Ecología Aplicada, 24(1), 2025	Presentado: 10/02/2024
ISSN 1726-2216 Versión impresa / ISSN 1993-9507 Versión electrónica.	Aceptado: 05/03/2025
Depósito legal 2002-5474	Publicado en línea: 31/07/2025
© Departamento Académico de Biología, Universidad Nacional Agraria La Molina, Lima – Perú.		ARTICULO ORIGINAL
	DOI: https://doi.org/10.21704/rea.v24i1.2280

ANÁLISIS DE LA ASOCIACIÓN ENTRE LA POBREZA Y LA PÉRDIDA DE BOSQUES A NIVEL DISTRITAL EN EL PERÚ: APLICACIÓN DEL MODELO AUTORREGRESIVO ESPACIAL CON PERTURBACIONES AUTORREGRESIVAS ESPACIALES (SARAR)

ANALYSIS OF THE RELATIONSHIP BETWEEN POVERTY AND FOREST LOSS AT THE DISTRICT LEVEL IN PERU: APPLICATION OF THE SPATIAL AUTOREGRESSIVE MODEL WITH SPATIAL AUTOREGRESSIVE DISTURBANCES (SARAR)

Luis Ledesma Goyzueta^[i]

 Resumen

La deforestación es un problema que se aborda tanto a escala nacional como global, generando afectaciones a los ecosistemas y a la biodiversidad, y esto, a su vez, puede generar costos sociales y/o económicos. El objetivo de este trabajo fue analizar geoespacialmente el contexto social que puede generar determinadas presiones hacia la pérdida de bosque o deforestación en el Perú, a nivel distrital. La variable de interés o dependiente de estudio fue la cantidad de hectáreas de pérdida de bosque húmedo amazónico, registradas en la plataforma de Geobosques, en el último periodo trienal previo a la pandemia causada por el COVID-19. El método se basó en un análisis espacial de variación discreta, donde los distritos se definen como un conjunto de regiones discretas con vecindad irregular por cada distrito. En este trabajo se presentan los resultados de los modelos de regresión espacial SAR, SEM y SARAR, a fin de evidenciar el nivel de asociación de la pérdida de bosques y la pobreza monetaria. De acuerdo a los resultados, a nivel distrital, la pérdida de bosques presenta una relación negativa respecto a la pobreza monetaria en el modelo elegido (SARAR). Por ello, es relevante que los programas que busquen mejorar las condiciones básicas de poblaciones, principalmente dedicadas a la agricultura, también sean acompañadas de asistencias técnicas en prácticas sostenibles a fin de mitigar la deforestación o el cambio de uso de suelo.

Palabras clave: deforestación, pérdida de bosques, pobreza, regresión espacial, SAR, SEM, SARAR.

 

Abstract

Deforestation is a problem addressed both nationally and globally, which generates impacts on ecosystems and biodiversity, and these, in turn, can generate social and/or economic costs. The objective of this study was to geospatially analyze the social context that may exert pressure on forest loss or deforestation in Peru at the district level. The dependent variable of interest was the number of hectares of Amazon rainforest loss, recorded on the Geobosques platform, during the last triennial period prior to the COVID-19 pandemic. The method was based on a spatial analysis of discrete variation, where districts are defined as a set of discrete regions with irregular neighborhoods for each district. This paper presents the results of the spatial regression models SAR, SEM and SARAR, in order to show the level of association between forest loss and monetary poverty. According to the results, at the district level, forest loss presents a negative relationship with monetary poverty in the chosen model (SARAR). Therefore, it is important that programs that seek to improve the basic conditions of populations, mainly dedicated to agriculture, are also accompanied by technical assistance in sustainable practices in order to mitigate deforestation or land use change.

Key words: deforestation, forest loss, poverty, spatial regression, SAR, SEM, SARAR.