UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA

FACULTAD DE RECURSOS NATURALES RENOVABLES

ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL

CORRELACIÓN DE LA DEFORESTACIÓN CON LA VARIACIÓN DE LA

PRECIPITACIÓN, TEMPERATURA MÁXIMA Y HUMEDAD RELATIVA EN LA

MICROCUENCA DEL RÍO PENDENCIA EN EL PERIODO 2000 – 2019, DISTRITO

DE PUEBLO NUEVO - PROVINCIA DE LEONCIO PRADO – HUÁNUCO

Tesis

Para optar el título de

INGENIERO AMBIENTAL

PRESENTADO POR:

JESÚS ALBERTO SALDAÑA FLORES

Tingo María - Perú

2023
 UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA
FACULTAD DE RECURSOS NATURALES RENOVABLES
ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL

PROYECTO DE TESIS

CORRELACIÓN DE LA DEFORESTACIÓN CON LA VARIACIÓN DE LA

PRECIPITACIÓN, TEMPERATURA MÁXIMA Y HUMEDAD RELATIVA EN LA

MICROCUENCA DEL RÍO PENDENCIA EN EL PERIODO 2000 – 2019, DISTRITO

DE PUEBLO NUEVO - PROVINCIA DE LEONCIO PRADO – HUÁNUCO

Ejecutor : Jesús Alberto Saldaña Flores

Asesor : Dr. Víctor Manuel Beteta Alvarado

Programa de investigación : Gestión Ambiental

Línea de investigación : Adaptación al cambio climático

Eje temático de investigación : Cambio climático

Lugar de ejecución : Pueblo Nuevo

Duración del trabajo : Fecha de inicio - 12/04/2021

Término - 26/06/2022

Financiamiento : FEDU:NO

Propio: SÍ - Presupuesto: 2095.5 S/.

2023
 DEDICATORIA

A Dios, por brindarme la vida, la inteligencia, perseverancia y enseñarme el buen camino

durante mi carrera profesional.

A SALDAÑA ALBINO Khaleisy Noelia, por ser mi hija, mi motor y motivo para cumplir

mis objetivos y sueños.

A ALBINO CHAVEZ Naysha Ashley, tu apoyo ha sido primordial, sigues estando conmigo

cuando más lo necesito, gracias por tu motivación y ayuda.

A mis padres Enrique Saldaña Castillo y Magdalena Flores Ojeda y hermanos Cynthia

Lizbeth Saldaña Flores, Therany Whill Saldaña Flores, Sheylla Cristhel Saldaña Flores y

Enrique Nicolás Saldaña Flores por estar siempre conmigo.

A la Universidad Nacional Agraria de la Selva, Institución en donde realicé mis estudios.

Al Dr. BETETA ALVARADO Víctor Manuel, por su asesoramiento fundamental y valioso.

A los docentes de Ingeniera Ambiental de la Facultad de Recursos Naturales renovables,

quienes apoyaron en mi carrera profesional.

A todas aquellas personas que de alguna manera me apoyaron para el cumplimiento de mi

proyecto de investigación.
 AGRADECIMIENTOS

A Dios, por siempre ayudarme, y por darme

mi hija, la familia y los amigos que tengo.

A mi Familia por su soporte y apoyo

absoluto, que siempre me dan y que me

fortalece y me dan confianza de salir

adelante cada día.

A mi Madre MAGDALENA FLORES

OJEDA y mi Padre ENRIQUE SALDAÑA

CASTILLO, por su esfuerzo para mi

superación profesional y poder triunfar en

la vida, que con su perseverancia y trabajo

me demostraron que los sueños y objetivos

se pueden cumplir.

A mis hermanos Cynthia Lizbeth Saldaña

Flores, Therany Whill Saldaña Flores,
Sheylla Cristhel Saldaña Flores, Enrique
Nicolás Saldaña Flores por ser mis motivos
y mi fortaleza para llegar al éxito.
 ÍNDICE

Página

I. INTRODUCCIÓN ........................................................................................................................ 1

II. REVISIÓN DE LITERATURA ................................................................................................. 4

2.1. Marco teórico ............................................................................................................. 4

2.1.1. Deforestación ................................................................................................ 4

2.1.2. Causas de la deforestación ............................................................................ 4

2.1.3. Deforestación a nivel nacional ...................................................................... 4

2.1.4. Deforestación en Huánuco ............................................................................ 5

2.1.5. Cambio climático .......................................................................................... 6

2.1.6. Temperatura .................................................................................................. 6

2.1.7. Precipitación .................................................................................................. 6

2.1.8. Humedad ....................................................................................................... 6

2.1.9. Cuenca hidrográfica ...................................................................................... 7

[Link]. Clasificación de cuenca hidrográfica ................................................ 7

2.1.10. Bosques ......................................................................................................... 9

[Link]. Tipos de bosques en Huánuco ......................................................... 9

2.1.11. Teledetección espacial................................................................................... 9

[Link]. Componentes de un sistema de Teledetección .............................. 10

2.1.12. Imágenes satelitales ..................................................................................... 11

2.1.13. Programa Landsat ........................................................................................ 11

2.1.14. Tratamiento digital de imágenes satelitales ................................................ 12

[Link]. Corrección geométrica .................................................................. 12

[Link]. Corrección radiométrica ................................................................ 12

[Link]. Corrección atmosférica ................................................................. 13

2.1.15. Clasificación digital..................................................................................... 13

2.1.16. Clasificación supervisada ............................................................................ 13

 2.1.17. Clasificación no supervisada ....................................................................... 14

2.1.18. Evaluación de precisión .............................................................................. 14

[Link]. Matriz de confusión....................................................................... 14

[Link]. Índice de kappa ............................................................................. 15

[Link]. Protocolo de exactitud temática del Mapa de Cobertura de Bosque

16

2.2. Estado del arte .......................................................................................................... 16

III. MATERIALES Y MÉTODOS ................................................................................................. 18

3.1. Lugar de ejecución ................................................................................................... 18

3.1.1. Ubicación política ....................................................................................... 18

3.1.2. Ubicación geográfica................................................................................... 18

3.1.3. Fisiografía.................................................................................................... 19

3.1.4. Hidrografía .................................................................................................. 19

3.1.5. Meteorología ............................................................................................... 19

3.1.6. Zonas de vida .............................................................................................. 19

3.2. Materiales y equipos ................................................................................................ 19

3.2.1. Materiales .................................................................................................... 19

3.2.2. Equipos ........................................................................................................ 20

3.2.3. Softwares ..................................................................................................... 20

3.3. Metodología ............................................................................................................. 20

3.3.1. Tipo y nivel de investigación ...................................................................... 20

[Link]. Tipo de investigación .................................................................................. 20

[Link]. Nivel de investigación ................................................................................. 21

3.3.2. Ámbito temporal y espacial......................................................................... 21

3.3.3. Operacionalización de Variables ................................................................. 21

3.3.4. Población y muestra .................................................................................... 21

[Link]. Población ..................................................................................................... 21

 [Link]. Muestra ........................................................................................................ 21

3.3.5. Diseño de la investigación........................................................................... 22

3.3.6. Técnicas e instrumentos de recolección de datos ........................................ 22

3.4. Desarrollo de la investigación .................................................................................. 22

3.4.1. Descarga de imágenes satelitales ................................................................ 22

3.4.2. Delimitación el área de estudio ................................................................... 23

3.4.3. Pre procesamiento de las imágenes satelitales Landsat 5 y 8 ..................... 23

3.4.4. Clasificación de la imagen .......................................................................... 23

3.4.5. Elaboración de los mapas de deforestación................................................. 24

3.4.6. Estimación de las tasas de deforestación..................................................... 24

3.5. Grado de confiabilidad de los mapas de deforestación ............................................ 25

3.5.1. Validación de los mapas .............................................................................. 25

3.5.2. Validación con imágenes de mayor resolución ........................................... 25

3.5.3. Validación en campo ................................................................................... 26

3.6. Estimación de los valores máximos y mínimos de precipitación, temperatura máxima

y humedad en la microcuenca del Rio Pendencia en los años 2000, 2010 y 2019 .. 27

3.7. Estimación del nivel de correlación ......................................................................... 27

IV. RESULTADOS Y DISCUSIÓN .............................................................................................. 29

4.1. Superficie deforestada en el periodo 2000 - 2019 en la microcuenca del Rio

Pendencia ................................................................................................................. 29

4.2. Tasa de deforestación en la microcuenca del Rio Pendencia en el periodo 2000 –

2004, 2005 – 2009, 2010 - 2014, 2015 - 2019 ......................................................... 30

4.3. Grado de confiabilidad del mapa de deforestación de la microcuenca del Rio

Pendencia ................................................................................................................. 32

4.3.1. Validación de campo ................................................................................... 34

4.4. Precipitación, temperatura máxima y humedad relativa en la microcuenca del Rio

Pendencia ................................................................................................................. 35
 4.5. Nivel de correlación de la tasa de deforestación con la variación de la precipitación,
temperatura máxima y humedad relativa ................................................................. 44

V. CONCLUSIONES ...................................................................................................................... 46

VI. PROPUESTAS A FUTURO ..................................................................................................... 47

VII. REFERENCIAS ……………………………………………………………………………………………………………………48

ANEXO…………….......................................................................................................................... 51

Anexo A. Datos de campo y gabinete registrados y procesados ...................................... 52

Anexo B. Datos de precipitación, temperatura máxima y humedad relativa del SENAHMI

en las 3 estaciones. ................................................................................................... 53

Anexo C. ........................................................................................................................... 58

Anexo D. .......................................................................................................................... 59

Anexo E. Panel fotográfico .............................................................................................. 60

 ÍNDICE DE TABLAS

Tabla Página

1. Clases de cuencas, subcuencas y microcuencas. ...................................................................... 8

2. Estimaciones de Kappa de acuerdo al grado de concurrencia. ............................................. 15

3. Coordenadas UTM del cuadrante donde se ubica la investigación. ..................................... 19

4. Variables……….. ....................................................................................................................... 21

5. Clasificación de la imagen ......................................................................................................... 24

6. Superficie en has del año 2000 al año 2019 en el área de estudio. ...................................... 29

7. Superficie en has de las diferentes clases y tasa anual de deforestación (ha/año). ............ 30

8. Matriz de confusión para la validación del mapa de deforestación del año 2000. ............. 33

9. Matriz de confusión para la validación del mapa de deforestación del año 2010. ............. 33

10. Número de puntos de muestreo para la validación en campo. .............................................. 34

11. Matriz de confusión para la validación en campo del mapa de deforestación del año
2019……………… .................................................................................................................... 34

12. Precipitación en mm en el área de estudio en los años 2000, 2005, 2010, 2014 y
2019……………… .................................................................................................................... 35

13. Temperaturas máximas en °C en el área de estudio en los años 2000, 2005, 2010, 2014 y
2019….………… ....................................................................................................................... 38

14. Humedad relativa (%) en el área de estudio en los años 2000, 2005, 2010, 2014 y
2019……………… .................................................................................................................... 41

15. Coeficiente de correlación de Pearson de la deforestación vs la precipitación durante el

periodo 2000 - 2019………………. ........................................................................................ 44

16. Coeficiente de correlación de Pearson de la deforestación vs la temperatura máxima

durante el periodo 2000 - 2019. ................................................................................................ 44

17. Coeficiente de correlación de Pearson de la deforestación vs la humedad relativa durante

el periodo 2000 - 2019. .............................................................................................................. 45

18. Puntos de muestreo del mapa de deforestación del año 2019. .............................................. 52
19. Altura de árboles de la validación en campo en los puntos de muestreo sin
pendiente………… ..................................................................................................................... 58

20. Altura de árboles de la validación en campo en los puntos de muestreo con

pendiente………. ........................................................................................................................ 58

21. Área de las copas de los árboles de la validación en campo en los puntos de muestreo. .. 58

22. Prueba de normalidad de la deforestación vs precipitación en el SPSS. ............................. 59

23. Prueba de normalidad de la deforestación vs temperatura en el SPSS. ............................... 59

24. Prueba de normalidad de la deforestación vs humedad en el SPSS..................................... 59

 ÍNDICE DE FIGURAS

Figura Página

1. Deforestación (ha) periodo 2001 – 2017 por departamentos. ................................................ 5

2. Deforestación (ha) periodo 2001 – 2018 departamento Huánuco. ......................................... 5

3. Elementos del sistema de teledetección................................................................................ 11

4. Mapa de ubicación política de la Microcuenca del Rio Pendencia. ..................................... 18

5. Diseño de la investigación. ................................................................................................... 22

6. Bosque, No Bosque e Hidrografía del año 2000 hasta el 2019. ........................................... 29

7. Mapas de deforestación del periodo 2000 - 2004 ................................................................. 30

8. Mapas de deforestación del periodo 2005 – 2009 ................................................................ 31

9. Mapas de deforestación del periodo 2010 - 2014 ................................................................. 31

10. Mapas de deforestación del periodo 2015 – 2019 .............................................................. 32

11. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2000....................... 35

12. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2005....................... 36

13. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2010....................... 36

14. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2014....................... 37

15. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2019....................... 37

16. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2000 .......... 38

17. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2005 .......... 39

18. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2010 .......... 39

19. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2014 .......... 40

20. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2019 .......... 40

21. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2000 ................ 41

22. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2005 ................ 42

23. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2010 ................ 42

24. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2014 ................ 43

25. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2019 ................ 43
26. Verificación de campo en punto de No Bosque. ................................................................ 60

27. Verificación en campo de punto de No Bosque. ................................................................ 60

28. Toma de datos en la verificación de campo en un punto de No Bosque. ........................... 61

29. Verificación en campo en punto de la clasificación hidrográfica. ..................................... 61

30. Punto en el área de estudio completamente deforestado. ................................................... 62

31. Verificación en punto de No Bosque en un piñal. .............................................................. 62

32. Verificación en campo del punto de No Bosque en un cultivo de cacao. .......................... 63

33. Punto de verificación de área No Bosque en el área de estudio. ........................................ 63

34. Toma de datos de árboles en el punto B1. .......................................................................... 64

35. Toma de datos de árboles en el punto B2. .......................................................................... 64

 RESUMEN

La deforestación es la actividad por la que existe gran pérdida generalizada de bosques en todo

el mundo, por lo consecuente tiene efectos en el cambio y variación de la precipitación,

temperatura máxima y humedad relativa. La presente investigación se ejecutó en la provincia

de Leoncio Prado, región Huánuco específicamente Distrito de Pueblo Nuevo. En el cual tuvo

como objetivo determinar la correlación de la deforestación con la variación de la precipitación,

temperatura máxima y humedad relativa en la microcuenca del Rio Pendencia en el periodo

2000 – 2019, encontrándose como resultado que la superficie deforestada en el periodo 2000 -

2019 en la microcuenca del Rio Pendencia es de 2674.66 has, TAD en el periodo 2000 – 2004

es de 110.38 has/año, 2005 – 2009 79.07 has/año, 2010 – 2014 162.08 has/año y del 2015 –

2019 un TAD de 114.92 has/año, un índice de Kappa del mapa de deforestación del año 2000

es de 0.90 según la escala tiene una fuerza de concordancia casi perfecta, del año 2010 también

es de 0.90 y del año 2019 es de 0.94 fuerza de concordancia casi perfecta. La mayor

precipitación es en el año 2019 con 263.66 mm, la temperatura máxima mayor se da en el año

2010 siendo 27.33 °C y el punto más alto de humedad relativa es en el año 2019 con 87.30%,

finalmente existe una correlación directa entre el área deforestada y la precipitación con un

r=0.55, no existe correlación r=0.02, entre la deforestación y la temperatura máxima y si existe

una mayor correlación directa entre el área deforestada y la humedad relativa con un r=0.95.

Palabras clave: deforestación, bosque, no bosque, precipitación, temperatura máxima,

humedad relativa.
 ABSTRACT

CORRELATION OF DEFORESTATION WITH THE VARIATION OF

PRECIPITATION, MAXIMUM TEMPERATURE AND RELATIVE HUMIDITY IN

THE PENDENCIA RIVER MICRO-WATERSHED IN THE PERIOD 2000-2019,

PUEBLO NUEVO DISTRICT - LEONCIO PRADO PROVINCE - HUÁNUCO

Deforestation is the activity for which there is a great generalized loss of forests throughout the

world, therefore it has effects on the change and variation of precipitation, maximum

temperature and relative humidity. The present investigation was carried out in the province of

Leoncio Prado, Huánuco region, specifically Pueblo Nuevo District. In which it aimed to

determine the correlation of deforestation with the variation of precipitation, maximum

temperature and relative humidity in the Pendencia River micro-basin in the period 2000 - 2019,

finding as a result that the deforested area in the period 2000 - 2019 in the Pendencia River

micro-basin is 2674.66 hectares, TAD in the period 2000 - 2004 is 110.38 hectares / year, 2005

- 2009 79.07 hectares / year, 2010 - 2014 162.08 hectares / year and from 2015 - 2019 a TAD

of 114.92 hectares /year, a Kappa index of the deforestation map for the year 2000 is 0.90

according to the scale, it has an almost perfect strength of agreement, for the year 2010 it is also

0.90 and for the year 2019 is 0.94 strength of almost perfect agreement. The highest rainfall is

in the year 2019 with 263.66 mm, the highest maximum temperature occurs in the year 2010

being 27.33 °C and the highest point of relative humidity is in the year 2019 with 87.30%,

finally there is a direct correlation between the deforested area and precipitation with r=0.55,

there is no correlation r=0.02, between deforestation and maximum temperature and if there is

a greater direct correlation between deforested area and relative humidity with r=0.95.

Keywords: deforestation, forest, non-forest, precipitation, maximum temperature, relative

humidity.
 1

I. INTRODUCCIÓN

A nivel mundial la deforestación contribuye a la pérdida generalizada de bosques, lo

que amenaza la biodiversidad que existe dentro de estos, no sólo por la pérdida de especies

arbóreas, sino también por el deterioro del hábitat y servicios ambientales de los bosques, por

lo consecuente tiene efectos en el cambio y variación de los parámetros como la precipitación,

temperatura máxima y humedad relativa.

En los últimos años, la deforestación en la Región Huánuco no se ha detenido, debido a

las actividades de ganadería, venta ilegal de madera, el cultivo de café, cacao, palma aceitera e

incluso todavía la coca. En la microcuenca del Rio Pendencia en el distrito de Pueblo Nuevo de

la Provincia de Leoncio Prado, se viene deforestando a gran escala en las partes altas de la

microcuenca desde muchos años atrás, como lo corrobora el Programa Geobosques del

MINAM (2001 – 2020), contribuyendo así a la perdida de áreas boscosas y al cambio climático.

Los síntomas más claros que se puede ver en la zona de estudio son cambios en el ecosistema,

disminución de la biodiversidad, fenómenos meteorológicos cambiantes, como lo detalla

SENAMHI en su estudio denominado Circunstancias Climáticas en el Perú para el año 2030.

La causa de este problema es la deforestación que se viene dando a gran escala en la

microcuenca del Rio Pendencia, que solo el año 2018 alcanzó 184 has deforestadas como lo

detalla cómo lo detalla el MINAM en su Plan Nacional de Mantenimiento de Bosques para la

Moderación del Cambio Climático (PNCBMCC) y las consecuencias son la variación de la

Temperatura, Precipitación y humedad.

Ante esta problemática surge la necesidad de monitorear la cantidad de perdida de

bosques y compararlos con la variación de la temperatura, humedad y precipitación, y así tener

una información actualizada y precisa, que permitan elaborar soluciones adecuadas por las

entidades pertinentes.
 2

Anteriormente no se podría conocer la cantidad deforestada en áreas alejadas o casi

remotas por el acceso, pero que ahora con la ayuda de imágenes satelitales, softwares y la

teledetección podemos determinar la tasa de deforestación, hidrografías, minería y otros

aspectos en el área de investigación.

La presente investigación espacial y temporal que se realizó a nivel de microcuenca,

ayudará a los gobiernos locales a sustentar y proponer alternativas de solución frente a este

problema ambiental, en la cual hay pocos estudios o investigaciones, y generan interrogantes

como ¿Cuál es la correlación que existe entre la deforestación con la variación de la

precipitación, temperatura máxima y humedad relativa en la microcuenca del Rio Pendencia en

el periodo 2000 – 2019? Teniendo como hipótesis: La deforestación con la variación de la

precipitación, temperatura máxima y humedad relativa tiene una correlación positiva en la

microcuenca del Rio Pendencia en el periodo 2000 – 2019.

Para lograr lo mencionado, se formuló los siguientes objetivos:

Objetivo general:

- Determinar la correlación de la deforestación con la variación de la precipitación,

temperatura máxima y humedad relativa en la microcuenca del Rio Pendencia en el

periodo 2000 – 2019.

Objetivos específicos:

- Cuantificar la superficie deforestada en el periodo 2000 - 2019 en la microcuenca del

Rio Pendencia.

- Estimar la tasa de deforestación en la microcuenca del Rio Pendencia en el periodo 2000

– 2004, 2005 - 2019, 2010 - 2014, 2015 - 2019.

- Determinar el grado de confiabilidad del mapa de deforestación de la microcuenca del

Rio Pendencia.
 3

- Estimar los valores máximos y mínimos de la precipitación, temperatura máxima y

humedad relativa en la microcuenca del rio Pendencia en los años 2000, 2005, 2010,

2014 y 2019.

- Determinar el nivel de correlación de la tasa de deforestación con la variación de la

precipitación, temperatura máxima y humedad relativa en la microcuenca del rio

Pendencia.
 4

II. REVISIÓN DE LITERATURA

2.1. Marco teórico

2.1.1. Deforestación

Son cambios del bosque para darle uso diverso de la tierra o una

reducción en la copa de los árboles (densidad menor al 10%). Consecuentemente, este término

debe entenderse como “cambios a largo plazo en la cobertura forestal o la conversión de los

bosques a un estado diferente; para usarlo para actividades diferentes como: la agricultura,

ganadería, cultivos ilegales u otros relacionados con la perdida continua de los bosques”. Se

excluyen de este concepto las superficies en proceso de regeneración, así como las superficies

que contengan remanentes de árboles o áreas de manejo forestal y, en general cualquier

actividad que extienda la presencia de cobertura arbórea (FAO, 2005). Se describe asimismo

como la pérdida del dosel del bosque debido a la intervención humana o varias fuerzas naturales

(MINAGRI, 2015).

2.1.2. Causas de la deforestación

SOFO 2020 confirma que la deforestación y la disminución de la calidad

forestal continúan a un ritmo impresionante, contribuyendo significativamente la disminución

actual de la biodiversidad. El aumento de los cultivos agrícolas es una de las importantes

razones, mientras que la resiliencia de la seguridad alimentaria humana y su capacidad para

adecuarse a cambios en el futuro depende de la propia biodiversidad (FAO, 2020).

2.1.3. Deforestación a nivel nacional

El Ministerio del Ambiente del Perú menciona que, Entre 2001 y 2017

registró una disminución de cobertura forestal de 2.130.123 hectáreas o 125.301,29 hectáreas

por año, las zonas más afectadas son: Loreto, Ucayali, San Martín, Madre de Dios y Huánuco,

que juntos concentran el 78,2% deforestado en el Perú en los últimos 17 años (MINAM, 2019).
 5

Fuente: SERFOR 2017

Figura 1. Deforestación (ha) periodo 2001 – 2017 por departamentos.

2.1.4. Deforestación en Huánuco

De acuerdo a estudios de variación de cobertura en la Amazonía, en los

años 2001 – 2019, estudio elaborado por el MINAM (2019), Huánuco muestra 333880 ha

deforestadas, ubicándose así en los primeros puestos a nivel de departamentos, y en el año 2019

presenta 14956 has deforestadas, siendo uno de los departamentos que más deforesta junto con

Loreto, Ucayali y San Martin (MINAM, 2018).

Fuente: Programa Nacional de Conservación de Bosques para la Mitigación del Cambio Climático.

Figura 2. Deforestación (ha) periodo 2001 – 2018 departamento Huánuco.

 6

2.1.5. Cambio climático

Los intelectuales definen el cambio climático como "cualquier cambio

en el clima que sucede con el tiempo como resultado de cambios naturales o de la actividad

humana". Al mismo tiempo, el calentamiento global, los síntomas más visibles del cambio

climático, se refiere a un aumento en las temperaturas promedio de la tierra y el mar a nivel

mundial.

2.1.6. Temperatura

Es una cantidad que refleja el nivel de calor de un objeto, es decir, su

capacidad para dar o perder energía térmica, e indica la dirección en la que fluye el calor: de

una alta a una temperatura más baja. Consecuentemente, el calor es un modo de energía, y para

dos objetos en contacto, siguiendo una tendencia natural hacia el equilibrio térmico, el calor se

transmite del cuerpo más caliente al más frío (Quereda, 2005).

2.1.7. Precipitación

La precipitación se refiere al descenso de partículas de agua líquidas o

sólidas. En el ciclo hidrológico la precipitación es la fase del que produce todos los flujos de

aguas superficiales y profundas, por lo que la estimación de la precipitación y la comprensión

de su organización en el período y el área son cuestiones fundamentales en hidrología

(Maderey, 2005).

2.1.8. Humedad

La humedad contenida en la atmosfera procede del agua evaporada en

todos los mantos líquidos de la superficie del planeta. Así inyectando, En muchos sentidos, el

vapor es el componente más importante de la atmósfera. Esto sucede por cuanto mientras los

otros componentes continúan en forma gaseosa, el vapor, estado gaseoso del agua en la

atmosfera, se condensa con frecuencia en agua líquida y también con frecuencia se congela en
 7

nieve y hielo e incluso se sublima. Es decir, adopta todos los estados de la materia (QUEREDA,

2005).

2.1.9. Cuenca hidrográfica

Es una extensión de área delimitada por los puntos más altos de los

cerros, pendientes y montañas, donde se han creado sistemas de drenaje superficial para

concentrar el agua en uno principal que se une al mar, río o lago. Esta ubicación se puede marcar

en un gráfico de altimetría que sigue el "acuario divortium" de la cuenca. La riqueza natural, el

suelo, el agua y otros recursos están ubicados en las cuencas hidrológicas en las que las personas

viven y realizan todas las actividades. Toda la infraestructura y las intervenciones humanas se

ubican en cuencas hidrológicas, no hay espacio en el planeta que no pertenezca a una cuenca.

Una excepción reconocida es una pequeña área en la parte inferior de la cuenca llamada “zonas

de intercuencas”. Si el área de la llanura es grande y la cuenca no se distingue fácilmente, se

designan cuencas de llanos, pampas o praderas. Las cuencas que vierten agua al mar tienen un

área de captación espacialmente integrada con áreas costeras, que a menudo forman valiosos

ecosistemas ecológicos y económicos (Faustino y Jiménez, 2000).

[Link]. Clasificación de cuenca hidrográfica

Debido a la estructura de drenaje y su desembocadura final, pueden

llamarse arréicas, exorréicas, criptorréicas y endorreicas:

a) Son arréicas Si no desembocan en ríos, océanos o lagos, se desbordan y su agua

se pierde por evaporación o infiltración, sin escurrirse bajo tierra.

b) Son criptorréicas si su red de evacuación de agua superficial no es organizado o

visible y fluye como un rio subterráneo (como ocurre en las zonas kársticas).

c) Son endorréicas si sus aguas fluyen hacia a un gran depósito de agua superficial

o lago sin llegar al mar.

 8

d) Son exorréicas si las superficies topográficas conducen las aguas a uno de mayor

de drenaje como un río o mar.

Por el balance hídrico se les denomina cuencas balanceadas (cuando la

oferta y demanda son similares), deficitarias (cuando la demanda es mayor que la oferta) y con

abundancia (cuando la oferta es mayor que la demanda). Los propósitos de uso o manejo pueden

incluir nombres tales como cuencas de abastecimiento de agua potable municipal y cuencas de

centrales hidroeléctricas. Cada calificación debe considerar sus objetivos, las involucraciones

de los conceptos utilizados y el trabajo que se intenta implementar. La cuenca hidrográfica se

puede dividir de otras maneras, dependiendo de la reunión de la red de drenaje, definiéndose

como subcuencas y microcuencas.

a) Subcuenca. Es cualquier área donde sus aguas fluyen solamente al curso

primordial de la cuenca. Muchas subcuencas a veces forman una cuenca.

b) Microcuenca. Es la zona que despliega directamente un sistema de drenaje al

cauce primordial de una subcuenca. Diversas microcuencas pueden formar una

subcuenca.

Esta otros puntos de vista de clasificación, concernientes con el tamaño

de la cuenca, que están congruentes con el número de orden de drenaje y/o con el tamaño del

área que cubre (ver tabla 1). En términos de escala, en grandiosas vertientes como el Atlántico

en Sudamérica, la definición de área que define una cuenca, subcuenca o microcuenca, se

considera tener en cuenta otras características físicas, naturales o socio económicas, como la

cuenca del rio Amazonas.

Tabla 1. Clases de cuencas, subcuencas y microcuencas.

Unidad N° De Orden Área (Km2)

Microcuenca 1, 2, 3 10 - 500
Subcuenca 4, 5 500 - 2000
Cuenca 6, 7 ó mas Más de 2000

Fuente: Faustino y Jiménez, 2000

 9

2.1.10. Bosques

Son ecosistemas biológicos complejos, que engloban microorganismos,

plantas y fauna que interaccionan entre sí y están subordinados al entorno primario de los

árboles, que cubren más de 1/2 hectárea, exceden (o pueden exceder) los 2m de altura, y poseen

cubierta de más del 10% del área que ocupan (MINAM, 2011).

[Link]. Tipos de bosques en Huánuco

A) Bosques de Selva Baja

Están ubicados en las llanuras aluviales del río Amazonas, por debajo de

los 800 m.s.n.m, y la altura de los árboles puede exceder los 40 metros. Hallamos árboles como:

el copal, el machimango, la cumala y la palmera; plantas como la orquídea, la bromelia, la liana

y el helecho; y fauna como el otorongo, el ronsoco, el mono choro y la boa (MINAM, 2011).

B) Bosques de Selva Alta

Están ubicados en montañas bajas de la llanura aluvial amazónica, abajo

de los 1000 m.s.m.m. Contiene árboles como el cedro y la caoba, bosques muy cotizados nivel

internacional, y bastantes especies de plantas curativas como la uña de gato y la sangre de la

sangre (MINAM, 2011).

2.1.11. Teledetección espacial

Por Teledetección generalmente, nos referimos, al procedimiento de

adquirir información sin tener acercamiento directo con ella. Pero, en geociencias, la

teledetección se entiende como una técnica que su finalidad es capturar, procesar y estudiar

imágenes digitales tomadas de satélites artificiales. (Pérez y Muñoz, 2006).

Esta técnica, puede obtener datos de un área a distancia, y consiste en que

las características de la superficie terrestre tienen una réplica espectral propia, por la que

podemos reconocerlos. Esto requiere herramientas idóneas para registrar la radiación de la

Tierra y convertirla en señales que puedan ser manipuladas de modo analógica (producción
 10

fotográfica) o de modo digital (cintas magnéticas compatibles con computadoras) (Segado,

1996).

[Link]. Componentes de un sistema de Teledetección

El sistema de teledetección contiene los siguientes componentes:

- Fuente de Energía: Proviene de la radiación electromagnética que recogerá el sensor.

Puede ser de origen pasiva, como la luz solar, o una fuente activa arrojada por un sensor

y luego recibe un reflejo (el radar).

- Cubierta terrestre: Son las características naturales o elaborados por el humano (flora,

suelo, rocas, construcción, etc.) que irradia la señal hacia el sensor.

- Sistema sensor: consiste en el propio sensor (cámaras, radar, etc.) y la plataforma en la

que se encuentra (satélite, avión, globo). Su trabajo es capturar energía del área terrestre,

guardarla o remitir concisamente a un sistema de recepción.

- Sistema de recepción-comercialización: Esta toma los datos del sistema sensor,

almacena en un formato adecuado y lo dispone al usuario.

- Interprete: Transforma los datos del área terrestre en información sobre temas de

utilidad (forestal, agricultura, geografía, medio ambiente, catastro, etc.), con

procedimientos y tecnologías visuales o digitales.

- Usuario final: Es destinatario de la interpretación de los documentos obtenidos y

determina sus consecuencias (Chuvieco, 1996).

 11

Fuente: Chuvieco 1996

Figura 3. Elementos del sistema de teledetección.

2.1.12. Imágenes satelitales

Las imágenes satelitales son el resultado de la energía solar emitida en

diferentes longitudes de onda, absorbidas por sensores pasivos sobre la superficie de la tierra.

Estos datos se recopilan en cada unidad de adquisición de datos de acuerdo con sus

características (bandas espectrales) para poner los datos en una "matriz de píxeles digitales" que

se combinan para formar una imagen o también llamada "ráster". Entonces, todas estas variantes

tienen un lenguaje de procesamiento llamado "ND" (Nivel digital)” (NASA, 2004).

2.1.13. Programa Landsat

Antes de 1972, el concepto de utilizar información satelital para observar,

cartografiar o estudiar la Tierra era un concepto descabellado. Hechos que crearon el programa

Landsat, una cadena de misiones satelitales de examinación de la Tierra, manejadas en la NASA

y el Servicio Geológico de EE. UU. (USGS). El programa Landsat cambió la forma en que

observamos y estudiamos la Tierra. Esta sucesión de información, que comenzó en 1972, es la

más antigua de la historia y persiste explorando modificaciones en la superficie de la Tierra

 12

desde el espacio. Landsat es el único sistema satelital planteado y aplicado para examinar

repetidamente la cobertura terrestre con una resolución moderada; normalmente, cada píxel de

una imagen tiene el tamaño de un campo de béisbol (Ariza, 2013).

2.1.14. Tratamiento digital de imágenes satelitales

A menudo es necesario preprocesar la información relevante,

previamente al análisis de los datos recopilados de los sensores remotos. Esta etapa se conoce

como "Image Preprocessing", para subsanar los errores que ocurre durante la etapa de adquirir

la información, que puede mancillar la calidad de los datos recolectados por el sensor (Jensen,

1996).

El “Image Préprocessing”, se diseñó para optimizar diversificaciones “de

conseguir la información y que puede variar la calidad de los datos acopiados del sensor”

(Chuvieco, 2002).

[Link]. Corrección geométrica

A menudo, la información de los sensores remotos muestra errores

geométricos sistemáticos, es decir, aquellas que pueden ser corregidas usando información de

la plataforma y sabiendo las distorsiones internas del sensor, y asistemáticas, es decir los que

no pueden ser subsanados con un error de precisión admisible, sin un número idóneo de puntos

de control terrestre. Las razones de los desaciertos geométricos de origen sistemático, podemos

indicar la celeridad de la plataforma y la rotación de la tierra. Por otra parte, las desviaciones

de origen no sistémico, que incorpora fallas debido a la altura y colocación del sensor, Bemstein

(1983) citado por Jensen (1996).

[Link]. Corrección radiométrica

Puede efectuarse por: la calibración absoluta y la calibración relativa y

entre otros.
 13

Calibración absoluta: La calibración absoluta tiene en cuenta características de transmitividad

atmosférica, irradiancia dudosa del cielo y trayecto de la radiancia, para establecer cómo los

efectos atmosféricos influye en la radiansa calculada por el sensor remoto (Chuvieco, 2010).

Calibración relativa: se puede utilizar para regularizar las magnitudes entre las bandas en una

circunstancia (ejemplo: para remover la respuesta 31 errada del sensor, líneas desatendidas o

rayados), para regularizar las magnitudes de las bandas de los datos de la imagen en un plazo y

generalizarla a la escena elegida en el análisis. Habitualmente no precisa la recopilación de

medidas atmosféricas en el momento de la recopilación de datos, lo cual es difícil de lograr

utilizando datos históricos de teledetección (Jensen, 1996).

[Link]. Corrección atmosférica

Los procedimientos para manejar con precisión estas correcciones son

engorrosos y exigen datos sobre las circunstancias atmosféricas en el instante en que se toman

las imágenes, que a menudo no están disponibles. El resultado de la atmósfera en la imagen no

es igual, pero algunas áreas pueden verse más alteradas, esto en función de la existencia de

aerosoles o vapor (Chuvieco, 2010).

2.1.15. Clasificación digital

Esta actividad se implementa con el transcurso de clasificar o agrupando

en áreas equivalentes una imagen multi-banda. En estadística se alude a reducir el tamaño de

una medida (Chuvieco, 1996).

Tipos de clasificación digital:

2.1.16. Clasificación supervisada

El procedimiento supervisado comienza con el reconocimiento de la

zona, experiencia o trabajos de campo. Este diagnóstico con el área de prueba, permite al

intérprete marcar algunas áreas piloto en la imagen que se consideran suficientes para

representar las categorías que componen la leyenda. Este término indica que estas regiones se
 14

utilizan para entrenar a las computadoras para que reconozcan diferentes categorías. En otras

palabras, la computadora calcula un ND (nivel digital) que define cada categoría en función de

ellos y luego asigna los pixceles restantes de la imagen en cualquiera de esas clases con respecto

de sus horizontes digitales (Chuvieco, 1996).

2.1.17. Clasificación no supervisada

Precisa las variedades espectrales de la imagen, de tal forma la intrusión

humana se enfoca más en descifrar, que en obtención de resultados. Se supone que los ND de

una imagen, forma una sucesión de congregaciones o aglomerados (chistéis), aproximadamente

claros como sean los temas. Este conjunto será equivalente a pixeles con el mismo

procedimiento, por lo tanto, corresponderían precisar clases de objetos de interés (Chuvieco,

1996).

2.1.18. Evaluación de precisión

Los métodos de verificación descriptiva en los proyectos de obtención de

mapas, se han implementado durante bastante tiempo. Sin embargo, se han vuelto más

prominentes en los últimos años, y deberían de incluirse en estudios, ya que permite a los

usuarios del mapa, valorar que tan bien corresponde con la circunstancia actual. Una

disposición de confiabilidad, radica en contar con áreas de prueba, que permiten mediciones

independientes de la correspondencia entre el mapa y el terreno real. Esto se logra muestreando

el lugar clasificado con el objetivo de obtener providencia imprescindible para comprobar las

deducciones (Chuvieco, 1996).

[Link]. Matriz de confusión

Dado el caso de contrastar una imagen clasificada, obtendremos

definitivamente una enumeración de lugares de comprobación, en el cual tenemos su cobertura

actual, como la obtenida por la tipificación. A partir de este inventario se genera una tabla

designada matriz de confusión, porque resume las que aparecen entre clases. En la matriz las
 15

columnas acostumbran representar las clases definidas y las filas representan las clases

resultantes de la clasificación. Indiscutiblemente uno y otro tendrán el mismo número y

connotación; en resumen, es una matriz cuadrada: n x n, en el cual n indica el número de clases.

La transversal de esta matriz representa la cantidad de puntos de comprobación que aparecen

en ambas referencias (mapa y realidad), en tanto los laterales conjeturan desaciertos de

asignación. La concordancia entre el número de sitios fielmente determinados y el número

general, enuncia la confiabilidad del mapa. Los residuos de columna muestran características

de cubierta existente que no se incorporaron en el mapa, en tanto que los residuos de fila

representan una cobertura de mapa poco realista. En resumen, representan errores de omisión

y de comisión, correspondientemente (Chuvieco, 2010).

[Link]. Índice de kappa

Es la relación de concurrencias adquiridas en un resultado cartográfico

sustrayendo aquellos creados de forma casual. Mide la discrepancia de la precisión alcanzada

en la tipificación con un software y la precisión de alcanzar una tipificación adecuada con una

tipificación visual (en campo o con imágenes de alta calidad) (MINAM, 2014).

Una herramienta para calcular la confiabilidad de un mapa, es el Índice

de Kappa, precisado como la consecuencia de la tipificación marginal, ver Cuadro 2 (MINAM,

2014).

Tabla 2. Estimaciones de Kappa de acuerdo al grado de concurrencia.

Kappa Grado de concurrencia

0.00 Pobre
0.01 - 0.2 Leve
0.21 - 0.40 Aceptable
0.41 - 0.60 Moderada
0.61 - 0.80 Considerable
0.81 - 1.00 Casi perfecta
Fuente: MINAM, 2014
 16

[Link]. Protocolo de exactitud temática del Mapa de Cobertura de

Bosque

El MINAM obtuvo la Guía de estimación de la precisión temática del

Mapa de Cobertura de Bosque y Cambio de Bosque-No Bosque de la Amazonía, teniendo en

cuenta las medidas internacionales ISO 19113: Iniciaciones de la calidad; ISO 19114:

Instrucciones de estimación de la calidad e ISO 19138: Cuantificar la calidad de la información

territorial (MINAM, 2014).

2.2. Estado del arte

2.2.1. Sifuentes (2012) en su investigación buscó la relación entre la variación

climática extrema y la deforestación. Demostrando una correlación positiva alta entre el área

deforestada y humedad relativa extrema (r=0.682), también encontró correlación positiva

(r=0.344) de la temperatura media extrema y las áreas deforestadas, sin embargo con la

temperatura máxima extrema (r=-0.449) y temperatura mínima extrema (r=-0.224) y

precipitación extrema (r=-0.223) halló una correlación negativa pero sin significancia,

finalmente concluyó que el área de deforestación está directamente relacionada con los años

que han transcurrido.

2.2.2. Sánchez (2019) en su estudio determinó el grado de deforestación usando

imágenes satelitales en la subuenca del Rio Cumbaza en el periodo 2008 - 2017. Aplicó los

métodos utilizados en el SIG, encontrando que la disminución de montes primarios en ese

tiempo fue de 5924.57 ha, que representó una baja de 658.29 ha/año.

2.2.3. Vergaray (2020) en su investigación determinó la cobertura forestal en la

subcuenca Ponaza y su impacto en las inundaciones fluviales en el periodo 1999 – 2018, donde

recurrió a información real de precipitaciones e imágenes satelitales Landsat. El resultado

muestra un coeficiente de correlación de -0.56 entre los datos de peligrosidad vs cobertura de

 17

bosques, mientras que en 19 años la pérdida de bosques fue de 19335.6 has (25.2% de la

cuenca).

2.2.4. El programa Bosques del MINAM – Cobertura y disminución en los bosques

húmedos de la amazonía (2018), indica en sus reportes señalo que las perdidas forestales

clasificadas como muy alta y extremadamente altas en el 2018 se concentraron en Huánuco,

Ucayali, Junín, Madre de Dios, Ayacucho, San Martín, Puno y Amazonas. Específicamente en

Huánuco la perdida forestal anual, entre el 2001 – 2018 es de 17718 has, y que durante los

mismos años hubo un registro total de perdida de bosques de 318924 has, concentrándose en

mayor cantidad, en Leoncio Prado, Marañón y Pto Inca.

2.2.5. Global Forest Watch (2021), aplicación de monitoreo, muestra que desde el 2002

hasta 2021, Huánuco perdió 315000 has de bosque primario húmedo, el bosque primario

húmedo en Huánuco disminuyó en 18% en ese periodo de tiempo. También nos indica que del

2001 a 2021 Huánuco perdió 418000 has de bosques, esto es equivalente a la reducción del 18

% de la cobertura arbórea desde 2000.

 18

III. MATERIALES Y MÉTODOS

3.1. Lugar de ejecución

3.1.1. Ubicación política

La investigación se produjo en el área de la microcuenca del Rio

Pendencia, dicha área presenta bosques primarios y secundarios, ubicado al margen derecho de

la carretera nacional FBT Tingo María - Tocache, Provincia de Leoncio Prado, Departamento

Huánuco.

Figura 4. Mapa de ubicación política de la Microcuenca del Rio Pendencia.

3.1.2. Ubicación geográfica

Según las regiones naturales del Perú, Pulgar (1987), el área de la

microcuenca del Rio Pendencia que es de 12354.47 has pertenece a Selva Alta.

Geográficamente el presente estudio está ubicado en la Zona 18 S, en el siguiente cuadrante de

coordenadas UTM:
 19

Tabla 3. Coordenadas UTM del cuadrante donde se ubica la investigación.

ESTE NORTE

389660 9004131

411760 9004060

412378 8986760

390206 8986712

3.1.3. Fisiografía

Fisiografía heterogénea la misma que se identifica por mostrar

geoformas, determinadas por montañas altas y bajas en las partes altas de la microcuenca y

terrazas bajas (GOREHCO, 2020).

3.1.4. Hidrografía

La hidrología del Rio Pendencia, cuenta con una extensión de 20 km,

alcanza un sector de la cuenca del río Huallaga Central, con una prolongación de 625,121 ha.

(GOREHCO, 2020).

3.1.5. Meteorología

Subtropical y tropical, diferenciándose una seca de junio a septiembre y

lluviosa de octubre a mayo. La temperatura se alterna entre 23°C y 27°C y la precipitación

pluvial media anual es de 1500 mm (GOREHCO, 2020).

3.1.6. Zonas de vida

La ubicación ecológica de acuerdo a la Autoridad Regional Ambiental

del departamento de Huánuco, corresponde a bosque húmedo tropical (bh-T) y bosque muy

húmedo premontano tropical (transicional a bosque, bh-PT), (GOREHCO, 2017).

3.2. Materiales y equipos

3.2.1. Materiales
 20

- Imágenes satelitales Landsat 5, Landsat 8 y Sentinel. características:

Multiespectrales, Resolución: 30m y 15m, % de nubes: Menor o igual 30%.

- Papel bond A4.

- Lapiceros

- USB de 16 GB

- Tablero de madera,

- Wincha.

3.2.2. Equipos

- Laptop Toshiba CORE i7

- GPS Garmin

- Impresora HP, para la impresión de los mapas

- Clinómetro

3.2.3. Softwares

- Software ArcGIS 10.8

- Microsoft Office 2016.

3.3. Metodología

3.3.1. Tipo y nivel de investigación

[Link]. Tipo de investigación

Pertenece al tipo correlacional, porque tiene por objetivo mostrar la

relación entre variables (deforestación con la variación de la temperatura, humedad y

precipitaciones en la microcuenca (Bernal, 2010).

 21

[Link]. Nivel de investigación

Es relacional y/o correlacional, puesto que demostré relaciones de

causalidad de la deforestación con los parámetros (temperatura máxima, humedad relativa y

precipitación) en el área en estudio (Hernández, 2014).

3.3.2. Ámbito temporal y espacial

Ámbito temporal: del año 2000 al 2019

Ámbito espacial: Microcuenca del Rio Pendencia

3.3.3. Operacionalización de Variables

Para la presente investigación se definieron las siguientes variables X y

Y, según a los objetivos del proyecto de tesis:

Tabla 4. Variables

Variable Componente Indicador

X Deforestación Superficie deforestada (%)

Variación de la temperatura ambiental (%)

Y Efectos en el clima Variación de la humedad ambiental (%)
Variación de la precipitación ambiental (%)

3.3.4. Población y muestra

[Link]. Población

La población objetiva estuvo constituida por toda el área de la

microcuenca del rio Pendencia.

[Link]. Muestra

La muestra fueron las áreas deforestadas en los diferentes periodos de los

años 2000 (1921 has), 2005 (2543.59 has), 2010 (3185 has), 2014 (3840.63 has) y 2019 (4608.8

has).
 22

3.3.5. Diseño de la investigación

Figura 5. Diseño de la investigación.

Donde:

Mn: Muestra (área deforestada en los años 2000, 2005, 2010, 2014 y 2019)

Dn: Deforestación (has) en dicha muestra

EC: Efectos Climáticos

R: Correlación en dichas variables (PEÑA, 2013)

3.3.6. Técnicas e instrumentos de recolección de datos

Para esta etapa se manejó la Guía para la estimación de la precisión

temática del mapa de deforestación (MINAM, 2014).
3.4. Desarrollo de la investigación

3.4.1. Descarga de imágenes satelitales

Se bajó imágenes del satélite Landsat 5 y 8 de la web USGS, en formato

TIF (fechas de las imágenes 31/08/2000, 31/01/2004, 29/08/2005, 06/05/2009, 11/08/2010,

 23

22/08/2014, 09/10/2015 y 10/09/2019) preliminarmente se registró (para investigación), creó

una cuenta para el acceso y descarga. Se descargó en general 8 imágenes Landsat 5, 1 de landsat

8 y 1 imágenes de sentinel. Las imágenes se eligieron teniendo en cuenta la menor nubosidad

posible de 0 a 10%, para no tener pérdida de información del lugar.

3.4.2. Delimitación el área de estudio

Se delimitó la microcuenca del Rio Pendencia, en el software ArcGIS

para conocer sus parámetros físicos, y así tener delimitado nuestra área de estudio.

3.4.3. Pre procesamiento de las imágenes satelitales Landsat 5 y 8

Previo a la extracción de la información de la imagen, se debe realizar

una corrección radiométrica y atmosférica, este proceso se desarrolló en el software ARCGIS,

donde se utilizó las siguientes formulas según la USGS para las correcciones de radiancia y

corrección de reflectancia al tope de la atmosfera:

Fórmula para la corrección atmosférica de radiancia

𝐿𝑀𝐴𝑋𝑦 − 𝐿𝑀𝐼𝑁𝑦
𝐿𝑦 = )(𝑄𝑐𝑎𝑙 − 𝑄𝑐𝑎𝑙𝑚𝑖𝑛) + 𝐿𝑀𝐼𝑁𝑦
𝑄𝑐𝑎𝑙𝑚𝑎𝑥 − 𝑄𝑐𝑎𝑙𝑚𝑖𝑛

Fórmula para la corrección atmosférica de reflectancia al tope de la atmosfera

𝜋 𝑥 𝐿𝑦 − 𝑑2
𝑃𝑦 =
𝐸𝑆𝑈𝑁 𝑥 𝑆𝐸𝑁(Ѳ𝑠𝑒)

- Se corrigió las imágenes descargadas en el software ARCGIS, insertando las

fórmulas con la herramienta raster calculator en nuestra área de estudio.

3.4.4. Clasificación de la imagen

La clasificación supervisada se efectuó con el programa ACRGIS

manipulando la herramienta Image Classification, según las siguientes clases como se detalla

en el cuadro siguiente.
 24

Tabla 5. Clasificación de la imagen

Criterio de clasificación Definición en la imagen

Áreas con cubierta boscosa natural (primaria y secundaria),

Bosque
cotejado con puntos de muestreo de campo.

Áreas sin cubierta vegetal (chacras, ganaderías, otros), cotejado

No bosque
con puntos de muestreo de campo.

Hidrografía Red hidrográfica

Fuente: Adaptado de RECAVARREN et al. 2011.

3.4.5. Elaboración de los mapas de deforestación

Una vez obtenido la clasificación final, en nuestra área de investigación

de la microcuenca del Rio Pendencia en ARCGIS, cambiamos al formato de almacenamiento

de datos vectoriales, hallamos el área de No Bosques según los polígonos de la clasificación

supervisada, para la elaboración de los mapas de deforestación en los años 2000, 2005, 2010,

2014 y 2019.

3.4.6. Estimación de las tasas de deforestación

Para este proceso se utilizó los polígonos del proceso anterior, porque

nos permite cuantificar el área de las diferentes clasificaciones realizadas (Bosque, No Bosque,

Hidrografía), para el cálculo de las tasas anuales de deforestación (TAD) en la microcuenca del

Rio Pendencia se manipuló la fórmula:

𝐴𝐵𝑖𝑛𝑖 − 𝐴𝐵𝑓𝑖𝑛
𝑇𝐴𝐷 =
𝑁

Donde:

TAD = Tasa anual de deforestación

ABfin = Área de bosque en año final (ha)

ABini = Área de bosque en el año inicial (ha)

N = Número de años del periodo de estudio

 25

El valor positivo de D nos indicará disminución de áreas boscosas, en tanto un

valor negativo indicará incremento (Laurente, 2011).

3.5. Grado de confiabilidad de los mapas de deforestación

3.5.1. Validación de los mapas

La validación del mapa de cobertura de los años 2000, 2005, 2010 y 2014

se realizó solo con imágenes de mejor resolución y la del 2019 de la microcuenca del Rio

Pendencia, se realizó en dos etapas, con imágenes de mayor resolución y verificación de campo,

de acuerdo a lo señalado en la Guía para la estimación de la precisión temática del mapa de

deforestación (MINAM, 2014).

3.5.2. Validación con imágenes de mayor resolución

Las imágenes con más resolución, nos posibilitan observar el análisis con

más detalle, y para que las deducciones de la clasificación puedan compararse con las imágenes

de resolución media, utilizadas para elaborar los Mapas de Deforestación, para el presente

estudio se utilizó imágenes SENTINEL2, que tiene una resolución espacial de 5 m x 5 m. El

proceso de validación se detalla a continuación:

- Primero se realizó la clasificación supervisada con las imágenes LANDSAT 5 y 8,

a continuación, se utilizó la herramienta del ARCGIS llamado crear puntos de

evaluación de precisión, el cual crea puntos de muestra de forma aleatoria en toda

el área de estudio. En el cual, los lugares de muestreo fueron dispersados en todo el

mapa, en las clases Bosque, No Bosque e hidrografía.

- A continuación, se sobrepuso la capa de puntos de muestreo sobre la imagen de

mayor resolución y verificamos la coincidencia de las clases: Bosque, No bosque e

hidrografía.
 26

- Finalmente, con la cantidad de puntos que coinciden y los que no coinciden se

calcula la matriz de confusión, con la herramienta compute confusion matrix del

ARCGIS, determinando así el coeficiente de Kappa.

3.5.3. Validación en campo

La metodología usada para esta última etapa es la Guía para la estimación de la

precisión temática del mapa de deforestación MINAM, se realizó visitas in situ de

las coordenadas creadas aleatoriamente, con la herramienta crear puntos de

evaluación de precisión del ARCGIS. Se verificaron 26 puntos si correspondían a

los descritos en el mapa de deforestación del año 2019, de cada clasificación:

Bosque, No Bosque e Hidrografía, teniendo en cuenta la accesibilidad y

registrándole en la matriz de campo, para determinar el número de puntos de

muestreo en campo se utilizó la siguiente formula:

𝑆2 ∗ 𝑝 ∗ 𝑞
𝑁=
𝐸2

Donde:

S: es una constante que depende del nivel de confianza que asignemos.

P: indica el porcentaje de aciertos estimados, establecido por el área de la clase.

Q: el porcentaje de errores estimados

E: el nivel permitido de error

- Con la información adquirida en campo, se calcula la matriz de confusión,

comparando con los datos del mapa de deforestación del año 2019.

- Para determinar la exactitud con imágenes de alta resolución y la validación en

campo, utilicé el índice de Kappa, según MINAM (2014), con la siguiente fórmula:

Po − Pe
𝐾=
1 − 𝑃𝑒
 27

Donde:
Po: es el número de aciertos entre n
Pe: se calcula desde la matriz de confusión

3.6. Estimación de los valores máximos y mínimos de precipitación, temperatura

máxima y humedad en la microcuenca del Rio Pendencia en los años 2000, 2010 y

2019

- Se solicitaron al SENAMHI datos meteorológicos de temperatura máxima,

precipitación y humedad (periodo 2000 - 2019) de 3 estaciones: Aucayacu,

Tulumayo y Divisoria que están ubicadas cerca del área en estudio. A continuación,

se calcularon los promedios anuales de los 3 parámetros en estudio, en los años

2000, 2005, 2010, 2014 y 2019.

- Se determinaron la temperatura máxima, precipitación y humedad relativa en la

microcuenca del Rio Pendencia, en las fechas de las imágenes descargadas en los

años 2000, 2005, 2010, 2014 y 2019, interpolando con la herramienta IDW del

Software ARCGIS.

3.7. Estimación del nivel de correlación

- Se efectuó una prueba de Normalidad en el programa Statistical Package for the

Social Sciences (SPSS), con los datos de deforestación vs precipitación,

temperatura y humedad, para ver que la distribución de los datos sea normal (si el

nivel de significancia es mayor a 0.05), se utilizó Kolmogorov-Smirnov ya que el

número de datos es menor a 50 y así poder usar el coeficiente de correlación de

Pearson.

- Se manejó la fórmula del coeficiente de correlación de Pearson, donde se comparó

la tasa de deforestación vs parámetros (variación de la temperatura máxima,

humedad relativa y precipitación), para demostrar si existe una relación positiva o

negativa entre las dos variables comparadas, y la formula es la siguiente:

 28

⍴xy
𝑟=
⍴x ∗ ⍴y

∑ 𝑥2 ∑ 𝑦2 ∑ 𝑥𝑦
⍴x = √ − 𝑥̅ 2 ⍴y = √ − 𝑦̅ 2 ⍴xy = − 𝑥̅ ∗ 𝑦̅
𝑛 𝑛 n

Donde:

⍴xy: es la covarianza

⍴x: desviación típica de x

⍴y: desviación típica de y

 29

IV. RESULTADOS Y DISCUSIÓN

4.1. Superficie deforestada en el periodo 2000 - 2019 en la microcuenca del Rio

Pendencia

En la tabla 6 se muestran las áreas de las clases Bosques, No Bosques e

Hidrografía. Obteniéndose que la clase Bosque disminuye de 10243.33 has en el año 2000 a

7568.67 en el año 2019 y la clase No Bosque aumenta de 1921.00 has en el año 2000 a 4608.80

has en el año 2019.

Tabla 6. Superficie en has del año 2000 al año 2019 en el área de estudio.

Clasificación Año 2000 Año 2019

Hidrografía 186.21 174.72

Bosque 10243.33 7568.67

No Bosque 1921.00 4608.80

Figura 6. Bosque, No Bosque e Hidrografía del año 2000 hasta el 2019.

Al respecto Rautner (2013) indica que, en los últimos años, el aumento del

consumo provenientes de la agricultura, la ganadería y la alta demanda de combustibles ha

provocado más del 50% y 60% de la degradación forestal en los países tropicales y

subtropicales.
 30

4.2. Tasa de deforestación en la microcuenca del Rio Pendencia en el periodo 2000 –

2004, 2005 – 2009, 2010 - 2014, 2015 - 2019

En la tabla 7 se presenta las superficies en has de las diferentes clases y tasa anual

de deforestación (ha/año), correspondientes a los años 2000 – 2004, 2005 – 2009, 2010 - 2014

y 2015 - 2019. La Tasa Anual de Deforestación en el periodo 2000 - 2004 es de 110.38 has/año,

en el siguiente periodo 2005 – 2009 disminuye a 79.07 has/año, en el periodo 2010 – 2014

alcanza un máximo de hasta 162.08 has/año, siendo este el TAD más elevado en todo el periodo

2000 – 2019, y en el último periodo 2015 - 2019 alcanza 114.92 has/año, lo que corrobora

porque la región Huánuco es uno de los departamentos que más deforesta en todo el país.

Tabla 7. Superficie en has de las diferentes clases y tasa anual de deforestación (ha/año).
Clasificación 2000 2004 2005 2009 2010 2014 2015 2019

Hidrografía 186.21 180.00 180.00 180.00 180.00 180.00 180.00 174.72

Bosque 10243.33 9691.45 9630.88 9235.54 9144.22 8333.84 8143.29 7568.67

No Bosque 1921.00 2473.02 2543.59 2938.93 3185.00 3840.63 4031.18 4608.80

TAD 110.38 79.07 162.08 114.92

Figura 7. Mapas de deforestación del periodo 2000 - 2004

 31

Figura 8. Mapas de deforestación del periodo 2005 – 2009

Figura 9. Mapas de deforestación del periodo 2010 - 2014

 32

Figura 10. Mapas de deforestación del periodo 2015 – 2019

Asimismo, el MINAM (2018), en su plataforma Geobosques indica que el año

2014, fue en donde más se deforestó en la región de Huánuco con un total de 27596 has, y que

en promedio la pérdida anual de bosque, entre el 2001 – 2018, fue de 17718ha.

4.3. Grado de confiabilidad del mapa de deforestación de la microcuenca del Rio

Pendencia

En la tabla 8 se muestra la matriz de confusión, para el mapa de deforestación del

año 2000, observamos la distribución de un total de 107 puntos de muestro. Las celdas

sombreadas nos muestra el número de puntos que concuerdan tanto en la imagen satelital y la

clasificación supervisada, es decir 7 puntos en hidrografía, 79 puntos en Bosque y 17 puntos en

No Bosque, caso contrario los puntos que no se encuentran sombreados en las clases son los

que no coinciden, 2 puntos en Bosque que se encuentra en la imagen satelital están en

hidrografía según la clasificación supervisada, 1 punto de No Bosque en hidrografía y 1 punto

de No Bosque en Bosque. Obteniéndose un Índice de Kappa para el mapa de deforestación del

año 2000 de 0.906469, fuerza de concordancia casi perfecta.

 33

Tabla 8. Matriz de confusión para la validación del mapa de deforestación del año 2000.

Clase Hidrografía Bosque No Bosque Total U_Accuracy Kappa

Hidrografía 7 2 1 10 0.7 0
Bosque 0 79 1 80 0.9875 0
No Bosque 0 0 17 17 1 0
Total 7 81 19 107 0 0
P_Accuracy 1 0.975309 0.894737 0 0.962617 0
Kappa 0 0 0 0 0 0.906469

En la tabla 9 se presenta la matriz de confusión, para el mapa de deforestación del

año 2010, observamos la distribución de un total de 110 puntos de muestro. Las celdas

sombreadas nos muestra el número de puntos que concuerdan tanto en la imagen satelital y la

clasificación supervisada, es decir 10 puntos en hidrografía, 73 puntos en Bosque y 22 puntos

en No Bosque, caso contrario los puntos que no se encuentran sombreados en las clases son los

que no coinciden, 4 puntos en Bosque que se encuentra en la imagen satelital están en No

Bosque según la clasificación supervisada, 1 punto de No Bosque en Bosque. Obteniéndose un

Índice de Kappa para el mapa de deforestación del año 2010 de 0.903576, fuerza de

concordancia casi perfecta.

Tabla 9. Matriz de confusión para la validación del mapa de deforestación del año 2010.

No
Clase Hidrografía Bosque Bosque Total U_Accuracy Kappa
Hidrografía 10 0 0 10 1 0
No Bosque 0 22 4 26 0.846154 0
Bosque 0 1 73 74 0.986486 0
Total 10 23 77 110 0 0
P_Accuracy 1 0.956522 0.948052 0 0.954545 0
Kappa 0 0 0 0 0 0.903576
 34

4.3.1. Validación de campo

En la tabla 10 se presenta el número de puntos de muestreo para la validación en

campo, en donde se utiliza un nivel de confianza del 98%, el porcentaje de aciertos estimados

es de 61% y de errores estimados es de 0.37, nivel permitido de error 0.02, obteniendo 26 puntos

de muestreo.

Tabla 10. Número de puntos de muestreo para la validación en campo.

Nivel de confianza S p q 𝐸2 N
98% 2.33 0.61 0.37 0.02 26

En la tabla 11 se muestra la matriz de confusión para la validación en campo del

mapa de deforestación del año 2019, observamos la distribución de un total de 26 puntos de

muestro. Las celdas sombreadas nos muestra el número de puntos que concuerdan tanto en la

imagen satelital, la validación en campo y la clasificación supervisada, es decir 7 puntos en

hidrografía, 10 puntos en Bosque y 8 puntos en No Bosque, caso contrario los puntos que no se

encuentran sombreados en las clases son los que no coinciden, 1 puntos en Bosque que se

encuentra en la imagen satelital y la validación en campo están No Bosque según la

clasificación supervisada. Obteniéndose un Índice de Kappa para el mapa de deforestación del

año 2019 de 0.941573, fuerza de concordancia casi perfecta.

Tabla 11. Matriz de confusión para la validación en campo del mapa de deforestación del año
2019.

Clases Hidrografía No Bosque Bosque Total U_Accuracy Kappa

Hidrografía 7 0 0 7 1 0
No Bosque 0 8 0 8 1 0
Bosque 0 1 10 11 0.909091 0
Total 7 9 10 26 0 0
P_Accuracy 1 0.888889 1 0 0.961538 0
Kappa 0 0 0 0 0 0.941573
Resultados similares obtuvo (Chahua 2019), quien al elaborar su mapa de

deforestación 2018 y realizar la validación con imagen satelital de resolución espacial alta
 35

obtuvo un índice de kappa de 0.75, y en la verificación en campo en la cual trabajó con 19

puntos, determinó un índice de kappa de 0.78.

4.4. Precipitación, temperatura máxima y humedad relativa en la microcuenca del

Rio Pendencia

En la Tabla 12 se muestran las precipitaciones estimadas para los diferentes años

en estudio. Obteniéndose para el año 2000 una PP promedio de 239.13 mm, para el año 2005

disminuye a 203.60 mm, asimismo para el año 2010 vuelve a disminuir hasta una PP promedio

de 199.53 mm, para el año 2014 se observa que aumenta hasta un promedio de 250.55 mm, y

para el año 2019 se puede observar un aumento en comparación con años anteriores donde se

registraron un promedio de 263.66 mm.

Tabla 12. Precipitación en mm en el área de estudio en los años 2000, 2005, 2010, 2014 y
2019.
Precipitación

Parámetro/fecha Año 2000 Año 2005 Año 2010 Año 2014 Año 2019

PP Mínima 221.81 196.97 188.02 235.24 237.20

PP Máxima 256.44 210.23 211.03 265.86 290.13

Promedio 239.13 203.60 199.53 250.55 263.66

Figura 11. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2000
 36

Figura 12. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2005

Figura 13. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2010
 37

Figura 14. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2014

Figura 15. Mapa de precipitación en la microcuenca del Rio Pendencia del año 2019

La Tabla 13 se presenta los valores de temperaturas máximas estimadas para los

diferentes años en estudio. Obteniéndose valores similares, para el año 2000 una T° máxima
 38

promedio de 26.94 °C, en el año 2005 incrementa a 27.32 °C, asimismo para el año 2010 se

observa un ligero aumento, determinado una T° máxima promedio de 27.33 °C. Asimismo para

el año 2014 se puede observar una ligera disminución en comparación con los años anteriores,

obteniéndose una T° máxima promedio de 26.92 °C y para el año 2019 se observa una T°

máxima promedio de 27.15 °C.

Tabla 13. Temperaturas máximas en °C en el área de estudio en los años 2000, 2005, 2010,
2014 y 2019.

Temperatura
Parámetro/fecha Año 2000 Año 2005 Año 2010 Año 2014 Año 2019
T° Mínima 23.07 23.95 23.72 23.51 23.67
T° Máxima 30.81 30.69 30.95 30.33 30.63
Promedio 26.94 27.32 27.33 26.92 27.15

Figura 16. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2000
 39

Figura 17. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2005

Figura 18. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2010
 40

Figura 19. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2014

Figura 20. Mapa de temperatura máxima en la microcuenca del Rio Pendencia del año 2019
 41

De igual manera (Sifuentes, 2012), en su investigación obtuvo datos de la

temperatura máxima desde el año 1973 hasta el año 2010, variaciones desde los 20.3°C hasta

37.1°C.

La Tabla 14 se muestra la variación de la Humedad relativa en el área de estudio,

para los diferentes periodos muestreados. Obteniéndose para el año 2000 una H° relativa

promedio de 85.04%, igualmente para el año 2005 se observa un ligero aumento, estimando un

promedio de 86.08%, de la misma manera para el año 2010 se puede observar un ligero aumento

hasta 86.74%, en el año 2014 disminuye ligeramente hasta una H° relativa promedio de 85.04%.

Asimismo, para el año 2019 se puede observar un aumento en comparación con los años

anteriores, obteniéndose una H° relativa promedio de 87.30 mayor que los años anteriores.

Tabla 14. Humedad relativa (%) en el área de estudio en los años 2000, 2005, 2010, 2014 y
2019.

Humedad
Parámetro/fecha Año 2000 Año 2005 Año 2010 Año 2014 Año 2019
H° Mínima 84.82 84.55 85.54 82.04 84.43
H° Máxima 85.26 87.61 87.93 88.03 90.16
Promedio 85.04 86.08 86.74 85.04 87.30
De manera similar (Sifuentes, 2012) en su investigación obtuvo datos extremos

de humedad relativa desde el año 1973 hasta el año 2010 variaciones desde los 57.1% hasta

108.2%.

Figura 21. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2000
 42

Figura 22. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2005

Figura 23. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2010
 43

Figura 24. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2014

Figura 25. Mapa de humedad relativa en la microcuenca del Rio Pendencia del año 2019
 44

4.5. Nivel de correlación de la tasa de deforestación con la variación de la

precipitación, temperatura máxima y humedad relativa

En la Tabla 15 se muestran el resumen del cálculo del Coeficiente de correlación

de Pearson en el periodo 2000 - 2019. Obteniéndose correlación directa de la tasa de

deforestación con la precipitación con un valor de r=0.55.

Tabla 15. Coeficiente de correlación de Pearson de la deforestación vs la precipitación

durante el periodo 2000 - 2019.
Periodos Def (x) PP (y) x2 y2 xy Desv(x) Desv(y) Cov r

2000 1921.00 239.13 3690241.00 57183.16 459368.73

2005 2543.59 203.60 6469850.09 41452.96 517874.92

2010 3185.00 199.53 10144225.00 39812.22 635503.05

944.47 25.52 13313.21 0.55
2014 3840.63 250.55 14750438.80 62775.30 962269.85

2019 4608.80 263.66 21241037.44 69516.60 1215156.21

Sumatoria 16099.02 1156.47 56295792.33 270740.24 3790172.76

Promedio 3219.80 231.29

En la Tabla 16 se muestran el resumen dela deducción del Coeficiente de

correlación de Pearson de la deforestación vs la temperatura máxima durante el periodo 2000 -

2019. Donde se encontró que no existe correlación con un valor de r=0.02.

Tabla 16. Coeficiente de correlación de Pearson de la deforestación vs la temperatura máxima

durante el periodo 2000 - 2019.
Periodos Def (x) T° (y) x2 y2 xy Desv(x) Desv(y) Covarianza r

2000 1921.00 26.94 3690241.00 725.70 51749.56

2005 2543.59 27.32 6469850.09 746.38 69490.88

2010 3185.00 27.33 10144225.00 747.18 87060.95

944.47 0.18 2.56 0.02
2014 3840.63 26.92 14750438.80 724.69 103389.76

2019 4608.80 27.15 21241037.44 737.23 125137.99

Sumatoria 16099.02 135.67 56295792.33 3681.19 436829.14

Promedio 3219.80 27.13

 45

En la Tabla 17 se muestran la deducción del Coeficiente de correlación de Pearson

de la deforestación vs la humedad relativa durante el periodo 2000 - 2019. Encontrándose

correlación directa con un valor de r=0.56.

Tabla 17. Coeficiente de correlación de Pearson de la deforestación vs la humedad relativa

durante el periodo 2000 - 2019.
Periodos Def (x) H° (y) x2 y2 xy Desv(x) Desv(y) Covarianza r

2000 1921 85.04 3690241.00 7231.92 163363.20

2005 2543.59 86.08 6469850.09 7409.77 218952.23

2010 3185 86.74 10144225.00 7523.44 276259.71

944.47 0.90 474.15 0.56
2014 3840.63 85.04 14750438.80 7231.80 326607.18

2019 4608.8 87.30 21241037.44 7620.65 402331.31

Sumatoria 16099.02 430.19 56295792.33 37017.57 1387513.62

Promedio 3219.80 86.04

La Humedad es el parámetro que tiene mayor correlación con la deforestación,

resultados similares que se registró en una investigación en Loreto, entre las áreas de

deforestación y eventos meteorológicos, donde se observó elevada correlación con la humedad

relativa, continuo de la temperatura media, precipitación, temperatura mínima y temperatura

máxima, (Sifuentes, 2012).

 46

V. CONCLUSIONES

1. La superficie deforestada en el periodo 2000 - 2019 en la microcuenca del Rio

Pendencia es de 2674.66 has.

2. La tasa de deforestación en la microcuenca del Rio Pendencia en el periodo 2000 –

2004 es de 110.38 has/año, del 2005 – 2009 es 79.07 has/año, 2010 – 2014 es de

162.08 has/año y 2015 – 2019 es de 114.92 has/año.

3. El índice de Kappa del mapa de deforestación del año 2000 es de 0.90 según la

escala tiene una fuerza de concordancia casi perfecta, del año 2010 también es de

0.90 y del año 2019 es de 0.74 fuerza de concordancia considerable.

4. La mayor precipitación es en el año 2019 con 263.66 mm y la mínima de 199.53

mm en el año 2010, la temperatura máxima se da en el año 2010 siendo 27.33 °C y

la mínima es en año 2014 con 26.92 °C y el punto más alto de humedad relativa es

en el año 2019 con 87.30% y la mínima en el año 2000 y 2014 con 85%.

5. Existe una correlación directa entre el área deforestada y la precipitación con un

r=0.55, no existe correlación r=0.02, entre la deforestación y la temperatura máxima

y si existe una mayor correlación directa entre el área deforestada y la humedad

relativa con un r=0.95.

 47

VI. PROPUESTAS A FUTURO

1. Utilizar el presente estudio como base para gestionar Planes de Manejo para la

conservación del medio ambiente, la reducción de las consecuencias de la

deforestación en el clima en la microcuenca del Rio Pendencia.

2. La presente investigación utilizar como línea base para proyectos de reforestación

dentro del área de investigación de la microcuenca del Rio Pendencia.

3. Ejecutar proyectos de reforestación en la microcuenca del Rio Pendencia para

disminuir el aumento de las precipitaciones, temperatura y humedad.

4. Concientizar a la población de las diferentes microcuencas al cuidado de los

bosques para así disminuir el cambio climático a nivel mundial.

5. Implementar más estaciones meteorológicas en el Perú para realizar estudios

parecidos, que ayuden a encontrar cuencas o microcuencas donde la precipitación,

temperatura y humedad están variando de forma significativa, y poder intervenir

con proyectos ambientales.

 48

VII. REFERENCIAS

Sifuentes, A. (2012). La deforestación en la carretera Iquitos – Nauta y su relación con los

eventos climáticos extremos – Loreto – Perú. [Tesis para optar el título de Ingeniero

Ambiental y de Recursos Naturales]. Universidad Nacional del Callao.

Sánchez, M. (2017). Análisis de la deforestación en la cuenca del Rio Cumbaza mediante el

uso de imágenes satelitales desde el año 2008 al 2017. [Tesis para optar el título

profesional de ingeniero ambiental]. Universidad Nacional Federico Villareal.

Vergaray, J. (2020). Análisis multitemporal de la cobertura boscosa y su influencia en la

peligrosidad de inundaciones fluviales en la cuenca Ponaza, Provincia de Picota – San

Martín. [Tesis para optar el título profesional de ingeniero geógrafo]. Universidad

Nacional de Federico Villareal.

Ministerio del ambiente, Programa Nacional de Conservación de Bosques para la Mitigación

del Cambio Climático. (2019). Cobertura y deforestación en los bosques húmedos

amazónicos 2018.

Global forest wath. (01 de setiembre de 2022). Monitoreo de bosques diseñado para la acción.
[Link]

Ariza, A. (2013). Descripción y corrección de productos Landsat 8 LDCM. Instituto

Geográfico Agustín Codazzi.

Bernal, C. (3ra Ed). (2010). Metodología de la Investigación. Universidad de La Sabana

Colombia.

Chuvieco, E. (3ra Ed). (1996). Fundamentos de teledetección espacial. Madrid.

Chuvieco, E. (2002). Teledetección ambiental. La observación de la Tierra desde el espacio.

Ariel Ciencia Barcelona.

 49

Faustino, J., Jiménez, F. (2000). Manejo de Cuencas Hidrográficas. Centro Agronómico

Tropical de Investigación y Enseñanza (CATIE). Turrialba (Costa Rica).

Gobierno Regional de Huánuco. Plan Estratégico Institucional 2018-2020. (2020). Sub

Gerencia de Planeamiento Estratégico y Estadística Regional.

Hernández, R. (6ta Ed). (2014). Metodología de la investigación. Universidad de Celaya.

Muñoz, A., Pérez, C. 2006. Teledetección: nociones y aplicaciones. Universidad de Salamanga.

Segado, F. (2da Ed). (1996). Principios de Teledetección. Barcelona, España. Servicio de

publicaciones Universidad de Murcia.

Ministerio del Ambiente. Cobertura y deforestación en los bosques húmedos amazónicos 2017.

Ministerio del Ambiente. Bosques y cambio climático. Dirección General de Cambio Climático

y Desertificación. (2019).

Ministerio del Ambiente. Dirección General de Ordenamiento Territorial – Lima. (2014).

Protocolo: Evaluación de la Exactitud Temática del Mapa de Deforestación.

Jensen, J. 1996. (2da Ed). Introductory Digital Image Processing: A remote sensing

perspective.

Ministerio y Agricultura y Riego. (2014). Reglamento de Gestión Forestal de la Ley Forestal

y de Fauna Silvestre Ley 29763.

Maderey, L. (1ra Ed). 2005. Principios de hidrogeografía. Estudio del ciclo hidrológico.

Universidad nacional autónoma de México.

FAO. 2020; El estado de los bosques del mundo 2020. Los bosques, biodiversidad y las

personas 2020; términos y definiciones.

 50

Quereda, J. (2da Ed). 2005. Curso de climatología general. Publicaciones de la Universidad

Jaume.

Secretaria de Medio Ambiente y Recursos Naturales. 2009. Cambio climático. Ciencia,

evidencia y acciones. Estados Unidos Mexicanos.

 51

ANEXO
 52

Anexo A. Datos de campo y gabinete registrados y procesados

Tabla 18. Puntos de muestreo del mapa de deforestación del año 2019.

Punto Clasificación GrndTruth POINT_X POINT_Y

1 3 2 404580 9001480
2 1 1 405765 9000805
3 2 2 404685 9000070
4 3 3 403035 8998495
5 3 3 406335 8998075
6 3 3 404025 8997970
7 3 3 400230 8997430
8 3 3 404595 8996950
9 3 3 401475 8996050
10 1 1 404220 8995900
11 3 3 403305 8994895
12 2 2 402180 8994235
13 3 3 399135 8994085
14 1 1 403875 8993470
15 2 2 405210 8993425
16 3 3 405915 8993410
17 2 2 393795 8992570
18 2 2 396660 8992180
19 2 2 396090 8991340
20 3 3 397410 8991100
21 2 2 393915 8991040
22 2 2 400170 8990500
23 1 1 397590 8990380
24 1 1 396960 8990320
25 1 1 395340 8989870
26 1 1 394950 8989780
 53

Anexo B. Datos de precipitación, temperatura máxima y humedad relativa del SENAHMI en

las 3 estaciones.
54
55
56
57
 58

Anexo C.
Tabla 19. Altura de árboles de la validación en campo en los puntos de muestreo sin
pendiente.
Puntos de Muestreo Árbol Distancia Vista arriba Vista abajo Altura del árbol
1 26 45 10 30.58
2 25 50 11 34.65
B1 3 24 40 10 24.37
4 27 50 12 37.92
5 23 40 9 22.94
1 30 50 12 42.13
2 30 55 11 48.68
B3 3 26 48 10 33.46
4 25 44 9 28.10
5 20 40 8 19.59
B5 No corresponde

Tabla 20. Altura de árboles de la validación en campo en los puntos de muestreo con
pendiente.
Puntos de N° Distancia Distancia Vista Vista Altura del
Muestreo Árbol Pendiente con m lineal arriba abajo árbol
1 15 28 27.05 51 6 30.56
2 18 30 28.53 42 5 23.19
B2 3 15 25 24.15 55 5 32.37
4 20 27 25.37 50 7 27.12
5 14 24 23.29 46 6 21.67
1 10 30 29.54 55.00 8 38.04
2 12 28 27.39 48.00 6 27.54
B4 3 10 25 24.62 45 5 22.47
4 11 24 23.56 52 5 28.09
5 10 29 28.56 50 7 30.53

Tabla 21. Área de las copas de los árboles de la validación en campo en los puntos de
muestreo.
Punto de Promedio Total Área de
Muestreo Diámetro 1 Diámetro 2 diámetro Área de copa Copa Clasificación
18.80 20.60 19.7 304.81
B1 577.11 Bosque
16.66 20.58 18.62 272.30
20.4 22.4 21.4 359.68
B2 611.33 Bosque
17.2 18.6 17.9 251.65
18.6 19.6 19.1 286.52
B3 12.8 12.6 12.7 126.68 650.99 Bosque
16.6 18.2 17.4 237.79
20.2 18.8 19.5 298.65
B4 754.81
23.6 24.6 24.1 456.17 Bosque
B5 No corresponde
 59

Anexo D.
Tabla 22. Prueba de normalidad de la deforestación vs precipitación en el SPSS.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Deforestación ,139 5 ,200* ,988 5 ,973
Precipitación ,234 5 ,200* ,894 5 ,379
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Tabla 23. Prueba de normalidad de la deforestación vs temperatura en el SPSS.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Deforestación ,139 5 ,200* ,988 5 ,973
Temperatura ,234 5 ,200* ,847 5 ,184
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Tabla 24. Prueba de normalidad de la deforestación vs humedad en el SPSS.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
DEFORESTACION ,139 5 ,200* ,988 5 ,973
HUMEDAD ,239 5 ,200* ,897 5 ,391
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
 60

Anexo E. Panel fotográfico

Figura 26. Verificación de campo en punto de No Bosque.

Figura 27. Verificación en campo de punto de No Bosque.

 61

Figura 28. Toma de datos en la verificación de campo en un punto de No Bosque.

Figura 29. Verificación en campo en punto de la clasificación hidrográfica.

 62

Figura 30. Punto en el área de estudio completamente deforestado.

Figura 31. Verificación en punto de No Bosque en un piñal.

 63

Figura 32. Verificación en campo del punto de No Bosque en un cultivo de cacao.

Figura 33. Punto de verificación de área No Bosque en el área de estudio.

 64

Figura 34. Toma de datos de árboles en el punto B1.

Figura 35. Toma de datos de árboles en el punto B2.