1. Introducción
⌅El Perú ocupa el diecisieteavo lugar entre los países megadiversos, por poseer más del 70 % de la biodiversidad del planeta en flora y fauna (MINAM, 2014MINAM, 2014. Estrategia nacional de diversidad biológica al 2021 (Plan de acción 2014 - 2018). Lima, Perú: Ministerio del Ambiente.). La Amazonía peruana alberga más de 1000 especies de plantas con potencial comercial y las ventas nacionales de productos naturales derivados de plantas medicinales y aromáticas superan los $ 400 millones anuales (Friso et al., 2020Friso, F., Mendive, F., Soffiato, M., Bombardelli, V., Hesketh, A., Heinrich, M., Menghini, L. & Politi, M., 2020. Implementation of Nagoya protocol on access and benefit-sharing in Peru: implications for researchers. Journal of Ethnopharmacology, 259: 112885. https://doi.org/10.1016/j.jep.2020.112885.). Además, al 2021 se han registrado 1351 especies de aves en el territorio peruano (SPDA, 2021SPDA, 2021. Por tercera vez: Perú logra el primer puesto en el Global Big Day. https://www.actualidadambiental.pe/por-tercera-vez-peru-logra-el-primer-puesto-en-el-global-big-day/.). En tal sentido, la naturaleza brinda múltiples servicios ecosistémicos y bienes como sumidero de carbono, alimentos, fibras, polinización a la población de un determinado territorio (Grima & Singh, 2019Grima, N. & Singh, S.J., 2019. How the end of armed conflicts influence forest cover and subsequently ecosystem services provision? An analysis of four aase studies in biodiversity hotspots. Land Use Policy, 81: 267-275. https://doi.org/10.1016/j.landusepol.2018.10.056.). Sin embargo, la biodiversidad está siendo afectada a nivel mundial debido a las actividades antrópicas y efectos del cambio climático, ello afecta la provisión de servicios ecosistémicos causando una pérdida masiva de especies de flora y fauna (Brooks et al., 1997Brooks, T.M., Pimm, S.L. & Collar, N.J., 1997. Deforestation predicts the number of threatened birds in insular southeast Asia. Conservation Biology, 11(2): 382-394. https://doi.org/10.1046/j.1523-1739.1997.95493.x.; Grima & Singh, 2019Grima, N. & Singh, S.J., 2019. How the end of armed conflicts influence forest cover and subsequently ecosystem services provision? An analysis of four aase studies in biodiversity hotspots. Land Use Policy, 81: 267-275. https://doi.org/10.1016/j.landusepol.2018.10.056.). Perú no es la excepción, existe una problemática muy amplia que conduce al deterioro de la biodiversidad a consecuencia del desarrollo de las actividades económicas, cambio de uso del suelo, expansión humana y estructuras políticas no aplicadas adecuadamente (Zinngrebe, 2016Zinngrebe, Y., 2016. Learning from local knowledge in Peru - Ideas for more effective biodiversity conservation. Journal for Nature Conservation, 32: 10-21. https://doi.org/10.1016/j.jnc.2016.03.006.). Entre los principales grupos afectados se encuentran las aves, y en los últimos años se ha determinado que la pérdida y la degradación de hábitat reduce la riqueza en especies de aves endémicas y amenazadas (Durães et al., 2013Durães, R., Carrasco, L., Smith, T.B. & Karubian, J., 2013. Effects of forest disturbance and habitat loss on avian communities in a Neotropical biodiversity hotspot. Biological Conservation, 166: 203-211. https://doi.org/10.1016/j.biocon.2013.07.007.; Heinrichs et al., 2016Heinrichs, J.A., Bender, D.B. & Schumaker, N.H., 2016. Habitat degradation and loss as key drivers of regional population extinction. Ecological Modelling, 335: 64-73. https://doi.org/10.1016/j.ecolmodel.2016.05.009.). Sumado a ello, estudios recientes mencionan que las especies endémicas con distribuciones restringidas a rangos estrechos de altitud en los andes se encuentran entre las aves tropicales menos conocidas y son las más vulnerables a las presiones antropogénicas de la fragmentación del hábitat y efectos del cambio climático (David et al., 2018David, S., Jankowski, J.E. & Londoño, G.A. 2018. Combining multiple sources of data to uncover the natural history of an endemic andean hummingbird, the peruvian Piedtail (Phlogophilus Harterti). Journal of Field Ornithology, 89(4): 315-325. https://doi.org/10.1111/jofo.12275.; Lane & Angulo, 2018Lane, D.F. & Angulo, C.F., 2018. The Distribution, Natural history, and status of the Long-whiskered Owlet (Xenoglaux Loweryi). Wilson Journal of Ornithology, 130(3): 650-657. https://doi.org/10.1676/17-061.1.).
El colibrí cola de espátula (Loddigesia mirabilis), es endémico y con registros únicos al norte de Perú, específicamente en el departamento de Amazonas (BirdLife International, 1992BirdLife International, 1992. Aves amenazadas de las américas (Libro Rojo IUCN). Cambridge, UK: BirdLife International.;Plenge et al., 2004Plenge, H., Williams, R.,Valqui, T., & Altamirano. J., 2004. Aves de las nubes. Birds of the clouds. Lima, Perú: Agencia de Cooperación Técnica Alemana.). Actualmente, está catalogada como en peligro de extinción (EN) por la Unión Internacional para la Conservación de la Naturaleza (IUCN) (BirdLife International, 2016BirdLife International, 2016. Loddigesia Mirabilis. The IUCN Red List of Threatened Species: E.T22688130A93183168. https://doi.org/10.2305/IUCN.UK.2016-3.RLTS.T22688130A93183168.en.) y de la misma manera a nivel nacional en el Apéndice II de la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres (CITES) (MINAM, 2018aMINAM, 2018a. Listado de especies CITES peruanas de fauna silvestre. Lima, Perú: Dirección General de Diversidad Biológica. https://www.minam.gob.pe/simposio-peruano-de-especies-cites/wp-content/uploads/sites/157/2018/08/Listado-FAUNA-CITES-FINAL.pdf.). El rango de distribución de esta especie es muy pequeño y se extiende por una franja altitudinal entre ~ 2100 y 2900 m.s.n.m (BirdLife International, 1992BirdLife International, 1992. Aves amenazadas de las américas (Libro Rojo IUCN). Cambridge, UK: BirdLife International.; 2021BirdLife International, 2021. Species factsheet: Loddigesia Mirbilis. http://datazone.birdlife.org/species/factsheet/marvelous-spatuletail-loddigesia.). Se caracteriza por habitar en zonas al borde de los bosques, matorrales montanos, vegetación secundaria, áreas de campo abierto con prados, pastos y arbustos y en sistemas de valles y quebradas, pero principalmente prefieren los matorrales impenetrables de Rubus espinoso, entremezclados con pocos árboles de Alnus (BirdLife International, 1992BirdLife International, 1992. Aves amenazadas de las américas (Libro Rojo IUCN). Cambridge, UK: BirdLife International.). El tamaño poblacional de esta especie se estima entre ~ 250 y 999 individuos, con una tendencia decreciente en los próximos años (BirdLife International, 2021BirdLife International, 2021. Species factsheet: Loddigesia Mirbilis. http://datazone.birdlife.org/species/factsheet/marvelous-spatuletail-loddigesia.). Se ha relacionado la disminución del tamaño poblacional de la especie por la caza realizada por los pobladores locales (Garrigues, 2000Garrigues, RL., 2000. Is Marvellous Spatuletail Loddigesia Mirabilis threatened by hunting?. Cotinga, 14: 13.). Sumado a ello, la tala del bosque para la obtención de madera, el establecimiento de nuevas parcelas de pastos y cultivos, minería e incendios forestales que conllevan a la degradación del hábitat de L. mirabilis (Davies et al., 1997Davies, C.W.N., Barnes, R., Butchart, S.H.M., Fernandez, M. & Seddon, N., 1997. The conservation status of birds on the Cordillera de Colán, Peru. Bird Conservation International, 7(2): 181-195. https://doi.org/10.1017/S0959270900001490.; Monteferri, 2019Monteferri, B., 2019. Áreas de conservación privada en el Perú: avances y propuestas a 20 años de su creación. Lima, Perú: Sociedad Peruana de Derecho Ambiental.; SERFOR, 2018SERFOR, 2018. Libro rojo de la fauna silvestre amenazada del Perú. Lima, Perú: Servicio Forestal y de Fauna Silvestre.; Walentowski et al., 2018Walentowski, H., Heinrichs, S., Hohnwald, S., Wiegand, A., Heinen, H., Thren, M., Gamarra Torres, O.A., Sabogal, A.B. & Zerbe, S., 2018. Vegetation succession on degraded sites in the Pomacochas basin (Amazonas, N Peru) - Ecological options for forest restoration. Sustainability, 10(3): 1-17. https://doi.org/10.3390/su10030609 ). Por lo tanto, conocer el estado de las áreas ambientalmente sensibles a la degradación del hábitat de L. mirabilis podría contribuir a mejorar la toma de decisiones para su conservación, ante situaciones tan amenazadoras.
Por otro lado, la lechucita bigotona (Xenoglaux loweryi) es un búho neotropical (O´Neill & Graves, 1977O´Neill, J.P. & Graves, G.R., 1977. A new genus and species of Owl (Aves: Strigidae) from Peru. The Auk, 94: 409-16.) y, como el colibrí cola de espátula, está afectado por la transformación del paisaje (Davies et al., 1997Davies, C.W.N., Barnes, R., Butchart, S.H.M., Fernandez, M. & Seddon, N., 1997. The conservation status of birds on the Cordillera de Colán, Peru. Bird Conservation International, 7(2): 181-195. https://doi.org/10.1017/S0959270900001490.). Esta ave es endémica de Perú y presenta un rango altitudinal de distribución restringido entre ~ 1890 y 2585 m.s.n.m (Angulo Pratolongo et al., 2008Angulo, F., Palomino, W.C., Arnal-Delgado, H., Aucca, C. & Uchofen, O., 2008. Corredor de conservación de aves Marañón - Alto Mayo: Análisis de distribución de aves de alta prioridad de conservación e identificación de propuestas de áreas para su conservación. Cusco, Perú: Asociación Ecosistemas Andinos, American Bird Conservancy.; Lane & Angulo, 2018Lane, D.F. & Angulo, C.F., 2018. The Distribution, Natural history, and status of the Long-whiskered Owlet (Xenoglaux Loweryi). Wilson Journal of Ornithology, 130(3): 650-657. https://doi.org/10.1676/17-061.1.; MINAM, 2018aMINAM, 2018a. Listado de especies CITES peruanas de fauna silvestre. Lima, Perú: Dirección General de Diversidad Biológica. https://www.minam.gob.pe/simposio-peruano-de-especies-cites/wp-content/uploads/sites/157/2018/08/Listado-FAUNA-CITES-FINAL.pdf.). La especie habita en los bosques montanos húmedos de la cordillera oriental de los Andes, con registros únicos en los departamentos de Amazonas y San Martín al noreste de Perú (Alarcón et al., 2016Alarcón, A., Shanee, S., Huaman, G. & Shanee, N., 2016. Nota sobre la dieta de la Lechucita Bigotona, Xenoglaux Loweryi en Yambrasbamba, Amazonas. Revista Peruana de Biologia, 23(3): 335-338. https://doi.org/10.15381/rpb.v23i3.12872.; Brinkhuizen & Shackelford, 2012Brinkhuizen, D.M., Shackelford, D. & Altamirano, J.O., 2012. The Long-whiskered Owlets Xenoglaux Loweryi of Abra Patricia. Neotropical Birding, 10: 39-46.; Lane & Angulo, 2018Lane, D.F. & Angulo, C.F., 2018. The Distribution, Natural history, and status of the Long-whiskered Owlet (Xenoglaux Loweryi). Wilson Journal of Ornithology, 130(3): 650-657. https://doi.org/10.1676/17-061.1.; O´Neill & Graves, 1977O´Neill, J.P. & Graves, G.R., 1977. A new genus and species of Owl (Aves: Strigidae) from Peru. The Auk, 94: 409-16.). Su dieta está constituida principalmente por insectos (Alarcón et al., 2016Alarcón, A., Shanee, S., Huaman, G. & Shanee, N., 2016. Nota sobre la dieta de la Lechucita Bigotona, Xenoglaux Loweryi en Yambrasbamba, Amazonas. Revista Peruana de Biologia, 23(3): 335-338. https://doi.org/10.15381/rpb.v23i3.12872.). Su población mundial, según estimaciones actuales oscila entre ~ 250 y 999 individuos (BirdLife International, 2020aBirdLife International, 2020a. Species factsheet: Xenoglaux Loweryi. [Data set] (http://datazone.birdlife.org/species/factsheet/long-whiskered-owlet-xenoglaux-loweryi).). Las amenazas antrópicas que reducen su hábitat, se relacionan con la deforestación, incendios forestales, agricultura migratoria, ganadería, concesiones y actividades de minería (Davies et al., 1997Davies, C.W.N., Barnes, R., Butchart, S.H.M., Fernandez, M. & Seddon, N., 1997. The conservation status of birds on the Cordillera de Colán, Peru. Bird Conservation International, 7(2): 181-195. https://doi.org/10.1017/S0959270900001490.; SERFOR, 2018SERFOR, 2018. Libro rojo de la fauna silvestre amenazada del Perú. Lima, Perú: Servicio Forestal y de Fauna Silvestre.; Walentowski et al., 2018Walentowski, H., Heinrichs, S., Hohnwald, S., Wiegand, A., Heinen, H., Thren, M., Gamarra Torres, O.A., Sabogal, A.B. & Zerbe, S., 2018. Vegetation succession on degraded sites in the Pomacochas basin (Amazonas, N Peru) - Ecological options for forest restoration. Sustainability, 10(3): 1-17. https://doi.org/10.3390/su10030609 ). En tal sentido, los cambios de paisaje, pueden traer consigo la reducción de población en ésta especie y otras aves (Carrara et al., 2015Carrara, E, Arroyo-Rodríguez, V., Vega-Rivera, J.H., Schondube, J.E., de Freitas, S.M. & Fahrig, L., 2015. Impact of landscape composition and configuration on forest specialist and generalist bird species in the fragmented Lacandona rainforest, Mexico. Biological Conservation, 184: 117-126. https://doi.org/10.1016/j.biocon.2015.01.014.; Van Nieuwenhuyse et al., 2008Van Nieuwenhuyse, D, Genot, J.C., & Johnson, D.H. 2008. The Little Owl: Conservation, Ecology and Behavior of Athene Noctua. Cambridge, UK: Cambridge University Press.; Reino et al., 2018Reino, L., Triviño, M., Beja, P., Araújo, M.B., Figueira, R. & Segurado, P., 2018. Modelling landscape constraints on farmland bird species range shifts under climate change. Science of the Total Environment, 625: 1596-1605. https://doi.org/10.1016/j.scitotenv.2018.01.007.). En consecuencia, actualmente X. loweryi está catalogada como vulnerable (VU) por la IUCN (BirdLife International, 2020bBirdLife International, 2020b. Xenoglaux Loweryi. The IUCN Red List of Threatened Species: E.T22689320A180768478. https://dx.doi.org/10.2305/IUCN.UK.2020-3.RLTS.T22689320A180768478.) y como en peligro de extinción (EN) según el Apéndice II de la CITES de Perú (MINAM, 2018aMINAM, 2018a. Listado de especies CITES peruanas de fauna silvestre. Lima, Perú: Dirección General de Diversidad Biológica. https://www.minam.gob.pe/simposio-peruano-de-especies-cites/wp-content/uploads/sites/157/2018/08/Listado-FAUNA-CITES-FINAL.pdf.).
En la última década se han desarrollado varias metodologías para mejorar la conservación de la biodiversidad. Los estudios de campo son uno de los primeros pasos para registrar la flora y fauna endémica (Ghimire et al., 2021Ghimire, A., Rokaya, M.B., Timsina, B., Bílá, K., Shrestha, U.B., Chalise, M.K. & Kindlmann, P., 2021. Diversity of birds recorded at different altitudes in Central Nepal Himalayas. Ecological Indicators, 127: 107730. https://doi.org/10.1016/j.ecolind.2021.107730.;Núñez-Zapata et al., 2016Núñez-Zapata, J., Pollack-Velásquez, L.E., Huamán, E., Tiravanti, J. & García, E., 2016. A Compilation of the birds of La Libertad region, Peru. Revista Mexicana de Biodiversidad, 87(1): 200-215. https://doi.org/10.1016/j.rmb.2016.01.016.;Torrecilha et al., 2018Torrecilha, S., Ochoa-Quintero, J.M., Laps, R.R. & Ribeiro, D.B., 2018. Records of threatened bird and mammal species in Mato Grosso Do Sul state, Brazil. Data in Brief, 17: 1326-1330. https://doi.org/10.1016/j.dib.2018.02.052.;Guzman Valqui et al., 2021Guzman Valqui, B.K, García-Bravo, A., Allauja Salazar, E.E., Mejía Castillo, I.A., Torres Guzmán, C., & Oliva Cruz, S.M., 2021. Endemism of woody flora and tetrapod fauna, and conservation status of the inter-Andean Seasonally Dry Tropical Forest of the Marañón valley. Global Ecology and Conservation, 28: e01639. https://doi.org/10.1016/j.gecco.2021.e01639.). Algunos estudios han mapeado áreas de conservación (Dunn et al., 2016Dunn, J.C., Buchanan, G.M., Stein, R.W., Whittingham, M.J. & McGowan, P.J.K., 2016. Optimising different types of biodiversity coverage of protected areas with a case study using Himalayan Galliformes. Biological Conservation, 196: 22-30. https://doi.org/10.1016/j.biocon.2016.01.015.; Huang et al., 2020Huang, Z., Bai, Y., Alatalo, J.M. & Yang, Z., 2020. Mapping biodiversity conservation priorities for protected areas: A case study in Xishuangbanna tropical area, China. Biological Conservation, 249: 108741. https://doi.org/10.1016/j.biocon.2020.108741.; Shaharum et al., 2018Shaharum, N.S.N., Shafri, H.Z.M., Gambo, J. & Abidin, FAZ., 2018. Mapping of Krau Wildlife Reserve (KWR) protected area using Landsat 8 and supervised classification algorithms. Remote Sensing Applications: Society and Environment, 10: 24-35. https://doi.org/10.1016/j.rsase.2018.01.002 ; Vaissi & Sharifi, 2019Vaissi, S., & Sharifi, M., 2019. Integrating multi-criteria decision analysis with a GIS-based siting procedure to select a protected area for the Kaiser’s mountain newt, Neurergus kaiseri (Caudata: Salamandridae). Global Ecology and Conservation, 20: e00738. https://doi.org/10.1016/j.gecco.2019.e00738.), utilizando datos satélites de percepción remota para determinar habitas idóneos de especies (Arenas-Castro & Sillero, 2021Arenas-Castro, S. & Sillero, N., 2021. Cross-scale monitoring of habitat suitability changes using satellite time series and ecological niche models. Science of the Total Environment, 784: 147172. https://doi.org/10.1016/j.scitotenv.2021.147172.). Otros estudios han identificado áreas de endemismo e idoneidad de hábitat a través de modelos de distribución de especies (Escalante et al., 2013Escalante, T., Rodríguez-Tapia, G., Linaje, M., Illoldi-Rangel, P. & González-López, R., 2013. Identification of areas of endemism from species distribution models: threshold selection and Nearctic mammals. Tip, 16(1): 5-17. https://doi.org/10.1016/S1405-888X(13)72073-4.; Gaucherel et al. 2016Gaucherel, C., Vezy, R., Gontrand, F., Bouchet, D. & Ramesh, B.R., 2016. Spatial analysis of endemism to redefine conservation areas in Western Ghats (India). Journal for Nature Conservation, 34: 33-41. https://doi.org/10.1016/j.jnc.2016.09.002.; Hussain et al., 2020Hussain A., Tyub, S. & Kamili, A.K., 2020. Ecology, distribution mapping and conservation implications of four critically endangered endemic plants of Kashmir Himalaya. Saudi Journal of Biological Sciences, 27(9): 2380-2389. https://doi.org/10.1016/j.sjbs.2020.05.006.; Paul et al., 2020Paul, S., Sarkar, D., Patil, A., Ghosh, T., Talukdar, G., Kumar, M., Habib,B., Nigam, P., Mohan, D., Pandav, B. & Mondol, S., 2020. Assessment of endemic Northern Swamp Deer (Rucervus Duvaucelii Duvaucelii) distribution and identification of priority conservation areas through modeling and field surveys across North India. Global Ecology and Conservation, 24: e01263. https://doi.org/10.1016/j.gecco.2020.e01263.). Sin embargo, en los estudios de idoneidad de hábitat de una determinada especie o especies en flora o fauna el principal problema radica en determinar solo la distribución idónea del hábitat, al no evaluar los impactos antrópicos en el área idónea del hábitat, muchas veces esto puede conllevar a una sobreestimación del hábitat de la especie, por lo cual es necesario además evaluar el estado de las áreas ambientalmente sensibles a la degradación de los hábitats de las especies estudiadas. En tal sentido, integrar la distribución idónea de hábitat de una especie o especies y evaluar la degradación de hábitat, puede brindar una mejor comprensión de los riegos que afronta la especie para mejorar las estrategias de conservación (Brambilla et al., 2017Brambilla, M., Ilahiane, L., Assandri, G., Ronchi, S. & Bogliani, G., 2017. Combining habitat requirements of endemic bird species and other ecosystem services may synergistically enhance conservation efforts. Science of the Total Environment, 586: 206-214. https://doi.org/10.1016/j.scitotenv.2017.01.203.). Este estudio cuantifica la sensibilidad de la degradación de la tierra utilizando el método Mediterranean Desertification and Land Use (MEDALUS), desarrollado dentro del proyecto científico interdisciplinario e internacional de ocho años de duración, ha sido utilizado ampliamente para identificar tierras sensibles a la degradación (Kosmas et al., 1999Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp.). La metodología fue validada y aplicada en condiciones mediterráneas (Basso et al., 2000Basso, F., Bove, E., Dumontet, S., Ferrara, A., Pisante, M., Quaranta, G. & Taberner, M., 2000. Evaluating environmental sensitivity at the basin scale through the use of geographic information systems and remotely sensed data: An example covering the Agri basin (Southern Italy). Catena, 40(1): 19-35. https://doi.org/10.1016/S0341-8162(99)00062-4.; Lavado Contador et al., 2009Lavado Contador, J.F., Schnabel, S., Goméz Gutiérrez, M. & Pulido Fernández, M., 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 607: 591-607. https://doi.org/10.1002/ldr.884.; Salvati & Bajocco, 2011Salvati, L. & Bajocco, S., 2011. Land sensitivity to desertification across Italy: Past, Present, and Future. Applied Geography, 31(1): 223-31. https://doi.org/10.1016/j.apgeog.2010.04.006.). Sin embargo, posteriormente se aplicó en áreas no mediterráneas (De Pina Tavares et al., 2015De Pina Tavares, J., Baptista, I., Ferreira, A.J.D., Amiotte-Suchet, F., Coelho, C., Gomes, S., Amoros, R., Dos Reis, E.A., Furtado Mendes, A., Costa, L., Bentub, J. & Varela, L., 2015. Assessment and mapping the sensitive areas to desertification in an insular sahelian mountain region case study of the Ribeira Seca watershed, Santiago island, Cabo Verde. Catena, 128: 214-223. https://doi.org/10.1016/j.catena.2014.10.005.; Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; Vieira et al., 2015Vieira, R.M.S.P., Tomasella, J., Alvalá, R.C.S., Sestini, M.F., Affonso, A.G., Rodriguez, D.A., Barbosa, A.A., Cunha, A.P.M.A., Valles, G.F., Crepani, E., de Oliveira, S.B.P., de Souza, M.S.B., Calil, P.M., de Carvalho, M.A., Valeriano, D.M., Campello, F.C.B. & Santana, M.O., 2015. Identifying areas susceptible to desertification in the Brazilian northeast. Solid Earth, 6(1): 347-360. https://doi.org/10.5194/se-6-347-2015.). Esta metodología ha sido utilizada ampliamente también en estudios puntuales en determinación de áreas ambientalmente sensibles a la degradación, con resultados favorables (Bouabid et al., 2010Bouabid, R., Rouchdi, M., Badraoui, M., Diab, A. & Louafi, S., 2010. Assessment of land desertification based on the MEDALUS approach and elaboration of an action plan: the case study of the Souss river basin, Morocco. In: Zdruli P., Pagliai M., Kapur S., Faz Cano, A. (eds.), Land degradation and desertification: assessment, mitigation and remediation, Dordrecht, Netherlands: Springer. 131-145 pp. https://doi.org/10.1007/978-90-481-8657-0_10.; Lahlaoi et al., 2017Lahlaoi, H, Rhinane, H., Hilali, A., Lahssini, S. & Moukrim, S., 2017. Desertification Assessment Using MEDALUS Model in Watershed Oued El Maleh, Morocco. Geosciences, 7(3): 50. https://doi.org/10.3390/geosciences7030050 ; Ait Lamqadem et al., 2018Ait Lamqadem, A., Pradhan, B., Saber, H. & Rahimi, A., 2018. Desertification sensitivity analysis using MEDALUS model and GIS: A case study of the oases of middle Draa Valley, Morocco. Sensors, 18: 2230. https://doi.org/10.3390/s18072230.; Momirović et al., 2019Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004.; Perović et al., 2021Perović, V., Kadović, R., Đurđević, V., Pavlović, D., Pavlović, M., Čakmak, D., Mitrović, M. & Pavlović, P., 2021. Major drivers of land degradation risk in Western Serbia: current trends and future scenarios. Ecological Indicators, 123: 107377. https://doi.org/10.1016/j.ecolind.2021.107377.; Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011., 2020aPrăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407., 2020bPrăvălie, R., Patriche, C., Tişcovschi, A., Dumitraşcu, M., Săvulescu, I., Sîrodoev, I. & Bandoc, G., 2020b. Recent spatio-temporal changes of land sensitivity to degradation in Romania due to climate change and human activities: an approach based on multiple environmental quality indicators. Ecological Indicators, 118: 106755. https://doi.org/10.1016/j.ecolind.2020.106755.; Wijitkosum, 2020Wijitkosum, S., 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. https://doi.org/10.3390/land9020049.). En ese sentido, este estudio sería el primer reporte de la integración de MEDALUS y las áreas de idoneidad de hábitat para evaluar áreas ambientalmente sensibles a la degradación del hábitat de L. mirabilis y X. loweryi en Perú.
Es por ello, que este estudio tiene como objetivo evaluar el estado del hábitat de L. mirabilis y X. loweryi integrando la metodología MEDALUS y el área de distribución idónea de hábitat de cada especie. Para ello, en primer lugar, se determinó un mapa de las áreas ambientalmente sensibles a la degradación a partir de parámetros ambientales impulsores de la degradación de la tierra de acuerdo al área de estudio. Una vez obtenido el mapa de las áreas ambientalmente sensibles a la degradación de Amazonas y San Martín, éste mapa fue superpuesto espacialmente por los mapas de distribución de idoneidad de los hábitats de ambas especies obtenidos de la IUCN. En consecuencia, i) se evaluaron las áreas ambientalmente sensibles a la degradación en Amazonas y San Martín, ii) se aplicaron cuatro índices principales del método MEDALUS original (Índice de Calidad del Clima (CQI), Índice de Calidad del Suelo (SQI), Índice de Calidad de la Vegetación (VQI) e Índice de calidad de la Manejo (MQI)), iii) se analizaron las posibles causas de la degradación de la tierra en relación al hábitat de cada especie, y iv) se analizaron las áreas ambientalmente sensibles a la degradación de los tipos de ecosistemas y las áreas naturales protegidas, que geográficamente conforman el área idónea de hábitat de cada especie.
2. Materiales y métodos
⌅2.1. Área de estudio
⌅El área de estudio abarca los departamentos Amazonas y San Martín, ubicados al noroeste de Perú entre los paralelos 3° 0’ y 9° 0’ de latitud Sur y los meridianos 75° 50 ‘ y 78° 80’ de longitud Oeste. A saber, L. mirabilis se ha reportado solo en el departamento de Amazonas y X. loweryi en ambos departamentos. El departamento de Amazonas cubre un área estimada de 42.050,32 km2 de paisaje accidentado, en gran parte cubierto por la selva amazónica (Figura 1). Se caracteriza por su clima “cálido y húmedo”, “seco caliente” y “templado cálido y levemente húmedo”, con temperaturas máximas de 40 °C en el bosque de tierras bajas al norte y temperaturas mínimas de 2 °C en las sierras al sur. En las zonas más secas la precipitación es de 924 mm/año, mientras que en otras alcanzan hasta 3.000 mm/año (Vargas, 2010Vargas, J., 2010. Clima, Informe Temático. Proyecto Zonificación Ecológica y Económica del Departamento de Amazonas. Convenio entre el IIAP y el Gobierno Regional de Amazonas. Iquitos, Perú. https://www.studocu.com/pe/document/universidad-catolica-santo-toribio-de-mogrovejo/bioecologia/informe-de-arquitectura-sostenible/21981422.). A su vez, el departamento de San Martín tiene un área estimada de 48.307,81 km2 y se encuentra ubicado en la Amazonía peruana, entre las regiones naturales selva alta y selva baja (Figura 1). Debido a su ubicación geográfica, San Martín tiene un clima cálido, caluroso y húmedo, su temperatura promedio anual es de 24 ºC. La precipitación máxima aproximada es de 280 mm los meses de octubre a marzo y experimenta pequeños eventos de precipitación de más de 50 mm durante los meses de julio y agosto (Villegas Mori et al., 2009Villegas Mori, E.M., Pérez Vilca, W. & Altamirano, O., 2009. Resultados de la zonificación ecológica y económica del departamento de San Martín. Vol. 1982. Lima, Perú: Gobierno regional de San Martín.).
2.2. Metodología
⌅La metodología utilizada se basó en el modelo MEDALUS, desarrollado dentro del proyecto científico interdisciplinario e internacional Desertificación y uso de la tierra en el Mediterráneo, 1991-1999 (Kosmas et al., 1999Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp.; Momirović et al., 2019Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004.). MEDALUS es una herramienta para evaluar, cartografiar e identificar áreas ambientalmente sensibles (ESA), utilizando el índice de áreas ambientalmente sensibles (ESAI) (Momirović et al., 2019Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004.; Wijitkosum, 2020Wijitkosum, S., 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. https://doi.org/10.3390/land9020049.). La sencillez y flexibilidad del modelo permite ajustar o cambiar el número de indicadores (parámetros o variables) que se utilizarán para evaluar los índices de calidad (Hosseini et al., 2012Hosseini, S.M., Sadrafshari, S. & Fayzolahpour, M., 2012. Desertification hazard zoning in Sistan region, Iran. Journal of Geographical Sciences, 22(5): 885-894. https://doi.org/10.1007/s11442-012-0970-x.; Ait Lamqadem et al., 2018Ait Lamqadem, A., Pradhan, B., Saber, H. & Rahimi, A., 2018. Desertification sensitivity analysis using MEDALUS model and GIS: A case study of the oases of middle Draa Valley, Morocco. Sensors, 18: 2230. https://doi.org/10.3390/s18072230.; Lavado Contador et al., 2009Lavado Contador, J.F., Schnabel, S., Goméz Gutiérrez, M. & Pulido Fernández, M., 2009. Mapping sensitivity to land degradation in Extremadura. SW Spain. Land Degradation & Development, 607: 591-607. https://doi.org/10.1002/ldr.884.; Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; Prăvălie et al., 2020aPrăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407.; Salvati et al., 2015Salvati, R., Salvati, L., Corona, P., Barbati, A. & Ferrara, A., 2015. Estimating the sensitivity to desertification of Italian forests. IForest, 8: 287-294. https://doi.org/10.3832/ifor1111-008.; Wijitkosum, 2020Wijitkosum, S., 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. https://doi.org/10.3390/land9020049.). En ese sentido, los usuarios pueden agregar y ajustar más parámetros espaciales de acuerdo a las condiciones locales (Momirović et al., 2019Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004.; Wijitkosum, 2020Wijitkosum, S., 2020. Reducing vulnerability to desertification by using the spatial measures in a degraded area in Thailand. Land, 9(2): 49. https://doi.org/10.3390/land9020049.). Por lo tanto, este enfoque puede verse como un buen indicador de “alerta temprana” del nivel de sensibilidad del suelo a la degradación y sus cambios a lo largo del tiempo (Salvati & Bajocco, 2011Salvati, L. & Bajocco, S., 2011. Land sensitivity to desertification across Italy: Past, Present, and Future. Applied Geography, 31(1): 223-31. https://doi.org/10.1016/j.apgeog.2010.04.006.). Se calcula utilizando el valor medio geométrico de los cuatro índices de calidad: Índice de Calidad del Suelo (SQI), Índice de Calidad del Clima (CQI), Índice de Calidad de la Vegetación (VQI) y el Índice de Calidad de Manejo (MQI).
2.2.1. Índice de calidad del suelo (SQI)
⌅Para determinar el SQI se consideraron y evaluaron cuatro parámetros. Se utilizaron tres parámetros relacionados con las características del suelo (material parental, textura del suelo y materia orgánica del suelo (SOM)) y otro parámetro topográfico (pendiente) (Tabla 1). El material parental se obtuvo del Instituto Geológico, Minero y Metalúrgico a una escala espacial de 1: 100000 (https://geocatmin.ingemmet.gob.pe/geocatmin/), la textura del suelo se extrajo a una resolución espacial de 250 m del estudio mundial de Hengl (2018)Hengl, T., 2018. Soil texture classes (USDA system) for 6 soil depths (0, 10, 30, 60, 100 and 200 cm) at 250 m [Data set]. https://doi.org/10.5281/zenodo.2525817. y la SOM se obtuvo del producto del Carbono Orgánico del Suelo en porcentaje (SOC%) y un factor de conversión de 1,72 (Salas López et al., 2020Salas López, R., Gómez Fernández, D., Silva López, J.O., Rojas Briceño, N.B., Oliva, M., Terrones Murga, R.E., Iliquín Trigoso, D., Barboza Castillo, E. Barrena Gurbillón, M.A., 2020. Land suitability for coffee (Coffea Arabica) growing in Amazonas, Peru: integrated use of AHP, GIS and RS. ISPRS International Journal of Geo-Information, 9(11): 1-21. https://doi.org/10.3390/ijgi9110673.; Pluske et al., 2021Pluske, W., Murphy, D., & Sheppard, J., 2021. Total organic carbon, Fact Sheets. http://www.soilquality.org.au/factsheets/organic-carbon?fbclid=IwAR10mwXc9X0OIHodN7ptpSD1PiLjsfU0X0ZPwBy3_Eo2E2dViqSR_G2s1zQ.). El % de SOC se obtuvo convirtiendo la capa de Carbono Orgánico en Ton/ha (COS) (ver detalles en Pluske et al. (2021)Pluske, W., Murphy, D., & Sheppard, J., 2021. Total organic carbon, Fact Sheets. http://www.soilquality.org.au/factsheets/organic-carbon?fbclid=IwAR10mwXc9X0OIHodN7ptpSD1PiLjsfU0X0ZPwBy3_Eo2E2dViqSR_G2s1zQ.). El COS se descargó de la plataforma digital global de suelos SoilGrids (https://soilgrids.org/), con una resolución espacial de 250 m (Hengl et al., 2017Hengl, T., Mendes de Jesus, J. Heuvelink, G.B.M., Ruiperez Gonzalez, M., Kilibarda, M., Blagotić, A., Shangguan, W., Wright, M.N., Geng, X., Bauer-Marschallinger, B., Guevara, M.A., Vargas, R., MacMillan, R.A., Batjes, N.H., Leenaars, J.G.B., Ribeiro, E., Wheeler, I., Mantel, S. & Kempen, B., 2017. SoilGrids250m: Global gridded soil information based on machine learning. PLoS ONE, 12(2): e0169748. https://doi.org/10.1371/journal.pone.0169748.). La pendiente de terreno se derivó del Modelo Digital de Elevación (DEM) de resolución espacial de 90 m descargado del portal CGIAR Consortium for Spatial Information (http://srtm.csi.cgiar.org/). El DEM se ha generado a partir de los datos de la Shuttle Radar Topography Mission (SRTM) (Farr et al., 2007Farr, T.G., Rosen, P.A., Caro, E., Crippen, R., Duren, R., Hensley, S., Kobrick, M., Paller, M., Rodriguez, E., Roth, L., David, S., Shaffer, S., Shimada, J., Umland, J., Werner, M., Oskin, M., Burbank, D. & Alsdorf, D., 2007. The Shuttle Radar Topography Mission. Reviews of Geophysics, 45(2): 2005RG000183. https://doi.org/10.1029/2005RG000183.). La descripción y los puntajes de calidad para los parámetros de la calidad del suelo fueron asignados de la siguiente manera: el material parental según Kosmas et al. (1999)Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp. y Vieira et al. (2015)Vieira, R.M.S.P., Tomasella, J., Alvalá, R.C.S., Sestini, M.F., Affonso, A.G., Rodriguez, D.A., Barbosa, A.A., Cunha, A.P.M.A., Valles, G.F., Crepani, E., de Oliveira, S.B.P., de Souza, M.S.B., Calil, P.M., de Carvalho, M.A., Valeriano, D.M., Campello, F.C.B. & Santana, M.O., 2015. Identifying areas susceptible to desertification in the Brazilian northeast. Solid Earth, 6(1): 347-360. https://doi.org/10.5194/se-6-347-2015. de acuerdo a las características locales (Suplementario Tabla A1), la pendiente y contenido de MOS por Kosmas et al. (2014)Kosmas, C., Kairis, O., Karavitis, C. Ritsema, C., Salvati, L., Acikalin, M., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, J., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, C., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, M., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging W. & Ziogas, A. 2014. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Environmental Management, 54(5): 951-970. https://doi.org/10.1007/s00267-013-0109-6. y la clase textural por Kosmas et al. (1999)Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp.. En consecuencia, el SQI se calculó como el producto de los parámetros mencionados anteriormente utilizando la siguiente ecuación 1:
Parámetros | Descripción | Clases | Puntajes de calidad |
---|---|---|---|
Material parental1 | 1 - 2 | Bajo | 1,05 |
3 - 15 | Medio | 1,55 | |
16 - 72 | 1,60 | ||
73 - 78 | 1,65 | ||
79 - 84 | 1,70 | ||
85 - 86 | Alto | 1,75 | |
87 - 88 | 2 | ||
Pendiente (%) | <2 Casi nivelado | Bajo | 1 |
2 - 6 Pendiente suave | Medio | 1,2 | |
6 - 12 Moderadamente inclinado | 1,4 | ||
12 - 18 Fuerte pendiente | 1,6 | ||
18 - 25 Moderadamente empinada | Alto | 1,7 | |
25 - 35 Empinada | 1,8 | ||
35 - 60 Muy empinado | 1,9 | ||
>60 Muy empinada | 2 | ||
Contenido de materia orgánica (%) | > 6,0 | Alto | 1 |
2,1 - 6,0 | Medio | 1,3 | |
2,0 - 1,1 | Bajo | 1,6 | |
< 1,0 | Muy bajo | 2 | |
Textura del suelo2 | L, SCL, SL, LS,CL Bueno | Muy bajo | 1 |
SC, SiL, SiCL Moderado | Bajo | 1,2 | |
Si, C, SiC Pobre | Medio | 1,6 | |
S Muy pobre | Alto | 2 |
1 Codificación de las descripciones geológicas.
1 Codification of geological descriptions.
2 Arena
(S); Arena limosa (LS); Franco arenoso (SL); Franco (L); Franco limoso
(SiL); Limoso (Si); franco arcilloso arenoso (SCL); Franco arcillo
limoso (SiCL); Franco arcilloso (CL); arcillo arenoso (SC); arcillo
limoso (SiC); y arcilla (C).
2 Sand (S); silty sand (LS); sandy loam (SL); loam (L); silty
loam (SiL); silt (Si); sandy clay loam (SCL); silty clay loam (SiCL);
clay loam (CL); sandy clay (SC); silty clay (SiC); and clay (C).
2.2.2. Índice de calidad del clima (CQI)
⌅El Índice de Calidad Climática (CQI) está relacionado con el impacto de la variación climática en la degradación y desertificación de la tierra (Perović et al., 2021Perović, V., Kadović, R., Đurđević, V., Pavlović, D., Pavlović, M., Čakmak, D., Mitrović, M. & Pavlović, P., 2021. Major drivers of land degradation risk in Western Serbia: current trends and future scenarios. Ecological Indicators, 123: 107377. https://doi.org/10.1016/j.ecolind.2021.107377.; Xu et al., 2019Xu, D., You, X. & Xia, C., 2019. Assessing the spatial-temporal pattern and evolution of areas sensitive to land desertification in north China. Ecological Indicators, 97: 150-158. https://doi.org/10.1016/j.ecolind.2018.10.005.) y, en este estudio, se estimó con base en los siguientes cinco parámetros: índice de aridez (IA), erosividad aspecto, precipitación y velocidad del viento (Tabla 2). El IA se descargó del Consortium for Spatial Information (CSI) con resolución espacial de ~ 1 km2 (http://www.cgiar-csi.org). El CSI es una plataforma del Grupo Consultivo para la Investigación Agrícola a nivel Internacional (CGIAR) (Trabucco & Zomer, 2018Trabucco, A., & Zomer, R.J., 2018. Global Aridity Index and Potential Evapo-Transpiration (ET0) Climate Database v2 Methodology and Dataset Description. [Data set] https://cgiarcsi.community/2019/01/24/global-aridity-index-and-potential-evapotranspiration-climate-database-v2/.). La erosividad se calculó de acuerdo al índice de Fournier modificado (MFI) (Arnoldus 1980Arnoldus, H.M.J., 1980. An approximation of the rainfall factor in the universal soil loss equation. In: M. De Boodt, & D. Gabriels (eds.), Assessment of Erosion. New York, USA: John Wiley and Sons. 127-132.) aplicando la ecuación 2:
Parámetros | Descripción | Clases | Puntajes de calidad |
---|---|---|---|
Indice de aridez (mm/mm) | < 0,05 Zona hiperárida | Muy alto | 2 |
0,05 - 0,2 Árido | Alto | 1,8 | |
0,2 - 0,5 Semiárido | Medio | 1,60 | |
0,5 - 0,65 Subhúmedo seco | 1,4 | ||
0,65 - 1 subhúmedo | Bajo | 1,2 | |
> 1 Húmedo | Muy bajo | 1 | |
Erosividad (mm) | 0 - 60 Muy bajo | Muy bajo | 1 |
60 - 90 Bajo | Bajo | 1,2 | |
90 - 120 Moderado | Medio | 1,5 | |
120 - 160 Severo | Alto | 1,8 | |
>160 Muy grave | Muy alto | 2 | |
Aspecto | N, NW, NE,W, áreas planas | Bajo | 1 |
S, SW, SE,E | Alto | 2 | |
Precipitación (mm) | 373 - 1022 | Muy bajo | 2 |
1022 - 1194 | Bajo | 1,7 | |
1194 - 1436 | Moderado | 1,5 | |
1436 - 1833 | Alto | 1,3 | |
1833 - 2592 | 1,2 | ||
2592 - 3477 | Muy alto | 1 | |
Velocidad del viento (m/s) | <4,1 | Bajo | 1 |
4,1 - 5 | Moderado | 1,5 | |
5 - 16 | Alto | 2 |
donde Pi es la precipitación mensual (12 bandas, cada una representando un mes) y P la precipitación anual. Los datos incluyeron la precipitación media mensual para 1970-2000 con resolución espacial de ~ 1 km2 (Fick & Hijmans, 2017Fick, S.E. & Hijmans, R.J., 2017. WorldClim 2: New 1 Km spatial resolution climate surfaces for global land areas. International Journal of Climatology, 37(12): 4302-4315. https://doi.org/10.1002/joc.5086.) y disponible en WorldClim (http://www.worldClim.org). El mapa de aspecto se calculó de acuerdo al DEM, generado a partir de los datos de la Shuttle Radar Topography Mission (SRTM) (Farr et al., 2007Farr, T.G., Rosen, P.A., Caro, E., Crippen, R., Duren, R., Hensley, S., Kobrick, M., Paller, M., Rodriguez, E., Roth, L., David, S., Shaffer, S., Shimada, J., Umland, J., Werner, M., Oskin, M., Burbank, D. & Alsdorf, D., 2007. The Shuttle Radar Topography Mission. Reviews of Geophysics, 45(2): 2005RG000183. https://doi.org/10.1029/2005RG000183.).
Finalmente, la velocidad del viento, un parámetro que se utilizó con éxito en otros estudios (Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; Prăvălie et al., 2020aPrăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407.), por lo tanto, también se consideró en este estudio (datos adquiridos a 100 m de altura sobre la superficie del suelo, de Global Wind Atlas con resolución espacial de ~ 1 km2) (GWA, 2017GWA, 2017. Global wind atlas - Methodology and datasets for processing and obtaining global mean wind speed data at heights 50 m, 100 m, 200 m. [Data set] https://globalwindatlas.info/about/method.), considerando que un régimen de vientos intensos puede estar directamente asociado con la intensificación de la degradación de la tierra, especialmente en áreas de textura arenosa. El CQI se calculó mediante la ecuación 3:
2.2.3. Índice de la calidad de la vegetación (VQI)
⌅El VQI se analizó sobre la base de cuatro parámetros: riesgo de incendio, protección contra la erosión, resistencia a la sequía y cubierta vegetal (Tabla 3). Estos parámetros geográficos se obtuvieron y mapearon procesando las clases de uso / cobertura de la tierra del área de estudio, extraídos de la base de datos de Copernicus Global Land Operations “Vegetation and Energy”, año 2019 con una resolución de 100 m (Buchhorn et al., 2020Buchhorn, M., Smets, B., Bertels, L., De Roo, B., Lesiv, M., Tsendbazar, N.E., Herold, M. & Fritz, S., 2020. Copernicus global land service: land cover 100m: collection 3, epoch 2019. Globe. [Data set]. https://doi.org/10.5281/zenodo.3939050.). Esencialmente, cada parámetro se obtuvo clasificando y ponderando las clases de cobertura de uso de la tierra, de acuerdo con el esquema MEDALUS original y la literatura científica (Momirović et al., 2019Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004.; Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; Prăvălie et al., 2020aPrăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407.). Las descripciones y los puntajes de calidad para los cuatro parámetros de la calidad de la vegetación se realizaron en base a Prăvălie et al. (2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; 2020a)Prăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407.. El VQI se calculó utilizando la ecuación 4:
Parámetros | Descripción | Clases | Puntajes de calidad |
---|---|---|---|
Riesgo de incendio* | 50, 60, 90 | Bajo | 1 |
30, 40 | Medio | 1,5 | |
20, 112, 114, 116, 122, 124, 126 | Alto | 2 | |
Protección contra la erosion* | 112, 114, 116, 122, 124, 126 | Muy bajo | 1 |
20, 30, 60 | Medio | 1,3 | |
90 | Alto | 1,6 | |
40, 50 | Muy alto | 2 | |
Resistencia a la sequía* | 20, 112, 114, 116, 122, 124, 126 | Bajo | 1 |
30, 90 | Medio | 1,4 | |
40, 50, 60 | Alto | 2 | |
Cobertura vegetal* | 20, 30, 112, 114, 116, 122, 124, 126 | Bajo | 1 |
60, 90 | Medio | 1,8 | |
40, 50 | Alto | 2 |
*Los códigos son la nomenclatura de la base de datos Copernicus Global Land Operations “Vegetation and Energy”
*The codes are the nomenclature of the database Copernicus Global Land Operations “Vegetation and Energy”
2.2.4. Índice de la calidad de manejo (MQI)
⌅Una forma de evaluar el estrés antropogénico sobre el medio ambiente es a través del MQI, expresada en términos de intensidad de la actividad antrópica (Perović et al., 2021Perović, V., Kadović, R., Đurđević, V., Pavlović, D., Pavlović, M., Čakmak, D., Mitrović, M. & Pavlović, P., 2021. Major drivers of land degradation risk in Western Serbia: current trends and future scenarios. Ecological Indicators, 123: 107377. https://doi.org/10.1016/j.ecolind.2021.107377.;Prăvălie et al., 2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.). Las diversas actividades (pastoreo, suministro de agua y una agricultura insostenible) conducen a la degradación de la tierra y la desertificación (Ait Lamqadem et al., 2018Ait Lamqadem, A., Pradhan, B., Saber, H. & Rahimi, A., 2018. Desertification sensitivity analysis using MEDALUS model and GIS: A case study of the oases of middle Draa Valley, Morocco. Sensors, 18: 2230. https://doi.org/10.3390/s18072230.). El MQI se calculó mediante la combinación de cuatro parámetros: intensidad agrícola, política de acción, deslizamiento de tierras y densidad poblacional (Tabla 4). Los mapas de la intensidad agrícola y política de acción se generaron a partir de la base de datos de Copernicus Global Land Operations “Vegetation and Energy”, año 2019 con una resolución espacial de 100 m (Buchhorn et al., 2020Buchhorn, M., Smets, B., Bertels, L., De Roo, B., Lesiv, M., Tsendbazar, N.E., Herold, M. & Fritz, S., 2020. Copernicus global land service: land cover 100m: collection 3, epoch 2019. Globe. [Data set]. https://doi.org/10.5281/zenodo.3939050.). El mapa de deslizamiento de tierras (susceptibilidad por movimientos en masa) se extrajo del estudio del Instituto geológico, minero y metalúrgico del Perú con una escala espacial 1: 2000000 (INGENMET) (Fidel et al., 2010Fidel, L., Villacorta, S., Zavala, B., Vilchez, M., Valderrama, P., Nuñez, S., Luque, G., Rosado, R., Medina, L., Vásquez, J. & Ochoa, M., 2010. Mapa de susceptibilidad por movimientos en masa del Perú. XV Congreso Peruano de Geología, 3(69): 308-311.). La densidad poblacional se calculó de acuerdo al último censo poblacional realizado por el Instituto de Estadística e Informática (INEI) (INEI, 2018INEI, 2018. Peru: crecimiento y distribucion de la poblacion total, 2017. Poblacion censada mas poblacion omitida. Lima, Perú: Instituto Nacional de Estadística e Informática.). Las descripciones y los puntajes de calidad para los parámetros del MQI se asignaron de la siguiente manera: para la intensidad agrícola y política de acción, según Prăvălie et al. (2017Prăvălie, R., Săvulescu, I., Patriche, C., Dumitraşcu, M. & Bandoc, G., 2017. Spatial assessment of land degradation sensitive areas in southwestern Romania using modified MEDALUS method. Catena, 153: 114-30. https://doi.org/10.1016/j.catena.2017.02.011.; 2020a)Prăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407., para el deslizamiento de tierras, según Momirović et al. (2019)Momirović, N., Kadović, R., Perović, V., Marjanović, M. & Baumgertel, A., 2019. Spatial assessment of the areas sensitive to degradation in the rural area of the municipality Čukarica. International Soil and Water Conservation Research, 7(1): 71-80. https://doi.org/10.1016/j.iswcr.2018.12.004. y para la densidad poblacional, de acuerdo con Kosmas et al. (2014)Kosmas, C., Kairis, O., Karavitis, C. Ritsema, C., Salvati, L., Acikalin, M., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, J., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, C., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, M., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging W. & Ziogas, A. 2014. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Environmental Management, 54(5): 951-970. https://doi.org/10.1007/s00267-013-0109-6.. El MQI se calculó con la ecuación 5:
Parámetros | Descripción | Clases | Puntajes de calidad |
---|---|---|---|
Intensidad agrícola* | 20, 90, 112, 114, 116, 122, 124, 126 | Bajo | 1 |
30, 60 | Moderado | 1,5 | |
40, 50 | Alto | 2 | |
Política en acción* | 90, 112, 114 | Bajo | 1 |
20, 30, 116, 122, 124, 126 | Moderado | 1,5 | |
40, 50, 60 | Alto | 2 | |
Deslizamiento | Terreno estable | Muy bajo | 1 |
Pendiente condicionalmente estable | Bajo | 1,4 | |
Deslizamientos de tierra fósiles | Medio | 1,5 | |
Deslizamientos latentes | 1,6 | ||
Deslizamientos activos con proceso de deslizamiento latente | Alto | 1,8 | |
Deslizamientos activos con proceso de deslizamiento presente | Muy alto | 2 | |
Densidad de población | <50 | Bajo | 1 |
50 - 100 | Medio | 1,3 | |
100 - 300 | Alto | 1,7 | |
>300 | Muy alto | 2 |
*Los códigos son la nomenclatura de la base de datos Copernicus Global Land Operations “Vegetation and Energy”
* The codes are the nomenclature of the database Copernicus Global Land Operations “Vegetation and Energy”
2.2.5. Áreas ambientalmente sensibles (ESA)
⌅Las áreas ambientalmente sensibles a la degradación (ESA) se determinaron utilizando los cuatro índices de calidad (SQI, CQI, VQI y MQI), que se integraron en la calculadora de raster de QGIS ver 3.12. El índice de áreas ambientalmente sensibles (ESAI) de la zona estudiada se calculó a partir de la ecuación (6), basada en el enfoque MEDALUS (Kosmas et al., 1999Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp.):
Con base en los valores estimados del ESAI, las clases, rangos de puntuación y los riesgos/ condiciones de las áreas ambientalmente sensibles a la degradación en el área de estudio se describen en la Tabla 5.
Clases | Rango de puntuación | Riesgo/Condición |
---|---|---|
Bajo | 1,00 - 1,22 | Bajo |
Medio | 1,23 - 1,37 | Moderado |
Alto | 1,38 - 1,53 | Alto |
Muy Alto | 1,54 - 2,00 | Grave |
2.2.6 Estado de las áreas ambientalmente sensibles a la degradación del hábitat de L. mirabilis y X. loweryi para la conservación
⌅Para determinar el estado de las áreas ambientalmente sensibles a la degradación de los hábitats de cada especie. Los mapas de las distribuciones idóneas de los hábitats de L. mirabilis (BirdLife International, 2016BirdLife International, 2016. Loddigesia Mirabilis. The IUCN Red List of Threatened Species: E.T22688130A93183168. https://doi.org/10.2305/IUCN.UK.2016-3.RLTS.T22688130A93183168.en.) y X. loweryi (BirdLife International, 2020bBirdLife International, 2020b. Xenoglaux Loweryi. The IUCN Red List of Threatened Species: E.T22689320A180768478. https://dx.doi.org/10.2305/IUCN.UK.2020-3.RLTS.T22689320A180768478.), se descargaron de la IUCN (https://www.iucnredlist.org/). Luego una vez descargadas se superpusieron al mapa del ESAI y de esta manera se obtuvieron las áreas ambientalmente sensibles a la degradación del hábitat de L. mirabilis y X. loweryi. De la misma forma se evaluaron el estado de degradación de los ecosistemas y las áreas naturales protegidas, que geográficamente conforman el área idónea de hábitat de cada especie. El Mapa Nacional de Ecosistemas del Perú se obtuvo del geoservidor del Ministerio del Ambiente (https://geoservidor.minam.gob.pe/recursos/intercambio-de-datos/) (MINAM, 2018bMINAM, 2018b. Mapa Nacional de Ecosistemas del Perú. Lima, Perú: Ministerio del Ambiente.), y las áreas naturales protegidas se descargaron del geoportal del Servicio Nacional de Áreas Naturales Protegidas por el Estado (SERNANP, https://geo.sernanp.gob.pe/visorsernanp/). En general, esto permitió analizar de una manera integrada el estado de hábitat de cada especie en relación a cada ecosistema y área natural protegida.
3. Resultados
⌅3.1. Sobre los parámetros constitutivos de los índices de calidad
⌅Con base en los 17 parámetros geográficos procesados (Figura 2), se obtuvieron cuatro indicadores de calidad (SQI, CQI, VQI y MQI) (Figura 3) que resaltan diferencias espaciales significativas en términos de sensibilidad de la tierra a la degradación en el área de estudio. De acuerdo con los parámetros constitutivos del SQI, en lo que respecta al material parental predomina la calidad media en el área de estudio, representando un 63,82% del territorio. La calidad media del material parental cubre principalmente áreas de montañas, que aún no son intervenidas por el hombre. El material parental del área estudiada presenta formaciones geológicas complejas, predominando las areniscas (Figura 2a) (más detalle suplementario Tabla A1). Por otro lado, las pendientes del terreno van desde casi niveladas a mayores al 60% de inclinación (Figura 2b). En lo que respecta al contenido de materia orgánica en el área de estudio, predomina la calidad media, lo cual contribuye a que los suelos no sean muy pobres en nutrientes para los cultivos de la zona (Figura 2c). Particularmente las clases texturales del suelo que predominan en el área de estudio son: los francos arcillosos, francos arcillosos limosos y francos arenosos (Figura 2d), y presentan características de estructura granular fina y permeabilidad moderadamente lenta.
En lo que respecta a los parámetros constitutivos del CQI, el índice de aridez, las tierras más áridas se localizan al Oeste y representan el 32,77 % del territorio, con presencia de bosques estacionalmente secos interandinos y lo que resta del territorio el 67,23 % son tierras húmedas, distribuidas al Este y están conformadas por bosques montanos y basimontanos de Yunga (Figura 2e). El área de estudio está sujeta a una erosividad de muy baja a muy alta (Figura 2f) y la erosividad tiende aumentar en pendientes altas. En cuanto al aspecto del terreno, el rango de clasificación va desde bajo a alto, esto favorece el crecimiento de la vegetación en los diferentes gradientes en el área de estudio, pero también facilita el proceso de erosión del suelo (Figura 2g). Las precipitaciones oscilan entre 300 mm a 3.000 mm que conducen a una mayor erosión del suelo (Figura 2h). Además, otro factor como el viento, con velocidades mayores a los 10 m/s, favorece este proceso (Figura 2i).
En tanto, los parámetros constitutivos del VQI, en lo que respecta al parámetro riesgo de incendio un total del 91,45 % del territorio se califica en calidad de alto riesgo (Figura 2j). Un total del 10 % del área de estudio se califica en calidad media a muy alta de deficiencias de protección contra la erosión del suelo (Figura 2k). En el área de estudio existe aún una buena resistencia a la sequía mayor al 90 % del territorio (Figura 2l) y más del 80 % de las coberturas vegetales se califican en buena calidad (Figura 2m).
Finalmente, los parámetros constitutivos del MQI, la intensidad agrícola es calificada como intensidad baja en gran parte del territorio (Figura 2n), y existe una política de acción moderada (Figura 2o). En cuanto al parámetro deslizamiento, el área presenta terrenos estables y deslizamientos latentes (Figura 2p). La densidad poblacional no es predominante geográficamente en el área de estudio (Figura 2q).
3.2. Evaluación espacial de índices de calidad
⌅En cuanto al primer indicador, SQI, del área total reporta que el 93,88 % (84.832,67 km2) se encuentra en calidad moderada, seguida por una calidad baja de 3,83 % (3.457,24 km2) y calidad alta de 2,29 % (2.068,23 km2) (Tabla 6). La calidad moderada, es la más representativa y cubre principalmente áreas agrícolas (sembríos de café, cacao, arroz, papas, maíz), pastos para la crianza de ganadería extensiva, como también bosques frágiles (bosques intervenidos antrópicamente) (Figura 3a). Mientras que la calidad baja, abarca áreas que un principio eran bosques (bosques altimontanos, bosques montanos y basimontano de Yunga, bosques secos) y que han sido transformadas a otros usos de suelos para desarrollar una agricultura más intensiva (Figura 3a). Los espacios de la calidad alta son comparativamente pequeños, con muy poca representatividad en el área de estudio (Figura 3a).
El análisis del CQI, reveló que, del área de estudio, el 99,05 % (89.497,41 km2) es de calidad moderada, el 0,84 % (756,31km2) de calidad alta y el 0,12 % (104,41 km2) de calidad baja con respecto al área total (Tabla 6).
Indicador | Descripción de calidad | Rango de puntuación | Área total (km2) | Área total (%) |
---|---|---|---|---|
SQI | Alto | <1,13 | 2.068,23 | 2,29 |
Moderado | 1,13 - 1,45 | 84.832,67 | 93,88 | |
Bajo | >1,46 | 3.457,24 | 3,83 | |
CQI | Alto | <1,15 | 756,31 | 0,84 |
Moderado | 1,15 - 1,81 | 89.497,41 | 99,05 | |
Bajo | >1,81 | 104,41 | 0,12 | |
VQI | Alto | <1,13 | 213,34 | 0,24 |
Moderado | 1,13 - 1,38 | 89.437,97 | 98,98 | |
Bajo | >1,38 | 706,82 | 0,78 | |
MQI | Alto | 1 - 1,25 | 76.410,62 | 84,56 |
Moderado | 1,26 - 1,50 | 13.179,67 | 14,59 | |
Bajo | >1,51 | 767,85 | 0,85 |
El mapa ilustra las tres calidades del CQI desde la calidad baja hasta a alta. Las áreas de la calidad moderada, se distribuyen geográficamente en todo el territorio (Figura 3b). La calidad baja del clima abarca la parte central y la calidad alta el Sur del área de estudio (Figura 3b).
Los resultados del VQI (Figura 3c), muestran que el 98,98 % (89.437,97 km2) del área de estudio se encuentra en calidad moderada, el 0,78% (706,82 km2) en calidad baja y el 0,24 % (213,34 km2) en calidad alta con respecto al área total (Tabla 6). La calidad moderada, está expuesta constantemente a la degradación, en su mayoría estas áreas están conformadas por tierras de agricultura, extensiones de pastos para la crianza de ganadería y bosques que cada día son deforestados. La alta calidad vegetativa, aún no son intervenidas de forma antrópica. La calidad moderada de la vegetación se extiende en toda el área de Sur a Norte y la calidad alta y baja, no tiene visibilidad en el mapa, por ser áreas pequeñas (Figura 3c).
El MQI, indica que el 84,56 % (76.410,62 km2) del área de estudio se caracteriza por una calidad alta que se distribuye por zonas con poca intervención humana, bosques que están conservados bajo diversas modalidades de Áreas Naturales Protegidas (ANP), establecidas por el gobierno nacional, regional y local (Figura 3d). El 14,59 % (13.179,67 km2) del territorio presenta una gestión moderada y se localiza generalmente una agricultura más intensiva y centros urbanos (Figura 3d). Por otro lado, solo el 0,85 % (767,85 km2) reporta una baja calidad de gestión y se localiza en suelos desnudos y cultivos urbanos.
3.3. Índice de áreas ambientalmente sensibles (ESAI)
⌅De la evaluación del ESAI del área de estudio, se encontró que el 62,14 % del área total está en riesgo moderado a la degradación, seguida de las áreas de riesgo bajo (34,33 %), alto (3,45 %) y grave (0,08 %) (Tabla 7). El mapa presenta las cuatro categorías de riesgos, a saber, el riesgo moderado se distribuye por toda el área de estudio en donde se encuentran tierras de cultivos agrícolas, bosques primarios (Bosque montano, basimontano, altimontano de Yunga, bosques de colina baja y alta, bosques estacionalmente secos interandino y oriental), matorrales andinos, pastizales/Herbazales, jalca y vegetación secundaria (Figura 4a). Los riesgos de las clases alta y grave están en zonas céntricas del área de estudio, donde se encuentran centros urbanos. El crecimiento urbano ha sido la causa principal de la pérdida de bosques primarios y la degradación del suelo en el área de estudio (Figura 4a). El riesgo bajo de degradación se localiza mayormente al Este del territorio, son áreas alejadas con poca intervención humana.
Índice | Riesgo/Condición | Área total (km2) | Área total (%) |
---|---|---|---|
ESAI | Baja | 31.022,07 | 34,33 |
Moderada | 56.148,76 | 62,14 | |
Alta | 3.115,16 | 3,45 | |
Grave | 72,14 | 0,08 |
3.4. Estado actual de la distribución idónea del hábitat de L. mirabilis y X. loweryi para la conservación
⌅La distribución idónea de hábitat de L. mirabilis en el área de estudio fue de 1.775, 57 km2. El 78,40 % de la superficie idónea del hábitat presenta una degradación de riesgo moderado, el 13,52 % degradación de alto riesgo, el 7,77% degradación de bajo riesgo y el 0,31 % degradación grave del hábitat (Tabla 8). Por otro lado, la distribución idónea de hábitat de X. loweryi en el área de estudio fue de 1. 627,02 km2, de ello, se encontró que la degradación del hábitat de la especie el 87,84% presenta un riesgo moderado, seguida por un riesgo bajo (10,81%), alto (1,35%) y grave (0,01%) (Tabla 8).
Riesgo/Condición | Loddigesia mirabilis | Xenoglaux loweryi | ||
---|---|---|---|---|
Km2 | % | Km2 | % | |
Baja | 137,90 | 7,77 | 175,82 | 10,81 |
Moderada | 1392,12 | 78,40 | 1429,16 | 87,84 |
Alta | 240,08 | 13,52 | 21,90 | 1,35 |
Grave | 5,47 | 0,31 | 0,13 | 0,01 |
El ecosistema de L. mirabilis está conformado por unidades funcionales de Bosque altimontano (Pluvial) de Yunga (B-aY), Bosque basimontano de Yunga (B-bY), Bosque montano de Yunga (B-mY), Jalca (Jal), Pastizales/Herbazales (P/H), Vegetación Secundaria (Vsec), Zonas agrícolas (Agri), lagos y lagunas (L). Sin embargo, las diversas actividades antrópicas insostenibles en el área de estudio, son causantes de que las unidades funcionales sean más susceptibles al proceso de degradación, por tanto, el B-mY (25,07 %), B-aY (23,10 %) y Jal (12,52 %) son las unidades funcionales con mayores porcentajes de áreas de degradación en riesgo moderado. El B-aY (3,90 %), los P/H (1,34 %) y la Vsec (1,04 %), tienen una mayor representatividad de áreas degradadas calificadas como riesgo bajo. Los P/H (7,40 %) y la Vsec (3,23 %), contienen las mayores áreas degradadas calificadas como alto riesgo. Finalmente, las áreas graves aun no son representativas en las unidades funcionales del ecosistema de L. mirabilis (Figura 5a).
La distribución idónea de hábitat de L. mirabilis, abarca 365,47 Km2 la modalidad de Áreas de Conservación Privadas (ACP), de las cuales, el 86,99 % de las superficies están en riesgo moderado de degradación, seguida por un riesgo bajo de degradación (7,48 %) y por último un riesgo alto de degradación (5,53 %) (Figura 6). Mientras que, la distribución idónea de hábitat de X. loweryi abarca Bosques de protección (BP), Santuario Nacional (SN), Áreas de Conservación Regional (ACR) y Áreas de Conservación Privadas (ACP) con superficies de 568,20 km2, 82,12 km2, 33,97 km2, y 271,72 km2, respectivamente. En las superficies de conservación de X. loweryi, predomina el riesgo moderado de degradación principalmente en los BP (89,56 %), SN (86,41 %), ACR (65,72 %) y ACP (79,80 %). Así mismo, las áreas naturales protegidas que tienen los mayores porcentajes de riesgo bajo de degradación son los BP (10,19 %), SN (10,02 %), ACR (34,28 %) y ACP (18,03 %). Las áreas clasificadas como riesgo alto y grave de degradación, no son muy representativas en las áreas de conservación de X. loweryi (Figura 6).
Por otro lado, los ecosistemas de las áreas de distribución de X. loweryi están conformadas por las mismas unidades funcionales que el ave L. mirabilis, a diferencia no presenta lagos y lagunas (L). Por lo tanto, el B-mY (54,66 %) y B-aY (24,80 %) son las unidades funcionales de mayor degradación en riesgo moderado. Asimismo, los B-aY (8,39 %) y B-mY (1,68 %), tienen una mayor representatividad de áreas degradadas calificadas como riesgo bajo. La Ja (0,59 %), P/H (0,28 %), B-mY (0,27 %) y la Vsec (0,13 %), contienen las mayores áreas de degradación de alto riesgo. Finalmente, las áreas graves aun no son representativas en las unidades funcionales del ecosistema de X. loweryi (Figura 5b).
4. Discusión
⌅Los resultados de este estudio en su conjunto muestran que, entre las áreas ambientalmente sensibles analizadas, más del 60 % del territorio se clasifica como sensible a una degradación moderada. Esta clasificación puede ser debido a que las áreas de los cuatro índices de calidad (SQI, CQI, VQI y MQI) que conforman al ESAI están también en gran medida bajo esta clasificación. Este hallazgo confirma el papel positivo de los bosques y otras tierras boscosas para prevenir el proceso de degradación en el área de estudio, pero al mismo tiempo es un indicador de alerta temprana para aplicar un manejo adecuado de los bosques y pastizales (Salvati et al., 2015Salvati, R., Salvati, L., Corona, P., Barbati, A. & Ferrara, A., 2015. Estimating the sensitivity to desertification of Italian forests. IForest, 8: 287-294. https://doi.org/10.3832/ifor1111-008.). Por otro lado, utilizar los índices de calidad que a la vez derivan de los parámetros, ayudan a entender cuáles son los parámetros desencadenantes a la degradación en un determinado momento (Ait Lamqadem et al. 2018Ait Lamqadem, A., Pradhan, B., Saber, H. & Rahimi, A., 2018. Desertification sensitivity analysis using MEDALUS model and GIS: A case study of the oases of middle Draa Valley, Morocco. Sensors, 18: 2230. https://doi.org/10.3390/s18072230.). Por lo tanto, si analizamos los parámetros que constituyen a los índices de calidad, en cuanto al SQI, el parámetro más desencadenante y posiblemente el más importante de la degradación de este índice es la pendiente que se clasifica de baja a alta, debido a que el área de estudio presenta pendientes desde llanas a muy empinadas. Otros estudios sostienen también que las pendientes muy empinadas contribuyen al proceso de la degradación del suelo, la erosión y deslizamientos de tierras (Bouabid et al., 2010Bouabid, R., Rouchdi, M., Badraoui, M., Diab, A. & Louafi, S., 2010. Assessment of land desertification based on the MEDALUS approach and elaboration of an action plan: the case study of the Souss river basin, Morocco. In: Zdruli P., Pagliai M., Kapur S., Faz Cano, A. (eds.), Land degradation and desertification: assessment, mitigation and remediation, Dordrecht, Netherlands: Springer. 131-145 pp. https://doi.org/10.1007/978-90-481-8657-0_10.; Kosmas et al., 2014Kosmas, C., Kairis, O., Karavitis, C. Ritsema, C., Salvati, L., Acikalin, M., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, J., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, C., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, M., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging W. & Ziogas, A. 2014. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Environmental Management, 54(5): 951-970. https://doi.org/10.1007/s00267-013-0109-6.; Prăvălie et al., 2020aPrăvălie, R., Patriche, C., Săvulescu, I., Sîrodoev, I., Bandoc, G. & Sfîcă, L., 2020a. Spatial assessment of land sensitivity to degradation across Romania. A quantitative approach based on the modified MEDALUS methodology. Catena, 187: 104407. https://doi.org/10.1016/j.catena.2019.104407.).
En lo que respecta al CQI, el parámetro que constituye a este índice y el que posiblemente contribuye más a la degradación en el área de estudio, es la erosividad clasificada desde muy baja a muy alta, sumado a las precipitaciones constantes (Kosmas et al., 2014Kosmas, C., Kairis, O., Karavitis, C. Ritsema, C., Salvati, L., Acikalin, M., Alcalá, M., Alfama, P., Atlhopheng, J., Barrera, J., Belgacem, A., Solé-Benet, J., Brito, J., Chaker, M., Chanda, R., Coelho, C., Darkoh, M., Diamantis, I., Ermolaeva, O., Fassouli, V., Fei, W., Feng, J., Fernandez, F., Ferreira, A., Gokceoglu, C., Gonzalez, D., Gungor, H., Hessel, R., Juying, J., Khatteli, H., Khitrov, N., Kounalaki, A., Laouina, A., Lollino, P., Lopes, M., Magole, L., Medina, L., Mendoza, M., Morais, P., Mulale, K., Ocakoglu, F., Ouessar, M., Ovalle, C., Perez, C., Perkins, C., Pliakas, F., Polemio, M., Pozo, A., Prat, C., Qinke, Y., Ramos, A., Ramos, J., Riquelme, J., Romanenkov, V., Rui, L., Santaloia, F., Sebego, M., Sghaier, M., Silva, N., Sizemskaya, M., Soares, J., Sonmez, H., Taamallah, H., Tezcan, L., Torri, D., Ungaro, F., Valente, S., de Vente, J., Zagal, E., Zeiliguer, A., Zhonging W. & Ziogas, A. 2014. Evaluation and selection of indicators for land degradation and desertification monitoring: methodological approach. Environmental Management, 54(5): 951-970. https://doi.org/10.1007/s00267-013-0109-6.; Lahlaoi et al., 2017Lahlaoi, H, Rhinane, H., Hilali, A., Lahssini, S. & Moukrim, S., 2017. Desertification Assessment Using MEDALUS Model in Watershed Oued El Maleh, Morocco. Geosciences, 7(3): 50. https://doi.org/10.3390/geosciences7030050 ). En ese sentido, la precipitación es considerado el parámetro más importante que afecta la degradación de la tierra y la desertificación, ya que controla el drenaje y la capacidad hídrica del suelo (Kosmas et al., 1999Kosmas, C., Ferrara, A., Briassouli, H. & Imeson, A., 1999. Methodology for mapping Environmentally Sensitive Areas (ESAs) to Desertification. In: C. Kosmas, M. Kirkby & N. Geeson (eds.) The Medalus project Mediterranean desertification and land use. Manual on key indicators of desertification and mapping environmentally sensitive areas to desertification. Luxemburg, Luxemburg: Office for Official Publications of the European Communities. 31-47pp.; Lee et al., 2019Lee, E.J., Piao, D., Song, C., Kim, J., Lim, C.H., Kim, E., Moon,J., Kafatos, M., Lamchin, M., Jeon, S.W. & Lee, W.K., 2019. Assessing environmentally sensitive land to desertification using MEDALUS method in Mongolia. Forest Science and Technology, 15(4): 210-220. https://doi.org/10.1080/21580103.2019.1667880.). En lo referente al VQI, el área de estudio más del 80% de superficie aún mantiene la cubierta vegetal, sin embargo, las actividades antrópicas las vuelve más vulnerable a la degradación. Específicamente, la actividad principal en el área de estudio está representada por la agricultura tradicional (sembríos de papa, cacao, café, arroz) (Leiva-Espinoza et al., 2021Leiva-Espinoza, S., Oliva-Cruz, M., Rubio, K. & Milla-Pino, M., 2021. Caracterización de Las Unidades Agropecuarias de la provincia de Rodríguez de Mendoza Amazonas, Perú. Agricultura Sociedad y Desarrollo, 17(4): 667-678.; Salas López et al., 2020Salas López, R., Gómez Fernández, D., Silva López, J.O., Rojas Briceño, N.B., Oliva, M., Terrones Murga, R.E., Iliquín Trigoso, D., Barboza Castillo, E. Barrena Gurbillón, M.A., 2020. Land suitability for coffee (Coffea Arabica) growing in Amazonas, Peru: integrated use of AHP, GIS and RS. ISPRS International Journal of Geo-Information, 9(11): 1-21. https://doi.org/10.3390/ijgi9110673.; Oliva et al., 2020Oliva, M., Rubio, K., Epquin, M., Marlo, G. & Leiva, S., 2020. Cadmium uptake in native cacao trees in agricultural lands of Bagua, Peru. Agronomy, 10(10): 1551. https://doi.org/10.3390/agronomy10101551.; Iliquín Trigoso et al., 2020Iliquín Trigoso, D., Salas López, R., Rojas Briceño, N.B., Silva López, J.O., Gómez Fernández, D., Oliva, M., Quiñones Huatangari, L., Terrones Murga, R.E., Barboza Castillo, E., & Barrena Gurbillón, M.A., 2020. Land suitability analysis for potato crop in the Jucusbamba and Tincas microwatersheds (Amazonas, NW Peru): AHP and RS-GIS approach. Agronomy, 10(12): 1898. https://doi.org/10.3390/agronomy10121898.), y migratoria (Oliva et al., 2017Oliva, M., Maicelo, J.L. & Bardales, W., 2017. Propiedades fisicoquímicas del suelo en diferentes estadios de la agricultura migratoria en el área de conservación privada ‘Palmeras de Ocol’, distrito de Molinopampa, provincia de Chachapoyas (Departamento de Amazonas). Revista de Investigación de Agroproducción Sustentable, 1(1): 9-21. https://doi.org/10.25127/aps.20171.344.). Otra problemática de la actividad agrícola peruana esta se realiza con una delimitada planificación del territorio sin considerar su capacidad de uso mayor del suelo, lo que provoca conflictos de uso (Salas López et al., 2020Salas López, R., Gómez Fernández, D., Silva López, J.O., Rojas Briceño, N.B., Oliva, M., Terrones Murga, R.E., Iliquín Trigoso, D., Barboza Castillo, E. Barrena Gurbillón, M.A., 2020. Land suitability for coffee (Coffea Arabica) growing in Amazonas, Peru: integrated use of AHP, GIS and RS. ISPRS International Journal of Geo-Information, 9(11): 1-21. https://doi.org/10.3390/ijgi9110673.; Rojas Briceño et al., 2019Rojas Briceño, N. B., Barboza Castillo, E., Maicelo Quintana, J. L., Oliva Cruz, S.M. & Salas López, R., 2019. Deforestación en la Amazonía peruana : índices de cambios de cobertura y uso del suelo basado en SIG. Boletín de La Asociación de Geógrafos Españoles, 81, 2538: 1-34. https://doi.org/10.21138/bage.2538a.; Iliquín Trigoso et al., 2020Iliquín Trigoso, D., Salas López, R., Rojas Briceño, N.B., Silva López, J.O., Gómez Fernández, D., Oliva, M., Quiñones Huatangari, L., Terrones Murga, R.E., Barboza Castillo, E., & Barrena Gurbillón, M.A., 2020. Land suitability analysis for potato crop in the Jucusbamba and Tincas microwatersheds (Amazonas, NW Peru): AHP and RS-GIS approach. Agronomy, 10(12): 1898. https://doi.org/10.3390/agronomy10121898.). En ese sentido, es importante la priorización de las áreas menos degradadas mediante proyectos y programas, para seguir preservando su calidad, debido a que implica menos gastos económicos en la restauración (Bouabid et al., 2010Bouabid, R., Rouchdi, M., Badraoui, M., Diab, A. & Louafi, S., 2010. Assessment of land desertification based on the MEDALUS approach and elaboration of an action plan: the case study of the Souss river basin, Morocco. In: Zdruli P., Pagliai M., Kapur S., Faz Cano, A. (eds.), Land degradation and desertification: assessment, mitigation and remediation, Dordrecht, Netherlands: Springer. 131-145 pp. https://doi.org/10.1007/978-90-481-8657-0_10.).
Por otro lado, de la totalidad de la idoneidad del hábitat de L. mirabilis, más del 70% se encuentra en riesgo moderado de degradación. Asimismo, las unidades funcionales de los ecosistemas que conforman el hábitat de la especie están en proceso de degradación, principalmente los P/H y la Vsec. De igual manera, para X. loweryi, más del 80 % de la superficie de la idoneidad de hábitat de la especie predomina el riesgo moderado de degradación. La Ja, P/H, B-mY y la Vsec, contienen los mayores porcentajes de áreas de degradación de riesgo alto para X. loweryi. Por lo tanto, estas zonas de pastizales/herbazales, de vegetación secundaria “purma”, áreas que fueron deforestadas y convertidas a pastos cultivados, las personas no intervienen con actividades en estas áreas por un determinado número de años hasta que el suelo retorne la fertilidad natural, para ser nuevamente integradas a la actividad agropecuaria (MINAM, 2019MINAM, 2019. Mapa Nacional de Ecosistemas del Perú - Memoria Descriptiva. Lima, Perú: Ministerio del Ambiente.). Por lo que, los hábitats de las dos especies se encuentran fragmentadas y degradadas y esto las expone a un mayor riesgo de extinción, además por ser especies endémicas con distribuciones restringidas a rangos altitudinales estrechos (David et al., 2018David, S., Jankowski, J.E. & Londoño, G.A. 2018. Combining multiple sources of data to uncover the natural history of an endemic andean hummingbird, the peruvian Piedtail (Phlogophilus Harterti). Journal of Field Ornithology, 89(4): 315-325. https://doi.org/10.1111/jofo.12275.; Lane & Angulo, 2018Lane, D.F. & Angulo, C.F., 2018. The Distribution, Natural history, and status of the Long-whiskered Owlet (Xenoglaux Loweryi). Wilson Journal of Ornithology, 130(3): 650-657. https://doi.org/10.1676/17-061.1.). Asimismo, la pérdida de los bosques produce reducciones en la riqueza, cambios profundos en la composición de la comunidad y pérdida de especies de interés para la conservación (Durães et al., 2013Durães, R., Carrasco, L., Smith, T.B. & Karubian, J., 2013. Effects of forest disturbance and habitat loss on avian communities in a Neotropical biodiversity hotspot. Biological Conservation, 166: 203-211. https://doi.org/10.1016/j.biocon.2013.07.007.).
Como parte de intervención del gobierno y ONGs, para la conservación de hábitats críticos para aves amenazadas, como L. mirabilis y X. loweryi, se crearon ANP (Lo & Monteferri, 2014Lo, J. & Monteferri, B., 2014. Conservamos por naturaleza. 10 años promoviendo la conservación privada en el Perú. Lima, Perú: Sociedad Peruana de Derecho Ambiental.; Monteferri, 2019Monteferri, B., 2019. Áreas de conservación privada en el Perú: avances y propuestas a 20 años de su creación. Lima, Perú: Sociedad Peruana de Derecho Ambiental.). Sin embargo, se encontró que estas ANP que actualmente protegen territorialmente a L. mirabilis y X. loweryi, están en proceso de degradación y predomina el riesgo moderado de degradación. Si bien no predominan los riesgos de alta y grave degradación, los resultados de este estudio podrían funcionar como una alerta temprana para ayudar en la gestión de la conservación de estas ANP y la biodiversidad que se encuentra en ella. Es importante mencionar que la representación de todas las especies y hábitats en un sistema de áreas protegidas no garantiza la viabilidad a largo plazo cuando se desconocen los tamaños mínimos viables de las poblaciones y los patrones demográficos, y cuando los riesgos e impactos de las perturbaciones humanas persistentes, como la minería, la tala y la caza, están aumentando (Thiollay, 2002Thiollay, J.M., 2002. Bird diversity and selection of protected areas in a large Neotropical forest tract. Biodiversity and Conservation, 11(8): 1377-1395. https://doi.org/10.1023/A:1016269813160.). Como estrategia de conservación, sobre las ANP se deben superponer patrones espaciales de prioridades de conservación para asegurar su persistencia a lo largo del tiempo y minimizar los conflictos con las actividades humanas como estrategia de conservación útil (Cristaldi et al., 2019Cristaldi, M.A., Sarquis, J.A., Arzamendia, V., Bellini, G.P. & Giraudo, A.R., 2019. Human activity and climate change as determinants of spatial prioritization for the conservation of globally threatened birds in the southern neotropic (Santa Fe, Argentina). Biodiversity and Conservation, 28(10): 2531-2553. https://doi.org/10.1007/s10531-019-01774-z.).
Estudios futuros se recomienda evaluar el estado del hábitat de las especies mediante la instalación de parcelas permanentes y ser monitoreadas periódicamente, así mismo incorporar más especies endémicas que contribuyan de una forma más integra para la toma de decisiones para la conservación de la fauna.
5. Conclusiones
⌅De la evaluación del ESAI en los departamentos de Amazonas y San Martín, se encontró que predomina el riesgo moderado de las áreas ambientalmente sensibles a la degradación. La distribución idónea del hábitat actual de L. mirabilis y X. loweryi, también predomina el riesgo moderado de las áreas ambientalmente sensibles a la degradación. Asimismo, el riesgo moderado predomina a las unidades funcionales de los ecosistemas y las ANP las que se superponen geográficamente al hábitat de ambas especies. Por lo tanto, estos hallazgos son una alerta temprana, pero hacemos hincapié en que se efectúe una agricultura más sostenible en el área de estudio, conjuntamente apoyado de asesoramiento técnico del gobierno, para mitigar el deterioro de las tierras agrícolas y a la vez controlar el establecimiento de nuevas parcelas pastos y cultivos, que esto conlleva a la deforestación de bosques y la pérdida del hábitat de L. mirabilis y X. loweryi. La conservación de las áreas ambientalmente sensibles a la degradación de los hábitats en riesgo bajo y moderado, dependerá de las actividades que desarrollen las personas y las acciones que se tomen por parte del gobierno como la restauración, para mitigar el deterioro del hábitat y de esta manera las áreas de riesgo alto y grave no aumenten.