Metodología para la Estimación de Vulnerabilidad en Ecuador, Perú y Bolivia

Introducción

Los Ecosistemas andinos, conformado por puna, páramo y bosque altoandino, prestan múltiples servicios ecosistémicos, siendo los más significativos la provisión y regulación del agua y almacenamiento de carbono (Cuesta, et al 2012). Los Andes Tropicales albergan los ecosistemas tropicales de altura más diversos del mundo, con más de 45.000 plantas vasculares, 20.000 de ellas endémicas, y 3.400 especies de vertebrados, de donde casi el 50% son endémicos, todo ello en apenas el 1% de la Tierra (Myers, 2000  & Cuesta, et al 2012). La funcionalidad y riqueza del ecosistema lo configura la biodiversidad del mismo, y estos ecosistemas se caracterizan precisamente por contar con una gran biodiversidad (Aguirre et al., 2002, Cuesta, et al. 2012, Herzog et al., 2012). Existe un vacío importante de conocimiento que vincule la biodiversidad con la provisión de servicios sistémicos en su conjunto (Tobón, 2009 ), es decir, en general a la hora de cuantificar los servicios que se prestan desde el ecosistema se contabilizan individualmente, sin tener en cuenta incertidumbres, interacciones y dinámicas del ecosistema. Es necesario por tanto un enfoque sistémico, basándose en análisis dinámicos más que estáticos. En este aspecto se ven necesarios más procesos de acercamiento basados en múltiples servicios, garantizando la prevalencia a la magnitud de cambios medioambientales (Nicholson, 2009). Es por ello que en la presente investigación se selecciona una suerte de variables y parámetros de susceptibilidades y capacidades adaptativas claves, indicativas y accesibles, con el fin de conseguir el grado de vulnerabilidad de ecosistemas holístico a partir de una completa matriz de variables. La selección de variables se da a partir de un análisis previo de la componente climática con escenarios futuros modelados en el presente proyecto. Todas las variables seleccionadas tienen una representación cartográfica tal como se haya hecho en estudios anteriores (Cuesta, et al 2012, Bièvre, et al, 2012 & Bravo, 2009) y presentes (Coronel, V., et al 2014).

El ecosistema altoandino sufre una importante degradación, alteración del flujo hidrológico y del suelo (Buytaert, 2006, Sierra, 2013, Cuesta, et al 2013), por lo que el presente documento toma como premisa la consideración de la vulnerabilidad resultante en la políticas futuras de la región altoandina. Garantizar el mantenimiento de los servicios ecosistémicos en los Andes en el contexto de la incertidumbre asociada al cambio climático es el gran desafío para tomadores de decisión en la región (CONDESAN, SGCAN 2012). Pasa a ser por tanto la protección de estos ecosistemas una necesidad emergente a contemplarse en las políticas internacionales por la necesidad de adaptación al cambio climático (Hannah, 2013 , Alexander, et al 2013  & IPCC, 2007 ).

Una de las consecuencias de un cambio de tendencias climáticas podría ser en principio la reducción en la productividad agraria. Con esto se potencia la expansión de los cultivos cercanos a hábitat naturales prístinos, debido a que los agricultores tratarían presumiblemente de compensar las pérdidas incrementando el área para la producción agropecuaria (Tumer, 2010 , & Hannah, et al 2013 , De Haan, 2010 ). Las actividades económicas y sistemas productivos agropecuarios tienden a replegarse (…) en terrenos con mayor altitud, marcada pendiente y propensa a la erosión (Eguren & Cancino, 1999; Rubio, 2008 ), con lo que el frágil suelo que hace la función de sumidero de carbono y regulación hídrica esencial se ve afectada gravemente así como la biodiversidad  y especies endémicas con un rango de distribución restringido en estos ecosistemas (Llambí et al 2014 ; Kattan et al. 2004 ). La estimulación de agricultura y ganadería semi-intensiva en la puna y el desarrollo de pastizales adecuados para la crianza de ganado vacuno, vicuñas y alpacas influye en que esta zona sea una de las más pobladas de toda la puna (Josse et al. 2009 & Cuesta et al. 2013).

En el presente análisis se define un valor de vulnerabilidad de los ecosistemas clasificado por una parte las variables de susceptibilidades y por  otra las de capacidades adaptativas, todas ellas por países, pasando a nutrir la fórmula final de vulnerabilidad que se haya trabajado en análisis similares adaptados al cambio climático (IPCC 2012). 

 

Área de Estudio   

El páramo y la puna son ecosistemas prístinos de referencia en la región altoandina (Bièvre, et al, 2012) en los tres países donde se desarrolla el estudio; Ecuador, Perú y Bolivia Figura 1. Por una parte, el páramo es un ecosistema natural sobre el límite de bosque cerrado en los Andes del Norte, dominado por pajonales, rosetales, arbustales, humedales y pequeños bosquetes. Es un ecosistema de clima frío muy frágil a los cambios en el uso de la tierra (Vásconez & Hofstede, 2006). La puna por otra parte lo conforman una suerte de ecosistemas xerofíticos o secos y mesofíticos o húmedos (Navarro, 2011), pasando por el pajonal yungueño, arbustales y matorrales montanos semidecíduos y decíduos (Cuesta, et al. 2012 ).  No se tendrá en cuenta  la altitud como elemento unilateral para delimitar los ecosistemas de estudio, pues existen acepciones microclimáticas y orográficas que condicionan la categorización (Rangel, 2000 ). Es evidente que la heterogeneidad biofísica, climática, ambiental y social, su ubicación geográfica y el estado en el cual se encuentran los páramos y punas, no admiten criterios únicos que permitan delimitar estos ecosistemas y sectorizar las actividades y usos del espacio.

Para definir los límites del área de estudio se emplea la cobertura de ecosistemas de la Comunidad Andina (CAN ). Una vez seleccionados los ecosistemas asociados al páramo y la puna se genera un buffer con un área de amortiguación de 500 metros a partir del límite de estudio (Cavallaro, et al 2010 ), con el fin de apreciar tendencias del contorno y obtener información al mismo tiempo del bosque altoandino, ecotono en el cual los factores bioclimáticos y el gradiente adiabático generan una mayor influencia gradualmente (Velástegui, 2010 ; Navarro, 2011; Josse, et al 2009 & Cuesta et al 2012). La distancia elegida como zona de influencia se aplica en otros estudios de ecosistemas (Shuttlewoth , et al 2010  & Luttmann, 2012 ) y organismos comunitarios como la Comisión Europea en el ámbito de la investigación del impacto de la frontera agraria en los complejos ecológicos (Steenmans C. & Pinborg 2000 ). 

La escala de las coberturas dista considerablemente entre países. Por el contrario, dentro de las coberturas por países se emplean coberturas con un mismo escalado, resultando un dato más veraz de acuerdo a los posibles errores de representación. En el ejemplo de Ecuador las coberturas se encuentran a escala 1:250.000 en su mayoría, mientras que en Bolivia se han trabajado predominantemente con escalas de 1:1000000 a nivel nacional. Partiendo de una homogeneización de escala para aquellas coberturas de distinto escalado, el error se minimiza en los análisis por países, originando una salida acorde al nivel de detalle empleado por las instituciones de cada país.

Se opta finalmente por otorgar una referencia base a partir del ecosistema paramuno y de puna, no estrictamente porque sea la entidad que deba regir el manejo de la protección de su territorio en primera y última instancia, sino más bien por ser un foco de análisis y referencia básico a la hora de determinar las vulnerabilidades. Así mismo, cualquiera que sea la unidad geográfica de análisis, lo importante es que esta funcione efectivamente como una unidad de conservación (Olson y Diner¬stein 1998; Pierce, et al. 2005).

Área de estudio

Bases para la aproximación metodológica

Un modelo “perfecto” sería aquel que constituya un “espejo” del mundo real, por lo que para su construcción se requerirían todas las variables que intervienen en tiempo y espacio para la conformación de ese mundo real, lo cual es imposible, por lo que para la elaboración de un modelo con alto grado de similitud con el problema planteado se necesita un proceso de simulación donde se incluyan variables que cumplan dos requisitos indispensables: un alto grado de relación con el problema a analizar (el problema analizar esté en función de esa variable) y la accesibilidad a ellas en los términos del requerimiento (formato, escala, etc). 

Para el cálculo de vulnerabilidad de los ecosistemas altoandinos se genera un cálculo y posterior salida cartográfica a partir de distintos software de Sistemas de Información Geográfica (SIG). Para ello ha de entenderse a la vulnerabilidad como elemento paralelo a la exposición y eventos extremos, envueltas en el contexto del desarrollo socioeconómico y la componente climática, figura 6.1. Algunos autores ven fundamental la integración entre las causas principales de vulnerabilidad y capacidad adaptativa en materia del impacto del cambio climático (O’Brien et al. 2004  & Birkmann, et al 2013).  En el presente trabajo, como complemento  a ello se propone estimar los distintos niveles de vulnerabilidad, susceptibilidad y capacidad adaptativa a través de cálculos que resulten en una visualización del complejo mosaico resultante, presumiblemente más cercano a la realidad. De esta manera se puede obtener la vulnerabilidad cifrada en rangos, intensidad o índices que muestren distintos niveles resultantes como se haya perseguido anteriormente en análisis similares (Birkmann, et al 2013; IPCC, 2012 Smyth, et al 2004 ; Parson, et al 2007; Simanovic, 2010 ; Morgan et al, 2009 ).

SREX.png

Esquema de la interacción entre la vulnerabilidad, exposición y los eventos meteorológicos extremos. Todo ello más los factores sociales y la componente climática dan lugar a una visualización del riesgo latente o emergente hacia el ecosistema. Fuente: IPCC (2014) actualización de IPCC (2012).

Por ello se seleccionan las variables que afectan directamente al ecosistema, ya sea como capacidad adaptativa o susceptibilidad o por que aporta información para ambas, siendo mixtas. La selección de variables se basa en tres premisas fundamentales:

1. Se seleccionan a partir de las consideraciones adoptadas del análisis de proyecciones climáticas a partir de los modelos de circulación general acoplados océano-atmósfera (AOGCM)  seleccionando aquellas variables con alto grado de relación con el problema relacionado en el presente análisis relacionando vulnerabilidad de los ecosistemas frente al cambio climático. 

2. Se considera a los eventos extremos y tendencias climáticas a los que se exponen los Andes subtropicales (UNEP 2013 ; Bradly, et al 2006  & IPCC 2014 ). Las tendencias relacionadas con los extremos climáticos que se analizan se muestran en la siguiente tabla.

Eventos Climáticos Extremos

Temperatura:

Precipitación:

Temperatura máxima diaria  por meses (Txx)

Días secos Consecutivos (CDD)

Temperatura mínima diaria por meses (Tnn)

Días húmedos consecutivos (CWD)

Rango diurno de temperatura (DTR)

Días extremadamente húmedos (R95p)

Precipitación anual total en los días húmedos (PRCPTOT)

Eventos extremos vinculados a las amenazas climáticas tenidas en cuenta en la modelación de escenarios a futuro. Fuente: Elaboración Propia.

3. Se seleccionan en rigor según la disponibilidad de información cartográfica y la calidad de la misma, incorporando aquellos datos no estrictamente cartografiados, pero que se pudieron vincular a la base cartográfica.  

 

Aproximación metodológica de vulnerabilidad

Para el cálculo se aplica la ecuación de vulnerabilidad a partir de (IPCC, 2012 & Birkmann, et al 2013) y los aportes del borrador final del IPCC, 2014:

 

Vulnerabilidad (V) = Susceptibilidad (S) - Capacidad Adaptativa (CA)

Donde V es vulnerabilidad, S susceptibilidad o impacto potencial, resultado de la sensibilidad, y CA la capacidad adaptativa.

Con el fin de calcular por separado las variables de distinto carácter y magnitud, se estiman dentro del análisis por países, dos bloques de variables, denominándolos componentes. Se estudian así, por separado, el componente medioambiental y el socioeconómico.  La ecuación empleada es la siguiente: 

V = (Sse-CAse)+ (Samb-CAamb)

Siendo SS la susceptibilidad socioeconómica, SA la susceptibilidad ambiental, CAS la capacidad adaptativa socioeconómica y CAA la capacidad adaptativa medioambiental. Cada uno de los componentes, así como las  variables categóricas o cualitativas, se someten a una ponderación siguiendo el Método Analytic Hierarchy Process (AHP)  a partir de la comparación por pares propuesto en Saaty, 1990.

El método se clasifica en el grupo de Análisis Multicriterio Discreto y es capaz de emplear variables cualitativas y cuantitativas frente a múltiples objetivos (Lamelas Gracia,  2009). El procedimiento pasa por estructurar la decisión del problema y selección de los criterios; se priorizan dichos criterios y se realiza la matriz de comparación por pares bajo estos criterios, con la obtención final de pesos W por variable, a partir de la siguiente fórmula.

W=(∑_(wi=wj)^n▒)/n

Donde Wi, Wj son los valores ponderados resultantes de la comparación por pares para una variable en cuestión, siendo n el número total de cruces para cada variable. La creación de la matriz ratio se hace de forma consensuada con equipos de expertos en ecosistemas altoandinos por países; de esta manera, se adecúa el resultado a la realidad en cada caso. Para la comparación por pares es preciso asignar valores numéricos que expresen la preferencia de un criterio frente a otro. Para ello, Saaty (1977) sugirió una escala de  comparación que consiste en la asignación de valores escalados de 1 y 9; el valor 1 expresa igual importancia entre pares de criterios y el valor 9 la prevalencia extrema de un criterio sobre otro.

Con los resultados ya ponderados por variables, el último paso es la normalización, otorgando el valor máximo de susceptibilidad según la susceptibilidad o capacidad adaptativa máxima cuantificada en ese análisis específico, de manera que se adecúa el valor susceptibilidad de acuerdo a las realidades del espacio y la variable en específico. El valor al que se ponderan, tanto variables como componentes, es 100 de manera que la representación final sea porcentual.

Todas las salidas gráficas, se hayan trabajado en raster o en vectorial, se rasterizan y se ajustan por último a un tamaño de celda propuesta como unidad mínima de estudios de ecosistemas, siendo de 250 m x 250 m, es decir algo más de 0,0022 según Pickett  &  Thompson (1978) y la Agencia Europea de Medio Ambiente (AEMA).

 

3.1Componente Social

Susceptibilidad por Analfabetismo
El analfabetismo o la carencia de la capacidad de leer o escribir no significan, en primera instancia ignorancia, falta de conocimiento o de destrezas para desempeñar determinados roles. Sin embargo, se debe tomar en cuenta que la falta de educación formal de algunos sectores puede constituir un problema para la interacción en procesos interculturales, los cuales son inevitables (SIISE, 2012). Los datos se obtienen de los correspondientes institutos de estadística, estudiándose según la menor división administrativa por países.

Éstos son expresados en porcentajes (%) según los datos absolutos con respecto a la  población total de dicha delimitación administrativa, según los censos por países (2001 en Bolivia, 2010 en Ecuador y 2007 en Perú).


Susceptibilidad por Pobreza
Para el cálculo en Ecuador, se parte de la metodológica para definir la pobreza empleada por la Secretaría General de la Comunidad Andina a partir del PNUD (1997), de la cual se obtiene el porcentaje (%) de personas con Necesidades Básicas Insatisfechas (NBI) o pobreza monetaria. En Bolivia se estima el umbral de pobreza de acuerdo a ingresos según el INE,  en la misma línea de estimación a partir de la canasta básica y las NBI. En el caso de Perú, se adapta el cálculo a la metodología del cálculo de pobreza del INE  en base a la pobreza monetaria.

Cuando se requiere satisfacer ciertas necesidades básicas como la alimentación, se potencia el uso directo del páramo para cultivos de sustento y para el pastoreo de animales domésticos. Por otro lado, esto ha llevado a convertir grandes extensiones de páramos en haciendas de ganadería extensiva o en plantaciones de pinos exóticos con dudoso éxito y claro impacto ambiental (Hofstede et al., 2002), con lo que se asume que la pobreza es un detonante directo e indirecto de la degradación de los ecosistemas altoandinos, además de serlo para otros aspectos ambientales y socioeconómicos (Colpari, 2013  & De la Cruz et al., 2009).
 
A partir del código o nombre de la unidad administrativa de análisis, se obtiene en primer lugar, la cifra absoluta de población con NBI, de donde se obtiene el porcentaje con respecto a la población total de la unidad de análisis como se aplicase en el punto de metodología.

 

Susceptibilidad por desempleo

La tasa de desempleo calcula el porcentaje poblacional en edad de trabajar que desea participar activamente en el mercado laboral, busca empleo y no logra conseguirlo. La fuente se obtiene de los censos disponibles en los Institutos Nacionales de Estadística, al igual que en los demás cálculos del componente social. Una de las alternativas elegidas ante la falta de datos de desempleo es la estimación del índice de carga o porcentaje de personas no económicamente activas que se constituyen en carga económica para las personas económicamente activas (Bolivia Censo 2012). Por otra parte, existe la Población Económicamente Activa o PEA, que son aquellas personas ocupadas, que trabajan  y a las que no tienen empleo pero están en búsqueda de ello (desempleados) (Ecuador).  Es esta última la que se considera en este análisis, siendo una medida de la incapacidad de una economía para generar puestos de trabajo que requiere una sociedad para alcanzar niveles de pleno empleo. Se asume que a una sociedad con mejor capacidad de empleo tiene una menor necesidad de ejercer presión en su entorno con medidas como la agricultura y la ganadería. Es preciso advertir que la tasa de desempleo estimada con relación al PEA no es un buen indicador de la dinámica laboral, ya que ésta suele fluctuar con las condiciones del mercado de trabajo y, posiblemente, con las necesidades de ingresos familiares. Esto impide conocer exactamente si un cambio en la tasa de desempleo es una mejora o deterioro de la situación laboral.
En Bolivia, a partir del censo de 2012,  se obtiene el índice de carga económica, de donde se obtiene el porcentaje de personas económicamente inactivas con respecto a las personas económicamente activas.


Susceptibilidad Por Densidad de Centros Poblados
Partiendo de la cobertura de centros poblados, se analiza la susceptibilidad sobre el ecosistema a partir de la densidad poblacional espacial mediante estimadores focales de densidades de Kernel (De Cos Guerra, 2004). Se produce un suavizado de los resultados obtenidos, diluyéndose los valores con las rupturas de comportamiento con las aureolas progresivas de densidades entre centros poblados. Por el contrario, los centros densificados y con gran cantidad de puntos quedarán unidos por aureolas que se van incrementando en intensidad y cantidad.
Se realiza el análisis en relación a la unidad administrativa menor, donde la densidad será el resultado de la población total entre el área en km² de dicho límite administrativo, en el caso de Bolivia municipios.


Susceptibilidad o Capacidad Adaptativa por crecimiento o decrecimiento poblacional
La tasa de crecimiento es una medida del aumento o disminución promedio de la población en un determinado periodo, resultado de los movimientos migratorios, nacimientos y defunciones según el glosario de la UNESCO  & SIISE (2012). Ciertas actividades socioeconómicas como la agricultura intensiva han sido detonantes para hacer que ciertas zonas altoandinas sean una de las más pobladas de toda la puna (Josse et ál,. 2009), por lo que es de suma importancia incorporar la interacción de la población-ecosistema como factor presionante dentro de la susceptibilidad.
Se analiza la población total en dos censos distintos, de manera que se pueda estimar la diferencia en periodos y establecer presumiblemente una tendencia a una escala temporal concreta.
Las diferencias entre periodos se adecúan a la disponibilidad censos; 2001-2010 para Ecuador,  2001-2012 Bolivia y 2007-2012 en Perú,

r=ln Nt/No*1/t*100   

Donde r es la tasa de crecimiento promedio anual, ln el logaritmo natural, Nt  la población en el año t, No la población en el año base, y t el tiempo en años. Con la diferencia entre ambos periodos se agruparán los crecimientos positivos como susceptibilidades, por una parte, y los crecimientos negativos como capacidades adaptativas, por otra.  Se asume que a mayor crecimiento poblacional, más presiones sobre el entorno y viceversa, por ser la primera detonante potencial del impacto en el medio.

Capacidad Adaptativa Megaproyectos
Adoptando la premisa que se citase, anteriormente, en cuanto al empleo, una sociedad con mayor cantidad de recursos menos necesidad tendría de sobreexplotar el medio que le rodea. Se incluye así, en el cálculo de vulnerabilidad, la capacidad adaptativa de infraestructuras o dotaciones que potencien el desarrollo socioeconómico. 
Las variables que se incluyen son las infraestructuras para aprovechamiento de caudales hídricos, riego y protección del recurso hídrico en proyectos de conservación y recuperación de áreas degradadas. Así, se consideran las variables de población, el porcentaje de avance del proyecto y el área que integra el proyecto.

 

3.2 Componente Medioambiental

Susceptibilidad actividad Agropecuaria
Se obtiene la susceptibilidad por actividades agropecuarias a partir de los usos de suelo de carácter agrícola, ganadero, pecuario y forestal de extracción, u otros métodos de actividades ancestrales o modernos vinculados a mecanismos intensivos de producción agropecuaria. La categorización de los usos de suelo, en primera instancia se basa en imágenes captadas por sensores remotos sobre la señal emitida por los objetos, lo que no siempre indica el uso al que se destinan los mismos (Chuvieco, 2002; Seto et al., 2002; Angnes  et al., 2008  &  Jansen & Di Gregorio, 2002). A esto hay que añadir que en los Andes Centrales, la transformación es más sutil, llegando a discriminarse apenas el 9% de su superficie como áreas transformadas (Josse et ál., 2009). No obstante, extensas áreas de la puna y los valles interandinos de Bolivia y Perú se encuentran sutilmente modificadas por los regímenes de pastoreo y agricultura de autoconsumo con sistemas de rotación, lo que dificulta nuestra capacidad de discriminación entre las áreas naturales respecto de las áreas de uso humano (Cuesta et al., 2012). A partir de las coberturas oficiales más recientes de usos de suelo de los tres países, se clasifican los usos según el impacto que genera cada actividad específica en el ecosistema. Resultado de ello se obtiene la clasificación de usos agropecuarios por países. Los usos se categorizan a partir de la comparación por pares con el método AHP de Saaty (1990) a partir del consenso   sobre la priorización de actividades, potencialmente, degradadoras con el ecosistema. Una vez se obtuvieron los pesos específicos por usos, se normalizaron para incluirllos al cálculo de vulnerabilidad.

Cálculo de Fragmentación de Ecosistemas
La fragmentación es la pérdida de continuidad de un ecosistema y produce cambios importantes en la estructura de las poblaciones y comunidades de plantas, animales y en el ambiente físico, afectando su funcionamiento (Saunders et al., 1991). La fragmentación implica la creación de bordes, que son el área más alterada de un fragmento; los efectos de borde pueden propagarse varios cientos de metros hacia el interior del bosque remanente (Curran et al., 1999; Laurance, 2000; Peters, 2001).

La fragmentación es un proceso en el que el hábitat natural continuo es reducido a pequeños remanentes. Los efectos primarios de este fenómeno son la alteración del microclima y el aislamiento, es decir, los cambios físicos y fisonómicos tanto al interior como a los alrededores del fragmento. Los principales cambios climáticos se reflejan en el flujo de radiación, la incidencia del viento, la frecuencia de fuegos, y en el ciclo hidrológico del fragmento (Lojevoy et al., 1986; Kapos, 1989; Saunders et al., 1991; Kapos et al., 1997). La mayoría de las especies se ven afectadas, de manera directa o indirecta, por la fragmentación. El impacto incluye los siguientes factores: la importancia de la pérdida del hábitat, sin necesariamente tomar en cuenta el tamaño del fragmento; el área y la forma del fragmento; el aislamiento del fragmento; el paisaje circundante y la calidad del parche (Andrén, 1994 ). Es por ello que se incluye esta variable como indicadora indispensable dentro de los valores de susceptibilidad.

A partir del Índice de Fragmentación (IF) de (Steenmans & Pinborg, 2000) representado en la Figura 3, se estima el grado de conectividad entre  los espacios sensibles presentes en una zona acotada que se ajustará a una superficie de análisis que en adelante será denominado celda de cálculo.Esta celda no debe ser confundida con el píxel o la celdilla correspondiente con la resolución espacial de la capa de usos del suelo en el sistema raster. El tamaño de la celda de cálculo dependerá de la extensión y forma del espacio geográfico objeto de estudio y de la escala de trabajo apropiada para el estudio de ecosistemas.

IndiceFragmentacion.png

Figura 3. Esquema de aplicación del Índice de Fragmentación con una celda de cálculo de 2 km de lado. Fuente: Steenmans & Pinborg (2000)

En el presente análisis, se elige un ancho de 10 x 10 km. Cabe indicar una vez aquí que el espacio geográfico no puede ser compartimentado en celdas menores a 1 x 1 km, sin que previamente se realicen modificaciones en la fórmula. El índice ha sido evaluado a una resolución espacial de 250 metros, correspondiente con el mosaico a pequeña escala elaborado por la AEMA mediante la rasterización del inventario de usos, previamente, en formato vectorial. La norma consiste en emplear los usos del suelo a esta resolución espacial y combinarlos con una malla compuesta por celdas de cálculo cuyo tamaño sí puede variar. Como se determinase en Tribiño et al (2007), los análisis sobre la fragmentación de los hábitats en función de las especies animales y vegetales son una tarea extremadamente compleja, pudiéndose hacer una estimación más sencilla a partir de los usos de suelo.
Con el fin de aplicar el método de manera rigurosa, se utilizaron para el cálculo del Índice de Fragmentación de Ecosistemas las siguientes coberturas: Ecosistemas Andinos, Vías de comunicación y Cobertura más reciente de usos de suelo por países (cobertura Tierra MAGAP 2008 1:250.000. PERU y BOLIVIA).

En las celdillas, se tiene en cuenta el componente temático y espacial de los datos. Por un lado, se diferencian las celdas sensibles (usos de suelo natural y semi-natural) de las no sensibles (actividad antrópica y cuerpos de agua), mientras que por otro, se analiza la conexión física entre ellas según el tamaño seleccionado para el pixel de salida (250 metros), de manera que queda plasmado en la salida. 

En base a ello, se categorizaron los diferentes usos de suelo de la cobertura más actual por países y las vías de comunicación, para calcular el peso de fragmentación de las vías de comunicación.

La fórmula del IF es la siguiente:

IF=psc/(((ps/cs)/16)*(ps/16) )

Siendo psc las celdillas sensibles conectadas, ps las celdillas sensibles; cs los complejos sensibles y 16 los píxeles de 250 metros de lado que conforman la celda bajo estudio. Los resultados del índice de fragmentación (IF) se interpretan teniendo en cuenta una escala ordinal y de intervalos que clasifica los valores en seis categorías.

   Nivel de Fragmentación

Valor

Mínima

< 0,01

Poca

[0,01-0,1]

Media

[0,1-1]

Moderada

[1-10]

Fuerte

[10-100]

Extrema

≥100

Tabla 2: Escala ordinal de intervalos en seis categorías para estimar el nivel de fragmentación. Fuente: EEPP a partir de Steenmans & Pinborg (2000).

Las salidas son georeferenciadas para corregir desplazamientos generados con el geoproceso.

Las coberturas resultantes de la intersección se rasterizan con un ancho de pixel de 250 x 250 m, ≈0.0224 grados, con base  en el área mínima dinámica propuesta en Pickett et al. (1978). Para cada celda, se contabilizan cuantos complejos naturales se encontraban conectados y cuantos no, así como los píxeles sensibles que existían conectados y en total, parámetros necesarios para poder calcular el IF(Figura 4).

Flujo_IF.png

Figura 4: Flujo de trabajo para el cálculo del Índice de Fragmentación. IF. Fuente: EEP

Para calcular los píxeles conectados, se practica un filtro binario llamado Pepp&Salt, con cuatro conexiones (arriba, abajo, izquierda y derecha), con el fin de eliminar aquellas áreas naturales que quedan aisladas, o sin una de las cuatro conexiones con pixeles de área natural.

Para contabilizar las conexiones de cada celda, por cada una de ellas, se realizó un histograma antes del filtro y después del filtro mediante el algoritmo “Zonal Histogram”, creando así una tabla y un gráfico de histograma que muestran la distribución de frecuencia de los valores de celda en la entrada de Valor para cada zona única.  En el presente caso, cada celda de la malla es de 25 km.

Una vez calculados los valores de psc (pixeles sensibles conectados) y ps (píxeles sensibles) con ayuda del software ERDAS, y filtro binario Pepp&Salt 3x3, se llevó a cabo el proceso para poder calcular cs (complejos naturales, conectados y aislados).
Para conocer el número de complejos, se llevó a cabo un geoproceso intersect entre las capas de malla25km y los elementos sensibles de la capa fragmentación; y a posteriori se calculó cuantos registros existían por cada celda de la malla de 25 km, exportando la tabla de atributos para calcular mediante una tabla dinámica en la que se agrupen el número de registros por cada subcuenca. Posteriormente, se incorporaron los valores de cs por cuadrante a la malla25km, donde se realizó el cálculo. El cálculo se realizó en una hoja de cálculo según la fórmula del IF.

Susceptibilidad por la gestión de los Residuos Sólidos Urbanos -botaderos de basura

Se ha analizado el impacto potencial en los ecosistemas de la presencia o no de puntos de deposición de residuos sólidos (RSU) según la tipología, categoría, población vinculada a dicho botadero, si se realiza o no reciclaje y compostaje. De esta manera, se obtiene un valor de susceptibilidad que indica en qué estado se encuentra el impacto de los RSU en el ecosistema por países. 

Se otorga un orden de prioridad en las operaciones de gestión de los residuos: prevención, reutilización, reciclado, compostaje, recuperación de energía, y finalmente eliminación en instalación adecuada. Se aplica este orden siguiendo lineamientos de la Unión Europea (DIRECTIVA 2008/98/CE DEL PARLAMENTO EUROPEO Y DEL CONSEJO) que atacan la misma problemática. Estas variables son ponderadas siguiendo el método de comparación por pares en Saaty (1990). Una vez ponderados los valores y las categorías dentro de cada variable, se suman todos los valores de las mismas multiplicados por la ponderación de cada una de ellas. Con el resultado de los totales ponderados, se hace un nuevo sumatorio, resultando un valor de susceptibilidad que se normaliza de la misma manera en que se ha hecho con todos los análisis.

El resultado es una nube de puntos con valores de susceptibilidad debido a las dimensiones del botadero, población vinculada, si realiza compostaje y/o reciclaje o no y el tipo de basurero según sus características. Para representarlo se obtienen las áreas de mayor impacto potencial a partir de un análisis de densidades de Kernel. Éste es un análisis no paramétrico que evita suposiciones restrictivas, buscando estimar la densidad directamente de los datos de la variable elegida en función del radio de afección (De Cos Guerra, 2004), acuciándose el valor en el radio próximo al centroide y disminuyendo hacia los extremos. Zucchini (2003). El radio de búsqueda para el análisis de densidades se adecúa al del vecino más próximo con respecto al más alejado, definiendo así la distancia o radio de búsqueda a tener en cuenta, estimado a partir de consideraciones  hechas en otros estudios de densidades (Cos Guerra, 2004; Escolano, 2002; Moreno, 2003; & De Escolano, 2005).

En el modelo de densidades de Kernel también se dan una serie de limitaciones.  Algunas de ellas son la carencia de barreras naturales que pudiesen dar una información equivocada a partir de la dimensión del ancho de banda o radio de influencia elegido; espacios que en muchos casos no deben ser invadidos por dicha aureola de densidad; o que en el caso inverso quede poco cubierto el área de influencia según las direcciones de flujo, orografía, etc. En este aspecto, no es el objetivo delimitar con exactitud los límites, sino identificar los corredores de mayor o menor magnitud que permitan mostrar patrones generales de las afecciones ocasionadas por la carencia de gestión de los Residuos Sólidos Urbanos (De Cos Guerra, 2004).

Por otra parte, existe información no aplicada a puntos o centroides, sino a superficies departamentales, como es el caso de Perú. En este caso, se cuenta también con una amplia cantidad de variables: generación per cápita de RSU, porcentaje de residuos no peligrosos reaprovechables y no reaprovechables, cantidad de RSU con destino final, instrumentos de gestión ambiental, déficit de recaudación y RSU segregados dentro del informe de gestión de residuos del Ministerio de Ambiente de Perú . En algunos casos las variables se dan para dos años (2010-11) con lo que se realiza para algunas variables una comparación entre ambos años para estudiar la dinámica. En este caso, las variables que muestran una diferencia temporal son la generación de RSU per cápita (2011-2010) y la cantidad de residuos con destino final (2011-2010). Todos los valores resultantes se normalizan y se multiplican por su valor específico resultado de la comparación por pares.


Susceptibilidad Actividad Minera
A partir de las coberturas de concesiones mineras por países, se estudian las variables para estimar el tipo de material de la mina y la fase en la que se encuentra la concesión minera.  De esta manera, se define un valor de susceptibilidad para polígonos de concesiones teniendo en cuenta si son materiales metálicos, no metálicos, de construcción, o mixtos en el caso de Ecuador. En este caso, se tienen en cuenta tan solo las concesiones mineras activas sin tener en cuenta los proyectos o estudios. En el caso de Bolivia, se computan según aparición o no de las concesiones teniendo como referencia el año 2005. En el caso de Perú, se tienen en cuenta los certificados ambientales por una parte y por otra los pasivos mineros regulados (Ley N° 28271). Una vez definidas las variables, se aplica la ponderación siguiendo el método de comparación de pares aplicado en Saaty (1990).

Para estimar, espacialmente, la susceptibilidad de los centroides de certificados ambientales y pasivos ambientales, se realiza un análisis de densidades de Kernel por cada una de las coberturas citadas con un radio de búsqueda de 0,17º ≈ 2 km, aproximadamente. El resultado final es un sumatorio de las densidades de puntos de estas coberturas en relación a su ponderación. Para las coberturas vectoriales de Perú y Bolivia se realiza su correspondiente rasterización.

Susceptibilidad de la Densidad Vial
La red vial más que como variable para el cálculo de fragmentación de ecosistemas se plantea como potencial eje de contaminación, erosión y ruido tal como ha sido planteado en la CEPAL (2000) . Teniendo en cuenta la categorización de las vías según los factores de contaminación, fragmentación de ecosistemas y erosión principalmente, se ponderan los valores y se otorga un valor a cada vía dentro del área de estudio. 

Estimando los factores contaminantes y erosivos con el equipo de expertos en ecosistemas, se plasma una ponderación utilizando el método de comparación de pares de Saaty (1990). Las coberturas de vías se han categorizado en tres categorías para Ecuador y Bolivia, y cinco para Perú.

Una vez se tienen los valores ponderados para cada vía, se calcula la distancia media con el vecino más próximo para definir el radio de búsqueda en el análisis de densidad de Kernel.  El resultado esde unos 18 km aproximadamente (0,164 grados ≈ 5 km) según el promedio del vecino más próximo; la salida del raster siempre será de 250 metros;

Susceptibilidad a Erosión
Partiendo de las coberturas de erosión de suelos se obtiene por países una descripción según los niveles de erosión definidos por los departamentos competentes  . A partir de esta descripción y de acuerdo a las realidades por países se clasifican y categorizan según el nivel de erosión  de cada superficie. El resultado de la categorización se obtiene a partir de los rangos elegidos por países, en escalas ordinales. Se exploraron los valores cualitativos, normalmente desde muy baja a muy alta erosión, normalizándose de 0 a 100.

Susceptibilidad por Deslizamientos o Movimientos de Masa
Los mapas de susceptibilidad consisten en documentos de aproximación que previo, análisis, sirven  para identificar zonas problemáticas y fundamentalmente los factores condicionantes. La  susceptibilidad a los movimientos en masa es la propensión de un terreno a la ocurrencia de caídas, derrumbes, huaycos (flujos), deslizamientos y movimientos complejos (Ayala, 2002; y Núñez y Villacorta, 2006).  La susceptibilidad a deslizamientos muestra la inestabilidad de las pendientes en distintas categorías, teniendo en cuenta una serie de variables o factores (Tabla 3).

Variables para el cálculo de

susceptibilidad por deslizamientos

Variables

Campo

Pendiente

Rango (cuantitativo)

Altura laderas (Relieve)

Rango (cuantitativo)

Textura del suelo

Tipo (cualitativo)

Retención de agua

Rango (cuantitativo)

Tabla 3: Variables y campo para el cálculo y estimación de susceptibilidad por deslizamientos de ladera o movimientos de masa (Fuente: GeoBolivia.).

Con estas variables, se catalogan los niveles de riesgo por deslizamiento a partir de una discretización de las descripciones finales, otorgando un valor porcentual según las distintas categorías por país (de muy alto a muy bajo riesgo de deslizamiento). Los datos elaborados de dichas categorías o descripciones se obtuvieron del Ministerio de Planificación al Desarrollo (2012) de Bolivia y el MAGAP (2003) en Ecuador. Las categorías cualitativas son normalizadas a porcentajes para dar paso a la salida raster.

Susceptibilidad por Incendios Forestales
La susceptibilidad por incendios forestales se analiza a partir del sumatorio de la probabilidad de incendios naturales, por una parte, y la densidad de incendios históricos a partir del último periodo (incendios 2013), por otra. Las variables dentro de la primera son: temperatura media,  precipitación media mensual y multianual, mapa de cobertura, mapa de pendientes, mapa de textura del suelo y subyacentes y mapa mensual de humedad del suelo. La densidad de incendios, desde el periodo 2013, se analiza a partir de la masa de 

puntos por registros de focos calientes de la temporada de incendios 2013. El radio de búsqueda elegido fue de 15 km tras probar distintos radios de búsqueda para las densidades.

Susceptibilidad o Capacidad Adaptativa por Estado de la Vegetación NDVI
El estado de vegetación se obtiene a partir del cálculo del Normalized Difference Vegetation Index (NDVI) . El cálculo se realiza a partir del comportamiento radiométrico de la banda roja del visible R (0,6-0,7 um) con respecto a la infrarroja cercana IRC (0,7-1,1 um) dentro del espectro electromagnético (Chuvieco, 2002). En el campo visible (RGB), los pigmentos de la hoja absorben la mayor parte de energía que reciben pero estas sustancias apenas afectan al infrarrojo cercano, por lo que resulta un alto contraste entre la reflectividad de la banda alta del  IRC y la R del espectro visible, permitiendo visualizar con claridad la vegetación entre otras superficies. A mayor reflectividad entre las bandas R e IRC, mayor vigor vegetal observado. Por otra parte, bajos contrastes muestran en principio una vegetación enferma, senescente, rala o con poca densidad. Los suelos descubiertos, el agua, algunas nubes y la roca presentan una reflectividad muy similar entre IRC y el R, o incluso inferior en esta última. El índice de vegetación se da a partir del coeficiente simple entre las bandas:

Ci=IRC/R

Donde Ci es el coeficiente entre bandas, IRC el valor de reflectividad de la banda del infrarrojo cercano y R es el valor de reflectividad de la banda roja. 

La ecuación para el cálculo del índice de vegetación de diferencia normalizada (NDVI):

NDVIi= (IRC - R)/(IRC + R)

Los resultados son normalizados a los márgenes conocidos en el NDVI (-1, 1), por ser éstos los más utilizados en el análisis digital de imágenes, facilitando su interpretación (Chuvieco, 2002). Las escenas descargadas en formato Hierarchical Data Format (HDF)  son transformadas con la librería Geospatial Data Abstraction Library (GDAL) a GeoTiff, pasando de 16 a 8 bits (0-255 valores) (Figura 5).

Esquema-NDVI.png

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Figura 5: Esquema metodológico del cálculo de anomalías de NDVI. Fuente: EEPP.

Las salidas de 256 valores se normalizaron de -1 a 1, adecuándolo al índice, de manera que se identifiquen las superficies desnudas (valores < 0) y las superficies con vegetación (>0) en sus distintas fases de degradación. Por último, se calculan las diferencias entre los NDVI resultantes de 2013 con respecto al de 2000 (2012 y 2000 para Bolivia) según la siguiente ecuación:

NDc=NDt2-NDt1+C


Donde NDc es la imagen como resultado del cambio de NDVI´s,  NDt1 es la imagen resultante del NDVI del periodo 2013 (2012 en Bolivia), NDt2 la imagen resultante del NDVI de 2000 y C la constante para evitar valores negativos (255). La cobertura se somete a una máscara de las zonas no sensibles, eliminando así usos de suelo antrópicos, superficie que no interesa estudiar en el presente análisis, pues la salud de ecosistemas que se ha analizado es puramente natural excluyendo los cultivos o parques. Con la capa resultante se procedió a la normalización, respetando el signo de los valores de 0 a 100 (mejora vigorosidad) los valores positivos y de -100 a 0 (pérdida de salud de la vegetación).

Este análisis se pudo realizaa para el caso de Ecuador ya que no se pudo contar con las variables necesarias para el cálculo replicado en Perú y Bolivia.


Cálculo Expansión/Retroceso Frontera Agropecuaria
De las coberturas de usos de suelo por países, se clasifican y seleccionan aquellos usos agropecuarios, tal como se hiciese en el punto anterior del cálculo de susceptibilidad agropecuaria, para dos momentos temporales.
Dentro del término se incluyen las actividades agrícolas, mosaico agropecuario o ganadero y extractivo forestal, cada una con un valor ponderado con respecto a las demás. Este proceso se realiza para dos coberturas de usos de suelo en dos años distintos, la más actual y una previa de alrededor de 10 años. De esta manera se puede apreciar la evolución y diferencia entre ambos periodos. A partir de aquí y con las coberturas de la misma escala espacial y categorías entre ambas, se realiza un geoproceso que reste una superficie categorizada actual con respecto a otra de años atrás y a la inversa, resultando el retroceso o la expansión de la frontera agropecuaria respectivamente (Figura 6).

Exp-Agric.png

Figura 6: Esquema ejemplo del cálculo de diferencia entre coberturas, donde se diferencian  a partir de geoprocesos las superficies agropecuarias en dos periodos según su uso agropecuario para obtener el retroceso de la frontera agropecuaria (izquierda) y la expansión de la frontera agropecuaria (derecha) entre coberturas de mismo escalado y metodología de clasificación de usos. Fuente EE.PP

Para el cálculo del retroceso de la frontera agropecuaria se resta la superficie antrópica de la última cobertura estudiada, es decir, se excluyen del análisis todos aquellos usos de carácter antrópico, como puede ser la industrial turismo u otras actividades lúdicas. Esto evita incluir en el retroceso de la frontera agropecuaria algunos usos no naturales que puedan generar “ruido”, ya que el objetivo es obtener los usos antropizados por actividad agropecuaria por una parte (expansión), y naturalizados, presumiblemente paramizados  por otro (retroceso). Este proceso es verificado con imágenes satelitales a una resolución de 30 metros, en el caso de Ecuador.


Si bien es cierto con el NDVI se puede hacer una notoria diferenciación entre superficies cultivadas, no ocurre lo mismo a la hora de distinguir entre coberturas naturales y agropecuarias (Gross, 2005), distintas reflectancias por la presencias de distintos tipos de vegetación, madera, diferencias entre coberturas verdes, densidades, geometría y fenología puede variar hasta el 30% (Ghorbani et al., 2012), resultando en problemas de conclusiones fehacientes.


Susceptibilidad / Capacidad Adaptativa por Balance Hídrico
Se calcula el aumento o descenso de la disponibilidad hídrica teniendo en cuenta la diferencia entre input y output a partir de factores naturales (balance natural) y antrópicos (concesiones hídricas). Para ello, por una parte se obtienen los datos revisados del balance hídrico de las secretarías o agencias nacionales del agua (De Bievre y Coello, 2008).
Se revisa el balance hídrico anual promedio de cada subcuenca, por países, a partir de los registros de precipitación, evaporación y la evapotranspiración. Por otro lado, se estiman las concesiones hídricas a partir de las siguientes variables: uso, área regada, caudal (L/s), y si está vigente o no. La selección de variables se somete a discusión con el equipo teniendo en cuenta otros trabajos publicados donde se estima la presión atropogénica sobre el recurso hídrico (Díaz, 2012).

Se parte de la diferencia entre la oferta natural y la demanda actual, teniendo como objetivo obtener la susceptibilidad del ecosistema por la incidencia antrópica en el régimen hídrico. Por otro lado, se obtienen los caudales de retorno estimados en De Bievre et al. (2008)  como otro de los parámetros determinantes para el cálculo. Así se cuenta con información de superficies regadas, consumo de agua para los distintos usos, porcentajes de retorno según la UICN y la FAO, y balance hídrico. Se aplica para cada uso del recurso hídrico un caudal de retorno, para lo cual, se multiplica los diferentes caudales de las captaciones por el factor de retorno, obteniendo el caudal que se pierde tras el uso.

Q_retorno=Q x  (100-%Retorno)/100

Los resultados se someten a un análisis de densidades de Kernel (1990), partiendo de un radio de búsqueda de 500 metros aproximadamente (0,0045 grados). Se acota el radio de búsqueda a corta distancia puesto que finalmente se hará un valor promedio de todos los valores de susceptibilidad encontrados por cada una de las subcuencas. El resultado de densidades de demanda hídrica antrópica se relaciona con la oferta hídrica natural resultante de la evaporación, evapotranspiración e infiltración, es decir, con el balance hídrico. Para ello, se multiplican los valores de caudales retenidos según su uso, por un factor relacionado con el balance hídrico. 

Dado que los efectos sobre el ecosistema no se dan tan solo en el tramo de río donde se hallan las conexiones, sino más bien para toda la subcuenca y a la cuenca en segunda instancia, se aplicó el valor de impacto potencial promedio de los valores dentro de la subcuenca a la totalidad de la misma, asumiendo que el impacto principal de una captación es desde el punto de la conexión a aguas debajo (De Bievre et al., 2008; Cammeraat et al., 2014).

Capacidad adaptativa Espacios Naturales Protegidos
Tan solo se ha estimado aquí la capacidad adaptativa para aquellos espacios naturales protegidos que cuentan con un riguroso control nacional y/o internacional, que tengan una partida presupuestaria propia con el fin de afinar el análisis y no dar carácter de protegido a un espacio que en la práctica no lo es.

Existe una clasificación consensuada de las categorías de protección a nivel mundial según el Programa de las Naciones Unidas para el Medioambiente  (UNEP, por sus siglas en inglés) junto con la Unión Internacional para la Conservación de la Naturaleza (UICN), que rige la categorización de las distintas áreas de protección según el manejo que se dé del espacio. Así mismo, existen otras categorizaciones de las áreas protegidas que dan un peso relevante a la extensión del área, incorporando la integridad ecológica funcional de la región y la importancia de los corredores biológicos (Arriaga Cabrera et al., 2009)
Se opta por la clasificación de UNEP-UICN (2003), por ser la que más se acomoda a la diversidad de espacios e información existentes pero, principalmente, por ser la categorización más utilizada en el ámbito internacional.

Una vez reunida toda la cartografía de áreas protegidas por países y por organismos o convenios internacionales como RAMSAR para los humedales, se catalogan las áreas dentro de las categorías de protección de la UICN según su idoneidad de acuerdo a las definiciones de las seis categorías. Se crea una séptima categoría para aquellos espacios gestionados de distinta naturaleza como propiedad privada y niveles administrativos distintos, que reúnen las premisas ya expresadas al inicio de estas sección, para ser consideradas áreas protegidas, no pudiendo ser incorporadas por descripción en las seis categorías de la UICN. Estos son: humedales RAMSAR bajo programas de protección y conservación, acciones de REDD+, Zonas Reservadas, Zonas de Amortiguación y Zonas complementarias en el caso de Perú.

Tras la categorización de los espacios protegidos, se unen por países con un valor normalizado según categorías. Para aquellos espacios que se solapan, se otorga la categoría máxima de protección entre los niveles que presente y se elimina el de menor protección, de manera que no se contabilice de forma repetida el mismo espacio. La salida gráfica se rasteriza con un tamaño de pixel de 250 metros, tal como se ha generado en los demás análisis.

Capacidad Adaptativa Extinción de Incendios.
Este cálculo se realiza para Ecuador, pues es en el ecosistema paramuno donde se encuentran la mayor cantidad de registros de incendios forestales. A partir de la cobertura de estaciones de bomberos para la extinción de incendios, se estima la capacidad de la población de amortiguar este tipo de tensión natural o antrópica sobre el ecosistema. Para ello se tiene en cuenta la red vial, estimando la distancia y el tiempo límite estimado para ver el eje de acción. Esto enfocando la adaptación en el contexto de la variabilidad climática, reduciendo la exposición y la vulnerabilidad e incrementando la resiliencia ante los potenciales impactos adversos de los incendios como extremos climáticos o potenciados por el ser humano (IPCC, 2012).

El cálculo se realiza mediante la red de área de servicio a partir de las vías y partiendo de las estaciones de bomberos como centroides. Previo a ello, se realiza una corrección topológica para evitar errores en los cálculos sucesivos.
Se otorgan varias especificaciones para los radios de acción de cada estación previa consulta  a la institución oficial encargada del tema Para este caso se eligieron 3 distancias: 15 km, 25 km y 35 km de distancia a cubrir sobre la red vial existente, marcando según estas distancias una jerarquía de adaptabilidad a partir de las áreas de servicios.

Capacidad Adaptativa por Reforestación
A pesar de ser una capacidad adaptativa no vinculada directamente al páramo, las medidas adaptativas por planes de reforestación a nivel local o regional, en el caso de Ecuador se han visto potenciadas en áreas limítrofes al páramo; en otros casos se incluyen gracias al buffer de 500 metros incluido a partir del límite del páramos en el área de estudio.
Las superficies en forestación y reforestación son consideradas beneficiosas para la reducción de la erosión (IPCC 2012) además de dar pie a la reactivación del biotopo y garantizar la provisión de servicios hidrológicos frente a los potenciales impactos del cambio climático en los Andes Tropicales (Cuesta et al., 2012).

Los planes de reforestación, como ya se dicho anteriormente, están más vinculados al páramo que a la puna, por lo que es en el caso de Ecuador donde se estudia.
El cálculo viene tras cartografiar las áreas forestadas y reforestadas a partir de Planes de Ordenamiento Territorial y planes ministeriales de reforestación (MAE Ecuador). Sepondera la totalidad del valor para las superficies forestadas y/o reforestadas.

Capacidad Adaptativa: Sociobosque
Siguiendo la misma lógica que el punto anterior, se analiza un plan nacional de especial consideración: el programa Sociobosque existente para el territorio ecuatoriano. El programa consiste en la conservación de áreas de bosques, páramos y otras formaciones nativas, buscando la restauración y el manejo sostenible del bosque nativo (Programa Sociobosque, Ministerio de Ambiente de Ecuador).
Estos espacios son considerados separados en el presente estudio por no corresponder a ninguna de las categorías de protección de la UICN. Esta iniciativa juega un gran papel muy importante en pro de la conservación del ecosistema, por lo que se decidió darle una categoría especial como programa nacional. 
Las áreas bajo protección quedan con el nivel ponderado a partir de la matriz de pesos específicos de comparación por pares (AHP) en Saaty (1990).

Capacidad Adaptativa Planes de Gestión RSU
En el caso de Perú, existen Planes de Gestión Ambiental de Residuos Sólidos (PIGARS) que computan como capacidad adaptativa con el valor máximo si existen planes de gestión y 0 en el caso que no exista ningún plan de gestión de RSU. Los datos, una vez normalizados, son subidos a escala departamental por ser esta la escala más fina a la que se tiene acceso.

3.3 Componentes de la Metodología de Vulnerabilidad por país
En la Tabla 4 se presentan las variables empleadas para el cálculo de la vulnerabilidad para Bolivia, Ecuador y Perú.

Variables_Paises.png

Resultados

Como resultado de la aplicación de la metodología propuesta, se obtiene una base de datos cartográfica, que para el caso que se trabajó en el proyecto, tiene56 variables o coberturas de Ecuador, Bolivia y Perú, que alimentan la herramienta de localización de los focos más vulnerables en los ecosistemas altoandinos que faciliten la toma de decisiones. Las salidas cartográficas por separado y el resultado integrado del cálculo de vulnerabilidad son representados en el visualizador vinculado al geoportal http://geoportal.ciifen.org. 

Estos datos pueden ser comparados con las modelaciones climáticas proyectadas a futuro y/o cruzadas con otras coberturas que puedan ser un complemento al analizar la vulnerabilidad de los ecosistemas altoandinos. Estas coberturas son, entre otras, la distribución de especies potencialmente bioindicadoras y los modelos climáticos a futuro y un modelo consensuado resultante de tendencias climáticas. Los modelos a futuro se pueden comparar con el resultado final de vulnerabilidad y se puede estudiar, más específicamente, el comportamiento de cada ecosistema de acuerdo a las variables y precipitación. Además, existe la posibilidad de que el tomador de decisiones incluya dentro del geoportal, coberturas propias para poder realizar observaciones y/o comparaciones.

Los resultados de vulnerabilidad pueden interpretarse de manera integral o desde el componente social o medioambiental por separado. 

Histogramas.png

Figura 7. Histogramas de los resultados de vulnerabilidad en el total del área de estudio en tonalidades de verde, menos vulnerable a rojo más vulnerable para Ecuador, Perú y Bolivia. Fuente: Elaboración Propia.

Discusión

Las prioridades identificadas vinculan la tendencia a un calentamiento general de entre 0º - 2 º centígrados en la mayoría de la zona de estudio, seguido de una disminución de las precipitaciones 

Ecuador: 
- Temperatura: aumento de temperatura de, aproximadamente, 1 ºC en toda la zona de estudio. Ligero gradiente E-W, siendo superior el aumento de temperatura en el W.
- Precipitación: Aumento de precipitaciones, por lo general, en el área de estudio. Gradiente de mayor a menor porcentaje de precipitación de E-W. Influencia de la Amazonía de 30% más a 10% menos precipitación que en la serie histórica.
- El sector más oriental con mayor incremento de temperatura y menor precipitación coincide con valores de vulnerabilidad ligeramente medios altos, en las provincias de Bolívar, Tungurahua, Cotopaxi, Chimborazo y Carchi. Coinciden, en muchos casos, la presión por demanda hídrica con el ascenso de las temperaturas y el descenso de las precipitaciones de la zona occidental.

Perú:
- Temperatura: aumento de temperatura de más de 1 ºC, aproximadamente, en toda la zona de estudio, llegando en los sectores del sur hasta un incremento de 1,7 ºC en el departamento de Puno, junto al lago Titicaca.
- Precipitación: Ligero descenso de las precipitaciones en las partes bajas de la Cordillera a Barlovento de las corrientes del Pacífico.

Bolivia:
- Temperatura: aumento de temperatura de 1,5 ºC, aproximadamente, en toda la zona de estudio; gradiente SE-SW de ascenso de temperaturas.