 1997 Suma

Tabaco_rub Hectárea (Ha) Area sembrada por producto 1997 Suma

Tomate Hectárea (Ha) Area sembrada por producto 1997 Suma

Tomate_arb Hectárea (Ha) Area sembrada por producto 1997 Suma

Trigo Hectárea (Ha) Area sembrada por producto 1997 Suma

Uchuva Hectárea (Ha) Area sembrada por producto 1997 Suma

Ulluco Hectárea (Ha) Area sembrada por producto 1997 Suma

Uva Hectárea (Ha) Area sembrada por producto 1997 Suma

Yuca Hectárea (Ha) Area sembrada por producto 1997 Suma

Zanahoria Hectárea (Ha) Area sembrada por producto 1997 Suma

Zapote Hectárea (Ha) Area sembrada por producto 1997 Suma

tot_Area_c Hectárea (Ha) Area sembrada por producto 1997 Suma

Mega Watios Hora (MWh)

Generación bruta eléctrica según municipio de localización de la planta de generación. 1995.

Suma

Mega Watios Hora (MWh)

Generación bruta eléctrica según municipio de localización de la planta de generación. 1997.

Suma

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de

Suma

64

generación. Hidroeléctrica. 1995.

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de generación. hidroeléctrica.1996.

Suma

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de generación. Hidroeléctrica. 1997.

Suma

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de generación. Termoeléctrica. 1995.

Suma

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de generación. Termoeléctrica. 1996.

Suma

Mega Watios Hora (MWh)

Generación propia eléctrica según municipio de localización de la planta de generación. Termoeléctrica. 1997.

Suma

Numero de personas Población total, cabecera municipios existentes en 1993. Municipal. 1993.

Suma

Numero de personas Población total, resto, en el área de los municipios existentes en 1993. Municipal. 1993.

Suma

Numero de personas Población total, en el área de los municipios existentes en 1993. Municipal. 1993.

Suma

Numero de personas Número de homicidios. 1993. Suma

vias_a kms Carretera principal pavimentada. Suma

vias_c kms Carretera secundaria pavimentada Suma

vias_f kms Carretera pavimentada Suma

vias_g kms Carreteables Suma

Carretera Pavimentada

vias_b kms Carretera principal sin pavimentar Suma

vias_d kms Carretera secundaria sin pavimentar Suma

vias_e kms Carretera por pavimentar Suma

Carreterasin pavimentar

vias_h kms Ferrocarril Suma

z92a Miles de toneladas año Presión sobre calidad, por cabecera municipal (cantidad DBO/año) 1996

Suma

z67a Capacidad de regulación de recursos hídricos, por municipio 1996 Suma

z94a 1.2.3.4Muy bajo, bajo, medio, alta, muy alta

Vulnerabilidad por disponibilidad de agua cabecera (año medio) 1996

Mediana

TLA TLA (Total Landscape Area)

NUMP NUMP (No. of Patches)

MPS MPS (Mean Patch Size)

MEDPS MEDPS (Median Patch Size)

PSCOV PSCOV (Patch Size Coefficient of Variance)

PSSD PSSD (Patch Size Standard Deviation)

TE TE (Total Edge)

ED ED (Edge Density)

MPE MPE (Mean Patch Edge)

MSI MSI (Mean Shape Index)

AWMSI AWMSI (Area-Weighted Mean Shape Index)

MPAR MPAR (Mean Perimeter-Area Dimension)

MPFD MPFD (Mean Patch Fractal Dimension)

AWMPFD AWMPFD (Area-Weighted Patch Fractal Dimension)

65

SDI SDI (Shannons Diversity Index)

SEI SEI (Shannons Eveness Index)

Cuadro 2.

Variable Unidad Descripción z1 Millones de personas Personas con NBI por zona. Cabecera 1993. z2 Millones de personas Personas con NBI por zona. Resto. 1993. z3 Millones de personas Personas con NBI por zona. Total. 1993.

z4 Millones de hogares Hogares con servicio sanitario inadecuado o sin servicio por zona. Resto. 1993.

z5 Millones de hogares Hogares con servicio sanitario inadecuado o sin servicio por zona. Total. 1993.

z6 Puntaje ICV por componentes. Abastecimiento de agua. 1993. z7 Puntaje ICV por componentes. Con qué cocinan 1993. z8 Puntaje ICV por componentes. 1993. Recolección de basuras z9 Puntaje ICV por componentes. 1993.Servicio Sanitario z10 Puntaje ICV por componentes. 1993.Total z11 Millones de metros cúbicos (MM3) Demanda anual de agua, por cabecera municipal 1996 z12 Millones de metros cúbicos (MM3) Demanda anual de agua, por municipio 1996 z13 Hectárea (Ha)/1000000 AREA MUNICIPIO (ha) z14 Hectárea (Ha)/1000000 AREA DENTRO ANDES (ha) z15 Hectárea (Ha)/1000 A_1997_Area en pasto tecnificada con beneficio de riego z16 Hectárea (Ha)/1000 A_1997_Area en pasto tecnificada sin beneficio de riego z17 Hectárea (Ha)/1000 A_1997_Area en pasto tradicional con beneficio de riego z18 Hectárea (Ha)/1000 A_1997_Area en pasto tradicional sin beneficio de riego z19 Hectárea (Ha)/1000 Area sembrada cultivos transitorios z20 Hectárea (Ha)/1000 Area sembrada cultivos permanentes z21 Hectárea (Ha)/1000 Area sembrada por producto 1997

z22 Mega Watios Hora (MWh) Generación bruta eléctrica según municipio de localización de la planta de generación. 1997.

z23 Miles de personas Población total, cabecera municipios existentes en 1993. Municipal. 1993.

z24 Miles de personas Población total, , en el área de los municipios existentes en 1993. Municipal. 1993.

z25 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z26 INDICE Índice anual de escasez de agua, por municipio (año medio) 1996 z27 Miles de Kms Carreteras pavimentadas z28 Miles de Kms Carreteras sin pavimentar z29 Miles de Kms Ferrocaril z30 Millones de toneladas año Presión sobre calidad, por cabecera municipal (cantidad DBO/año) 1996

z31 Capacidad de regulación de recursos hídricos, por municipio 1996

z32 1.2.3.4Muy bajo, bajo, medio, alta, muy alta Vulnerabilidad por disponibilidad de agua cabecera (año medio) 1996

z33 Miles de hogares cabecera acueducto z34 Miles de hogares cabecera alcantarillado z35 Miles de hogares cabecera energía z36 Miles de hogares resto acueducto z37 Miles de hogares resto alcantarillado z38 Miles de hogares resto energía z39 Miles de hogares total acueducto

66

z40 Miles de hogares total alcantarillado z41 Miles de hogares total energía z42 N° de personas Total defunciones z43 N° de personas Muerte perinatal z44 N° de personas otras mal definidas z45 N° de personas Muerte por enfermedad pulmonar z46 N° de personas Muerte por enfermedad otras z47 N° de personas Muerte por enfermedad al corazón z48 N° de personas Muerte por enfermedades respiratorias z49 N° de personas Muerte por enfermedad z50 N° de personas Muerte por enfermedad z51 N° de personas Muerte por enfermedad digestivas z52 N° de personas Muerte por enfermedad z53 N° de personas Muerte por enfermedad z54 N° de personas Muerte por enfermedad z55 N° de personas Muerte por violencia

67

BIBLIOGRAFIA Armenteras, Dolors. Indicadores de distribución, protección y fragmentación de ecosistemas. Instituto A. Von Humboldt. Diciembre 2000. Ayres, Robert U., Commentary on the utility of the ecological footprint. Forum: The Ecological Footprint. Ecological Economics 32 (2000), 347-349, Elsevier Science. 2000 Bicknell, Kathryn, et.al. New methodology for the ecological footprint with an application to the New Zealand economy. Ecological Economics 27 (1998) 149-160. Elsevier. Constanza, Robert. The dynamics of the ecological footprint concept. Forum: The Ecological Footprint Ecological Economics 32 (2000) 341-345. Elsevier. Collados, Cecilia y Duane, Timothy P. 1999. Natural capital and quality of life: a model for evaluating the sustainability of alternative regional development paths. Elsevier. Ecological Economics 30 (1999) 441-460. DNP-CIAT (1997). Marco Conceptual para un Sistema de Indicadores de Gestión y Planificación Ambiental. Dodds, Steve. Towards a “science of sustainability”: Improving the way ecological economics understands human well-being. Ecological Economics, 23 (1997), 95-111. Elsevier. Hanley, Nick, Moffat, Ian, Faicheney, Robin, Wilson, Mike. Measuring sustainability: A time series of alternative indicators for Scotland. Ecological Economics 28 (1999) 55-73. Elsevier. McGarigal, Kevin. Landscape Structure and Spatial Pattern Analysis for ACR/INFO. About Landscape Ecology (WINDOWS.temp.FRAGSTATASARC – About Lanscape Ecology.htm. MMA, Acofore, OIMT (1999). Propuesta de los Criterios e Indicadores para la Ordenación Sostenible de los Bosques Naturales en Colombia (Versión 2). Ministerio del Medio Ambiente, Asociación Colombiana de Reforestadores Acofore y Organización Internacional de Maderas Tropicales OIMT. Santafé de Bogotá. Moffat, Ian. Ecological footprints and sustainable development. Ecological Economics 32 (2000) 359-362. Elsevier. Musters, C.J.M., de Graaf, H.J., Keurs, W.J. Defining socio-environmental sustems for sustainable development. Ecological Economics, 26 (1998), 243-258, Elsevier. United Nations (1996) Indicators of Sustainable Development: Framework and Methodologies. New York.

68

69

OECD (1994). Environmental Indicators: OECD Core Set. Paris. Rees, William E. Eco-footprint analysis: merit and brickbats. Ecological Economics 32 (2000) 371-374. Elsevier Science. Rennings, Klaus y Wiggering Hubert. Steps towards indicators of sustainable development: Linking economic and ecological concepts. Ecological Economics, Elsevier Science, 1997. SBSTTA, Subsidiary Body on Scientific, Technical and Technological Advice. 1997. Recommendations for a Core Set of Indicators of Biological Diversity. UNEP/CBD/SBSTTA/3/ Inf. 13, 22 July. Theobald, David M. Tools for Measuring Habitat Fragmentation. Colorado State University. Presented at the Colorado Chapter of the Wildlife Society Annual Meeting. January 1998.