EFECTIVIDAD DE ÁREAS DE CONSERVACIÓN PRIVADA COMUNAL EN BOSQUES MONTANOS NUBLADOS DEL NORTE DEL PERÚ

2.1. Área de estudio

El departamento de Amazonas (3°0′-7°2′ Sur, 77°0′-78°42′ Oeste, 120-4.900 m.s.n.m y 39,25 mil km²), ubicado en el Norte de los Andes peruanos (Figura 1), alberga una variedad de especies de flora y fauna únicas del bosque montano nublado (MINAM, 2014aMINAM, 2014a. Perú reino de bosques (Geobosques (ed.); 1st ed.). http://www.bosques.gob.pe/archivo/1455ad_perureinodebosques.pdf ). Es el departamento con mayor superficie protegida (145.458,78 ha) mediante ACP en Perú (SERNANP, 2020SERNANP, 2020. Información geográfica de las Áreas Naturales Protegidas del Perú. http://geo.sernanp.gob.pe/visorsernanp/ ). Cuenta con 19 ACP, 13 de ellas gestionadas por CC y seis por asociaciones o particulares. Por un lado, las ACP pequeñas son propiedad de empresarios urbanos que autofinancian la conservación a través del ecoturismo. Por otro lado, las ACP extensas son gestionadas por comunidades rurales, cuyos medios de vida dependen de la agricultura y la ganadería. Mientras que los gerentes de las ACP pequeñas tienden a permanecer durante muchos años, los gerentes de ACP extensas dependen de consejos comunales elegidos democráticamente que cambian periódicamente, lo que conduce a una falta de continuidad en la gestión (Mitchell et al., 2018Mitchell, B.A., Stolton, S., Bezaury-Creel, J., Bingham, H.C., Cumming, T.L., Dudley, N., Fitzsimons, J.A., Malleret-King, D., Redford, K.H. & Solano, P., 2018. Guidelines for privately protected areas. Best practice protected area guidelines series (Issue 29). https://www.iucn.org/es/content/areas-bajo-proteccion-privada-mirando-al-futuro ). Por ello, una gran cantidad de ACP comunales aún no han zonificado el uso del suelo (limitado o múltiple) o delimitado sus fronteras. Incluso los propios comuneros no conocen los límites del ACP, lo que aumenta la vulnerabilidad de estos espacios ante actividades antrópicas (Monteferri, 2019Monteferri, B., 2019. Áreas de conservación privada en el Perú: Avances y propuestas a 20 años de su creación.).

En este estudio se seleccionaron cuatro ACP del departamento de Amazonas, en base a (i) mayor antigüedad de creación (año 2011), (ii) titularidad a nombre de CC y (iii) que representen más del 50% del tipo de cobertura de una ecorregión. Todo esto con la finalidad de comparar las características ambientales y agroproductivas de las mismas. Las ACP seleccionadas fueron ACP Copallín, ACP Hierba Buena-Allpayacku, ACP Huaylla Belén-Colcamar y ACP Tilacancha (Figura 1a-d). En suma, representan el 18,2% del territorio protegido por ACP en Amazonas y ubicándose todas ellas en la ecorregión Yungas Peruanas (León et al., 2006León, B., Pitman, N. & Roque, J., 2006. Introducción a las plantas endémicas del Perú. 13(2).) (Tabla 1). En todos los casos, más del 70% del área de estudio se encuentra dentro del territorio de CC. Esto permitió involucrar a actores locales en la evaluación de la efectividad de las ACP bajo un enfoque participativo y de gestión del territorio.

2.2. Diseño metodológico

Se diseñó un Índice de Efectividad Compuesto (IEC) para cada ACP a partir del Índice de Efectividad de Diseño (IED), del Índice de Efectividad Ecológica (IEE) y del Índice de Efectividad de gestión (IEG) (Figura 2).

2.3. Índice de Efectividad de la Gestión (IEG)

Este índice permitió evaluar si la administración del ACP se ejecuta en base a una planificación definida, verificando si cumple con el propósito de su creación, o encontrando puntos débiles en la gestión. Para el cálculo del IEG, se adaptó lo propuesto por Ramírez (2015)Ramírez, M., 2015. Evaluación de la efectividad de manejo en las áreas silvestres protegidas del área de conservación Tempisque. Central Agronómico Tropical de Investigación y Enseñanza. en la Metodología para la Evaluación y Priorización Rápidas del Manejo de Áreas Protegidas (RAPPAM) (Ervin, 2003Ervin, J., 2003. Rapid assessment of protected area management effectiveness in four countries. BioScience, 53(9): 833-841. https://doi.org/10.1641/0006-3568(2003)053[0833:RAOPAM]2.0.CO;2 ). Esta metodología se aplicó mediante una encuesta dividida en cinco criterios, y cada criterio estuvo compuesto por varios indicadores. Los criterios e indicadores (entre paréntesis) fueron: Contexto (importancia biológica, importancia socio-económica, vulnerabilidad, políticas de las áreas protegidas, ambiente político), Planificación (objetivos, seguridad legal, diseño del sitio y planificación, diseño del subsistema de áreas protegidas), Insumo (asignación de personal, comunicación e información, infraestructura y equipo, finanzas), Procesos (planificación de la gestión, toma de decisiones para la gestión, investigación, monitoreo y evaluación) y Resultados (restauración de zonas degradadas o deforestadas, manejo de fauna silvestre, extensión comunitaria, construcción de infraestructura, investigación, monitoreo, manejo de visitantes y aplicación de estrategias de adaptación al cambio climático).

La encuesta consistió en 132 preguntas y cada una se calificó con una escala tipo Likert, es decir, de 1 a 4 puntos, donde 1 es bajo, 2 es moderado, 3 es medio y 4 es alto (Rodríguez-Rodríguez & Martínez-Vega, 2012Rodríguez-Rodríguez, D. & Martínez-Vega, J., 2012. Proposal of a system for the integrated and comparative assessment of protected areas. Ecological Indicators, 23(2012): 566-572. https://doi.org/10.1016/j.ecolind.2012.05.009 ). La calificación de cada indicador se obtuvo mediante promedio de las valoraciones de las preguntas dentro de cada indicador que, a su vez, permitió obtener el IEG (escala de 1 a 4). Las personas encuestadas fueron conocedoras de la gestión del ACP tal como lo sugiere Lee & Abdullah (2019)Lee, W.H. & Abdullah, S.A., 2019. Framework to develop a consolidated index model to evaluate the conservation effectiveness of protected areas. Ecological Indicators, 102: 131-144. https://doi.org/10.1016/j.ecolind.2019.02.034 . Así, por ejemplo, se entrevistó a integrantes de los comités de gestión vigentes y anteriores, así como pobladores de las comunidades locales asentadas en el área de influencia directa de las ACP. Además, se realizaron visitas a las poblaciones asentadas en las zonas circundantes de las ACP para complementar la interpretación de los datos de la encuesta. La selección de los participantes comunales se realizó mediante un muestreo no probabilístico “bola de nieve” (Naderifar et al., 2017Naderifar, M., Goli, H. & Ghaljaie, F., 2017. Snowball Sampling: A Purposeful Method of Sampling in Qualitative Research. Strides Development of Medical Education, 14(3): 1-6. https://doi.org/10.5812/sdme.67670.).

2.4. Índice de Efectividad de Diseño (IED)

El IED evalúa de qué manera la representatividad, el tamaño y la localización del ACP cubren el rango máximo de biodiversidad protegida (Lee & Abdullah, 2019Lee, W.H. & Abdullah, S.A., 2019. Framework to develop a consolidated index model to evaluate the conservation effectiveness of protected areas. Ecological Indicators, 102: 131-144. https://doi.org/10.1016/j.ecolind.2019.02.034 ). Para determinar el IED se consideraron dos subíndices (Hazen & Anthamatten, 2004Hazen, H.D. & Anthamatten, P.J., 2004. Representation of Ecological Regions by Protected Areas at the Global Scale. Physical Geography, 25(6): 499-512. https://doi.org/10.2747/0272-3646.25.6.499 ): el de representatividad de superficie (CIs), y el de representatividad de elevación (CIe).

Se calculó el CIs dividiendo la superficie del ACP respecto a la superficie total de ACP del departamento de Amazonas. La información espacial de cada ACP se descargó del geoservidor del SERNANP (http://geo.sernanp.gob.pe/visorsernanp/). Para calcular el CIe se utilizó el Modelo de Elevación Digital (DEM SRTM, 30 m) descargado del portal del Servicio Geológico de los Estados Unidos (https://earthexplorer.usgs.gov/). El DEM, fue ecotado según los límites del departamento de Amazonas. A continuación, se clasificó en nueve clases con rangos cada 500 m, calculando el porcentaje de todas las ACP por cada clase de elevación. Luego, se obtuvo el cociente entre el porcentaje del ACP en cada clase de elevación sobre el porcentaje de todas las ACP del departamento. Para cada ACP se calculó el promedio del CIe de los cocientes anteriores. Finalmente, el IED se promedió entre CIs y CIe. Un valor IED>1 denotó una buena representación, mientras que un IED<1 implicó una representación pobre en términos de rangos, tanto altitudinales como espaciales (Trisurat, 2007Trisurat, Y., 2007. Applying Gap Analysis and a Comparison Index to Evaluate Protected Areas in Thailand: 235-245. https://doi.org/10.1007/s00267-005-0355-3 ).

2.5. Índice de Efectividad Ecológica (IEE)

La evaluación de la integridad ecológica implica un análisis cuantitativo de la capacidad que tienen las áreas de conservación para mantener a largo plazo las condiciones necesarias que permiten la existencia de la biodiversidad que protegen (Ervin, 2003Ervin, J., 2003. Rapid assessment of protected area management effectiveness in four countries. BioScience, 53(9): 833-841. https://doi.org/10.1641/0006-3568(2003)053[0833:RAOPAM]2.0.CO;2 ). Para el IEE se sugiere la evaluación de la conectividad, fragmentación, hemerobia e idoneidad del hábitat (Lee & Abdullah, 2019Lee, W.H. & Abdullah, S.A., 2019. Framework to develop a consolidated index model to evaluate the conservation effectiveness of protected areas. Ecological Indicators, 102: 131-144. https://doi.org/10.1016/j.ecolind.2019.02.034 ). No obstante, nuestro objetivo fue trabajar con un índice de aplicación rápida y de bajo coste. En consecuencia, estudiamos los procesos de CCUS, utilizados comúnmente para evaluar la integridad ecológica debido a la repercusión en la dinámica del ecosistema y a su relación con otros procesos de deterioro ambiental (Sánchez-Cordero et al., 2005Sánchez-Cordero, V., Illoldi-Rangel, P., Linaje, M., Sarkar, S. & Townsend, A., 2005. Deforestation and extant distributions of Mexican endemic mammals. Biological Conservation, 126: 465-473. https://doi.org/10.1016/j.biocon.2005.06.022 ). Si bien no todo proceso de CCUS implica una reducción de la integridad ecológica, los procesos de gran magnitud pueden inducir la modificación de la estructura y el funcionamiento de los ecosistemas (Turner et al., 2007Turner, B.L., Lambin, E.F. & Reenberg, A., 2007. The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences, 104(52): 20666-20671. https://doi.org/10.1073/pnas.0704119104 ).

El IEE se evaluó siguiendo la metodología descrita por Figueroa & Sánchez-Cordero (2008)Figueroa, F. & Sánchez-Cordero, V., 2008. Effectiveness of natural protected areas to prevent land use and land cover change in Mexico. Biodiversity and Conservation, 17(13): 3223-3240. https://doi.org/10.1007/s10531-008-9423-3 y aplicada por Figueroa et al. (2011)Figueroa, F., Sánchez-Cordero, V., Illoldi-Rangel, P. & Linaje, M., 2011. Evaluation of protected area effectiveness for preventing land use and land cover changes in Mexico. Is an index good enough? Revista Mexicana de Biodiversidad, 82(3): 951-963. https://doi.org/10.22201/ib.20078706e.2011.3.768 , la cual genera un índice en base al análisis de los CCU del ACP y su área circundante, como una aproximación (cf., proxy) de la existencia de alta biodiversidad en sistemas naturales y de poca diversidad en las zonas influenciadas por el cambio. Para cada ACP, el área circundante se delimitó con un tamaño proporcional al ACP. Se generó un área de amortiguamiento (cf., buffer) de 6.399,60 ha para el ACP Huaylla Belén-Colcamar, 6.495,25 ha para el ACP Tilacancha, 12.165,84 ha para el ACP Copallín y 2.607,89 ha para el ACP Hierba Buena-Allpayacku.

Para elaborar los mapas de CCUS se siguió el flujograma metodológico propuesto por Rojas et al., 2019Rojas, N.B., Barboza, E., Maicelo, J.L., Oliva, S.M. & Salas, R., 2019. Deforestation in the peruvian Amazon: Indexes of Land Cover/Land Use (LC/LU) changes based on GIS. Boletin de la Asociacion de Geografos Espanoles, 81: 1-34. https://doi.org/10.21138/bage.2538a . Se utilizaron imágenes del satélite Landsat 5 y 8, con resolución espacial de 30 metros de 2011 y 2018. Estas fueron adquiridas de la plataforma del Servicio Geológico de los Estados Unidos (USGS) (https://earthexplorer.usgs.gov/) y corregidas atmosféricamente utilizando el Semi-Automatic Classification Plugin (SCP) (Congedo, 2013Congedo, L. (2013). Semi-Automatic Classification Plugin for QGIS. Rome: Sapienza University. http://www.academia.edu/download/34540581/WP-SemiAutomatic_Classification_Plugin_for_QGIS.pdf ). Para las ACP Copallín y ACP Hierba Buena Allpayacku, altamente afectadas por nubosidad, se realizaron composiciones libres de nubes utilizando imágenes de hasta dos años en Google Earth Engine (Gorelick et al., 2017Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D. & Moore, R., 2017. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202(2016): 18-27. https://doi.org/10.1016/j.rse.2017.06.031 ).

Las imágenes multiespectrales se clasificaron, utilizando el algoritmo de Máxima Verosimilitud en ArcMap 10.7 en base a firmas espectrales de áreas de entrenamiento recolectadas en recorridos en campo en cada ACP. La exactitud temática de los mapas se evaluó con una Matriz de Confusión basada en 196 sitios de verificación (Chuvieco, 2016Chuvieco, E., 2016. Fundamentals of satellite remote sensing. An environmental approach (CRC Press Taylor & Francis Group; 2da ed.).). Estos sitios fueron establecidos a través de un muestreo aleatorio sistemático, no alineado, estratificado sobre el mapa final clasificado (MINAM, 2014bMINAM, 2014b. Protocolo: Evaluacion de la Exactitud Tematica del Mapa de Deforestación. In: Ministerio del Ambiente. http://www.minam.gob.pe/ordenamientoterritorial/wp-content/uploads/sites/18/2013/10/Protocolo-Validacion-Mapa-Deforestacion.pdf ). Luego fueron verificados en campo, en Google Earth Pro (v. 7.3.0.3832) y SAS Planet (v. 160707) (Rojas et al., 2019Rojas, N.B., Barboza, E., Maicelo, J.L., Oliva, S.M. & Salas, R., 2019. Deforestation in the peruvian Amazon: Indexes of Land Cover/Land Use (LC/LU) changes based on GIS. Boletin de la Asociacion de Geografos Espanoles, 81: 1-34. https://doi.org/10.21138/bage.2538a ), y se calculó la Exactitud Global y el Índice de Kappa (k) (Story & Congalton, 1986Story, M. & Congalton, R.G., 1986. Accuracy Assessment : A User’s Perspective. Photogrammetric Engineering and Remote Sensing, 52(3): 397-399.).

Se calculó la tasa de cambio de la superficie transformada (ST) para cada ACP, entre 2011 y 2018, mediante la (Ecuación 1) (Figueroa & Sánchez-Cordero, 2008Figueroa, F. & Sánchez-Cordero, V., 2008. Effectiveness of natural protected areas to prevent land use and land cover change in Mexico. Biodiversity and Conservation, 17(13): 3223-3240. https://doi.org/10.1007/s10531-008-9423-3 ), donde S₁ y S₂ son las superficies de cobertura y uso del suelo (CUS) en la fecha t1 y t2, respectivamente.

Se obtuvo un IEE para cada ACP a partir de los valores descritos en la (Ecuación 2). Los últimos dos parámetros (D, DE) únicamente adquieren valores de 0 o 1: cuando las ACP presentan un incremento en la ST mayor que su respectiva área circundante o ecorregión adquieren un valor de 0; en caso contrario, adquieren un valor de 1. El IEE, por lo tanto, puede tomar valores entre 0 y 4. Las ACP con valores en el índice cercanos a 0 son de baja efectividad, al tener valores reducidos en varios parámetros, en tanto que las ACP con valores cercanos a 4 serían las más efectivas del conjunto de AP analizado (Figueroa et al., 2011Figueroa, F., Sánchez-Cordero, V., Illoldi-Rangel, P. & Linaje, M., 2011. Evaluation of protected area effectiveness for preventing land use and land cover changes in Mexico. Is an index good enough? Revista Mexicana de Biodiversidad, 82(3): 951-963. https://doi.org/10.22201/ib.20078706e.2011.3.768 ).

S: Porcentaje ocupado por superficies transformadas dentro del ACP en 2018.

D: Diferencia entre la ST en el ACP y la ST en sus áreas circundantes.

DE: Diferencia entre la ST en el ACP y la ST en sus respectivas ecorregiones.

2.6. Índice de Efectividad Compuesto (IEC)

Para generar el IEC, con base en una suma lineal ponderada de los IED, IEE e IEM, se requiere asignar un peso de importancia a cada índice (x, y, z, en la Figura 2) (Lee & Abdullah, 2019Lee, W.H. & Abdullah, S.A., 2019. Framework to develop a consolidated index model to evaluate the conservation effectiveness of protected areas. Ecological Indicators, 102: 131-144. https://doi.org/10.1016/j.ecolind.2019.02.034 ). Para determinar esos pesos se aplicaron dos enfoques: (i) el mismo peso para los tres índices (1/3) o promedio y (ii) diferentes pesos, calculados mediante Matrices de Comparación por Pares (PCM). Las PCM permiten comparar un índice respecto a los demás y establecer un grado de importancia entre sí (Mighty, 2015Mighty, M.A., 2015. Site suitability and the analytic hierarchy process: How GIS analysis can improve the competitive advantage of the Jamaican coffee industry. Applied Geography, 58: 84-93. https://doi.org/https://doi.org/10.1016/j.apgeog.2015.01.010 ). La comparación se basó en la escala de nueve niveles de (Saaty, 1977Saaty, T.L., 1977. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psychology, 15(3): 234-281. https://doi.org/10.1016/0022-2496(77)90033-5 ) (Tabla 2), donde cada miembro de un grupo de expertos asignó un juicio de valor, de menos a más importante, según su experiencia y la realidad local.

Las PCM cuadradas fueron desarrolladas por expertos profesionales con experiencia en la gestión para la creación y gestión de Áreas de Conservación en el Perú, comunidades locales que lideran iniciativas de conservación en el Perú, y académicos con intereses en la investigación para la conservación de recursos naturales en los Andes Tropicales. Las PCM se complementaron con columnas que comprenden las etapas de normalización, priorización (estandarización de criterios) y cálculos de verificación de consistencia de la matriz (Yunis et al., 2020Yunis, C.R.C., López, R.S., Cruz, S.M.O., Castillo, E.B., López, J.O.S., Trigoso, D.I. & Briceño, N. B.R., 2020. Land suitability for sustainable aquaculture of rainbow trout (Oncorhynchus mykiss) in molinopampa (Peru) based on RS, GIS, and AHP. ISPRS International Journal of Geo-Information, 9(1). https://doi.org/10.3390/ijgi9010028 ). La priorización permite obtener el Peso de Importancia de cada índice, donde la suma debe ser igual a 1. En el desarrollo de las PCM cuadradas, las preferencias subjetivas de los expertos pueden generar inconsistencias en la priorización. Por tanto, para definir el valor aceptable para esta inconsistencia, se calculó la Relación de Consistencia (CR) (Saaty, 1990Saaty, T.L., 1990. How to make a decision: The Analytic Hierarchy Process. European Journal of Operational Research, 48: 9-26. https://doi.org/10.1016/0377-2217(90)90057-I ). La CR es el cociente entre el Índice de Consistencia (CI) de la matriz en cuestión y un Índice de Consistencia Aleatorio (RI). El RI está definido según el número de columnas de la matriz (n) y con tres índices (n = 3), el RI es 0,525 (Aguarón & Moreno-Jiménez, 2003Aguarón, J. & Moreno-Jiménez, J.M., 2003. The geometric consistency index: Approximated thresholds. European Journal of Operational Research, 147: 137-145. https://doi.org/10.1016/S0377-2217(02)00255-2 ). El CI depende del valor propio más grande o principal de la matriz (λmax) y n (Ecuación 3).

3.1. Efectividad de la gestión

El ACP Copallín fue la más efectiva en cuanto a gestión en todos los criterios evaluados en comparación con las demás ACP. Los resultados del índice de gestión de mayor a menor fueron: Copallín (2,8), Tilacancha (1,9), Hierba Buena- Allpayacku (1,9), y Huaylla Belén (1,6) (Tabla S1; Figura 3). En base a los rangos establecidos (de 1 a 4), en general, todas las ACP evaluadas reportan una efectividad de gestión que oscila entre baja a moderada, a excepción de Copallín con una efectividad de gestión de moderada a media.

El común denominador de las ACP con mayor efectividad en la gestión son los valores más altos alcanzados en cuanto a planificación, contexto y procesos. El contexto valoró la importancia biológica, la vulnerabilidad del ecosistema, así como la importancia socioeconómica por parte de las comunidades locales. Los valores máximos y mínimos fueron obtenidos por Tilacancha y Hierba Buena-Allpayacku, con 2,89 y 1,84, respectivamente. Estos resultados difieren entre sí debido a la valoración realizada por parte de las comunidades locales a las políticas del ACP, así como el ambiente político que rige la conservación a nivel local.

Las CC de Copallín, Tilacancha y Hierba Buena-Allpayacku estaban más involucradas en la gestión del ACP y obtuvieron mayores puntajes en el componente de planificación. En contraste, Huaylla Belén-Colcamar obtuvo la puntuación más baja, donde incluso no se encontró un sistema de gestión implementado a nivel de comunidad ni del comité de gestión. Los comités de gestión de las ACP como Copallín, Tilacancha y Hierba Buena-Allpayacku reportaron haber accedido a mayores fondos económicos y asesoramiento técnico por parte de instituciones externas (principalmente ONGs). Estos recursos fueron empleados en la realización de actividades sostenibles en el área protegida, mejorar procesos de gestión, y ejecutar acciones de respuesta rápida ante amenazas. Hecho que se ve reflejado en mayores puntuaciones en el componente insumos para las tres áreas mencionadas. En el componente resultados se evaluó la disminución de amenazas en el área y la persistencia de objetos de conservación. Aquí, el ACP Copallín obtuvo el mayor puntaje de evaluación (2,6).

3.2. Efectividad de diseño

La Figura 4 y Tabla S2 presentan el IED y sus subíndices para cada ACP evaluada en Amazonas. Las ACP Copallín y Tilacancha mostraron los valores máximos de CIs, con 2,2 y 1,3, respectivamente y el ACP Hierba Buena- Allpayacku mostró el valor más bajo (0,4). Con respecto a la CIe, el ACP Tilacancha reporta mayor representatividad de elevación con respecto a las ACP evaluadas. En general, todas las ACP mostraron un IED adecuado, a excepción de Hierba Buena-Allpayacku que reportó un IED bajo (0.8).

3.3. Integridad ecológica

Se elaboraron ocho mapas de CUS (Figura S1) que estuvieron representados por las clases de bosque, pajonal y pastos y cultivos, los cuales presentaron una exactitud global de 0,78 a 0,88, y un índice de Kappa de 0,69 a 0,77, respectivamente. El bosque y pajonal representó la mayor proporción en las ACP de Copallín, Hierba Buena- Allpayacku y Huaylla Belén-Colcamar. En la ACP Tilacancha predominaron el pajonal y pastos y cultivos. De la superposición cartográfica entre los mapas de 2011 y 2018 de cada ACP, la Figura 5 muestra procesos de los CCUS. Las ACP Tilacancha, Hierba Buena- Allpayacku y Huaylla Belén-Colcamar presentan el mayor cambio con respecto a la ACP Copallín.

Por otro lado, se observan diferentes estados de conservación de cubierta natural (pajonal andino y bosque). En todas las ACP el porcentaje de la superficie transformada es generalmente bajo (0-10%). Sin embargo, aun cuando todas las ACP muestran un buen estado de conservación, las áreas analizadas han experimentado un aumento de su superficie transformada con una tasa media de cambio neto de 10 ha/año (Figura 6). Con relación a la extensión de cada ACP, los valores máximos de superficie transformada en el 2018 se observaron en el ACP Tilacancha y Huaylla Belén-Colcamar con 163 ha y 152 ha, respectivamente, lo cual representa el 2,17 y el 1,29% de la superficie total de las áreas. En contraste, en el ACP Hierba Buena Allpayacku, se observaron menos cambios con una ST neta de 3 ha/año, lo cual representa el 0,93% del territorio del ACP.

En general, las cuatro ACP mostraron menores ST que sus respectivas áreas circundantes (AC). Sin embargo, algunas ACP reportaron mayores niveles ST en sus áreas circundantes que otras, lo cual influyó en el valor del IEE que obtuvieron. Cabe resaltar que estas diferencias son relativas ya que dependen del tamaño y de los procesos de CCUS que ocurren en cada ACP. En este sentido, las ACP Huaylla Belén-Colcamar, Hierba Buena-Allpayacku y Copallín mostraron menores niveles de ST en sus áreas circundantes, y obtuvieron un IEE de 2,64, 2,60 y 2,71 respectivamente, en una escala del 1-4. Esto indica un alto grado de efectividad para prevenir los procesos de CCUS. Mientras que el ACP Tilacancha, que obtuvo el mayor nivel ST en su AC (13%) obtuvo el valor más bajo de IEE (1,98).

3.4. Índice de Efectividad Compuesto (IEC)

Se construyeron siete PCM, una por cada uno de los siete expertos en ACP que colaboraron con el estudio. La Tabla 3 indica los pesos de importancia de los índices de efectividad y ratios de consistencia de la PCM de cada experto. Todas las matrices resultaron consistentes (CR<0,10) y se usaron para obtener el peso de importancia promedio de cada índice.

El IEC1 para cada ACP se calculó utilizando el mismo peso para los tres índices (o promedio de IEM, IED e IEE), mientras que el IEC2 se calculó utilizando la función lineal (Ecuación 4) con los pesos respectivos encontrados a partir de las PCM procesadas en la (Tabla S3). Para IEC1, el límite inferior calculado fue de 1,59 a 2,10, calculados a partir de modelos simulados con los valores mínimos y máximos que puede obtenerse en las ACP del departamento de Amazonas. De manera análoga, los límites inferior y superior para IEC2 fueron 1,56 y 2,22 para las ACP Tilacancha y Copallín, respectivamente. Empleando la Ecuación 4, se calcularon los IEC para cada ACP. El índice de efectividad está compuesto con los pesos obtenidos por PCM (IEC1) y el IEC por adición simple (IEC2), conforme se presenta en la Figura 7 y Tabla S4.