FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA PROFESIONAL DE INGENIERÍA AMBIENTAL

Informe de investigación

“La Teledetección aplicada a la problemática de la deforestación por

minería ilegal en La Pampa - Reserva Nacional de Tambopata”

INTEGRANTES:

Corcuera Chavez Thalia (orcid.org/0000-0002-6239-2658)

Roncal Galarreta Katerin(orcid.org/0000-0002-4837-5659)

Trujillo Alva Juanita Jaquelin (orcid.org/0000-0002-3085-0470)

Tirado Rodriguez Manuel (orcid.org/0000-0002-4096-3341)

López Vásquez Luis Jeefferson(orcid.org/0000-0003-3686-7960)

ASESOR: Mgtr. Wilder Denys RamosContreras(orcid.org/0000-0003-0481-5672)

LÍNEA DE INVESTIGACIÓN:
Calidad y Gestión de los Recursos Naturales

LÍNEA DE RESPONSABILIDAD SOCIAL UNIVERSITARIA:

Desarrollo sostenible y adaptación al cambio climático

TRUJILLO - PERÚ

2024
 ÍNDICE

Contenido

Carátula
Índice
ÍNDICE DE TABLAS ............................................................................................................. 3
ÍNDICE DE FIGURAS ........................................................................................................... 3
I. INTRODUCCIÓN .......................................................................................................... 4
II. MARCO TEÓRICO ........................................................................................................... 7
III. METODOLOGÍA ............................................................................................................ 12
3.1 Tipo y diseño de investigación:.............................................................................. 12
3.1.1 Tipo de investigación: ...................................................................................... 12
3.1.2 Diseño de investigación: .................................................................................. 12
3.2. Propuestas de Sistemas de Modelación y Simulación Ambiental en el entorno
local y regional .............................................................................................................. 17
3.3 Escenario de estudio: ............................................................................................. 12
3.4 Participantes: ........................................................................................................... 13
3.5 Técnicas e instrumentos de recolección de datos................................................ 13
3.6 Procedimiento de recolección de datos ................................................................ 14
3.7 Rigor científico ........................................................................................................ 24
3.8 Método de análisis de la información .................................................................... 25
3.9 Aspectos éticos ....................................................................................................... 25
IV. RESULTADOS Y DISCUSION ...................................................................................... 25
Referencias......................................................................................................................... 32
ANEXOS............................................................................................................................. 37

2
ÍNDICE DE TABLAS

Tabla 1: Características LANDSAT 7 ETM+

Tabla 2: Características LANDSAT 8 OLI/TIRS
Tabla 3: Clases de áreas delimitadas
Tabla 4: clases de cobertura identificadas
Tabla 5: indicadores de la variación de cobertura del área
Tabla 06: Índices espectrales

ÍNDICE DE FIGURAS

FIGURA 1: Pérdida de bosques en Tambopata.

FIGURA 2: Ubicación geográfica de la zona afectada.

3
 I. INTRODUCCIÓN

En el mundo, el área total de bosques es de 4 060 millones de Ha, lo cual corresponde

al 31 % de la superficie terrestre, equivalente a 0,52 ha por persona, los bosques no
están distribuidos de manera equitativa por población mundial o situación geográfica
(FAO & UNEP, 2020). Hace 5 000 años, solía cubrir el 47% de la superficie terrestre
(Runyan& Sthem 2019).

La deforestación se basa en la transformación de una forma permanente de suelo

forestal a otros tipos de usos como la agricultura, el pastoreo o el desarrollo urbano
(Zambrano et al.2018), es el resultado directo de los cambios del uso de la tierra
(Samndong et al., 2018) .En las últimas dos décadas, la creciente demanda mundial
de agricultura y ganado ha impulsado una rápida expansión agrícola en toda América
del Sur, esto ha resultado en una tala sustancial de bosques y vegetación de sabana
en los biomas del Amazonas (Le Polain de Waroux et al., 2019).

Según el SOFO 2020, se afirma que la degradación de bosques sigue dándose a

ritmos acelerados, la cual ayuda de manera relevante la pérdida de flora y fauna (FAO
& UNEP, 2020). Según la (FRA), en la actualidad el 30,8% de los bosques ocupan la
superficie terrestre mundial (FAO & UNEP, 2020). La teledetección juega un papel
clave en este objetivo al contribuir con una gran cantidad de datos para el monitoreo
ambiental (Padró et al., 2018). Es una tecnología que mide la radiación
electromagnética en la superficie terrestre a través de sensores ubicados lejos del
objetivo, luego transmite, procesa, interpreta y analiza la información adquirida para
monitorear el sistema ambiental de la tierra (Pei, Xu, & Liu, 2021).

Nos permite mapear la variabilidad del terreno propiedades, como la vegetación, el

agua y la geología, tanto en espacio y tiempo, ofreciendo 2 una visión sinóptica e
información ambiental útil en la toma de decisiones futuras (Da Silva et al., 2018).

Hislop et al. (2018), indica que los índices, como el Índice de vegetación de diferencia
normalizada (NDVI) y la Relación de quema normalizada (NBR), capturan con
precisión la perturbación de los incendios forestales y la disminución de la cobertura
vegetal. Javid et al. (2021). Nos explica que el índice de área construida nueva (NBUI),
índice de vegetación de diferencia normalizada (NDVI), el índice de agua (NDWI) y la

4
temperatura de la superficie terrestre (LST), sirven para analizar las variaciones en
los principales tipos de cobertura terrestre y sus diferentes patrones de temperatura.
La clasificación de escenas de imágenes de teledetección, cuyo objetivo es etiquetar
las imágenes de teledetección con un conjunto de categorías semánticas basadas en
su contenido, tiene amplias aplicaciones en una variedad de campos (Cheng et al.,
2020).Un estudio realizado en Caquetá y Putumayo, las actividades como tala y la
ganadería son las principales causas de la degradación de bosques, utilizaron
imágenes Landsat 7 y 8 durante 16 años para mapear los cambios de cobertura del
suelo en las áreas de estudio afectados por la deforestación, su clasificación la
realizaron utilizando el (MLC) y el sistema de clasificación experto para identificar la
cobertura vegetal (Murad & Pearse, 2018). En todo el planeta se han realizado
estudios sobre la perdida de bosques a través de diferentes métodos de teledetección
(Leblois, 2018), en América del Sur (Bullock et al.,2020), y en Perú (Tarazona et al.,
2018).

En el Perú, el cambio de uso del suelo causa el 45 % de GEI del país (MINAM, 2021).
En el año 2020 en el Perú, los bosques húmedos amazónicos perdieron 203 272 ha,
el daño promedio de bosque húmedo amazónico entre 2001 – 2020 fué 131 829 Ha,
y la superficie de bosque húmedo amazónico remanente al 2020 fue de 68 070 889
Ha; la pérdida de bosques identificada el 2020 de 203 272 Ha. representa un 37%
más que la identificada el año 2019 (MINAGRI & MINAM, 2020). El 60% del territorio
en Perú está lleno de bosques, lo que constituye una gran fuente de diversidad
biológica y cultural, sin embargo, toda esta riqueza natural, que ha colocado al país
en la lista de países megadiversos, está siendo 3 constantemente amenazada por la
deforestación y se estima que el 1.3 % de los bosques peruanos han sido
deforestados, lo que equivale a 1 600 000 Ha (MINAM, 2021).

Madre de Dios, departamento ubicado en la Amazonía peruana en los últimos años

viene enfrentando un problema que viene afectando a la biodiversidad de la zona,
esta es la deforestación la cual es causada mayormente por la minería ilegal, la ONG
Conservación Amazónica considera que solo entre 2021 y 2023 al menos 5.707
hectáreas fueron eliminadas directamente por la minería ilegal fuera del corredor
minero autorizado, así mismo, en la zona de Tambopata ha perdido alrededor de 11,9

5
hectáreas de áreas verdes tan solo en al año 2022 alcanzando así su pico máximo
(Convoca.pe, 2024).

El biólogo Sidney Novoa comentó para Convoca.pe, que en los años 2017 y 2020 la
minería ilegal llegó a un punto muy elevado, ingresando a su paso a la Reserva
Tambopata deforestando alrededor de 700 hectáreas de árboles (Convoca.pe, 2023),
su labor continuó para los mineros ilegales ya que el año 2023 entre abril y noviembre
deforestaron aproximadamente 239 hectáreas estas cifras son alarmantes y
preocupante pues no solo afecta a la biodiversidad sino también a las zonas nativas
que habitan alrededor de la zona por las malas prácticas forestales que se realizan y
por la contaminación del agua con metales pesados (Convoca.pe, 2024).

La justificación de nuestro estudio de caso resaltamos que el uso de la teledetección

es una herramienta muy precisa ya que no va brindar de una manera rápida y precisa
el estado en que se encuentra una determinada área , es por ello que la presente
investigación se va centrar en el uso de esta ya que nos va permitir cuantificar y
monitorear la zona de la Pampa en La reserva nacional de Tambopata que viene
siendo afectada por la deforestación a causa de la minería ilegal, con el fin de
contribuir con los datos obtenidos para el control de las distintas actividades que
vienen afectando nuestras áreas protegidas (Neumann et al., 2015).

Los resultados de este estudio no solo contribuirán al entendimiento de la dinámica

de la deforestación en la zona, sino que también proporcionarán información valiosa
para el diseño e implementación de estrategias de conservación y manejo sostenible
de los recursos naturales. Además, servirán como base para la toma de decisiones
informadas por parte de las autoridades gubernamentales y los organismos
encargados de la protección del medio ambiente en la región.

6
Como objetivo general tenemos: Evaluar la aplicación de técnicas de teledetección
para monitorear y cuantificar la deforestación causada por la minería ilegal en La
Pampa de la Reserva Nacional de Tambopata. Y en los objetivos específicos: primero
se considerará delimitar las áreas afectadas por la minería ilegal dentro de La Pampa
de la Reserva Nacional de Tambopata utilizando imágenes satelitales de diferentes
periodos de tiempo. Luego cuantificar la extensión de la deforestación asociada a las
actividades de minería ilegal en el área de estudio para analizar su evolución
temporal. Después de ello, proponer Sistemas de Modelación y Simulación Ambiental
en el entorno local y regional. Y por último proponer recomendaciones y estrategias
basadas en los resultados obtenidos, para el monitoreo y control de la deforestación
por minería ilegal en la Reserva Nacional de Tambopata y otras áreas protegidas
similares.

II. MARCO TEÓRICO

En nuestro trabajo consideramos varios antecedentes internacionales, nacionales y

locales:

Según Carnevale, N. J. Alzugaray, C. Di Leo, N.(2018), nos menciona que, en

Argentina la deforestación ha hecho estragos sobre los bosques de varias provincias,
desde la época de la colonia. La industria de la leña y el carbón, y especialmente la
tánica, en la provincia de Santa Fe, han sido la causa principal de este proceso
durante décadas pasadas. El empleo de la teledetección en el seguimiento de los
procesos de deforestación es una herramienta muy valiosa, ya que proporciona
rapidez y precisión en estudios ambientales, que permiten evaluar fácilmente el
estado de áreas ecológicamente amenazadas.

Así mismo, Pérez, G. E. (2018), menciona qué, desde la década de los ochenta del
pasado siglo en el que se lanzaron varios satélites aplicados a estudios de recursos
naturales se ha visto que estos resultan de gran utilidad para hacer un seguimiento
de problemas de degradación y erosión en suelos. En los últimos años el acceso a
imágenes de diferentes sensores caracterizados por altas resoluciones espectrales,
espaciales y/o temporales permite analizar estos problemas desde distintos enfoques.

7
La degradación de suelos representa un grave problema ambiental y debe ser
abordado mediante información espacial actualizada. Por degradación se entiende la
pérdida total o parcial de la productividad, cuantitativa o cualitativamente, como
consecuencia de procesos de erosión, contaminación, agotamiento de nutrientes, etc.

Sierra, P. Y. (2019), En su estudio también menciona que, Los efectos de la minería

ilegal en la Amazonía peruana se han visto muchas veces con la ayuda de las
imágenes satelitales, pero esta es la primera vez que un equipo de investigadores
utiliza esta tecnología para analizar los efectos de esta actividad ilícita en las aguas
de los ríos de la cuenca del Madre de Dios. Científicos de la Universidad de
Dartmouth, determinaron que estas concentraciones de sedimentos suspendidos en
los ríos superan hasta diez veces los valores normales, ocasionando impactos
negativos de largo plazo en la biodiversidad acuática, principalmente en los peces.
Normalmente los ríos arrastran mayor cantidad de sedimentos durante la temporada
de lluvias y que las aguas se presentan más claras en la temporada seca.

Amaya L. (2023), nos precisa que, en Madre de Dios, a vista de satélite, los terrenos
tomados por los mineros ilegales en La Pampa, en parte de la zona de
amortiguamiento de la Reserva Nacional de Tambopata y en el área fuera del corredor
minero, se presentan como enormes franjas amarillas que se bifurcan y adentran
entre la espesura verde de los bosques. Según la más reciente alerta de la plataforma
RAMI (Monitoreo de Minería Ilegal con Imágenes de Radar), implementada por
Conservación Amazónica, sólo del 5 al 28 de noviembre de este año se deforestaron
más de 10 hectáreas y se han emitido 143 alertas en la zona de amortiguamiento.
Otras 46 hectáreas se depredaban fuera del corredor minero. La suma de la superficie
arrasada en los últimos ocho meses es de 237 hectáreas de bosque.

Flores, L. Q. (2023), En la región Madre de Dios en la Amazonía, la minería es el

principal factor humano que afecta los ecosistemas terrestres y acuáticos. Alrededor
de medio millón de hectáreas han sido concesionadas para la minería de oro en la
cuenca del río Madre de Dios, de las cuales más de 100 000 hectáreas han sido

8
deforestadas. Además, muchas de las áreas deforestadas son nuevos cuerpos de
agua formados por la remoción mecanizada de tierra que son abandonados después
de las operaciones mineras. Debido a la alta actividad minera se ha generado una
gran cantidad de cuerpos de agua, lo cual de una u otra forma ha degradado el
ecosistema y todos sus componentes. En tal sentido, en virtud de ello surge la
necesidad de desarrollar un estudio que permita conocer la cantidad de cuerpos de
agua haciendo uso de la teledetección, dado que este problema se viene generando
desde ya hace mucho tiempo, específicamente desde el año 1980 hasta la actualidad.

El marco legal vigente que corresponde para la presente investigación se muestra a

continuación:
Constitución Política del Perú: Establece el derecho a un ambiente equilibrado y
adecuado al desarrollo de la vida, así como el deber del Estado de proteger los
recursos naturales.

Ley N° 26834, Ley de Áreas Naturales Protegidas: Regula el establecimiento, manejo

y administración de las Áreas Naturales Protegidas en el territorio nacional.

Ley N° 28611, Ley General del Ambiente: Establece los principios y normas básicas
para asegurar el ejercicio efectivo del derecho a un ambiente saludable, equilibrado y
adecuado para el pleno desarrollo de la vida.

Ley N° 29763, Ley Forestal y de Fauna Silvestre: Regula el uso sostenible de los
recursos forestales y de fauna silvestre, así como la conservación de los ecosistemas
y la prevención de la deforestación.

Ley N° 27446, Ley del Sistema Nacional de Evaluación del Impacto Ambiental:
Establece las disposiciones generales para la evaluación de impactos ambientales en
proyectos de inversión.

Ley N° 28271, Ley que regula los Pasivos Ambientales de la Actividad Minera:
Establece las obligaciones y responsabilidades de los titulares mineros para la
identificación, prevención, mitigación y remediación de los pasivos ambientales.

Reglamentos y normas específicas emitidas por el Ministerio del Ambiente (MINAM),

el Servicio Nacional de Áreas Naturales Protegidas por el Estado (SERNANP) y el

9
Ministerio de Energía y Minas (MINEM).

Es importante mencionar que, además de estas normas generales, pueden existir

regulaciones específicas a nivel regional o local que sean aplicables a la Reserva
Nacional de Tambopata y su área de influencia.

La deforestación en la Reserva Nacional de Tambopata suma más de 550 hectáreas

entre septiembre de 2015 y mayo del 2017, lo que equivale a 750 campos de fútbol,
según el reporte del Proyecto de Monitoreo de la Amazonía Andina. Las imágenes
satelitales detectaron también dos puntos de actividad minera reciente en el interior
de la reserva. Si bien no se puede determinar con exactitud la dimensión de los puntos
deforestados, esta cifra da a entender que existe cierto impacto y que este es
producido por la actividad del hombre, como la minería ilegal (Lopez, T. M. 2019).

La minería ilegal en el Perú se ha convertido en una amenaza a la seguridad y defensa

nacional. A pesar de que, el problema ha sido identificado en los diferentes
estamentos del gobierno, no existe una política nacional específica para la
erradicación de los procedimientos ilegales de minería en diversas regiones del país,
habiéndose intentado en diferentes momentos alcanzar la formalización. Sin
embargo, los gobiernos de turno han cedido muchas veces a las protestas y
manifestaciones de violencia de los mineros informales; de esta manera los mineros
informales e ilegales continúan llevando a cabo técnicas de explotación no acorde
con el cuidado y protección del medio ambiente. En el caso de Madre de Dios, los
efectos de la minería ilegal están alertando a los actores internacionales, quienes
con el pretexto de la protección de la Amazonía buscan influenciar en los temas
internos, poniendo en riesgo la soberanía de los países amazónicos. El problema
principal es que el Estado peruano se ha mostrado débil y ha perdido el principio de
autoridad ante la presión mediática que proviene de los mineros informales e ilegales,
no ha sido capaz de llevar a cabo el proceso de formalización para incluir a los
mineros informales en el pago de impuestos por una actividad que resulta ser
altamente rentable, más aún desde la informalidad (Vásquez, M. 2023).

Las áreas naturales protegidas son espacios terrestres o marinos reconocidos,

establecidos y protegidos legalmente por el Estado peruano por su importancia para

10
la conservación de la biodiversidad y su contribución al desarrollo sostenible del país
(su conservación corresponde al Servicio Nacional de Áreas Naturales Protegidas por
el Estado – SERNANP). Sin embargo, a pesar de que nuestro país es uno de los más
biodiversos de la región, mucho nos falta por conservar dicha riqueza. Las áreas
naturales protegidas son una estrategia de conservación cada vez más aplicada en
el mundo porque, además de incidir en la conservación de la biodiversidad (Cuzcano,
J. 2020).

La Teledetección se conoce como la ciencia y el arte de obtener de datos e informacion

respecto de un objeto, área, o fenómeno de manera que este dispositivo no se encuentre en
contacto directo con el objeto de estudio”, el cual consiste en la copilacion de información a
traves de distintos dispositivos entre los mas importantes los satelites (Lillesand y Kiefer 1994;
Barba 2019).

“La teledetección espacial es el método que hace posible la obtención de imágenes que
contienen información de la superficie del planeta tierra a través de satélites que contienen
sensores que hacen posible esta tarea, todo esto es posible por la coneccion energética que
existe entre la tierra y el sensor” (Chuvieco y Salas 1996; Barba 2019).

“Un sensor remoto se define como un instrumento especial cuya tecnología permite la
obtención de información de objetos sin estar físicamente en contacto con él, estos
instrumentos se conocen en conjunto como Sensores Remotos incluyendo aparatos como la
cámara fotográfica, sistemas scanner y de radar”, (Avery y Berlin 1992; Barba 2019).

Para obtener información de un sensor remoto, hay que utilizar uno de estos tres métodos: la
reflexión del objeto observado, la emisión del objeto o la emisión-reflexión. Estos tres métodos
de obtención de información son la base de todos los sistemas de teledetección: los sensores,
los objetos observados y el flujo de energía que los une a todos (Padilla et al. 2015; Barba
2019).

NDVI es una medida de la cantidad de vegetación en la superficie y está relacionado

con la salud de la vegetación, ya que la vegetación saludable refleja una gran cantidad
de energía en comparación con la vegetación poco saludable y escasa, el valor NDVI
de los píxeles varía entre -1 y 1, los valores más altos de NDVI indican una vegetación
rica y saludable, mientras que los valores más bajos indican una vegetación pobre y
escasa (Kumar, Singh, & Chandra, 2021).

El NDWI es el índice más apropiado para el mapeo de cuerpos de agua, los cuerpos
11
de agua tienen una fuerte capacidad de absorción y baja radiación en el rango de
longitudes de onda visibles e infrarrojas; el índice utiliza las bandas verde y NIR de
las imágenes de teledetección basadas en este fenómeno, este índice puede mejorar
la información del agua de manera efectiva en la mayoría de los casos (Kumar, Singh,
& Chandra, 2021).

III. METODOLOGÍA

3.1 Tipo y diseño de investigación:

3.1.1 Tipo de investigación:

El tipo de investigación es descriptiva y explicativa. Porque se describirán las

características y patrones de la deforestación causada por la minería ilegal en el área
de estudio, utilizando técnicas de teledetección. Y explicativa porque se analizarán
las relaciones entre la minería ilegal y la deforestación, así como los factores que
influyen en este proceso.

3.1.2 Diseño de investigación:

El diseño de investigación es no experimental, porque no se manipularon variables,

sino que se observaron y analizaron los fenómenos tal como ocurren en su contexto
natural. Es decir, se realizará un estudio longitudinal, analizando la evolución de la
deforestación y los cambios en la cobertura vegetal a lo largo del tiempo.

3.3 Escenario de estudio:

La Pampa es la denominación de un área geográfica ubicada en Perú, entre el

kilómetro 98 y 115 de la carretera Interoceánica en la región Madre De Dios, provincia
de Tambopata, sus coordenadas 12°53′47″S 69°59′46″O / -12.896453, -69.996023,
En esta zona se ubican varios campamentos mineros ilegales, siendo la minería ilegal
la principal actividad económica de la zona (Finer, M. 2015).

La Reserva Nacional Tambopata está ubicada en la zona media y baja del río
Tambopata y al sur del río Madre de Dios, a 30 minutos de viaje en bote de la ciudad

12
de Puerto Maldonado. En el departamento de Madre de Dios, distritos de Tambopata
e Inambari, provincia de Tambopata, sus coordenadas : 12°55′14″S 69°16′55″O / -
12.9206, -69.2819; tiene una extensión de 274 690,00 hectáreas. Su clima muestra
una temperatura media anual de 26 °C, fluctuando entre los 10 y 38 °C. La
precipitación anual fluctúa entre los 2,500 y 3,000 mm; la humedad relativa se sitúa
entre 80 y 100%. Su gradiente altitudinal promedio es de 300 msnm en un rango de
200-400 msnm (SERNANP 2019).

Un punto importante para hablar aquí es sobre su fauna, mediante nuestras

investigaciones se registran aproximadamente 648 especies de aves, 108 especies
de mamíferos, 103 especies de reptiles, 323 especies de peces. De igual manera se
ha reportado aproximadamente 1,200 de mariposas y 93 especies de anfibios.
(SERNANP 2019) y su flora las especies reportadas en la reserva pertenecen a 17
asociaciones vegetales por tipo de bosque y un aproximado de 1713 especies,
pertenecientes a 645 géneros de 145 familias (SERNANP 2019).

3.4 Participantes:

El presente informe de investigación al realizarse sin la intervención presencial del

investigador considera las fuentes documentales consultadas como principal
protagonista, tales como libros, artículos, informes, bases de datos, también datos
geográficos como mapas, imágenes satelitales, sistemas de información geográfica
(SIG), etc.

3.5 Técnicas e instrumentos de recolección de datos

El estudio contempló el uso de imágenes satelitales Landsat 7 que corresponden al periodo

de 2000, y lansat 8 OLI de los periodos del 2013 y 2023, su referenciación se trabajó con el
Sistema Geodésico Mundial WGS 84, con su elección estuvo en base a su disponibilidad, en
temporada de ausencia de lluvias y menor presencia de nubes.

El análisis espacial se basó en la categorización multiespectral supervisada con «Random

Forest (RF)», con la combinación de bandas 4, 3, 2 y 5, 4, 3, para el proceso se aplicó los
softwares Google Earth Engine (GEE) y ArcGis 10.5 proporcionados por el «Centro de
Teledetección para el estudio y gestión de los recursos naturales (CETEGERN) de la
Universidad Nacional Amazónica de Madre de Dios» (UNAMAD) (Alarcón et al. 2016).

13
El análisis espacial de los cambios de cobertura y uso de suelo producto de la pérdida de
bosque de los años 2013 y 2023 se desarrolló las tendencias de cambio y el escenario
probable para el año 2030, el método que se utiliza para el modelamiento hacia los años 2030
y 2050 fue «Cadenas de Márkov, disponible en los software TerrSet® - Clark Labs y Clark
University USA», “método que modela un escenario predictivo a través de un sistema en un
tiempo determinado a partir de dos estados precedentes (t0 y t1), en este caso las nuevas
condiciones de uso y de probabilidad de cambio en La Pampa - Reserva Nacional de
Tambopata hacia el año 2030”.

Dentro de los instrumentos de recolección de datos contamos con el análisis de datos

vectoriales de fuentes oficiales (MINAM, SERNANP, GEO GPS PERÙ), límites de
áreas protegidas, concesiones mineras, inventarios forestales, estudios ecológicos
previos, fuentes documentales y bibliográficas como artículos científicos, informes
técnicos entre otras.

3.6 Procedimiento de recolección de datos

Para seleccionar las imágenes se tomo en cuenta que el Path row no contenga nubes o si
fuese asi seria por debajo del umbral del diez por ciento (10%), puesto que afectaria
negativamente en la selección de las categorías de deforestación, bosque y no bosque. Las
fechas consideradas fueron de nivel bajos de precipitación para los años 2000, 2013 y 2023.

Procesamiento de imágenes satelitales multiespectrales y de radar como imágenes

de satélites como Landsat, Sentinel, MODIS, técnicas de corrección atmosférica,
realce de imágenes, clasificación supervisada y no supervisada (Lillesand et al., 2015;
Campbell & Wynne, 2011).

Análisis de cambios en la cobertura terrestre para la detección de cambios mediante

comparación multitemporal de imágenes y matrices de transición y tasas de cambio
(Singh, 1989; Mas, 1999).

Integración de datos de Teledetección y Sistemas de Información Geográfica(SIG)

como combinación de imágenes satelitales con capas vectoriales de información
geográfica y análisis espacial y modelado (Wilkie & Finn, 1996; Rogan & Chen, 2004).

Delimitamos nuestra área de estudio y procedemos a realizar el análisis con ayuda

14
de los Sistemas de Información Geográfica. En el programa ArcGIS agregamos capas
de concesiones mineras, ANP, áreas de amortiguamiento, imágenes satelitales de
Landsat 7 y 8.

Figura 3: Mapa de concesiones mineras en el área de estudio

15
Análisis predictivo

La pérdida de bosque a través del cambio de cobertura y uso de suelo para los periodos 1999,
2013 y 2019, determino las tendencias de cambio y el escenario probable al año 2030 y 2050.
La modelación de escenarios se sustento en los cambios producidos en los periodos
analizados, tomando en consideración características del área de estudio, como son accesos
viales, centros poblados, red hidrográfica tendencias de la deforestación, modelos de
elevación digital y otros que de una manera u otra afecten o infieran en los cambios
producidos (Barba 2019).

En cuanto a la obtención de los escenarios de la perdida de bosque hacia los periodos 2030
y 2050 este fue desarrollado por medio el método de Cadenas de Márkov, “técnica que
proyecta la predicción del estado en un sistema en un tiempo determinado a partir de dos
estados precedentes (t0 y t1)” (Barba 2019)

Para el modelamiento del escenario se utiliza el «módulo Land Change Modeler (LCM) de
software TerrSet», “que describe, caracteriza y modeliza las transiciones entre las categorías,
el procedimiento establece relaciones entre variables explicativas de distinta naturaleza
(drivers) y las categorías de usos del suelo o las transiciones, utilizando el método de redes
neuronales” (Bishop 1995; Parlitz y Merkwirth 2000; Li y Yeh 2002; Tuesta 2018; Barba 2019).

En el proceso de obtención y búsqueda de las escenas satelitales para el análisis de

la deforestación en el departamento de Madre de Dios en el área natural protegida
pudimos observar que existe evidencia clara de la relación directa que existe entre la
deforestación con los factores antrópicos y factores climáticos debido a nuestra
problemática.

En un estudio realizado por Tarazona et al. (2018), concluyen que el uso de imágenes
satelitales aumenta la capacidad de caracterizar la variabilidad temporal de las
coberturas de suelo y ayudar a mapear y monitorear los cambios a lo largo del periodo
de tiempo, por otra parte Bullock et al. (2020), precisan que, a pesar de un incremento
en la calidad y cantidad de datos satelitales, poder de procesamiento e inversiones
en sistemas de monitoreo forestal durante la última década, la degradación forestal
sigue siendo una gran incógnita en muchas evaluaciones del impacto de las
actividades antrópicas en los bosques tropicales, ya se requieren sistemas efectivos
para monitorear la degradación forestal en grandes áreas para evaluar y estimar
adecuadamente tales impactos; utilizaron libremente datos Landsat disponibles en

16
Google Earth Engine, desarrollaron una metodología para el monitoreo a gran escala
de la degradación forestal y la deforestación, demostrando que el enfoque es preciso,
con una precisión general del 91% de un mapa de degradación forestal y
deforestación en Rondonia, Brasil.
En nuestro estudio, se procesaron imágenes satelitales como Landsat y Sentinel para
analizar la deforestación durante el periodo de tiempo que comprende 1965-2023
siguiendo la metodología Corine Land Cover adaptada al lugar Rojas et al. (2019),
comprobando que mediante la teledetección es posible identificar los cambios de tipos
de uso de suelo en el distrito, además se pudo evidenciar que las grandes áreas de
deforestación son incentivadas por actividades antrópicas como la ganadería y
agricultura y la minería informal.

En relación con la metodología empleada en esta investigación, esta nos permitió

realizar un análisis e interpretación de la variación de la cobertura boscosa en nuestra
área de estudio con valores muy aceptables, la contrastación de los resultados con
plataformas como Google Earth evidencian que el clasificador de máxima
verosimilitud fue muy eficaz al realizar la clasificación, tal como lo señalan (Rojas et
al., 2019). En su investigación, el uso integrado de la MLC supervisada en el SCP en
QGIS y la interpretación visual interdependiente, reveló ser un método efectivo para
conseguir un mayor acierto en la clasificación (Rojas et al., 2019)

3.2. Propuestas de Sistemas de Modelación y Simulación Ambiental en el

entorno local y regional

En la modelización del cambio de uso del suelo, los modelos basados en la regresión y los
modelos basados en la transición espacial son las dos metodologías más utilizadas.
Los primeros, se basan en la integración del modelo con los Sistemas de Información
Geográfica (SIG) es importante porque muchas de las variables de entrada son espaciales.
Esto facilita la gestión y el análisis de los datos del modelo de forma que tengan sentido en
un lugar concreto (Qi y Wu 1996; Barba 2019). Así, “la modelización estadístico-espacial del
cambio de la cubierta del suelo (SLCC) se deriva de la combinación y el uso de técnicas
cartográficas, sistemas de información geográfica y modelos estadísticos multivariantes”
(Sandoval y Oyarzun 2004a; Barba 2019).
Por otro lado, “los modelos basados en transición espacial comprenden, principalmente, las
técnicas estocásticas basadas en el método de Cadenas de Márkov y Autómatas Celulares”

17
(AC) (Zhou y Liebhold 1995; Pontius y Malanson 2005; Barba 2019). Las AC incluyen
principios simples relativos a “los efectos de adyacencia espacial que regulan la dinámica del
sistema y dan lugar a patrones de comportamientos emergentes que suelen ser más
complicados que los creados por los modelos de equilibrio simple” (Henríquez y Azócar 2006;
Barba 2019).

3.2.1. Algunos Modelos y Software Utilizados para el CCS

• CA_Markov
El software IDRISI utiliza ahora TerrSet (ClarkLabs) para implementar este modelo, que fue
desarrollado originalmente en 1907 por el matemático ruso Andrei Markov. “Estos modelos
(también llamados markovianos) se hicieron espacialmente explícitos cerca del año 1990,
cuando empezaron a integrar el componente de autómatas celulares permitiendo que la
probabilidad de transición de un pixel esté en función de los pixeles vecinos” (Cabral y
Zamyatin 2006; Barba 2019). Así, se puede realizar predicciones de cobertura del suelo
considerando la contigüidad espacial (autómatas celulares) mediante el módulo
CA_MARKOV de TerrSet permite), “la probabilidad de presencia de las coberturas (EMC y/o
Regresión Logística) y la probabilidad de transición de las coberturas de un estado a otro en
diferentes épocas (cadenas de Márkov)” (Sang et al. 2011; Barba 2019).

18
 • GEOMOD
Implementado en TerrSet, Geomod “en lugar de una matriz de transición de Markov, este
modelo utiliza cantidades especificadas por el operador (de área o píxeles a modificar) y un
mapa de aptitud (probabilidad de presencia) para simular el cambio de una categoría a otra”
(Cabral y Zamyatin 2006; Barba 2019).

19
 • Change of Land Use and its Effects at Small Scale (CLUE)
CLUE es una herramienta gratuita de creación de modelos basada en una estrategia
probabilística basada en la regresión logística. El cambio de uso del suelo se modela
mediante el modelo CLUE, que utiliza un espaciado de varias capas y una descripción
cuantitativa para caracterizar el cambio de uso del suelo de forma dinámica. La técnica CLUE
“se basa en el análisis de los sistemas de uso del suelo como sistemas complejos multinivel
y opera también con sistemas de cobertura del suelo a nivel interfacial” (Veldkamp y Fresco
1996; Cai et al. 2004; Barba 2019).

• Regresión Logística (RL)

La RL “es un enfoque estadístico multivariante utilizado para evaluar la conexión entre una
variable dependiente no continua (en este caso dicotómica) y un conjunto de variables
continuas o no continuas” (Pena 2009; Barba 2019). “La RL utiliza el mismo procedimiento
que la regresión lineal múltiple, que varía de la regresión logística en que la variable
dependiente es continua” (Pena 2009; Barba 2019).

• Cadenas de Márkov
“El enfoque de las Cadenas de Markov crea una matriz de transición de Markov comúnmente

20
comparando los mapas de cobertura del suelo de dos fechas t0 y t1, este método consiste en
evaluar sistemas que tienen características de probabilidad específicas, con la historia y el
uso actual de dicha cobertura como mejor predictor” ( Irwin y Bockstael 2001; Irwin y
Geoghegan 2001; Barba 2019).

• Autómatas Celulares (AC)

“En una red de autómatas celulares, cada autómata simple genera una salida a partir de
varias entradas mientras cambia simultáneamente su estado según una función de transición”
(Hurtado 2014; Barba 2019). En general, se acepta que los estados de las células cercanas
y la generación pasada de la propia célula determinan el estado actual de una célula en un
autómata celular (Hurtado 2014; Barba 2019). “Lo fundamental de este tipo de modelos radica
en que puede representar fenómenos en los que las variables cambien en forma discreta
dependiendo de su estado y no en forma continua en dependencia de una función
matemática” (Barba 2019).

Planeamos realizar técnicas de recolección de datos como la teledetección donde se

utilizarán imágenes satelitales de diferentes sensores (ópticos, radar, etc.) y fechas
relevantes para el estudio de nuestra problemática. Nuestro análisis de datos contará
con un procesamiento de imágenes satelitales: correcciones radiométricas,
geométricas y atmosféricas. También Aplicaremos técnicas de teledetección:
clasificación supervisada, no supervisada, índices espectrales, detección de cambios,
etc. y por último se realizarán análisis estadísticos y espaciales donde se cuantifica la
deforestación, patrones de cambio, relación con factores ambientales y
socioeconómicos.

21
Landsat 7 ETM+ se lanzó el 15 de abril de 1999 para traer ETM+ Scanner, tener una
órbita alineada con el sol (sincrónica con el sol), cruzar el ecuador a las 10:00 hora
local y cubrir la misma área (repetir el intervalo de cobertura) cada 16 días con un
ancho de franja de cada cobertura es de 185 km (Fahlevi et al., 2018). En general,
Landsat 7 ETM+ (Mapeador temático mejorado) tiene las mismas características que
su predecesor (Landsat 4, 5 y 6) que lleva el sensor TM (Mapeador temático) para
clasificar la radiación de longitud de onda y separarla en 7 canales de banda (Fahlevi
et al., 2018).

A continuación, en la tabla 1, se muestran las características del Landsat 7 ETM:

Tabla 1: Características LANDSAT 7 ETM+

LANDSAT 7
ETM+

Resolución 30m: Rango Espectral

(μ)
Banda 1 - Azul (Blue) 0.45 - 0.515
Banda 2 – Verde (Green) 0.525 - 0.605
Banda 3 - Rojo (Red) 0.63 - 0.690
Banda 4 - Infrarrojo Cercano (NIR) 0.75 - 0.90
Band 5 - Infrarrojo de Onda Corta (SWIR-1) 1.55 - 1.75
Band 7 - Infrarrojo de Onda Corta (SWIR-2) 20.09 - 2.35
Resolución 15 m:
Banda 8 - Pancromático (Pan) 0.52 - 0.90
Resolución 60 m:
Band 6 - Infrarrojo Térmico (TIR) 10.40 - 12.5
Fuente:( López A. 2020)

Landsat 8 OLI/TIRS se lanzó en el 2013 el 11 de febrero y tiene datos de imágenes

de media resolución y un diseño de escoba que mejora la productividad de la relación

22
ruido - señal y la disponibilidad para recibir señales fuertes; además, este satélite mide
diferentes rangos de frecuencias, que se denominan bandas, a lo largo del espectro
electromagnético, Landsat 8 proporciona 11 bandas, incluidas bandas
multiespectrales y pancromáticas, y combina sensores rojo, verde y azul como
bandas 4, 3 y 2 para obtener una imagen en color real (Nisa et al, 2018). A
continuación, en la tabla 2, se muestran las características del Landsat 8 OLI:

Tabla 2: Características LANDSAT 8 OLI/TIRS

Fuente: (Abdelmalik, 2020).

La clasificación de imágenes viene a ser un procesamiento que se basan en asociar

pixeles de una imagen en distintas clases, a través de valores espectrales de las
diferentes bandas, transformando la información obtenida a través de sensores como
niveles digitales a una escala categórica más sencilla de comprender (Murillo et al.,
2019).

Algunas recomendaciones y estrategias basadas en los resultados obtenidos, para el

monitoreo y control de la deforestación por minería ilegal en la Reserva Nacional de

23
Tambopata y otras áreas protegidas similares se detallan a continuación.
Murad & Pearse, (2018), proponen que para la ejecución de investigaciones similares
se debe obtener escenas satelitales las mismas que deberán de tener un porcentaje
mínimo de cobertura de nubes, esto debido a que la prevalencia de las nubes en
zonas con climas tropicales hace que la selección de datos sea un desafío,
independientemente de resolución de datos satelitales en un determinado tiempo; por
lo tanto, encontrar una escena Landsat adecuada para una gran área de interés (AOI)
es especialmente difícil y, a veces, imposible.
Las propuestas y estrategias que recomendamos como grupo son el empleo de
sensores remotos que puedan detectar cambios en la vegetación y el suelo esto
puede ayudar a identificar áreas afectadas por la minería. Segundo, establecer
estaciones de monitoreo en puntos estratégicos dentro y alrededor de la reserva.
Estas estaciones pueden recolectar datos ambientales y de calidad del aire, indicando
actividades mineras. Tercero, fortalecimiento de la vigilancia utilizando personal
capacitado en la detección y respuesta a actividades mineras ilegales e involucrar a
las comunidades locales en la vigilancia y reporte de actividades sospechosas.
Cuarto, Fomentar la colaboración entre diferentes agencias gubernamentales, ONGs
y organismos internacionales para compartir información y recursos. Cinco, Realizar
operativos conjuntos de interdicción con fuerzas de seguridad y autoridades
ambientales. Seis, Fortalecer las leyes y regulaciones ambientales, aumentando las
sanciones para aquellos involucrados en la minería ilegal. Siete; Realizar campañas
de concienciación dirigidas a las comunidades locales sobre los impactos negativos
de la minería ilegal y la importancia de conservar la biodiversidad. Ocho, Implementar
programas de reforestación en áreas afectadas, utilizando especies nativas. Y por
último desarrollar proyectos de restauración de ecosistemas para recuperar la
biodiversidad y las funciones ecológicas pérdidas.

3.7 Rigor científico

El rigor científico de esta investigación de enfoque descriptivo argumentado con

diversas investigaciones realizadas por autores enfocados en el tema ubicados en
fuentes confiables, el cual nos permite la confiabilidad para realizar y presentar este
trabajo de investigación, es por ello que se muestra el rigor científico de esta

24
investigación basado en contextos similares para poder entender mejor el tema.

3.8 Método de análisis de la información

Se aplicarán métodos estadísticos y análisis espaciales para procesar y analizar los

datos.
La metodología de análisis se realizará con la finalidad de obtener datos significativos
y relevantes para la información, además el análisis de los datos nos ayudará a
obtener información actualizada sobre el tema, con el objetivo de realizar una
conclusión no solo apoyándose de los conocimientos de los investigadores sino
indagar a partir de los datos obtenidos de lo investigado como grupo.

3.9 Aspectos éticos

El presente trabajo de investigación, durante la elaboración siempre se mostró

respeto por cada uno de los autores el cual lo mostramos referenciando cada uno de
sus investigaciones usadas para nuestro trabajo de investigación mencionando en
cada uno de los párrafos su autoría, además de seguir con los lineamientos brindados
por el vicerrectorado brindando por la Universidad César Vallejo, segunda la RVI N°
081-2024-VI-UCV. Por ello, este trabajo de investigación se está realizando con
mucho respeto, desempeño por cada uno de los integrantes del grupo para obtener
un buen resultado.

IV. RESULTADOS Y DISCUSION

Para cuantificar la extensión de la deforestación asociada a las actividades de minería

ilegal en el área de estudio se realizó un análisis multitemporal de los años 2013
(Anexo 11) y 2023 (Anexo 12), donde se calculó el área deforestada en ambos
periodos de tiempo. Se obtuvieron los siguientes valores:

Tabla 07: Comparación de análisis multitemporal

ANALISIS MULTITEMPORAL 2013-2023

Descripción 2013 2023

25
 Área(hectáreas) Área(hectáreas)

Bosque primario 29523.10 21475.30

Bosque secundario 9785.79 9785.79

Cuerpos de agua 2580.79 11014.10

Área deforestada 4597.34 11460.30

Según Finer et al. (2016 ) las áreas deforestadas producto de la minería en el sur de la selva
de Perú fue entre el 2012 al 2016 y corresponden a 12 503 ha, de las cuales, afectaron
mayormente a Madre de Dios. Asimismo, más del 50% (6 407 ha) de la deforestación reciente
se produjo en la «zona de amortiguamiento», la «Reserva Comunal Amarakaeri», «Reserva
Nacional Tambopata» como también «Parque Nacional Bahuaja Sonene». Alarcón et al.
(2021) corrobora el reporte de Finer et al. (2016 a) y adiciona el comienzo de la actividad
minera en el interior de la Reserva Nacional Tambopata. Estos hallazgos son similares a lo
reportado por la investigación en el cambio de cobertura y uso de suelo de 2013 a 2023, con
4597.34ha y 11460.30ha de áreas deforestadas por la minería

Los periodos evaluados; 2013, 2023, y escenario predictivo de 2030, corroboran que la
cobertura de bosque sigue una tendencia decreciente, y seguirá perdiéndose, si no se
adoptan políticas de gestión del territorio

Para contrastar, la misma tendencia se observa en los estudios realizados por

Misma tendencia que muestra Tabla 4: clases de cobertura identificadas

26
 Fuente: investigación propia

Variación de coberturas periodo 1969-2023 muestra que las áreas de bosque

disminuyeron de 29 489.12 Ha a 25 167.30 Ha, con respecto al área de pastos y
cultivos de igual forma hubo una disminuyeron un total de 2 654.87 Ha, los pajonales
disminuyeron 2 568.1 Ha y finalmente el área de suelo sin cobertura tuvo aumento de
953.93 Ha

Tabla 5: indicadores de la variación de cobertura del área

Se aprecia la variación de los diferentes tipos de cobertura por años la cual se calculó́
a través de una resta tomando como base el año 1969, donde las celdas con signo
negativo representan ganancia en la superficie de cobertura, es decir el año anterior

27
tuvo menos hectáreas de cobertura por lo que al hacer la resta sale con valor negativo.
Entre los años 1969- 2023 la cobertura de tipo bosque disminuyo en 822.02 Ha,
mientras que para el periodo 2015-2020 hubo un aumento de 1721.34 Ha y así́
respetivamente para todas las clases de cobertura. Los
análisis de índices espectrales ayudó a evidenciar los valores obtenidos para los
índices espectrales los que se presentan a continuación:

Tabla 06: Índices espectrales

Fuente: Elaboración propia

La tabla 6 evidencia los valores máximos y mínimos resultantes para NDVI y NDWI,
para cada imagen que comprende el periodo de estudio del año 1965 al 2023.

Para el año 1965 el valor de NDVI varia de - 0.227 a 0.821 mientras que para el año
2010 el valor varió de - 0.367 a 0.818; esto muestra que para el año 2023, el tipo suelo
sin cobertura aumento en este periodo por causa de la mineria ilegal; el aumento de
superficie en este tipo de cobertura se puede explicar debido a como pasa el tiempo
y la diferencia de fechas que fueron obtenidas las imágenes.

También tenemos en el ámbito provincial, las provincias de Madre de Dios

presentaron una tendencia creciente similar en el mismo periodo. La provincia de
Tambopata registró la mayor pérdida histórica, pasando de 9 631 hectáreas en 2015
a 11 813 hectáreas en 2022. Las provincias de Manu y Tahuamanu, por su parte,
mostraron una pérdida de bosque menor a las 10 mil hectáreas anuales a lo largo del
periodo de análisis (MINAM)

28
Factores que podrían influenciar en las proyecciones del avance de la deforestación
entre enero del 2017 y febrero del 2019, antes de la Operación Mercurio (la intervención
militar y multisectorial contra la minería en la zona), se deforestaban 173 hectáreas al mes.
Sin embargo, después de esa intervención, se redujo a 14 hectáreas por mes: una
disminución del 92%.
La destrucción al interior de la Reserva Nacional Tambopata se ha contenido. Antes se
destruían 6.5 hectáreas de bosques al mes, y ahora se pierden 0.5 hectáreas mensuales.
“Lo que mostramos es que los avances de espacios y frentes mineros como La Pampa y
Alto Malinoswki tienen una reducción muy importante por encima del 90% de su tasa
histórica. Hay buenos resultados, porque ese descenso es a partir del inicio de la Operación
Mercurio. La presencia constante del Estado ha permitido que baje y controle este cáncer.
Lo que no quiere decir que está al 100% libre. Hay ligeros remanentes”, precisó Sidney
Novoa.
Si bien la minería ilegal disminuyó considerablemente dentro de La Pampa y el Alto
Malinowski, se incrementó en otras zonas. Uno de esos puntos de crecimiento fue Apaylon,
ubicado en los límites de la Reserva Nacional Tambopata. Aquí, de acuerdo al periodo
analizado, la deforestación minera aumentó de 2.9 hectáreas por mes a 4 hectáreas
mensuales, que representa un incremento de 41%.

La Reserva Nacional Tambopata en Perú es una de las áreas protegidas más ricas en
biodiversidad del mundo. Sin embargo, el avance de la minería ilegal representa una
amenaza significativa para muchas especies que habitan esta región. A continuación, se
detalla algunas especies de flora y fauna que podrían estar en riesgo de desaparecer para
el 2030 si no se toman medidas efectivas para combatir la minería ilegal y otras amenazas
ambientales ( Blog Viagens Machu Picchu, 2023).

Especies en Riesgo en la Reserva Nacional Tambopata

Fauna
1. Jaguar (Panthera onca)
El jaguar es el felino más grande de América y un importante depredador tope en su
ecosistema, y se ve amenazado por la minería ilegal ya que reduce su hábitat y sus presas
naturales esto puede provocar conflictos con humanos que habitan a sus alrededores.
2. Mono Choro de Cola Amarilla (Lagothrix flavicauda)

29
Este primate es conocido por su distintiva cola amarilla y es endémico de la región
amazónica, su hábitat se ve amenazado por la deforestación causada por la minería y la
caza furtiva afectan su población.
3. Puma (Puma concolor)
El puma es un depredador flexible y adaptable, pero depende de grandes territorios de
bosque para sobrevivir, la minería ilegal es una amenaza de gran intensidad a su especie
esto reduce su hábitat y afecta la cadena alimentaria.
4. Arowana (Osteoglossum bicirrhosum)
Es un pez de agua dulce con una importancia ecológica en los sistemas fluviales
amazónicos, la minería altera los hábitats acuáticos dando paso a la contaminación de las
aguas dulces de la zana.
5. Tamarino de Manto (Saguinus imperator)
Este pequeño primate es conocido por su pelaje distintivo y su rol en la dispersión de
semillas, dado a la falta de protección la pérdida de su hábitat y la caza furtiva están
reduciendo sus números.
Flora
1. Castaña del Brasil (Bertholletia excelsa)
Este árbol produce frutos ricos en grasas y proteínas, y es crucial para la economía local,
es amenazada por la minería ilegal que viene afectando los bosques donde crece
reduciendo así su población.
2. Cedro (Cedrela odorata)
Es un árbol de maderas preciosas que forma parte del bosque tropical, la amenaza es
constante la tala de este árbol para distintos usos lo ha llevado a ser más vulnerable a su
desaparición.
3. Copaiba (Copaifera langsdorffii)
Árbol conocido por su resina medicinal y su importancia en el ecosistema amazónico, la
amenaza que presenta es que la minería puede afectar su hábitat y la calidad de su resina.
4. Guaraná (Paullinia cupana)
Planta conocida por sus semillas que tienen propiedades estimulantes, la minería afecta los
suelos amenazando el entorno necesario para su crecimiento.
5. Palma de Peje (Mauritia flexuosa)
Esta palma es vital para los ecosistemas de igapó y varillal, la minería altera los humedales
donde crece la cual es una amenaza que se agranda con los años.

En este sentido , la pérdida de bosques contribuye directamente con el calentamiento

global. Cada vez que un bosque es talado o quemado emite Gases de Efecto
Invernadero (GEI) que incrementan la temperatura en el planeta. En el Perú, nuestra
principal fuente de emisión de GEI es precisamente la deforestación (51%). Ocurre
todo lo contrario cuando controlamos la pérdida y aseguramos la conservación de
bosques, pues nos brindan un conjunto de servicios ecosistémicos que nos ayudan a
mitigar y adaptarnos a los efectos del cambio climático.

30
V. CONLCUSIONES

• En grupo, se logró delimitar las áreas afectadas, donde se identificó que la

minería avanzando desde el año 1969 hasta 2023 se ha notado un gran cambio
en la zona que actualmente se observa extensas áreas descubiertas.
• Los datos indican que la tasa de deforestación ha aumentado desde el año
2013 al 2023 a medida que las actividades mineras se han intensificado, lo que
se debe a la expansión de los campamentos mineros, la construcción de
infraestructuras y la explotación continua de recursos.
• Como grupo se propuso un sistema de modelamiento y simulación que indica
las áreas afectadas al futuro, el cual nos muestra que al ser una deforestación
creciente al año 2030 la zona tendrá pérdidas de flora y fauna, económicas y
amplios daños ambientales.
• Finalmente, los integrantes del grupo propusieron algunas alternativas de
solución y recomendaciones para lograr controlar la deforestación y las
actividades mineras de manera eficiente.

31
Referencias

ABDELMALIK, K. (2020). Landsat 8: Utilizing sensitive response bands concept for

image processing and mapping of basalts (Vol. 23). doi:
https://doi.org/10.1016/j.ejrs.2019.04.004
AMAYA, L. (2023) , MINERÍA ILEGAL RETORNA A LA PAMPA Y AMENAZA LA
RESERVA DE TAMBOPATA. https://convoca.pe/agenda-propia/mineria-
ilegal-retorna-la-pampa-y-amenaza-la-reserva-de-tambopata
Bravo Peña, L. C., Gautrín Córdova, M. O. ., Alatorre Cejudo, L. C., Torres Olave, M. E.,
Moreno Murrieta, R. L., Salas Aguilar, V. M., Rojas Villalobos, H. L., Reyes Gómez, V.
M. ., Uc Campos, M. I., & González León, M. O. . (2022). Degradación y deforestación
en la cuenca del río Conchos (México): modelado predictivo mediante regresión
logística (1985-2016). Cuadernos Geográficos, 61(1), 129–149.
https://doi.org/10.30827/cuadgeo.v61i1.21629

BULLOCK, E., WOODCOOCK, C., & OLOFSSON, P. (2020). Monitoring tropical

forest degradation using spectral unmixing and Landsat time series analysis
(Vol. 238). Rondonia. doi: https://doi.org/10.1016/j.rse.2018.11.011
Carnevale, N. J.; Alzugaray, C.; Di Leo, N.(2018)Estudio de la deforestación en la
Cuña Boscosa santafesina mediante teledetección espacial Quebracho -
Revista de Ciencias Forestales, Universidad Nacional de Santiago del Estero,
Argentina https://www.redalyc.org/pdf/481/48101405.pd
CHENG, G., XIE, X., HAN, J., GUO, L., & SONG, G. (2020). Remote Sensing Image
Scene Classification Meets Deep Learning: Challenges, Methods,
Benchmarks, and Opportunities (Vol. 13). doi:10.1109/JSTARS.2020.3005403
CUZCANO, L. (2023). Áreas Naturales Protegidas: herramientas de conservación de
ecosistemas y especies. https://peru.oceana.org/blog/areas-naturales-
protegidas-herramientas-de-conservacion-de-ecosistemas-y-especies/
DA SILVA, C., DIAS, A., De OLIVEIRA, J., TEODORO, P., LIMA, M., SHAKIR, M., . .
. Johann, J. (2018). Analysis of the impact on vegetation caused by abrupt
deforestation via orbital sensor in the environmental disaster of Mariana, Brazil
(Vol. 76). Mariana-Brasil. doi: https://doi.org/10.1016/j.landusepol.2018.04.019
Explora la Reserva de Tambopata (Blog Viagens Machu Picchu. Blog Viagens Machu Picchu)
Todo Sobre Perú [en línea]. [6/7/2023] [consultado el 18 de julio de 2024]. Disponible
en: https://blog.viajesmachupicchu.travel/explorando-la-reserva-nacional-

32
 tambopata/#:~:text=La%20reserva%20es%20hogar%20de,de%20peces%20y%20av
es%20acuáticas.
FAO & UNEP. (2020). The State of the World’s Forests 2020. Forests, biodiversity and
people. Rome, Italy. doi: https://doi.org/10.4060/ca8642en
Finer M, Olexy T (2015) Vista de Alta Resolución de la Minería Aurífera Ilegal en la
Amazonía Peruana (Madre de Dios). MAAP #12. Link:
https://www.maaproject.org/2015/imagen12-lapampa/
FLORES, E. L.(2022), ANÁLISIS ESPACIAL DE CUERPOS DE AGUA GENERADOS
POR LA DEFORESTACIÓN EN LA ZONA LA PAMPA PARA EL AÑO
2022.https://repositorio.unas.edu.pe/bitstream/handle/20.500.14292/2502/TS
_QFEL_2023.pdf?sequence=1&isAllowed=y
HISLOP, S., JONES, S., SOTO, M., SKIDMORE, A., HAYWOOD, A., & NGUYEN, T.
(2018). Using Landsat Spectral Indices in Time-Series to Assess Wildfire
Disturbance and Recovery (Vol. 10). doi: https://doi.org/10.3390/rs10030460
LE POLAIN DE WAROUX, Y., GARRETT, R., GRAESSER, J., NOLTE, C., WHITE,
C., & LAMBIN, E. (2019). The Restructuring of South American Soy and Beef
Production and Trade Under Changing Environmental Regulations (Vol. 121).
doi: https://doi.org/10.1016/j.worlddev.2017.05.034
LÓPEZ , A. (2020). Estudio de la severidad del incendio de 2012 y regeneración de
la vegetación del Bosque La Primavera, México, mediante imágenes
LANDSAT 7. doi: https://doi.org/10.35424/rcarto.i101.420
LÓPEZ, T.M. (2019). Peru:550 hectáreas fueron deforestadas en la Reserva Nacional
de Tambopata desde Septiembre del
2015.https://es.mongabay.com/2017/06/peru-madre-de-dios-tambopata-
deforestacion-mineria/amp/
MINAGRI & MINAM. (2020). COBERTURA Y PÉRDIDA DE BOSQUE HÚMEDO
AMAZÓNICO. Lima- Perú. Retrieved from
https://geobosques.minam.gob.pe/geobosque/descargas_geobosque/perdida/
doc
umentos/Reporte_de_deforestacion_bosques_amazonicos_2020.pdf?Thu%2
0Feb
%2017%202022%2012:33:18%20GMT0500%20(hora%20est%C3%A1ndar%
20de%20Per%C3%BA)

33
MINAM. (2021). Reporte estadistico departamental 2021. Lima-Peru. Retrieved from
https://sinia.minam.gob.pe/documentos/piura-reporte-
estadisticodepartamental-agosto-2021
Minería ilegal crece en Tambopata y amenaza la biodiversidad, los ríos y la salud en
siete comunidades indígenas [Internet]. Convoca.pe - Agenda Propia. [citado
el 24 de abril de 2024]. Disponible en: https://convoca.pe/agenda-
propia/mineria-ilegal-crece-en-tambopata-y-amenaza-la-biodiversidad-los-
rios-y-la-salud-en
Minería ilegal retorna a La Pampa y amenaza la reserva de Tambopata [Internet].
Convoca.pe - Agenda Propia. [citado el 24 de abril de 2024]. Disponible en:
https://convoca.pe/agenda-propia/mineria-ilegal-retorna-la-pampa-y-
amenaza-la-reserva-de-tambopata
MURAD, & PEARSE. (2018). Landsat study of deforestation in the Amazon
region of Colombia: Departments of Caquetá and Putumayo (Vol. 11). Caqueta
y Putumayo. doi: https://doi.org/10.1016/j.rsase.2018.07.003
MURILLO, R., & ORTIZ, A. (2019). Máquinas de soporte vectorial para clasificación
supervisada de imágenes en bases de datos espaciales. Bogota-Colombia.
Retrieved from
https://www.researchgate.net/publication/341106050_Maquinas_de_soporte_
vect
orial_para_clasificacion_supervisada_de_imagenes_en_bases_de_datos_es
pacia les
PENDRILL, F., PERSSON, U., GODAR, J., KASTNER, T., MORAN, D., SCHMIDT,
S., & WOOD, R. (2019). Agricultural and forestry trade drives large share of
tropical deforestation emissions (Vol. 56). doi:
https://doi.org/10.1016/j.gloenvcha.2019.03.002

ROJAS, N., BARBOZA, E., MAICELO, J., OLIVA, S., & SALAS, R. (2019).
Deforestación en la Amazonía peruana: índices de cambios de cobertura y uso
del suelo basado en SIG (Vol. 81). Boletín de la Asociación de Geógrafos
Españoles. doi: https://doi.org/10.21138/bage.2538a

34
RUNYAN, C., & STEHM, J. (2019). Land Use Change, Deforestation and Competition
for Land Due to Food. Johns Hopkins University. Washington DC. - USA:
Elsevier. doi: https://doi.org/10.1016/B978-0-08-100596-5.21995-1
SAMNDONG, R., BUSH, G., VATN, A., & CHAPMAN, M. (2018). Institutional analysis
of causes of deforestation in REDD+ pilot sites in the Equateur province:
Implication for REDD+ in the Democratic Republic of Congo (Vol. 76). doi:
https://doi.org/10.1016/j.landusepol.2018.02.048
SIERRA, P. Y.(2019), Imágenes satelitales muestran el impacto de 34 años de
minería ilegal en ríos de Madre de Dios.
https://es.mongabay.com/2020/02/peru-imagenes-satelitales-mineria-ilegal-
rios-madre-de-dios/amp/
TARAZONA, Y., & LOPEZ, M. (2020). Monitoring tropical forest degradation using
remote sensing. Challenges and opportunities in the Madre de Dios region,
Peru (Vol. 19). doi: https://doi.org/10.1016/j.rsase.2020.100337
Urrutia Rivas, M. (2016). Aplicación del modelo SWAT para la simulación del ciclo hidrológico
de la cuenca alta del río San Juan bajo la influencia de la actividad minera. Escuela
Colombiana de Ingeniería Julio Garavito.
https://repositorio.escuelaing.edu.co/handle/001/376
VÁSQUEZ, M. (2022). Minería Ilegal y contrabando en la región de Madre de Dios.
https://revistas.caen.edu.pe/index.php/cuadernodetrabajo/article/view/33
ZAMBRANO, M., CARVAJAL, C., URGILÉS, R., & RUANO, M. (2018). Deforestation
as an indicator of environmental degradation: Analysis of five European
countries (Vol. 90). doi: https://doi.org/10.1016/j.ecolind.2018.02.049

35
36
 ANEXOS

Anexo 01: Pérdida de bosques en Tambopata

Fuente: Convoca.pe

37
Anexo 02: Ubicación geográfica de la zona afectada.
Fuente: Elaboración propia (ArcMap).

38
Anexo 03: Zona de estudio.
Fuente: Elaboración propia(ArcMap).

Anexo 04: Variación de la vegetación.

Fuente: Elaboración propia(ArcMap).

39
Anexo 05: Análisis de la vegetación actual.
Fuente: Elaboración propia(ArcMap).

Anexo 06: Análisis multitemporal.

Fuente: Elaboración propia(ArcMap).

40
Anexo 07: Variación de la cobertura vegetal en la zona de estudio.
Fuente: Elaboración propia.

41
Anexo 08: Ubicación geográfica de las ANP.
Fuente: Elaboración propia(ArcMap).

42
Anexo 09: Área afectada por la minería en la Reserva Tambopata
Fuente: Elaboración propia (ArcMap)

Anexo 10: Puntos críticos afectados en la Reserva Tambopata

Fuente: Elaboración propia (ArcMap)

43
Anexo 11: Análisis multitemporal 2013
Fuente: Elaboración propia

44
Anexo 12: Análisis multitemporal 2023
Fuente: Elaboración propia

45
Monitoreo de la deforestación en tiempo casi real en el sector La Pampa. Fuentes claves:
SERNANP, USGS, ACCA.

Índices de deforestación por minería aurífera antes (anaranjado) y después (rojo) de la

Operación Mercurio. Datos: MAAP

46