Deforestación Futura en la Deforestación Futura en la Amazonía PeruanaAmazonía Peruana

Glenn Hyman, Elizabeth Barona Glenn Hyman, Elizabeth Barona y John Alexander Mariny John Alexander Marin

El pasado es la clave al futuroEl pasado es la clave al futuro

Modelo Modelo conceptual conceptual

Bosque primarioTierras

deforestadas

T1

T2

T3

T4

Urbano

Deforestado

Deforestado

0

10

20

30

40

50

60

70

0 10 20 30 40 50

Years After Deforestation

% a

rea

on

far

m

Rice

Pasture

Cassava

Años déspues de deforestación

% d

el á

rea

en fi

nca

ArrozPastoYuca

Arroz, Pastos e Yuca:Arroz, Pastos e Yuca:condiciones en 1994condiciones en 1994

Pobreza y periodo de deforestación

Índices de pobreza y periodo de deforestación

Herramienta para analizar servicios ecosistémicos Herramienta para analizar servicios ecosistémicos http://www.iamazonica.org.br/IAViewer/http://www.iamazonica.org.br/IAViewer/

BETA VERSION

Source: SIMAMAZONIAhttp://www.csr.ufmg.br/simamazonia/

Soares et al. 2006

20012005201020152020202520302035204020452050

0,00

30.000,00

60.000,00

90.000,00

120.000,00

150.000,00

180.000,00

210.000,00

240.000,00

270.000,00

300.000,00

330.000,00

Bosque Vs Deforestado

Bosque (2010) km2

Deforestado Has

0,00

2,00

4,00

6,00

8,00

10,00

12,00

14,00

16,00

18,00

20,00

22,00

24,00

26,00

2001 2005 2010 2015 2020 2025 2030

Tasa de Cambio anual

Años

Diferencias departamentales

Loreto

Ucayali

Madre de Dios

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

2001 2005 2010 2015 2020 2025 2030

Años

Tasa de Cambio Anual-Territorio Indigena

Shipibo-conibo Puerto Maldanado

Quechua-Lamas San Martin

Shipibo-conibo Padre Abad

0,00

2,00

4,00

6,00

8,00

10,00

12,00

14,00

16,00

18,00

20,00

22,00

24,00

26,00

28,00

30,00

32,00

34,00

2001 2005 2010 2015 2020 2025 2030

Años

Tasa de Cambio Anual-Áreas protegidas

ALTO MAYO

SIERRA DEL DIVISOR

PACAYA SAMIRIA

Proyecciones de deforestaciónProyecciones de deforestación

Departamento 2010 deforestada (‘000 ha)

2010 forestada (‘000 ha)

2030 deforestada (‘000 ha)

2030forestada (‘000 ha)

Loreto 8.2 329.5 11.6 326.1

Ucayali 6.6 93.7 9.9 90.4

Madre de Dios 4.8 76.9 15.2 66.4

Total 19.6 500.1 36.7 482.9

2010: 4% de Amazonia Peruana deforestada2030: 8 % de Amazonia Peruana deforestada (proyección)Fuente: Saatchi et al., 2007

Implicaciones de escenarios Implicaciones de escenarios REDD en tratados REDD en tratados

internacionalesinternacionales

Glenn Hyman, Elizabeth Barona Glenn Hyman, Elizabeth Barona y John Alexander Mariny John Alexander Marin

El esquema REDD determina lo El esquema REDD determina lo que se puede contabilizar que se puede contabilizar

Diferencias por clasificación

-10000

-5000

0

5000

10000

15000

20000

25000

30000

35000

REDD REDD+ REDD++

Clasificación

'000

to

ne

lad

as c

arb

ón

secuestro

emisiones

REDD (5 clases): Las transiciones de uso de la REDD (5 clases): Las transiciones de uso de la tierra con mas emisiones en Aguaytia, 1990-2007tierra con mas emisiones en Aguaytia, 1990-2007

REDD++ (35 clases): Las transiciones de uso de la REDD++ (35 clases): Las transiciones de uso de la tierra con mas emisiones en Aguaytia, 1990-2007tierra con mas emisiones en Aguaytia, 1990-2007

Escala 1:50.000Escala 1:50.000

Errores relacionado a la escala:Errores relacionado a la escala:imagen ASTERimagen ASTER

Haciendas (5 Mg/ha carbon)Haciendas (5 Mg/ha carbon)Bosque con 80% canopia (240 Mg/ha) Bosque con 80% canopia (240 Mg/ha) contenida en el área de haciendas contenida en el área de haciendas

48 veces mas CO48 veces mas CO2eq 2eq en bosque en bosque comparado a pastoscomparado a pastos

0,00

2000,00

4000,00

6000,00

8000,00

10000,00

12000,00

14000,00

16000,00

18000,00

20000,00

Haciendas Hacienda+Bosque= C-stock detallada

C-stock Hacienda Vs C-stock Detallada

C-stock Haciendas Vs C-stock detallada empleando aster

C-stock Haciendas Vs C-stock detallada empleando GE

Diferencia en Diferencia en C-stock C-stock dependedepende en resolución en resolución del análisisdel análisis

Nivel de precisión determina los Nivel de precisión determina los costos del evaluacióncostos del evaluación

Árboles en la zona urbanaÁrboles en la zona urbana

Gracias