Deforestación en la Amazonia Peruana: Modelamiento de Promotores

Navarrete, C., Juarez, H., Hualla, V., Gutiérrez, D., Sylvester, J., Vanegas, M., Pradel, W., Castro, A. 2023. Deforestación en la Amazonia Peruana: Modelamiento de Promotores. Centro Internacional de la Papa. 39 p. DOI: 10.4160/cip.2023.12.022

La deforestación en la Amazonia peruana, una grave amenaza ecológica, ha resultado en la pérdida de 2,284,889 hectáreas de bosque entre 2001 y 2018, con Loreto, Ucayali, San Martín, Huánuco, Madre de Dios y Junín como los departamentos más afectados. A pesar de los esfuerzos de monitoreo por parte del Programa Nacional de Conservación de Bosques del Ministerio del Ambiente (MINAM), persisten lagunas en la comprensión de los impulsores directos e indirectos de la deforestación. Este estudio se centra en el desarrollo de modelos predictivos utilizando técnicas de inteligencia artificial para identificar los impulsores subyacentes de la deforestación en Perú, abordando así un vacío crítico en la investigación existente. El estudio emplea un enfoque metodológico que incluye la comprensión del problema, la recopilación y preparación de datos, y el entrenamiento y evaluación de modelos. Se recopilaron datos de diversas fuentes, incluyendo indicadores de clima, deforestación, desarrollo humano, y otros factores socioeconómicos y ambientales. Los modelos se centraron en impulsores subyacentes como factores económicos, tecnológicos, institucionales, ambientales y demográficos, así como en causas próximas como la agricultura y la infraestructura. Se utilizó un enfoque de aprendizaje automático para analizar estos datos, con un énfasis particular en la identificación de patrones y correlaciones significativas. Los modelos desarrollados revelaron que factores como la formación boscosa, la distancia a áreas naturales protegidas, la población y la infraestructura agrícola son predictores clave de la deforestación. El estudio encontró que es posible desarrollar modelos predictivos efectivos para la deforestación en las regiones de Sierra y Selva del Perú, destacando la importancia de los impulsores subyacentes en la comprensión de este fenómeno. Además, se demostró que los modelos basados en impulsores subyacentes pueden tener un rendimiento comparable a aquellos que incluyen causas próximas. Este enfoque innovador ofrece una nueva perspectiva en el estudio de la deforestación, proporcionando herramientas valiosas para la formulación de políticas y estrategias de conservación más efectivas en la región amazónica peruana.