Introducción

En este documento se realiza un análisis exploratorio de la deforestación en algunos departamentos de Colombia. Se construye una base de datos sencilla con tres variables relacionadas con la deforestación y se aplica un método de clustering (k-means) para identificar grupos de departamentos con patrones similares.

Así, se aplica un método de agrupamiento en dos grupos para identificar departamentos con patrones similares de deforestación, con posibilidad de agregar más departamentos.

Datos Terra-i por departamento

## [1] "terrai-Colombia-d-Amazonas.csv"       
## [2] "terrai-Colombia-d-Valle_Del_Cauca.csv"
## # A tibble: 2 × 3
##   departamento    sup_def tasa_def
##   <chr>             <dbl>    <dbl>
## 1 Amazonas          21612    1137.
## 2 Valle Del Cauca    4802     253.

Clustering de departamentos

## # A tibble: 2 × 4
##   departamento    sup_def tasa_def cluster
##   <chr>             <dbl>    <dbl> <fct>  
## 1 Amazonas          21612    1137. 2      
## 2 Valle Del Cauca    4802     253. 1

Gráfico de dispersión por cluster

## Gráfico de dispersión

El gráfico de dispersión muestra la relación entre la tasa promedio anual de deforestación (eje X) y la superficie total deforestada acumulada (eje Y) para cada departamento incluido en el análisis. Cada punto representa un departamento y el color indica el grupo al que fue asignado en el agrupamiento en dos clusters. En esta fase, se observa que Amazonas se ubica en el grupo con mayor superficie deforestada y mayor tasa promedio anual, mientras que el Valle del Cauca se sitúa en un grupo con valores relativamente menores. Esto permite distinguir, de forma visual, departamentos donde la presión reciente sobre los bosques es más intensa frente a aquellos donde la deforestación, aunque presente, es menos marcada.

Mapa de Colombia con los clusters

## Linking to GEOS 3.13.1, GDAL 3.11.4, PROJ 9.7.0; sf_use_s2() is TRUE
## 
## Adjuntando el paquete: 'rnaturalearthdata'
## The following object is masked from 'package:rnaturalearth':
## 
##     countries110

## Mapa

El mapa de Colombia representa la distribución espacial de los clusters de deforestación a nivel departamental. Los departamentos se colorean según el grupo al que pertenecen, lo que permite ubicar en el territorio nacional las diferencias observadas en los indicadores de superficie total deforestada y tasa promedio anual. En el estado actual del proyecto, Amazonas aparece en el grupo de mayor presión de deforestación y se localiza en la región amazónica, mientras que el Valle del Cauca, con valores más bajos, se sitúa en el suroccidente del país. Esta representación cartográfica complementa al gráfico de dispersión, ya que no solo compara magnitudes, sino que también muestra dónde se concentran las dinámicas de pérdida de cobertura boscosa y abre la puerta a identificar patrones regionales a medida que se incorporen más departamentos.

Conclusiones preliminares

A partir de los datos de Terra-i utilizados para Amazonas y Valle del Cauca, se observan diferencias marcadas en la magnitud de la deforestación.

En primer lugar, Amazonas presenta tanto la superficie total deforestada como la tasa promedio anual de deforestación más altas. En nuestro análisis, la superficie acumulada de pérdida de cobertura boscosa en Amazonas es aproximadamente cuatro veces mayor que en el Valle del Cauca, y la tasa anual promedio también es varias veces superior. Esto ubica a Amazonas en el grupo (cluster) de departamentos con mayor presión reciente sobre sus bosques.

Por el contrario, el Valle del Cauca se agrupa en el cluster de menor deforestación relativa, con una superficie deforestada y una tasa anual considerablemente menores que las de Amazonas. Aunque sigue habiendo pérdida de cobertura, su magnitud es menor dentro del conjunto analizado.

El ejercicio de agrupamiento en dos grupos permite distinguir, de manera simple, departamentos con dinámicas de deforestación más críticas frente a otros con niveles relativamente más bajos. Sin embargo, al trabajar solo con dos departamentos, este resultado debe interpretarse como exploratorio. Al incorporar el resto de departamentos de Colombia, el análisis de clusters permitiría identificar patrones regionales más robustos y priorizar territorios para acciones de manejo y conservación.