¿HACIA UNA REGIÓN AMAZÓNICA “VERDE”?

VIAJE ASISTIDO POR SIG Y MAPEO PARTICIPATIVO

ENTRE PRÁCTICAS INSTITUCIONALES Y SERVICIOS ECOSISTÉMICOS EN EL
ALTO MAYO, REGIÓN SAN MARTÍN, PERÚ
Elaborado por: Daniele Codato, doctorado en Geografía Humana y Física por la Universidad de
los Estudios de Padova (Italia), en colaboración con el Centro de Investigación en Geografía
Aplicada (CIGA-PUCP) de la Pontificia Universidad Católica del Perú y con el apoyo del
Departamento de Geografía del King‟s College of London.

Investigación financiada por el Ministerio de Asuntos Exteriores de Finlandia en el ámbito del

proyecto BioCuencas de Conservación Internacional Perú

INFORME FINAL

PADOVA, 2015
Índice
Lista de gráficos

Lista de tablas

1. Introducción 1

2. Marco Teórico: Servicios Ecosistémicos y conservación de la biodiversidad, SIG

e instrumentos de participación 6
2.1. Servicios Ecosistémicos y conservación de la biodiversidad 6
2.2. Cuantificación y valoración de los servicios ecosistemicos 10
2.3. Mapeo y herramientas de modelación de los SE 13
2.4. Involucrar la participación popular utilizando la tecnología SIG 16
2.5. SIG Participativo y servicios ecosistémicos 18

3. Área de Estudio 23

4. Eje de trabajo 1: el valor sociocultural de los servicios ecosistémicos 27

4.1. Materiales y métodos 27
4.1.1. El trabajo de mapeo participativo 27
4.1.2. Elaboración de los datos: the Social Values for Ecosystem Services (SolVES) 31
4.2. Resultados y discusiones 36
4.2.1. Datos sobre las encuestas y entrevistas y su distribución 36
4.2.2. Datos sobre los informantes de las encuestas 39
4.2.3. Uso del mapa y conocimiento del área 40
4.2.4. Conocimiento del concepto de servicios ecosistémicos 42
4.2.5. Orden de prioridad de los valores sociales por los servicios ecosistémicos 44
4.2.6. Mapas de los valores sociales percibidos por los servicios ecosistémicos 46

5. El valor biofísico de los SE y la creación de escenarios futuros 63

5.1. Materiales y métodos 63
5.1.1. Costing Nature 63
5.1.2. La construcción de la línea base y de los escenarios futuros 71
5.1.3. La construcción del análisis previo de la Amazonia norte del Perú 73
5.1.4. La construcción de la línea base de 2013 73
5.1.5. La construcción del escenario de conservación 76
5.1.6. La construcción del escenario business as usual 79
5.2. Resultados y discusiones 80
5.2.1. Análisis previo de San Martin en la Amazonia norte del Perú 81
5.2.2. Mapas de línea base del Alto Mayo al 2013 93
5.2.3. Mapas del escenario de conservación 101
5.2.4. Mapas del escenario tendencial (business as usual) 106

6. Conclusiones 110

Bibliografía 116

Siglas y Acrónimos 124

Agradecimientos 126
Lista de gráficos
Grafico n. 3.1: Mapa del Alto Mayo
Gráfico n. 4.1. El mapa utilizado en el trabajo de mapeo participativo
Gráfico n. 4.2. Algunos momentos del trabajo de mapeo participativo durante las encuestas
Gráfico n. 4.3. Módulos que utiliza SolVES
Gráfico n. 4.4. Mapa que presenta las capas de datos (layers) utilizadas en SolVES: cuencas hidrográficas
y uso y cobertura del suelo
Gráfico n. 4.5. Mapa que presenta las capas de datos (layers) utilizados en SolVES: BPAM, otras áreas de
conservación según el SRC y las comunidades nativas (cc.nn)
Grafico n. 4.6. Distribución espacial encuestas y entrevistas.
Gráfico n. 4.7. Resultado del procesamiento de las palabras referidas a los SS.EE. con wordle
Gráfico n. 4.8. Orden de prioridad por los valores sociales para el total de las encuestas.
Gráfico n. 4.9. Orden de prioridad por los valores sociales para el total de las entrevistas.
Gráfico n. 4.10. Valor de sustento para la vida, encuestas.
Gráfico n. 4.11. Valor de sustento para la vida, entrevistas.
Gráfico n. 4.12. Densidad de puntos por el valor de sustento para la vida, encuestas.
Gráfico n. 4.13. Densidad de puntos por el valor de sustento para la vida, entrevistas.
Gráfico n. 4.14. Valor de biodiversidad, encuestas.
Gráfico n. 4.15. Valor de biodiversidad, entrevistas.
Gráfico n. 4.16. Densidad de puntos valor de biodiversidad, encuestas.
Gráfico n. 4.17. Densidad de puntos valor biodiversidad, entrevistas.
Gráfico n. 4.18. Valor de uso, encuestas.
Gráfico n. 4.19. Valor de uso, entrevistas.
Gráfico n. 4.20. Densidad de puntos valor de uso, encuestas.
Gráfico n. 4.21. Densidad de puntos valor de uso, entrevistas.
Gráfico n. 4.22. Valor estético, encuestas.
Gráfico n. 4.23. Valor estético, entrevistas.
Gráfico n. 4.24. Densidad puntos valor estético, encuestas.
Gráfico n. 4.25. Densidad puntos valor estético, entrevistas.
Gráfico n. 4.26. Densidad puntos valor recreacional, encuestas.
Gráfico n. 4.27. Densidad puntos valor recreacional, entrevistas.
Gráfico n. 4.28. Recursos turísticos del Alto Mayo según la Dirección Regional de Comercio Exterior y
Turismo de San Martín.
Gráfico n. 5.1. Esquema de funcionamiento de Costing Nature.
Gráfico n. 5.2. Cambio en el porcentaje de cobertura de bosque entre 2000 y 2012 según los datos
proveídos por CN.
Gráfico n. 5.3. Relación entre ZEE y estado del bosque al 2013.
Gráfico n. 5.4. Relación entre SRC y estado del bosque al 2013.
Gráfico n. 5.5. Presiones actuales en la Amazonia norte peruana.
Gráfico n. 5.6. Amenazas futuras en la Amazonia norte peruana.
Gráfico n. 5.7. Prioridades de conservación en la Amazonia norte peruana.
Gráfico n. 5.8. SS.EE. Hídricos realizados en la Amazonia norte peruana.
Gráfico n. 5.9. SS.EE. Hídricos potenciales en la Amazonia norte peruana.
Gráfico n. 5.10. SS.EE. Carbono en la Amazonia norte peruana.
Gráfico n. 5.11. SS.EE. Turismo en la Amazonia norte peruana.
Gráfico n. 5.12. SS.EE. Mitigación de riesgos realizados en la Amazonia norte peruana.
Gráfico n. 5.13. Biodiversidad en la Amazonia norte peruana.
Gráfico n. 5.14. Presiones sobre el ecosistema del Alto Mayo.
Gráfico n. 5.15. Amenazas futura sobre el ecosistema del Alto Mayo.
Gráfico n. 5.16. Prioridades de conservación en el Alto Mayo.
Gráfico n. 5.17. SS.EE. Hídricos realizados en el Alto Mayo.
Gráfico n. 5.18. SS.EE. Carbono potencial y realizado en el Alto Mayo.
Gráfico n. 5.19. Biodiversidad en el Alto Mayo.
Gráfico n. 5.20. Variación % de cobertura del bosque con escenario de conservación en el Alto Mayo.
Gráfico n. 5.21. Variación % de SS.EE. Hídricos realizados con escenario de conservación en el Alto
Mayo.
Gráfico n. 5.22. Variación % de SE Carbono con escenario de conservación en el Alto Mayo.
Gráfico n. 5.23. Variación % de la Biodiversidad con escenario de conservación en el Alto Mayo.
Gráfico n. 5.24. Variación % cobertura de bosque con escenario tendencial (BAU) en el Alto Mayo.
Gráfico n. 5.25. Variación % de SS.EE. Hídricos realizados con escenario tendencial (BAU) en el Alto
Mayo.
Gráfico n. 5.26. Variación % de SS.EE. Carbono con escenario tendencial (BAU) en el Alto Mayo.
Gráfico n. 5.27. Variación % Biodiversidad con escenario tendencial (BAU) en el Alto Mayo.
Lista de tablas
Tabla n. 1.1 Viajes y trabajos de campo.
Tabla n. 1.2: Principales datos espaciales utilizados en la investigación con su fuente.
Tabla n. 2.1. Correspondencia entre valores sociales y categorías del MA, 2005
Tabla n. 4.1. Los valores sociales utilizados
Tabla n. 4.2. Datos sobre las encuestas
Tabla n. 4.3. Datos sobre las entrevistas
Tabla n. 4.4. Datos sobre los actores de las encuestas
Tabla n. 4.5. Datos sobre los actores de las encuestas
Tabla n. 4.6. Conocimiento nombre Alto Mayo, encuestas
Tabla n. 4.7. Conocimiento territorio del Alto Mayo, encuestas
Tabla n. 4.8. Capacidad de uso del mapa, encuestas
Tabla n. 4.9. Uso del mapa en la ubicación de los valores, encuestas.
Tabla n. 4.10. Capacidad de uso del mapa, entrevistas.
Tabla n. 4.11. Uso del mapa en la ubicación de los valores, encuestas.
Tabla n. 4.12. Conocimiento termino “Servicios Ambientales”, encuestas.
Tabla n. 4.13. Conocimiento termino “Servicios Ambientales” por tipología de actor, encuestas.
Tabla n. 4.14. Orden de prioridad por los valores sociales según tipologías de actores.
Tabla n. 5.1. Esquema de funcionamiento de los módulos de CN con los principales datos usados.
Tabla n. 5.2. Datos globales substituidos con datos secundarios recolectados.
 1. Introducción

Conservación Internacional Perú, en colaboración y con el financiamiento del Ministerio de

Asuntos Exteriores de Finlandia (MAEF), empezó en junio 2012 un proyecto de 5 años denominado
“Proyecto BioCuencas”.

Conservación Internacional Perú otorgó becas de viaje para estudiantes para desarrollar proyectos
de investigación relacionados al proyecto BioCuencas en el área de la cuenca del Alto Mayo. Uno
de los temas de investigación previsto para el otorgamiento de la beca es el de los Servicios
Ecosistémicos (SS.EE.) de actualidad y gran interés, sea a nivel científico y de la cooperación
internacional. Este informe presenta los resultados de una investigación sobre los Servicios
Ecosistémicos en el área de la parte alta de la cuenca del rio Mayo, denominada Alto Mayo y
enmarcado en un proyecto más amplio de investigación doctoral en Geografía de la Universidad de
los Estudios de Padua (Italia) en colaboración con la Pontifica Universidad Católica del Perú y el
Departamento de Geografía del King‟s College of London, que se ha desarrollado en la región San
Martín, particularmente a lo largo de la cuenca del Río Mayo.

Los objetivos del trabajo son la investigación de dos componentes fundamentales de los Servicios
Ecosistémicos del Alto Mayo:

 El mapeo del valor sociocultural de los SS.EE., es decir, el valor que diferentes tipos de
actores sociales asignan a los diferentes SS.EE. por un determinado territorio.
 El mapeo del valor de los SS.EE. dado por las diferentes características biofísicas del
territorio en relación con otras variables y la creación de escenarios futuros de cambio.

Entonces este estudio tiene como objetivo desarrollar un conocimiento integral de los SS.EE. y de
la relación de estos con otros factores importantes del área de investigación, tomando en cuenta
tanto el conocimiento y la percepción de los actores que habitan y actúan en la zona, como las
características ambientales. Se espera que este estudio contribuya a una mejor gestión y
conservación del área del Alto Mayo en el ámbito del proyecto BioCuencas.

El informe empieza con un extenso marco teórico sobre el concepto de Servicios Ecosistémicos, el
mapeo participativo y los Sistemas de Información Geográfica (SIG) (capitulo 2), el cual espera
podrá servir como referencia en otros trabajos desarrollados por el proyecto BioCuencas. Después
se presentará brevemente el área de estudio (capitulo 3), queriendo evitar la repetición de conceptos
largamente tratados en varios otros documentos, para pasar finalmente al trabajo desarrollado
(capítulos 4 y 5) y a las conclusiones (capitulo 6).

1
Para una mejor comprensión del trabajo de investigación desarrollado, se ha elegido presentar las
actividades dividas en ejes de trabajo, cada uno conteniendo materiales y métodos, así como
resultados y discusiones. Los dos ejes son:

1. El valor sociocultural de los SS.EE.: la percepción de los actores sobre el valor social de los
SS.EE. en el Alto Mayo, trabajo suportado por el paradigma de los SS.EE. y su utilización
en la inclusión de la componente social en los procesos de planificación y gestión territorial
y ambiental, a través del uso de herramientas de mapeo participativo y de un instrumento de
análisis SIG, the Social Values for Ecosistem Services (SolVES). En este eje se dará amplio
espacio también a la presentación del trabajo de mapeo participativo desarrollado,
herramienta que tiene buen potencial para dar soporte a los procesos de participación social.
2. El valor biofísico de los SS.EE. y la creación de escenarios futuros: en este caso el
paradigma de los SS.EE. es utilizado de manera biofísica a través de un instrumento de
modelación SIG basado en la web, llamado Costing Nature. Se quiere probar la utilidad y
capacidad de esta herramienta recién nacida para mapear el estado actual de ciertos SS.EE.
y conceptos asociados y del cambio de estos factores bajo ciertas condiciones de uso del
territorio.

En el desarrollo de este proceso se han entrelazado diferentes metodologías cuali-cuantitativas, de

carácter espacial y no, pertenecientes a diferentes disciplinas como las ciencias sociales, ecológicas
y geográficas en un recorrido recursivo entre trabajos de campo y sistematización, elaboración y
reflexión en la oficina. Por cada viaje se presentan en la tabla n. 1.1 las principales actividades de
campo desarrolladas.

2
Viajes de campo y periodo Principales actividades de campo
Marzo – Mayo 2013 Investigación bibliográfica y cartográfica
Lima Entrevistas actores claves en Lima, Iquitos y en la Región de San
Región de San Martín Martín
Iquitos Firma del contrato con Conservación Internacional Perú para la beca
del proyecto BioCuencas
Trabajo de encuestas y entrevistas en el Alto Mayo
Visitas de campo en la Región San Martin y en particular en el Alto
Mayo con toma de puntos GPS y entrevistas abiertas
Estadía en el CIGA-PUCP
Octubre – Diciembre 2013 Conclusión de los trabajos en San Martin
Lima Conclusión de los trabajos en Lima
Región de San Martín Estadía en el CIGA-PUCP
Marzo – Mayo 2014 Trabajo y producción de mapas con Costing Nature
Londres, King‟s College London
Tab. n. 1.1 Viajes y actividades desarrolladas gracias al aporte de la beca del proyecto BioCuencas.

Parte importante de una investigación geográfica es la componente cartográfica, que además de

permitir diferentes tipos de análisis y consideraciones, ayuda a la comprensión de las relaciones,
visiones, sobre posiciones y dinámicas territoriales que ocurren a diferentes escalas espaciales y
territoriales. En Perú, en los últimos años, ya sea a nivel de estado central y sus ministerios, como
de entidades públicas locales y de diferentes instituciones, ONGs e institutos de investigación entre
otros, se ha tenido una gran producción de información espacial georeferenciada, imágenes
espaciales provenientes de sensores remotos (como las imágenes satelitales), mapas temáticos y la
creación de diferentes bases de datos y WebSIG que permiten la consulta de estos datos y, a
menudo, su descarga al público en general a través de internet.

Aunque este gran avance en la comunicación y en la trasparencia haya favorecido el intercambio y

la consulta de diferentes tipos de datos, todavía se han encontrado varios casos donde las
informaciones espaciales presentaban carencias en sus metadatos o poca homogeneidad (por
ejemplo, diferentes sistemas de referencia). Otras veces, el trabajo de colección de datos, ha
recuperado informaciones que estaban guardadas en una oficina y eran de difícil consulta, o que
eran parte de un proyecto que había acabado y se había quedado olvidado o de un proyecto en
desarrollo con datos todavía no compartidos; y casos donde había diferencias sobre una misma
tipología de datos proveídos por diferentes oficinas.

3
La necesidad de tener una visión geográfica más clara sobre el área de estudio y su entorno y los
objetivos de la investigación han requerido la creación de una propia base de datos (database)
geográfica donde reunir, homogeneizar, validar y sistematizar los diferentes datos espaciales, rasters
y vectoriales divididos entre las diferentes temáticas de interés. La creación de esta base de datos se
ha centrado en la Región San Martín y su entorno, en particular la Amazonia del norte del Perú que
comprende las regiones de Loreto y Amazonas. Cada vez que se recolectaba un dato nuevo, se ha
procedido a su introducción en la base de datos creada con el software ESRI ArcMAP 10.1 en el
sistema de referencia UTM WGS 84 zona 18 S, su posicionamiento en la temática correcta (por
ejemplo, la temática hidrografía que comprende los ríos, lagos y otros cuerpos de agua, o la
temática infraestructura humana que comprende las carreteras y otros productos antrópicos, o la
ZEE que comprende los diferentes estudios desarrollados de zonificación, entre otros) y su revisión.
Si no se entendía bien un dato o había diferencia entre el mismo dato proveído por fuente diferentes
(por ejemplo el vectorial (shapefile) del sistema vial proveído por el Gobierno Regional de San
Martín tiene algunas diferencias con el sistema vial proveído por el Ministerio de Transportes y
Comunicaciones), se ha procedido, cuando ha sido posible, a contactar con la fuente de información
para pedir informaciones y aclarar la duda. En el caso de que no haya sido posible aclarar el asunto,
se ha preferido, o bien descartar el dato, o utilizar el de la fuente más fiable u oficial. En la tabla 1.2
se presentan los principales datos recolectados, evidenciando la tipología, temática, área cubierta y
fuente, dentro de lo posible.

De esta manera, los datos cualitativos y cuantitativos explicitados espacialmente, han permitido
investigar y analizar el sistema socio-ecológico de San Martín y de la amazonia peruana en general
a través del uso de software desarrollados en el ámbito de los Sistemas Informativos Geográficos
(SIG), como ESRI ArcGIS, permitiendo, ya sea el análisis crítico de los mapas temáticos
producidos por las diferentes instituciones cuales las ZEE o la elaboración y procesamiento de los
diferentes datos para la elaboración de mapas y el desarrollo de cálculos espaciales (como cálculos
de áreas ocupadas por diferentes usos del suelo, sobre posiciones entre diferentes temas como
bloques petroleros y áreas naturales protegidas) útiles para entender la compleja realidad de la
Región y el desarrollo de los diferentes proyectos y planes en el futuro. Todos los mapas
presentados en el informe tienen como sistema de referencia el UTM WGS 84 Zona 18 S y utilizan
como fuente de datos secundarios las reportadas en la tabla n. 1.2.

4
Principales fuentes de datos vectoriales revisados y/o utilizados
Fuente Tema Área cubierta
Instituto del Bien Común (IBC) Base de datos SICNA: cc.nn, comunidades campesinas, Toda la Amazonia
reservas territoriales, hidrografía Peruana

MINAM, SERNAMP, Ministerio ANP, concesiones forestales, concesiones mineras y Nacional

Energia y Mina (MEM), otras informaciones mineras, lotes hidrocarburos y otra
Ministerio Transporte y información petrolera, límites políticos administrativos,
Telecomunicaciones (MTC), ciudades y centros poblados, hidrografía, cuencas
PeruPetro. hidrográficas, sistema vial

Base de datos del GORESAM- ANP, concesiones forestales, catastro predios rurales, San Martín
ARA cc.nn., comunidades campesinas, concesiones de
conservación, concesiones mineras, lotes
hidrocarburos, hidrografía, sistema vial, limites
políticos administrativos, recursos turísticos, centros
urbanos y centros poblados, ZoCREs, áreas de
conservación privadas
GORESAM-ARA, PEAM ZEE: San Martín, Alto Mayo, Cumbaza, Picota, San Martín
Tocache
PEAM Estudios por el POT de Rioja y Moyobamba Alto Mayo
CANDES Mapa uso y cobertura del suelo al 2010 producido por Alto Mayo
una consultoría por el MINAM.
Database Gobierno Regional de ANP, concesiones forestales, cc.nn., hidrografía, Región Loreto
Loreto limites políticos-administrativos, hidrografía, oleoducto
Datos GPS Recorrido Ecoturismo Tingana, recorrido CSA cuenca Alto Mayo
Rumiyacu, comunidad nativa Shampuyacu
Principales fuentes de datos y Raster revisados y/o utilizados
MINAM DEM 90m Perú
GORESAM-ARA DEM 90m San Martín
Mesa REDD+ San Martín Estudio deforestación 2000-2005-2010 San Martín
Policysupport.org Diferentes bases de datos proveídos con la herramienta Global
Costing Nature y utilizados en la elaboración de los
mapas creados a través de de esta herramienta
Tabla 1.2 Principales datos espaciales utilizados en la investigación con su fuente.

5
 2. Marco Teórico: Servicios Ecosistémicos y conservación de la
biodiversidad, SIG e instrumentos de participación

2.1. Servicios Ecosistémicos y conservación de la biodiversidad

El concepto de Bienes y Servicios Ecosistémicos, de aquí en adelante denominado Servicios

Ecosistémicos (SS.EE.), es decir, los servicios que los ecosistemas proveen a los seres humanos
(secuestro de carbono, agua en cantidad y calidad, comida y combustibles, servicios culturales,
etc.), se ha desarrollado desde los años 70, inicialmente y sobre todo, con el propósito de aumentar
el interés del público hacia la conservación de la biodiversidad y la importancia de los ecosistemas
para el bienestar humano, frente a las evidencias de un uso siempre más insostenible de los recursos
naturales (MA, 2005; Gómez-Baggethun et al., 2009). De hecho, en este concepto, los ecosistemas
son considerados como un capital natural que produce un flujo de servicios vitales para el bienestar
y en muchos casos, la supervivencia de la sociedad humana, y que puede estar influenciado tanto
positiva como negativamente por diferentes factores naturales y antrópicos (Huitric et al., 2009).
Durante los años 90, se incrementó el interés en los SS.EE., en particular en el ámbito académico,
con un aumento exponencial en la producción científica acerca de posibles definiciones,
clasificaciones, evaluaciones y valoraciones económicas y no económicas, pasando también por
varias críticas y desafíos para el futuro. Bien conocido y muy discutido es el artículo de Costanza,
publicado en la revista Nature en 1997, que presenta una metodología para cuantificar el valor
económico de los SS.EE. a escala global (Costanza et al., 1997). Sin embargo, es principalmente
después de la segunda mitad de los años 2000 cuando el concepto consigue su difusión y
consolidación, también en la agenda política, sobre todo gracias a la publicación del Millenium
Ecosystem Assessment (MA) en 2005, un trabajo integral sobre la evaluación de los ecosistemas
que involucra diferentes actores públicos, privados y académicos, y que intenta sistematizar y
aclarar el concepto de SS.EE., las diferentes metodologías de investigación y la relación entre
ecosistemas y bienestar humano (MA, 2005; Baggethun et al., 2009; Hermann et al., 2011). En el
MA (2005) se retoma y expande también el concepto de enfoque ecosistémico (ecosystem
approach), nacido en el seno de la Convención sobre la Diversidad Biológica (CBD, 1992) que
considera a los seres humanos como parte integrante del ecosistema con el cual tejen estrechas
relaciones y, superando el pasado enfoque sectorial, indica que los pasos a seguir para la
cuantificación, evaluación y gestión sostenible de los ecosistemas y sus servicios comprenden la
integración de las componentes biofísico-ecológica, económica y socio-cultural (Dick et al., 2011).

6
Interesante para entender mejor la relación de los SS.EE. con el bienestar humano es también
considerarlos en el contexto del sistema socio-ecológico (a veces llamado también sistema socio-
económico y sistema ecológico), concepto estudiado especialmente desde los años 90 por la Beijer
International Institute of Ecological Economics de la Royal Swedish Academy of Sciences
(Costanza & Folke, 1997; Berkes & Folke, 1992; Costanza et al., 1993; Barbier, 1994). El sistema
socio-ecológico es un sistema complejo y adaptativo donde la sociedad humana se ha convertido en
el principal impulsor (driver) de cambio de la naturaleza de la cual depende y con la cual está
íntimamente relacionada, hasta llegar a definir una nueva era geológica, la era Antropócena (Steffen
et al., 2011). Aquí, la gestión sostenible de los ecosistemas tendría que adoptar como objetivo el
mantenimiento de las funciones y procesos ecosistémicos que proveen el flujo de múltiples SS.EE.
a diferentes escalas espaciales y temporales y la minimización de los impactos humanos, ya sea para
garantizar el bienestar humano como para asegurar el rol clave de la resiliencia en mantener y
aumentar las opciones de adaptación y renovación, frente a imprevisibles presiones y cambios
futuros (Chapin III et al., 2009; Maes et al., 2013).

A nivel global se estima que alrededor del 60% de los SS.EE. están sobreexplotados o en peligro de
desaparecer (MA, 2005). Es en particular en los países en desarrollo donde más urgente es la
necesidad de encontrar políticas y herramientas hacia el desarrollo sostenible, frente a la mayor
vulnerabilidad de estos respecto al aumento de diferentes impactos negativos, como el aumento de
la pobreza, la pérdida de biodiversidad, la disminución de la seguridad alimentaria, la deforestación,
entre otros (MA, 2005).

Entre las diferentes clasificaciones desarrolladas de los SS.EE. (Hermann et al., 2011), la más
conocida es ciertamente la que encontramos en el MA (2005), que identifica alrededor de 24
SS.EE., entre servicios de soporte (las funciones de los ecosistemas que soportan todos los otros
servicios, como el ciclo de los nutrientes o la fotosíntesis), de provisión (comida, agua, etc.), de
regulación (regulación del clima, regulación del agua, etc.) y culturales (servicios estéticos,
inspiración cultural y religiosa, etc.). A causa de la complejidad de los ecosistemas y de los
diferentes objetivos e intereses en su gestión, es muy difícil poder desarrollar una única
clasificación (Hermann et al., 2011) y en los últimos años están tomando más espacio otras
clasificaciones más útiles operativamente como la desarrollada por la iniciativa global “La
Economía de los Ecosistemas y la Biodiversidad” (The Economics of Ecosystems and Biodiversity,
TEEB), que no considera los servicios de soporte vistos como procesos ecológicos e introduce los
“servicios de los hábitat” o “La Clasificación Internacional Común de los SS.EE.” (The common

7
International Classification of ES, CICES) desarrollada por la Unión Europea, que proporciona una
clasificación jerárquica más útil cuando se trata de trabajar a múltiples niveles (Maes et al., 2013;
Potschin & Haines-Young, 2011a). Esto depende y va de la mano también con las diferentes
definiciones de SS.EE. que se van desarrollando y de los conceptos que se consideran en estas, ya
que, por ejemplo, según los casos se puede incluir ciertos tipos de procesos ecosistémicos como
servicios finales o considerarlos como componentes intermedios (Hermann et al., 2011), o que se
marquen diferentes distinciones entre procesos, funciones, servicios y beneficios (Hermann et al.,
2011).

Llegar a definiciones y clasificaciones operativas y consistentes es naturalmente un primer paso

fundamental en los procesos de evaluación de los ecosistemas y sus servicios, debido a que permite
su correcta identificación evitando también posibles double counting, es decir, dobles conteos de los
mismos servicios que a veces derivan de diferentes funciones ecosistémicas (Hermann et al., 2011).
En este proyecto de investigación de carácter geográfico es importante mencionar también el
aumento de literatura que utiliza el término servicios del paisaje (Landscape services), como
enfoque que define las funciones y servicios a escala de paisaje, útil para integrar el concepto de
SS.EE. en la planificación y gestión del territorio y en los procesos de toma de decisiones,
evidenciando la conexión entre uso y cobertura del suelo y las múltiples funciones del paisaje
(Hermann et al., 2011).

La biodiversidad (en sus diferentes componentes genética, de especies y de ecosistemas) es

considerada por muchos autores como el elemento fundamental para la sustentación del flujo de
SS.EE. en múltiples maneras, aunque la conexión entre los dos sea todavía materia de debate y
estudios; este ocurre sea porque proporciona directamente diferentes SS.EE. (culturales, de
provisión, etc.), sea porque contribuye a la capacidad de auto-organización de los ecosistemas en el
rol de capacidad de absorbimiento de las perturbaciones y de regeneración y reorganización del
sistema después de eventos adversos (Huitric et al., 2009; Mertz et al., 2007; Chapin III et al.,
2009). Esto es posible, sobre todo, gracias a la capacidad de diferentes especies de reaccionar de
manera distinta ante las perturbaciones, aumentando la capacidad del ecosistema de mantener los
principales procesos y servicios. Uno de los primordiales impulsores antrópicos, que altera
profundamente la biodiversidad y la provisión de SS.EE., es el cambio de cobertura del suelo, que
favorece o desfavorece a unos a costa de otros (Huitric et al, 2009).
El interés internacional sobre la protección y conservación de la biodiversidad ha conocido su
desarrollo particularmente desde 1992 con la firma por parte de 193 naciones de la Convención

8
sobre la diversidad biológica en Rio de Janeiro (CBD, 1992) que ha dado impulso a siguientes
iniciativas como Johannesburgo 2002 y la inclusión del tema en los Objetivos de Desarrollo del
Milenio (Millennium Development Goals), entre otros, evidenciando la necesidad de implementar
acciones de gobernanza a diferentes escalas y la importancia de la biodiversidad para el bienestar
humano, en particular la alta dependencia hacia la biodiversidad local de las poblaciones de los
países en desarrollo (Schneiders et al, 2012; Mertz et al., 2007; Huitric et al., 2009). Durante la
décima Conferencia de las Parte (Conference of the Parties, COP 10), se ha incluido en los nuevos
Aichi biodiversity targets, durante el periodo 2011-2020, también a los SS.EE. como elementos a
considerar en los diferentes objetivos propuestos (Maes et al., 2012; Bowles-Newark et al., 2014).

Gracias al desarrollo del paradigma de los SS.EE. que ha vinculado definitivamente biodiversidad,
SS.EE. y bienestar humano, se ha ampliado la idea de una conservación, recuperación y protección
que no tengan en consideración sólo especies individuales o áreas de alta biodiversidad, sino que se
implemente el desarrollo de instrumentos y políticas que busquen incluir también la gestión de la
capacidad de los ecosistemas de generar SS.EE. y por ende, la creación de planes de conservación
que integren datos sobre biodiversidad con datos sobre SS.EE. y el componente social; desafío que
involucra diferentes dinámicas, intereses y relaciones entre múltiples actores (Huitric et al., 2009;
Egoh et al., 2007). Goldman (2012) evidencia cómo la creación de áreas naturales protegidas y
reservas ya no sea suficiente para proteger la biodiversidad y las funciones de los ecosistemas en un
mundo bajo presiones siempre crecientes, sobre todo, aquellas creadas sin la participación o en
conflicto con la población local. Por esto se necesita de soluciones más dinámicas, que incluyan
áreas intervenidas y que sean sostenibles financieramente, por ejemplo, creando instrumentos de
mercado y mecanismos de compensación por SS.EE., tomando en cuenta las externalidades
ambientales y la economía verde.

Finalmente, sobre la cuestión de la relación entre SS.EE. y biodiversidad, se quiere presentar el

punto de vista de Mulligan (Mulligan, 2014b; Mulligan et al., 2012) que evidencia que los dos
están, a menudo, pero no siempre, relacionados y localizados en el mismo lugar. Esto se debe a que,
mientras ciertos SS.EE. son más directamente dependientes de la biodiversidad y de los ecosistemas
(polinización, control de plagas, etc.), otros, como la provisión de agua, están más relacionados con
factores abióticos y físicos, como los climáticos u orogénicos. Por eso, en la priorización de qué
conservar, sobre todo en presencia de recursos limitados y altas presiones, se tiene que tener en
cuenta estos factores, es decir, si priorizar el mantenimiento de la biodiversidad, la provisión de

9
ciertos SS.EE. o la protección de áreas bajo particulares presiones, naturalmente privilegiando la
posibilidad de proteger los tres factores juntos para maximizar los esfuerzos.

2.2. Cuantificación y valoración de los servicios ecosistémicos

Para que este enfoque de SS.EE. (Ecosystem Services Approach) pueda ser efectivamente operativo
y ser aplicado en la planificación y gestión territorial y ambiental, en los procesos de toma de
decisiones y demás proyectos e instrumentos, existe la necesidad de desarrollar fuertes y
consistentes métodos de cuantificación y mapeo de los ecosistemas, sus funciones, servicios y los
beneficiarios a diferentes escalas temporales y espaciales, que permitan llegar a una verdadera
valoración que integre los aspectos económico, biofísico y socio-culturales (Crossman et al., 2013;
Burkhard et al., 2012).

Este proceso es particularmente importante para evaluar o crear escenarios relativos a los cambios
producidos por diferentes políticas, decisiones y otros factores antrópicos y naturales (como el
cambio de uso del suelo o el cambio climático) y para poder monitorear las interrelaciones y las
tendencias a lo largo del tiempo de los SS.EE. y de los diferentes aspectos vinculados, en particular
la biodiversidad, información esenciar para evaluar, retroalimentar y mejorar las diferentes
iniciativas (Mertz et al., 2007). Las metodologías de cuantificación varían mucho según los datos
disponibles, las escalas espaciales y temporales y los SS.EE. y otros aspectos investigados
(Hermann et al., 2011), involucrando datos primarios o proxies, cualitativos y cuantitativos, como
información estadística, socio-económica, biofísica, datos de sensores remotos, uso y cobertura del
suelo, opiniones de expertos, entre otros (Crossman et al., 2013; Busch et al., 2012).

La valoración puede ser desarrollada bajo diferentes perspectivas con un enfoque más o menos
antropocéntrico o biocéntrico (Mertz et al., 2007) utilizando métodos e indicadores biofísicos,
económicos y/o socio-culturales y produciendo valores monetarios o no monetarios, espacializados
y no. Aunque el MA (2005) y otras instituciones reconozcan la importancia de las valoraciones no
económicas y el involucramiento en los procesos de los actores locales, las metodologías de
valoración económicas (usualmente productos que llegan desde el campo de la economía ambiental,
como el Valor Económico Total) son las que se han desarrollado más y que son más utilizadas por
los tomadores de decisiones (decision makers), aunque están sometidas a diferentes críticas, como:
muchos científicos evidencian que los ecosistemas tienen un valor intrínseco al cual no se puede
atribuir un precio; los servicios de provisión son mucho más simples de valorar económicamente

10
respecto a los culturales llegando a sobrestimar a los unos y subestimar a los otros; y que los valores
son muy diferentes según el método usado y difícilmente utilizables (Viglizzo et al., 2012). Siempre
Hermann et al. (2011) evidencian la importancia de una cooperación entre las disciplinas
económicas, ecológicas y las ciencias sociales para poder llegar a una completa evaluación de los
ecosistemas y sus servicios.

Una aplicación práctica que da productividad a los SS.EE., promovida por diferentes instituciones y
ONGs y que ha tomado pie con diferentes avances y críticas, en particular en los países en
desarrollo, es la creación de mercados y esquemas de pagos por SS.EE., considerados como
estrategias complementarias eficaces para financiar la conservación y reducir la pobreza (Quintero,
2010). La definición más conocida de pagos por SS.EE. (o servicios ambientales) es la que los
definen como una “transacción voluntaria en la que un servicio ambiental bien definido, o un uso
del suelo que garantice dicho servicio, es adquirido por uno o más compradores del servicio, a uno
o más vendedores de dicho servicio, sí y solo si el vendedor del servicio se compromete a
suministrar dicho servicio por un periodo definido” (Hajek & Martinez de Anguita 2012).

Costa Rica es uno de los países que primero ha promovido esquemas de pago por SS.EE., a nivel
nacional, ya desde el 1996 (Locatelli et al., 2013), pero aun antes, en los años 90, se pueden
encontrar ejemplos de esquemas de mercados por SS.EE. en América Latina, como en Colombia
(Quintero, 2010). El concepto, demasiado económico y neoliberalista para ciertos autores, ha
empujado a la creación de otros términos, como compensación por SS.EE. e incentivos por SS.EE.
que se centran más en el carácter voluntario (entre actores privados o esquemas
regulados/obligatorios entre privados y el Estado) de diferentes iniciativas e incentivos no
solamente monetarios (Hajek & Martinez de Anguita, 2012).

Entre los diferentes mecanismos, se quieren introducir los “pagos o compensación por SS.EE.
hídricos” (PSEH o CSEH) y los mecanismos REDD+ (Reducción de Emisiones por Deforestación y
Degradación de Bosques), debido a que se están implementando en el área de estudio de esta
investigación.

Hay diferentes mecanismos con distintas características activos en Suramérica que se enfocan en los
SS.EE. hídricos, ya sea en cuencas andinas o amazónicas, desarrollándose en países como Ecuador
y Colombia y en los últimos años también en Bolivia y Perú (Godlman-Benner et al., 2012;
Quintero et al., 2009; Stanton et al., 2010). Característica general común de estos mecanismos es el

11
pago o compensación por parte de usuarios asentados en la parte baja de una cuenca hidrográfica
(pero pueden ser otros actores interesados, como empresas hidroeléctricas) a los actores presentes
en la parte alta, para que mantengan, recuperen o mejoren las condiciones ambientales que permitan
la provisión de los recursos hídricos. En Perú, en 2013, se reportaban alrededor de 17 iniciativas de
PSEH o CSEH en diferentes estados de desarrollo y con diferentes avances, donde la primera en
comenzar y la más avanzada es la iniciativa de CSEH de Moyobamba en la Región San Martín
(Quintero et al., 2013).

El Mecanismo REDD busca la reducción de la emisión de gases de efecto invernadero producidos

por la deforestación y degradación de los bosques en países en vía de desarrollo y se basa
actualmente en la negociación en mercados voluntarios de créditos de carbono, donde los
compradores normalmente son empresas privadas o inversionistas. Estos compradores aportan
financieramente a las iniciativas implementadas para la reducción de las tasas de deforestación
actual o estimada del bosque, cosa que les permite compensar la propia producción de carbono. A la
palabra REDD en el 2010, durante la COP-16 en Cancún, se le añade el plus (+), en cuanto al
mecanismo se le incluye también el secuestro de carbono atmosférico a través de la conservación y
gestión sostenible de los bosques y el aumento de la cantidad de carbono fijado (Menton et al.,
2013; IPCCA, 2011; Pinasco et al., 2011). Este mecanismo está conociendo un gran desarrollo y
está creando grandes expectativas, pero también preocupaciones, en la Amazonia peruana, con
alrededor de 40 iniciativas de diferente tipo en implementación, en particular en las Regiones San
Martín y Madre de Dios (Torres & Castro, 2012; MESA REDD+ SM, 2013; Rubio et al., 2012).

Gomez-Bagghetun (et al. 2009) proveen una buena revisión sobre los aspectos y criticas de estos
mercados y mecanismos a lo largo de las diferentes escuelas económicas, evidenciando cómo,
aunque haya contribuido a aumentar el interés de los actores políticos y económicos hacia la
conservación, se ha visto también un progresivo aumento de la mercantilización de los SS.EE. y la
reproducción de perversas lógicas de mercado. Un mecanismo muy cuestionado, también en Perú,
es justamente el REDD, ya sea por su lógica mercantilizadora del bosque donde actores del norte
del mundo justifican así su posibilidad de seguir contaminando (Lohmann, 2012), como por asuntos
metodológicos, de implementación y socio-ambientales (Menton et al., 2013; IPCCA, 2011). A esto
se añade las diferentes posibles amenazas e implicaciones para los pueblos indígenas y sus
territorios, que a través de la creación de mesas REDD indígenas, intentan aportar y participar en el
debate sobre este mecanismo (Llanos & Feather, 2011; IPCCA, 2011).

12
 2.3. Mapeo y herramientas de modelación de los SS.EE.

Componente fundamental del proceso de identificación, cuantificación y valoración de las

funciones de los ecosistemas, sus servicios y los beneficiarios es la espacialización de estos
aspectos, en particular, cuando se trabaja a nivel de paisaje donde diferentes factores socio-
económicos y biofísicos se interrelacionan a diferentes escalas espaciales y temporales, dando lugar
a una compleja heterogeneidad en la cuantidad y cualidad de servicios proveídos (Hermann et al.,
2011).

Los SS.EE. tienen una intrínseca connotación espacial (Burkhard et al, 2012) y por ende, sus mapeo
se convierte en una herramienta funcional que permite, entre otros: evidenciar mejor las relaciones
en el territorio de la demanda y provisión (stock) de los SS.EE. y del flujo que se crea (Crossman et
al., 2013; Locatelli et al., 2013); los cambios en el tiempo; entender los efectos de diferentes
impactos y presiones o investigar posibles amenazas futuras; estudiar la relación con la
biodiversidad; analizar los efectos de diferentes opciones de gestión y cambio de uso del suelo
respecto a las sinergias y trade-offs entre diferentes SS.EE.; identificar áreas de priorización de
conservación y desarrollo; visualizar escenarios futuros; ser un instrumento de educación y
comunicación; ser utilizados en los esquemas de compensación por SS.EE. (Hauck et al., 2013;
Maes et al., 2012; Bowles-Newark et al., 2014).

Naturalmente, el proceso de mapeo no está exento de problemas, dificultades y desafíos: desde la

necesidad y dificultad de conseguir información y datos espaciales fiables y que se puedan utilizar
en metodologías estandarizadas para poder también comparar diferentes áreas; al hecho de que no
todos los SS.EE. son fácilmente representables en un mapa; hasta aspectos más ligados a la esfera
de la cartografía critica (critical cartography) (Monmonier, 2004) como por ejemplo, quién puede
tener la decisión de mapear y qué mapear, quién da poder a los mapas, qué efecto tiene considerar
ciertos SS.EE. o beneficiarios y no otros (Hauck et al., 2013).

Cuando se habla de mapas, naturalmente, se tiene que hablar sobre la escala, ya sea cartográfica
como referida a la extensión del área de estudio considerada. La elección de una escala respecto a
otra tiene el poder de incluir o excluir ciertos actores y procesos, legitimar diferentes proyectos
políticos e intereses, influenciar la relación de poder entre diferentes actores (stakeholders),
producir diferentes resultados y por esto tiene que ser tomada atentamente en cuenta por los
investigadores (Cacciapaglia et al., 2012). Diferentes autores como Hein (et al., 2006) y Martin-
López (et al., 2009) evidencian la importancia de un enfoque multiescalar en la evaluación de los

13
SS.EE., considerando que diferentes SS.EE. son proveídos a distintas escalas temporales y
espaciales y afectan diferentes actores a distintas escalas institucionales, que, por el contrario,
pueden impactar sobre estos ecosistemas a causa de las complicadas relaciones que se desarrollan
en el sistema socio-ecológico. Esta relación puede influenciar la manera en que los actores evalúan
diferentes SS.EE., dependiendo de la escala de provisión y del nivel de interés en sus gestión (Hein
et al., 2006).

El incremento e interés en el mapeo de los SS.EE. es posible gracias también a los avances en la
tecnología SIG y de sensores remoto (remote sensing) (Ayanu et al., 2012), a la creación de mejores
bases de datos (database) cuali-cuantitativos de datos biofísicos y socio-económicos y al desarrollo
de herramientas de modelación espacial de los SS.EE. que integren diferentes aspectos ecológicos,
económicos y geográficos que puedan actuar como soporte a los procesos de toma de decisiones
(Maes et al., 2012; Bagstad et al., 2013).

Un modelo es una abstracción y simplificación de un sistema real, donde el modelador pone su

experiencia y capacidad de interpretación para representar ciertos aspectos de la realidad a través de
la consideración de ciertos parámetros y procesos, con el fin de producir resultados útiles para
entender observaciones y desarrollar y poner a prueba teorías (Mulligan & Wainwright, 2013). La
modelación espacial, definida como el “conjunto de procedimientos que simulan los fenómenos del
mundo real usando las relaciones espaciales de aspectos geográficos” (Zhang et al., 2013), se está
mostrando como una herramienta muy útil para entender las complejas interacciones y aspectos del
sistema socio-ecológico y extrapolar al futuro, para entender los impactos posibles de diferentes
procesos (Mulligan & Wainwright, 2013).

Los modeladores se enfrentan a numerosos problemas y desafíos técnico-metodológicos y

conceptuales, tales como: la veracidad y la disponibilidad de los datos de ingreso (input) y de los
procesos utilizados en los modelos; la calibración de los parámetros; la resolución espacial
utilizada; la necesidad de proceder a adaptar y homogeneizar los diferentes datos a diferentes
escalas (proceso llamado en inglés downscaling o upscaling), cuando estos se encuentran a
resoluciones espaciales diferentes, para poder combinarlos; los efectos de errores e incertidumbre
(Wainwright y Mulligan, 2013). Todas estas cuestiones no están al alcance de esta investigación y,
por ello, se invita a revisar el libro de Waingwright y Mulligan (2013) para obtener un cuadro más
completo.

14
Como explica Costanza (2014), reportando las palabras de William Deming, “todos los modelos
son equivocados, pero algunos son útiles” y, además, son aplicables solo a una pequeña parte del
mundo real, pero dada la imposibilidad de llegar a una “verdad universal” en un sistema complejo
como en el que vivimos, el objetivo de la ciencia tendría que ser la creación de modelos cuya
utilidad y cualidad sea comprobable frente a las aplicaciones del mundo real. Siempre, como
evidencia Costanza (2014), los criterios para juzgar la calidad y utilidad de un modelo, aunque a
menudo no sea posible verificarlos todos, son la testabilidad, la replicabilidad, la predictibilidad y la
simplicidad.

Bagstad (et al., 2013) presenta una revisión y comparación entre diferentes herramientas de
modelación que sean diseñadas para incorporar los SS.EE. en los procesos de toma de decisiones,
evidenciando como se está asistiendo al desarrollo de específicas herramientas de SS.EE (ES tolos).
Estas herramientas, aunque con varias diferencias, buscan cuantificar, evaluar y, a menudo, mapear
múltiples SS.EE., a diferentes escalas espaciales y temporales. De estas herramientas se evalúa que
sean lo suficientemente flexibles y generalistas para poder aplicarlos en diferentes contextos y
comparar los resultados, que necesiten poco tiempo y recursos y que sean fiables pero simples para
ganar confianza y para que los no-expertos puedan utilizarlos y entender los resultados. El articulo
provee también un posible esquema de cómo utilizar las 17 herramientas consideradas en una
evaluación de los SS.EE., ya sea en base a la escala que se necesita o si se quiere una evaluación
monetaria o no monetaria. Entre las herramientas investigadas, podemos encontrar también las dos
que se quieren probar y utilizar en esta investigación, es decir, SolVES (The Social values for
Ecosystem Services) y Costing Nature (CN).

Mulligan (2013) resalta la importancia del creciente uso de modelos de simulación de sistemas de
apoyo a políticas (policy-support systems, PSS) que son parte de un grupo más vasto de sistemas de
apoyo a decisiones (decision-support systems, DSS) y que comprenden diferentes herramientas,
más o menos sofisticados, que asisten a los decisores en los diferentes procesos de toma de
decisiones, suministrándoles una herramienta con la que probar los efectos de diferentes políticas e
intervenciones en un territorio antes de que se apliquen a la realidad.

Para demostrar ulteriormente el creciente interés sobre estas herramientas, en internet se pueden
encontrar diferentes instrumentos que se están desarrollando para ayudar a los tomadores de
decisiones en la búsqueda y elección de qué herramienta utilizar según distintos criterios y
objetivos, como el instrumento "Eco4Biz - Ecosystem services and biodiversity tools to support

15
business decision-making" o el documento “Making the Invisible Visible: Analytical Tools for
Assesing Business Impacts & Dependencies Upon Ecosystem Services” desarrollado por BSR‟s
Ecosystem Services Working Group.

2.4. Involucrar la participación popular utilizando la tecnología SIG

En las últimas décadas, la participación y el involucramiento de diferentes actores a través del uso
de tecnologías SIG para alcanzar varias metas y fines, ha evolucionado en diferentes escuelas,
técnicas y perspectivas, principalmente, gracias al desarrollo de la cartografía critica y de la
geografía participativa, junto con la mejora y la “democratización” de la tecnología SIG (Sieber,
2006). Este proceso se explicita a través de la participación de la población en la producción,
interpretación, uso, intercambio y comunicación de conocimientos e información espacial con el
uso de tecnologías SIG con trayectorias diferentes, pero de manera no claramente/realmente
separada entre países desarrollados y en desarrollo (Rambaldi et al., 2006).

El proceso empezó en los países en desarrollo al final de los años 80 y tomó el nombre de SIG
participativo (SIGP), donde metodologías de participación espacial incluidas en el enfoque de
“Aprendizaje y Acción Participativa” (Participatory learning and Action, PLA) se combinan con el
SIG para representar el conocimiento espacial de la población con el uso de diferentes herramientas
y métodos con diferente grado de tecnología, como la maqueta, los mapas a escala, el GPS o el
análisis espacial entre otros. En este contexto, son principalmente las ONGs y otras instituciones las
que ponen a disposición tecnologías y técnicas para dar poder a las comunidades locales y los
pueblos indígenas con diferentes objetivos y fines, como la auto-determinación, la planificación y
gestión colaborativa de los recursos naturales o la gestión de conflictos, entre otros. En el SIGP, el
proceso de creación e intercambio de conocimientos espaciales y la participación (P) es a menudo
más importante que los resultados del trabajo (Rambaldi et al., 2006).

El término SIG de Participación Pública (SIGPP, del inglés Public Participation GIS, PPGIS) fue
introducido por primera vez en 1996, durante el encuentro del “National Center for Geographic
Information and Analysis” (NCGIA) en EE.UU. y se enfoca en “una diversidad de enfoques para
hacer que, tanto el SIG como otras herramientas espaciales para la toma de decisiones, estén
disponibles y sean accesibles para todos aquellos con participación en las decisiones oficiales”
(Schroeder, 1996). Debido a que la distinción entre SIGP y SIGPP todavía no está bien definida y a
que algunos autores se preguntan si esto es realmente importante, no existe una única determinación

16
y Brown (& Kytta, 2014) presenta la definición de Tulloch (2008): “Es un campo dentro de la
ciencia de la información geográfica enfocado en las formas en las que la sociedad usa diferentes
tecnologías geoespaciales para tomar parte en procesos públicos tales como los procesos de mapeo
y la toma de decisiones”.

Brown, en el 2012 y en el 2014 (Brown, 2012; Brown & Kytta, 2014), con su experiencia de más de
una década de investigaciones con el SIGPP, intenta sistematizar las características del SIGPP y del
SIGP, evidenciando que normalmente en el SIGPP se utiliza mas tecnología, el trabajo interesa en
un contexto más urbano o regional respecto al contexto rural o comunitario del SIGP, siendo
agencias estatales, más que ONGs, las que fomentan estos estudios para incrementar la
participación de la población en procesos de planificación y gestión de varios tipos y, aunque no
siempre, difieren por métodos de muestreo y mapeo.

Las dos revisiones presentan también útiles indicaciones y consideraciones sobre métodos de
muestreo y mapeo, tecnologías, escalas, atributos que se pueden mapear, cuestiones y desafíos del
SIGPP (y del SIGP), cuestionando en particular que el potencial del SIGPP todavía no es utilizado
por los tomadores de decisiones por diferentes razones.

Una revisión interesante sobre el tema es la de Sieber (2006), en la que evidencia que “desde un
conjunto de instrumentos para incrementar el acceso a círculos políticos oficiales, el SIGPP se ha
convertido en un concepto co-producido compuesto por múltiples enfoques disciplinarios y actores,
tecnologías cambiantes y numerosos, así como transgresores en ocasiones, objetivos”.

Interesante en el contexto de utilizar la información proveniente de metodologías de participación

pública en los procesos de toma de decisiones, es el concepto de “sabiduría de la multitud” (wisdom
of crowds) presentado por G. Brown1. Brown evidencia la importancia del crowdsourcing
(Brabham, 2009), es decir, en los procesos de toma de decisiones de planificación y de resolución
de problemas en general, el promedio del conocimiento de la colectividad es a menudo igualmente
bueno o superior que la respuesta del más preparado, y muchas veces equivale y complementa el
conocimiento de los expertos. Este proceso, donde se necesita de la respuesta de un gran número de
actores, normalmente se desarrolla por internet, pero Brown indica que se puede utilizar bien en
diferentes contextos y sin la necesidad de la web. En estos casos sugiere también que el uso de
grupos focales (los talleres donde participan grupos más o menos numerosos de personas), pueden
1
Workshop durante el “20th International Symposium on Society and Resource Management” (9-13 de Junio 2014,
Hannover)

17
ser muy útiles para enfocar el trabajo y recoger valiosas informaciones, pero difícilmente pueden
llegar al nivel de información recolectada, además de representar la voluntad/opinión de la
colectividad que puede tener el crowdsourcing, debido a la influencia que puede crearse por la
presencia de líderes en los grupos.

Otro enfoque participativo sustancioso que va desarrollándose en estos años es el de “Información

Geográfica Voluntaria” (Volunteered Geographic Information,VGI), cuya principal característica es
la producción de nueva información geográfica de manera libre y autónoma por parte de diferentes
actores a través de la combinación de la web 2.0 y de dispositivos portátiles (Smartphone y GPS)
(Goodchild, 2007; Elwood, 2009). Lo que lo distingue del SIGP (o SIGPP) es principalmente el
carácter voluntario y personal/individual de la herramienta, no directamente relacionado a producir
información para el desarrollo comunitario o la participación en los procesos de toma de decisiones.
Con el VGI se busca producir y compartir información espacial por diferentes razones relacionadas
con necesidades de cada día (información sobre el tráfico, por ejemplo) o actividades individuales
especificas de uso del espacio (senderismo, bicicleta de montaña, etc.) o también para actividades
de monitoreo ambiental social, mapeo de necesidades sociales en áreas rurales y urbanas (Elwood,
2007; Bearden, 2007; Parker, 2013; Comber, 2013).

Se encuentra una tendencia en la fusión y sobre posición entre VGI y SIGP o SIGPP, a pesar de las
diferentes etiquetas utilizadas para describir estos procesos, sobre todo, gracias al desarrollo de
plataformas web donde compartir información espacial y de tecnologías que permiten el incremento
de potenciales “geógrafos voluntarios” (Comber, 2013).

Metodologías y herramientas que se pueden enmarcar en la esfera del SIGP y del SIGPP serán
utilizadas en esta investigación para el mapeo del valor social percibido de los SS.EE., por ello, en
el próximo párrafo profundizaremos en este emergente campo de estudio.

2.5. SIG Participativo (SIGP) y servicios ecosistémicos

En los actuales procesos de evaluación de los ecosistemas y de gestión y planificación territorial y

ambiental, se está reconociendo más importancia a la inclusión de los conocimientos y opiniones de
diferentes actores locales y a brindar a los tomadores de decisiones información espacial y una
estimación no monetaria del valor percibido de los SS.EE. (y de la biodiversidad), además de los

18
económicos o biofísicos, para evaluar el rango completo de valores ecosistémicos (Sherrouse et al.,
2011; Van Riper et al., 2012).
En este proceso, las herramientas y metodologías de SIGP y de SIGPP, están experimentando una
gran evolución con numerosos estudios y aplicaciones (Brown, 2013). De aquí en adelante, se
utilizará el término SIGP para referirse tanto al SIGP como al SIGPP.

El mapeo de los SS.EE. a través del SIGP tendría que ir más allá de la sola producción de mapas,
buscando la inclusión y el empoderamiento de la población, que ve reconocida la importancia de
sus conocimientos espaciales en los procesos de toma de decisiones. La relación cultural de la
sociedad con su entorno es también importante tanto por su capacidad para influenciar la
propensión a una gestión sostenible del sistema socio-ecológico, como por la riqueza de
conocimientos locales que pueden contribuir a entender cómo las personas modifican su entorno y
cómo consiguen adaptarse a los cambios (Chapin III et al., 2009). La integración entre estos
conocimientos y los conocimientos más “científicos” es fundamental para una eficaz gestión del
territorio y de los recursos naturales, con el objetivo deseable de llegar a una co-gestión entre
tomadores de decisiones y actores locales. El involucramiento de diferentes tipos de actores
(públicos, privados, turistas, etc.) que tienen diferentes proyecciones territoriales, permite también
poner en evidencia posibles conflictos y visiones comunes (Hermann et al., 2011).

Aspectos importantes a tomar en cuenta en este proceso son el tipo de atributos que pueden ser
mapeados, los diferentes métodos de análisis de datos para producir diferentes mapas y estadísticas
y la escala utilizada. Como es evidenciado por Brown & Kytta (2014) “común a todos los tipos de
SIGPP es la necesidad de representar simbólicamente los atributos espaciales de interés en un
mapa”.

Los atributos espaciales mapeados pueden variar en gran medida entre diferentes estudios según los
objetivos, la localización y las aplicaciones. Diferentes análisis relacionados a los SS.EE. y el SIGP
han utilizado como trasfondo una “percepción del lugar” (place perception) o “sentido del lugar”
(sense of place) basado en un “enfoque transaccional de la teoría de las relaciones entre paisaje y
hombre” (transational concept of human-landscape theory) (Zube, 1987), donde “El concepto de
lugar es una creación de la sociedad compuesto por interacciones entre el hombre y el medio
ambiente y está, por lo general, conectado con medios físicos con rasgos particulares” (Brown,
2005). Esta percepción del lugar es operativamente y espacialmente traducida en el mapeo
participativo de diferentes categorías de “valores basados en el lugar” (place-based values)

19
sinónimos entre ellos, como “valores del paisaje” (landscape values), “valores de lugares
especiales” (special places values), “valores de los ecosistemas” (ecosystem values), “valores
sociales de los SS.EE.” (social values of ecosystem services) (Brown, 2013). En general, estas
diferentes tipologías de valores están más o menos relacionadas al concepto de SS.EE., pero todas
provienen de las 13 tipologías de valores desarrolladas en el estudio de Brown & Redd (2000);
adaptación, a su vez, de las “tipologías de valores de la foresta” (forest values typology) del estudio
de Rolston & Coufal‟s (1991), que incluye, por ejemplo, los valores estéticos, de biodiversidad, de
sustento para la vida, económicos, espirituales o recreacionales entre otros. Por cada paisaje o
ecosistema, cada actor puede asociar diferentes tipos de valores, atribuyéndoles también diferentes
pesos llegando a definir una escala de importancia de estos valores (Brown, 2005).

Brown (2013) trata sobre la relación entre “valores basados en el lugar” y SS.EE., relacionando
estos valores sociales a las categorías de SS.EE. del MA (2005) (tabla n. 2.1), y expone una
importante cuestión sobre “qué cantidad de la percepción de los valores basados en el lugar surge de
la experiencia personal y del conocimiento de los participantes (es decir, un punto de vista
fenomenológico) frente a la habilidad de dichos participantes para identificar (consciente o
inconscientemente) algunos procesos, patrones o estructuras fundamentales en el paisaje (es decir,
una perspectiva de ecología del paisaje) que se relaciona con la capacidad del paisaje de
proporcionar varios servicios ecosistémicos”.

Otros estudios que utilizan el SIGP para mapear los SS.EE. han desarrollado diferentes categorías
de SS.EE. más cercanas a la clasificación del MA (2005) o que combinan la clasificación del MA
con los “valores del paisaje” (Brown et al., 2012; Fagerholm et al., 2012; Raymond et al., 2009).

Siempre Brown (2012) presenta un mapa conceptual donde indica que el mapeo con el SIGP de los
SS.EE., utilizando la clasificación del MA (2005), es el más complicado debido al alto nivel de
conocimientos y al alto grado de desafío cognitivo que se necesita, mientras los “valores del
paisaje” son más simples de mapear. La identificación de estos atributos puede tener lugar a través
de diferentes métodos, como el marcar puntos, pegar pegatinas de colores o diseñar polígonos sobre
un mapa de papel, o el uso de mapas digitales y de mapas en plataformas de internet (Brown, 2005).
Junto a la evolución de estudios relacionados sobre cómo utilizar el SIGP para mapear los SS.EE. y
qué tipo de categorías utilizar, han aumentado los estudios sobre diferentes tipos de análisis
espaciales y mediciones cuantitativas que permitan producir diferentes mapas y estadísticas y que
puedan contribuir al proceso de toma de decisiones de diversas maneras. Diferentes estudios, en

20
particular, intentan relacionar e integrar los datos sociales con datos biofísicos y ambientales. Las
investigaciones abarcan desde la creación de hotspot areas con mapas de densidad de puntos que
evidencian las áreas donde se concentran uno o más atributos (Brown, 2005), al uso de “métricas de
paisaje” (landscape metrics) para producir “métricas sociales de paisaje” (social landscape metrics)
(Brown & Reed, 2012) o al uso de indicadores ecológicos como abundancia, diversidad y rareza
utilizando los datos sociales (Bryan et al., 2010), al mapeo de las relaciones entre los “valore del
paisaje” y la cobertura y uso del suelo (Brown, 2012) y a la relación entre “valores del paisaje”
mapeados por actores locales y mapas creados por expertos (Brown et al., 2004), entre otros.

Cuestiones acerca de los SS.EE. y los “valores basados en el lugar” mapeados con el SIGP
comprenden tanto a la escala cartográfica utilizada en el mapeo y su influencia y relación con los
atributos mapeados como a la dimensión espacial de los atributos (y si todos los valores tienen una
dimensión espacial) (Cacciapaglia et al., 2011). Este toma especial importancia cuando la
información deriva de un segmento de la sociedad no experto, en particular, respecto a la cualidad
de los datos y a la precisión espacial (Brown & Kytta, 2014).

Las investigaciones que utilizan el SIGP desarrolladas hasta ahora cubren diferentes escalas y
métodos y Brown & Kytta (2014) sugiere que una tipología de atributos espaciales definitiva y una
completa estandarización de los procesos no son recomendadas debido a la variabilidad de
“paisajes, escalas espaciales, participantes y aplicaciones necesarias”.

La escala cartográfica influencia también la precisión con la cual un actor marca un atributo en el
mapa y por ende, la precisión del estudio. Normalmente, los mapas digitales donde se puede variar
la escala, permiten más precisión respecto a los mapas de papel con escala estática, pero según
Brown & Kytta (2014) la población sigue prefiriendo el uso de mapas de papel. A causa de esta
imprecisión intrínseca, en la fase de procesamiento de los datos, si se quiere producir un mapa de
densidad de puntos, se tiene que tomar en cuenta y establecer adecuadamente el tamaño de la celda
y un “alcance de búsqueda de puntos” (point search radius) (Brown, 2005).

La correcta asociación entre los “valores basados en el lugar” y los diferentes aspectos biofísicos es
altamente dependiente de la escala de estudio, porque algunos valores pueden estar relacionados
con elementos que no son identificados a través de la resolución espacial elegida (Brown, 2013).

21
Otro aspecto importante es la precisión espacial, que se refiere a la capacidad de un actor de marcar
en un mapa la correcta dimensión espacial de un atributo (Brown & Kytta, 2014). Con respecto a
esto, en la fase de mapeo, hay un gran debate entre la utilización de puntos o de polígonos para
mapear con más precisión la dimensión real de un atributo (Brown & Pullar, 2012).

Como es evidenciado por parte de Cacciapaglia et al. (2012) “La investigación que trata de elaborar
mapas sobre las relaciones humanas con sitios concretos, necesita prestar especial atención a la
escala para tratar de mejorar la capacidad de los ejercicios de mapeo de reflejar correctamente los
puntos de vista y valores sociales para la toma de decisiones”.

Valores del paisaje basados en el lugar (Brown, 2012) Valor social de los MA (2005) categorías
SS.EE. (Sherrouse de SS.EE.
et al., 2011)
Estético/paisajístico: estas áreas son valiosas por su paisaje Estético Cultural
atractivo que incluye vistas, olores y sonidos.
Económico: estas áreas son apreciadas porque ofrecen madera, Económicos Provisión
pesca, minerales o sitios turísticos.
Recreacional: estas áreas son valiosas porque constituyen un lugar Recreacional Cultural
para llevar a cabo, al aire libre, mis actividades favoritas de recreo.
Sustento para la vida: estas áreas son apreciadas porque ayudan a De sustento Regulación/Soporte
producir, conservar, limpiar y renovar el aire, la tierra y el agua.
Conocimiento científico: el valor de estas áreas reside en que nos Conocimiento Cultural
ofrecen lugares donde poder conocer el medio ambiente a través del
estudio y observación.
Biológico: estas áreas son muy valiosas porque poseen una gran Biodiversidad Provisión/Soporte
variedad de peces, plantas, fauna y otros organismos vivos.
Espiritual: estas áreas son apreciadas por ser lugares especialmente Cultural
espirituales, sagrados o religiosos o porque se siente devoción y Espiritual
respeto por la naturaleza.
Intrínseco: estas áreas son valiosas por derecho propio, sin Intrínseco Cultural
importar lo que se piense sobre ellas.
Histórico: estas áreas representan la historia natural y de la Histórico Cultural
humanidad que concierne a un individuo, a varios o a la nación y de
ahí su valor.
Futuro: estas áreas son valiosas porque permiten a las generaciones Futuro Cultural
futuras conocer el área como es actualmente.
Subsistencia: estas áreas son apreciadas por proveer la Provisión
alimentación básica y suministros necesarios para sustentar mi vida.
Terapéutico: estas áreas me hacen sentir física y mentalmente Terapéutico Cultural
mejor por lo que son valiosas.
Cultural: estas áreas permiten, tanto a mí como a los demás, seguir Cultural Cultural
y transmitir la sabiduría y conocimientos, tradiciones y el modo de
vida de los ancestros y de ahí su valor.
Zona virgen: estos lugares son valiosos por ser salvajes y estar Cultural
inhabitados o relativamente intactos por la actividad humana.
Tab. n. 2.1. Correspondencia entre valores sociales y categorías de SS.EE. del MA, 2005. Elaboración propia (Fuentes:
Brown, 2012; Sherrouse et al, 2011; MA, 2005).

22
 3. Área de Estudio

Alto Mayo

El área de trabajo comprende el territorio conocido como Alto Mayo, es decir la parte alta de la
cuenca hidrográfica del rio Mayo que se ubica en el nor-oeste de la Región de San Martín (grafico
n. 3.1), mientras un 8,8% del territorio de la cuenca se encuentra en la Región de Amazonas y no se
toma en cuenta en esta investigación (Proyecto Segunda Comunicación Nacional de Cambio
Climático, 2009).

La zona del Alto Mayo comprende la totalidad de las Provincias de Rioja y Moyobamba, que se
extienden por 6,620 km2 con altitudes entre 190 y 4,000 msnm, área que a su vez está dividida
políticamente en 15 Distritos con sus respetivas capitales distritales (Gráfico n. 3.1): en la Provincia
de Rioja encontramos Pardo Miguel (4, capital Naranjos), Awajun (5, capital Bajo Naranjillo),
Nueva Cajamarca (7, capital Nuevo Cajamarca), Yuracyacu (6, capital Yuracyacu), Elias Soplin
Vargas (10, capital Nueva Jerusalén), San Fernando (8, capital S. Fernando), Rioja (11, capital
Rioja), Posic (9, capital Posic), Yorongos (12, capital Yorongos); en la Provincia de Moyobamba
tenemos Moyobamba (14, capital Moyobamba), Calzada (1, capital Calzada), Yantalo (0, capital
Yorongos), Jepelacio (13, capital Jepelacio), Soritor (3, capital Soritor), Habana (2, capital Habana).
El valle creado por el Rio Mayo es muy extenso, rodeado por montañas a fuerte pendiente (hasta
más del 70%) y con un fondo de valle amplio y relativamente plano recorrido por una densa red
hidrografía (Proyecto Segunda Comunicación Nacional de Cambio Climático, 2009).

La colocación geográfica, la orografía y el clima, con una temperatura promedio de 22° C y

precipitaciones entre 650 y 3,500 mm (la estación más lluviosa se coloca entre diciembre y mayo),
han permitido el desarrollo de una gran variedad de ecosistemas con diferentes formaciones
vegetales (en prevalencia formaciones forestales), especialmente de bosque húmedo montano y pre
montano y bosques inundables (Aguajales y Renacales) (Proyecto Segunda Comunicación Nacional
de Cambio Climático, 2009). Se puede apreciar la presencia de alrededor de 200 especies vegetales
endémicas y numerosos endemismos animales, además de una amplia variedad de peculiaridades
como cascadas, cuevas, aguas termales, diferentes especies de orquídeas que confieren a la zona un
gran potencial turístico (GORESAM et al., 2007).

En el trascurso de los últimos decenios los ecosistemas originarios del Alto Mayo (como de toda la
Región San Martín) han sido profundamente alterados por una fuerte presión antrópica que ha
otorgado a la Región la triste reputación de área más deforestada del Perú. El Alto Mayo es una de

23
las zonas más críticas de la Región presentando una pérdida de más del 34% de su cobertura vegetal
(GORESAM et al., 2007) y consecuente crisis de su alta diversidad biológica con diferentes
especies amenazadas, una fuerte disminución de la cantidad y calidad de agua disponible, alta
erosión de los suelos especialmente en las zonas con fuerte pendiente. Estos factores están llevando
a una fuerte disminución de la calidad de vida de las poblaciones asentadas que podrían encontrarse
privadas de estos importantes SS.EE. Las causas principales de estos procesos negativos se pueden
reconducir a la grande migración de colonos provenientes de la Costa y la Sierra, sobre todo desde
los años 70 del siglo pasado con la construcción de la carretera Marginal de la Selva que conecta
Costa y Andes a este territorio. Esta infraestructura, junto con una agresiva política agraria, ha
impulsado la parte más pobre de la población hacia esta área amazónica considerada un espacio
verde, libre y rico en agua y recursos que colonizar y aprovechar por la producción de productos de
autoconsumo y de exportación como el café, el cacao y el arroz. Al mismo tiempo se ha llevado a
cabo la tala de especies forestales de alto valor económico y la proliferación de cultivos ilegales
como la coca (GORESAM et al., 2007).

Actualmente, el Alto Mayo es un área muy activa social y económicamente donde se localizan
alrededor de 263,000 personas (en base a la proyección INEI al 2013 hay 140,000 habitantes en la
Provincia de Moyobamba y 123,000 en la Provincia de Rioja), que se dedican principalmente a la
agricultura, ganadería y comercio, de los cuales la mayoría son migrantes llegados en los últimos
decenios. La población está distribuida por el 65% en ámbito urbano, principalmente en la Capital
Regional Moyobamba (la ciudad colonial más antigua de la Amazonia peruana) y en las otras
capitales distritales y el resto divido entre más de 400 centros poblados rurales deficitarios de
servicios básicos, con un bajo nivel de educación y altos índices de pobreza. También, la
compraventa ilegal de tierra es muy fuerte, que lleva a los colonos a zonas vírgenes más alejadas y
de difícil acceso donde desarrollar sus actividades. Otra consecuencia de estas dinámicas se puede
encontrar también en el cambio cultural y de estilo de vida de la población indígena instalada en la
zona, alrededor de 4,000 nativos de etnia Awajún que viven en 14 comunidades indígenas (Pérez,
2011). En estos últimos años en los territorios Awajún se encuentra la mayor tasa de deforestación
del Alto Mayo, debido a la práctica de alquiler de sus tierras a los colonos que las usan para sus
cultivos (Perez, 2011). A todo esto se suman otros proyectos territoriales públicos y privados, sobre
todo a partir del estado central y de instituciones supranacionales, cuales potenciales actividades de
explotación de hidrocarburos, minería e infraestructuras de conexión viarias (proyectos IIRSA)
entre Perú y Brasil (Dourojeanni et al., 2009).

24
En la última década el Gobierno Regional de San Martín, con la colaboración de varias ONGs y
agencias de cooperación internacional, ha puesto en marcha varias iniciativas para revertir los
procesos de degradación ambiental hacia la meta “San Martín Región Verde al 2021” (Pérez, 2009).
Algunas de las principales intervenciones conciernen la aprobación y actuación del proceso de
ZEE-OT desde el 2006 y la promulgación de los lineamientos de Política Territorial de la Región
(Ordenanza Regional n. 015-2012-GRSM), la creación de la Autoridad Regional Ambiental (ARA)
en el 2010 (Reátegui, 2013); la creación de un Sistema Regional de Conservación donde se
articulan las diferentes modalidades de conservación con las políticas y los actores (Rojas, 2013); la
implementación de diferentes proyectos de protección, recuperación y valorización económica de
los SS.EE., a través de la creación de esquemas de Compensación por SS.EE. hídricos (Quintero et
al., 2010; León et al., 2010), el comienzo de proyectos REDD+, tanto a nivel Regional con la
conformación de la Mesa REDD+, como a nivel de Áreas Naturales Protegidas (Mesa Técnica
Regional REDD+, 2013).

En particular a través del proceso de ZEE en el Alto Mayo (aprobado en el 2008 con Ordenanzas
Municipales de las provincias de Rioja y Moyobamba) se evidencia cómo sólo el 19% de la cuenca
tenga condiciones optímales para el desarrollo de actividades agrícolas, ganaderas y de
aprovechamiento forestal, mientras el 67% tendría como vocación la conservación de ecosistemas y
la oferta de SS.EE. Actualmente, un buen porcentaje del territorio se encuentra bajo alguna forma
de tutela, por lo menos en papel, ocupando el Bosque de Protección Alto Mayo (BPAM), instituido
en el 1987, el 24% (GORESAM et al., 2007).

25
Grafico n. 3.1. Mapa del Alto Mayo. Elaboración propia.

26
 4. Eje de trabajo 1: El valor sociocultural de los Servicios Ecosistémicos

En este eje se presentan la metodología y los resultados del trabajo de mapeo participativo que han
sido parte de la labor sistemática de encuestas y entrevistas que se han desarrollados a través de una
colaboración con una consultoría sobre los SS.EE. y la gestión de cuencas denominada “Línea de
Base Socioeconómica, Servicios Ecosistémicos de la Cuenca del Río Alto Mayo y Estrategia de
Género para el uso del Proyecto BioCuencas – Recursos Hídricos y Biodiversidad Andino
Amazónico” que es parte del Proyecto BioCuencas de Conservación Internacional Perú. Se dará
amplio espacio a la descripción de la metodología utilizada en el mapeo participativo, siendo una de
las herramientas geográficas más interesantes en el contexto del SIGP y con varias posibilidades de
desarrollo y uso en los procesos de participación en la toma de decisiones horizontales y verticales,
de planificación y gestión ambiental y territorial. A esto se suma el interés -siempre creciente- hacia
el mapeo y la evaluación social de los servicios ecosistémicos y su uso práctico en los procesos
mencionados arriba. La producción de los mapas de los valores sociales por los SS.EE. ha visto el
involucramiento de dos instrumentos de análisis: la función kernel density (densidad de puntos) de
ArcGIS 10.1 y SolVES. SolVES es la herramienta principal que se ha elegido para el procesamiento
de los datos, queriendo también proceder a un test y evaluación de esta para poder llegar a algunas
consideraciones sobre su facilidad de utilización y su capacidad de proveer información útil a los
tomadores de decisiones, ya que, como se ha visto en el párrafo 2.1.5, existen otras múltiples
posibilidades de análisis y de procesamiento de este tipo de datos provenientes de investigaciones
de SIGP o de SIGPP.

4.1. Materiales y métodos

4.1.1. El trabajo de mapeo participativo

Las preguntas del cuestionario y de la entrevista que directamente interesan a los objetivos de este
eje y su elaboración con la herramienta SolVES son:

 Información sobre aspectos concernientes al actor, como su origen y su ubicación actual, si

es colono (en este trabajo se entiende por colono a una persona que no ha nacido en el Alto
Mayo), mestizo (nacido en el Alto Mayo) o indígena (perteneciente a la etnia Awajún del
Alto Mayo), su profesión y conocer su opinión, es decir, si está muy a favor, a favor, neutro,
en contra o muy en contra de 14 tipos de actividades o usos posibles que se están
desarrollando o podrían desarrollarse en un futuro en el Alto Mayo: explotación minera,
explotación petrolera, incremento de ganadería extensiva, caza, pesca, recolección de
27
 productos del bosque bajo manejo-formal, extracción de madera de los bosques protegidos,
manejo forestal para la producción de madera, incremento del cultivo de café/cacao hecho
de manera tradicional/monocultivo, incremento del cultivo de café/cacao bajo
sombra/agroforestal, incremento del cultivo de arroz, ecoturismo, creación de áreas de
conservación nacionales/regionales, creación de áreas de conservación comunales,
colonización e incremento de centros poblados y el incremento de carreteras. Después de un
primer procesamiento y reflexión sobre los cuestionarios y entrevistas, en este informe se ha
preferido reportar solamente análisis y mapas, distinguiendo los actores entre tomadores de
decisiones (total de las entrevistas) y actores de la sociedad civil (total de las encuestas). En
base a las necesidades de investigación, se puede efectuar el desarrollo de posteriores
análisis, tales como la diferenciación de la percepción de los valores sociales de los SS.EE.
en base a otras categorías de actores (urbano-rural, colono-mestizo o según la opinión
respecto a un determinado uso del territorio del Alto Mayo) o el análisis de distancia entre la
ubicación del actor y la ubicación de los valores en el mapa (Sherrouse et al., 2011; Brown,
2005).
 El ordenamiento de prioridad, desde 7 (más importante) hasta 1 (menos importante), de
siete tipos de valores sociales descritos en la tabla 4.1. Dichos valores han sido producto de
una revisión de los valores sociales por los SS.EE. ya presentados en el párrafo 2.1.5 que
derivan de las categorías de valores de paisaje utilizadas en el trabajo de Brown and Reed
(2000). De las 11-14 diferentes categorías utilizadas en distintos estudios (Brown, 2012;
Sherrouse et al., 2011) y, a través de una reunión con actores locales, se han seleccionado,
adaptado a la realidad local y traducido en un lenguaje simple y comprensible siete de estos
valores, siempre en una óptica de optimización del tiempo, de comprensión por parte de la
población local y de interés por los aspectos relacionados a cada valor. Como se puede
apreciar en la tabla, con la determinación de estos 7 valores se han intentado mantener los
principales y más importantes SS.EE. que un bosque puede aportar a la población que vive
en el Alto Mayo. Para facilitar el trabajo de comprensión de los valores y de asignación de
prioridad a los posibles entrevistados que tienen un bajo nivel de educación, se han
preparado siete tarjetas por cada entrevistador y cada tarjeta presentaba un valor social. El
entrevistador tenía que entregar las tarjetas al actor y explicar la definición de cada valor
preguntando si para él tenía más o menos importancia que el valor precedente y pidiéndole
que colocara la tarjeta encima o debajo hasta completar todos los valores.

28
VALOR SOCIAL

Valor del paisaje: valoro este lugar porque es un sitio bonito, con un paisaje hermoso, buen olor y agradables sonidos.

Valor de diversidad biológica: valoro este lugar porque se encuentran muchas plantas, animales y peces diferentes.

Valor de uso: valoro este lugar porque provee madera, comida, minerales y/o plantas medicinales.

Valor de sustento para la vida: valoro este lugar porque permite la producción, preservación y renovación del agua y
del suelo.
Valor recreacional: valoro este lugar porque me permite disfrutar de mi tiempo libre haciendo actividades de ocio con
mi familia.
Valor espiritual y cultural: valoro este lugar porque es un sitio que me permite continuar y aplicar la sabiduría,
conocimientos y tradiciones de mis ancestros y porque es un sitio sagrado, religioso o espiritualmente importante para
mí.

Valor histórico: valoro este lugar porque hay sitios y aspectos de la historia natural y humana del área muy importantes
para el pueblo peruano.
Tab. n. 4.1. Los valores sociales utilizados en el trabajo de encuestas y entrevistas.

 La identificación en un mapa del Alto Mayo con escala 1:210,000 y formato A2 (gráfico n.
4.1) de los lugares o áreas donde el actor valoriza más o considera más importantes los
valores sociales. Se ha establecido que cada actor pueda identificar un máximo de 4 lugares
o áreas para los primeros 5 valores considerados como más importantes, debido a una
cuestión de tiempo, ya que este es el trabajo que más tiempo ha llevado durante el desarrollo
de las entrevistas y encuestas. Además, a cada uno de ellos se le ha pedido el nombre del
área o lugar marcado o el nombre del lugar conocido más cercano para facilitar y aumentar
la precisión de la sucesiva digitalización de los puntos con software SIG. A causa de la
imposibilidad de poder llevar casi 500 mapas para su posterior procesamiento y para, con
ello, disminuir el costo del trabajo, se ha decidido entregar a cada entrevistador 2 mapas
plastificados y una serie de pegatinas transparentes con un número escrito en cada una de
ellas que corresponde a un valor social (concretamente un total de 28 pegatinas por cada
entrevistador, o sea, 4 números por valor social). Una vez completado el trabajo de pegar los
adhesivos al mapa, colocándolos en correspondencia con el área elegida por el entrevistado,
el entrevistador tenía que colocar un código correspondiente a la entrevista o encuesta
desarrollada en torno al mapa y tomarle una foto. Una vez retiradas las pegatinas, se podía
continuar con otro trabajo.

29
Gráfico n. 4.1. El mapa del Alto Mayo utilizado en el trabajo de mapeo participativo

Como consecuencia de las características de este tipo de trabajo de PGIS y del uso de un mapa para
recolectar información (instrumento que puede tener dificultad de lectura para una persona no
entrenada), se han intentado definir algunas cuestiones para poder investigar el conocimiento del
territorio y la capacidad de uso de un mapa, además de la utilización del mapa para la ubicación de
los puntos sobre los valores sociales de los SS.EE.. En este caso, han sido preguntas dirigidas al
personal que ha llevado las encuesta y entrevistas, a quienes, durante la tarea de presentar el mapa y
explicar cómo leerlo, se le pedía que prestara atención a la capacidad del actor de ubicarse en el
mapa y utilizarlo y, por otro lado, en el trabajo de ubicación de los puntos, el grado y la facilidad de
utilizar el mapa durante esta labor. Para los actores de las encuestas, se quería observar también qué
parte del territorio resultaba más familiar o desconocido, por eso, se les ha preguntado el nombre
del territorio presentado en el mapa, es decir Alto Mayo o Provincias de Rioja y Moyobamba, para
ver si efectivamente hay una correspondencia entre esta unidad de gestión tal y como viene definida
por los tomadores de decisiones y el conocimiento y percepción que tienen los actores locales. Otra
última cuestión considerada interesante, aunque aquí se hablé de valores sociales de los SS.EE., ha
sido preguntar si las personas saben qué significa el concepto de servicios ecosistémicos y pedirles
una definición a este. Se ha utilizado el término de Servicio Ambiental ya que en los proyectos

30
desarrollados por parte de los diferentes organismos y en la literatura española era la palabra más
usada hasta hace pocos años.

Gráfico n. 4.2. Algunos momentos del trabajo de mapeo participativo durante las encuestas y entrevistas

4.1.2. Elaboración de los datos: the Social Values for Ecosystem Services
(SolVES)

Digitalización de los puntos

Se ha procedido a digitalizar los puntos asignados por cada valor social, sobre la base de las fotos
de los mapas y los nombres de los lugares. Para la digitalización se ha utilizado la función editar
(edit feature) de ESRI ArcMAP 10.1, creando un vectorial (shapefile) de puntos para las entrevistas
y uno para las encuestas y ayudándose en la tarea de ubicación espacial del uso de diferentes capas,
tales como los distritos, ciudades y centros poblados, áreas naturales protegidas, uso y cobertura del
suelo entre otros. En particular, para el valor recreacional y el valor estético, se ha utilizado el
vectorial de los lugares turísticos proveído por la oficina de la Dirección Regional de Turismo del
GORESAM. Dos aspectos principales han caracterizado esta tarea: el intento de ser lo más preciso
posible en la colocación de los puntos, haciendo una mediación entre la posición de las pegatinas y
el nombre del lugar, cuando estos no coincidían y la colocación de los puntos que se refieren a áreas
extensas como áreas naturales protegidas o a ríos muy largos como el río Mayo (en el párrafo 2.1.5
se ha visto que el debate entre si es mejor utilizar puntos o polígonos en el mapeo de los valores
sociales es una discusión abierta). Debido a que los instrumentos de análisis utilizados (y que serán
presentados más adelante) se basan en densidades de puntos para determinar hotspots, es decir,
áreas donde un valor es percibido como más alto en base a la distancia entre los puntos, se ha hecho
necesario acercar y poner en un lugar elegido arbitrariamente los puntos que se referían a un área
extensa o a un río, aunque los diferentes entrevistados habían puesto pegatinas en diferentes sitios a

31
lo largo de esta área o río. Así, por ejemplo, todas las pegatinas colocadas en el área protegida
BPAM y que tenían como nombre BPAM sin ulteriores especificaciones, se han acercado y
digitalizado en un área en la parte oeste, las referidas al valor de biodiversidad y en la parte norte,
las referidas al valor de sustento para la vida, mientras que las que contenían río Mayo, están en un
área alrededor del río en la parte alta de la cuenca. Esta ha sido una elección para poder utilizar
estos tipos de instrumentos de análisis seleccionados para esta tesis doctoral, pero en caso de que se
quisiera llevar a cabo otro tipo de elaboración como la distancia entre los puntos y la ubicación de
los actores, se tendría que digitalizar de diferente manera.

The Social Values for Ecosystem Services - SolVES

Herramienta que funciona con ESRI ArcGIS, desarrollada por el Geosciences and Environmental
Change Science Center (GECSC) del US Geological Survey (USGS), en colaboración con la Dra.
Jessica Clement de la University of Wyoming, que permite evaluar, mapear y cuantificar el valor
social percibido de los SS.EE. a través de un índice de valor no monetario que utiliza los datos
recolectados mediante encuestas a diferentes actores sociales. La versión utilizada es la 2.1,
desarrollada por el programa ESRI ArcMap 10.x. SolVES, permite integrar y usar la información de
percepción social del territorio en los procesos de evaluación de los SS.EE. como soporte a los
tomadores de decisiones y a los actores interesados en la toma de decisiones concernientes a la
planificación y gestión de los ecosistemas y del territorio en general (SolVES, 2014). A través de
SolVES se pueden producir mapas e información estadística sobre diferentes valores sociales para
una determinada área de estudio, combinando la información espacial y no espacial proporcionada
por un cuestionario sobre las actitudes y preferencias de diferentes actores sociales con los aspectos
físicos-ambientales, como la cobertura y uso del suelo, modelos digitales de elevación, distancia
desde los ríos o carreteras, etc. Los mapas son producidos a través de la creación de un índice de
valor social comprendido entre 0 y 10 que permite, con el uso de una escala cromática, evidenciar
los lugares donde un determinado valor social se encuentra más o menos valorizado (Sherrouse et
al., 2011 y 2014). En los artículos científicos que presentan investigaciones donde se ha utilizado
SolVES (Sherrouse et al., 2014 y 2011; Van Riper et al., 2012), el valor social por los SS.EE. viene
definido como “las cualidades percibidas llevadas por el ambiente natural y que proveen beneficios
que sostienen el bienestar humano” (MA, 2005 en Van Riper et al., 2012) o “los valores no
monetarios percibidos por parte de los actores interesados en los ecosistemas” (Sherrouse et al.,
2014), aunque el programa permite el uso de otras tipologías de valores a discreción del utilizador.
Siempre el usuario puede elegir si analizar los resultados en conjunto o distinguir entre diferentes
tipologías de actores según ciertos criterios, como por ejemplo la opinión (a favor, neutro, en

32
contra) respecto a ciertos usos de un territorio, que pueden evidenciar posibles conflictos sobre
áreas con alto valor por dos grupos de actores con opinión diferente respecto a un mismo uso
(Sherrouse et al., 2011). La versión utilizada (2.1) integra el software Maxent maximum entropy
modeling que, a través de estimaciones probabilísticas sobre las relaciones entre la distribución y la
intensidad de los valores sociales y las capas de datos (layers) ambientales utilizados, permite
producir mejores mapas y estadísticas. Además, este software da la posibilidad de aplicar un valor
de transferencia (value-transfer) a áreas similares donde no se han desarrollado trabajos de mapeo
participativo (Sherrouse et al., 2014). En el grafico 4.3 se puede apreciar los modelos utilizados por
SolVES y la secuencia lógica de trabajo de la herramienta. Por los puntos atribuidos a cada valor
social, SolVES calcula una superficie de kernel density, es decir, una densidad de valores alrededor
de cada punto. Los valores son los pesos para cada valor social que los entrevistados y encuestados
han atribuido a través del orden de prioridad dado a estos, normalizados por una escala de 1 a 10
que representa el índice de valor social (VI). A través de estos índices, se crean estadísticas para
cada capa de datos ambiental (para datos cuantitativos, valor promedio y para datos cualitativos o
categoriales, el índice de dominancia). Para los puntos de cada valor social, viene calculada también
una estadística de vecino más cercano promedio (average nearest neighbour statistics), que indica
si estos puntos están distribuidos de manera dispersa o forman áreas de agrupación.

Gráfico n. 4.3. Módulos que utiliza SolVES (fuente: http://solves.cr.usgs.gov/)

33
En este estudio, para el procesamiento de los resultados de cada valor social, se ha decidido utilizar
una combinación de las siguientes capas de datos: los distritos que conforman Rioja y Moyobamba,
el área ocupada por el Bosque de Protección Alto Mayo (BPAM, gráfico n. 4.5), las otras áreas
naturales protegidas (Concesiones de Conservación, C.C. y Zona de Conservación y Recuperación
de Ecosistemas, ZoCRE, tanto existentes como propuestas) según el Sistema Regional de
Conservación (SRC) (gráfico n. 4.5), las comunidades nativas (gráfico n 4.5), las cuencas
hidrográficas provenientes del estudio de meso ZEE del Alto Mayo (gráfico n. 4.4) y el uso y
cobertura del suelo del Alto Mayo al 2010, que es producto de una consultoría por el MINAM
(CANDES, 2012), reclasificado según las categorías presentadas en la figura n. 4.4 (La categoría
“otras áreas naturales” se refiere a las áreas naturales que no pertenecen a la tipología “bosques”,
como el “pajonal alto andino”). Cada uno de estas capas ha sido convertida en formato raster para
su posterior introducción y uso en la base de datos de SolVES, donde, a cada atributo de interés, le
es asociado un número: en el raster de los distritos, cada distrito tiene un número entre 1 y 15; el
raster del BPAM presenta el número 1 para el área ocupada por este elemento y el 2 para el resto
del Alto Mayo; el raster de las comunidades nativas igualmente 1 para el área de las comunidades y
2 para el resto del territorio; el raster de las otras áreas naturales protegidas por el Sistema Regional
de Conservación con un número diferente para cada una de las 23 zonas más el número 100 para el
resto del territorio; el raster de las cuencas hidrográficas un número progresivo entre 1 y 71 para
todas las cuencas; y el raster de uso y cobertura del suelo, los números asociados que se pueden ver
en la leyenda del gráfico 4.4. Por cada valor se han utilizado combinaciones diferentes de estas
capas ambientales en base a las características del valor y al análisis del conjunto de las respuestas
dadas. Por ejemplo, para el valor de sustento para la vida, siendo la mayoría de las respuestas
relacionadas a ríos o cuencas, la capa que siempre se ha utilizado en los diferentes mapas
producidos, es el de cuencas hidrográficas, mientras que para el valor de biodiversidad, el de áreas
naturales protegidas. No se han usado capas ambientales inherentes a variables continuas tales como
el modelo digital de elevación (Digital Elevation Model) o la distancia desde los ríos (utilizados en
otras investigaciones como Sherrouse et al., 2011) ya que, como se ha visto, algunos puntos
referidos a ciertas áreas se han digitalizado y acercado arbitrariamente y esto puede influir en las
relaciones que SolVES crea entre los puntos y las variables continuas.

34
Gráfico n. 4.4. Mapa que presenta las capas de datos (layers) utilizadas en SolVES: cuencas hidrográficas y uso y
cobertura del suelo. La categoría “otras áreas naturales” se refiere a las áreas naturales que no pertenecen a la tipología
“bosques”, como los “pajonales altos Andino”. Elaboración propia.

Gráfico n. 4.5. Mapa que presenta las capas de datos (layers) utilizados en SolVES: BPAM, otras áreas de conservación
según el SRC y las comunidades nativas (cc.nn). Elaboración propia

35
Por cada valor social, se ha elegido utilizar también la función point kernel density de ArcGIS 10.1,
es decir, la función que permite calcular la densidad de puntos en un área alrededor de estos, para
poder comparar y hacer consideraciones entre los mapas producto del solo uso de los puntos
digitalizados por cada valor social con los mapas producidos con SolVES, que consideran también
las diferentes capas ambientales y el orden de prioridad de los valores sociales. Tanto para SolVES
como para la kernel density, se ha escogido un alcance de búsqueda (search radius), es decir, la
distancia alrededor de cada punto hasta donde buscar los otros puntos, correspondiente a la escala
del mapa, es decir, 2100 metros y un tamaño de celda de resultado de 210 metros, siguiendo las
indicaciones de otras investigaciones donde se ha utilizado esta herramienta (Sherrouse et al., 2011;
Van Riper et al., 2012).

4.2. Resultados y discusiones

4.2.1. Datos sobre las encuestas y entrevistas y su distribución

Como se puede apreciar en la tabla 4.2 y 4.3, los objetivos planeados durante la fase de gabinete, o
sea de llegar a 400 encuestas, 28 centros poblados rurales y 106 entrevistas se ha cumplido casi
totalmente, siendo 378 las encuestas, 23 los centros poblados alcanzados y 100 las entrevistas a
actores claves completadas. Sobre las encuestas, en ámbito urbano se ha llegado a todas las
capitales distritales planeadas y a 255 encuestas sobre 260, mientras se han tenido más dificultades
con la parte rural, por problemas de transporte y de posibilidad de alcanzar a las personas, debido al
estado de las carreteras secundarias y a la posibilidad de encontrar transporte hacia los centros
poblados menores, además que normalmente durante el día los habitantes de estas áreas están en el
campo trabajando y esto dificulta la posibilidad de encontrar personas disponibles. También con las
entrevistas se ha llegado a todas las capitales distritales, aunque en algunas no se ha podido respetar
la proporción de 3 actores de la sociedad civil y 3 de entidades públicas, por diferentes motivos. El
problema principal se ha encontrado con la parte de encuestas dirigidas a la población indígena de
etnia Awajún, faltando toda la labor planeada por el distrito de Moyobamba, por problemas de
coordinación con las diferentes comunidades y la mayor distancia de estas desde las carreteras
principales que dificulta las posibilidades de entrada y aumenta mucho el costo de transporte.
Debido al escaso número de indígenas encuestados, se ha preferido no presentar los resultados por
esta tipología de actor. En el grafico 4.6. se presenta de manera gráfica la distribución espacial de
estos actores, distribución que ha intentado cubrir la mayor parte del territorio del Alto Mayo,

36
aunque por los problemas vistos antes se ha tenido que quedarse alrededor de los ejes viales
principales, donde sin embargo se encuentra la mayor parte de la población.

No
Ciudades y ccpp Colono Mestizo Indígena info Total
Moyobamba 21 34 55
Moyobamba Soritor 11 25 36
Provincia Jepelacio 12 9 21
Calzada 3 16 19
Urbano
Habana 6 10 16
Yantalo 9 5 14
Total parcial 62 99 0 0 161
Rioja 10 15 25
Nueva Cajamarca 19 8 1 28
Naranjos (Prov. Pardo
Miguel) 7 4 11
Rioja Nueva Jerusalen (Prov.
Provincia Elias Soplin) 8 6 14
Yorongos 1 5 6
Urbano
cc.nn. Shampuyacu (Prov.
Awajun) 10 10
Total parcial 45 38 10 1 94
Valle la Conquista 2 3 5
Flor del Mayo 5 1 6
Moyobamba Santa Catalina 4 1 5
Provincia Pueblo Libre 4 1 5
Shucshuyacu 3 2 5
Rural
Pacaypite 4 1 5

Nuevo San Miguel 5 5

Puerto Motilones 2 4 6
Total parcial 29 13 0 0 42
Diamante 2 3 5
El Triunfo 2 3 5
La Florida 5 5
Miraflores 5 5
Rioja
Naciente rio negro 2 4 6
Provincia
Puerto Bagazán 5 5
San Juan del Mayo 2 3 5
Santa Rosa 6 6
Tahuantinsuyo 7 3 10
Rural
Tiwinsa 2 2 4
Ucrania 3 2 5
Alto Paraiso 5 5
Boca del rio Soritor 5 5
cc.nn. Alto Naranjillo 1 4 5
cc.nn. Bajo Naranjillo 5 5
Total parcial 52 20 9 0 81
Total 188 170 19 1 378
Tab. n. 4.2. Datos sobre las encuestas

37
Distrito Entidad publica Sociedad civil Actor regional cc.nn.
Moyobamba 12 6 11 2
Calzada 3 3
Habana 6 0
Jepelacio 4 2
Soritor 3 3
Yantalo 3 3
Rioja 1 3
Awajun 3 3 2
Elias Soplin 3 3
Pardo Miguel 3 3
Nueva Cajamarca 3 3 1
Posic 3 3
San Fernando 3 3
Yorongos 5 1
Yuracyacu 3 3
Total 58 42 12 4
Tab. n. 4.3. Datos sobre las entrevistas

Grafico n. 4.6. Distribución espacial encuestas y entrevistas. Elaboración propia.

38
 4.2.2. Datos sobre los informantes de las encuestas

En las siguentes tablas (4.4-4.5) se presentan algunos datos sobre la tipología de entrevistados en las
encuestas. Se puede notar en la tabla n. 4.4 que el 47.88% de los participantes tiene una educación
superior, al contrario de las estadísticas oficiales del INEI (2007) que señalan que la mayoria de la
población ha llegado al nivel primario o secundario. Este porcentaje refleja la elección de
entrevistar en su mayoria a profesores, que al final del trabajo han sido 138 como se puede apreciar
en la tabla n. 4.5. La profesión que predomina es la de profesor, seguida por los agricultores y/ o
ganaderos y comerciantes quienes sobrepasan a los profesores en las estadísticas INEI (sino se toma
en cuenta a los trabajos no calificados). Como clases de edad se ha elegido entrevistar a personas
con más de 20 años, dando preferencia a los adultos con más de 30 años por su mayor conocimiento
del área.

Clases de edad Total %

I (20-30) 42 11.11%
II (32-40) 103 27.25% Educación Total %
III (41-50) 133 35.19% Sexo Total % Primaria 77 20.37%
IV (51-60) 72 19.05% F 125 33.07% Secundaria 104 27.51%
V (61+) 20 5.29% M 252 66.67% Superior 181 47.88%
No info 8 2.12% No Info 1 0.26% No info 16 4.23%
Total 378 100.00% Total 378 100.00% Total 378 100.00%
Tab. n. 4.4. Datos sobre los actores de las encuestas

Profesión Total %
Profesor 138 36.51%
Agricultor y/o Ganadero 130 34.39%
Comerciante 23 6.08%
Ama de casa y de niños 18 4.76%
Turismo y hotelería 8 2.12%
Propietario 6 1.59%
Secretaria 5 1.32%
Presidente Asociación sociedad civil 5 1.32%
Técnico 5 1.32%
Administrador 4 1.06%
Constructor, albañil, operador 3 0.79%
Técnico agrónomo 3 0.79%
Ingeniero 3 0.79%
Contadora 2 0.53%
Artesano 2 0.53%
Enfermero, farmacéutico 2 0.53%
otro 4 1.06%
No info 17 4.50%
Total 378 100.00%
Tab. n. 4.5. Datos sobre los actores de las encuestas

39
 4.2.3. Uso del mapa y conocimiento del área

Antes de nada, se quiere empezar la presentación de los resultados relativos al trabajo de mapeo
participativo con la parte de las encuestas y entrevistas dedicada a investigar la capacidad de lectura
y de utilización del mapa y el conocimiento del área a mapear, considerados requisitos básicos para
su éxito. A cada actor de las encuestas, al comienzo del trabajo, se le presentaba el mapa y antes que
el encuestador explicara de manera más específica sus características y utilización, se le preguntaba
si conocía el nombre del área dibujada (tabla n. 4.6). Como se puede ver, el 80.42% de los
encuestados ha contestado correctamente, o sea, la mayoría de las veces Alto Mayo y en menor
proporción, Provincias de Rioja y Moyobamba, demostrando que el termino Alto Mayo, largamente
utilizado por los tomadores de decisiones en los diferentes proyectos relacionados a este área, es de
uso común también entre estos actores de la sociedad civil. Durante la presentación del mapa, se ha
pedido al encuestador que prestara atención a la capacidad del encuestado de ubicarse en el mapa y
de reconocer los lugares y elementos temáticos como ciudades y carreteras, tanto cerca como lejos
de su zona de vida. En la tabla n. 4.7, se puede ver como el 68.2% de los encuestados demostraban
conocer buena parte o todo el territorio del Alto Mayo, con más conocimiento en los actores que
viven en la parte urbana y el máximo conocimiento entre los profesores, mientras los de la parte
rural y los agricultores eran los actores que se ubicaban más limitadamente en los alrededores de su
zona de vida. Otros dos asuntos a los cuales los encuestadores y entrevistadores tenían que prestar
atención, en este caso, ya sea por las encuestas o por las entrevistas, era la capacidad de los actores
de utilizar el mapa en el trabajo de ubicación de los valores sociales por los SS.EE. y el uso del
mapa en esta tarea, es decir, si preferían ubicar los puntos en el mapa o recordar y decir los nombres
de los lugares. Las tablas inherentes a la capacidad de uso del mapa (4.8 y 4.10) señalan que, en
general, para los actores de las encuestas ha sido mayormente media (44.44%) y buena (34.66%),
mientras que para los actores de las entrevistas, ha sido media por el 37% y buena por el 36%. Esto
ha sido un resultado inesperado ya que se pensaba en una capacidad mayor de utilización por parte
de los actores clave de las entrevistas respecto a los de las encuestas, pero puede ser determinado
por el juicio subjetivo de los encuestadores y entrevistadores. En línea con lo esperado están los
resultados entre los grupos de actores analizados por las encuestas y entrevistas, donde, en las
encuestas (tabla n. 4.8), se puede ver como la capacidad de uso es más alta en la parte urbana y
entre los profesores, mientras para la entrevistas (tabla n. 4.10), es más alta por parte de los actores
públicos, que normalmente utilizan más esta herramienta en su trabajo. El uso del mapa en la
ubicación de los valores (tabla 4.9 y 4.11) sigue en general el mismo patrón de la pregunta anterior,
evidenciando que la mayoría de los actores se han servido de esta herramienta durante esta tarea y

40
sólo un 14.02% de las encuestas y un 24% de las entrevistas (donde influye el mayor peso de los
actores de la sociedad civil) han preferido recordar los nombres de los lugares.

¿Conoce usted como se llama % encuestas

esta parte de San Martín?
No 11.90%
No se acuerda 3.44%
Si 80.42%
No info 4.23%
Total 100.00%
Tab. n. 4.6. Conocimiento nombre Alto Mayo, encuestas

Conocimiento del Rural Urbano Colono Mestizo Profesor Agricultor Total

territorio del Alto Mayo y/o encuestas
actores encuestas Ganadero
Si, conoce el área del
mapa 49.59% 72.94% 67.02% 67.06% 83.33% 52.31% 68.28%
Sólo conoce donde vive y
los alrededores 47.15% 22.75% 29.79% 30.00% 14.49% 44.62% 29.10%
No info 3.25% 4.31% 3.19% 2.94% 2.17% 3.08% 2.61%
Total 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
Tab. n. 4.7. Conocimiento territorio del Alto Mayo, encuestas

Capacidad de utilización del mapa por parte de los actores de las encuestas
Rural Urbano Colono Mestizo Profesor Agricultor Total
y/o encuestas
Ganadero
Buena 15.45% 43.92% 34.04% 38.24% 47.83% 17.69% 34.66%
Mala 18.70% 7.84% 14.89% 5.88% 2.90% 18.46% 11.38%
Media 52.85% 40.39% 42.55% 48.24% 42.75% 50.77% 44.44%
No info 13.01% 7.84% 8.51% 7.65% 6.52% 13.08% 9.52%
Total 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
Tab. n. 4.8. Capacidad de uso del mapa, encuestas

Uso del mapa en la ubicación de los valores por parte de los actores de las encuestas
Rural Urbano Colono Mestizo Profesor Agricultor Total
y/o encuestas
Ganadero
Alto 13.01% 38.43% 27.13% 36.47% 41.30% 13.85% 30.16%
Bajo 22.76% 9.80% 14.89% 9.41% 5.07% 20.77% 14.02%
Medio 51.22% 42.75% 48.94% 45.29% 47.10% 50.77% 45.50%
No info 13.01% 9.02% 9.04% 8.82% 6.52% 14.62% 10.32%
Total 100.00% 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
Tab. n. 4.9. Uso del mapa en la ubicación de los valores, encuestas.

41
Capacidad de uso del mapa por parte de los actores de las entrevistas
Entidad pública Sociedad civil Total entrevistas
Buena 39.66% 30.95% 36.00%
Mala 8.62% 23.81% 15.00%
Media 37.93% 35.71% 37.00%
No info 13.79% 9.52% 12.00%
Total 100.00% 100.00% 100.00%
Tab n. 4.10. Capacidad de uso del mapa, entrevistas.

Uso del mapa en la ubicación de los valores por parte de los actores de
las entrevistas
Entidad publica Sociedad civil Total entrevistas
Alto 24.14% 19.05% 22.00%
Bajo 15.52% 35.71% 24.00%
Medio 46.55% 35.71% 42.00%
No info 13.79% 9.52% 12.00%
Total 100.00% 100.00% 100.00%
Tab n. 4.11. Uso del mapa en la ubicación de los valores, encuestas

4.2.4. Conocimiento del concepto de servicios ecosistémicos

En la tabla n. 4.12 y 4.13 se presentan los resultados de la pregunta sobre el conocimiento del
concepto de Servicios Ambientales (es decir, de los Servicios Ecosistémicos) por parte de los
actores de las encuestas. Se han reclasificado las 3 respuestas originarias (no conozco, he oído
hablar pero no me acuerdo bien de qué se trata y sí he oído hablar de ellos) utilizando la definición
que el encuestado daba al concepto, cuando esta respuesta estaba presente, según si se acercaba más
o menos a la definición del Millenium Ecosystem Assessment (MA, 2005). La respuesta “He oído
hablar, pero no me acuerdo bien de qué se trata”, sin respuesta relativa a la definición, se ha
considerado en el grupo de respuestas negativas. Como se puede ver, es sólo el 26.98% el que con
alta probabilidad conoce el concepto, incluyendo un 4.23% que ha dado una definición correcta
aunque diga que no se acuerda bien de qué se trata. Se puede presumir que no conozcan en absoluto
el concepto de SS.EE. el 28.31% (no conozco) más el 16.40% (sí, pero con definición equivocada),
que junto a las otras respuestas consideradas negativas dan un 73.02%. Esto podría ser indicativo de
la poca difusión que todavía tiene este concepto y de una baja socialización acerca de los proyectos
sobre SS.EE. llevados a cabo por diferentes instituciones, como el proyecto de compensación por
SS.EE. hídricos de Moyobamba, que recién en el 2012 con el proyecto “Campaña Orgullo para la
conservación de las microcuencas Rumiyacu y Mishquiyacu” ha empezado a ser publicitado con
más fuerza hacia los actores de la sociedad civil (EPS Moyobamba, 2013). Una mejor difusión de lo
que son los SS.EE. y de los proyectos relacionados se muestra urgente y necesaria, debido a que el

42
Gobierno de San Martín y las otras instituciones tienen entre sus objetivos el desarrollo de este tipo
de herramienta para dar sostenibilidad a la conservación y recuperación de los ecosistemas. Gracias
a la frecuencia de las palabras presentes en las definiciones correctas, se ha podido elaborar la
figura (gráfico 4.7), que presenta un análisis textual cuantitativo, generado utilizando la herramienta
wordle (www.wordle.com), donde se pueden apreciar las diferentes palabras relativas al concepto
de SS.EE. en tamaños diferentes según el número de veces que han sido utilizadas. Las palabras
más asociadas al concepto son los términos bosques, naturaleza, agua, recursos, beneficios,
servicios, ambiente, humano y los verbos dar y brindar.

¿Ha oído hablar sobre los Servicios Ambientales? Total %

no conozco 107 28.31%
he oído hablar pero no me acuerdo bien de que se trata 94 24.87%
no me acuerdo bien de que se trata con definición equivocada/no comprensible 13 3.44%
sí, pero definición equivocada/no comprensible 62 16.40%
Total de los que probablemente no conocen el concepto 276 73.02%
si, he oído de ellos 80 21.16%
No me acuerdo bien de que se trata con definición correcta 16 4.23%
si, pero sin definición 4 1.06%
Total de los que probablemente conocen el concepto 100 26.98%
No Info 2 0.53%
Total 378 100.00%
Tab. n. 4.12. Conocimiento termino “Servicios Ambientales”, encuestas.

¿Ha oído hablar sobre los Agricultor y/o

Servicios Ambientales? Rural Urbano Colono Mestizo Profesor Ganadero
no conozco 31.71% 26.67% 28.72% 26.47% 19.57% 30.77%
he oído hablar pero no me
acuerdo bien de que se trata 43.90% 15.69% 29.26% 20.59% 13.04% 40.00%
no me acuerdo bien de que se
trata con definición
equivocada/no comprensible 1.63% 4.31% 3.72% 3.53% 4.35% 2.31%
sí, pero definición equivocada/no
comprensible 5.69% 21.57% 13.83% 20.00% 24.64% 7.69%
Total de los que probablemente
no conocen el concepto 82.93% 68.24% 75.53% 70.59% 61.60% 80.77%
sí, he oído de ellos 13.81% 24.71% 18.62% 24.12% 32.61% 12.31%
No me acuerdo bien de que se
trata con definición correcta 1.63% 5.49% 4.79% 3.53% 4.35% 5.38%
si, pero sin definición 1.63% 0.78% 1.06% 1.18% 0.72% 1.54%
Total de los que probablemente
conocen el concepto 17.07% 30.98% 24.47% 28.82% 37.68% 19.23%
No info 0.00% 0.78% 0.00% 0.59% 0.72% 0.00%
Total 100.00% 100.00% 100.00% 100.00% 100.00% 100.00%
Tab. n. 4.13. Conocimiento termino “Servicios Ambientales” por tipología de actor, encuestas.

43
Gráfico n. 4.7. Resultado del procesamiento de las palabras referidas a los SS.EE. con wordle

4.2.5. Orden de prioridad de los valores sociales por los servicios ecosistémicos

En los gráficos n. 4.8 y n. 4.9 se presenta el ordenamiento de prioridad con respecto a los valores
sociales de los SS.EE. percibidos por el territorio del Alto Mayo (desde el 7 como más importante
hacia el 1 como menos importante). Como se puede ver, tanto por las entrevistas como por las
encuestas, el valor más importante es el valor de sustento para la vida, o sea, los lugares o áreas
donde se genera, produce y renueva el agua y el suelo, probablemente visto como el recurso más
importante y que sustenta todas las otras actividades además de la vida humana. Luego, sigue el
valor de biodiversidad y, más espaciados, los valores de uso y estético con un puntaje muy cerrado,
donde el valor estético supera por poco el valor de uso en las encuestas, mientras que se presenta el
caso contrario para las entrevistas. En los últimos lugares en base a la importancia, se encuentran el
valor espiritual/cultural y los valores recreacional e histórico. En la tabla 4.14 se presenta el orden
de prioridad de los valores sociales según diferentes tipologías de actores, considerando también a
los 19 indígenas Awajún encuestados ya que, aunque sean muy pocos y se tiene que tomar con
precaución el resultado, es interesante ver como el valor espiritual/cultural pasa a un segundo lugar
en el orden de importancia después del valor de sustento para la vida. El valor de sustento para la
vida que está asociado a los SS.EE. hídricos y a los SS.EE. relativos al suelo y el valor de
biodiversidad asociado a la diversidad de especies animales y vegetales, son también los priorizados
por los diferentes proyectos de conservación y recuperación de ecosistemas del Gobierno de San
Martín y de las otras instituciones, pudiéndose encontrar así validación social a estas actividades
entre los actores encuestados. Se esperaba una posición baja para el valor recreacional y el valor
44
histórico, siendo las tipologías de entrevistados y encuestados actores que principalmente utilizan y
viven el territorio del Alto Mayo y priorizan otras funciones respecto a los lugares arqueológicos,
turísticos o donde pasar el tiempo libre. A menudo, para el valor histórico, la gente hacía referencia
a ciudades como Habana o Moyobamba donde había ocurrido algún evento pasado como batallas.
El valor espiritual y cultural se ha encontrado a menudo asociado a lugares de culto como iglesias
en ciudades tales como Segunda Jerusalén que tiene el edificio de culto más grande del Alto Mayo,
o un buen número de actores se han referido a las comunidades nativas, mientras que muy pocas
veces se han encontrado referencias a sitios naturales particulares.

Historico

Espiritual y cultural 1

Recreacional 2
3
Sustento vida
4
Uso
5
Biodiversidad 6

Estetico 7

0 500 1000 1500 2000 2500

Gráfico n. 4.8. Orden de prioridad por los valores sociales para el total de las encuestas. Se puede apreciar cuanto cada
puntaje ha influido en el orden de prioridad, donde cada color representa la suma de los diferentes puntajes,
representando el 7 el valor más alto y el 1 el menos alto.

Historico

Espiritual y cultural 1

Recreacional 2
3
Sustento vida
4
Uso
5
Biodiversidad
6
Estetico 7

0 100 200 300 400 500 600 700

Gráfico n. 4.9. Orden de prioridad por los valores sociales para el total de las entrevistas. Se puede apreciar cuanto cada
puntaje ha influido en el orden de prioridad, donde cada color representa la suma de los diferentes puntajes,
representando el 7 el valor más alto y el 1 el menos alto.

45
Actor Orden de Prioridad de los valores sociales percibidos según actores

7 6 5 4 3 2 1

Actores 100 entrevistas

Total Sustento Biodiversid Uso Estético Espir/cult Recreacional Histórico

vida ad

Actores Sustento Biodiversid Uso Estético Espir/cult Histórico Recreacion

públicos vida ad al

Sociedad civil Sustento Biodiversid Estético Uso Espir/cult Recreacional Histórico

vida ad

Actores 378 encuestas

Total Sustento Biodiversid Estético Uso Espir/cult Recreacional Histórico

vida ad

Urbano Sustento Biodiversid Estético Uso Espir/cult Histórico Recreacion

vida ad al

Rural Sustento Biodiversid Uso Estético Recreacional Espir/cul Histórico

vida ad

Colono Sustento Biodiversid Uso Estético Espir/cult Recreacional Histórico

vida ad

Mestizo Sustento Biodiversid Estético Uso Espir/cult Recreacional Histórico

vida ad

Indígena Sustento Espir/Cult Biodivers Estético Uso Histórico Recreacion

vida idad al

Profesor Biodiversod Sustento Estético Uso Espir/cult Histórico Recreacion

ad vida al

Agricultor y/o Sustento Biodiversid Uso Estético Recreacional Espir/cult Histórico

ganadero vida ad

Tab. n. 4.14. Orden de prioridad por los valores sociales según tipologías de actores (desde 7, valor más alto a 1, menos
alto). Se ha asociado un color diferente por cada valor para ayudar en la visualización de las posiciones de cada valor.

4.2.6. Mapas de los valores sociales percibidos por los servicios ecosistémicos

En esta última parte del eje de trabajo n. 1 se llega al corazón del trabajo de mapeo participativo, o
sea, a la presentación de los mapas obtenidos con la elaboración de los puntos digitalizados
relativos a la ubicación espacial de los valores sociales. Se ha elegido reportar los mapas obtenidos
por los primeros 4 valores más importantes: el valor de sustento para la vida, de biodiversidad, de
uso y estético, por el total de las encuestas y entrevistas, ya sea como resultado de la elaboración
con la función kernel density de ArcMAP 10.1, o elaborados con SolVES utilizando diferentes
46
combinaciones de capas ambientales por cada valor. Por último, se ha decidido también presentar
los mapas producto de la función kernel density por el valor recreacional para ver la
correspondencia entre las áreas percibidas como más importantes por este valor y los lugares
turísticos mapeados por la Dirección Regional de Comercio Exterior y Turismo de San Martín
(gráfico n. 4.28) . En general, para todos los valores, se puede apreciar una cierta correspondencia
entre las zonas priorizadas por parte de los actores de las encuestas y los de las entrevistas. Esta
correspondencia, aunque tal vez pueda sufrir de una cierta influencia por parte del trabajo de
digitalización que ha acercado ciertos puntos relacionados a grandes áreas o ríos, parece muy
interesante por dos aspectos: porque es indicativo de una visión común del Alto Mayo por parte de
los actores de la sociedad civil que viven y actúan en el territorio (encuestas) y de los tomadores de
decisiones (entrevistas) que además son responsables de las decisiones de gestión y planificación,
cosa que ya se había expresado en el orden de prioridad de los valores sociales por los SS.EE.; y
porque el trabajo de mapeo participativo ha sido llevado a cabo por dos grupos diferentes de
ayudantes: estudiantes de Ingeniera Ambiental para las encuestas y personal de una ONG para las
entrevistas, y el hecho de haber obtenido resultados similares puede ser indicativo de la validez de
este tipo de herramienta para recolectar y procesar este tipo de información. Cada mapa elaborado
con SolVES se encuentra con el formato (layout) típico de la herramienta, modificado para resaltar
los aspectos más relevantes para esta tesis doctoral. Así, se puede apreciar un índice de valor social
(Value Index o VI) entre 0 y 10 bajo forma de una escala cromática que va desde tonalidades azules
para los valores bajos hacia tonalidades rojas para los valores altos, pasando por el amarillo para los
valores medios. Además de presentarse gráficamente las áreas con más alto valor social en el Alto
Mayo según los colores del índice de valor social, al lado de cada mapa se pueden visualizar los
gráficos que reportan las estadísticas elaboradas con el software Maxent Maximum Entrophy Model
sobre la relación entre el índice de valor social (VI en el eje de las Y) y las capas ambientales
utilizados en el eje de las X (que siendo en formato raster, vienen presentados por números, donde
cada uno corresponde a un atributo). Estos gráficos permiten evidenciar informaciones de cada
atributo por cada capa por separado, cosa que el mapa no hace, siendo producto de una combinación
de estos. Se presenta también la estadística “Training AUC”, donde AUC significa Area Under the
Curve, que indica si la elaboración de SolVES representa un buen o mal modelo por el área de
estudio, donde, en este caso, todos los mapas están indicados como buen modelo. También para los
mapas relativos a la kernel density, se puede apreciar círculos de diferentes colores que representan
una estadística de la diferente densidad de los puntos de cada valor social por kilómetro cuadrado,
donde el color rojo representa la máxima concentración de puntos, mientras el color verde la
mínima, pasando por el color amarillo. Para una mejor comprensión de los lugares descritos por

47
cada mapa, se invita a consultar los gráficos relativos a las capas ambientales (4.5 y 4.6), el mapa de
los lugares turísticos (gráfico n. 4.28).

Valor de sustento para la vida

Durante la digitalización de los datos relativos al valor de sustento para la vida, se ha podido
apreciar que la mayoría de los puntos se referían al recurso agua, indicando principalmente ríos,
cuencas hidrográficas o áreas en correspondencia de zonas de protección en la parte alta de cuencas
hidrográficas donde este recurso se origina. Otros se referían también a áreas alrededor de centros
poblados o ciudades, probablemente indicando el recurso suelo o los lugares donde utilizan el agua
estos actores. Por lo que concierne a las elaboraciones con SolVES, en los mapas 4.10 y 4.11, se
presentan los resultados de las encuestas y entrevistas donde se han asociado los puntos relativos al
valor de sustento para la vida con las capas de uso y cobertura del suelo, de cuencas hidrográficas,
del Bosque de protección Alto Mayo (BPAM) y de las otras áreas naturales protegidas. Se puede
apreciar que las áreas con valores más altos se ubican, tanto por los actores de las encuestas como
por los de las entrevistas, en el BPAM, indicado por los colores de tonalidad verde-amarilla en la
parte norte del Alto Mayo donde se han digitalizado los puntos de esta área protegida; en
correspondencia con la zona de protección Rumiyacu, Misquiyacu y Almendra, que es la principal
fuente de agua de la capital Moyobamba, en particular la quebrada Rumiyacu que fluye por este
área protegida; en el Morro de Calzada que provee agua al Distrito de Calzada; en la cuenca del río
Gera donde hay una represa hidroeléctrica y abastece de agua a la ciudad de Jepelacio en el
homónimo Distrito; en general en la margen izquierda de río Mayo en correspondencia con las
zonas más habitadas, es decir, de los Distritos de Rioja, Elias Soplin y Nueva Cajamarca, siendo los
ríos Negro, Yuracyacu y el Tioyacu los más mencionados, pero también los otros ríos más
utilizados por los actores, como el Tonchima, Naranjos y Naranjillo presentan varios puntos, cosa
más evidente en el mapa de las entrevistas. El valor muy alto que se puede notar en la parte medio
alta de la cuenca, arriba de la ciudad de Naranjos, se refiere a los puntos asociados al río Mayo que
se han digitalizado en correspondencia con ese río; y la importancia de los ríos para este valor se
puede apreciar también por el color amarillo que tienen los cursos de agua en los mapas y por el
gráfico con título “uso y cobertura del suelo” a la derecha, que evidencia la alta relación entre el
número 6 (cuerpos de agua) en el eje de las X y el índice de valor social (VI). Particularmente, los
actores de las entrevistas valoran también la parte alta de las comunidades nativas en la margen
izquierda del río Mayo. Los mapas producto de SolVES proveen una buena representación gráfica
de este valor, evidenciando las cuencas hidrográficas y las áreas protegidas más importantes para
los actores. En los gráficos 4.12 y 4.13 están las elaboraciones del valor de sustento para la vida por

48
las encuestas y las entrevistas producto de la kernel density, que para este valor parecen menos
comprensibles y ofrecen menos información respecto a los mapas de SolVES, aparte de algunos
casos como la importancia de las comunidades nativas (círculo al extremo este en el medio del Alto
Mayo, en correspondencia con el área ocupada por las comunidades nativas), que, en particular para
las entrevistas, tiene un color amarillo, cosa que no está evidenciada por los mapas de SolVES. Los
actores de las entrevistas parecen dar más importancia a las áreas elevadas del Alto Mayo lejos de
las zonas pobladas, en particular la zona del BPAM, como áreas proveedoras de este servicio, cosa
evidenciada ya sea por la mayor área con valor social alto ubicada entre los límites del BPAM en
las mapas de SolVES como por el gráfico con titulo BPAM, donde se puede ver un valor de VI más
alto en el mapa de las entrevistas (el 1 en el eje de las X corresponde al BPAM, mientras el 2 al
resto del territorio del Alto Mayo) y por el mayor número de círculos de la kernel density afuera de
este área natural protegida en el mapa de kernel density de las encuestas.

Gráfico n. 4.10. Valor de sustento para la vida, encuestas. Elaboración propia.

49
Gráfico n. 4.11. Valor de sustento para la vida, entrevistas. Elaboración propia

Gráfico n. 4.12. Densidad de puntos por el valor de sustento para la vida, encuestas. Elaboración propia.

50
Gráfico n. 4.13. Densidad de puntos por el valor de sustento para la vida, entrevistas. Elaboración propia.

Valor de biodiversidad

Para el valor de biodiversidad, gran parte de los actores, ya sea de las encuestas como de las
entrevistas, han marcado y nombrado lugares naturales como áreas naturales protegidas o lugares
turísticos asociados a la naturaleza, por eso, en los mapas elaborados con SolVES, se han asociado
las capas relativos al Sistema Regional de Conservación, o sea Bosque de Protección Alto Mayo
(BPAM), las comunidades nativas y las otras áreas de conservación, además del uso y cobertura del
suelo. Los mapas obtenidos (gráfico 4.14 y 4.15) resaltan el valor que tiene, para los actores de las
encuestas y de las entrevistas, la ZoCRE del humedal del Alto Mayo donde la mayoría de los
actores se referían al proyecto ecoturístico de Tingana, el Morro de Calzada y el BPAM, aunque su
valor sea más alto para los actores de las entrevistas, como es evidenciado también por el gráfico
con titulo BPAM al lado de los dos mapas, donde el BPAM (1 en el eje de las X) está más asociado
al VI respecto al resto del territorio (2 en el eje de las X) solo para las entrevistas, aunque la
diferencia de valor en el gráfico de las encuestas sea muy baja. Para los actores de las entrevistas,
tiene un gran valor también la ZoCRE de Rumiyacu, Mishquiyacu y Almendra cerca de
Moyobamba, la ZoCRE Uquihua Cuchachi en la zona sur del mapa que corresponden a la zona de
amortiguamiento del BPAM y han dado un valor importante también a las comunidades nativas, en

51
particular la parte alta de la margen izquierda del río Mayo, donde el bosque sigue bastante intacto.
Los actores de las encuestas han puesto un valor alto a la zona que corresponde a la ZoCRE
Naciente del Rio Negro, parte de la zona de amortiguamiento del BPAM. Del gráfico con título
“uso y cobertura del suelo” se puede apreciar como los atributos más relacionados al VI son el
bosque (1 en el eje de las X), las áreas mixtas natural-agrícola (3) y los cuerpos de agua (6),
respecto al uso agrícola (2) y al uso urbano (4). Los mapas 4.16 y 4.17 representan la densidad del
valor de biodiversidad producto de la kernel density, los cuales pueden contribuir a evidenciar
ciertas áreas más puntuales, como ciertos lugares turísticos que no vienen evidenciados por parte de
las capas ambientales utilizadas en SolVES, tales, por ejemplo, como el recreo turístico Yacumama
y el Tioyacu en el Distrito de Rioja, marcados por varios actores de las encuestas como se puede
apreciar por el circulo amarillo en el gráfico 4.16. De todas formas, también para este valor parecen
más apreciables los resultados obtenidos con SolVES, que permiten evidenciar mejor las áreas
protegidas y las áreas naturales percibidas como importantes por el valor de biodiversidad.

Gráfico n. 4.14. Valor de biodiversidad, encuestas. Elaboración propia.

52
Gráfico n. 4.15. Valor de biodiversidad, entrevistas. Elaboración propia.

Gráfico n. 4.16. Densidad de puntos valor de biodiversidad, encuestas. Elaboración propia.

53
Gráfico n. 4.17. Densidad de puntos valor biodiversidad, entrevistas. Elaboración propia

Valor de uso

El valor de uso es relacionado con diferentes actividades productivas y de uso del territorio (lugares
que proveen madera, comida, minerales, plantas medicinales), entre las cuales se ha visto una
preponderancia de respuestas y de puntos marcados en zonas de producción agrícola y ganadera. En
base a esto, se han asociado las capas relativas al uso y cobertura del suelo, las cuencas
hidrográficas y los distritos, debido a que diferentes actores utilizaban como nombres de referencias
los distritos o ciudades y centros poblados donde, alrededor, se desarrollan importantes actividades
agrícolas o ganaderas. Como se puede apreciar en los mapas producto de SolVES (4.18 y 4.19), las
áreas con más alto valor de uso se encuentran en la parte central y plana de la cuenca del rio Mayo,
en particular en los distritos de la margen derecha de este río donde se pueden encontrar diferentes
cultivos de arroz y café. Los actores de las encuestas valorizan también las zonas agrícolas y
ganaderas de la margen izquierda del río Mayo, alrededor de los principales centro poblados
ubicados en el distrito de Moyobamba y dan un cierto valor al BPAM, aunque no se puede
determinar que sea referido a sus recursos maderables o a la presencia de plantas medicinales. Los
gráficos relativos al uso y cobertura del suelo a la derecha de los mapas, confirman la asociación a
lugares agro-pastorales de este valor debido a que los atributos con VI más alto son las zonas
agrícolas (2) y mixto natural-agrícola (3), además de los cuerpos de agua, a los cuales tal vez es

54
asociado el recurso pesquero. Los mapas 4.20 y 4.21 presentan los resultados de la kernel density
que confirman lo visto con los mapas de SolVES, aunque aparezca también un círculo de alta
densidad en correspondencia con las comunidades nativas de la margen izquierda del río Mayo,
área que está evidenciada por SolVES sólo en las encuestas, aunque con un valor muy bajo.

Gráfico n. 4.18. Valor de uso, encuestas. Elaboración propia.

55
Gráfico n. 4.19. Valor de uso, entrevistas. Elaboración propia.

Gráfico n. 4.20. Densidad de puntos valor de uso, encuestas. Elaboración propia.

56
Gráfico n. 4.21. Densidad de puntos valor de uso, entrevistas. Elaboración propia.

Valor estético

Entre los primeros 4 valores resultados más importantes para los actores de las encuestas y
entrevistas encontramos, normalmente, en tercera o cuarta posición, el valor estético. Este valor se
ha asociado a las capas de las comunidades nativas, del Bosque de Protección Alto Mayo, de las
otras áreas de conservación y del uso y cobertura del suelo. Como se esperaba (gráficos 4.22 y
4.23), el lugar que presenta el índice de valor social más alto es el Morro de Calzada, formación
montañosa muy visitada que difícilmente pasa inobservada, encontrándose en el medio de la parte
plana de la cuenca del Alto Mayo y desde la cual, se puede tener una vista hermosa de los
alrededores, seguido por la ZoCRE Humedal del Alto Mayo donde se encuentra el proyecto
ecoturístico de Tingana. Otras áreas importantes son el área colindante con el Bosque de Protección
del Alto Mayo cerca de las ciudades de Rioja, Segunda Jerusalén y Nuevo Cajamarca, que
corresponde a la ZoCRE Naciente del Rio Negro, donde se encuentran diferentes lugares turísticos
y las capitales distritales que, aunque no sean lugares naturales, diferentes actores han asociado a
este valor, en particular Moyobamba y sus miradores. El BPAM con esta elaboración resulta poco
valorizado, aunque los mapas de densidad de puntos producidos con la función kernel density
(gráficos 4.23 y 4.24) evidencian círculos de densidad bastante altos para este área. Como veremos
más en detalle para el siguiente valor, es decir el valor recreacional, en estas dos últimas tipologías

57
de valores, los mapas producidos con la kernel density, parecen más útiles gráficamente,
contribuyendo a visualizar ciertos lugares más específicos que no vienen evidenciados por parte de
SolVES, por lo menos con el uso de estas tipologías de capas ambientales, como por ejemplo el
Tioyacu, lugar turístico cerca de Nueva Jerusalén muy conocido en la zona y con alto valor en los
mapas de kernel density.

Gráfico n. 4.22. Valor estético, encuestas. Elaboración propia.

58
Gráfico n. 4.23. Valor estético, entrevistas. Elaboración propia.

Gráfico n. 4.24. Densidad puntos valor estético, encuestas. Elaboración propia.

59
Gráfico n. 4.25. Densidad puntos valor estético, entrevistas. Elaboración propia.

Valor recreacional

Aunque no forme parte de los primeros cuatros valores, en este eje de trabajo se quiere concluir la
presentación de los mapas de la ubicación espacial de los valores sociales con el valor recreacional
porque se tiene la oportunidad de confrontarlo con los lugares turísticos mapeados por la Dirección
Regional de Comercio Exterior y Turismo de San Martín (gráfico 4.28) y porque puede ayudar a
aclarar el discurso empezado con el valor estético, debido a que presenta características diferentes
respecto a los valores tratados hasta ahora. A diferencia de los otros valores sociales (aunque el
discurso valga en parte para el valor estético), este valor, por lo menos utilizando las capas
ambientales consideradas, resulta mejor representado por los mapas de la kernel density (gráficos
4.26 y 4.27), ya que está a menudo asociado a zonas puntuales, como áreas turísticas que presentan
características como la oferta de particulares servicios (jardines, piscinas de aguas termales, etc.)
que difícilmente pueden ser representados a través de capas ambientales. Además, aquí se presenta
el problema de la asociación entre valores sociales y capas ambientales visto en el párrafo 2.1.5, es
decir, por cuestiones de escala algunos valores pueden estar asociados a elementos no identificados
por las capas ambientales a una cierta resolución espacial, como puede ocurrir a un área turística
con bosque en el medio de una zona agrícola. Confrontando con el mapa de los lugares turísticos
(Gráfico 4.28), encontramos que los lugares recreacionales percibidos como más importantes para

60
los actores de las encuestas y entrevistas son (círculos que van desde el color amarillo hacia el rojo):
el Morro de Calzada (33), las ciudades de Moyobamba y Rioja, los baños termales de San Mateo
(24) y los baños sulfurosos de Oromina (23) que quedan cerca de la Capital, la naciente del rio
Negro (47), los proyectos de ecoturismo Tingana (36) y Santa Elena (40) en la ZoCRE Humedal del
Alto Mayo y el Tioyacu (48), área recreacional muy conocida cerca de la ciudad de Segunda
Jerusalén. Como se puede apreciar, otros dos lugares con alta densidad de puntos pero que no están
presentes en la capa de datos de los sitios turísticos, son los complejos turísticos de Yacumama y
Villa María en el Distrito de Rioja (círculo rojo al lado del círculo que se refiere al Tioyacu).

Aunque la asociación con las capas ambientales permita extender las áreas con alto valor,
evidenciadas a través de la diferente densidad espacial de puntos marcados, a lugares con
características ambientales similares y así obtener mejores mapas y evidenciar otras zonas con un
valor social potencial, para el valor recreacional esto no parece conveniente, basándose también en
otras características, como hemos visto. Por este valor se tendría que crear capas con otros atributos
que junten características ambientales y factores antrópicos, como las infraestructuras turísticas, que
influyen en buena parte en la elección del lugar recreacional.

Gráfico n. 4.26. Densidad puntos valor recreacional, encuestas. Elaboración propia.

61
Gráfico n. 4.27. Densidad puntos valor recreacional, entrevistas. Elaboración propia.

Gráfico 4.28. Recursos turísticos del Alto Mayo según la Dirección Regional de Comercio Exterior y Turismo de San
Martín. Elaboración propia.

62
 5. El valor biofísico de los SS.EE. y la creación de escenarios futuros

La experiencia madurada en la Región, el trabajo de mapeo participativo y las entrevistas a los

tomadores de decisiones han evidenciado la necesidad de implementar investigaciones acerca del
concepto de SS.EE. y su posibilidad de aplicación práctica para dar soporte a los procesos de
ordenamiento y gestión ambiental y territorial y al desarrollo de proyectos de compensación por
SS.EE. Además, otra necesidad surgida, ha sido la de poder traducir los planes y proyectos de
conservación y recuperación de ecosistemas que se quieren implementar en modelos que puedan
contribuir a entender de manera cuantificable cómo las diferentes opciones de desarrollo pueden
impactar de manera positiva o negativa sobre los SS.EE. y ciertos aspectos relacionados como la
biodiversidad ¿Pero cómo hacer esto en un área amazónica, a menudo, carente de datos fiables,
herramientas y personal capacitado y hacerlo replicable en el resto de la Amazonía? Estas
cuestiones han llevado, durante la búsqueda de herramientas para investigar estos aspectos, a
direccionarse hacia una de ellas: Costing Nature (CN) que, aunque sea un instrumento relativamente
nuevo y en pleno desarrollo, tiene un buen potencial de aplicación. La elección de CN ha sido
definida después de haber tomado contactos con sus desarrolladores que forma parte del
departamento de Geografía del King‟s College of London y que se han mostrado, desde el
comienzo, muy dispuestos a apoyar la investigación, además de interesados en colaborar con un
estudiante de doctorado que pueda probar la herramienta y ayudar en su perfeccionamiento. En este
eje de trabajo se presentará esta herramienta de modelación web-based y su test y utilización
práctica en la creación de una línea base (baseline) actual sobre ciertos SS.EE. y otros aspectos
relacionados para dos áreas: la Amazonía norte peruana (Regiones de Amazonas, Loreto y San
Martín) y el Alto Mayo. Una vez creada la línea de base, se ha proseguido con el ejercicio de
creación de escenarios futuros de cambio de estos aspectos sobre la base de algunos planes y
proyectos en implementación en el área de estudio.

5.1. Materiales y métodos

5.1.1. Costing Nature

La herramienta basada en la web Costing Nature forma parte de una serie de herramientas de
sistemas de apoyo a políticas (Policy Support Systems, PSS), es decir, un conjunto de sistemas de
apoyo que tratan de ofrecer y acercar datos científicos de un modo más práctico y útil bajo la
creencia de que las políticas para el desarrollo sostenible son más efectivas y equitativas cuando se
basan en pruebas científicas. PSS se centra, por tanto, en tender puentes entre los conocimientos o

63
datos científicos y las políticas para la gestión de toma de decisiones. Estos sistemas de soporte han
sido desarrollados desde 2003 por King's College of London y AmbioTEK CIC con otra serie de
colaboradores específicos para cada sistema (Policy Support, 2014a).

Más concretamente, Costing Nature es una herramienta de modelación y creación de mapas que ha
sido elaborada en colaboración con UNEP-WCMC y su cometido es asesorar a los servicios
ecosistémicos y otros aspectos asociados en áreas a diferente escala, a nivel global, y ofrecer ayuda
para la gestión sostenible de estos servicios a través de la definición de las prioridades de
conservación (Policy Support, 2014b).

Costing Nature está destinado a incorporar información de los beneficios y suministros de los
servicios ecosistémicos dentro de las prioridades de conservación y de la planificación. Se centra en
los servicios relacionados con la provisión de agua (servicio de provisión), el secuestro y
almacenamiento de carbono (servicio de regulación), el turismo de la naturaleza (servicio cultural) y
la mitigación de amenazas naturales (servicio de regulación) y en definir la magnitud y el patrón
geográfico de estos como servicios potenciales (que están presentes en un área, pero nadie los usa)
o realizados (utilizados por parte de algunos usuarios) por los beneficiarios tanto locales como
globales. Entre los diferentes SS.EE. (MA, 2005) se han elegido estos cuatro debido a que se
pueden mapear globalmente, mientras los otros presentan más dificultades en su medición y
comprensión (Mulligan, 2014a).

Su funcionamiento discurre a través de una serie de modelos que utilizan más de cien datos a
diferentes escalas temporales y espaciales ya proveídos por el sistema, provenientes de la base de
datos global SimTerra (Policy Support, 2014c) y de otras instituciones internacionales, aunque se
pueden cambiar también por datos propios si se considera que son mejores. Estos datos,
combinados, producen más de 30 mapas temáticos sobre diferentes aspectos con un índice que va
de 0 a 1 sobre ventanas (tiles) de 1 grado (100 km) a 1 hectárea de resolución o de 10 grados (1000
km) a 1 km2 de resolución espacial (gráfico n. 5.1).

CN comienza con el mapeo individual de estos 4 SS.EE. y, posteriormente, las combina con el
análisis de la presión presente, de las amenazas futuras, de la biodiversidad y de las prioridades de
conservación para crear así una evaluación de la priorización de las áreas de conservación y gestión
en base a todos estos factores.

64
Esto se lleva a cabo, primero, usando datos de referencia representativos de la situación actual a
través de la creación de una línea base, que puede ser llevada con el índice de 0 a 1 calculado dentro
del mismo tile (índice local o local index) o por el tile comparado a nivel global (índice global o
global index).

Los usuarios pueden aplicar entonces escenarios de cambio en el uso y cobertura del suelo o de las
prioridades de conservación y examinar así los impactos en términos de cambio en los SS.EE. y las
implicaciones para los beneficiarios (Gráfico n. 7.1).

Las simulaciones ocurren a través de un modelo llamado transferencia de beneficios (benefit

transfer): cuando se cambia, por ejemplo, el uso y cobertura del suelo de los pixeles de una parte de
la ventana (se puede citar desde un cierto porcentaje de árboles por pixel a un cierto porcentaje de
hierba, como puede ocurrir en el caso de una deforestación), el algoritmo del programa busca otro
área en el mundo donde en su línea base tenga la misma cobertura del suelo de estos pixeles bajo
simulación y que tenga una situación análoga respecto al promedio de precipitaciones y
temperatura. De esta manera, el promedio del valor de los diferentes SS.EE. considerados en esta
zona, que presenta las características del escenario, viene transferido a los pixeles de la simulación.
Los tipos de simulaciones y de mapas que se pueden obtener, dependen de la licencia que un
usuario tenga a su disposición. En esta investigación, gracias a la colaboración con los
desarrolladores del King‟s College of London, se ha podido trabajar con Costing Nature en su
versión 2.49 con la licencia de DATAUSER, que permite la utilización casi total de las funciones de
la herramienta. En la tab. n. 7.1 se presenta sintéticamente el funcionamiento de los modelos
utilizados y los principales datos que entran en la elaboración (Mulligan, 2014a).

65
 Costing Nature (versión 2.49)
Más de 100 mapas de datos globales (desde SimTERRA u otras fuentes) a diferentes
escalas espaciales y temporales + posibilidad de sustitución con datos propios

SE
Provisión Mitigación Biodiversidad Presiones actuales
de agua de riesgos
Prioridades de Amenazas futuras
Carbono Turismo conservación
Potenciales/Realizados

BASELINE: 1km2 o 1ha mapas de output (indice 0-1) global o local

Opciones de Escenarios:
Cambios en el uso y cobertura del suelo
Cambios en el valor de las prioridades de conservación y SE
Cambio de los mapas de input

Gráfico n. 5.1. Esquema de funcionamiento de Costing Nature. Elaboración propia. (fuente: Mulligan, 2014a)

Módulos Tipología Descripción y notas Datos globales

Áreas de aves
Prioridades de
endémicas (BirdLife
conservación
International)
200 Ecoregiones
priorizadas
globalmente (WWF)
Promedio de la superposición de
Hotspots de
estas 6 prioridades de
biodiversidad
conservación por diferentes
(Conservation
instituciones internacionales. La
International)
superposición de todas las
Áreas importantes
prioridades da el valor máximo
para aves (BirdLife
de 1 al pixel, la superposición de
International)
3 prioridades da 0.5.
Áreas last of the wild
(Wildlife
Conservation Society)
Áreas clave por
biodiversidad
(Conservation
International)
SS.EE. hídricos
Servicios hídricos Agua limpia producida por
Cantidad de agua potenciales a nivel pixel y acumulada aguas abajo… Precipitaciones
local
Evapotranspiración
actual
…menos el
Calidad del agua Huella humana % por pixel de agua Minería
contaminada por:
Petróleo y gas

66
 Carreteras
Áreas urbanas
Pastizales
Tierras de cultivo
Servicios de Servicios hídricos
aprovisionamiento realizados a nivel Presencia agua abajo de: Represas
de agua local
Población
Proyectos de riego
Combinación de diferentes datos
Servicios de
de reserva y secuestro de
carbono
carbono

Mapa de reservas de
SS.EE. Potenciales carbono en la
Reserva de carbono y realizados a nivel superficie (Ruesch et
global al., 2008 y Saatchi et
al., 2001)
Calculado en tC/km2 desde:

Mapa de reservas de
carbono bajo tierra
(Scharlermann et al.,
2009)

Análisis global satelital a 1 km

Productividad de
de resolución por el periodo
Captura de carbono material seca
1998-2008 y convertido a
(Mulligan, 2009)
tC/ha/año

Biodiversidad Combinación de la riqueza de especies y de la riqueza endémica de un área

Riqueza de especies
(número total de Datos desde la IUCN sampled
especies redlist extent of occupancy Mamíferos
muestreada por (EOO)
cada 10 km)
C-value de un pixel
(contribución de un área de un Anfibios
pixel de 10x10 km al inventario
Riqueza endémica
global de especies, es decir, el
número de pixeles donde esta Reptiles
especie ocurre)
Aves
Turismo de Índice de prioridades
Potencial
naturaleza de conservación
Índice de
Accesibilidad para la población aglomeración de
desde cada centro urbano Uchida & Nelson
(2009)
Pendiente
Paisajes pintorescos
normalizada
Servicio de agua
Ausencia de huella humana
normalizado

67
 Números de fotos por 25 km2 e
Densidad de fotos de
interpolados con la grilla de
Realizado Panoramio fuera de
simtierra a 1 km o 1 ha de
áreas urbanas
resolución espacial
El promedio de
Población (Landscan,
Presión actual cada uno de estos Densidad de población relativa
2007)
factores:
MODIS VCF 2010 es
más bajo del 40%
respect a MODIS
VCF 2000 en 3 pixeles
Cambio del uso del suelo
alrededor de cada
reciente detectado por MODIS
celda
Vegetation Cover Change (VCF)
O cuando MODIS
tierra-i indica cambio
de uso del suelo

Media de frecuencia
Frecuencia de incendios relativa de incendios 2001-
2010 de MODIS

Cabezas de ganado
por pastoreo
Intensidad de pastoreo relativa manejado y pastoreo
libre (Wint &
Robinson, 2007)

Fracción de cultivos y
Intensidad agrícola relativa pastoreo por cada
celda

Número acumulado
Densidad relativa de represas de represas situadas
hidroeléctricas río arriba (Global
Dams database)

Localización de
presas, minas,
Densidad relativa de
petróleo y gas,
infraestructuras
carreteras y áreas
urbanas

Deforestación cerca
El promedio de
Amenazas de deforestación de frentes
Amenazas futuras cada uno de estos
relativas deforestados (cambio
factores:
en MODIS VCF)

Base de datos global

Amenazas derivadas de la de infraestructuras
infraestructura previstas (petróleo,
minas, carreteras)

Accesibilidad relativa
Amenazas de accesibilidad desde ciudades con
relativas más de 50,000
habitantes

68
 Cambio previsto en el
Cambio previsto en el Producto
PIB entre 1990 y 2025
Interno Bruto (PIB)
(CIESIN, 2002)

Cambio previsto en la
población entre 1990
Cambio previsto en la población
y 2025 (CIESIN,
2002)
Near global coal
bearing areas
(Tewalt et al., 2008;
Presencia de recursos minerales Merrill et al., 2008)
Todos los depósitos
minerales (USGS,
2011)
Aptitud media por 48
cultivos (bajos
insumos)

Aptitud media por 48

cultivos (altos
insumos)

Amenazas del cambio climático
17GCM ensemble
projected IPCC AR4
A2a temperature and
precipitation change
to the 2050s

Actual distribución
Amenazas remotas (petróleo y relativa de la
gas) intensidad luminosa
nocturna existente
Servicios de
mitigación de Función de:
riesgos naturales

Vulnerabilidad ante Riesgos

Riesgo de corrimientos de tierra
los riesgos: índice medioambientales
proporcional al gradiente medio Pendiente
de exposición a los potenciales. La
de la pendiente agua arriba
peligros media de:

Pastizales y tierras de
Agricultura relativa
cultivo

Posibilidad de inundaciones,
proporcional al balance
Balance hidrológico
hidrológico (menor en áreas
secas)

Exposición Exposición socioeconómica:

Población (Landscan,
antrópica a los Relacionado con el PIB y las
2007)
peligros infraestructuras: mayores son el

69
 PIB y las infraestructuras,
mayor es la capacidad de hacer Infraestructura
frente a los riesgos

PIB relativo para

1990

Presas
Exposición de las Minas
infraestructuras.
Suma de la Petróleo y gas
presencia de: Zonas urbanas
Carreteras
RIESGO:
Exposición*
Vulnerabilidad
Servicios
potenciales de
Cobertura forestal
mitigación de
Para deslizamientos Mitigado por la presencia aguas (Hansen et al., 2006)
riesgos. la media
de: de tierra arriba de
Áreas protegidas
(WDPA, 2012)
Para riesgos de Proporcional a la cobertura Cobertura forestal
sequía forestal agua arriba (Hansen et al., 2006)

Cobertura forestal
(Hansen et al., 2006)

Proporción de la superficie agua

Para riesgos de arriba que permite el Humedales (Lehner &
inundación almacenamiento del agua de las Doll, 2004)
crecidas de los ríos
Masas de agua
(USGS, 2006)
Llanuras aluviales
(Mulligan, 2010)

Riesgo mínimo y Si el servicio potencial de

servicios mitigación de riesgos es mayor
Servicios de
potenciales de que el riesgo, el servicio
mitigación de
mitigación de realizado es igual al riesgo y la
riesgos realizados:
peligros para áreas parte remanente de mitigación
donde el riesgo es potencial queda como inutilizada
mayor que 0

Si el riesgo es mayor que el

servicio potencial de mitigación
ofrecido por los ecosistemas, el
servicio realizado es igual al
potencial y algunos riesgos se
quedan sin mitigación

Tab. n. 5.1. Esquema de funcionamiento de los módulos de CN con los principales datos usados. Elaboración propia.
(Fuente: Mulligan, 2014a).

70
 5.1.2. La Construcción de la línea de base y de los escenarios futuros

Aunque CN sea presentado como una herramienta que no necesita conocimientos avanzados de SIG
y la necesidad de proveer datos propios, permitiendo producir mapas simplemente seleccionando el
área de estudio y la resolución espacial deseada, el primer acercamiento tenido con el programa ha
llevado a algunas dudas y cuestiones, en particular: sobre los datos de entrada utilizados que se
presentan bastante crípticos; sobre el funcionamiento de los módulos; y por ende, sobre la validez
de los mapas producidos. Se tiene que recordar que el programa está en pleno desarrollo, por eso,
muchas funcionalidades pueden variar con el tiempo y también las informaciones y los ejemplos
prácticos de utilización incrementan cada día. Las necesidades de investigación han llevado a tomar
contacto con el departamento de Geografía del King‟s College of London donde se está
desarrollando el programa, para poder ir más allá de los mapas y de lo que está presentado en su
página de internet, en el intento de aprender más sobre su funcionamiento y probar y “estresar” la
herramienta, aunque naturalmente, sin pretender actuar como modeladores expertos de SIG, sino
más bien como un geógrafo que se pone en los zapatos de un tomador de decisiones (decisión
maker), es decir, el principal potencial usuario de Costing Nature. Durante la estancia en el King‟s
College of London, gracias a la colaboración con el equipo desarrollador, se ha podido acceder a la
herramienta con los privilegios de DATAUSER, que permite el acceso a casi todas las
funcionalidades y mapas de Costing Nature y la posibilidad de bajar todos los datos de entrada que
normalmente no estarían disponibles para los usuarios. Además, se ha podido revisar todo el
material escrito inherente a la herramienta -la mayoría del cual está en proceso de publicación y
tener reuniones periódicas con los desarrolladores. Se ha procedido a revisar cada uno de los más de
cien datos de entrada del programa para entender, dentro de lo posible, sus características, su
correspondencia con la realidad del área de estudio sobre la base de la experiencia acumulada en la
investigación y de la revisión de la cartografía recolectada y, donde sea posible y necesario, su
substitución con los datos espaciales recolectados. Los pasos sucesivos han sido el estudio de los
modelos presentados en la tabla 5.1, de las opciones disponibles de ejercicios de políticas (policy
exercises) que permiten el desarrollo de escenarios y por ende, la construcción de los escenarios
para el área de estudio. Todos los mapas producidos, ya sea de la línea base como de los escenarios,
han sido evaluados críticamente, siempre gracias a la experiencia acumulada sobre el área de
estudio y de la revisión de la cartografía disponible, para poder llegar a consideraciones sobre su
validez y correspondencia con la realidad y sobre la capacidad de predecir los cambios.

71
Hay algunas operaciones de procesamiento SIG llevadas a cabo con Costing Nature o con las
herramientas ESRI ArcMAP 10.1 y SAGAGIS, que son comunes a todos los trabajos de creaciones
de mapas de línea base y de escenarios y que se quieren presentar aquí:

 Cortar una ventana con una zona de interés (Zone of Interest, ZOI) e insertar mapas de datos
propios: como se ha visto en la introducción de Costing Nature, la herramienta permite
definir dos tipologías de áreas de estudio, o a resolución espacial de 1 km2 que comprende el
área de una ventana de 1000 km de lado, o a resolución espacial de 1 hectárea que
comprende una ventana de 100 km de lado. Si se quiere obtener un mapa o conducir un
análisis solamente de una porción de una ventana, que puede ser, por ejemplo, una
determinada Región o área natural protegida o cuenca hidrográfica, el programa permite
hacer una selección de un área de interés a través de la función mask by, proporcionando
diferentes opciones de enmascaramiento. Si la máscara deseada no está entre las disponibles,
se puede crear una zona de interés (ZOI), o sea, un raster en formato “ASCII grid” de la
zona de interés, siguiendo las instrucciones brindadas en el manual de usuario y utilizando el
programa SAGAGIS, definiendo las características necesarias para que Costing Nature
pueda aceptar y utilizar este mapa una vez ingresado. El procedimiento que se tiene que
seguir para crear un ZOI con SAGAGIS es el mismo que permite crear los rasters de datos
cuando se quiere substituir un mapa de datos de ingreso utilizado por defecto por la
herramienta.

Juntar diferentes ventanas: el Alto Mayo está comprendido entre 4 tiles de 1 hectárea de
resolución y de 100 km de lado cada uno. Por eso, los mapas que se presentarán más
adelante son el producto de la unión de estos 4 tiles, donde por cada tile se ha cortado el área
de interés utilizando una ZOI producida con los límites de San Martín y evidenciando los
límites de las Provincias de Rioja y Moyobamba, que corresponde al territorio del Alto
Mayo (véase como ejemplo el gráfico 5.2). Para poder obtener una mapa único con el
mismo índice para todo el área, el procedimiento que se ha seguido es hacer correr el
programa por cada ventana, bajar los 4 mapas para cada tipología de resultado en formato
ascii, ingresarlos en ESRI ArcMAP 10.1 y juntarlos con la función mosaic to new raster de
arctoolbox. De esta manera, el índice del mapa asume el máximo y el mínimo del valor
mayor y menor entre los 4 tiles.

72
 5.1.3. La construcción del análisis previo de la Amazonía norte de Perú

La primera elaboración que se ha desarrollado con CN, ha sido efectuada para la Amazonía norte de
Perú, es decir, las Regiones de San Martín, Loreto y Amazonas. Esta simulación ha sido muy útil
para tener un cuadro general de las características de los SS.EE. y aspectos asociados
(biodiversidad, presiones actuales y amenazas futuras sobre los ecosistemas) de San Martín en el
contexto de esta macro área y tomar confianza con el programa antes de empezar con elaboraciones
más sofisticadas. Se ha hecho correr el programa a la resolución espacial de 1 km para la ventana
(1000 km de lado) que comprende estas Regiones, dejando inalterados los datos proveídos por el
sistema y utilizando el índice local para poder obtener los resultados con un valor del índice de 0 a 1
que considere sólo el área dentro del tile. Los mapas de interés se han cortado con una ZOI creada
utilizando los límites de las 3 Regiones consideradas, a través de la función mask de Costing
Nature. Se han descargado los mapas en formato “ASCII grid” y se ha procedido al post
procesamiento para obtener los mapas finales, gracias al programa ESRI ArcMAP 10.1.

5.1.4. La construcción de la línea base de 2013

Después de la creación de los mapas de análisis previo para la Amazonía norte peruana, se ha
pasado a la producción de los mapas de línea base del 2013 para el Alto Mayo a la resolución
espacial de 1 hectárea. Se ha utilizado el índice global con valor de 0 a 1 para todo el globo, porque
en este ejercicio se tienen que juntar 4 ventanas diferentes y no se pueden considerar las variaciones
en el índice sólo dentro de cada tile, cosa que no permitiría la comparación de uno con otro. Esto
hace que los valores de los índices para cada temática sean producto de una comparación a nivel
global, cosa que se tiene que tomar en cuenta en el momento de interpretar los resultados. El trabajo
de revisión de los datos de ingreso proveídos por CN, ha permitido evidenciar algunas debilidades e
incongruencias entre estos datos y la situación actual de la parte de San Martín considerada, sobre la
base de la experiencia madurada en el área de estudio y de la cartografía recolectada, hecho que ha
llevado a desarrollar estas operaciones:

 Diferentes modelos y mapas producidos utilizan como datos de cobertura del suelo
básicamente 3 mapas raster expresados en % de pixel ocupado, es decir, la cobertura de
árboles (cover of tree-covered ground), hierba (herb-covered groud) y suelo desnudo
(bare-covered groud), que, combinados, tienen que dar la suma de 100% por cada pixel, y
como uso del suelo, principalmente, dos mapas: cultivos (cropland) y pastizales
(pastureland), que pueden tener una intensidad de 0 a 1. Los mapas de input para la
cobertura de árboles, de hierba y de suelo nudo utilizados por CN son resultado de

73
 imágenes satelitales del año 2000, por eso se ha considerado necesario actualizar la
cobertura del suelo, debido a que, sobre todo en el Alto Mayo, entre el 2000 y 2012, ha
habido grandes cambios de cobertura boscosa. Para producir este cambio, se ha utilizado
la opción de cambio de cobertura y uso del suelo (land use and cover change) que forma
parte de los policy exercises, utilizando como área de cambio una ZOI creada gracias a
otro dato proveído por CN, es decir, el mapa de pérdida de bosque (LUCC: forest loss
2000-2012, Hansen/ UMD/ Google/ USGS/ NASA, % of pixel) entre el 2000 y el 2012.
En el gráfico n 5.2 se puede apreciar este mapa, donde se evidencian en color desde verde
hacia rojo pasando por el amarillo, el porcentaje (entre 31% low hasta el 100% high) de
pérdida de bosque sufrido entre 2000 y 2012. La secuencia lógica utilizada ha sido poner
la cobertura al 30% de bosque, 60% de hierba y 10% de suelo desnudo (proporciones
determinadas analizando los pixeles que se encuentran en áreas ya deforestadas en el año
2000) para el 90% de los pixeles que se encuentran en la ZOI creada y por los pixeles de
cobertura de bosque que estén por encima del 30.001% de árboles. Esto se hace para
evitar que los pixeles con menos de 30% de cobertura de bosque suban ese porcentaje.
Además, se ha indicado que el uso del suelo de todos estos pixeles se ha convertido a
cultivos con una intensidad de 0.7 sobre 1.
 El cambio de los datos de entrada con informaciones espaciales recolectadas durante el
trabajo de campo desde diferentes instituciones. Se han cambiado sólo los datos proveídos
por CN que resultaban imprecisos o peores (a nivel espacial y/o temporal) respecto a los
datos a disposición y sólo donde un cambio en estas informaciones podía aportar algún
efecto en los resultados. Esto ha sido posible gracias a la opción de cambio de mapas de
ingreso (change inputs maps) de los policy exercices, modificando los mapas indicados en
la tabla n. 5.2. No se han podido modificar todos los mapas que se pretendía, ya sea por
falta de datos mejores a pesar de que los proveídos por el programa tuvieran claramente
un patrón extraño, o porque algunos datos (como las represas hidroeléctricas), para tener
efectos en el programa, necesitaban de otros ajustes que no eran posibles o eran muy
complicados de desarrollar.

74
 Mapa proveído por CN Información utilizada por crear el raster de cambio

Roads (GAUL) - carreteras Vectorial de las carreteras de San Martín proveído por el
ARA, considerando las carreteras asfaltadas y afirmadas

Mining concession – Concesiones mineras Vectorial de las concesiones mineras proveído por el ARA
actualizado a Mayo 2013

Oil and Gas concession – Concesiones Vectorial de las concesiones petroleras proveído por el ARA
petroleras actualizado a Abril 2013.

Planned transportation routes – Carreteras Vectorial de los proyectos de nuevas carreteras por las
planificadas provincias de Rioja y Moyobamba proveído por el PEAM

Rural populated places – Sitios poblados Vectorial de los centros poblados rurales proveído por el
rurales ARA

Tab. n. 5.2. Datos globales substituidos con datos secundarios recolectados.

Gráfico n. 5.2. Cambio en el porcentaje de cobertura de bosque entre 2000 y 2012 según los datos proveídos por CN.
Elaboración propia.

75
 5.1.5. La construcción del escenario de conservación

Una vez creada la línea de base para el 2013, se ha procedido a centrarse en los escenarios de
cambio. El escenario de conservación ha sido producto de la revisión de diferentes instrumentos y
planes, en particular, la ZEE del Alto Mayo y el mapa de catastro verde del Sistema Regional de
Conservación (gráfico 5.3 y 5.4) (GORESAM et al., 2007; ARA, 2014), las Políticas Territoriales
Regionales (GORESAM, 2012) y para las provincias de Rioja y Moyobamba, los documentos del
Plan de Ordenamiento Territorial y la información espacial proveídos por el PEAM, productos del
proyecto de Ordenamiento Territorial para las dos Provincias (Equipo profesional del proyecto
“Desarrollo de Capacidades para el Ordenamiento Territorial en las provincias de Moyobamba y
Rioja.”, 2012 a y b; 2013 a y b). En este caso se ha utilizado siempre la opción land use and cover
change repetida cuatro veces gracias a la posibilidad de apilar diferentes opciones de cambio en
secuencia (stack scenarios). Se han excluido de los cambios las áreas que presentan una vegetación
originaria de pajonal andino (gráfico n. 5.3 y 5.4), siendo natural en estos ecosistemas la ausencia
de árboles. Los pasos seguidos son:

 Primer paso: se ha cambiado a 75% de árboles, 25% de hierbas y 0% de suelo desnudo

(proporciones determinadas analizando los pixeles que se encuentran en áreas con buena
cobertura forestal en el 2000) por el 90% de los pixeles que se encuentran en una ZOI
creada con el dato vectorial del Bosque de Protección Alto Mayo (BPAM) y solo en los
pixeles que tienen cobertura de árboles menor del 74.999%, convirtiendo estos pixeles a
áreas protegidas con una intensidad de 1. El BPAM es la principal áreas protegidas de la
zona de estudio, como se puede ver en los gráficos 5.3 y 5.4, además es un sitio priorizado
para su conservación y recuperación por parte del ARA y del SERNANP (Servicio Nacional
de Áreas Naturales Protegidas). Por estas motivaciones se le ha dado más posibilidades de
éxito y se han querido convertir los pixeles deforestados y utilizados como agricultura de la
simulación de cambio entre el 2000-2013 nuevamente en áreas protegidas.
 Segundo paso: se ha cambiado siempre al 75% de árboles, 25% de hierbas y 0% de suelo
desnudo, pero el 70% de los pixeles que se encuentran en una ZOI creada con el dato
vectorial de las otras áreas naturales protegidas (ZoCREs creadas y propuestas, concesiones
de conservación otorgadas y propuestas, áreas de conservación privadas) y se ha convertido
en zona natural con una intensidad de 0.7. Estas áreas que son parte del Sistema Regional de
Conservación y se encuentran en zona de protección y conservación ecológica según la
ZEE, están integradas en diferentes proyectos de recuperación, conservación y planes de
manejo, pero también, en muchos casos, son lugares donde está asentada población

76
 inmigrante que las utilizan para la agricultura, por eso, las posibilidades de éxito son
menores.
 Tercer paso: se ha cambiado con las mismas proporciones de cobertura vistas antes pero el
50% de los pixeles que se encuentran en una ZOI creada con el dato vectorial de las
comunidades nativas y se ha convertido en zona natural con una intensidad de 0.7. Como se
puede ver en el gráfico 5.4, las comunidades nativas, sobre todos las de etnia Awajún del
Alto Mayo, son las que han sufrido mayor pérdida de bosque entre 2000 y 2012 a causa de
la práctica de alquilar los terrenos a los colonos que han convertido los bosques en
plantaciones de café y otros cultivos. Aunque haya diferentes proyectos de reforestación y se
quiera empezar un proceso de etnozonificación indígena para determinar áreas de protección
y recuperación en las comunidades, las posibilidades de éxito se consideran menores, ya sea
porque son las zonas más deforestadas en los últimos años, o porque los terrenos son
alquilados a terceros a través de contratos.
 Cuarto paso: el cambio del mapa de carreteras, incluyendo las que en 2013 están
planificadas y que se espera que estén construidas en un próximo futuro, según los datos del
POT de las Provincias de Rioja y Moyobamba.

77
Gráfico n. 5.3. Relación entre ZEE y estado del bosque al 2013. La cobertura de bosque indica el porcentaje del pixel
ocupado por arboles al año 2000 por cada pixel, mientras el cambio de cobertura de bosque presenta los pixeles que han
sufrido una pérdida de arboles entre el 2000 y el 2012, siempre como porcentaje. Elaboración propia

78
Gráfico n. 5.4. Relación entre SRC y estado del bosque al 2013. La cobertura de bosque indica el porcentaje del pixel
ocupado por arboles al año 2000 por cada pixel, mientras el cambio de cobertura de bosque presenta los pixeles que han
sufrido una pérdida de arboles entre el 2000 y el 2012, siempre como porcentaje. Elaboración propia

5.1.6. La construcción del escenario tendencial (business as usual)

Para este escenario se ha considerado la información proporcionada por la mesa REDD+ de San
Martín, en particular, los documentos de trabajo “Análisis histórico de la deforestación en la Región
San Martín” (Conservación Internacional, 2013a), “Proceso de Construcción de Fortalecimiento de
Capacidades Técnicas en REDD+: Caso San Martín, Perú” (Conservación Internacional, 2013b) y
el borrador del documento “Guía para el Desarrollo de una Hoja de Ruta hacia una estrategia
REDD+ para la Región San Martín” (Mesa REDD SM, 2012). Estos tres documentos proporcionan
informaciones sobre las causas de la deforestación en San Martín, el estudio de cambio bosque – no

79
bosque por los años 2000-2005-2010 con datos sobre las tasas y el porcentaje de áreas deforestadas
y la deforestación proyectada hasta el 2020. No habiendo podido acceder al raster sobre la
modelación de la deforestación a futuro creado por estos estudios, se ha utilizado el escenario land
use and land cover change de Costing Nature, esta vez con la opción modelación de cambio de uso
del suelo (run land use change model), donde se puede cambiar la cobertura de los pixeles
utilizando diferentes tasas de deforestación y los datos de deforestación de los últimos años. Así, en
base a la tasa de deforestación del periodo 2000-2005-2010 del estudio de la mesa REDD+ de San
Martín y los datos de deforestación de CN, se ha podido crear un escenario donde se han cambiado
los pixeles al 30% de arboles, 60% de hierba y 10% de suelo desnudo, continuando la tasa de
deforestación corriente según el mapa de pérdida de bosque de CN (Forma Forest Loss, 0.47% de
tierra/año) para los próximos 10 años y añadiendo un porcentaje de pérdida de bosque/año de 0.5
para acercar la tasa a la calculada por el estudio de la Mesa Técnica Regional REDD+ del Alto
Mayo, que es alrededor de 1, refiriéndose a las Provincias de Rioja y Moyobamba, que ocupan la
mayor extensión de la cuenca del río Mayo. Para dar una distribución espacial lo más real posible
de la evolución de la deforestación futura, CN permite añadir algunos criterios como la inclusión de
los datos sobre las carreteras, tanto actuales como planeadas, que, como se ha visto, es uno de los
principales impulsores de deforestación, y los datos sobre la aptitud agrícola del área considerada,
debido a que será más probable que la deforestación se desarrolle en estas zonas. Aquí también se
ha evitado un cambio en los pixeles que ya están por debajo del 30% de cobertura de bosque y se ha
convertido el uso en cultivo con intensidad de 0.7.

5.2. Resultados y discusiones

En esta sección se presentan los mapas resultados de las elaboraciones con CN del análisis previo
sobre la Amazonía norte de Perú y de la línea base y escenarios del Alto Mayo. Cada mapa es la
expresión espacial de un índice de valor relativo que varía de valores bajos desde el 0 (tonalidades
verdes) hacia valores altos llegando a un máximo de 1 (tonalidades rojas), donde cada pixel asume
un valor diferente producto de los módulos vistos en la tabla n 5.1. CN permite la producción de
más de 30 diferentes mapas según los aspectos y variables consideradas. En este trabajo se
presentarán sólo los mapas que se han seleccionado como más interesantes después de una revisión
de los diferentes productos. En particular, por lo que tiene que ver el Alto Mayo específicamente, se
han elegido los mapas relativos a los SS.EE. hídricos realizados, al secuestro y almacenamiento de
carbono y el mapa de biodiversidad, ya que parecen representar mejor la realidad del área y
permiten traer consideraciones sobre los escenarios de cambio. Estos SS.EE., además, corresponden

80
a los que más importancia tienen para los proyectos de compensación para SS.EE. en desarrollo en
la Región y los SS.EE. hídricos y la biodiversidad corresponden también a los valores sociales más
importantes para los actores locales. Además de estos mapas, se han seleccionado otros resultados
sobre aspectos relacionados con los SS.EE. y los ecosistemas y que pueden mostrarse interesantes
en los procesos de planificación y gestión, es decir: el mapa sobre las presiones actuales, el mapa de
amenazas futuras y el mapa de las prioridades de conservación. Por cada mapa, se intentarán extraer
consideraciones sobre su validez, límites, posibilidades de uso y correspondencia con la realidad o
la capacidad de detectar cambios, sobre la base de la experiencia acumulada en el área de estudio y
de las informaciones espaciales recolectadas, como son las informaciones relativas a la ZEE, a las
infraestructuras desarrolladas y en desarrollo, los datos del Sistema Regional de Conservación, de la
Mesa REDD de San Martín, entre otros. En este trabajo, se ha preferido no presentar los mapas de
resultados que incluyen los 4 SS.EE. juntos (bundled ES), realizados y potenciales -únicos
resultados disponibles también en la versión gratuita de la herramienta-, debido a que bajo nuestro
criterio, resulta más útil para los objetivos de investigación y más comprensible, tratar cada SS.EE.
por separado.

5.2.1. Análisis previo de San Martín en la Amazonía norte de Perú

En los siguientes mapas (gráficos 5.5-5.13), se reportan los productos de la elaboración con CN
para toda la Amazonía norte de Perú (Regiones San Martín, Amazonas y Loreto), considerados más
significativos para poder confrontar la situación de San Martín con las otras regiones de este área
amazónica.

Según el primer mapa donde se pueden visualizar las presiones actuales sobre los ecosistemas por
parte de diferentes actividades humanas, se puede observar como la Región San Martín es
actualmente la que tiene el valor más alto, evidenciado por la gran presencia de color rojo que
indica la mayor presencia de presiones, dado por la combinación de los diferentes factores
antrópicos considerados por CN para el cálculo de este índice (véase tabla 5.1). Como se puede
apreciar, en casi toda la Región se encuentran estos diferentes factores, siendo la más poblada, con
una gran densidad de actividades agrícolas y de pastoreo, un extenso eje vial y que ha visto
profundos cambios en el uso del suelo en la temporada 2000-2012. Se pueden apreciar también
diferentes presiones en la parte sur de la Región Amazonas, en la parte norte de la Región Loreto,
en correspondencia con las infraestructuras para la explotación petrolera y a lo largo de los
principales ejes viales y fluviales, en particular, alrededor de la capital Iquitos y cerca de la frontera
con San Martín, donde es más alta la densidad de infraestructura vial y donde en los últimos años ha
habido una fuerte deforestación por actividades de agricultura industrial (en este caso, palma

81
aceitera). Confrontando este mapa con el gráfico 5.7, donde se pueden ver las prioridades de
conservación por CN, las Áreas Naturales Protegidas por el estado peruano y los territorios de las
comunidades nativas por esta parte de Amazonía, se puede apreciar como es mayormente San
Martín la que presenta mayores presiones en correspondencia o cerca de estas áreas de conservación
ambiental y cultural, cosa en la que profundizaremos en la parte dedicada a esta Región. Según la
experiencia acumulada y los datos recolectados, este mapa representa con un buen grado de
exactitud la situación de este área en base a las variables consideradas, aparte de algunas
incongruencias: tomando como ejemplo la Región Loreto, las líneas de presión en amarillo que
corresponden a las carreteras, en base al mapa de carreteras existentes y proyectadas del trabajo
Loreto Sostenible (Dourojeanni, 2013), no son todas reales en cuanto a que hay diferentes carreteras
que actualmente no existen, indicando que el mapa de ingreso de las carreteras de CN tendría que
ser mejorado.

82
Gráfico n. 5.5. Presiones actuales en la Amazonia norte peruana. Elaboración propia.

El mapa sobre las amenazas futuras (gráfico 5.6), creado considerando el promedio de las variables
que se pueden apreciar en la tabla 5.1, muestra un valor más alto (color hacia el rojo) en gran parte
de la Amazonía entre la Región Loreto, San Martín y Amazonas. Es más difícil poder traer
consideraciones sobre este valor, debido a que utiliza datos globales de variaciones futuras para
diferentes factores como el Producto Bruto Interno, la población, proyecciones de cambio climático,
la presencia de recursos minerales o la aptitud de una zona a la expansión agrícola, sobre los cuales
no se dispone de informaciones mejores o diferentes; además es más complicado entender cómo
influyen en la construcción del índice cada uno de estos factores. De todas formas, se puede
apreciar cómo, en base a este mapa, la Amazonía norte peruana se encontrará bajo diferentes

83
presiones en un futuro próximo, hecho que parece confirmado, por lo menos por la Región Loreto
en el trabajo Loreto Sostenible (Dourojeanni, 2013), que especula sobre diferentes escenarios hacia
el 2021 que pueden interesar a esta Región, ya sea bajo una visión de desarrollo sostenible o bien,
tendencial (business as usual), es decir, si todas las presiones actuales siguen desarrollándose con el
mismo ritmo y si los proyectos planeados se cumplen.

Gráfico n. 5.6. Amenazas futuras en la Amazonia norte peruana. Elaboración propia.

Por lo que respecta a las prioridades de conservación (gráfico 5.7), se nota como hay una buena
correspondencia entre los valores más altos dados por las superposiciones de las prioridades de

84
conservación de diferentes instituciones internacionales (véase tabla 5.1) con las Áreas Naturales
Protegidas (ANP) del Sistema Nacional de Áreas Naturales Protegidas del Perú (SINANPE) y los
territorios titulados a las comunidades indígenas. Se consideran también los territorios indígenas en
este análisis debido a que diferentes estudios han demostrado como son áreas que, gracias a la
relación de estas poblaciones con su entorno, se pueden considerar zonas de protección cultural y
ambiental (RAISG, 2012) y en los análisis de Amazonia Bajo Presión RAISG (2012), se evidencia
como estas áreas presentan, en general, una menor tasa de deforestación respecto al resto de la
Amazonía. Se tendría que investigar si las áreas con bajo valor para CN pero que tienen alguna
forma de protección por el estado peruano, deben ser producto de investigaciones y criterios
diferentes. CN considera medianamente prioritario también el territorio que corre a lo largo de los
grandes ríos amazónicos de Loreto pero que, aparte de la presencia de comunidades nativas, no
resulta, de ninguna forma, de protección para el Estado.

85
Gráfico n. 5.7. Prioridades de conservación en la Amazonia norte peruana. Elaboración propia.

Pasando a analizar los SS.EE. (gráficos 5.8-5.13), el primer mapa presenta la situación actual en la
Amazonía norte de Perú sobre los SS.EE. hídricos o de provisión de agua realizados (véase tabla
5.1). En este mapa se puede apreciar como San Martín (y en particular la cuenca del rio Mayo)
resulta la Región donde más se utiliza este tipo de servicio (tonalidades rojas), debido a la gran
presencia de población y de actividades humanas, junto con el área alrededor de la capital de la
Región Loreto, Iquitos y la parte sur de la Región Amazonas. La gran presencia de actividades
humanas comporta también que el porcentaje de agua que resulta contaminado por estas actividades
sea alto (huella humana, véase tabla 5.1), llevando a una disminución de los SS.EE. hídricos
potenciales, que CN considera máximos para la Amazonía, como se puede apreciar en el mapa 5.8
86
donde casi todo el área esta en color rojo, correspondiente con un valor de 1. Estos mapas parecen
bastante cercanos a la realidad y pueden tener un buen potencial de utilidad, ya sea en la definición
de zonas de intervención por este tipo de SS.EE. y de implementación de proyectos de
compensación por SS.EE. hídricos, o bien para investigar los cambios en este servicio a través de la
construcción de escenarios con CN.

Gráfico n. 5.8. SS.EE. Hídricos realizados en la Amazonia norte peruana. Elaboración propia.

87
Gráfico n. 5.9. SS.EE. Hídricos potenciales en la Amazonia norte peruana. Elaboración propia.

El mapa relativo a los SS.EE. de secuestro y almacenamiento de carbono (gráfico n. 5.10), da como
área con más alto valor, la parte evidenciada en rojo perteneciente a la Región Loreto, aunque el
valor se mantiene mayor a 0.5 en gran parte del área del mapa. Como se puede ver comparando este
mapa con el gráfico 5.7, buena parte del área con valor máximo de SS.EE. de carbono en Loreto, es
también considerada como prioritaria a nivel de conservación y está efectivamente considerada
como Área Natural Protegida por el Perú. Si tenemos en cuenta, además, el gráfico 5.13 que
representa el valor de biodiversidad, donde se puede ver que el mismo área presenta un valor muy
alto también para este aspecto, se puede apreciar que la protección de esta zona es prioritaria,
debido a que permite el mantenimiento de múltiples SS.EE.. Valores muy bajos de SS.EE. de
carbono se encuentran sólo en correspondencia con zonas altamente deforestadas, a lo largo de los
grandes ríos y en áreas elevadas donde empiezan los ecosistemas andinos con limitada o nula
cobertura forestal. La Amazonía es efectivamente un ecosistema considerado fundamental a nivel

88
internacional por lo que concierne el secuestro y almacenamiento de carbono atmosférico y con este
mapa se pueden evidenciar las áreas más propicias para el desarrollo de proyectos REDD+.

Gráfico n. 5.10. SS.EE. Carbono en la Amazonia norte peruana. Elaboración propia.

El mapa de los Servicios de turismo de la naturaleza realizados se avala por un proxy como es la
densidad de fotos en el servicio de intercambio de estas en la web Panoramio en 2010 (gráfico n.
5.11). Este servicio presenta como zonas con mayor densidad (tonalidades rojas) las áreas alrededor
de las capitales regionales, donde efectivamente más se desarrolla la actividad turística en sitios
naturales con atractivos turísticos tales como áreas arqueológicas, cataratas, ríos, fácilmente
alcanzables gracias a la presencia de infraestructura que permite una buena accesibilidad y su

89
aprovechamiento. Esta metodología para mapear este tipo de servicio parece interesante cuando se
trabaja a nivel global o a nivel de grandes áreas y puede dar una primera aproximación de este tipo
de servicios desarrollado a nivel de la Amazonia norte de Perú, aunque limita la investigación a un
sector de la población con recursos económicos y capacidades informáticas para poder subir a la red
las fotos.

Gráfico n. 5.11. SS.EE. Turismo en la Amazonia norte peruana. Elaboración propia.

El SS.EE. realizado de mitigación de amenazas naturales es un servicio que en su cálculo requiere

de un complejo modelo con diferentes asuntos y datos, como se puede ver en la tabla 5.1.
Naturalmente resulta más alto en correspondencia con actividades e infraestructuras antrópicas
donde este servicio se puede realizar, es decir, en las zonas más pobladas de San Martín y
Amazonas y en los ejes viales de la Región Loreto, aunque, como se ha visto hablando de las

90
presiones actuales, no todos estos ejes existen. Se puede ver también como el patrón para este valor
tiene una morfología rara en ciertas áreas, con una forma de “escalera” (entre San Martín y
Amazonas). Esto depende de algunos de los datos de entrada de CN que se tendrían que mejorar,
como el mapa del Producto Bruto Interno, que presenta este patrón que no representa bien a la
realidad.

Gráfico n. 5.12. SS.EE. Mitigación de riesgos realizados en la Amazonia norte peruana. Elaboración propia.

Se concluyen los mapas relativos a la Amazonia norte de Perú con el mapa de biodiversidad
(gráfico 5.13), que indica un gradiente de aumento de biodiversidad desde las zonas andinas hacia
la Amazonia baja, siendo máximo en Loreto, en particular en las zonas de los grandes ríos, aunque
se puede notar la presencia en San Martín y Amazonas de diferentes manchas pequeñas con un
91
valor más alto, producto probablemente de la presencia de endemismos en estas zonas de transición
entre Andes y Amazonia. Como se sabe por diferentes investigaciones, la Amazonia Baja es uno de
los ecosistemas más biodiversos del mundo, aunque se esperaría un valor más alto en
correspondencia con la región de Yunga o Selva Alta (ecosistema siempre de alta biodiversidad que
cubre la mayor parte de San Martín y Amazonas); pero para poder traer mayores consideraciones
sobre este mapa se necesitarían ulteriores análisis, en particular de los datos de entrada.

Gráfico n. 5.13. Biodiversidad en la Amazonia norte peruana. Elaboración propia.

92
 5.2.2. Mapas de línea base del Alto Mayo al 2013

En la presentación de la línea base sobre San Martín en 2013, donde se ha considerado como área
de estudio el Alto Mayo insertado en los 4 tiles en los cuales se encuentra, se reportan los mapas
producidos con CN, a la resolución espacial de 1 hectárea y que presentan características de interés
para esta investigación. Como se puede observar, el uso del índice a nivel global, elección obligada
si se quiere trabajar con más de un tile, lleva a tener para algunos mapas, valores muy bajos, debido
a que el índice de 0 a 1 está calculado considerando valores globales. Esto lleva al hecho de que
SS.EE. realizados, como los hídricos, tengan un valor muy bajo en un área con tan poca densidad de
población si lo comparamos, por ejemplo, con zonas como el delta del río Nilo en Egipto, donde la
densidad de población usuaria es mucho más alta. A esto se tiene que añadir que el hídrico, como el
SE de turismo de la naturaleza y la mitigación de riesgos naturales, son servicios que se consuman a
nivel local, por eso no tienen un gran impacto a nivel global. Por el contrario, para los SS.EE. de
carbono y para la biodiversidad, tendremos un valor elevado debido a que la Amazonia es un
territorio que a nivel mundial presenta, de forma muy elevada, estos aspectos. El uso de la
resolución espacial de una hectárea tiene como consecuencia uno de los límites encontrados en el
programa, o sea, la presencia de patrones gruesos no demasiado comprensibles para ciertos mapas
de salida, que son efecto de la utilización de datos con escalas y tamaños de celdas mucho mayores
que una hectárea. Además, la unión de más de una ventana tile, lleva a producir ciertos efectos de
borde dados por las interpolaciones que hace el modelo, que se pueden notar en ciertos mapas entre
una ventana y la otra. Los mapas que se van a presentar son: presiones actuales, amenazas futuras,
prioridades de conservación, SS.EE. hídricos realizados, SS.EE. de almacenamiento y secuestro de
carbono, biodiversidad. Se han excluido: mapas de SS.EE. de turismo de la naturaleza, que a la
resolución de 1 hectárea presentaban una errónea ubicación espacial del área con más densidad de
fotos de Panoramio, según una evaluación visual con el mapa de los lugares turísticos y que, según
los desarrolladores de CN, podría ser causado por un problema de reducción de escala
(downscaling) del mapa de origen utilizado a esta resolución; y el mapa de SS.EE. de mitigación
natural de riesgos donde, a la resolución de una hectárea, resultaba aun más evidente el patrón raro,
efecto de algunos datos de entrada que se tendrían que mejorar. Se tiene que recordar que CN
permite producir alrededor de 30 mapas de salida que consideran diferentes combinaciones de los
módulos vistos en la tabla 5.1, como el mapa producto de la combinación de los 4 SS.EE., tanto
potenciales como realizadas, que permite evidenciar las áreas donde es mayor el valor combinado
de estos servicios. En esta investigación, debido a ciertos límites y problemas encontrados en
algunos output que afectaban a este tipo de mapas de módulos agregados, se ha preferido considerar
los SS.EE. y los otros aspectos (biodiversidad, etc.) por separado.

93
En el primer mapa, se pueden apreciar las presiones actuales sobre el ecosistema (gráfico n. 5.14)
que afectan a buena parte del territorio del Alto Mayo, en particular en la parte plana, más favorable
al desarrollo de actividades agrícolas, donde también se encuentran la mayor densidad de ejes
viales. El índice tiene su máximo valor en correspondencia con diferentes comunidades nativas de
etnia Awajún del Alto Mayo, donde en los últimos años se ha sufrido una fuerte deforestación a
causa de la práctica entre esta etnia de alquilar los terrenos de la comunidad a los colonos para su
uso agrícola. Este caso es peculiar, en cuanto a que va en contra de la tendencia con los análisis del
RAISG (2012), donde se indica que, normalmente, en los territorios indígenas y en las áreas
naturales protegidas es menor la tasa de deforestación respecto al resto del territorio amazónico. Los
valores más bajos de presión se pueden apreciar en correspondencia con el BPAM, aunque se
puedan encontrar valores medios dentro de este área protegida en el norte, a lo largo de la carretera
que la atraviesa y en su zona de amortiguamiento en los Distritos de la margen derecha del río
Mayo; en las comunidades indígenas Awajún que se encuentran en la parte alta de la margen
izquierda del río Mayo, aparte de algunas áreas en rojo, donde es más difícil el acceso por falta de
ejes viales y donde todavía los bosques se mantienen bastante intactos. Este mapa parece evidenciar
con un buen grado de exactitud las presiones que actualmente interesan a esta parte de San Martín y
su uso, en particular, para monitorear el desarrollo de estas presiones, podría ser muy útil en los
proyectos de conservación y planificación.

94
Gráfico n. 5.14. Presiones sobre el ecosistema del Alto Mayo. Elaboración propia.

En el mapa de amenazas futuras (5.15), se puede notar el efecto de los lotes petroleros y de las
concesiones mineras en el patrón de este valor, ya que el índice sube en correspondencia de las
áreas que entran en las zonas que en un futuro podrían presentar explotación y exploración petrolera
y minera. Se puede observar también una línea curva que pasa por el medio del Alto Mayo e influye
en el índice, producto probable da algún mapa de ingreso global, sobre el cual no se pueden traer
mayores consideraciones. Áreas con valor medio de amenaza (en naranja) se encuentran en el Alto
Mayo, probablemente por la influencia de la reciente deforestación ocurrida en estos lugares.
Valores muy altos se ubican alrededor de las principales ciudades y en forma de líneas donde se
planea construir ulteriores carreteras. Los territorios que presentan menos amenazas corresponden al

95
Bosque de Protección Alto Mayo donde hay menos presencia de población y de actividades
antrópicas. También este mapa tiene buen potencial de utilidad en los proyectos de planificación y
conservación, aunque se necesitaría tener una compresión más clara de algunos mapas de ingreso.
Se tiene que recordar y evidenciar que la correspondencia respecto a la situación real de este, como
todos los otros mapas, es dependiente de los modelos utilizados y de los datos de ingreso. CN
utiliza modelos y datos que puedan ser aplicados a nivel global, por esto tiene el defecto de no
considerar factores locales, como podría ser la venta ilegal de tierras en el caso de las amenazas
futuras al BPAM.

Gráfico n. 5.15. Amenazas futura sobre el ecosistema del Alto Mayo. Elaboración propia.

96
Por lo que concierne a las prioridades de conservación, o sea, el valor que indica dónde prevalecen
los intereses de conservación de diferentes instituciones internacionales; se puede ver como hay una
buena correspondencia entre el valor más alto del índice y el Bosque de Protección Alto Mayo con
su zona de amortiguamiento, significando que la protección de esta zona es prioritaria también para
diferentes instituciones a nivel internacional. Las otras áreas de conservación menores, en particular
las ZoCREs, encuentran solo parcialmente correspondencia con este índice, cosa que tal vez podría
significar que este mapa tiene limitaciones para detectar las prioridades de conservación locales
(gráfico n. 5.16).

Gráfico n. 5.16. Prioridades de conservación en el Alto Mayo. Elaboración propia.

97
Mirando ahora a los SS.EE., en el mapa 5.17 se presenta la situación actual relativa a los SS.EE.
hídricos que parece estar bastante bien representada. Aquí se puede ver cómo el Alto Mayo sea un
área con alta provisión de este servicio, donde se concentra la mayor parte de las actividades
agrícolas, la población y las principales ciudades, y se puede notar como el valor disminuye agua
abajo de las infraestructuras y ciudades a causa del aumento del porcentaje de agua contaminada. Se
puede apreciar también el valor más bajo producto de la simulación efectuada en las zonas
afectadas por la deforestación y el cambio de uso del suelo a actividades agrícolas ocurrido desde el
año 2000 y que por eso ha aumentado la huella humana, disminuyendo la cantidad de agua limpia.
El valor más alto se encuentra justamente en la margen derecha de río Mayo en correspondencia
con los Distritos mayormente poblados y donde se desarrollan diferentes actividades agrícolas y que
por eso, se aprovechan más del agua de los bosques situados en las partes altas. Este valor se cree
que tendría que extenderse más al norte hasta llegar también a la ciudad de Naranjos, otra zona
afectada por diferentes actividades agrícolas, pero que tal vez no está representada por los datos
globales. Se considera también que valores más altos tendrían que ubicarse en correspondencia con
la parte agua arriba de la ciudad de Moyobamba que es la más poblada del Alto Mayo, pero al
parecer, los datos globales no representan bien este factor y también en la cuenca del río Gera
(Distrito de Jepelacio), donde se encuentra una central que no está representada por los datos
utilizados por CN. En general, este mapa, con pequeños ajustes en algunos datos de ingreso, podría
tener un buen potencial de utilidad en los proyectos inherentes a los SS.EE. hídricos y, en general,
de conservación y planificación.

98
Gráfico n. 5.17. SS.EE. Hídricos realizados en el Alto Mayo. Elaboración propia.

Los SS.EE. de secuestro y almacenamiento de Carbono, representados por el mapa 5.18, se

perciben generalmente altos en toda el área de estudio, disminuyendo sólo en correspondencia con
zonas muy deforestadas o en las áreas más altas del BPAM que presentan una vegetación mas
herbácea coincidente con el pajonal andino. Se esperaba un valor bajo en correspondencia de las
áreas deforestadas desde el 2000, producto de la simulación efectuada por llegar a la situación para
2013, pero como se verá en la parte relativa a los escenarios, se han presentado algunas anomalías
en los mapas de salida. De todas formas, será interesante comparar este mapa con los mapas
relativos al carbono producidos por la Mesa REDD San Martín. Una consideración que podría ser

99
relevante investigar es el bajo valor de carbono que tiene el BPAM en la margen derecha del río
Mayo, área protegida que ha sido priorizada por los proyectos REDD+ en San Martín.

Gráfico n. 5.18. SS.EE. Carbono potencial y realizado en el Alto Mayo. Elaboración propia.

Como último mapa (gráfico n. 5.19), se puede visualizar la biodiversidad que tiende a seguir un
gradiente hacia valores más altos, acercándose a la zona de Amazonia Baja, aparte de algunas
manchas de color tendente al rojo correspondientes a los endemismos detectados por los mapas de
ingreso. En el mapa se puede apreciar también la influencia de los cambios de cobertura forestal
producto de la simulación para actualizar la situación al año 2013, pero que, como veremos en la
parte relativa a los escenarios, deja varias dudas sobre su validez. Este índice tiene en cuenta los

100
datos de riqueza de especies y de riqueza endémica para los mamíferos, anfibios, reptiles y aves
proveídos por las listas rojas de la IUCN (tabla n. 7.2), cosa que bajo nuestro criterio, puede ser útil
para consideraciones sobre la biodiversidad a nivel global o para grandes áreas, pero presenta
limitaciones para fines de conservación y planificación a nivel local.

Gráfico n. 5.19. Biodiversidad en el Alto Mayo. Elaboración propia.

5.2.3. Mapas del escenario de Conservación

En las próximas páginas se presentan los mapas producidos con el escenario llamado de
conservación. Este escenario se ha desarrollado incrementando la cobertura forestal en las áreas
protegidas de diferentes tipos, actuales y de próxima creación, que son parte del catastro verde del
Sistema Regional de Conservación, con diferentes reglas de reforestación establecidas en base a la
revisión de distintos planes y documentos en un arco temporal que llega hasta alrededor del 2021.
Todos los mapas están presentados en variación porcentual del valor entre la línea base del 2013 y
el escenario creado, cosa que permite visualizar fácilmente la variación producida en los SS.EE.. El
cambio de la cobertura forestal en porcentaje se puede apreciar en el primer mapa (gráfico n. 5.20)

101
donde se observa cómo han cambiado solo las zonas que son parte de alguna modalidad de
conservación. Los cambios porcentuales significativos han tenido lugar, principalmente, en las áreas
donde se había perdido bosque con el escenario en 2013 y en las zonas que habían sido muy
deforestadas hasta el 2000, mientras se puede apreciar que se han dado pequeñas variaciones (entre
1 y 20%) también en las zonas con bosque, debido a que ciertos pixeles tenían un porcentaje
levemente inferior al 75% de árboles. El mapa evidencia también la diferencia de recuperación de la
cobertura boscosa entre las zonas consideradas, donde, por ejemplo, el BPAM presenta el mayor
número de pixeles con cambio, habiendo elegido recuperar el 90% del área, mientras que las
comunidades nativas, donde se había elegido recuperar solo el 50% del área, presentan menos
pixeles con variación. Como se puede ver, hay también algunos pixeles que han perdido cobertura
de bosque y que corresponden a las carreteras planificadas en el 2013 y que se considera que
estarán construidas en 2021.

Gráfico n. 5.20. Variación % de cobertura del bosque con escenario de conservación en el Alto Mayo. Elaboración
propia.

102
En el mapa 5.21 se visualiza la variación en los SS.EE. hídricos realizados, notando una
recuperación entre el 46 y 72% de estos respecto al 2013 en las áreas que habían tenido una alta
deforestación entre 2000 y 2012, en particular en las comunidades indígenas Awajún del Alto
Mayo. En las zonas que ya presentaban una buena cobertura vegetal, el aumento es muy limitado.
Aquí se quiere evidenciar el primer límite que se ha encontrado en la creación de escenarios de
cambio. El resultado esperado con la creación de este escenario, además de la variación en las zonas
de cambio, era de un decrecimiento en los SS.EE. hídricos realizado en las áreas agua arriba de
estas, debido a que las áreas con variación han vuelto a ser ocupadas por bosques y por eso ha
disminuido su uso por parte del hombre; lo mismo se había notado en el escenario creado para
alcanzar la situación de 2013, donde se ha tenido una variación solo en las zonas de cambio,
mientras que se esperaba un incremento de las áreas de bosques agua arriba de las zonas convertidas
en agrícolas y un decrecimiento agua abajo por el aumento de la huella humana. Mientras, como se
puede ver en el mapa, han cambiado sólo los pixeles donde se han aplicado las variaciones y esto, a
nuestro parecer, resulta poco real. La explicación de los desarrolladores de CN ha sido que esto se
debe al uso del modelo de transferencia de beneficios (benefit transfer) para crear los escenarios,
elección obligada porque la herramienta trata diferentes SS.EE. y tiene que tratarlos todos de la
misma manera. El modelo de transferencia de beneficios permite desarrollar cambios solo a los
pixeles afectados por la aplicación de reglas de variación, mientras las otras áreas se quedan sin
alteraciones. Para poder obtener este tipo de escenario, se tendría que utilizar un modelo de
procesos, como por ejemplo, WaterWorld que es otra herramienta basada en la web que forma parte
del grupo de los instrumentos de apoyo a las políticas y que está diseñada específicamente para los
aspectos concernientes a los ciclos hidrológicos (policysupport, 2014d).

103
Gráfico n. 5.21. Variación % de SS.EE. Hídricos realizados con escenario de conservación en el Alto Mayo.
Elaboración propia.

En los próximos dos mapas relativos al SS.EE. de secuestro y almacenamiento de carbono (gráfico
n. 5.22 y a la biodiversidad (gráfico n. 5.23), se evidencia otro limite encontrado en el desarrollo de
escenarios de cambio. En un escenario de conservación, donde en casi todos los pixeles interesados
para un cambio, se va a aumentar el porcentaje de árboles, se esperaba también un general aumento
en el SS.EE. de secuestro y almacenamiento de carbono, debido al incremento de biomasa vegetal,
y una subida general en el índice de biodiversidad, debido al aumento de ecosistemas naturales. En
cambio, como se puede apreciar en los mapas, ya sea por el carbono o por la biodiversidad, se han
obtenido variaciones en porcentaje respecto a la línea base, tanto en positivo como en negativo. La
explicación de los desarrolladores de CN ha sido siempre referida a límites y problemas con el
modelo de transferencia de beneficios (benefit trasfer). En lo que concierne al carbono, puede
suceder que la cantidad de carbono del pixel de referencia con el mismo porcentaje de bosque del

104
escenario y que se encuentra en otra área del mundo (véase el párrafo 5.1 en la parte donde se habla
del funcionamiento del benefit transfer), sea diferente respecto a la esperada para el área de estudio:
así, un aumento de la cobertura de bosque en un pixel que presumiría un aumento de carbono, al
contrario, se manifiesta en su disminución, porque tal vez el pixel de referencia tiene un nivel de
carbono en el suelo más bajo, o el tipo de vegetación arbórea secuestra menos carbono que en la
Amazonia; lo mismo para la situación contraria, es decir, si hay una disminución en la cobertura de
árboles, el pixel podría acrecentar su cantidad de carbono porque a menudo, los pixeles tomados en
otra área del mundo con el mismo porcentaje de árboles, se encuentran en zonas con una elevada
cantidad de carbono en el suelo. Lo mismo sucede con la biodiversidad, donde un aumento en la
cobertura de árboles no significa un aumento de su valor, si el pixel tomado como referencia tiene
un menor valor de biodiversidad. Según los desarrolladores, estos errores pueden darse en ciertas
áreas del mundo y en particular, con la resolución espacial de una hectárea, pero una mejora en los
datos de ingreso y en la herramienta puede solucionar estos problemas, cosa que se espera para
próximas versiones del programa.

Gráfico n. 5.22. Variación % de SE Carbono con escenario de conservación en el Alto Mayo. Elaboración propia.

105
Gráfico n. 5.23. Variación % de la Biodiversidad con escenario de conservación en el Alto Mayo. Elaboración propia.

5.2.4. Mapas del escenario tendencial (business as usual)

En este último párrafo relativo a CN, se presentan los resultados del escenario tendencial. La
variación porcentual de cobertura del bosque y las zonas afectadas por este cambio se pueden
visualizar en el mapa 5.24. Se espera poder comparar este mapa con los resultados del estudio de
deforestación para 2020 de la Mesa REDD de San Martín cuando estén disponibles para su
consulta. Como se puede ver, en un futuro de aquí a 10 años, se podría perder gran parte del Bosque
de Protección Alto Mayo como de la ZoCRE Humedal del Alto Mayo, concentrándose los cambios
en la cuenca del río Mayo. En este mapa es interesante apreciar el patrón de deforestación, que
sigue los ejes viales y las zonas más idóneas para un posible desarrollo agrícola, además de estar
ligado a la distribución de los más recientes frentes de cambio de cobertura forestal.

106
Gráfico n. 5.24. Variación % cobertura de bosque con escenario tendencial (BAU) en el Alto Mayo. Elaboración propia.

Los SS.EE. hídricos realizados, como es previsible, tendrían una general disminución (gráfico n.
5.25), causada por el aumento de la huella humana para el desarrollo de nuevas actividades
agrícolas que podrían contaminar el agua. El desarrollo de este escenario por los SS.EE. hídricos, ha
llevado a las mismas consideraciones vistas en el párrafo 5.2.3: esta variación en porcentaje
respecto a la línea base, aunque podría ayudar en los proyectos sobre los SS.EE. y en procesos de
conservación y planificación, indicando como estas áreas podrían variar bajo ciertas reglas de
cambio, parece corresponderse, de manera limitada, con una situación real, faltando las
consecuencias en los pixeles no sujetos al modelo de transferencia de beneficios (benefit transfer).

107
Gráfico n. 5.25. Variación % de SS.EE. Hídricos realizados con escenario tendencial (BAU) en el Alto Mayo.
Elaboración propia.

En el mapa n. 5.26 relativo a la variación en porcentaje del secuestro y almacenamiento de carbono

y 5.27 relativo a la variación en la biodiversidad, se adoptan las mismas consideraciones sobre los
problemas con el modelo de transferencia de beneficios para esta área de estudio y con esta
resolución espacial, encontrados en el párrafo 5.2.3.

108
Gráfico n. 5.26. Variación % de SS.EE. Carbono con escenario tendencial (BAU) en el Alto Mayo. Elaboración propia.

Gráfico n. 5.27. Variación % Biodiversidad con escenario tendencial (BAU) en el Alto Mayo. Elaboración propia.

109
 6. Conclusiones
Valor social percibido de los servicios ecosistémicos

El trabajo de mapeo participativo y su elaboración con SolVES y con la kernel density, han
permitido producir mapas sobre la ubicación espacial de las áreas consideradas y percibidas como
más importantes en base siete valores sociales que corresponden a ciertos servicios ecosistémicos.
Estos valores sociales están relacionados a las características de los ecosistemas del Alto Mayo, en
particular a las formaciones vegetales prevalentemente de bosque y a los ecosistemas antrópicos
principalmente agrícolas.

Un primer aspecto interesante de los resultados obtenidos ha sido el orden de importancia de los
valores percibidos de los servicios ecosistémicos. Ya sea para los actores claves como para los de la
sociedad civil, el valor más importante ha sido el de sustento para la vida, es decir, los lugares o
áreas donde se genera, produce y renueva el agua y el suelo, probablemente vistos como los
recursos más importantes que sustentan todas las demás actividades, además de la vida humana.
Luego siguen los valores de biodiversidad, de uso y estético, aunque se hayan manifestado de
manera un poco diferente en las entrevistas con respecto a las encuestas. En los últimos lugares en
cuanto a importancia se encuentran el valor espiritual/cultural y el valor histórico, que a menudo no
estaban asociados a elementos naturales, sino a elementos religiosos o hechos históricos. También
el valor recreacional resulta entre los últimos valores percibidos en orden de importancia, resultado
esperado en cuanto a que los tipos de actores considerados son personas que viven y utilizan el Alto
Mayo principalmente como zona de producción y reproducción, más que como zona turística.

Este orden de importancia y la coincidencia de resultados entre las dos tipologías de actores,
corresponden con los planes e instrumentos de conservación y recuperación de ecosistemas que se
están implementando en el Alto Mayo y en San Martín en general hacia una “Región verde”.
También en estos instrumentos es prioritaria la importancia del mantenimiento de las condiciones
necesarias para permitir la provisión de agua y la conservación de la biodiversidad y de todos los
servicios y aspectos ligados al ecosistema más importante de la Región, o sea, el bosque.

Aún más interesante es ver en los mapas obtenidos la coincidencia de los lugares señalados por los
actores claves y por los actores de la sociedad civil, otro aspecto que demuestra la importancia de
este tipo de trabajo para dar soporte y validación social a los proyectos en curso de obra. Se
evidencia el hecho de que las dos tipologías de trabajos han sido llevadas por personal diferente, por
lo tanto se puede excluir una influencia de los encuestadores y/o entrevistadores en los resultados,

110
por lo menos con respecto a las coincidencias entre las dos tipologías de actores. Aunque en la
digitalización de los puntos, como se ha visto en el capítulo sobre la metodología del eje de trabajo
1, se ha tenido que colocar en ciertos lugares establecidos arbitrariamente los puntos que se referían
a áreas muy extensas o a ríos muy largos, no se espera haber influenciado los resultados, debido a
que se han utilizado los mismos criterios de digitalización establecidos previamente para los dos
trabajos. Este hecho puede, sin embargo, limitar el uso del mapa de puntos obtenidos para conducir
otros análisis que no se basan en densidad de puntos, como la distancia entre los puntos marcados y
el lugar donde viven los encuestados.

En conclusión, este trabajo parece confirmar el potencial que tiene el considerar, por parte de los
decisores que trabajan en proyectos de conservación y de planificación territorial, la percepción y
conocimientos de los actores sociales sobre el valor social de los servicios ecosistémicos, que
pueden validar los proyectos en desarrollo e incluso aportar más conocimientos o indicar si hay
necesidad de ulteriores reflexiones en base a las respuestas obtenidas, auspiciando alcanzar una co-
gestión del territorio (Hermann et al., 2011).

Respecto a si la identificación de los lugares con alto valor social es producto más de la experiencia
personal de los actores o de su habilidad en identificar sitios que por sus características ecológicas
son efectivamente importantes proveedores de SS.EE. (Brown, 2013; véase párrafo n. 2.1.5), la
correspondencia entre lugares marcados por actores de las encuestas y entrevistas y con los
proyectos de conservación del ARA, parece evidenciar un cierto conocimiento, aunque tal vez
inconsciente, de los sitios con más capacidad de provisión. Este importante aspecto necesita de
ulteriores y diferentes análisis, comenzando por la parte rural, donde, durante la digitalización de
los puntos, parecía mayor la influencia de la experiencia personal de los actores.

Otro aspecto que se debe tener en consideración es el escaso conocimiento de los actores sobre el
concepto de servicios ecosistémicos, que podría limitar el desarrollo de los proyectos, por lo cual se
recomienda una mayor socialización de los beneficios que la naturaleza brinda al hombre y de las
diferentes herramientas y proyectos a disposición para mantener y aumentar este flujo, asegurando
también una sostenibilidad económica a los procesos.

Mapeo participativo y SolVES

Esta tipología de trabajo de mapeo participativo se ha desarrollado utilizando un proceso de

crowdsourcing, como hemos visto en el párrafo n 2.1.4, es decir, a través de un número elevado de

111
encuestas y entrevistas a actores dispersos en un área relativamente extensa, para poder tomar en
cuenta y obtener la sabiduría de los actores locales. El hecho de no poder utilizar internet es una
limitación de este tipo de mapeo participativo, por este motivo se ha necesitado mucho personal
capacitado y recursos para el desplazamiento y material para el trabajo. Sin embargo, se espera que
esto haya llevado a una mayor precisión del trabajo, ya que los entrevistadores y encuestadores
entrenados han podido aclarar las dudas de los participantes. El hecho de que los puntos marcados
correspondan a menudo a áreas de importancia, ya sea para los actores clave o para los actores de la
sociedad civil y que también a menudo son áreas priorizadas en los proyectos del Gobierno
Regional y otras instituciones, parecen confirmar la idoneidad de los resultados obtenidos.

Gracias a reuniones de trabajos con los encuestadores y entrevistadores, se ha podido evidenciar la

necesidad para poder desarrollar de la mejor manera posible un trabajo de mapeo participativo de
este tipo, de motivar a las personas que van a marcar los puntos, haciéndoles entender la
importancia que asumen los actores al ser considerados en los proyectos, cosa que si no se consigue,
puede llevar al poco interés y a respuestas superficiales. Además, para que el proceso pueda ser
definido de verdad como participativo, se tiene que planificar y efectuar una devolución y
socialización de los resultados, cosa que se espera que ocurra a través del proyecto BioCuencas.

Otro asunto importante es la capacidad de utilización de un mapa, herramienta que puede ser muy
efectiva solo si se interpreta correctamente su funcionamiento, si no puede confundir al actor. Como
hemos dicho, la capacidad de utilización del mapa así como lo percibido por parte del personal que
ha llevado a cabo el trabajo ha sido generalmente media, tanto por las encuestas como por
entrevistas, con mayor tendencia a una capacidad buena para los actores públicos de las entrevistas.
También el uso del mapa en la ubicación de los valores resulta medio, donde algunos actores han
preferido indicar el nombre de los sitios. Para que esta herramienta pueda expresar su potencial,
como se ha visto en los párrafos 2.1.4 y 2.1.5, además de tener cuidado de que los respondientes
sean efectivamente capaces de utilizarla, se tiene que poner mucha atención en su creación,
planeando bien su escala, modalidad de trabajo, atributos que marcar, entre otros. La preparación
del mapa y la definición de los valores con la colaboración de actores locales y su previo ensayo, se
cree que han sido fundamentales para el mejor uso de esta herramienta.

En lo que concierne al procesamiento de los datos con la herramienta SolVES, los mapas obtenidos
parecen tener una buena correspondencia con la realidad percibida, en particular con valores que se
refieren a grandes áreas, como el de sustento para la vida y de biodiversidad, ya que están asociados

112
usualmente a capas ambientales que describen mejor las características de estos valores,
permitiendo evidenciar también otras áreas no marcadas, que en cambio presentan características
ambientales parecidas a las de las áreas con alta densidad de puntos.

Al contrario, con respecto al valor recreacional, parece ser más útil la kernel density, debido a que
este valor se asocia más a lugares específicos donde influyen también factores antrópicos (servicios
para aprovechar del sitio turístico), difícilmente representables con las capas ambientales.

Punto de fuerza de SolVES es su relativa simplicidad de utilización, reuniendo en una única

herramientas elaboraciones que necesitarían de mucha más experiencia en SIG para poder
desarrollarlas por separado en un software SIG. Como se ha visto en la presentación sobre SolVES
(párrafo n 6.1.2.), este instrumento incluye también una función de transferencia de valor (value
trasfer), para poder utilizar la información de los cuestionarios en otras áreas con características
similares, posibilidad que no se ha investigado en este trabajo, pero que si fuera efectiva podría
permitir un ahorro en el esfuerzo de recolecta de datos.

Como hemos visto en el párrafo n. 2.1.5, este proceso de mapeo participativo dedicado a los
conocimientos de los actores locales sobre aspectos relacionados a los SS.EE., es reconocido
siempre más importante en los procesos de toma de decisiones y como metodología para considerar
la componente social en la evaluación de los SS.EE. (Brown, 2013). Se indica también que todavía
son raros los casos donde efectivamente se toma en cuenta este tipo de información por parte de los
decisores (Brown, 2012; Brown & Kytta, 2014), por diferentes motivaciones como la falta de
voluntad o de un proceso metodológico y normativo que permita su inclusión. En el caso de este
trabajo, será interesante ver si y cómo será integrado en el proyecto BioCuencas y considerado por
parte de otros actores, como el ARA.

Estado actual de los servicios ecosistemicos y evolución a través de los escenarios de cambio

Los mapas producidos con Costing Nature permiten hacer algunas interesantes reflexiones sobre el
estado actual de los SS.EE. y aspectos asociados, en particular la biodiversidad, las presiones
actuales y las amenazas futuras sobre los ecosistemas, pero también han demostrado severas
limitaciones, en particular respecto a los escenarios de cambio y al uso de la herramienta con
resolución espacial de un hectárea.

113
Respecto al análisis previo actual sobre toda la Amazonia, desarrollado a la escala de 1 km2, se
puede apreciar como San Martín es la Región entre las tres consideradas (Amazonas, Loreto y San
Martín) que presenta más presiones sobre los ecosistemas debido a la cantidad de población
presente, a las actividades agrícolas, los proyectos de infraestructura y a la gran deforestación
ocurrida en los últimos años. Debido a estos factores, San Martín es también el área donde es más
alta la realización de los SS.EE. hídricos que son utilizados a nivel local por las diferentes
actividades antrópicas, mientras por los SS.EE. de carbono, que tienen un valor a nivel global, se
puede ver el aporte de la región Loreto gracias a su gran extensión en la amazonia baja. Este
análisis previo resulta interesante a la hora de comparar la situación de San Martín con las otras
regiones de la amazonia peruana.

En lo que concierne al área considerada en San Martín, los mapas permiten evidenciar de manera
bastante realista las zonas afectadas por importantes presiones y donde más SS.EE. hídricos se
realizan; parece también útil para evidenciar las amenazas futuras dadas por los proyectos
territoriales que podrían desarrollarse, aunque como se ha visto, se tiene que tener cuidado con los
datos de ingreso; el mapa sobre los SS.EE. de carbono necesita de ulteriores investigaciones,
además de una confrontación con los datos a disposición de la Mesa REDD+ de San Martín.

Con los escenarios de futuro se puede apreciar como el de conservación llevaría a una recuperación
de SS.EE. hídrico perdido en estos últimos años, debido a la gran deforestación ocurrida, mientras
con el escenario tendencial (Business As Usual, BAU) se evidencia donde se podría desarrollar la
deforestación y la pérdida de estos servicios en el futuro, si se sigue con esta tasa de deforestación.
Por los SS.EE. de carbono y biodiversidad, los mapas no resultan útiles, por lo menos en este área
de estudio y para este estadio de desarrollo de la herramienta. Se puede concluir que mientras para
la situación actual de los SS.EE., los mapas podrían efectivamente utilizarse como una herramienta
de soporte en los procesos de toma de decisiones, por ejemplo indicando las áreas con mayor
potencial para el desarrollo de proyectos de CSEH o evidenciando las presiones que están afectando
a estos servicios y las amenazas futuras que podrían afectarles, para los escenarios de futuro se tiene
que mejorar la herramienta. Para los SS.EE. hídricos en el específico, podría resultar útil utilizar CN
junto con la otra herramienta de apoyo a las políticas, es decir, WaterWorld (Policy Support,
2014d), que está diseñada específicamente para este recurso.

114
Costing Nature

El uso de la herramienta ha evidenciado un gran potencial, pero al mismo tiempo grandes límites,
que se tendrán que superar si se quiere que se convierta efectivamente en un instrumento de soporte
en los procesos de toma de decisiones relativos a los SS.EE. Naturalmente se tiene que tener en
cuenta que la herramienta está en desarrollo y con éste trabajo, que ha querido servir también como
prueba, se espera poder contribuir a su mejora.

Los aspectos interesantes de Costing Nature son: su posibilidad de ser utilizado a nivel global,
permitiendo la comparación entre diferentes áreas; la producción de diferentes mapas sobre
aspectos muy importantes de los SS.EE., biodiversidad, presiones actuales y amenazas futuras; la
posibilidad de utilizar datos ya incluidos en la herramienta y de poder incluir datos propios; y las
diferentes modalidades de visualización de los mapas y uso de los resultados, todas estas
características que hacen que sea una herramienta muy flexible y útil para poder hacer diferentes
consideraciones sobre estos aspectos de los ecosistemas y poder utilizarlos en la planificación y
gestión territorial y ambiental.

Los límites encontrados están vinculados con sus aspectos positivos, o sea, los datos globales en
varios casos no disponen de metadatos, por lo tanto son de difícil consulta. Además, se ha notado
que ciertos datos no representan bien la realidad del área, sobre todo los referidos a aspectos
antrópicos, como el producto interno bruto o estimaciones de crecimiento de la población,
probablemente por problemas en la reducción de la escala espacial (downscaling) de estos datos
globales. También su publicitación como herramienta muy simple de utilizar y apta para actores que
no tienen mucha capacidad con el SIG parece parcialmente verdadera, sobre todo en trabajos a
resolución de una hectárea, donde se tiene que tener mucho cuidado con los resultados. Esto se nota
sobre todo en la creación de los escenarios que han dado resultados que no parecen tener la
capacidad de representar la realidad a futuro y necesitan de varias mejoras para su efectivo uso.

De todas formas, se tiene siempre que tomar en cuenta, cuando se trabaja con modelos, que son
instrumentos poderosos solo en manos de personas que tienen un buen conocimiento del área en
cuestión para poder comprender los resultados y ver su correspondencia con la realidad, además de
ser vinculados a la bondad y al tipo de datos de ingreso utilizados y a los aspectos de la realidad
considerados en el funcionamiento del modelo.

115
Bibliografía

ARA (2014). Sistema Regional de Conservación. Presentación en Power Point. Moyobamba. No

publicado.

Ayanu, Y. Z., Conrad, C., Nauss, T., Wegmann, M., & Koellner, T. (2012). Quantifying and
mapping ecosystem services supplies and demands: a review of remote sensing applications.
Environmental Science & Technology, 46(16), 8529–41.

Bagstad, K. J., Semmens, D. J., Waage, S., & Winthrop, R. (2013). A comparative assessment of
decision-support tools for ecosystem services quantification and valuation. Ecosystem
Services, 1–13.

Barbier, E. B. (1994). Valuing Environmental Functions: Tropical Wetlands. Beijer Reprint Series
n. 26.

Bearden, M. J. (2007). The National Map Corps. The USGS„s Volunteer Geographic Information
Program.

Berkes, F., & Folke, C. (1992). A Systems Perspective on the Interrelations between Natural,
Human-made and Cultural Capital. Beijer Reprint Series n. 7

Bowles-Newark, N. J., Arnell, A. P., Butchart, S., Chenery, A., Brown, C., & Burgess, N. D.
(2014). Incorporating and utilizing spatial data and mapping for NBSAPs: Guidance to
support NBSAP Practitioners. UNEP-WCMC, Cambridge, UK.

Brabham, D. C. (2009). Crowdsourcing the Public Participation Process for Planning Projects.
Planning Theory, 8(3), 242–262.

Brown, G. (2005). Mapping Spatial Attributes in Survey Research for Natural Resource
Management: Methods and Applications. Society & Natural Resources, 18(1), 17–39.

Brown, G. (2012). Public Participation GIS ( PPGIS ) for Regional and Environmental Planning :
Reflections on a Decade of Empirical Research. URISA Journal, 25(2), 7–18.

Brown, G. (2013). The relationship between social values for ecosystem services and global land
cover: An empirical analysis. Ecosystem Services, 1–11.

Brown, G. G., & Pullar, D. V. (2012). An evaluation of the use of points versus polygons in public
participation geographic information systems using quasi-experimental design and Monte
Carlo simulation. International Journal of Geographical Information Science, 26(2), 231–246.

Brown, G. G., & Reed, P. (2012). Social Landscape Metrics: Measures for Understanding Place
Values from Public Participation Geographic Information Systems (PPGIS). Landscape
Research, 37(1), 73–90.

Brown, G., & Kyttä, M. (2014). Key issues and research priorities for public participation GIS
(PPGIS): A synthesis based on empirical research. Applied Geography, 46, 122–136.

116
Brown, G., & Reed, P. (2000). Validation of a forest values typology for use in national forest
planning. Forest Science 46 (2), 240–247.

Brown, G., Montag, J. M., & Lyon, K. (2012). Public Participation GIS: A Method for Identifying
Ecosystem Services. Society & Natural Resources, 25(7), 633–651.

Brown, G., Smith, C., Alessa, L., & Kliskey, A. (2004). A comparison of perceptions of biological
value with scientific assessment of biological importance. Applied Geography, 24(2), 161–180.

Bryan, B. A., Raymond, C. M., Crossman, N. D., & Macdonald, D. H. (2010). Targeting the
management of ecosystem services based on social values: Where, what, and how? Landscape
and Urban Planning, 97(2), 111–122.

Burkhard, B., Kroll, F., Nedkov, S., & Müller, F. (2012). Mapping ecosystem service supply,
demand and budgets. Ecological Indicators, 21, 17–29.

Busch, M., Notte, A. La, Laporte, V., & Erhard, M. (2012). Potentials of quantitative and
qualitative approaches to assessing ecosystem services. Ecological Indicators, 21, 89–103.

Cacciapaglia, M. a., Yung, L., & Patterson, M. E. (2012). Place Mapping and the Role of Spatial
Scale in Understanding Landowner Views of Fire and Fuels Management. Society & Natural
Resources, 25(5), 453–467.

CANDES S.A.C. (2012). Servicio de Consultoría para la edición y actualización del mapa de
vegetación y clasificación agrícola para la cuenca del Alto Mayo. Primer Informe. No
publicado

CBD - Convention on Biological Diversity (1992). http://www.cbd.int/. (Visitada el 15/03/2012).

Chapin III, Stuart F., Kofinas, Gary P., Folke, Carl (eds) (2009). Principles of Ecosystem
Stewardship. Springer Science & BusinessMedia. New York.

Comber A., See L., Fritz S., Van der Velde M., Perger P., Foody G. (2013). Using control data to
determine the reliability of volunteered geographic information about land cover. International
Journal of Applied Earth Observation and Geoinformation 23, 37-48.

Conservación Internacional (2013a). Análisis histórico de la deforestación en la Región San

Martín. Reporte Final. Lima. No publicado

Conservación Internacional (2013b). Proceso de Construcción de Fortalecimiento de Capacidades

Técnicas en REDD+: Caso San Martín, Perú. Documento de Trabajo. Lima. No publicado.

Costanza, R. (2014). A vision of the Future of Science: Reintegrating of the study of Humans and
the Rest of Nature. En Manfredo, M. J., Vaske, J. J., Duke, E. A., & Rechkemmer, A.(eds.).
Understanding Society and Natural Resources. Forging New Strands of Integration Across the
Social Sciences. Springer Open. New York.

Costanza, R., & Folke, C. (1997). Valuing Ecosystem Services with Efficiency, Fairness, and
Sustainability as Goals. Beijer Reprint Series n.87.

117
Costanza, R., d'Arge, R., de Groot, R., Farber, S., Grasso, M., Hannon, B., Limburg, K., Naeem, S.,
O'Neill, R.V., Paruelo, J., Raskin, R.G., Sutton, P., & van den Belt, M. (1997). The value of
the world's ecosystem services and natural capital. Nature 387, 253–260.

Costanza, R., Wainger, L., Folke, C., & Maler K.-G. (1993). Modeling Complex Ecological
Economic Systems. Beijer Reprint Series n. 17.

Crossman, N. D., Burkhard, B., Nedkov, S., Willemen, L., Petz, K., Palomo, I., … Maes, J. (2013).
A blueprint for mapping and modelling ecosystem services. Ecosystem Services, 4, 4–14.

De Marchi, M., & Scolozzi, R. (2012). La valutazione economica dei servizi ecosistemici e del
paesaggio nel Parco Naturale Adamello Brenta. Valutazione Ambientale, 22, 54-61

Dick, J. M., Smith, R. I., & Scott, E. M. (2011). Ecosystem services and associated concepts.
Environmetrics, 22(5), 598–607.

Dourojeanni M. (2013). Loreto Sostenible al 2021. DAR-Derecho, Ambiente y Recursos Naturales,

CIEL-Center for International Environmental Law. Lima.

Dourojeanni, M., Barandiarán, A., & Dourojeanni, D. (2009). Amazonía peruana en 2021.
Explotación de recursos naturales e infraestructura:¿Qué está pasando?¿Qué es lo que
significa para el futuro? ProNaturaleza - Fundación Peruana para la Conservación de la
Naturaleza. Lima.

Egoh, B., Rouget, M., Reyers, B., Knight, A. T., Cowling, R. M., van Jaarsveld, A. S., & Welz, A.
(2007). Integrating ecosystem services into conservation assessments: A review. Ecological
Economics, 63(4), 714–721.

Elwood, S. (2007). Grassroots groups as stakeholders in spatial data infrastructures: Challenges and
opportunities for local data development and sharing. International Journal of Geographic
Information Science 22, 71-90.

Elwood, S. (2009). Geographic information science: Emerging research on the societal implications
of the GeoWeb. Progress in Human Geography 34.

EPS Moyobamba (2013). Campaña Orgullo para la conservación y recuperación de los servicios
ecosistemicos de las microcuencas Rumiyacu y Mishquiyacu, Moyobamba. Presentación en
Power Point. Moyobamba. No publicado.

Equipo profesional del proyecto “Desarrollo de Capacidades para el Ordenamiento Territorial en las
provincias de Moyobamba y Rioja.” (2012a). Plan de ordenamiento territorial de la provincia
de Rioja. Rioja.

Equipo profesional del proyecto “Desarrollo de Capacidades para el Ordenamiento Territorial en las
provincias de Moyobamba y Rioja.” (2012b). Plan de ordenamiento territorial de la provincia
de Moyobamba. Moyobamba.

Equipo profesional del proyecto “Desarrollo de Capacidades para el Ordenamiento Territorial en las
provincias de Moyobamba y Rioja.” (2013a). Plan de ordenamiento territorial. Provincia de
Moyobamba. Vol. II. Moyobamba

118
Equipo profesional del proyecto “Desarrollo de Capacidades para el Ordenamiento Territorial en las
provincias de Moyobamba y Rioja.” (2013b). Plan de ordenamiento territorial de la Provincia
Rioja. Modelo de gestión territorial de la Provincia Rioja. Rioja

Fagerholm, N., Käyhkö, N., Ndumbaro, F., & Khamis, M. (2012). Community stakeholders‟
knowledge in landscape assessments – Mapping indicators for landscape services. Ecological
Indicators, 18, 421–433.

Goldman-Benner, R. L. (2012). Capital natural y servicios ecosistémicos: surgimiento de conceptos

y el marco internacional. En Hajek, F., & De Anguita, P. M. (eds). ¿Gratis ? Los servicios de
la naturaleza y como sostenerlos en el Perú. Servicios Ecosistemicos Perú. Lima

Goldman-Benner, R. L., Benitez, S., Boucher, T., Calvache, A., Daily, G., Kareiva, P., … Ramos,
A. (2012). Water funds and payments for ecosystem services: Practice learns from theory and
theory can learn from practice. Oryx, 46(1), 55–63.

Gómez-Baggethun, E., de Groot, R., Lomas, P. L., & Montes, C. (2010). The history of ecosystem
services in economic theory and practice: From early notions to markets and payment schemes.
Ecological Economics, 69(6), 1209–1218.

Goodchild, M. (2007). Citizens as sensors: the world of volunteered geography. GeoJournal 69,
211–21.

GORESAM (2012). Política Territorial Regional de San Martín. Moyobamba.

GORESAM, PEAM, IIAP, & GTZ (2007). Zonificación Ecologico-Economica de la cuenca del
Alto Mayo. Moyobamba.

Hajek, F., & De Anguita, P. M. (eds) (2012). ¿Gratis ? Los servicios de la naturaleza y como
sostenerlos en el Perú. Servicios Ecosistemicos Perú. Lima.

Hauck, J., Görg, C., Varjopuro, R., Ratamäki, O., Maes, J., Wittmer, H., & Jax, K. (2013). “Maps
have an air of authority”: Potential benefits and challenges of ecosystem service maps at
different levels of decision making. Ecosystem Services, 4, 25–32.

Hein, L., van Koppen, K., de Groot, R. S., & van Ierland, E. C. (2006). Spatial scales, stakeholders
and the valuation of ecosystem services. Ecological Economics, 57(2), 209–228.

Hermann, A., Schleifer, S., & Wrbka, T. (2011). The Concept of Ecosystem Services Regarding
Landscape Research : A Review. Living Rev. Landscape Res., 5 (1), 1–37.

Huitric, M., Walker, B., Moberg, F., Österblom, H., Sandin L., Grandin U., Olsson P., Bodegard J.
(2009). Biodiversity, Ecosystem Services and Resilience Governance for a Future with Global
Changes. Background Report for the scientific workshop “Biodiversity, ecosystem services and
governance – targets beyond 2010” on Tjarno, Sweden, 4-6 September 2009. Stockholm.

INEI (2007), Instituto Nacional de Estadística e Informática. http://www.inei.gob.pe/. (Visitado el

18/01/2013).

119
IPCCA – Indigenous Peoples‟ Biocultural Climate Change Assessment Initiative (2011).
Documento analítico de información sobre los aspectos legales y los acontecimientos recientes
en materia de REDD+.

León, F., Moncayo, M. C., Renner, I. (2010). Compensación por servicios ecosistémicos :
Lecciones aprendidas de una experiencia demostrativa. Las microcuencas Mishiquiyacu ,
Rumiyacu y Almendra de San Martín, Perù. Ministerio del Ambiente. Lima.

Llanos, R. E., & Feather, C. (2011). La realidad de REDD+ en Perú: entre el dicho y el hecho -
Análisis y alternativas de los Pueblos Indígenas Amazónicos. Forest Peoples Programme

Locatelli, B., Imbach, P., & Wunder, S. (2013). Synergies and trade-offs between ecosystem
services in Costa Rica. Environmental Conservation, 41(01), 27–36.

Lohmann, L. (2012). Mercados de carbono. La neoliberalización del clima. Abya-Yala. Quito.

MA – Millennium Ecosystem Assessment (2005). Ecosystems and Human Well-Being. Synthesis.

Island Press. Washington DC.

Maes, J., Egoh, B., Willemen, L., Liquete, C., Vihervaara, P., Schägner, J. P., & Bidoglio, G.
(2012). Mapping ecosystem services for policy support and decision making in the European
Union. Ecosystem Services, 1(1), 31–39.

Maes, J., Teller, A., Erhard, M., Liquete, C., & Braat, L. (2013). Mapping and assessment of
ecosystems and their services-An analytical framework for ecosystem assessments under
action 5 of the EU biodiversity strategy to 2020. Technical Report – 2013 – 067.

Martín-López, B., Gómez-Baggethun, E., Lomas, P. L., & Montes, C. (2009). Effects of spatial and
temporal scales on cultural services valuation. Journal of Environmental Management, 90(2),
1050–9.

Maskrey, A., Rojas, J., Pinedo, T. (1991). Raíces y Bosques, San Martín modelo para armar. ITDG.
Lima.

Menton M., & Che Piu, H. (2013). Contexto de REDD+ en Perú. Motores, actores e instituciones.
Documentos Ocasionales 90. Centro para la Investigación Forestal Internacional (CIFOR).
Bogor-Indonesia.

Mertz, O., Ravnborg, H. M., Lövei, G. L., Nielsen, I., & Konijnendijk, C. C. (2007). Ecosystem
services and biodiversity in developing countries. Biodiversity and Conservation, 16(10),
2729–2737.

Mesa Regional REDD+ San Martín (2013). Guía para el Desarrollo de una Hoja de Ruta hacia
una Estrategia REDD+ para la región San Martín. Moyobamba. Borrador no publicado.

Monmonier M. (2004), How to lie with maps, The University of Chicago Press, Chicago and
London.

Mulligan, M (2014a). Globally relative but locally relevant nature conservation priorities with
Co$ting Nature: I. concepts. Ecosystem Services. In Press

120
Mulligan, M. (2014b). Is managing ecosystem services necessary and sufficient to ensure
sustainable development? En Springet. D., Redclift, M. (eds). Handbook of Sustainable
Development. Routledge. In press

Mulligan, M., & Wainwright, J. (2013). Modelling and Model Building. En Wainwright, J., &
Mulligan, M. (eds). Environmental modelling: finding simplicity in complexity. John Wilsey &
Sons, Ltd.

Mulligan, M., 2013. Models Supporting Decision Making and Policy Evaluation. En Wainwright,
J., & Mulligan, M. (eds). Environmental modelling: finding simplicity in complexity. John
Wilsey & Sons, Ltd.

Mulligan, M., Saenz-Cruz, L., Rubiano, J., Quintero, M., & Hajek, F. (2012). Monitoreo de
Servicios Ecosistémicos y evaluación de Esquemas de Pago por Servicios Ecosistémicos. En
Hajek, F., & De Anguita, P. M. (eds). ¿Gratis ? Los servicios de la naturaleza y como
sostenerlos en el Perú. Servicios Ecosistemicos Perú. Lima

Myers, N., Mittermeier, R. a, Mittermeier, C. G., da Fonseca, G. a, & Kent, J. (2000). Biodiversity
hotspots for conservation priorities. Nature, 403(6772), 853–8.

Parker C.J., May A., Mitchell V. (2013). The role of VGI and PGI in supporting outdoor activities.
Applied Ergonomics, 44 (6), 886-894.

Pinasco V., K., Del Aguila A., C., Castillo C., L. L., & Feldman D., N. (2011). Procesos
Participativos para Proyectos de Ordenamiento Territorial, Conservación de Bosques y
REDD plus. Modulo Teórico Practico. AMPA. Moyobamba.

Pitman, N. C. A., Widmer, J., Jenkins, C. N., Stocks, G., Seales, L., Paniagua, F., & Bruna, E.
(2011). Volume and geographical distribution of ecological research in the Andes and the
Amazon, 1995-2008. Tropical Conservation Science, 4(1), 64–81.

Policy Support (2014a). Policy Support Systems. http://www.policysupport.org/

Policy Support (2014b). Costing Nature. http://www.policysupport.org/costingnature

Policy Support (2014c). SimTerra. http://www.policysupport.org/simterra

Policy Support (2014d). WaterWorld. http://www.policysupport.org/waterworld

Potschin, M. B., & Haines-Young, R. H. (2011a). Ecosystem services: Exploring a geographical

perspective. Progress in Physical Geography, 35(5), 575–594.

Potschin, M., & Haines-Young, R. (2011b). Introduction to the Special Issue: Ecosystem Services.
Progress in Physical Geography, 35(5), 571–574.

Proyecto Segunda Comunicación Nacional de Cambio Climático, (2009). Evaluación Local

Integrada y Estrategia de Adaptación al Cambio Climático en el Rio Mayo. MINAM. Lima.

Quintero M. (ed) (2010). Servicios ambientales hidrológicos en la región andina. Estado del
conocimiento, la acción y la política para asegurar su provisión mediante esquemas de pago
por servicios ambientales. Agua y Sociedad, 12; Serie Panorama Andino, 1. Instituto de

121
 Estudios Peruano (IEP) y Consorcio para el Desarrollo Sostenible de la Ecorregión Andina
(CONDESAN), Lima.

Quintero, M., Wunder, S., & Estrada, R. D. (2009). For services rendered? Modeling hydrology and
livelihoods in Andean payments for environmental services schemes. Forest Ecology and
Management, 258(9), 1871–1880.

RAISG - Red Amazónica de Información Socioambiental Georreferenciada (2012). Amazonía bajo

presión. Instituto Socioambiental. São Paulo.

Rambaldi, G., Chambers, R., McCall, M, & Fox, J. (2006). Practical ethics for PGIS practitioners,
facilitators, technology intermediaries and researchers. PLA 54, 106-113, IIED, London.

Raymond, C. M., Bryan, B. A., MacDonald, D. H., Cast, A., Strathearn, S., Grandgirard, A., &
Kalivas, T. (2009). Mapping community values for natural capital and ecosystem services.
Ecological Economics, 68(5), 1301–1315.

Reynel, C., Pennington, R. T., Särkinen, T. (2013). Cómo se formó la diversidad ecológica del
perú. Lima

Rolston, H., & Coufal, J., (1991). A forest ethic and multivalue forest management. Journal of
Forestry, 1, 35-40.

Rubio, H., Sandoval, M., Barquin, L., Turriate, K. (2012). Una Aproximación a la Participación
Plena y Efectiva en las Iniciativas REDD+ en el Perú. Conservación Internacional Perú. Lima

Schneiders, A., Daele, T. Van, Landuyt, W. Van, & Reeth, W. Van. (2012). Biodiversity and
ecosystem services: Complementary approaches for ecosystem management? Ecological
Indicators, 21, 123–133.

Schroeder, P. (1996). Criteria for the design of a GIS/2. En Sieber, R. (2006). Public participation
geographic information systems: A literature review and framework. Annals of the Association
of American Geographers, 96(January), 491–507.

Sherrouse, B. C., Clement, J. M., & Semmens, D. J. (2011). A GIS application for assessing,
mapping, and quantifying the social values of ecosystem services. Applied Geography, 31(2),
748–760.

Sherrouse, B. C., Semmens, D. J., & Clement, J. M. (2014). An application of Social Values for
Ecosystem Services (SolVES) to three national forests in Colorado and Wyoming. Ecological
Indicators, 36, 68–79.

Sieber, R. (2006). Public participation geographic information systems: A literature review and
framework. Annals of the Association of American Geographers, 96(January), 491–507.

SolVES, (2014). The Social Values for Ecosystem Services. http://solves.cr.usgs.gov/.

Stanton, T., Echavarria, M., Hamilton, K., & Ott., K. (2010). State of watershed payments: an
emerging marketplace. Ecosystem Marketplace.

122
Steffen, W., Persson, Å., Deutsch, L., Zalasiewicz, J., Williams, M., Richardson, K., … Svedin, U.
(2011). The Anthropocene: From Global Change to Planetary Stewardship. Ambio, 40(7), 739–
761.

Torres, J., & Castro, A. (2012). Construyendo un régimen REDD+ en Perú. En Hajek, F., & De
Anguita, P. M. (eds). ¿Gratis ? Los servicios de la naturaleza y como sostenerlos en el Perú.
Servicios Ecosistemicos Perú. Lima.

Tulloch, D. (2008). Public participation GIS (PPGIS). En Brown, G., & Kyttä, M. (2014). Key
issues and research priorities for public participation GIS (PPGIS): A synthesis based on
empirical research. Applied Geography, 46, 122–136.

Van Riper, C. J., Kyle, G. T., Sutton, S. G., Barnes, M., & Sherrouse, B. C. (2012). Mapping
outdoor recreationists‟ perceived social values for ecosystem services at Hinchinbrook Island
National Park, Australia. Applied Geography, 35(1-2), 164–173.

Viglizzo, E. F., Paruelo, J. M., Laterra, P., & Jobbágy, E. G. (2012). Ecosystem service evaluation
to support land-use policy. Agriculture, Ecosystems & Environment, 154, 78–84.

Wainwright, J., & Mulligan, M. (eds) (2013). Environmental modelling: finding simplicity in
complexity. John Wilsey & Sons, Ltd.

Zhang, X., Drake, N. A., & Wainwright, J. (2013). Spatial Modelling and Scaling Issues. En
Wainwright, J., & Mulligan, M. (eds). Environmental modelling: finding simplicity in
complexity. John Wilsey & Sons, Ltd.

Zube, E. H. (1987). Perceived land use patterns and landscape values. En Brown, G. (2005).
Mapping Spatial Attributes in Survey Research for Natural Resource Management: Methods
and Applications. Society & Natural Resources, 18(1), 17–39.

123
Siglas y acrónimos
ARA: Autoridad Regional Ambiental

BAU: Business As Usual

CBD: Convention on Biological Diversity

C.C.: Concesión de Conservación

CC.NN.: Comunidades Nativas

CI: Conservación Internacional

CICES: the Common International Classification of Ecosystem Services

CN: Costing Nature

CSEH: Compensación por Servicios Ecosistémicos Hídricos

DEM: Digital Elevation Model

DSS: Decision Support System

GIS: Geographic Information System

GORESAM: Gobierno Regional de San Martin

GPS: Global Positioning System

MA: Millennium Ecosystem Assessment

MAEF: Ministerio de Asuntos Exteriores de Finlandia

OT: Ordenamiento Territorial

PEAM: Proyecto Especial Alto Mayo

PLA: Participatory Learning and Action

POT: Plan de Ordenamiento Territorial

PGIS: Participatory Geographic Information System

PPGIS: Public Participatory Geographic Information System

PSEH: Pagos por Servicios Ecosistémicos Hídricos

PSS: Policy Support Systems

REDD+: Reducción de Emisiones por Deforestación y Degradación de Bosques

SIG: Sistemas de Información Geográfica

SIGP: Sistema de Información Geográfica Participativo

SIGPP: Sistema de Información Geográfica Público y Participativo

SolVES: the Social Values of Ecosystem Services

SRC: Sistema Regional de Conservación

124
SS.EE.: Servicios Ecosistémicos

TEEB: The Economics of Ecosystems and Biodiversity

UTM WGS: Universal Transverse Mercator World Geodetic System

VGI: Volunteered Geographic Information

ZEE: Zonificación Ecológico Económica

ZOCRE: Zona de Conservación y Restauración de Ecosistemas

ZOI: Zone of Interest

125
Agradecimientos
Un “grazie mille!” especial a: Conservación Internacional Perú y a todos sus trabajadores, al equipo
del proyecto BioCuencas, al Ministerio de Asuntos Exteriores de Finlandia, al “Centro de
Investigación en Geografía Aplicada” de la “Pontificia Universidad Católica del Perú”, a la
Universidad de los Estudios de Padova, al Departamento de Geografía del “King‟s College of
London”, a los estudiantes de Ingeniería Ambiental de la Universidad Nacional de San Martin y de
la Universidad Católica de Nueva Cajamarca que han apoyado en el trabajo de campo, al MINAM,
a todas las ONGs, organizaciones, agencias de cooperación y sus trabajadores que he molestado y
que me han apoyado, en particular AMPA, GIZ, Proyecto Mono Tocón, IBC, DAR, SPDA, IIAP, a
las instituciones públicas y privadas de San Martin, en particular el ARA, el PEAM, EPS
Moyobamba, DIRCETUR Moyobamba, a la gente de Tingana, al Hostal Albricias y a todos los
amigos conocidos durante mi temporada en San Martin, a todos los que me he olvidado!

126