¿MÁS VERDE DENTRO QUE FUERA? EFECTOS DE LAS ÁREAS ... · objetivos de conservación de la...

1

¿MÁS VERDE DENTRO QUE FUERA?

EFECTOS DE LAS ÁREAS NATURALES PROTEGIDAS SOBRE LA DEFORESTACIÓN Y EL BIENESTAR EN LA

AMAZONÍA

TERCER INFORME FINAL

PMA1AN60-163

José Carlos Orihuela

[email protected]

Carlos A. Pérez

[email protected]

Agosto de 2019

Auspicio:

mailto:[email protected]

mailto:[email protected]

2

1. Introducción

La deforestación es uno de los fenómenos que más afecta la Amazonía peruana: entre

2001 y 2016 se perdieron alrededor de 2 millones de hectáreas de bosque (MINAM

2018). Las consecuencias de la deforestación son perniciosas para el desarrollo

sostenible del país y el planeta, al ser los bosques fuente de biodiversidad y servicios

ecosistémicos. Un 25% de ese bosque amazónico se encuentra bajo un régimen de

conservación. Establecidas en la Amazonía peruana desde la década de 1970 bajo

objetivos de conservación de la biodiversidad, las Áreas Naturales Protegidas (ANP) se

encuentran bajo la administración del Servicio Nacional de Áreas Protegidas por el

Estado (SERNANP) desde 2008 (Dourojeanni 2009, Solano 2005, Orihuela 2018). En

la actualidad, existen 76 ANP de administración estatal con una extensión de 195 mil

km2. A pesar de la nocividad de la deforestación y la existencia de las ANP, es poco lo

que se conoce sobre el impacto de estos arreglos institucionales sobre el bosque y el

bienestar local. Rescatamos el trabajo de Díaz y Miranda (2012) y proponemos un

enfoque de regresión discontinua geográfica (Dell 2010, Keele y Titiunik 2015, Keele et

al 2017, Burgess et al 2018) para evaluar el impacto causal de las ANP y sus Zonas de

Amortiguamiento (ZA) sobre la deforestación, aprovechando que estos dos tipos de

territorios generan una discontinuidad espacial.

La literatura sugiere que las áreas de conservación tienen éxito relativo en contener la

deforestación. El principal mecanismo de su éxito es la restricción de actividades

económicas como la minería, la agricultura, la madera y la provisión de infraestructura

vial. Estudios para Brasil, Colombia, Costa Rica, Ecuador y Perú corroboran la

afirmación (Robalino et al 2007, Pfaff et al 2014, Weisse y Naughton-Treves 2016).

Estos trabajos utilizan información satelital procesada que distingue para cada pixel la

cualidad de encontrarse como bosque o no bosque. La comparación temporal entre un

mismo pixel permite determinar la deforestación si un píxel en el año ‘t’ era categorizado

como bosque y en el año ‘t+1’ no. Los métodos que han utilizado son la comparación

según buffers bajo técnicas de emparejamiento.

Diversas investigaciones encuentran que la presencia de áreas protegidas contribuye a

un desarrollo sostenible y al bienestar de las comunidades locales. Estudios incluyen a

McNeely (2008), Andam et al (2010), Canavire-Bacarreza y Hanauer (2013) y Heagney

et al. (2015). Impactos analizados incluyen efectos en ingresos, número de negocios

locales e ingresos de los gobiernos locales por pagos de los usuarios turísticos, entre

otros. Sin embargo, el impacto socioeconómico puede ser distinto para hombres y

mujeres que son parte de la misma comunidad local. Debido a relaciones sociales,

económicas y culturales, las mujeres se encuentran en una condición de vulnerabilidad

(Butler 2007, Giddens 1993). El género es un constructo social que diferencia roles y

asignación de recursos y poder entre hombres y mujeres. Siguiendo la tipología de

Rousseau (2018), nuestro estudio se encontrará en el Nivel 1: investigación sensible al

género, en la que compararemos resultados entre varones y mujeres. Sin embargo, este

3

análisis debe ser considerado como exploratorio debido a la poca disponibilidad de

datos estadísticos.1

El principal objetivo del estudio es contribuir en la comprensión de las dinámicas de

deforestación. Nuestro principal precedente, Díaz y Miranda (2012) utiliza el método de

matching para evaluar el efecto de las ANP sobre bienestar, mientras realiza una

comparación entre distritos para el análisis de la deforestación. Los métodos de

emparejamiento recaen sobre supuestos no comprobables, como la asignación de

tratamiento únicamente sobre variables observables (Angrist y Pichke 2009, Lee 2005).

En cambio, un diseño de regresión discontinua (RDD), recae sobre supuestos débiles y

comprobables, permitiendo una mejor identificación causal (Lee y Lemieux 2010, Angrist

y Pichke 2009). Esta estrategia de identificación es posible debido a la disponibilidad

de datos desagregados sobre deforestación del MINAM, shapefiles sobre ANP de

SERNANP, y una variedad de información geográficamente desagregada.

Para el análisis de deforestación, la unidad de observación serán celdas de 1 kilómetro

cuadrado y dos medidas de deforestación: una variable dummy si entre 2001 y 2016,

hubo algún territorio dentro de la celda que fue deforestado, y una variable que indica

cuántas hectáreas se deforestaron por cada kilómetro cuadrado. Para el análisis de

bienestar, la unidad de observación será el hogar. Debido a que la información de

deforestación se encuentra disponible para el período 2001-2016, nos centraremos

únicamente en las ANP creadas previas a este período, las cuales son 12.

Nuestros resultados sugieren que en el período estudiado: (i) encontrarse en una ANP

reduce la probabilidad de deforestación entre 7 y 12% por cada kilómetro cuadrado,

mientras que la pérdida de bosque se reduce entre 3 y 3 hectáreas por cada kilómetro

cuadrado; (ii) encontrarse en una ZA no representa una reducción significativa en

deforestación, sugiriendo que efectivamente amortigua la deforestación en las ANP; (iii)

aunque débilmente, estar dentro de una ZA reduce el ingreso y gasto real de los

hogares, así como aumenta la probabilidad de encontrarse en condición de pobreza

monetaria (resultado de carácter exploratorio, por disponibilidad y calidad de datos); (iv)

los hogares manejados por mujeres no presentan alguna condición de vulnerabilidad

particular respecto a los manejados por los varones (resultado de carácter exploratorio,

por disponibilidad y calidad de datos).

Dada la evidencia cuantitativa encontrada, se podría decir que las ANP efectivamente

reducen la deforestación y las ZA amortiguan esta última. Estos resultados

corresponden únicamente para aquellas áreas creadas antes del año 2001, las más

antiguas. Interpretamos la evaluación de variables socioeconómicas como el

mecanismo que permite explicar el resultado sobre deforestación: si las ANP “funcionan”

es porque efectivamente restringen la actividad económica, por ello los hogares que se

encuentran en estas áreas (en nuestro caso, por motivos de muestra, dentro de una ZA)

tienen menores niveles de ingreso y gasto.

1 No contamos con información de hogares dentro las ANPs, únicamente 471 hogares dentro de una ZA donde las mujeres son las jefas de hogar, por lo que no podrían explorarse estadísticamente cómo se da la división sexual del trabajo en esas áreas, ni la participación de las comunidades en la gestión de las ANP/ZA.

4

Contra-intuitivamente, por tratarse de modelos institucionales que permiten algunas

actividades económicas extractivas, el análisis en el universo estudiado indica que las

reservas nacionales han sido las más efectivas (entre 3 y 6.7 hectáreas por kilómetro

cuadrado), seguidas por las reservas comunales (hasta 3.4 hectáreas). Por su parte, los

parques nacionales parecen reducir la deforestación, pero no de manera robusta,

mientras que los otros tipos no tienen efectos significativos. Por otro lado, las ZA de los

bosques de protección, parques nacionales y zonas reservadas reducen la

deforestación respecto de aquellas áreas fuera de estas zonas. De manera particular,

se analiza la efectividad individual de cada ANP, encontrándose que Tambopata,

Bahuaja, Yanesha y Pacaya son aquellas en las que más se reduce la deforestación.

La organización del informe es como sigue. La Sección 2 presenta una sucinta revisión

de literatura, la Sección 3 una nota sobre el Sistema Nacional de Áreas Naturales

Protegidas, la Sección 4 expone la metodología, la Sección 5 presenta los resultados y

la Sección 6 las conclusiones y recomendaciones de política.

5

2. Revisión de Literatura2

Los estudios sobre deforestación son cada vez mayores, en su mayoría realizados

desde 1990, desde las ciencias de la naturaleza y con un énfasis en el rol de las áreas

naturales protegidas. Google Académico contiene 253 mil investigaciones relacionadas

a deforestación, de las cuales 121 mil contienen las referencias sobre áreas naturales

protegidas. El estudio desde las ciencias de la naturaleza, dada su aproximación

epistemológica, se concentra en explicar la deforestación, vinculada o no a áreas

protegidas, con poco énfasis en las implicancias de política. Proponemos una

investigación desde las ciencias sociales, enfocada en la evaluación de impacto de una

política particular, la implementación de áreas naturales protegidas, sobre la

deforestación en la Amazonía Peruana.

La deforestación en bosques tropicales expresa la intervención humana que altera el

ecosistema original, menguando el hábitat de las especies que otrora lo conformaban

(Dourojeanni 2015). Actividades humanas como la tala, minería y construcción de

carreteras alteran los bosques tropicales y su ecosistema. Las ANP son creadas para

evitar que el ecosistema de ciertas áreas sea alterado por la intervención humana. En

este sentido, nos proponemos investigar si estas ANP son efectivas en su objetivo e

protección de deforestación.

La restricción del cambio de uso de tierra y actividades extractivas, es decir, la

prohibición de ciertas actividades económicas en las áreas protegidas es lo que

explicaría la reducción de la deforestación (Miranda et al 2016). Las áreas de

conservación impiden la mercantilización de los bienes comunes y restringe la inversión

en carreteras o infraestructura que dañe los ecosistemas. La mayoría de la investigación

ha encontrado que las ANP son efectivas para reducir la deforestación: en Brasil (Jusys

2016, Pfaff et al 2014, 2007), Colombia (Armenteras et al 2011, Rodríguez et al 2013),

Costa Rica (Robalino y Pfaff 2012), Ecuador (Van der Hoeck 2017), Perú (Miranda et al

2014, 2016, Oliveira et al 2007, Weisse y Naughton-Treves 2016), así como en estudios

multinacionales (Baroloto et al 2015, Perz et al 2013). Las magnitudes del impacto en la

reducción son diversas, con efectos diferenciados por período, fuente de financiamiento

y período de creación de las ANP. Algunos estudios resaltan que los efectos existen en

función de características geográficas y tipo de ANP (Anderson et al 2016).

Por otro lado, la heterogeneidad en los resultados se debe también a la diversidad de

unidades de análisis utilizadas: desde celdas de 30 metros o 1 kilómetro cuadrado hasta

unidades administrativas pequeñas (como el distrito peruano). Mientras que las ANP

son la fuente de contención de deforestación típicamente estudiada, la fuente de

deforestación más estudiada ha sido la construcción infraestructura de transporte

(Robalino et al 2007, Li et al 2015, Baraloto et al 2015).

Los estudios mencionados han evaluado la efectividad de las ANP comparando aquellos

espacios geográficos dentro y fuera, según una distancia establecida o con métodos de

emparejamiento. El primer tipo de metodología ha sido criticada ante la posibilidad de

comparación entre espacios geográficos posiblemente diferentes estructuralmente (Mas

2005, Joppa y Pfaff 2010), siendo el método de emparejamiento el utilizado en estudios

2 Los estudios sobre la efectividad de las ANP son de corte empírico, evaluando cómo la política de restricción de actividad económica podría atenuar la deforestación. No ofrecen un marco teórico propiamente dicho.

6

más recientes (ver Tabla 1). Sin embargo, creemos la metodología puede ser mejorada

en estos trabajos. Volveremos a esto en la sección metodológica.

Son pocos las investigaciones que consideran la existencia de zonas de

amortiguamiento (ZA), que existen legalmente en Perú desde 2001. Miranda y Díaz

(2012), Miranda et al (2016) y Weisse y Naughton-Treves (2016) consideran que estas

áreas deben de ser estudiadas, por tener un status particular. Se encuentra que las ZA

también han funcionado como soporte para reducir la deforestación.

Para el caso peruano, la investigación sobre deforestación y ANP es incipiente. Oliveira

et al (2007) encuentra que la mayoría de deforestación en la Amazonía no se da en

ANP, mientras que más en territorio indígena. Miranda y Díaz (2012) y Miranda et al

(2016) hallan que las ANP reducen la deforestación y parcialmente mejora el bienestar

económico de centros poblados cercanos. Weisse y Naughton-Treves (2016)

encuentran que las ZA han sido efectivas en la detención de la deforestación, en un

estudio sobre 13 ANP de la Amazonía. Finalmente, Arima (2016) hallan que la

probabilidad de deforestación es mayor en espacios con deforestación vecina.

Proponemos contribuir con esta literatura mediante el primer estudio para el caso

peruano que utilice una regresión discontinua geográfica, método econométrico de

evaluación de impacto con gran validez interna, que con supuestos no muy fuertes

permite el estudio mediante una relación causal clara.

7

Tabla 1: Resumen de principales estudios sobre áreas protegidas y deforestación

Estudio País - Zona

Método Objetivo Medida de

deforestación

Unidad de

análisis

Resultado principal

Conclusiones (ANP)

Arima (2016)

Perú - Amazonía Oeste

Spatial Probit y Simulaciones

Impacto de Redes Viales en Deforestación

Variable dicotómica 1/0

Celda de 900 m2

La construcción de una carretera incrementa la deforestación de 200 - 300 km2.

ANP reduce la probabilidad de deforestación

Díaz y Miranda (2012)

Perú - Amazonía

Regresión (deforestación) y emparejamiento (bienestar)

Efecto de ANP sobre deforestación y bienestar

Superficie deforestada (km2) a nivel

de distrito

Km2 a nivel distrito

Hasta un 40% de superficie no ha sido deforestada por la presencia de ANP.

ANP reduce superficie deforestada. Efecto no concluyente sobre bienestar

Miranda et al. (2016)

Perú - Amazonía

Mahalanobis covariate matching

Efecto de ANP sobre deforestación y bienestar

Variable dicotómica 1/0

Celda de 1 km2

ANP reducen un 1.3% de área deforestada por año.

Las ANP reducen la deforestación. Efecto no robusto en la pobreza.

Jusys (2016)

Brazil - Estado de Pará

Propensity Score Matching

Efecto de área protegida en porcentaje de bosque

% de parcelas deforestadas por cada km2.

Celda de 1 km2

Un 0.72% de la superficie (aprox. 2900 km2) no fue deforestada debido a las ANP.

ANP reduce área deforestada

Mas (2005)

Mexico Comparación según buffers

Efecto de Áreas Protegidas en deforestación

Ratio: uso de suelo/cambio en cobertura

Escala de 1: 250 000

Deforestación en áreas protegidas es entre 0.3 y 1% menor


Oliveira et al (2007)

Perú - Amazonía

Comparación Simple

Exponer un sistema de detección

Área (%) deforestado

Km2

Solo 1% a 2% de la deforestación ocurrió en las ANPs.


Pfaff et al (2014)

Mexico Propensity Score Matching

Efecto de áreas protegidas en cobertura de tierra

Porcentaje de cobertura forestal

Celda 1 km2

Una tasa 2.5% más baja de pérdida de cobertura de suelo natural dentro de las AP.


Rodríguez et al (2013)

Colombia (Andes)

Buffers y simulación

Efectividad de áreas protegidas sobre deforestación e incendios

Ratio de deforestación

escala de 1: 100 000

Las Pas presentan menor ratio de deforestación (0.3%) que la región (0.67%).


Van der Hoek 2017)

Ecuador Propensity Score Matching

Efectividad de áreas protegidas sobre deforestación

% de parcelas deforestadas

parcelas de 30 x 30m pixeles.

Un 1.56% menor deforestación en las áreas protegidas (7800 ha).


8

Estudio País - Zona

Método Objetivo Medida de

deforestación

Unidad de

análisis

Resultado principal

Conclusiones (ANP)

Weisse, M y Naughton-Treves, L. (2016)

Peru Propensity Score Matching

Efectividad de zonas de amortiguamiento sobre deforestación y concesiones mineras

% deforestado Celda 1 km2

Las zonas de amortiguamiento han prevenido la perdida de aproximadamente 320 km2.

En zonas de amortiguamiento se ha prevenido la deforestación de 320 kilómetros cuadrados

Anderson et al (2016)*

Brazil RDD y DiD Efecto de áreas protegidas en deforestación


No hay efecto debido a que áreas protegidas se encuentran en lugares con tierra poco productiva

ANP no son efectivas

Bonilla-Mejía e Higuera-Mendieta (2019)

Colombia RDD y DiD Efecto de áreas protegidas en deforestación

Hectáreas por kilómetro cuadrado

Celda 1 km2

ANP reduce deforestación

Áreas efectivas con efecto que se magnifica en el largo plazo

Burgess et al (2018)

Brazil RDD

Efecto de política contra tala ilegal en deforestación

Pérdida forestal anual

Celda 120 m2

Área brasileña experimenta reducción en deforestación tras política

Política nacional disminuye deforestación

Pérez-Valbuena et al (2017)

Colombia RDD

Efecto de áreas protegidas y territorios indígenas, cuando se encuentran superpuestas, en deforestación

Hectáreas por kilómetro cuadrado

Celda 1 km2

ANP reduce deforestación

Áreas Protegidas superpuestas reduce deforestación

Amin et al. (2019)

Brasil Dynamic Spatial Durbin Model

Eficiencia de las áreas protegidas en reducir la deforestación.


Un incremento de área protegida en 10% evita la deforestación en 10.56 km2 para áreas protegidas integrales y 9.81 km2 para tierras indígenas.

Resultados heterogéneos según ANP

Nota: RDD (Diseño de Regresión Discontinua), DiD (Diferencias en Diferencias).

9

2.1. Género y ANPs

La literatura encuentra una diversidad de estudios empíricos donde muestran que las

mujeres se benefician más que los hombres de las ANPs. Esto se debe a que (i) los

estudios empíricos revisados están sesgados al estudio de ANPs vinculadas al sector

turismo y (ii) los roles de género crean oportunidades de ingresos para las mujeres en

contextos de turismo conservacionista. La literatura reconoce que la presencia de áreas

protegidas contribuye a un desarrollo sostenible y al bienestar de las comunidades

locales (McNeely, 2008). Diversos estudios longitudinales han investigado el impacto

socioeconómico de las áreas protegidas para países como para Tailandia (Andam et al,

2010), Costa Rica (Andam et al., 2010) y Bolivia (Canavire-Bacarreza & Hanauer, 2013).

En Heagney et al. (2015) se analizan los beneficios socio-económicos de las áreas

protegidas para 110 comunidades locales al sureste de Australia, cubriendo un área de

600 000 km2. Los autores proponen que hay tres vías a través de las cuales las áreas

protegidas benefician a las comunidades locales en economías desarrolladas. Éstas son

el incremento en el valor de la vivienda, incentivo a los negocios locales y el incremento

en el financiamiento local. Realizan un análisis longitudinal y encuentran que el

establecimiento de nuevas áreas protegidas incrementó el número de residencias y de

las contribuciones locales, la cantidad de negocios locales y los ingresos de los

gobiernos locales por los pagos de los usuarios turísticos.

Sin embargo, el impacto socioeconómico termina siendo distinto para hombres y

mujeres que son parte de la comunidad local. En efecto, Panta & Thapa (2018) explora

los beneficios y desafíos para las mujeres empresarias en las zonas de amortiguamiento

del Parque Nacional de Bardia, en Nepal. Mediante la recopilación de datos cualitativos

a través de entrevistas y discusiones focales, encontraron que las mujeres obtuvieron

beneficios a nivel individual como una mayor confianza y habilidades personales, una

mayor capacidad de acceso al ingreso familiar y mayor capacidad de decisión dentro de

la familia, contribuyendo al empoderamiento de las mujeres de la zona.

Otros estudios encuentran que el empleo en el turismo beneficia más a las mujeres

rurales que viven cerca de las áreas protegidas. Por ejemplo, las mujeres de Costa Rica

se beneficiaron económicamente al producir y vender sus artesanías a los turistas en el

proyecto de ecoturismo de Monte Verde (Vivanco, 2001). Aparte del beneficio en el

ingreso, las mujeres reportan una mayor autoestima, una mayor conciencia de

educación sanitaria y una menor carga del trabajo doméstico (Walker et al., 2001).

Kathiwada & Silva (2015) estudian los efectos en el empleo en turismo en Namibia

según la diferencia por género. Los autores encuentran que el turismo en las áreas

protegidas brinda mayores ingresos al generar un mayor empleo de ventas de

artesanías, así como por los beneficios de las empresas turísticas. En particular, las

familias con jefes de hogar masculino se encuentran en una mejor posición económica

y no hay diferencia significativa entre los hombres con empleo turístico y los que no lo

tienen. En cambio, en el caso de los hogares encabezados por mujeres hay diferencia

entre las mujeres con empleo turístico y las que no lo tienen, las primeras están mejor

económicamente y al mismo nivel que los hogares encabezados por hombres.

Finalmente, diversos estudios resaltan la importancia de incorporar el enfoque de

género en la conservación de áreas naturales. La literatura sobre género y conservación

sostiene que las políticas de género en ANPs pueden generar una conservación

socialmente más justa (Ogra y Badola, 2008), una distribución más equitativa tanto de

10

los beneficios y costos (Martino, 2008) y una conservación más efectiva (Westermann

et al, 2005; Agarwal, 2009). Westermann et al. (2005) concentra su estudio en el capital

social ejemplificado en grupos para la gestión de recursos naturales en 20 países de

Asia, África y Latinoamérica. En este caso, se encontró diferencias por género en la

madurez del grupo y el nivel de éxito alcanzado, así como también, en experiencia de

colaboración y manejo de conflictos. Además, en promedio, se encontró que la

colaboración, solidaridad y resolución de conflicto aumentó cuando las mujeres son

parte del equipo. En general, son pocas las investigaciones que vinculen ANPs y género.

La conclusión de estas es que, cuando hay actividades vinculadas a turismo, los

indicadores diversos de bienestar mejoran en las mujeres. Sin embargo, amplia

evidencia muestra que en general la desigualdad de género en las relaciones socio

económicas y culturales coloca a las mujeres en situación de vulnerabilidad. Si bien para

nuestro caso las ANP no son pensadas como fines de turismo, empíricamente

exploraremos si hay algún patrón diferenciado en indicadores de bienestar de hogares

manejados por hombres y mujeres.

11

3. Áreas Naturales Protegidas y Deforestación

Conocemos la historia de las áreas naturales protegidas gracias a la notable obra de

Marc J. Dourojeanni, actor clave en la historia peruana de la conservación, en particular

ver Dourojeanni (2009) y (2018). Es en base a sus escritos que elaboramos la cronología

de la conservación del Cuadro 1.

Cuadro 1. Cronología: Áreas Naturales Protegidas, Antecedentes e Instituciones Estatales Asociadas (preliminar)

1909 Compañía Administradora del Guano, primer caso de construcción de aparato estatal para lo que años después llamaremos extracción sustentable y conservación (antecedente de la Reserva Nacional de Paracas y la Reserva Nacional Sistema de Islas, Islotes y Puntas Guaneras)

1933 70 hectáreas de plantaciones forestales en Lachay (antecedente de la Reserva Nacional de Lachay)

1940 Reserva de pesca en el río Pacaya 1949 Bosque Nacional de Tumbes 1961 Parque Nacional de Cutervo, primer “parque nacional” 1963 Primera ley forestal, Decreto Ley N° 14552 1965 Parque Nacional Tingo María, segundo en la historia de la conservación 1968 Zona Reservada del Manu, primera área natural protegida en la historia de la

Amazonía, convertida en parque nacional en 1973. 1975 Ley Forestal y de Fauna Silvestre, Decreto Ley N° 21147 1979 Instituto de Investigaciones de la Amazonía Peruana (IIAP) 1981 Instituto Nacional Forestal y de Fauna (INFOR), cerrado en 1990 1992 Dirección General de Áreas Naturales Protegidas 1992 Fondo Nacional para las Áreas Naturales Protegidas por el Estado

(PROFONANPE), institución privada sin fines de lucro para promover el financiamiento de la conservación.

1997 Ley del Sistema Nacional de Áreas Naturales Protegidas, crea el Sistema Nacional de Áreas Protegidas (SINANPE), Ley N° 26834

2000 Ley Forestal. Crea el Organismo de Supervisión de los Recursos Forestales (OSINFOR) y el Fondo de Promoción del Desarrollo Forestal (FONDEBOSQUE), Ley N° 27308.

2005 Ley General del Ambiente, Ley N° 28611 2008 Ministerio del Ambiente y Servicio Nacional de Áreas Protegidas por el Estado

(SERNANP), Decreto Legislativo N° 1013

Fuente: Dourojeanni (2009) y (2018)

Las ANPs tuvieron una notable expansión desde la década de 1970, bajo el liderazgo

de los expertos forestales de la Universidad Nacional Agraria La Molina (Dourojeanni

2009, Orihuela 2018). Un punto de inflexión fue la creación del Parque Nacional del

Manu, en 1973, el primero en la Amazonía (Orihuela 2017, Rodríguez 2018). Cincuenta

años después, las ANPs representan casi un 25% del territorio amazónico.

En el Mapa 1 se muestran las 76 ANP (azul) y sus respectivas zonas de

amortiguamiento (rojo). Las áreas más extensas se encuentran en la Amazonía

peruana, en particular Madre de Dios, donde la mayoría del territorio se encuentra bajo

una de estas áreas (Orihuela 2017). Nuestro estudio se concentra en aquellas áreas

creadas antes del año 2001, listadas en la Tabla 2. De las 12 ANP seleccionadas,

excluimos “Tingo María” por tener una extensión significativamente menor a las otras

(47 kilómetros cuadrados).

Las ANP analizadas son de 6 tipos: Bosques de Protección, Parque Nacional, Reserva

Comunal, Reserva Nacional, Santuario y Zona Reservada. Estos tipos de ANP se

12

distinguen por su objetivo, especificado en la Ley N° 26834 (resaltado y subrayado

propio):

- Bosque de protección: áreas boscosas que tienen el objetivo de proteger los

diversos tipos de cursos de agua (cuenca, ribera y otros) y las tierras frágiles.

En estas áreas se permite el desarrollo de actividades que no coloquen en

peligro la cobertura vegetal.

- Parque nacional: áreas que forman muestras de la diversidad natural, donde se

protege con carácter intangible la integridad ecológica de uno o más

ecosistemas, las relaciones de flora y fauna, así como de otras características

que se representen.

- Reserva comunal: áreas que protegen los recursos de flora y fauna en

beneficio de las poblaciones aledañas. El uso y la comercialización de los

recursos se lleva a cabo bajo planes de manejo establecidos. Principalmente,

estas áreas pueden ser establecidas en suelos con capacidad agrícola,

agropecuaria, entre otros.

- Reserva nacional: áreas que cuentan con la finalidad de conservar la

diversidad biológica y el uso sostenible de los recursos de flora y fauna. En

estas áreas se permite el aprovechamiento comercial bajo ciertos planes de

manejo definidos y supervisados por la autoridad a cargo.

- Santuario nacional: áreas que protegen el hábitat de una especie en particular

o comunidades de flora y fauna con carácter intangible, además de áreas

naturales de interés científico.

- Zonas reservadas: áreas con condiciones para ser identificadas como ANP; sin

embargo, es necesario realizar estudios complementarios para determina el

tipo y extensión de la ANP.

13

MAPA 1: Áreas Naturales Protegidas y Zonas de Amortiguamiento

14

Figura 1. Pérdida de la superficie de bosques (hectáreas)

Fuente: MINAM

Tabla 2: Características de ANPs estudiadas

ANP Extensión

(ha) Año de

creación Tipo de reserva Departamento

Tabaconas - Namballe

32 124.87 1988 Santuario Nacional Cajamarca

Tambopata 274 690.00 1972 Reserva nacional Madre de Dios

Bahuaja 1 091 416.00 1996 Parque Nacional Madre de Dios y Puno

Yanachanga 122 000.00 1986 Parque Nacional Pasco

Manu 1 716 295.22 1973 Parque Nacional Cusco y Madre de

Dios

Pacaya 2 080 000.00 1972 Reserva Nacional Loreto

Santiago - Comaina 398 449.44 1999 Zonas reservadas Amazonas y Loreto

del Rio Abiseo 274 520.00 1983 Parque nacional San Martín

Tingo María* 4 777.00 1961 Parque nacional Huánuco

Yanesha 34 744.70 1988 Reserva comunal Pasco

Alto Mayo 182 000.00 1987 Bosques de protección

San Martín

San Matías-Carlos 145 818.00 1987 Bosques de protección

Pasco

Fuente: SERNANP

83,99579,830

72,872

93,144

147,621

74,499

106,185

105,702

152,158

136,201

123,562

149,470150,279

177,566

156,462

164,662

0

20,000

40,000

60,000

80,000

100,000

120,000

140,000

160,000

180,000

200,000

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

15

4. Metodología

4.1. Estrategia de identificación

Es interés de esta investigación evaluar el impacto de las ANP y sus ZA sobre la

deforestación y características socioeconómicas. La conformación de estas áreas no

responde a un patrón aleatorio, por lo que la evaluación de su impacto va más allá de

la simple comparación entre territorios dentro y fuera de las ANP. En los estudios previos

de Díaz y Miranda (2012) y Miranda et al (2016) se utiliza una técnica de emparejamiento

para la evaluación. Este método recae en el supuesto de independencia condicional,

que refiere a que la asignación a un tratamiento -en nuestro caso estar dentro de una

ANP- es una variable “independiente” cuando se condiciona a un conjunto de variables

de control. Es decir, sobre la base de características observables, se puede replicar el

proceso de asignación a una ANP. Sin embargo, el supuesto es muy fuerte, no puede

ser evaluado y supone la inexistencia de alguna característica no observable que se

correlacione con la asignación al tratamiento.

Dentro de la literatura de evaluación de impacto no experimental, se conocen diversos

tipos de métodos, siendo el del diseño de regresión discontinua aquel que, bajo

supuestos débiles, ofrece relaciones de causalidad comparables a un experimento

aleatorio (Lee 2008, Lee y Lemieux 2010, Angrist y Pichke 2011). Las ANP generan una

discontinuidad en el sentido que aquellos pedazos de territorio dentro de estas áreas se

encuentran bajo la tutela de estas, y por lo tanto con prohibición de desarrollo de

actividades que podrían generar deforestación, mientras que aquellas zonas fuera de la

frontera no. A pesar de esta discontinuidad, es esperable que aquellas zonas cerca del

punto de discontinuidad sean muy parecidas y la única diferencia sea el estar a un lado

u otro de la frontera (Hahn et al, 2001). Este es el único supuesto del método, que es

contrastable mediante un cuadro de comparación de medias (Lee y Lemieux 2010).

Como puede notarse en el Mapa 1, la mayoría de ANP posee zonas de

amortiguamiento, que son buffers establecidos legalmente a una distancia variable de

cada una de las áreas. El objetivo de estas zonas es amortiguar sobre las ANP algunos

efectos de actividades económicas que puedan fomentar un peligro a la conservación

ecológica. La existencia de estas zonas complejiza la evaluación, pues no nos

encontramos en una situación dicotómica de tratamiento/control, sino tres categorías.

Como los objetivos de las ZA son diferentes a los de las ANP, deben tratarse

particularmente, y no como un apéndice o parte de las ANP.

Ante este escenario, en nuestro estudio tenemos tres grupos de áreas geográficas

mostradas en el Mapa 2a: (i) áreas dentro de una ANP (color azul); (ii) áreas dentro de

una ZA (color rojo); y (iii) áreas fuera de las dos primeras (color blanco). Al ser

“tratamientos” diferentes las ANP y ZA, para medir el impacto de las primeras

compararemos (i) con (ii), y para medir el impacto de las segundas, compararemos (ii)

con (iii). En las dos comparaciones, no se utilizarán todos los espacios geográficos, sino

aquellos a una distancia ‘d’ de cada uno de los bordes. Por ejemplo, en el Mapa 2b se

muestra cuáles espacios geográficos se utilizarían para evaluar el efecto de las ANP

(buffer celeste) y ZA (buffer rosado), considerando un ancho de banda de 3 kilómetros

-3 kilómetros de distancia de cada borde-.

16

Mapa 2a: Tratamientos: ANP y ZA

17

Mapa 2b: Áreas utilizadas para comparación (Bandwidht: 3 km)

18

La comparación explota la discontinuidad geográfica creada por estas áreas: dentro y

fuera. Existen dos enfoques para explorar esta discontinuidad: (i) por un lado, la

discontinuidad puede entenderse en dos dimensiones (latitud y longitud), necesitando

incorporar polinomios en estas variables que den cuenta de cambios alrededor de la

frontera (Dell 2010, Keele y Titiunik 2015, Keele et al 2017); (ii) por otro lado, puede

entenderse como una discontinuidad en una dimensión (la distancia al borde), tal como

Burgess et al (2018) realizan. La dificultad de seguir el primer enfoque radica en la

imposibilidad de pensar un ancho de banda en las dos dimensiones, a diferencia del

caso de distancia (el ancho de banda serían los kilómetros dentro/fuera de la frontera).

Seguimos a Burgess et al (2018) y consideramos para nuestra especificación principal

la distancia al borde de la ANP o ZA (la literatura llama a esta variable que genera

discontinuidad running variable). Adicionalmente, se presentarán los resultados

utilizando la discontinuidad en latitud y longitud. Las especificaciones econométricas

deben incorporar polinomios de la variable que genera la discontinuidad, pues capturan

las variaciones alrededor del borde. Siguiendo a Gelmans e Imbens (2018), utilizamos

polinomios de bajo orden (de orden 1 a 3, centrándonos en el primero), los cuales son

diferentes para cada lado de la frontera (permitiendo una pendiente diferente en cada

grupo).

Formalmente, las ecuaciones a estimar son:

(𝑖) 𝑦𝑖𝑎 = 𝛽𝐴𝑁𝑃𝐴𝑁𝑃𝑖 + 𝑋𝑖Β + 𝑓(𝑑𝑖𝑠𝑡)𝜌 + 𝛾𝑎 + 𝜖𝑖𝑎

(𝑖𝑖) 𝑦𝑖𝑎 = 𝛽𝑍𝐴𝑍𝐴𝑖 + 𝑋𝑖Β + 𝑓(𝑑𝑖𝑠𝑡)𝜌 + 𝛾𝑎 + 𝜖𝑖𝑎

Donde ‘y’ es la variable dependiente de la observación ‘i’, ubicada en la cercanía de la

ANP ‘a’’. ANP y ZA es una variable dummy que toma el valor de 1 si la observación ‘i’

se encuentra al interior de una ANP y ZA, respectivamente; 𝛽 es el parámetro de interés,

que refleja el impacto causal de las ANP y ZA; X es un set de variables de control de

cada observación; 𝛾𝑎 es un efecto fijo que indica a qué borde de ANP/ZA la observación

‘i’ está más cerca y permite capturar cualquier característica no observable de cada

ANP/ZA; f(dist) es un polinomio de orden 𝜌, que puede ser de la variable distancia a

ANP/ZA o latitud-longitud3. Los errores estándar son agrupados según celdas de 10

kilómetros cuadrados4, para considerar algún tipo de correlación espacial (Dell 2010,

Hsiang 2016, Burgess et al 2018)

Las estimaciones son realizadas en diferentes radios de distancia a los bordes

respectivos. En los casos en los que se presenta discontinuidad en una sola variable,

es usual calcular un ancho de banda óptimo, siendo los más conocidos los propuestos

por Calonico et al (2014) e Imbens y Kalyanaraman (2012). Según especificación e

inclusión de variables de control, los anchos de banda óptimos varían entre los 1 y 10

kilómetros para las variables de deforestación, y entre 1 y 5 para las variables de

bienestar. Utilizaremos anchos de banda para 1, 3, 5, 7 y 10 kilómetros (deforestación)

y 1, 3 y 5 (bienestar).

3 Para este caso, seguimos a Dell (2010) y estandarizamos los valores de latitud y longitud restándoles el promedio de cada una de las medidas. 4 Se prefiere estos bloques de 10 km2 en vez de distritos debido a la gran heterogeneidad en superficie de los distritos en la Amazonía. Hsiang (2016) sugiere que el agrupamiento de errores estándar y aquellos siguiendo a Conley (1999) ofrecen los mismos resultados. Preferimos agrupar debido a la dificultad computacional del segundo.

19

Las ANP analizadas son de 6 tipos: Bosques de Protección, Parque Nacional, Reserva

Comunal, Reserva Nacional, Santuario y Zona Reservada. El efecto fijo a nivel de ANP

controlaría cualquier particularidad de cada una de estas, más no permitiría analizar

efectos heterogéneos. Para este caso, analizaremos cómo varían los resultados por tipo

de ANP y para cada una de estas.

4.2. Datos

El trabajo de datos para el análisis de deforestación consiste en convertir información

geográfica en base de datos a ser utilizadas para un análisis estadístico. Este proceso

es realizado con el uso de Sistemas de Información Geográfica (SIG), en particular

ArcGIS. Si bien la información de deforestación está disponible para cada 30 metros

cuadrados, la unidad de observación es la celda de 1 kilómetro cuadrado por fines

computacionales y para permitir la unión con otra información geográfica.

Las celdas se ubican en torno a una zona de influencia de 11 ANP creadas antes del

año 2001. Nos enfocamos en este subconjunto de áreas porque la información

disponible mide la deforestación acumulada entre los años 2001 y 2016, y se requeriría

que todas estas áreas se encuentren bajo tutela nacional durante el período de análisis.

El Mapa 3 muestra las ANP seleccionadas para nuestro estudio. Excluimos la ANP

Tingo María por ser significativamente más pequeña que las otras (Tabla 2). Por otro

lado, algunas ANP se encuentran contiguas, por lo que eliminamos el borde interior de

estas, y asignamos a cada celda la distancia a la ANP /ZA más cercana. En esta

situación se encuentran cinco ANP agrupadas en dos: (i) Tambopata y Bahuaja; (ii)

Yanesha, Yanachanga y San Matías – San Carlos.

20

Mapa 3: ANP estudiadas

21

Utilizamos dos medidas de deforestación: (i) una variable dummy si alguna parte de la

celda ha sido deforestada; (ii) el número de hectáreas deforestadas por cada kilómetro

cuadrado. La información de deforestación acumulada es provista por el Ministerio del

Ambiente en un formato ráster a una resolución de 30 metros cuadrados. Agregamos el

número de píxeles de 30 metros cuadrados deforestados dentro de cada celda de 1

kilómetro cuadrado, y con esta medida creamos nuestro indicador principal. Cabe indicar

que el segundo indicador creado considera (descuenta) zonas que de por sí no eran

bosque antes del 2000 (hidrografía, ciudades, área no analizada). En el Mapa 4

mostramos las mediciones de deforestación en el período 2001-2016 para la Amazonía

peruana-. La mayoría del territorio es un bosque (color verde), y existen zonas de

amarillo que antes del período de observación ya eran consideradas como zonas de no

bosque (como ciudades o zonas deforestadas previamente). Aquellas áreas de color

negro son aquellas que, siendo bosque el año 2000, dejaron de serlo entre 2001 y 2016,

siendo estas las áreas deforestadas. En el Mapa 5 podemos observar un ejemplo de las

mediciones de deforestación alrededor de tres ANP contiguas (Yanachanga, Yanesha

y San Matías – San Carlos).

22

MAPA 4: Deforestación 2001-2016 en la Amazonía

Leyenda

Límite Departamental

No monitoreado

No bosque (2000)

Bosque (2016)

Hidrografía

Pérdida (2001-2016)

23

MAPA 5: Deforestación alrededor de las ANP Yanachanga, Yanesha y San Matías – San

Carlos

Leyenda

Área Natural Protegida

Zona de Amortiguamiento

No monitoreado

No bosque (2000)

Bosque (2016)

Hidrografía

Pérdida (2001-2016)

24

Adicionalmente, para cada celda se calculan algunas otras características como la

altitud, pendiente, temperatura y precipitación promedio. Del mismo modo se obtienen

características sobre carreteras, concesiones mineras, concesiones forestales,

comunidades nativas, centros poblados y ríos y quebradas dentro de cada celda y a una

distancia de estas. Se excluyen aquellas celdas que se encuentran dentro de una ANP

o ZA creada después del año 2001, a fin de no confundir el efecto que atribuimos a las

áreas “antiguas”.

Algunas celdas se encuentran al medio de uno de los bordes, es decir, el borde cruza

la celda. Ante esta situación, se podría modificar estas celdas, de tal manera que se

corten cuando empiece el corte, como lo hace Shenoy (2018); sin embargo, al realizar

esto, las unidades de observación no serían las mismas (celda de 1km2). Lo que

hacemos es considerar como dentro de la ANP/ZA si el borde corta la celda. En la

sección 5.5 mostramos que esta decisión no afecta los resultados al implementar una

regresión discontinua tipo donut (Barreca et al 2011, Almond et al 2010), en la cual

excluimos aquellas observaciones que se encuentren “muy cerca” del borde (a ambos

lados).

Por otro lado, los indicadores socioeconómicos utilizados son el ingreso y gasto real, así

como la pobreza monetaria a nivel de hogar de la Encuesta Nacional de Hogares para

el período 2007-2016, que se encuentra georreferenciada a nivel de centro poblado. El

ingreso y gasto real son obtenidos al dividir el ingreso/gasto entre la línea de pobreza

(Aragón y Rud 2013). La Tabla 3 resume las variables creadas y la fuente de

información:

25

Tabla 3: Variables creadas y fuente de información

Variable Fuente Formato Definición

Variables geográficas

Deforestación MINAM Ráster Información a nivel de cuadro de 30 m2. Se transforma a: (i) algún cuadro deforestado por cada km2; (ii) hectáreas deforestadas por cada km2

Áreas Naturales Protegidas y Zonas de Amortiguamiento

MINAM Shapefile Variables dummy si la celda se encuentra en una ANP o ZA

Presencia de carreteras MTC Shapefile Variable dummy si la celda contiene una carretera o esta se encuentra a 3 kilómetros

Presencia de ríos y quebradas

IGN Shapefile Variable dummy si la celda contiene un río o este se encuentra a 3 kilómetros

Presencia de centro poblado

INEI Shapefile Variable dummy si la celda contiene un centro poblado este se encuentra a 3 kilómetros

Presencia de concesiones mineras

Ingemmet Shapefile Variable dummy si la celda contiene una concesión minera o esta se encuentra a 3 kilómetros

Altitud SRTM - NASA Imagen tipo ráster Altitud promedio de cada celda

Pendiente SRTM – NASA Imagen tipo ráster Pendiente promedio de cada celda

Temperatura Worldclim Imagen tipo ráster Temperatura promedio de cada celda

Precipitación Worldclim Imagen tipo ráster Precipitación promedio de cada celda (mm)

Presencia de comunidades nativas

IBC Shapefile Variable dummy si la celda contiene una comunidad nativa o esta se encuentra a 3 kilómetros

Variables socioeconómicas

Ingreso/Gasto Real INEI - ENAHO Ingreso/Gasto mensual per-cápita dividido entre la línea de pobreza

Pobreza INEI - ENAHO Variable dummy si el hogar se encuentra en condición de pobreza o pobreza extrema

Fuentes: Ministerio del Ambiente (Minam), Ministerio de Transportes y Comunicaciones (MTC), Instituto Geofísico del Perú (IGP), Instituto Nacional de Estadística e Información (INEI), Instituto Geológico, Metalúrgico y Minero (INGEMMET), Ministerio de Energía y Minas (MINEM), Base de Datos de Pueblos Indígenas (BDPI), Shuttle Radar Topography Mission (SRTM),Instituto del Bien Común (IBC).

26

5. Resultados

5.1. Análisis descriptivo

En el Gráfico 1 mostramos visualmente una primera aproximación del método a utilizar.

En el eje vertical se muestra la deforestación medida como el número de hectáreas por

kilómetro cuadrado, y en el eje horizontal la distancia al borde de la ANP y ZA. El gráfico

es realizado para 50 puntos de igual distancia a cada lado del borde. Para el gráfico

superior, es claro ver un “salto” en la deforestación al pasar el borde de las ANP,

mientras que para el gráfico inferior no hay gran diferencia alrededor del borde, aunque

la deforestación se reduce a medida que se adentra en el límite de la ZA. En principio,

este gráfico nos brinda la intuición que en las ANP hay una menor tasa de deforestación

que en las ZA.

Gráfico 1: Deforestación alrededor de la frontera de ANP (arriba) y ZA (abajo)

El supuesto necesario para la validez del RDD es que no existan “saltos” o

discontinuidad en algunas variables que no tendrían por qué ser afectadas por las ANPs.

De esta manera, también nos aseguraremos que las observaciones cercanas y fuera de

los bordes sean buenos contra-factuales o grupos de control (Lee y Lemieux 2010). Para

aproximarnos al cumplimiento de este supuesto, aplicamos la especificación principal

para las variables de control geográficas utilizadas.

La Tabla 4a presenta el resultado que compara ANP y ZA según la cercanía al borde de

las primeras. Al considerar un ancho de banda de 1 y 3 kilómetros no hay diferencias

significativas; al considerar 5 kilómetros en adelante, la pendiente y precipitación son

estadísticamente diferentes, pero con una magnitud mínima respecto a los promedios

27

mostrados en las últimas filas de cada panel. El balance en las variables geográficas

nos sugiere la viabilidad del método elegido.

La Tabla 4b presenta el resultado que compara ZA y áreas fuera de estas según la

cercanía al borde de las primeras. Se encuentra diferencias significativas en las

variables geográficas, aunque con magnitudes no considerables, a excepción de la

altitud, que llega hasta 70 metros de diferencia. El no balance claro en esta segunda

comparación justifica la incorporación de las variables de control, pero requiere ser

cuidadosos con los resultados (Frolich y Huber 2017, Lee y Lemieux 2010).

28

Tabla 4a: Balance de covariables alrededor de la frontera de las ANP

VARIABLE Pendiente Temperatura Precipitación Altitud Carretera

Nac Carretera

Dep. Minas C. Nativas C. Poblado Rio C. Forestal

BW = 1 kilometer

ANP -0.122 -0.003 -1.539 4.510 -0.010 -0.000 -0.009 -0.024 0.002 0.031 0.002

(0.249) (0.092) (1.711) (20.246) (0.011) (0.010) (0.009) (0.017) (0.018) (0.022) (0.014)

Promedio Dentro Borde 8.182 22.61 183.3 795.7 0.122 0.0596 0.0816 0.377 0.157 0.293 0.137

Fuera Borde 7.433 22.93 185.8 738.7 0.139 0.0741 0.107 0.413 0.213 0.296 0.165

BW = 3 kilometer

ANP 0.252 0.060 -2.138 -6.137 -0.005 0.001 -0.013 -0.013 -0.029*** 0.002 -0.008

(0.186) (0.063) (1.347) (13.774) (0.005) (0.008) (0.008) (0.010) (0.011) (0.013) (0.009)

Promedio Dentro Borde 8.370 22.57 182.6 794 0.111 0.0454 0.0570 0.332 0.115 0.267 0.120

Fuera Borde 7.547 22.84 183.7 761 0.152 0.0924 0.125 0.395 0.217 0.329 0.168

BW = 5 kilometer

ANP 0.490** -0.007 -3.272** 7.442 -0.011 0.009 -0.019* 0.013 -0.054*** -0.019 -0.007

(0.241) (0.078) (1.584) (17.682) (0.007) (0.011) (0.011) (0.014) (0.014) (0.016) (0.011)


Fuera Borde 7.430 22.87 184.1 752.4 0.159 0.121 0.142 0.383 0.208 0.350 0.172

BW = 7 kilometer

ANP 0.639** -0.088 -4.072** 22.261 -0.022** 0.006 -0.041*** -0.003 -0.077*** -0.043** -0.010

(0.275) (0.093) (1.852) (20.900) (0.009) (0.013) (0.013) (0.017) (0.016) (0.020) (0.012)


Fuera Borde 7.220 22.97 185.6 730.3 0.155 0.147 0.147 0.369 0.195 0.362 0.184

BW = 10 kilometer

ANP 0.790** -0.155 -5.000** 34.973 -0.028** -0.027* -0.069*** -0.054*** -0.097*** -0.080*** -0.011

(0.321) (0.112) (2.383) (25.033) (0.011) (0.016) (0.015) (0.020) (0.017) (0.025) (0.015)


Fuera Borde 6.915 23.12 187.5 698.6 0.144 0.163 0.145 0.347 0.181 0.366 0.208

29

Tabla 4b: Balance de covariables alrededor de la frontera de las ZA

VARIABLE Pendiente Temperatura Precipitacion Altitud Carretera

Nac Carretera

Dep. Minas C. Nativas C. Poblado Rio C. Forestal

BW = 1 kilometer

ZA 0.657** -0.246** -3.545 70.600*** -0.043*** -0.090*** -0.075*** 0.002 -0.010 -0.094*** 0.004

(0.302) (0.103) (2.515) (22.499) (0.015) (0.022) (0.018) (0.024) (0.023) (0.024) (0.019)

Promedio Dentro Borde 7.843 22.77 182 761.3 0.185 0.167 0.188 0.382 0.240 0.367 0.184

Fuera Borde 6.914 23.28 182.7 649.7 0.230 0.216 0.262 0.385 0.241 0.434 0.206

BW = 3 kilometer

ZA 0.386 -0.252*** 0.795 64.363*** -0.040*** -0.071*** -0.070*** 0.009 -0.016 -0.079*** -0.006

(0.237) (0.083) (1.898) (17.701) (0.011) (0.015) (0.013) (0.017) (0.016) (0.018) (0.013)


Fuera Borde 7.342 23.01 178.8 719.1 0.239 0.195 0.282 0.370 0.231 0.438 0.217

BW = 5 kilometer

ZA 0.331 -0.245** 1.290 58.109*** -0.043*** -0.079*** -0.070*** 0.010 -0.016 -0.095*** -0.006

(0.258) (0.096) (2.054) (20.551) (0.014) (0.017) (0.015) (0.017) (0.018) (0.021) (0.015)


Fuera Borde 7.350 22.94 177.3 737.2 0.226 0.169 0.282 0.361 0.211 0.416 0.227

BW = 7 kilometer

ZA 0.258 -0.212* 3.426 44.169* -0.034** -0.061*** -0.072*** 0.018 -0.003 -0.090*** -0.016

(0.291) (0.113) (2.397) (24.133) (0.016) (0.020) (0.017) (0.019) (0.019) (0.023) (0.018)


Fuera Borde 7.277 22.93 176.8 740.7 0.217 0.142 0.276 0.357 0.201 0.404 0.239

BW = 10 kilometer

ZA 0.273 -0.199 6.119** 33.727 -0.030* -0.027 -0.075*** 0.024 0.012 -0.075*** -0.026

(0.315) (0.127) (2.669) (27.076) (0.016) (0.020) (0.018) (0.023) (0.019) (0.025) (0.021)


Fuera Borde 7.303 22.88 175.4 754 0.212 0.118 0.267 0.349 0.196 0.402 0.251

30

El Gráfico 2 muestra una visualización de los resultados alrededor de la frontera para

las variables de gasto real y pobreza, obtenidos de la Encuesta Nacional de Hogares.

Debido a la disponibilidad de información (muestra), sólo es posible realizar el ejercicio

para la frontera de las ZA. El gráfico sugiere que dentro de las ZA los hogares tienen

menor nivel de gasto y mayor probabilidad de encontrarse en una situación de pobreza.

Al interior de las ZA solo se tiene información para hogares hasta 10 kilómetros dentro.

Gráfico 2: Gasto real y Pobreza alrededor de la frontera de las ZA

5.2. Resultados: deforestación

Los Gráficos 1 y 2 sirven como motivación para la implementación del método de

regresión discontinua geográfica, pero no reemplazan el análisis de regresión que

permite interpretación según significancia estadística, bajo diferentes variaciones. Para

el siguiente análisis, la redacción se centrará en los resultados de la estimación que

incluye variables de control y el polinomio de menor orden (Gelman e Imbens 2018).

En la Tabla 5a se muestra los resultados del efecto de las ANP en la deforestación,

dividida en cinco paneles según diferentes anchos de banda (distancia a la frontera) y

tres grandes columnas según el orden del polinomio utilizado. Al utilizar un ancho de

banda de 1 kilómetro, no se encuentran resultados significativos, mientras que para las

siguientes distancias se aprecia que el estar dentro de una ANP: (i) reduce la

probabilidad de que un kilómetro cuadrado tenga algún espacio deforestado entre 7 y

12 %; y (ii) se reduce la deforestación entre 3 y 3.9 hectáreas por cada kilómetro

cuadrado. El resultado es robusto ante diferentes órdenes de polinomios, anchos de

31

banda y la inclusión del polinomio en latitud y longitud (Tabla 5b), y comprueba el

hallazgo de Díaz y Miranda (2012) y Miranda et al (2016) para Perú.

Si consideramos la discontinuidad como una bidimensional, los resultados son

cualitativamente los mismos que aquellos tras considerar la distancia al borde como

running variable. La probabilidad de deforestación se reduce entre 3 y 12 % por cada

kilómetro cuadrado dentro de una ANP y las hectáreas sin deforestar entre 2.8 y 3.8 por

cada kilómetro cuadrado. La Tabla 5b muestra los resultados en el mismo formato que

la Tabla 5a.

La efectividad de las ZA en reducir la deforestación queda menos clara. Las Tablas 6a

y 6b muestran los resultados con la misma presentación que las anteriores dos tablas.

Utilizando la distancia o la latitud y longitud, no se encuentra evidencia sobre la

reducción de la probabilidad de algún pedazo de bosque deforestado, y cierta evidencia

de reducción de alrededor de una hectárea por cada kilómetro de ZA. Por otro lado,

debe recordarse del acápite anterior que la comparación para el análisis de la efectividad

de las ZA no satisface indiscutiblemente los requerimientos para el uso de la

metodología empleada, siendo necesario tomar con cuidado los resultados obtenidos.

Si bien los resultados son de menor magnitud que el del análisis de las ANP, esto no

significa que las ZA no son efectivas o lo so poco, sino que más bien están cumpliendo

su rol de amortiguar o retener la deforestación, para que no lleguen a las ANP.

32

Tabla 5a: Efecto de las ANP sobre deforestación (2001-2016)

Polinomio Orden 1 Orden 2 Orden 3

Deforestación =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2

Bandwidht: 1 kilometer (N=5820)

ANP 0.047** 0.051** -1.268 -1.252* 0.028 0.040 -0.136 0.095 0.032 0.040 1.704 1.910

(0.023) (0.022) (0.772) (0.744) (0.031) (0.031) (1.152) (1.099) (0.045) (0.043) (1.693) (1.623)

R2 0.131 0.186 0.155 0.183 0.131 0.186 0.155 0.183 0.131 0.186 0.156 0.184

CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI

Bandwidht: 3 kilometers (N=16499)

ANP -0.023 -0.013 -3.209*** -3.020*** 0.039** 0.046** -1.716** -1.679** 0.062** 0.072*** -0.675 -0.555

(0.017) (0.016) (0.533) (0.528) (0.020) (0.019) (0.693) (0.681) (0.025) (0.025) (0.897) (0.876)

R2 0.149 0.196 0.123 0.154 0.150 0.198 0.125 0.156 0.150 0.198 0.125 0.157



ANP -0.092*** -0.078*** -4.276*** -3.890*** 0.002 0.011 -2.706*** -2.588*** 0.054** 0.065*** -1.591** -1.526**

(0.017) (0.016) (0.529) (0.512) (0.018) (0.018) (0.582) (0.578) (0.021) (0.021) (0.744) (0.729)

R2 0.135 0.190 0.116 0.159 0.139 0.194 0.120 0.162 0.140 0.195 0.121 0.163



ANP -0.123*** -0.099*** -4.517*** -3.849*** -0.041** -0.032* -3.633*** -3.443*** 0.024 0.033* -2.247*** -2.137***

(0.018) (0.017) (0.527) (0.505) (0.018) (0.018) (0.574) (0.563) (0.019) (0.019) (0.640) (0.632)

R2 0.129 0.190 0.115 0.167 0.132 0.194 0.119 0.171 0.134 0.195 0.121 0.173



ANP -0.160*** -0.123*** -4.811*** -3.887*** -0.077*** -0.062*** -4.141*** -3.740*** -0.018 -0.009 -3.166*** -3.045***

(0.019) (0.018) (0.531) (0.494) (0.019) (0.018) (0.571) (0.553) (0.019) (0.018) (0.607) (0.597)

R2 0.120 0.184 0.110 0.169 0.124 0.187 0.114 0.172 0.126 0.189 0.116 0.174


Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones.

33

Tabla 5b: Efecto de las ANP sobre deforestación (2001-2016)




ANP -0.045*** -0.033*** -3.157*** -2.825*** -0.153*** -0.141*** -5.957*** -5.298*** -0.152*** -0.127*** -6.271*** -5.373***

(0.013) (0.013) (0.457) (0.446) (0.039) (0.039) (1.570) (1.554) (0.047) (0.044) (1.519) (1.426)

R2 0.162 0.204 0.159 0.184 0.196 0.229 0.179 0.200 0.227 0.268 0.182 0.206



ANP -0.139*** -0.119*** -4.479*** -3.869*** -0.184*** -0.167*** -5.014*** -4.200*** -0.172*** -0.164*** -5.568*** -4.689***

(0.014) (0.014) (0.446) (0.426) (0.044) (0.042) (1.176) (1.057) (0.049) (0.045) (1.393) (1.258)

R2 0.162 0.197 0.121 0.150 0.199 0.225 0.136 0.165 0.214 0.244 0.137 0.167



ANP -0.155*** -0.123*** -4.361*** -3.551*** -0.173*** -0.156*** -4.789*** -4.021*** -0.155*** -0.156*** -4.754*** -4.028***

(0.016) (0.015) (0.414) (0.382) (0.047) (0.043) (1.030) (0.908) (0.048) (0.044) (1.197) (1.085)

R2 0.149 0.195 0.111 0.153 0.190 0.222 0.123 0.166 0.202 0.237 0.124 0.168



ANP -0.164*** -0.125*** -4.347*** -3.329*** -0.160*** -0.143*** -4.493*** -3.645*** -0.141*** -0.144*** -4.320*** -3.598***

(0.016) (0.015) (0.397) (0.352) (0.047) (0.043) (0.946) (0.833) (0.047) (0.044) (1.095) (0.991)

R2 0.143 0.197 0.111 0.165 0.184 0.222 0.122 0.177 0.195 0.237 0.124 0.179



ANP -0.162*** -0.121*** -4.205*** -3.155*** -0.140*** -0.118*** -4.158*** -3.289*** -0.114** -0.113*** -3.776*** -3.132***

(0.016) (0.015) (0.373) (0.329) (0.047) (0.043) (0.870) (0.778) (0.045) (0.042) (0.983) (0.907)

R2 0.137 0.193 0.107 0.168 0.176 0.216 0.117 0.179 0.188 0.232 0.120 0.183


Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones.

34

Tabla 6a: Efecto de las ZA sobre deforestación (2001-2016)




ANP -0.055** -0.034 -1.166 -0.512 -0.050 -0.042 -0.773 -0.495 -0.001 0.019 -0.365 0.234

(0.023) (0.021) (0.862) (0.797) (0.031) (0.029) (1.048) (0.932) (0.042) (0.038) (1.368) (1.206)

R2 0.125 0.209 0.098 0.231 0.125 0.209 0.098 0.231 0.126 0.210 0.098 0.231



ANP -0.026 -0.008 -1.255** -0.562 -0.052** -0.032 -1.552** -0.804 -0.070*** -0.056** -1.248 -0.572

(0.018) (0.017) (0.627) (0.560) (0.021) (0.020) (0.760) (0.703) (0.025) (0.023) (0.907) (0.838)

R2 0.141 0.214 0.124 0.244 0.141 0.215 0.124 0.245 0.141 0.215 0.124 0.245



ANP 0.004 0.019 -1.274** -0.602 -0.040** -0.018 -1.323* -0.458 -0.065*** -0.045** -1.783** -0.958

(0.018) (0.016) (0.625) (0.554) (0.020) (0.019) (0.682) (0.621) (0.022) (0.021) (0.801) (0.736)

R2 0.155 0.218 0.139 0.256 0.155 0.219 0.140 0.257 0.155 0.219 0.140 0.257



ANP 0.022 0.032** -1.229* -0.723 -0.027 -0.005 -1.363** -0.394 -0.053** -0.030 -1.554** -0.562

(0.018) (0.016) (0.649) (0.577) (0.019) (0.018) (0.666) (0.595) (0.022) (0.021) (0.738) (0.675)

R2 0.167 0.226 0.150 0.264 0.168 0.227 0.150 0.265 0.168 0.227 0.151 0.266



ANP 0.047** 0.052*** -0.959 -0.538 -0.011 0.007 -1.436** -0.622 -0.041** -0.016 -1.474** -0.330

(0.018) (0.017) (0.661) (0.574) (0.019) (0.018) (0.679) (0.609) (0.021) (0.019) (0.710) (0.637)

R2 0.184 0.240 0.161 0.275 0.185 0.240 0.162 0.275 0.185 0.241 0.162 0.276


Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.

35

Tabla 6b: Efecto de las ZA sobre deforestación (2001-2016)




ANP -0.019 -0.001 -1.386** -1.030** 0.053 0.042 -0.044 -0.098 -0.002 -0.012 -2.410 -2.481*

(0.015) (0.014) (0.539) (0.476) (0.045) (0.043) (1.469) (1.377) (0.043) (0.041) (1.577) (1.445)

R2 0.172 0.238 0.117 0.246 0.187 0.246 0.172 0.264 0.207 0.273 0.188 0.282



ANP 0.014 0.027** -1.249** -1.001** 0.004 -0.017 -2.466** -2.605** -0.037 -0.050 -3.496** -3.549***

(0.014) (0.013) (0.513) (0.455) (0.043) (0.042) (1.251) (1.123) (0.042) (0.039) (1.420) (1.267)

R2 0.177 0.233 0.138 0.253 0.190 0.245 0.178 0.266 0.205 0.265 0.191 0.277



ANP 0.018 0.029** -1.175** -1.008** -0.033 -0.056 -2.391* -2.601** -0.066 -0.087** -3.254** -3.560***

(0.014) (0.014) (0.510) (0.449) (0.044) (0.041) (1.223) (1.049) (0.043) (0.039) (1.383) (1.190)

R2 0.183 0.232 0.150 0.263 0.194 0.245 0.184 0.274 0.204 0.259 0.198 0.285



ANP 0.023 0.033** -0.914* -0.770* -0.051 -0.070* -2.148* -2.343** -0.082** -0.103*** -2.873** -3.279***

(0.014) (0.013) (0.483) (0.419) (0.043) (0.040) (1.125) (0.935) (0.041) (0.037) (1.278) (1.073)

R2 0.191 0.239 0.158 0.270 0.200 0.251 0.187 0.280 0.209 0.263 0.201 0.290



ANP 0.027* 0.036*** -0.579 -0.528 -0.076* -0.089** -1.845* -2.059** -0.101** -0.121*** -2.524** -3.095***

(0.014) (0.013) (0.441) (0.377) (0.043) (0.039) (1.007) (0.815) (0.040) (0.036) (1.137) (0.938)

R2 0.200 0.247 0.166 0.278 0.208 0.257 0.192 0.285 0.216 0.267 0.206 0.296


Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.

36

5.3. Resultados: Indicadores Socioeconómicos

El establecimiento de ANP y ZA limita algunas actividades económicas, por lo que sería

esperable que aquellos hogares que viven en estas áreas cuenten con menos recursos

económicos. Debido a la disponibilidad de información (observaciones) no será posible

analizar el efecto de las ANP y sólo nos concentraremos en las ZA.

El resultado descriptivo mostrado en los Gráficos 3 y 4 es realizado mediante pruebas

estadísticas mostradas en la Tabla 7, la cual presenta cuatro paneles (2 consideran

como running variable la distancia al borde y los otros 2 longitud y latitud). Al considerar

el polinomio en distancia, el resultado robusto encontrado es que los hogares dentro de

una ZA son más pobres que el hogar fuera, mientras que, si bien el signo en ingreso y

gasto son los esperados, no son estadísticamente significativos. La magnitud es

considerable, pues la probabilidad de ser pobre es mayor en alrededor de 30%. La no

significancia en los indicadores de ingreso/gasto, pero sí de pobreza podría deberse a

que ambos grupos tienen niveles similares de ingresos/gastos alrededor de la línea de

pobreza, de tal manera que cualquier variación en el gasto/ingreso significa estar a un

lado u otro de la condición de pobreza.

37

Tabla 5: Efecto de las ZA sobre indicadores socioeconómicos (ENAHO)

Variable 1 kilómetro 3 kilómetros 5 kilómetros

Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre

Polinomio de distancia: Orden 1

ZA -0.160 -0.247 0.290*** -0.757 -0.595* 0.347*** -1.077** -0.796*** 0.407***

(0.527) (0.300) (0.068) (0.480) (0.307) (0.035) (0.437) (0.275) (0.032)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.190 0.303 0.273 0.159 0.354 0.284 0.163 0.352 0.275


ZA -0.901 -0.415 0.318*** -0.225 -0.227 0.294*** -0.532 -0.408 0.300***

(0.724) (0.344) (0.081) (0.493) (0.285) (0.056) (0.433) (0.267) (0.037)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.196 0.307 0.273 0.161 0.357 0.285 0.166 0.361 0.283

Polinomio de latitud y longitud: Orden 1

ZA -4.202 -2.126 0.668 -2.818 -1.171 0.639 -2.923* -1.194 0.462

(2.750) (1.475) (0.420) (1.831) (0.931) (0.421) (1.623) (0.821) (0.373)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.229 0.371 0.302 0.181 0.415 0.326 0.188 0.421 0.326

Polinomio de latitud y longitud: Orden 2

ZA -4.799 -2.453* 0.975** -2.779 -0.709 0.761 -2.679 -0.546 0.551

(3.429) (1.339) (0.410) (2.194) (1.128) (0.552) (1.953) (0.997) (0.521)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.234 0.379 0.314 0.184 0.421 0.340 0.190 0.425 0.336

Nota: * 10%, ** 5%, *** 1%. Todas las regresiones incluyen efectos fijos por ANP y controles por características socioeconómicas del jefe del hogar (sexo, nivel educativo, estado civil, edad). Los errores estándar son agrupados (clusterized) a un nivel de celdas de 10 km2, a fin de considerar algún tipo de correlación espacial.

38

Si bien el número de observaciones no permite realizar un análisis creíble según el sexo

de los jefes de hogar, evaluamos la heterogeneidad de los resultados encontrados

previamente interactuando la variable de tratamiento (dentro del borde) con el sexo del

jefe de hogar. De esta manera, mantenemos el mismo número de observaciones y

evaluamos una particularidad sensibilidad en los hogares manejados por mujeres. La

Tabla 8 sugiere que los hogares manejados por mujeres y viven dentro de una ZA no

tienen diferencias significativas que los manejados por varones.

39

Tabla 8: Efecto de las ZA sobre deforestación según sexo

Variable 1 kilómetro 3 kilómetros 5 kilómetros

Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre


ZA -0.164 -0.191 0.277*** -0.798* -0.568* 0.339*** -1.096** -0.761*** 0.406***

(0.546) (0.308) (0.067) (0.480) (0.303) (0.039) (0.430) (0.267) (0.035)

ZA x mujer 0.020 -0.301* 0.068* 0.199 -0.133 0.041 0.091 -0.168 0.005

(0.259) (0.160) (0.039) (0.164) (0.104) (0.038) (0.151) (0.102) (0.035)

Mujer 0.091 0.246** -0.094*** -0.382*** 0.110** -0.083*** -0.310*** 0.109*** -0.081***

(0.128) (0.113) (0.026) (0.127) (0.046) (0.017) (0.106) (0.036) (0.014)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.190 0.305 0.273 0.159 0.354 0.284 0.163 0.353 0.275


ZA -0.901 -0.359 0.305*** -0.271 -0.199 0.285*** -0.559 -0.377 0.299***

(0.748) (0.352) (0.079) (0.505) (0.286) (0.056) (0.434) (0.261) (0.037)

ZA x mujer 0.002 -0.309* 0.067* 0.213 -0.129 0.042 0.125 -0.144 0.001

(0.260) (0.160) (0.039) (0.154) (0.101) (0.039) (0.140) (0.099) (0.036)

Mujer 0.127 0.260** -0.094*** -0.398*** 0.101* -0.082*** -0.357*** 0.076** -0.073***

(0.132) (0.114) (0.027) (0.142) (0.053) (0.017) (0.107) (0.037) (0.014)

N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234

R2 0.196 0.308 0.274 0.161 0.357 0.285 0.166 0.362 0.283

Nota: * 10%, ** 5%, *** 1%. Todas las regresiones incluyen efectos fijos por ANP y controles por características socioeconómicas del jefe del hogar (sexo, nivel educativo, estado civil, edad). Los errores estándar son agrupados (clusterized) a un nivel de celdas de 10 km2, a fin de considerar algún tipo de correlación espacial.

40

5.4. Efectos heterogéneos

En la sección precedente mostramos evidencia que las ANP reducen la deforestación,

mientras que las ZA las hacen débilmente. Este resultado es creíble si realmente se da

una restricción a la actividad económica en esas áreas. Los menores niveles de

ingreso/gasto traducidos en una mayor tasa de pobreza en las ZA nos sugiere una

menor actividad dentro de esta zona. Estos hallazgos son para el conjunto de 11 ANP

evaluadas, las cuales representan seis tipos de ANP y ocho grupos según contigüidad.

En las Tablas 9 y 10 presentamos los resultados para deforestación según estas

categorías. Como algunas ANP o ZA son de una extensión pequeña, utilizamos anchos

de banda a partir de 3 kilómetros.

Los bosques de protección no tienen un efecto significativo en la deforestación más sí

sus ZA, reduciéndola. En este tipo de áreas, lo que sucede es que la ZA contiene la

deforestación de manera efectiva de tal manera que su interior está tan poco

deforestado como al interior de la ANP en sí (Ver los mapas de Alto Mayo y San Matías-

San Carlos). En particular, estar dentro de una ZA de un “Bosque de Protección” reduce

la deforestación en hasta 6 hectáreas por kilómetro cuadrado.

Aunque no de manera robusta y sólida, los “Parques Nacionales” reducen a

deforestación tanto si se evalúa el interior de la ANP como de su ZA. Las ANP del tipo

“Reservas Comunales” reduce la deforestación hasta en 3 hectáreas, más no sus ZA.

Las “Reservas Nacionales” reducen considerablemente la deforestación (hasta 6.7

hectáreas), pero el efecto es contrario en sus ZA, lo que sugiere que la deforestación se

da en las ZA más no en la ANP, aunque podría avanzar, encontrándose vulnerable. No

se encuentra evidencia significativa en los “Santuarios” ni en las “Zonas Reservadas”,

aunque sus ZA reducen la deforestación.

De manera más precisa, es posible evaluar cada una de las ANP individualmente, lo

cual permitiría una formulación de recomendaciones de política más enfocadas, así

como entender de manera más precisa los resultados. En las Tablas 10a y 10b

mostramos estos resultados para el efecto de estar dentro de la ANP y ZA,

respectivamente. En los Anexos mostramos los mapas de cada una de estas áreas.

Tabacona es un santuario nacional ubicado en Cajamarca. Nuestros resultados

sugieren cierta reducción de la deforestación dentro de esta ANP, mientras que no

habría efecto de su zona de amortiguamiento. El Mapa A1 del anexo nos ayuda a

comprender mejor estos resultados: la deforestación se concentra en la frontera de la

ZA sobrepasando el borde, por eso es que no encontramos algún efecto estadístico; en

cambio, más allá de la cercanía al borde, no se observa una generalizada deforestación,

por lo que alrededor del borde de la ANP hay tan poca deforestación como en la ZA

contigua al borde, aunque la deforestación es un poco mayor en la segunda zona al

considerar distancias de 3 y 5 kilómetros.

Tambopata es una reserva nacional en la que encontramos que la ANP reduce la

deforestación entre 4 y 8 hectáreas por kilómetro cuadrado, pero no habría efecto

significativo de sus ZA. El Mapa A2 es revelador y ayuda a la comprensión del resultado:

la deforestación se concentra en la ZA, habiendo tanta dentro como fuera de esta, pero

aún no llega a la ANP en sí, por eso es menor la deforestación dentro de esta. Bahuaja

es un parque nacional que se encuentra contiguo a Tambopata. En este parque

encontramos una situación similar a Tambopata: la ANP reduce la deforestación (entre

2 y 3.2 hectáreas) pero no hay efecto en la ZA.

41

Yanachanga, Yanesha y San Matías-San Carlos son parque nacional, reserva comunal

y bosque de protección, respectivamente, y se encuentran ubicados de manera

contigua, como se observa en el Mapa A3. Para Yanachanga, no encontramos efecto

significativo de la ANP ni la ZA: hay tanta deforestación dentro como fuera de estas

áreas, por lo que ser un parque nacional (la categoría más restrictiva) no estaría

marcando diferencia alguna. Por otro lado, para Yanesha, encontramos una reducción

de la deforestación (entre 2.7 y 3.2 hectáreas) dentro de esta área, pero no efecto en su

zona de amortiguamiento. En el mapa observamos que la mayor parte de su ZA ha sido

deforestada durante el período de análisis y que si bien áreas dentro de la ANP se

encuentran igual, por lo general no lo está. Finalmente, para San Matías-San Carlos

encontramos que la ANP no reduce la deforestación, pero su ZA sí. En este caso, si

bien hay áreas dentro de la ZA deforestadas (norte), la mayor parte no lo está. Alrededor

del borde de la ANP, la mayor parte se encuentra sin deforestar, por lo que estar dentro

del área no marcaría gran diferencia.

Manu es un parque nacional en el que no encontramos efecto como ANP, pero sí una

reducción en su ZA (entre 1.9 y 2.8 hectáreas). En el mapa A4 se nota sobre todo en la

zona sur de la ZA que hay más deforestación fuera de esta zona que dentro, más no

diferencias notorias alrededor del borde de la ANP. Por otro lado, Comaina, zona

reservada, tiene un comportamiento similar: no efecto de ANP, pero sí de ZA (entre 1.44

y 4 hectáreas).

Pacaya es un caso particular, pues si bien la deforestación es menor dentro de la ANP,

la es mayor dentro de su ZA. Estar dentro de Pacaya reduce la deforestación entre (5.2

y 6.5 hectáreas), pero estar dentro de su ZA la eleva entre (3.28 y 5.6 hectáreas). El

Mapa A5 muestra que en el noreste y oeste-central de la ZA se notan espacios

deforestados, mientras que en general no se puede notar estos dentro de la ANP.

Finalmente, en Altomayo y Río Abiseo -bosque de protección y parque nacional,

respectivamente- no encontramos efecto significativo de sus ANP y ZA. El análisis

gráfico de los Mapas A7 y A8 muestra que hay gran deforestación alrededor de la

frontera de las ZA de Altomayo y Río Abiseo, en particular en la parte este. Cas similar

ocurre en el norte de la ANP Altomayo, mientras que no se observa algún patrón

particular dentro de la ANP Rio Abiseo.

Este análisis por ANP permite entender mejor los resultados por tipo. En particular, el

que no hayamos encontrado efecto en el tipo parque nacional se debe a que

Yanachanga y Rio Abiseo, particularmente son inefectivas, mientras que Bahuaja no. Si

bien no es objetivo de esta investigación, es necesario entender los arreglos

institucionales particulares de cada ANP, así como la historia detrás de cada una de

estas para entender mejor los resultados.

42

Tabla 9: Efectos de las ANP sobre la deforestación según tipo

BORDE DE ANP BORDE DE ZA

Variable Bosque de Proteccion

Parque Nacional

Reserva Comunal

Reserva Nacional

Santuario Zona

Reservada

Bosque de Proteccion

Parque Nacional

Reserva Comunal

Reserva Nacional

Santuario Zona

Reservada

Bandwidth: 3 Kilometers

Dentro -0.898 -0.226 -2.732*** -6.017*** 0.098 0.451 -2.490** -2.631*** -4.699 4.298*** -1.675 -4.021***

(1.103) (0.265) (0.843) (1.052) (1.284) (0.299) (1.135) (0.878) (4.846) (0.976) (1.449) (0.744)

N 2,876 5,143 422 5,623 353 2,097 3,545 6,813 450 8,261 698 2,465

R2 0.317 0.116 0.331 0.157 0.348 0.129 0.324 0.371 0.281 0.191 0.248 0.318


Dentro -1.832 -0.909** -2.989** -6.676*** -0.519 0.322 -4.145*** -1.957** -6.765 3.821*** -0.191 -3.106***

(1.264) (0.370) (1.179) (0.946) (0.653) (0.264) (1.435) (0.900) (4.476) (0.844) (1.364) (0.626)

N 4,076 8,300 616 8,806 511 3,107 4,666 10,164 556 12,823 907 3,269

R2 0.329 0.130 0.388 0.155 0.379 0.147 0.325 0.340 0.270 0.187 0.229 0.281


Dentro -2.452* -0.783* -2.171 -6.279*** -1.748** 0.364 -4.888*** -1.628* -7.020* 3.317*** -0.568 -2.242***

(1.296) (0.410) (1.281) (0.896) (0.656) (0.264) (1.608) (0.917) (3.790) (0.851) (1.229) (0.516)

N 4,711 11,084 758 11,777 578 3,823 5,481 12,840 613 16,204 1,091 3,869

R2 0.338 0.140 0.468 0.155 0.369 0.183 0.326 0.315 0.283 0.188 0.191 0.252


Dentro -2.519* -1.066** -3.441** -5.928*** -3.064*** 0.629** -6.581*** -0.941 -6.742*** 2.950*** -0.750 -1.443***

(1.356) (0.433) (1.402) (0.857) (0.983) (0.286) (1.581) (0.901) (2.284) (0.855) (1.188) (0.415)

N 5,069 14,788 875 15,876 602 4,369 6,690 16,164 653 19,979 1,360 4,699

R2 0.333 0.138 0.505 0.152 0.339 0.235 0.328 0.305 0.296 0.196 0.176 0.227

Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen variables de control (cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones), efectos fijos a nivel de ANP y a nivel de celdas de 10 km2. Los errores estándar son agrupados a nivel de las celdas de 10 km2.

43

Tabla 10: Efectos sobre la deforestación según ANP

Borde ANP

Variable Tabacona Tambopata Bahuaja Yanachanga Yanesha San Matías - San Carlos

Manu Pacaya Comaina Altomayo Rio Abiseo


Dentro 0.098 -4.620*** -0.556 -0.398 -2.722*** -2.150 -0.423 -6.095*** 0.451 0.629 -0.168

(1.284) (1.587) (0.717) (1.181) (0.837) (1.476) (0.294) (1.233) (0.299) (1.497) (0.249)

N 353 1,146 1,660 664 422 1,506 2,114 4,477 2,097 1,370 705

R2 0.348 0.185 0.131 0.255 0.331 0.417 0.074 0.177 0.129 0.362 0.040


Dentro -0.519 -6.365*** -2.254** -1.240 -2.828** -2.548 -0.424 -6.534*** 0.322 -0.541 -0.416*

(0.653) (2.217) (1.099) (1.223) (1.139) (1.793) (0.285) (1.026) (0.264) (1.694) (0.239)

N 511 1,723 2,620 970 616 1,934 3,542 7,083 3,107 2,142 1,168

R2 0.379 0.185 0.162 0.230 0.386 0.415 0.057 0.186 0.147 0.357 0.030


Dentro -1.748** -7.039** -2.042* -1.840 -1.940 -2.883 -0.364 -5.989*** 0.364 -1.158 -0.034

(0.656) (2.928) (1.206) (1.127) (1.256) (1.803) (0.296) (0.850) (0.264) (1.813) (0.502)

N 578 2,258 3,470 1,117 758 2,075 4,877 9,519 3,823 2,636 1,620

R2 0.369 0.195 0.224 0.229 0.466 0.416 0.064 0.187 0.183 0.362 0.045


Dentro -3.064*** -8.321** -3.234** -1.754 -3.203** -2.780 -0.488 -5.221*** 0.629** -1.426 0.190

(0.983) (3.190) (1.287) (1.041) (1.311) (1.784) (0.314) (0.743) (0.286) (1.882) (0.704)

N 602 3,005 4,508 1,233 875 2,152 6,725 12,871 4,369 2,917 2,322

R2 0.339 0.188 0.225 0.234 0.504 0.419 0.074 0.181 0.235 0.355 0.256


44

Borde ZA

Variable Tabacona Tambopata Bahuaja Yanachanga Yanesha San Matías - San Carlos

Manu Pacaya Comaina Altomayo Rio Abiseo


Dentro -1.675 -3.690 -2.178 0.462 -4.647 -2.937** -2.831** 5.655*** -4.021*** -1.184 -2.489

(1.449) (2.711) (1.591) (0.876) (4.885) (1.329) (1.125) (0.929) (0.744) (1.706) (1.776)

N 698 1,507 1,980 845 450 1,504 2,450 6,754 2,465 2,041 1,538

R2 0.248 0.137 0.392 0.119 0.280 0.355 0.250 0.186 0.318 0.340 0.565


Dentro -0.191 -2.588 -1.194 0.201 -6.734 -3.473** -2.697** 4.768*** -3.106*** -2.692 -2.306

(1.364) (2.365) (1.772) (0.794) (4.512) (1.585) (1.044) (0.761) (0.626) (2.180) (1.974)

N 907 2,219 2,856 1,074 556 1,872 3,688 10,604 3,269 2,794 2,546

R2 0.229 0.099 0.381 0.112 0.269 0.344 0.214 0.178 0.281 0.336 0.535


Dentro -0.568 -2.297 -0.422 -0.663 -7.026* -3.597** -2.504** 4.164*** -2.242*** -3.208 -2.529

(1.229) (2.632) (1.778) (1.066) (3.793) (1.674) (0.993) (0.697) (0.516) (2.554) (1.968)

N 1,091 2,818 3,478 1,276 613 2,186 4,603 13,386 3,869 3,295 3,483

R2 0.191 0.085 0.386 0.102 0.283 0.321 0.191 0.178 0.252 0.338 0.492


Dentro -0.750 0.109 -0.394 -1.809 -6.808*** -5.186*** -1.913** 3.287*** -1.443*** -4.904* -1.925

(1.188) (2.807) (1.704) (1.296) (2.310) (1.609) (0.827) (0.700) (0.415) (2.536) (1.812)

N 1,360 3,364 4,179 1,582 653 2,625 5,685 16,615 4,699 4,065 4,718

R2 0.176 0.076 0.366 0.086 0.295 0.303 0.183 0.175 0.227 0.334 0.463


45

5.5. Análisis de Robustez

En esta sección presentamos algunos análisis de robustez o sensibilidad de nuestros

resultados. De esta manera, podremos estar más seguros de la credibilidad de estos.

En primer lugar, utilizamos el estimador de regresión discontinua tipo “donut” (Barreca

et al 2011, Almond et al 2010) con un doble propósito: (i) como se mencionó

previamente, asegurarnos que la no alteración de la forma de las celdas exactamente

en los bordes no afecte los resultados; (ii) considerar que al no existir una barrera física

y/o una vigilancia continua en los límites de las áreas, estos podrían ser un poco difusos

o no claros en una cercanía muy próxima al borde. En la Tabla 11 presentamos la

especificación principal excluyendo aquellas celdas que se encuentren a una distancia

menor de 1 kilómetro del borde de la ANP/ZA. Los resultados siguen siendo los mismos:

ANP reducen deforestación, ZA no.

46

Tabla 11: Efecto de las ANP sobre deforestación (2001-2016)

Polinomio ANP - POLINOMIO 1 ANP - POLINOMIO 2 ZA - POLINOMIO 1 ZA - POLINOMIO 2

Deforestación =1 ha/km2 =1 ha/km2 =1 ha/km2 =1 ha/km2


ANP -0.095 -6.309*** -0.055 -17.942* 0.080 0.243 0.403 7.630

(0.067) (1.814) (0.358) (10.320) (0.053) (1.679) (0.282) (9.134)

R2 0.205 0.162 0.205 0.163 0.224 0.248 0.224 0.248


ANP -0.118*** -5.431*** -0.142 -8.234*** 0.037 0.099 0.156* 0.394

(0.036) (1.012) (0.101) (2.771) (0.029) (0.885) (0.085) (2.605)

R2 0.200 0.163 0.200 0.164 0.221 0.263 0.222 0.263


ANP -0.184*** -5.600*** -0.130*** -5.789*** 0.064*** -0.533 0.056 1.034

(0.027) (0.786) (0.050) (1.414) (0.024) (0.810) (0.041) (1.212)

R2 0.193 0.181 0.194 0.182 0.221 0.275 0.221 0.275


ANP -0.176*** -4.785*** -0.173*** -6.389*** 0.069*** -0.844 0.054 0.149

(0.026) (0.692) (0.038) (1.111) (0.023) (0.796) (0.034) (1.028)

R2 0.193 0.195 0.193 0.197 0.229 0.283 0.229 0.283


ANP -0.185*** -4.465*** -0.168*** -5.531*** 0.086*** -0.546 0.050* -0.811

(0.026) (0.628) (0.033) (0.914) (0.023) (0.743) (0.030) (0.979)

R2 0.185 0.194 0.186 0.195 0.242 0.292 0.242 0.292 Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.

47

En segundo lugar, mostramos que los resultados hallados no son sensibles al uso de

diversos anchos de banda. Para ello, mostramos gráficamente los coeficientes de

realizar la especificación principal para un continuo de anchos de banda de 1 a 20

kilómetros (que va aumentando de uno en uno). El Gráfico 3 muestra que estar dentro

de una ANP reduce la deforestación mientras que estar dentro de una ZA no,

independientemente del ancho de banda utilizado.

Gráfico 3: Coeficientes estimados para diferentes anchos de banda

48

Finalmente, realizamos una prueba de placebo para asegurarnos que los resultados

encontrados se deban a estar dentro de una ANP. Movemos la frontera entre -10 y 10

kilómetros, creando discontinuidades no existentes en la realidad. Si el efecto es

atribuible a la ANP, no se debería encontrar resultados significativos cuando movemos

la frontera, pues no existe ANP. Como se muestra en el Gráfico 4, cuando movemos la

frontera más allá de dos kilómetros, tenemos un efecto nulo, lo cual nos sugiere que los

resultados hallados son atribuibles a la ANP.

Gráfico 4: Efecto ante movimientos de frontera

49

6. Conclusiones

Las áreas naturales protegidas y sus zonas de amortiguamiento sí han tenido éxito en

detener la deforestación. Bastante más las primeras que las segundas, pero

interpretamos que el éxito de las primeras se debe en parte a la existencia de las

segundas. En particular, alrededor de sus fronteras las ANP han reducido la probabilidad

de deforestación entre 7 y 12 % por kilómetro cuadrado y la deforestación entre 3 y 3.9

hectáreas por cada kilómetro cuadrado, resultado que se mantiene en significativo ante

diferentes especificaciones. Por otro lado, encontramos que las ZA no reducen la

probabilidad de deforestación, pero sí reducen la deforestación en alrededor de 1

hectárea por kilómetro cuadrado.

La magnitud de los resultados obtenidos puede compararse con estudios previos, como

los reseñados en la Tabla 1. Por un lado, respecto a nuestro referente nacional, Miranda

y otros (2016), nuestros resultados son cualitativamente los mismos, pero de magnitud

inferior: ellos obtienen la deforestación anual es 0.6 p.p. menor en las ANP estudiadas,

mientras que nosotros entre 0.2 y 0.39 p.p. menor5. La diferencia podría deberse al

método utilizado. Futura investigación es necesaria para entender la efectividad

diferenciada entre períodos. Por otro lado, nuestros resultados son de mayor magnitud

que los obtenidos mediante el mismo método por Bonilla-Mejía e Higuera-Mendieta

(2019) para Colombia y Anderson y otros (2016) para Brasil. Los primeros encuentran

una tasa de deforestación en áreas protegidas entre 0.018 y 0.024 hectáreas por

kilómetro cuadrado (nosotros entre 0.15 y 0.28) y los segundos no encuentran efecto

debido a que las ANP fueron establecidas en zonas poco atractivas para otras

actividades económicas. Los arreglos institucionales son diferentes y explicar el porqué

de las diferencias entre países sería arriesgado, pero debe notarse que en Perú, la

mayoría de ANP cuentan con zonas de amortiguamiento legamente establecidas, que

podría marcar una interesante diferencia.

El resultado general de la investigación es positivo en una perspectiva conservacionista;

pero da lugar a segundas lecturas. El éxito relativo en el periodo analizado no garantiza

un éxito futuro, particularmente en aquellas áreas de conservación con dinámicas de

deforestación creciente en territorios vecinos. Por ejemplo, los casos de Tabacona,

Tambopata, Bahuaja-Sonene, San Matías-San Carlos muestran que dentro de ellas se

reduce la deforestación, mientras que no hay efecto en sus ZA, pero gráficamente se

muestra que la deforestación ya se encuentra en estas últimas, pudiendo avanzar en un

futuro hacia la ANP. Por su parte, los casos de Altomayo y Río Abiseo muestran que la

deforestación ha avanzado tanto en las ANP como en sus ZA.

El análisis de heterogeneidad revela patrones diferenciados. Encontramos necesario

complementar este análisis de econometría espacial con estudios de corte histórico-

institucional de cada ANP, para entender actores, procesos y dinámicas dentro de cada

una. La mirada espacial tiene sus límites, por lo que recomendamos a CIES repensar la

necesidad de estudios cualitativos para integrar y desafiar la aproximación cuantitativa

a la deforestación y la gestión del bosque.

Respecto a indicadores convencionales de bienestar económico social, es poco lo que

se puede decir. No podemos evaluar estadísticamente efectos en las ANP. Por su parte,

5 Esa cifra la obtenemos de nuestros resultados medidos como hectáreas deforestadas por cada kilómetro cuadrado, pues esa unidad de medida es equivalente a puntos porcentuales (1 ha/km2 es equivalente a 1%).

50

las ZA exhiben resultados negativos: se es más pobre dentro que fuera. La magnitud es

considerable, pues la probabilidad de ser pobre es mayor en alrededor de 30%. La no

significancia en los indicadores de ingreso/gasto, pero sí de pobreza podría deberse a

que ambos grupos tienen niveles similares de ingresos/gastos alrededor de la línea de

pobreza, de tal manera que cualquier variación en el gasto/ingreso significa estar a un

lado u otro de la condición de pobreza. En todo caso, este hallazgo indica un desafío de

política pública: ¿puede la conservación generar bienestar económico social? ¿Cómo?

Es más, toda vez que las ANP, según tipo, plantean diversas restricciones a la actividad

económica, la conservación podría implicar la reducción del bienestar económico de los

hogares, la mayor parte de ellos indígenas.

Por otro lado, se hizo un análisis exploratorio de efectos locales según el sexo del jefe

de hogar, pero no encontramos resultados significativos. La experiencia internacional

sugiere que, cuando hay actividades de turismo relacionadas a las ANP, las mujeres

tendrían beneficios. Sin embargo, la poca disponibilidad de información y la metodología

propuesta no permite un análisis de la relación ANP-bienestar/género, siendo esta otra

área de investigación a explorar en una agenda futura con métodos cualitativos o mixtos.

51

7. Recomendaciones de Política

La presente investigación tiene tres grandes conclusiones: (i) las ANP’s y ZA han sido

efectivas en reducir la pérdida de bosque en la Amazonía peruana, (ii) los hogares que

viven dentro de las ZA tienen menores ingresos, gastos y mayor probabilidad de

pobreza, (iii) la efectividad en reducir la pérdida de bosque es heterogénea según ANP

y tipo de ANP. Estos resultados nos llevan a esbozar líneas de incidencia de políticas

públicas que buscan reconciliar la conservación de la biodiversidad con la generación

de bienestar y oportunidades económicas para la población local. Encontramos que

pasar de la identificación de patrones estadísticos a la recomendación de políticas no

es un paso sencillo, ni inmediato. En base a revisión de experiencias internacionales y

locales, encontramos importante avanzar en una agenda de investigación aplicada y

políticas públicas que incluya las siguientes cuestiones:

(i) Actualizar un estudio comprensivo que evalúe la viabilidad financiera

de las áreas de conservación que componen el sistema nacional de

áreas naturales protegidas, como insumo central para un nuevo Plan

Director 2019-2029 (SERNANP).

El estudio provee evidencia que resalta la efectividad de una política ambiental: las

ANP en promedio reducen la pérdida de bosque. Esto no significa que sean

totalmente efectivas o no tengan mejoras por realizar. La evidencia mostrada

justifica la continuación del sistema de ANP, teniendo en cuenta que:

a. Es importante subrayar que la lógica de “presupuestos por resultados” es

cada vez más importante en la programación del gasto público por lo que

es necesario contar con un sistema de indicadores de gestión, resultados

e impacto abierto a la consulta pública, para validar y orientar la práctica

de la conservación. En particular, las páginas web del SINANPE y el

Sistema Nacional de Información Ambiental—SINIA no ofrecen mayor

información (ver http://www.sernanp.gob.pe y

https://sinia.minam.gob.pe/).

b. Un sub-conjunto pequeño de ANP concentra el grueso de los recursos

directamente recaudados por el sistema: aquellas dónde se ha

desarrollado un importante mercado de turismo ecológico y paisajístico,

como el Santuario Histórico Machu Picchu, la Reserva Nacional de

Paracas, el Parque Nacional Huascarán, el Parque Nacional del Manu,

la Reserva Nacional Tambopata y la Reserva Nacional Pacaya Samiria.

Es necesaria una asignación de criterios de recursos.

c. Incluso las ANP líderes en auto-generación de recursos suelen no contar

con los recursos financieros y humanos suficientes para cumplir con las

tareas legalmente encomendadas en fiscalización, vigilancia y monitoreo

de la biodiversidad. Sería importante visibilizar los recursos humanos con

http://www.sernanp.gob.pe/

https://sinia.minam.gob.pe/documentos/buscar/2?search_api_views_fulltext=SH+Machu+Piccu+RN+Paracas+PN+Huascar%C3%A1n+RN+Tambopata+RN+Pacaya+Samiria+PN+Manu

52

los que cuentan las ANP para tener una mejor idea de las brechas

realmente existentes en la provisión del servicio público “conservación de

bosques”.

d. Las ANPs que no cuentan con recursos directamente recaudados (el

grueso del sistema, descontando las más prósperas de las arriba

mencionadas) requieren, por un lado, empezar a crear recursos propios

y, por otro, ser subsidiadas para poder cumplir sus fines.

e. Los anteriores puntos hacen evidente la necesidad de un planeamiento

estratégico que evalúe la (no) implementación del Plan Director 2009-

2019 y trabaje escenarios de viabilidad financiera para el sistema en su

conjunto. Para que el Plan Director cumpla su función de instrumento de

gestión, valdría hacer el ejercicio público de identificar progresos,

retrocesos y retos principales para la nueva década.

(ii) Realizar o actualizar un estudio comprensivo que evalúe las políticas de

generación de ingresos y promoción del bienestar social existentes en la

práctica para las poblaciones de las ANP y sus áreas de influencia

(SERNANP). Nuestra aproximación estadística no permite identificar los

mecanismos subyacentes a los éxitos y fracasos (relativos) de la gestión de

las ANP en la generación de ingresos. Es necesario abrir la “caja negra” de

las ANP y estudiar su funcionamiento en el campo.

a. Nuestro estudio hace evidente que los bosques tropicales de un sub-

conjunto de ANP y sobretodo ZA enfrentan las mayores presiones de la

actividad económica. Es en estos territorios de la Amazonía que se hace

más urgente la necesidad de contar con políticas de generación de

ingresos y promoción del bienestar social, que podríamos llamar como

“desarrollo alternativo sostenible”. En principio, hablamos de economías

de turismo ambiental y bio-comercio.

b. Dado el éxito relativo encontrado para la Reserva Nacional Tambopata y

la Reserva Comunal Yanesha, nos resulta importante estudiar en

profundidad estas experiencias que involucran emprendimientos de

turismo ambiental (eco-lodges) y esquemas de participación comunal y

comunal indígena.

c. En esta evaluación de experiencias sería importante evaluar la dimensión

de género en la generación de ingresos y en la transformación de

dinámicas intra-comunales e intra-familiares.

53

(iii) Realizar o actualizar un estudio comprensivo que evalúe las políticas y

prácticas de participación de las poblaciones locales en la gestión de las

ANP (SERNANP).

Nuestro resultado (ii) dice que los hogares que viven dentro de las ZA

tienen menores ingresos, gasto y mayor probabilidad de pobreza. Esto

plantearía un aparente trade-off entre conservación ambiental e ingresos

económicos locales.

a. La participación de la comunidad es un principio guía de la

implementación del SINANPE. Conocemos, sin embargo, relativamente

poco de las prácticas de participación realmente existentes, sus éxitos y

fracasos.

b. El caso del Comité de Gestión de la Reserva Nacional de Tambopata es

de particular importancia, por su rol clave en la lucha contra el oro ilegal.

Tambopata suele ser presentada como un caso de éxito de participación.

Sin embargo, en nuestro conocimiento no existe un estudio comprensivo

que nos muestre una radiografía de las prácticas de participación de esta

experiencia emblemática: ¿quiénes participan?; ¿cómo participan?;

¿cómo ha evolucionado esa participación?; ¿bajo qué condiciones son la

participación y la acción colectiva pro-bienes comunes/conservaciones

sostenibles?

c. Este estudio sobre participación local en la gestión de las ANP debería

considerar cuáles son las dinámicas diferenciadas según género. Es

decir, saber cuál es la división sexual del trabajo en estas áreas, la

participación en la gestión de los recursos.

(iv) Las tres recomendaciones mencionadas deben considerar de manera

transversal un enfoque de género. SI bien nuestro estudio, debido al método

y pregunta de investigación planteados, no puede abordar cuáles son las

dinámicas diferenciadas por género dentro de las ANP, la revisión

bibliográfica sugiere que existen estas dinámicas diferenciadas, por lo que

resulta central incorporar el enfoque en la política de conservación.

54

8. Plan de Incidencia

Como Plan de Incidencia, proponemos aprovechar la coyuntura de la elaboración de un

nuevo Plan Director del SINANPE 2019-2029 para promover una discusión de las

lecciones aprendidas del nuevo marco institucional para la conservación de la

biodiversidad. Como documenta nuestro estudio, las ANP y en forma menos directa las

ZA han sido una importante barrera a la deforestación de la Amazonía. Sin embargo,

como resaltamos en nuestras conclusiones y recomendaciones de política, este éxito

relativo debe verse en el conjunto del problema de la gestión sostenible del patrimonio

forestal y la conservación de la biodiversidad. Encontramos que es necesario (1)

garantizar la viabilidad financiera del SINANPE y (2) crear estrategias sustentables de

conservación y bienestar local. Con estos dos grandes objetivos en mente, el Plan de

Incidencia consiste en:

(i) Elaborar un artículo de opinión de divulgación de nuestros resultados y discusión

de los retos del SINANPE de cara a un nuevo Plan Director. El artículo deberá

visibilizar los desafíos de la viabilidad financiera del SINANPE y la necesidad de

repensar políticas públicas para reconciliar conservación y bienestar local.

(ii) Realizar un taller de presentación de resultados con funcionarios del SERNANP

y MINAM, y discusión de una agenda futura de investigación.

(iii) Presentar nuestra investigación en el Seminario Anual de Investigación CIES.

55

9. Bibliografía

Agarwal, B. (2009). Gender and forest conservation: The impact of women's participation

in community forest governance. Ecological Economics, 68(11), pp. 2785-2799.

Almond, D. y Doyle, J. (2011). After Midnight: A Regression Discontinuity Design in

Length of Postpartum Hospital Stays. American Economic Journal: Economic Policy,

3(3), pp. 1-34.

Amin, A., Choumert-Nkolo, J., Combes, J. L., Combes Motel, P., Kére, E. N., Ongono-

Olinga, J. G. y Schwartz, S. (2019). Neighborhood effects in the Brazilian Amazonia:

Protected areas and deforestation. Journal of Environmental Economics and

Management, 93, pp. 272-288.

Andam, K. S., Ferraro, P. J., Sims, K. R. E., Healy, A. y Holland, M. B. (2010). Protected

areas reduced poverty in Costa Rica and Thailand. Proceedings of the National

Academy of Sciences, 107(22), pp. 9996-10001. DOI: 10.1073/pnas.0914177107

Anderson, L. O., De Martino, S., Harding, T., Kuralbayeva, K., y Lima, A. (2016). The

effects of land use regulation on deforestation: Evidence from the Brazilian Amazon.

OxCarre Working Papers 172. Oxford Centre for the Analysis of Resource Rich

Economies, University of Oxford.

Angrist, J. y Pichke, J. (2009). Mostly harmless econometrics: an empiricist’s companion.

New Jersey: Princeton University Press.

Aragón, F. M. y Rud, J. P. (2013). Natural resources and local communities: Evidence

from a Peruvian gold mine. American Economic Journal: Economic Policy, 5(2), pp. 1-

25.

Arima, E. Y. (2016). A Spatial Probit Econometric Model of Land Change: The Case of

Infrastructure Development in Western Amazonia, Peru. PLOS ONE, 11 (3).

Armenteras, D., Rodríguez, N., Retana, J. y Morales, M. (2011). Understanding

deforestation in montane and lowland forest of the Colombian Andes. Regional

Environmental Change, 11(3), pp. 693–705.

Baraloto, C., Alverga, P. Baéz Quispe, S., Barnes, G. Bejar Chura, N., Da Silva, J. B.,

Castro, W., Da Souza, H., De Souza Moll, I. E., Del Alcazar Chilo, J., Dueñas Linares,

H., Gárate Quispe, J., Kenji, D., Marsik, M. Medeiros, H., Murphy, S., Rockwell, C.,

Selaya, G., Shenkin, A., Silveira, M., Southworth, J., Vasquez Colomo, G. H. y Perz, S.

(2015). Effects of road infrastructure on forest value across a tri-national Amazonian

frontier. Biological Conservation, 191, pp. 674-681.

Barreca, A. I., Lindo, J. M. y Waddell, G. R. (2011). Heaping-Induced bias in regression

discontinuity designs. Economic Inquiry, 54 (1), pp. 268-293.

Burgess, R., Costa, F. J. M. y Olken, B. A. (2018). Wilderness Conservation and the

Reach of the State: Evidence from National Borders in the Amazon. NBER Working

Papers 24861, National Bureau of Economic Research.

Bonilla-Mejía, L. e Higuera-Mendieta, I. (2019). Protected Areas under weak institutions:

Evidence from Colombia. World Development, 122, pp. 585-596.

56

Butler, J. (2007). El género en disputa: el feminismo y la subversion de la identidad.

Barcelona: Paidós.

Canavire-Bacarreza, G. y Hanauer, M. M. (2013). Estimating the impacts of Bolivia’s

Protected Areas on Poverty. World Development, 41, pp. 265-285.

Calonico, S., Cattaneo, M. D. y Titiunik, R. (2014). Robust Nonparametric Confidence

Intervals for Regression‐Discontinuity Designs. Econometrica, 82(6), pp 2295-2326.

Conley, T. G. (1999). GMM estimation with cross sectional dependence. Journal of

Econometrics, 92(1), pp. 1-45.

Dell, M. (2010). The persistent effects of Peru’s Mining Mita. Econometrica, 78 (6), pp.

1863-1903.

Díaz, R. y Miranda, J. J. (2012). Áreas Naturales Protegidas en el Perú: Efectos sobre

la Deforestación y su relación con el Bienestar de la Población Amazónica. Informe

Final. Lima: CIES/IEP.

Dourojeanni, M. J. (2009). Crónica Forestal del Perú. Lima: Universidad Agraria La

Molina/Editorial San Marcos.

---- (2015). Human impact on protected areas of the Peruvian Amazon. En: Wuerthner

G., Crist E., Butler T. (Eds.). Protecting the Wild. Washington, DC: Island Press.

---- (2018). Áreas Naturales Protegidas del Perú: El Comienzo. Lima: Fondo Editorial de

la Universidad Nacional de Educación Enrique Guzmán y Valle.

Frolich, M. y Huber, M. (2017). Direct and indirect treatment effects-causal chains and

mediation analysis with instrumental variables. Journal of Royal Statistical Society,

Series B, 79(5), pp. 1645-1666.

Gelman, A. e Imbens, G. (2015). Why high-order polynomials should not be used in

regression discontinuity designs. Journal of Business & Economic Statistics, 37(3), pp.

447-456.

Giddens, A. (1993). Sociology. 2nd ed. Cambridge: Polity Press.

Heagney, E.C., Kovac, M., Fountain, J. y Conner, N. (2015). Socio-economic benefits

from protected areas in southeastern Australia. Conservation Biology, 29 (6), 1647-1657.

Hahn, J., Todd, P. y Van der Klauw, W. (2001). Identification and estimation of treatment

effects with a regression-discontinuity design. Econometrica, 69(1), pp. 201-209.

Hsiang, S. (2016). Climate Econometrics. Annual Review of Resource Economics, 8, pp.

43-75.

Imbens, G. y Kalyanaraman, K. (2012). Optimal Bandwith Choice for the Regression

Discontinuity Estimator. Review of Economics Studies, Oxford University Press, 79(3),

pp. 933-959.

Joppa, L. y Pfaff, A. (2010). Reassessing the forest impacts of protection. Annals of the

New York Academy of Sciences, 1185(1), pp. 135–149.

Jusys, T. (2016). Quantifying avoided deforestation in Pará: Protected areas, buffer

zones and edge effects. Journal of Nature Conservation, 33, pp. 10-17.

57

Keele, L. J. y Titiunik, R. (2015). Geographic Boundaries as Regression Discontinuities.

Political Analysis, 23(01), 127-155.

Keele, L. J., Lorch, S., Passarella, M. Small, D. y Titiunik, R. (2017). An overview of

geographically discontinuous treatment assignments with an application to children’s

health insurance. En: Cattaneo, M. D. y Escanciano, J. C. Regression Discontinuity

Designs: Theory and Applications. Advances in Econometrics, 38, pp. 147-194.

Khatiwada, L. K. y Silva, J. A. (2015). Mitigating Gender Inequality in Rural Regions: The

Effects of Tourism Employment in Namibia. International Journal of Tourism Research,

17(5), pp. 442-450.

Lee, M. J. (2005). Micro-econometrics for policy, program, and treatment effects. Oxford:

Oxford University Press.

Lee, D. S. (2008). Randomized experiments from non-random selection in U.S. House

elections. Journal of Econometrics, 142(2), pp. 675-697.

Lee, D. S. y Lemieux, T. (2010) Regression Discontinuity Designs in Economics. Journal

of Economic Literature, 48 (2), pp. 281-355.

Li, M., De Pinto, A., Ulimwengu, J. M., You, L., Robertson, R. D. (2015). Impacts of road

expansion on deforestation and biological carbon loss in the Democratic Republic of

Congo. Environmental and Resource Economics, 60(3), pp. 433-469.

Mas J. F. (2005). Assessing protected area effectiveness using surrounding (buffer)

areas environmentally similar to the target area. Environmental Monitoring and

Assessment, 105(1-3), pp. 69-80.

McNeely, Jeffrey A. (2008). Protected areas in a world of eight billion. GAIA – Ecological

Perspectives for Science and Society, 17(1), pp.104-106(3).

MINAM (2011). El Perú de los bosques. Lima.

Miranda, J. J., Corral, L., Blackman, A., Asner, G. y Lima, E. (2016). Effects of Protected

Areas on Forest Cover Change and Local Communities: Evidence from the Peruvian

Amazon. World Development, 78, pp. 288-307.

Ogra, M. y Badola, R. (2008). Compensating human-wildlife conflict in protected area

communities: Ground-level perspectives from Uttarakhand, India. Human Ecology,

36(5), pp. 717-729.

Oliveira, P. J. C., Asner G. P., Knapp, D. E., Almeyda, A., Galván-Gildemeister, R.,

Keene, S., Raybin, R. F. y Smith, R. C. (2007). Land-use allocation protects the Peruvian

Amazon. Science, 317(5842), pp.1233–1236

Orihuela, J. C. (2017). Assembling participatory Tambopata: Environmentality

entrepreneurs and the political economy of nature. Forest Policy and Economics, 80, pp.

52 - 62.

---- (2018). La formación del Estado verde: redes, legados y contingencia en la política

forestal. En: Cuaderno de Investigación N° 6. Lima: Escuela de Gobierno y Políticas

Públicas de la Pontificia Universidad Católica del Perú.

Panta, S. K. y Thapa, B. (2018). Entrepreneurship and women's empowerment in

gateway communities of Bardia National Park, Nepal. Journal of Ecotourism, 17(1), pp.

20-42.

58

Pfaff, A., Robalino, J. A., Walker, R., Aldrich, S., Caldas, M., Reis, E., Perz, S., Bohrer,

C., Arima, E., Laurance, W. y Kirby, K. (2007). Road Investments, Spatial Spillovers, And

Deforestation In The Brazilian Amazon. Journal of Regional Science, 47, pp. 109–123.

DOI: 10.1111/j.1467-9787.2007.00502.x

Pfaff, A., Santiago-Avila, F., Carnovale, M. y Joppa, L. (2014). "Protected Areas' Impacts

Upon Land Cover Within Mexico: the need to add politics and dynamics to static land-

use economics". En: 2014 Annual Meeting, Julio 27-29, 2014, Minneapolis, Minnesota

177195. Agricultural and Applied Economics Association.

Pérez-Valbuena, G. J., Higuera-Mendieta, I. y Bonilla-Mejía, L. (2017). Marginal Effects

of Overlapping Protected Areas: A Regression Discontinuity Approach. Working Paper.

En: 64 Annual North American Meetings of the Regional Science Association

International, at Vancouver, British Columbia, Canada.

Perz, S. G., Qiu, Y., Xia, Y., Southworth, J., Sun, J., Marsik, M., Rocha, K., Passos, V.,

Rojas, D., Alarcón, G. Barnes, G. y Baraloto, C. (2013). Trans-boundary infrastructure

and land cover change: Highway paving and community-level deforestation in a tri-

national frontier in the Amazon. Land Use Policy, 34, pp. 27–41. DOI:

10.1016/j.landusepol.2013.01.009

Robalino, J. A. y Pfaff, A. (2012). Contagious development: Neighbor interactions in

deforestation. Journal of Development Economics, 97(2), pp. 427-436.

Rodríguez, N., Armenteras, D. y Retana, J. (2013). Effectiveness of protected areas in

the Colombian Andes: deforestation, fire and land-use changes. Regional Environmental

Change, 13(2), pp. 423-435. DOI:10.1007/s10113-012-0356-8

Rodríguez, S. 2018. Conservar la Naturaleza, Gobernar la Población: Imaginarios,

espacio y políticas en el Parque Nacional del Manu (tesis de pregrado). Lima: Pontificia

Universidad Católica del Perú.

Rousseau, S. (2018). Guía para la inclusion del análisis de género en los proyectos de

de investigación. Lima: CIES.

Shenoy, A. (2018). Regional development through place-based policies: Evidence form

a spatial discontinuity. Journal of Development Economics,130, pp. 173-189.

Solano, P. (2005). La Esperanza es Verde: Áreas Naturales Protegidas en el Perú. Lima:

SPDA.

Van der Hoek, Y. (2017). The potential of protected areas to halt deforestation in

Ecuador. Environmental Conservation, 44(2), pp. 124-130.

DOI:10.1017/S037689291700011X

Vivanco, L. A. (2001). Spectacular Quetzals, Ecotourism, and Environmental Futures in

Monte Verde, Costa Rica. Ethnology, 40(2), 79.

Walker, S., Valaoras, G., Gurung, D. y Godde, P. (2001). Women and mountain tourism:

redefining the boundaries of policy and practice. En: Apostolopoulos, Y. y

Apostolopoulos, Sonmez, S. F. y Timothy, D. J. (Eds.), Women as producers and

consumers of tourism in developing regions. Westport, CT: Praeger, pp. 167-190

Weisse, M. J. y Naughton-Treves, L. C. (2016). Conservation beyond park boundaries:

the impact of buffer zones on deforestation and mining concessions in the Peruvian

Amazon. Environmental Management, 58(2), pp. 297-311.

59

Westermann, O., Ashby, J., y Pretty, J. (2005). Gender and social capital: The

importance of gender differences for the maturity and effectiveness of natural resource

management groups. World Development, 33(11), pp. 1783-1799.

60

ANEXO: MAPAS DE ANPS

Mapa A1: Tabacona

61

Mapa A2: Tambopata y Bahuaja

62

Mapa A3: Yanachanga, Yanesha y San Matias-San Carlos

63

Mapa A4: Manu

64

Mapa A5: Pacaya

65

Mapa A6: Comaina

66

Mapa A7: Altomayo

67

Mapa A8: Río Abiseo

¿MÁS VERDE DENTRO QUE FUERA? EFECTOS DE LAS ÁREAS ... · objetivos de conservación de la...

Documents

Transcript of ¿MÁS VERDE DENTRO QUE FUERA? EFECTOS DE LAS ÁREAS ... · objetivos de conservación de la...