Simulación geoespacial y temporal de la deforestación en el distrito de Nueva Requena, Ucayali

La presente investigación tiene como objetivo principal determinar la tasa de deforestación en el distrito de Nueva Requena (Perú), a través del modelo de simulación geoespacial de Dinámica EGO por autómatas celulares; teniendo en cuenta las siguientes variables: distancia a lugares poblados, distancia a vías, distancia a superficies de agua, concesiones forestales, pendiente porcentual, y modelo digital de elevación. Para dicho propósito, en primer lugar, se procedió a calcular los rangos para categorizar variables continuas a través del método geoestadístico de los pesos de evidencia, con el fin de obtener las probabilidades de transición y, posteriormente, los pesos de las variables que poseen mayor influencia en los cambios. En segundo lugar, se realizó el cálculo de correlación de las variables, en aras de comprobar que las variables ingresadas al modelo sean independientes espacialmente. En tercer lugar, se llevó a cabo una simulación previa al 2020 para compararlo con el mapa real del 2020, con la finalidad de evidenciar si el modelo puede predecir los cambios. Esto último, obteniendo una exactitud de 75 %. En cuarto lugar, se realizó la simulación de la deforestación al 2030 del distrito de Nueva Requena (Perú). Finalmente se determinó que para el periodo 2020 al 2030 se deforestaron 35 112,24 ha con una tasa de deforestación de 3,08 %/año.
The main objective of this research is to determine the deforestation rate in the Nueva Requena district (Peru), through the EGO Dynamics geospatial simulation model by cellular automata; taking into account the following variables: distance to populated places, distance to roads, distance to water surfaces, forest concessions, percentage slope, and digital elevation model. For this purpose, in the first place, we proceeded to calculate the ranges to categorize continuous variables through the geostatistical method of the evidence weights, in order to obtain the transition probabilities and, later, the weights of the variables that have greater influence on changes. Second, the correlation calculation of the variables was performed, in order to verify that the variables entered into the model are spatially independent. Third, a simulation prior to 2020 was carried out to compare it with the real map of 2020, in order to show whether the model can predict changes. The latter, obtaining an accuracy of 75%. Fourth, a simulation of deforestation in 2030 in the Nueva Requena district (Peru) was carried out. Finally, it was determined that for the period 2020 to 2030, 35 112.24 ha were deforested with a deforestation rate of 3.08% / year.