01.tesis - Jhon Ever Rengifo Marin PDF

1
UNIVERSIDAD NACIONAL DE LA
AMAZONA PERUANA
FACULTAD DE AGRONOMA
ESCUELA DE FORMACIN PROFESIONAL DE INGENIERA EN
GESTIN AMBIENTAL
EFECTO DE LA DEFORESTACIN EN LA
DISTRIBUCIN ESPACIAL DE MALARIA EN EL
MBITO DE INFLUENCIA DE LA CARRETERA
IQUITOS NAUTA DEL 2014 - 2016
TESIS
Para Optar el Ttulo Profesional de
INGENIERO EN GESTIN AMBIENTAL
Presentado por
JHON EVER RENGIFO MARIN

Bachiller en Gestin Ambiental
IQUITOS - PER
2017
3
DEDICATORIA
A Carmen Melndez y Ricardo Marn por supuesto.

A Mercy Marn, mi madre que nunca deja de pensar que
la educacin es la nica forma de salir de la pobreza.
A mis hermanos y mi familia en general por el apoyo
que da a da me brindan.
4
AGRADECIMIENTO
Agradecimiento pleno a toda mi familia

que propici mi formacin profesional.
A Lizardo Fachn por ayudarme en

la realizacin de esta tesis.
A Herman Collazos por su apoyo en

en la parte estadstica de esta misma.
Al personal del IIAP y el CIETROP por

el apoyo logstico.
5
"Ignorance affirms or denies emphatically.

Science doubt"
(Voltaire)
French philosopher
6
CONTENIDO
INTRODUCCION. ..............................................................................................11
CAPITULO I. PLANTEAMIENTO DEL PROBLEMA ...........................................14
1.1 PROBLEMA, HIPTESIS Y VARIABLES ............................................14
1.1.1. Descripcin del problema .................................................................14
1.1.2. Definicin del problema ....................................................................15
1.1.3. Hiptesis...........................................................................................16
1.1.4. Identificacin de las variables ...........................................................16
1.1.5. Operacionalizacin de las variables..................................................16
1.2 OBJETIVOS DE LA INVETIGACION ...................................................16
a) Objetivo general ...............................................................................16
b) Objetivos especficos ........................................................................17
1.3 JUSTIFICACION E IMPORTANCIA .....................................................17
CAPITULO II: METODOLOGA ..........................................................................20
2.1 REA DE ESTUDIO. ...........................................................................20
2.2 MATERIALES ......................................................................................21
2.3 MTODO .............................................................................................24
A. Extraccin de datos de casustica de malaria de la base de datos de

la DIRESA........................................................................................24
B. Modelamiento espacial de casos de malaria ....................................25
C. Mapeo de la deforestacin ...............................................................25
D. Extraccin de estadsticas de deforestacin .....................................26
E. Anlisis de correlacin ......................................................................26
CAPITULO III: REVISION DE LITERATURA .....................................................27
3.1 MARCO TERICO ..............................................................................27
Epidemiologia panormica .........................................................................27

7
Sensoramiento Remoto. .............................................................................28
Firmas espectrales .....................................................................................34
Landsat Data Continuity Mission Landsat-8. ............................................35
Sistemas de informacin geogrfica (SIG) .................................................38
Anlisis espacial .........................................................................................39
Inverse Distance Weighting (IDW) ..............................................................41
Autocorrelacin espacial.............................................................................42
Deteccin y medicin de la autocorrelacin espacial ..................................42
Enfermedades tropicales y los bosques. ....................................................44
Deforestacin .............................................................................................45
Monitoreo de la deforestacin ....................................................................46
Aspectos generales de la herramienta CLASlite. ........................................47
A. Anlisis de cobertura fraccional ........................................................48
B. Anlisis de cobertura de bosque/no bosque .....................................49
C. Anlisis de cambio de bosque ..........................................................49
Deforestacin como determinante de la malaria. ........................................50
3.2 MARCO CONCEPTUAL ......................................................................53
Epidemiologia panormica .........................................................................53
Sensoramiento Remoto ..............................................................................53
Sistemas de informacin geogrfica (SIG) .................................................54
Anlisis espacial .........................................................................................54
Inverse Distance Weighting (IDW) ..............................................................55
Autocorrelacin espacial.............................................................................56
Enfermedades Tropicales ...........................................................................56
Malaria .......................................................................................................57
Bosque .......................................................................................................57
Deforestacin. ............................................................................................58
8
Definiciones operativas de bosque y deforestacin ....................................60
CAPITULO IV: ANALISIS Y PRESENTACION DE LOS RESULTADOS ............62
4.1 Extraccin de datos de la casustica de malaria de la base de datos de

la DIRESA. .........................................................................................62
4.2 Modelamiento espacial de la malaria ...................................................64
4.3 Mapeo de la deforestacin ...................................................................69
4.4 Extraccin de estadsticas de deforestacin.........................................71
4.5 Anlisis de correlacin. ........................................................................77
CAPITULO V: CONCLUSIONES Y RECOMENDACIONES ...............................82
5.1 CONCLUSIONES ................................................................................82
5.2 RECOMENDACIONES. .......................................................................84
REFERENCIAS BIBLIOGRAFICAS ...................................................................86
GLOSARIO. .......................................................................................................97
ABREVIATURAS: ............................................................................................101
COLABORADORES.........................................................................................102
ANEXOS....103
LISTADO DE TABLAS
Tabla 1. Operaconalizacin de variables ................................................................... 16
Tabla 2. Imagenes adquiridas y cobertura de nubes. .............................................. 22
Tabla 3. Descripcin de los Softwares utilizados...................................................... 23
Tabla 4. Especificaciones de Productos LCDM Landsat 8 a nivel. ........................ 37
Tabla 5. Distribucin de las bandas en OLI y TIRS .................................................. 38
Tabla 6. Numeros de casos en investigacion. ........................................................... 63
Tabla 7. Estadisticos descriptivos de la casuistica de malaria. .............................. 63
Tabla 8. Prueba de normlidad para la casuistica de malaria .................................. 63
Tabla 9. Porcentaje de enmascaramiento. ................................................................ 69
Tabla 10. Areas deforestadas por ao. ...................................................................... 70
Tabla 11. Clusters para el ao 2014 ........................................................................... 72
9

Tabla 14. Analisis de la cobertura boscosa por cluster ........................................... 74
Tabla 15. Anlisis de la deforestacin por cluster. ................................................... 75
Tabla 16. Suma de casos de malaria en cada cluster ............................................. 76
Tabla 17. Porcentaje de area no boscosa, deforestacin y suma de casos en
cada cluster. .................................................................................................. 77
Tabla 18. Porcentaje de deforestacin acumulada .................................................. 77
Tabla 19. Prueba de normalidad. ................................................................................ 80
Tabla 20. Coeficientes de correlacin. ....................................................................... 80
LISTADO DE FIGURAS
Figura 1. rea de estudio del mbito de influencia de la carretera Iquitos Nauta.
...........................................................................................................21
Figura 2. Esquema de un sistema de teledeteccin. ..........................................29
Figura 3. Resolucin radiomtrica. .....................................................................29
Figura 4. Sensor Activo. Figura 5. Sensor Pasivo. .................30
Figura 6. Operacin de un satlite Geoestacionario (a)......................................31
Figura 7. Operacin de un satlite heliosncrono o polar (b)...............................31
Figura 8. Resolucin espacial. ...........................................................................32
Figura 9. Resolucin espectral. ..........................................................................33
Figura 10. El Espectro Electromagnetico...........................................................33
Figura 11. Firma espectral diferentes tipos de elementos. .................................35
Figura 12. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+
en Landsat 7 (USGS 2013). .............................................................36
Figura 13. Analisis de intepolacion IDW. ............................................................41
Figura 14. Anlisis de la cobertura Fraccional. ...................................................48
Figura 15. Proceso que muestra los pasos para la obtencin de la cobertura de
bosque, cambio de bosque a no bosque y perturbacin con la
aplicacin CLASlite. .........................................................................50
Figura 16. Grafico Q-Q de casos en el 2014. .....................................................64
10
Figura 19. Anlisis de Moran para el ao 2014. .................................................65

Figura 22. Mapas de distribucin espacial de malaria en los aos 2014, 2015 y
2016. ................................................................................................68
Figura 23. Mapa de deforestacin. .....................................................................70
Figura 24. Mapas de clusters con areas para la extraccion de datos de
deforestacion. ..................................................................................73
Figura 25. Deforestacin y casos de malaria por clster en 2014.......................78
Figura 26. Deforestacin y casos de malaria por cluster en 2015..78
Figura 27. Deforestacin y casos de malaria por clster en 2016.......................78
Figura 28 Relacin Deforestacion Malaria. ......................................................79
INDICE DE ECUACIONES
Ecuacin 1: Ecuacion de la interpolacion IDW. .................................................. 41
Ecuacin 2 Indice de Moran I. ............................................................................ 43
Ecuacin 3 Acumulado del peso espacial. ......................................................... 44
Ecuacin 4 Puntuacion Z. .................................................................................. 44
Ecuacin 5 componentes de la puntuacion Z. .................................................... 44
11
INTRODUCCION
La malaria es la principal causas de muerte y el problema de salud pblica de
mayor importancia en Amrica Latina (USAID, 2012). En Per es prevalentes en
diferentes reas geogrficas del norte del pas, en Loreto las primeras semanas
de 2015 se reportaron 6809 casos; en el mismo perodo de 2016, se reportaron
8664 casos con incremento del 21.5%. La Tasa de incidencia muestran a 32
distritos con muy alto riesgo, esto es ms de la mitad de los 53 distritos del
departamento Loreto expuestos a esta enfermedad (Carey, 2016).
Aproximadamente 72 millones de hectreas de bosques existe en Per de las
cuales el 28.7% se encuentran en Loreto (Dourojeanni, 2013) con una
composicin florstica muy compleja (bosque hmedo subtropical y tropical) con
ms de 2500 especies diferentes. En Amazonia peruana 7 172 554 ha han sido
deforestadas al ao 2000, de las cuales 1 496 317.56 ha (10.36% de la superficie
de los bosques amaznicos) fueron deforestadas en el periodo de 1990 2000 a
una tasa anual de 149 631.76 ha/ao en el caso de Loreto (MINAM, 2009).
Informacin ms actualizada proporcionada por NatureServe (2012) indica que se
deforestaron 1 303 800 ha en Loreto (3,55% de su territorio) concentrada en dos
focos: la carretera Iquitos-Nauta y los alrededores de Yurimaguas (Dourojeanni,
2013).
Principalmente la deforestacin en el pas es causada por la agricultura migratoria
(apertura de terrenos agrcolas), la extraccin ilegal (apertura de caminos y retiro
de especies valiosas), y los incendios forestales (FAO, 2004); es la mayor
actividad que origina emisin de gases de efecto invernadero y se pierden grandes
extensiones de biomasa
12
arbrea, lo que pone en peligro a la biodiversidad acompaante, no slo por
prdidas de individuos arbreos sino tambin por prdida de refugios para la fauna
silvestre y de servicios ambientales del bosque (MINAM, 2009).
La malaria o paludismo es una de las enfermedades ms serias en el mundo, el
ciclo de la enfermedad consiste en una transmisin directa del vector hacia los
humanos, por varias especies del mosquito Anopheles (Mohs y Mora 1987
mencionado por (Vargas, 1994)). La distribucin de la malaria est asociada a
zonas geogrficas tropicales con climas hmedos. Evidentemente, cada ao se
deforesta ms, y cada ao aumentan los casos de malaria en la regin tropical del
planeta, una de las razones del aumento de esta enfermedad es la deforestacin,
el cambio de uso forestal a agrcola extensivo, el descuido de los gobiernos en los
programas de salud y las migraciones (Vargas, 1994).
La deforestacin en las regiones tropicales hmedas genera hbitat propicios para
el desarrollo del mosquito Anopheles, se menciona que aumenta la temperatura
con amplitud trmica entre los 18C a 32C requerida por el mosquito (Vargas,
1994), tambin se generan estancamientos de agua coincidiendo as con la
descripcin del ambiente preferido por el mosquito (Benenson, 1992 mencionado
por (Vargas, 1994)).
El avance tecnolgico permiti el uso de los sensores remotos (SR) como
herramientas para conocer la tierra permitindonos: el monitoreo de la
deforestacin, de sequias e inundaciones, el crecimiento urbano y otras mltiples
aplicaciones ms; siendo fundamental el uso de los sistemas de informacin
geogrficas (SIG). Entonces la investigacin emplea los productos de estas
tecnologas que permiten cuantificar la deforestacin y adems con los SIG hacer
interpolaciones espaciales de la casustica de malaria en el rea de influencia de

13
la carretera Iquitos - Nauta partiendo de la premisa que el incremento de la
deforestacin est asociado directamente con la presencia de casos de malaria.
Este tema de investigacin para la amazonia no es nuevo, ya que en el ao 2006
Vittor estudi la relacin de la deforestacin y la tasa de picadura de mosquito
Anopheles en el mbito de la carretera Iquitos Nauta y encontr la relacin que
en lugares ms deforestados la tasa de picadura aumentaba e incluso teniendo
en cuenta la intervencin humana en su control (Vittor et al., 2006). A escala
mayor, Olson encontr que un aumento del 4,3% en la deforestacin aumenta la
incidencia de malaria en 48% en los distritos de salud en Mancio Lima, Brasil
(Olson, 2010). La tesis contesta la pregunta: Existe relacin entre la
deforestacin con la distribucin espacial de malaria en el mbito de influencia de
la carretera Iquitos Nauta de 2014 al 2016? y se encontr que la deforestacin
tiene una relacin directa con la distribucin espacial de la malaria, esto permiti
comprender el impacto epidemiolgico de la malaria que es de vital importancia
para implementar estrategias de control que impidan su repentino aumento
(Aramburu, Ramal, & Witzig, 1999). Los resultados permitieron identificar las
zonas con mayores casos de malaria; por tanto, es importante para la planificacin
e implementacin de estrategias de monitoreo de malaria. Esto permitir focalizar
la logstica en estas reas de modo que la vigilancia epidemiolgica sea ms
eficiente; no obstante, la metodologa desarrollada es aplicable a escala
departamental y tambin a otras enfermedades.

14
CAPITULO I:
PLANTEAMIENTO DEL PROBLEMA
1.1 PROBLEMA, HIPTESIS Y VARIABLES
1.1.1. Descripcin del problema
Segn la Agencia para el Desarrollo Internacional de los Estados Unidos
de Amrica (USAID, 2012), la malaria es la principal causa de muerte y el
problema de salud pblica de mayor importancia en Amrica Latina. Esta
enfermedad es amenaza significativa para la salud pblica a pesar de dcadas
de esfuerzos de control y millones de dlares de financiacin (Barat, 2006).
En Per como tambin en otros pases Amaznicos, las enfermedades
transmitidas por vectores, como la malaria, el dengue, la fiebre amarilla,
enfermedad de Carrin, leishmaniosis, enfermedad de Chagas son
prevalentes en diferentes reas geogrficas del pas, teniendo como factores
condicionantes a los cambios climticos, los cambios en los ecosistemas,
como los propiciados por la deforestacin, las plantaciones de arroz y los
cambios demogrficos debidos a la intensa migracin, que contribuye a la
dispersin de estas enfermedades (Cabezas-Snchez, 2015). Segn reportes
de la Direccin de Epidemiologia de la DIRESA, en Loreto durante las primeras
semanas epidemiolgicas del ao 2015 se reportaron 6809 casos de malaria;
sin embargo, en el mismo perodo del ao 2016, se reportaron 8664 casos de
malaria con incremento del 21,5%. La Tasa de Incidencia Acumulada (TIA)
muestran a 17 distritos con muy alto riesgo y 15 distritos con alto riesgo de
incidencias, esto es ms de la mitad de los 53 distritos de Loreto expuestos a
Malaria (Carey, 2016).

15
El proyecto se desarroll en el rea de influencia de la carretera Iquitos -
Nauta que se empez a construir a inicios de 1970 con aproximadamente 334
031,85 ha de superficie SIG. La construccin de la misma trajo consigo
muchos impactos ambientales y socioeconmicos en esta zona, siendo la
deforestacin uno de los ms severos (Kalliola & Flores-Paitan, 1998), esta
situacin por los diferentes efectos que trae consigo puede estar teniendo
repercusiones subyacentes en la salud pblica. Ante este escenario surgen
preguntas relacionadas con los efectos de las actividades humanas en los
ecosistemas, modificaciones que pudieran estar ocasionando respuestas en
el comportamiento espacial de los vectores reflejada en aumento de la
casustica de enfermedades transmitidas por vectores, siendo una de las ms
importantes la malaria.
Loreto es el departamento que alcanza cifras importantes en cuanto a la
presencia de casos de malaria, pese a la alta presencia de casos an no se
tiene un mapa de distribucin espacial de casos que muestre los lugares de
mayor incidencia, este problema puede ser abordado con herramientas
tecnolgicas como los sistemas de informacin geogrfica (SIG) y los
sensores remotos (SR), que en este proyecto se explotar sus amplias
bondades para abordar el anlisis espacial de los problemas de salud pblica.
1.1.2. Definicin del problema
Existe relacin entre la deforestacin con la distribucin espacial de
malaria en el mbito de influencia de la carretera Iquitos Nauta de 2014 al
2016?
16
1.1.3. Hiptesis
La deforestacin se asocia positivamente con la distribucin espacial de
malaria en el mbito de influencia de la carretera Iquitos Nauta de 2014 al
2016.
1.1.4. Identificacin de las variables
Variable independiente:
X1: Deforestacin.
Variable dependiente:
Y1: Distribucin espacial de malaria.
1.1.5. Operacionalizacin de las variables
Tabla 1. Operaconalizacin de variables.

VARIABLES INDICADORES INDICE TIPO
Variable Porcentaje de
independiente: Deforestacin anual. deforestacin en Cuantitativa
X1: Deforestacin. clsteres de contina.
distribucin espacial
de malaria.
Variable Presencia de casos Suma de casos de Cuantitativa

dependiente: notificados de malaria, malaria en los discreta.
Y: Distribucin en los clsteres de clsteres de
espacial de distribucin espacial. distribucin
malaria. espacial.
1.2 OBJETIVOS DE LA INVETIGACION
a) Objetivo general
Determinar el efecto de la deforestacin en la distribucin espacial de
malaria de 2014 al 2016 en el mbito de influencia de la carretera Iquitos
Nauta.
17
b) Objetivos especficos
1. Extraer de base de datos de la DIRESA, el nmero de casos
reportados de malaria por lugar poblado que se encuentren en el
rea de influencia de la carretera Iquitos Nauta de los aos
2014, 2015 y 2016.
2. Mapear y describir los patrones de distribucin espacial de
malaria por ao 2014, 2015 y 2016 en el rea de influencia de la
carretera Iquitos Nauta.
3. Mapear la deforestacin en el rea de estudio por periodos de un
ao desde el 2014 al 2016.
4. Extraer las estadsticas de deforestacin.
5. Analizar la correlacin de la presencia de casos reportados de
malaria (distribucin espacial) con las estadsticas extradas de
la deforestacin.
1.3 JUSTIFICACION E IMPORTANCIA
La presente investigacin busca determinar la asociacin de la
deforestacin y la distribucin espacial de la malaria en el rea de influencia
de la carretera Iquitos - Nauta; donde ocurren muchos cambios en el territorio.
Los cambios en la cobertura terrestre forman parte del proceso de cambio
climtico global y pueden repercutir negativamente sobre las caractersticas
biofsicas de la superficie terrestre (Carvajal & Pabn, 2014), considerando
todos los procesos de cambio de uso de tierras que vienen suscitndose en
esta rea como la conversin de bosque en terreno agrcola, la remocin de

18
bosque para la implementacin de monocultivos, para piscigranjas, extraccin
de arena, extraccin de madera para carbn, etc.
Con la presente investigacin se identific las zonas con mayores casos
de malaria en la zona de la carretera Iquitos Nauta por efecto de la
deforestacin, ya que actualmente representan un serio problema de salud
pblica para esta rea, no obstante, la metodologa desarrollada podra ser
aplicable a escala departamental y tambin para otras enfermedades.
Los resultados proporcionaran informacin que serviran para identificar
zonas con mayor riesgo y emplearse como herramienta regional que ayude a
tomar decisiones a corto, mediano y largo plazo para una respuesta oportuna
y anticipada ante posibles brotes de malaria; ser importante para la
planificacin e implementacin de estrategias de control y monitoreo de
malaria y otras enfermedades, para el diseo de programas de prevencin.
Permitir focalizar los recursos logsticos en reas con mayor riesgo, de modo
que la vigilancia epidemiolgica y el control vectorial sean ms eficientes para
lograr disminuir la incidencia de casos.
Los resultados tienen dos implicaciones principales para las polticas
pblicas en la Amazonia, en Per y en Loreto: A) La deforestacin impone
costos al sistema de salud que deben tenerse en cuenta; B) Existe una sinergia
entre las polticas para combatir la deforestacin y las polticas de prevencin
y control de la malaria. Por lo tanto, las tomas de decisiones gubernamentales
deben incluir el efecto de la deforestacin sobre la incidencia de la malaria y

19
sus costos asociados. La integracin de las polticas ambientales y de salud,
a su vez, puede basarse en acciones conjuntas de vigilancia ambiental;
prevencin y mitigacin de la malaria, teniendo en cuenta la distribucin
espacial de la deforestacin.
Es la primera vez que se mapea de distribucin de malaria para el rea de
influencia de la carretera Iquitos Nauta, el mismo que permitir tomar
decisiones en lugares donde se presenten el mayor nmero de casos.

20
CAPITULO II:
METODOLOGA
2.1 REA DE ESTUDIO.
El rea de estudio abarca una superficie SIG de 334 031.85 ha localizada
entre los meridianos 73.29 y 73.66 de longitud Oeste y los paralelos 3.70 y
4.54 de latitud Sur. El rea est situada en la parte nororiental del Per, en la
regin natural denominada selva baja u omagua. Polticamente comprende
parte de las provincias Loreto (19,21% sup.) y Maynas (80,79% sup.), del
departamento Loreto que es el ms extenso con 368 851.95 km2 del Per
(28,7% del territorio peruano) y con una poblacin de 921 518 habitantes con
una densidad poblacional de 2.5 habitantes por km2. La cubierta vegetal est
constituida por un bosque perennifolio, representativa del llano Amaznico y
comprende la provincia biogeogrfica Amaznica Tropical, en el nivel de
ecosistemas, predomina la zona de vida Bosque Hmedo Tropical (bhT), con
precipitaciones promedios anuales superiores a 2 400 mm y temperatura
media mensual superior a 24 C. El tipo de clima (A(r)AH4) se caracteriza por
ser muy lluvioso y la humedad relativa, a lo largo del ao, vara entre 82% y
86%. La tasa de crecimiento promedio poblacional entre 1981 y 1993 fue de
3,6% en el mbito de Iquitos; 6,8% en el mbito de Nauta y de 7,4% en la
poblacin asentada en el eje de la carretera Iquitos Nauta (Kalliola & Flores-
Paitan, 1998).
21
Figura 1. rea de estudio del mbito de influencia de la carretera Iquitos Nauta.
2.2 MATERIALES
A. Material cartogrfico digital
Polgono del rea de influencia de la carretera Iquitos Nauta en
formato shapefile.
Puntos de los lugares poblados de la carretera Iquitos Nauta en
formato shapefile.
22
B. Material satelital
Se utiliz 4 imgenes de satlite Landsat 8 de los aos 2014, 2015, 2016
y 2017 evaluando la calidad de las mismas (porcentaje de nubes, fechas,
estacionalidad, etc.), del rea de influencia de la carreta Iquitos Nauta (Path:
006 Raw: 063 en el WRS - 2). Las imgenes Landsat se obtuvieron de dos
servidores: el Servicio Geolgico de los Estados Unidos USGS1 e Instituto
Nacional de Pesquisas Espaciales de Brasil - INPE2. En el Anexo 2 se detalla
el procedimiento de descarga de las imgenes.
Tabla 2. Imagenes adquiridas y cobertura de nubes.
Fecha Cobertura de nubes Servidor WEB
19/11/2014 1.2 % USGS

Sensores OLI y
LANDSAT 8
03/09/2015 1.78 % INPE

TIRS.
20/08/2016 1.96 % USGS
12/02/2017 8.9 % USGS
C. Datos de casustica de Enfermedades Tropicales
Se consider los casos de malaria registrados en cada centro poblado del
mbito de influencia de la carretera Iquitos Nauta en el periodo 2014 al 2016.
La base de datos contiene la data histrica registrada de las enfermedades
sujetas a vigilancia epidemiolgica, la malaria es una de ellas; fue
proporcionada por el Centro de Investigacin de Enfermedades Tropicales
(CIETROP) los mismos que fueron adquiridos de la Direccin de
1 Earth Explorer: http://earthexplorer.usgs.gov/

2 INPE: http://www.dgi.inpe.br/CDSR/
23
Epidemiologia de la Direccin Regional de Salud (DIRESA) Gobierno
Regional de Loreto (ver Anexo XI).
D. Equipos y Software
Equipos:
Laptop con procesador Core i7, memoria RAM 8Gb, con SO MS
Windows 10.
Softwares:
Tabla 3. Descripcin de los Softwares utilizados.
Software Caractersticas Usos

Utilizado para unin de bandas,
calibracin radiomtrica y correccin
atmosfrica, generacin de imgenes
CLASlite Versin 3.3 de cobertura fraccional, mapas de
cobertura de bosque y no bosque; y
mapas de cambio de cobertura de
bosque.
Utilizado para la verificacin y
eliminacin de ruidos (Sombras de
ArcGIS Versin 10.4 nubes, bordes de nubes) y anlisis
geoestadsticos y la elaboracin de
mapas.
Utilizado para realizar los anlisis
SPSS Versin 24.1
estadsticos.
Utilizado para ordenar los datos y
MS Excel Versin 2016
presentar los cuadros estadsticos.
24
2.3 MTODO
En la presente investigacin3 se utiliz sistemas de informacin geogrfica,
tcnicas de procesamiento de imgenes satelitales, anlisis geoestadsticos
(anlisis espacial), dado que se us muchas tcnicas, este trabajo tuvo las
siguientes etapas metodolgicas (ver Anexo I) que a continuacin se explican:
A. Extraccin de datos de casustica de malaria de la base de datos
de la DIRESA
Se identificaron y localizaron los lugares poblados que estn
dentro del rea de estudio, esto se hizo usando el mapa base del
departamento Loreto que fue descargado del geoportal web4 del
GORE Loreto (ver Anexo III), estos mismos lugares poblados tuvieron
que ser identificados en la base de datos de epidemiologia que
contiene a la casustica histrica de malaria. Se ordenaron el nmero
de casos reportados de malaria por lugar poblado para los aos 2014,
2015 y 2016. Se evalu si sus distribuciones probabilsticas cumplen
3
Diseo y estadsticas empleadas en la investigacin.
El diseo de la investigacin es no experimental, descriptivo y comparativo de la
deforestacin y la distribucin espacial de la malaria en el rea de influencia de la carretera
Iquitos Nauta para tres periodos de un ao desde el 2014 al 2016.
- El tipo de la investigacin fue NO EXPERIMENTAL, pues no se manipularon las
variables de ninguna forma, se observ y registro tal como ocurren naturalmente.
- Fue de tipo RETROSPECTIVO porque se utiliz informacin previamente colectada.
- Fue LONGITUDINAL, se evalu las posibles tendencias de la variable de respuesta o
dependiente.
- Fue DESCRIPTIVA, pues pone en evidencia y describe las caractersticas de las
variables, estas caractersticas son de ndole CUANTITATIVA.
- Fue CORRELACIONAL, se analizar las relaciones entre la variable dependiente e
independientes.
(Sampieri, Collado, Lucio, & Prez, 1998)
(Hernndez, 2008)
Se hizo un anlisis estadstico: descriptivo y correlacional.
4 http://geoportal.regionloreto.gob.pe/visorloreto/
25
con el supuesto paramtrico de normalidad para poder aplicar las
dems pruebas estadsticas.
B. Modelamiento espacial de casos de malaria
Se realiz un anlisis de autocorrelacin espacial con el ndice de
Moran I (ver Anexo VIII) con el fin determinar si la distribucin espacial
de los casos cumple algn patrn espacial (agregado, aleatorio o
disperso) y se mape la distribucin espacial de malaria usando el
mtodo de interpolacin Inverse Distance Weighting (IDW) (ver Anexo
IX) por ao de 2014 al 2016. Para esto se us el sistema de
informacin geogrfica ArcGIS de ESRI donde previamente se
relacion a los atributos de los puntos que representan a los lugares
poblados con las tablas de casos de malaria registradas por ao que
previamente fue extrada de la base de datos Epidemiolgica de la
DIRESA.
C. Mapeo de la deforestacin
Se sigui la metodologa del protocolo de Anlisis y Clasificacin
de Imgenes para el Monitoreo de Cobertura de Bosque,
Deforestacin y Degradacin Forestal de la DGOTA del MINAM (ver
Anexo IV) que emplea el Sistema de Anlisis Landsat de Carnegie -
Lite (CLASlite) la que se utiliza para cuantificar el cambio de la
cobertura de Bosque a No Bosque por deforestacin utilizando
imgenes de satlite Landsat 8 y se obtuvo un mapa cuya leyenda
indica la deforestacin en periodos de un ao. Por ltimo, para

26
comprobar con confiabilidad del mapa de deforestacin se realiz la
validacin con trabajo de campo.
D. Extraccin de estadsticas de deforestacin
Al modelarse o mapearse la distribucin espacial de la malaria
mediante el mtodo de interpolacin IDW nos permiti determinar
clases, clusters o agrupaciones, es decir reas donde se estara dando
las mismas situaciones tendramos escenarios similares referente al
nmero de casos, considerando el nmero mximo anual de casos
reportados por cada ao, se asign el nmero de clases respectivos
(con motivo de ir aislando los lugares o las reas donde hay mayor
presencia de casos) donde que los lmites de cada clase son los de la
progresin geomtrica respectiva. Estas clases determinaron las
reas de donde se extrajeron las estadsticas expresadas en
porcentaje de la deforestacin. Para estos procesos se utilizar el
software SIG ArcGIS.
E. Anlisis de correlacin
Se realizo con la suma de casos registrados de malaria en cada
clster con las estadsticas extradas de deforestacin expresadas en
porcentajes. Esta matriz de datos se exporto al paquete estadstico
IBM SPSS donde se realiz las correlaciones cruzadas. De acuerdo
con la distribucin probabilstica de los casos se aplic el coeficiente
de correlacin de Pearson (r de Pearson) o de Spearman (rho de
Spearman) segn sea el caso.

27
CAPITULO III:
REVISION DE LITERATURA
3.1 MARCO TERICO
Epidemiologia panormica
Los recientes avances en la comprensin del ambiente donde ocurren la
transmisin de muchas enfermedades de importancia en salud pblica, en
particular las transmitidas por vectores, han permitido generar una serie de
conceptos y herramientas que estn modificando el abordaje de problemas
complejos en salud. As, el uso de Sensores Remotos (SR) y Sistemas de
Informacin Geogrfica (SIG) aplicados a eventos epidemiolgicos, brindan
opciones que se traducen en visiones ms integradas de las enfermedades y
nuevas posibilidades para prevenirlas y controlarlas (Rodrguez-Morales,
2005).
La aplicacin de informacin espacial en temas de salud es una disciplina
relativamente nueva que incluye la caracterizacin eco-geogrfica de aquellas
reas donde se desarrollan las enfermedades, usando para tal fin, tcnicas y
productos de Teledeteccin. La Epidemiologa Panormica puede ser
considerada como parte de una segunda generacin de aplicaciones
espaciales, donde el objeto (el vector o reservorio de una enfermedad) no
puede ser detectado directamente por los satlites. Es un enfoque holstico, el
cual asume que la dinmica biolgica entre huspedes y poblaciones de
vectores se ven afectadas por elementos del paisaje, como son la temperatura
y la vegetacin (Scavuzzo, 2006) (Porcasi, Catal, Hrellac, Scavuzzo, & Gorla,
2006). El uso de tcnicas de SR para mapear la distribucin de vectores y el

28
riesgo de enfermedades ha tenido una gran evolucin durante las ltimas dos
dcadas (Mouchet et al., 1998). Se pueden usar para desarrollar modelos
predictivos de riesgo, los cuales principalmente se realizan a travs de
tcnicas estadsticas de regresin logstica y anlisis discriminante, que
dilucidan las asociaciones entre datos ambientales multivariados y los
patrones de presencia o ausencia de vectores para as mapear los vectores o
las enfermedades.
Estos mtodos son capaces de predecir la probabilidad de la presencia de
la variable dependiente (vector o enfermedad), a partir de un grupo de
variables independientes (datos de clima y cobertura de la tierra) y de esta
forma pueden ser usados para hacer mapas de riesgo a partir de bases de
datos (por anlisis de regresin de Poisson), se demuestra la utilidad de los
SR para mapear la distribucin y generar mapas de riesgo para las
enfermedades a partir de datos obtenidos de SR (Parra-Henao, 2010).
Sensoramiento Remoto.
Olaya indica que los componentes de la teledeteccin son los siguientes
(Olaya, 2011):
29
Figura 2. Esquema de un sistema de teledeteccin.
Una fuente de radiacin (A), que puede ser de origen natural o artificial;
unos objetos (B) que interaccionan con la radiacin; la atmsfera (C) por la
que se desplaza la radiacin; y un receptor (D) que recoge la radiacin una
vez esta ha sido perturbada o emitida por los objetos.
El receptor va a generar como producto final una imagen (rster), en cuyas
celdas o pxeles se va a contener un valor que indica la intensidad de la
radiacin. Estos valores son nmeros enteros que indican el nivel de dicha
radiacin dentro de una escala definida (habitualmente entre 1 y 256), el
mismo que es definido por la resolucin radiomtrica del sensor, y se conoce
como Niveles Digitales (ND) (Labrador, vora, & Arbelo, 2012).
Figura 3. Resolucin radiomtrica.

30
La resolucin radiomtrica se define como la capacidad de detectar y
cuantificar los cambios en el ecosistemas terrestres y su balance global de
energa depende del sensor del satlite que provea medidas calibradas y
consistentes de las caractersticas de la superficie de la tierra (Chander &
Markham, 2003).
Los sensores activos generan su propia energa, mientras que los
pasivos dependen de energa ambiental de una fuente externa, que en la
tierra proviene principalmente del sol. Los ms usados son los sensores
pasivos, que permiten medir la magnitud de la radiacin electromagntica
reflejada e irradiada desde la superficie de la tierra y de la atmsfera y, as
mismo, derivar informacin sobre las condiciones de la superficie (Hay, Tatem,
Graham, Goetz, & Rogers, 2006).
Figura 4. Sensor Activo. Figura 5. Sensor Pasivo.
Los SR de ms amplio uso y con mayores aplicaciones son aquellos
instalados a bordo de satlites que orbitan sobre la tierra, bien sea en orbitas
geoestacionarias (en altitudes de 23 000 y 40 000 km) sobre la franja

31
ecuatorial y que viajan a la misma velocidad de rotacin de la tierra, lo que
permite que siempre estn fijos sobre un punto determinado de la superficie
terrestre, o aquellos que estn orbitando alrededor del planeta a altitudes
menores (600-900 km) los cuales pasan repetidas veces por diferentes
secciones de la tierra mientras rotan, a estos satlites se les denomina de tipo
polar (Hay, 2000).
(a) (b)
Figura 6. Operacin de un satlite Geoestacionario (a).
Figura 7. Operacin de un satlite heliosncrono o polar (b).
Los SR tambin se clasifican entre aquellos denominados de alta
resolucin espacial y de baja resolucin espacial. Los satlites de la serie
Landsat, SPOT y MODIS estn entre los SR de media resolucin y son de
mayor uso. De otro lado, los SR denominados de baja resolucin, son aquellos
que brindan informacin de reas mayores a 1 x 1 km, entre ellos y de amplio
uso podemos citar a aquellos de la serie NOAA-AVHRR (Hay, 2000).

32
Figura 8. Resolucin espacial.
La resolucin espectral se refiere al nmero y ancho de las bandas
espectrales registradas por un sensor (Gutirrez & Nieto, 2006). Cuanto ms
estrechas sean estas bandas mayores ser la resolucin espectral. La
informacin obtenida por los SR se puede aplicar a estudios entomolgicos
de campo, debido a que ellos proveen (o se pueden estimar) informacin
importante sobre la cobertura de la tierra: tipos de vegetacin, cuerpos de
agua, temperatura de la superficie, temperatura del aire, etc. o sea,
informacin acerca de variables ambientales del hbitat de los insectos o
artrpodos vectores que tienen influencia directa o indirecta sobre su
dinmica poblacional (Hay et al., 2006).

33
Figura 9. Resolucin espectral.
Figura 10. El Espectro Electromagnetico.

34
Firmas espectrales
Todos los elementos geogrficos, tipos de superficie (bosques, cultivos,
ros, lagos, edificios, tierra desnuda, etc.) transforman de forma diferenciada
la radiacin electromagntica que reciben del sol y reflejan la radiacin de
manera distinta en varios canales. La radiacin reflejada en funcin de la
longitud de onda se llama firma espectral de la superficie (Andino, 2011).
radiacin recibida = radiacin reflejada + radiacin absorbida + radiacin
transmitida
La firma espectral es, adems, la variacin de reflectancia (radiacin reflejada)
en funcin de la longitud de onda, es decir, la funcin que describe la cantidad
de radiacin reflejada, con respecto a la longitud de onda.
Firma espectral de la vegetacin
Sabemos que la vegetacin, es un recurso con muchas variedades, y
caractersticas distintas dependiendo de la especie (hojas, tallos, tronco,
humedad, etc.), y adems de esto, por ser seres vivos, estn sujetos a cambios
dependiendo las condiciones ambientales (Novoa & Herrera, 2002).
La vegetacin sana tiene una reflectividad baja en el visible aunque con un
pico en el color verde debido a la clorofila y las bolsas de aire que se generan
en el tejido intermedio de las hojas. esta reflectividad es muy alta en el
infrarrojo prximo debido a la escasa absorcin de energa por parte de las
plantas en esta banda (Araque & Jimnez, 2009).

35
En el infrarrojo medio hay una disminucin especialmente importante en
aquellas longitudes de onda en las que el agua de la planta absorbe la energa.
La vegetacin que se encuentra enferma presenta una disminucin de
reflectividad en el infrarojo, pero aumenta la reflectividad en el rojo y azul.
Figura 11. Firma espectral diferentes tipos de elementos.
Landsat Data Continuity Mission Landsat-8.
Los satlites Landsat forman parte de un programa de la NASA en conjunto
con el Servicio Geolgico de Estados Unidos (United States Geological
Survey, 2014). Este programa representa la coleccin de datos espaciales,
ms largos y continuos del mundo, obtenida a partir de sensores remotos de
resolucin espacial moderada. El proyecto comenz con el lanzamiento del
satlite Landsat -1 en 1972, y contina hoy en la actualidad con el satlite
Landsat 8, lanzado a principios de 2013. Los satlites Landsat orbitan a una
altitud de 705 Km. Cada imagen cubre un rea de 185 x 185 Km., poseen una
inclinacin solar de 98.2, con rbita polar helio sincrnica, una revisita de 16
36
das y pasando por el Ecuador a las 9:45 AM ( 15 min.) hora local (en modo
descendente).
El satlite Landsat-8 incorpora dos instrumentos de barrido: Operational
Land Imager (OLI), y un sensor trmico infrarrojo llamado Thermal Infrared
Sensor (TIRS) (Ariza, 2013). Las bandas espectrales del sensor OLI, aunque
similares a el sensor Landsat-7 ETM+, proporcionan una mejora de los
instrumentos de las misiones Landsat anteriores, debido a la incorporacin de
dos nuevas bandas espectrales: un canal profundo en el azul visible (banda
1), diseado especficamente para los recursos hdricos e investigacin en
zonas costeras, y un nuevo canal infrarrojo (banda 9) para la deteccin de
nubes cirrus. Adicionalmente una nueva banda de control de calidad se incluye
con cada producto de datos generado. Esto proporciona informacin ms
detallada sobre la presencia de caractersticas tales como las nubes, agua y
nieve. Por otra parte, el sensor TIRS recoge dos bandas espectrales en
longitudes de onda incluidas por la misma banda en los anteriores sensores
TM y ETM+.
Figura 12. Ancho de banda para los sensores OLI y TIRS en Landsat 8 y ETM+
en Landsat 7 (USGS 2013).

37
La calidad de los datos (relacin de la seal en funcin del ruido) y la
resolucin radiomtrica (12 bits) del OLI y TIRS es ms alta que los anteriores
instrumentos Landsat (8 bits para TM y ETM+), proporcionan una mejora
significativa en la capacidad de detectar cambios en la superficie terrestre.
Tabla 4. Especificaciones de Productos LCDM Landsat 8 a nivel.
Procesamiento Nivel 1 T - Correccin geomtrica

Tamao de Bandas OLI multiespectrales 1-7,9: 30-metros
pxel: Banda OLI pancromtica 8: 15-metros
Bandas TIRS 10-11: tomadas en 100 metros, pero
remuestreadas a 30m
Caractersticas Formato de datos GeoTIFF
de los datos: Remuestreo por convolucin cbica (CC)
Norte arriba (MAP) de orientacin
Proyeccin cartogrfica: Universal Transversal
Mercator (UTM) (estereogrfica polar de la
Antrtida)
Datum al Sistema Geodsico Mundial (WGS) 84
12 metros de error circular, 90% de confianza y
exactitud global para OLI
41 metros de error circular, 90% de confianza y
exactitud global para TIRS
Los valores de pxel en 16 bits
Entrega de Archivo comprimido *.tar.gz y de descarga a travs de
datos: HTTP
Tamao de Aproximadamente 1 GB (comprimido), aproximadamente 2
archivo: GB (sin comprimir)
Fuente: USGS. 2013
Las imgenes Landsat-8 obtenidas por el sensor (OLI) y (TIRS) constan
de nueve bandas espectrales con una resolucin espacial de 30 metros para
las bandas de 1 a 7 y 9. Una banda nueva (1) (azul-profundo) es til para
estudios costeros y aerosoles. La nueva banda (9) es til para la deteccin de
cirrus. La resolucin para la banda 8 (pancromtica) es de 15 metros. Dos
bandas trmicas 10 y 11 son tiles para proporcionar temperaturas ms
precisas de la superficie y se toman a 100 metros de resolucin. El tamao

38
aproximado de la escena es de 170 km de norte-sur por 183 kilmetros de este
a oeste (106 km por 114 km).
Tabla 5. Distribucin de las bandas en OLI y TIRS
Longitud de Resoluci
Bandas onda n (metros)
(micrmetros)
Banda 1 - Aerosol costero 0.43 - 0.45 30
Banda 2 Azul 0.45 - 0.51 30
Landsat 8 Banda 3 Verde 0.53 - 0.59 30
Operational Banda 4 Rojo 0.64 - 0.67 30
Land Imager Banda5 Infrarrojo cercano 0.85 - 0.88 30
(OLI) and (NIR)
Thermal Banda 6 - SWIR 1 1.57 - 1.65 30
Infrared Banda 7 - SWIR 2 2.11 - 2.29 30
Sensor Banda 8 Pancromtico 0.50 - 0.68 15
(TIRS) Banda 9 Cirrus 1.36 - 1.38 30
*Banda 10 Infrarrojo trmico 10.60 - 11.19 100
(TIRS) 1
*Banda 11 - Infrarrojo trmico 11.50 - 12.51 100
(TIRS) 2
*Las bandas TIRS se adquieren a una resolucin de 100 metros, pero se
vuelven a remuestrear a 30 metros. Fuente: USGS. 2013
Sistemas de informacin geogrfica (SIG)
Los SIG difieren de los mapas tradicionales de diversas maneras: los
mapas tradicionales son representaciones anlogas de la superficie de la
tierra, mientras que los SIG registran caractersticas distribuidas
espacialmente en forma numrica. Los mapas representan simultneamente
varias caractersticas del paisaje (vegetacin, topografa, vas, etc.), mientras
que los SIG almacenan estas caractersticas de forma separada. Un mapa es
esttico y difcil de actualizar, mientras que una capa de un SIG puede ser
actualizada fcilmente. Un mapa es por s mismo el producto final, mientras
que los productos finales de un SIG pueden ser mapas, datos y anlisis
espaciales. Los SIG, por si mismos, permiten aumentar grandemente la

39
versatilidad para mapear datos debido a la gran cantidad de tcnicas para la
manipulacin de datos y para el anlisis cuantitativo (Johnston, 1998).
Para el estudio de sistemas ecolgicos y de vectores de enfermedades,
as como para estudios epidemiolgicos entre muchos otros, las necesidades
cientficas particulares pueden ser direccionadas por las capacidades de la
tecnologa de los SIG. Estos sistemas permiten analizar interrogantes de
naturaleza espacial, en los cuales la localizacin de una entidad biolgica es
una funcin de su relacin frente a otros organismos o de influencias
ambientales. Ejemplos de interrogantes ecolgicos que un SIG puede abordar
son: Dnde se presentan los hbitats A y B de los vectores?, dnde estn
los hbitats A y B en relacin a la vereda D?, cul es la distribucin de los
hbitats A y B en relacin a los factores ambientales X, Y, Z?, cul puede
ser la distribucin de los vectores si las condiciones ambientales persisten?,
cul puede ser la distribucin de los vectores si el factor ambiental X es
alterado?
Anlisis espacial
La distribucin espacial de animales invertebrados y vertebrados como
tambin en grupos vegetales presentan distribuciones espaciales no aleatorias
(Rossi, 2003) (Maestre, 2006). As mismo, se ha demostrado que la
distribucin espacial de factores abiticos como precipitacin y temperatura
sigue complejos patrones espacio-temporales (Ettema & Wardle, 2002). A
partir de estas comprobaciones se ha desarrollado el paradigma espacial de

40
la ecologa (Tilman & Kareiva, 1997), el cual reconoce la relevancia del espacio
y de las estructuras espaciales en el funcionamiento de los ecosistemas.
Bajo el nombre genrico de anlisis espacial se engloba a un conjunto de
tcnicas encaminadas a analizar cuantitativamente datos espacialmente
explcitos (Legendre & Fortin, 1989), para de esta manera describir patrones
espaciales, identificar agrupamientos o clusters de enfermedades y explicar o
predecir riesgos. Los patrones espaciales se pueden clasificar como regulares,
aleatorios o agrupados. En el caso de patrones agrupados, estos se pueden
analizar mediante mtodos locales o globales.
Para el estudio de los datos agregados se pueden usar mtodos
estadsticos de autocorrelacin, los cuales permiten estimar el grado de
similitud espacial observado entre valores de un atributo sobre el rea de
estudio.
La distribucin geogrfica de los vectores de enfermedades y la influencia
que sobre ellos ejercen los factores ambientales es un campo de amplio
desarrollo (Kalluri, Gilruth, Rogers, & Szczur, 2007; Rogers & Randolph, 1991;
Thomson & Connor, 2000). La evaluacin cuantitativa de tales eventos se
empez a medir de forma adecuada con el surgimiento y aplicacin de los SIG,
los anlisis espaciales y SR (Gorla, 2002; Kalluri et al., 2007). Estas tcnicas
tienen un gran potencial para contribuir a la investigacin y a los estudios
operativos en epidemiologa y ciencias de la salud, por su capacidad de
manejar la dimensin espacial e integrar datos provenientes de diversas

41
fuentes de manera que se pueden dilucidar nuevos patrones y relaciones
espaciales. Lo anterior sumado a la reduccin en los costos y el incremento
en el fcil acceso de los datos obtenidos por sensores remotos ha permitido
que su uso este dentro del alcance de la mayora de los investigadores.
Inverse Distance Weighting (IDW)
Estima los puntos del modelo realizando una asignacin de pesos a los
datos del entorno en funcin inversa a la distancia que los separa del punto en
cuestin. De esta forma, se acepta que los puntos ms prximos al centroide
intervienen de manera ms relevante en la obtencin del valor definitivo de Z
para ese punto.
El modelo de IDW est dada por la ecuacin (Moreno Jimnez, 2017):
Ecuacin 1: Ecuacion de la interpolacion IDW.
Donde Z: punto problema; zi: punto del entorno; dij = distancia entre los
puntos.
Figura 13. Analisis de intepolacion IDW.

42
Es necesario contar con muchos puntos para la interpolacin, ya que de lo
contrario se obtienen zonas atarazadas en exceso.
Autocorrelacin espacial.
La dependencia espacial se produce cuando el valor de la variable
dependiente en una unidad espacial es parcialmente funcin del valor de la
misma variable en unidades vecinas (Flint, Harrower, & Edsall, 2000). Es decir,
cuando la autocorrelacin es sustantiva y no existe un factor de aleatoriedad.
En el anlisis de datos agregados geogrficamente es frecuente encontrar que
los valores de las variables estn autocorrelacionados espacialmente o sean
espacialmente dependientes. La diferencia entre Autocorrelacin Espacial y la
Dependencia Espacial es fundamentalmente, en el uso de las palabras y
estriba en que el primer caso se refiere simultneamente a un fenmeno y
tcnica estadstica, y el segundo, a una explicacin terica (Perdomo, 2003).
Deteccin y medicin de la autocorrelacin espacial
La tcnica ms antigua y tpica para la deteccin y medicin de la
autocorrelacin espacial es el coeficiente I de Moran (Moran, 1950). Esta
tcnica ha sido utilizada en la investigacin en Mxico sobre desarrollo
econmico regional y comportamiento electoral (Vilalta y Perdomo, 2005).
El diseo es similar al coeficiente de correlacin de Pearson, sus valores
varan entre +1 y 1, donde el primer valor significa una autocorrelacin
positiva perfecta (perfecta concentracin), y el segundo una autocorrelacin
negativa perfecta (perfecta dispersin); el cero significa un patrn espacial

43
totalmente aleatorio. La diferencia entre los dos coeficientes de Moran y
Pearson se basa en que en el primer caso la asociacin de valores en el
conjunto de datos est determinada por una matriz de distancias o contigidad
que predefine los valores vecinos (los valores para el cmputo del coeficiente).
La herramienta autocorrelacin espacial (I de Moran global) mide la
autocorrelacin espacial basada en las ubicaciones y los valores de las
entidades simultneamente. Dado un conjunto de entidades y un atributo
asociado, evala si el patrn expresado est agrupado, disperso o es aleatorio.
La herramienta calcula el valor del ndice I de Moran y una puntuacin z y un
valor P para evaluar la significancia de ese ndice. Los valores P son
aproximaciones numricas del rea debajo de la curva de una distribucin
conocida, limitada por la estadstica de prueba.
El estadstico de Moran I para la autocorrelacin espacial est dada por:
Ecuacin 2 Indice de Moran I.
Donde es la desviacin del atributo para la caracterstica de su media
, es el peso espacial entre la caracterstica y ,y es el
acumulado de todo el peso espacial.

44
Ecuacin 3 Acumulado del peso espacial.
La puntuacin de la estadstica se calcula como:
Ecuacin 4 Puntuacion Z.
Dnde:
Ecuacin 5 componentes de la puntuacion Z.
Enfermedades tropicales y los bosques.
Entre 250 enfermedades infecciosas tropicales conocidas muchos de ellos
han sido relacionados con los bosques tropicales y los sistemas acuticos de
agua dulce. La relacin entre los procesos ambientales complejos y las
caractersticas ecolgicas de las poblaciones de vectores pone de relieve la
importancia de estimacin de riesgo de la enfermedad, fundamental en la
prediccin escenarios por los cambios ambientales antropognicos que
pueden ser cartografiados, por ejemplo, la deforestacin y los cambios en el
uso del suelo, puede conducir a aumentar la casustica de las enfermedades.

45
Con la rpida urbanizacin de los pases en desarrollo, la invasin de la
poblacin, la deforestacin, y las modificaciones de uso del suelo se espera
que aumenten el riesgo de brotes y aporte al aumento del patgeno (Morris et
al., 2016).
Deforestacin
Segn el Informe principal de Evaluacin de los Recursos Forestales
Mundiales de la FAO al 2010 (FAO, 2010), En Sudamrica la prdida neta de
bosques ha disminuido en los ltimos aos tras el punto mximo alcanzado en
el periodo 2000-2005. El promedio de prdida neta anual de bosque fue de 4,2
millones de hectreas en los aos noventa, 4,4 millones de hectreas en el
periodo 2000-2005, y ahora, para el periodo 2005-2010, se calcula que ha
bajado a 3,6 millones de hectreas cada ao.
Los bosques naturales en el Per comprenden una superficie total de 78
800 000 ha, de las cuales 74 200 000 ha se encuentran en la regin de la
Selva. La principal causa de la destruccin de estos bosques en la actualidad
y en el futuro es la deforestacin, la misma que ha ocasionado hasta la
actualidad la destruccin de 9.2 millones ha (12% de la superficie boscosa),
con un promedio anual de alrededor de 261 158 ha deforestadas, a razn de
725 ha por da (FAO, 2010).
La superficie deforestada acumulada al ao 2000 para la Amazonia
peruana (MINAM, 2009) es de 7 172 554 ha, que representa el 9,25 % de la
superficie de los bosques amaznicos y el 5,58 % del territorio nacional. El

46
rea total deforestada en la selva amaznica durante el perodo 1990 2000,
result ser de 1 496 317,56 ha, que representa el 10,36% de la superficie de
los bosques amaznicos. La tasa anual de deforestacin, considerada para
fines del presente, como un promedio anual de deforestacin en el perodo
1990-2000, result ser de 149 631,76.
Dourojeanni (2013) encontr que la informacin ms actualizada sobre la
deforestacin de Loreto es la proporcionada por NatureServe (2012) segn el
cual exista 1 303 800 ha deforestadas en Loreto, o sea 3,55% de su territorio,
concentrada en dos focos: la carretera Iquitos-Nauta y alrededores con 271
100 ha deforestadas y los alrededores de Yurimaguas con 182 100 ha,
indicando que el resto se distribuye por todo el territorio, principalmente a lo
largo de los ros y carreteras.
Monitoreo de la deforestacin
El monitoreo de la deforestacin es fundamental: para evaluar los cambios
en el almacenamiento de carbono, la mitigacin del cambio climtico, la
proteccin de la biodiversidad y muchos otros procesos ecolgicos en las
regiones tropicales. La teledeteccin por satlite es la forma ms precisa y
rentable para monitorear cambios en la cubierta forestal en grandes reas
geogrficas, pero las herramientas y mtodos han sido altamente manuales
que consume mucho tiempo y a menudo requieren conocimientos
especializados.
47
Aspectos generales de la herramienta CLASlite.
El Sistema de Anlisis Landsat de Carnegie - Lite (CLASlite) es un paquete
de software diseado para la identificacin altamente automatizada de la
deforestacin y la degradacin de bosques a partir de imgenes de satlite de
SR. Desarrollado por Gregory Asner y su equipo en la Institucin Carnegie,
CLASlite incorpora investigacin de vanguardia sobre SR en un programa de
computacin sencillo, amigable y a la vez poderoso, diseado para
instituciones sin fines de lucro y gobiernos que necesitan tecnologas para el
monitoreo de bosques y la planificacin ambiental (CLASlite, 2013).
CLASlite es el resultado de ms de una dcada de investigacin en
sensores remotos biofsicos y trabajo de campo que ofrece un enfoque de
mapeo satelital automatizado para determinar uno de los ms importantes
componentes de la estructura del bosque: la cobertura fraccional del dosel del
bosque, vegetacin muerta y superficies expuestas. Estas coberturas
fraccionales son las determinantes principales de la composicin, fisiologa,
estructura, biomasa y procesos biogeoqumicos del ecosistema. El anlisis de
la cobertura fraccional es el corazn de CLASlite, es lo que lo hace una
herramienta poderosa, estable y de base biofsica que permite un monitoreo
de bosques rpido con rastreo de errores (MINAM, 2014).

48
Esta herramienta consiste en:
A. Anlisis de cobertura fraccional
Es un proceso realizado por CLASlite, a travs de la aplicacin del
algoritmo conocido como AutoMCU (Segregacin Espectral Automatizada
Monte Carlo), un anlisis de mezcla espectral basado en el anlisis
probabilstico de las caractersticas del dosel de los bosques. Este anlisis se
realiza para cada pixel de la imagen, en donde se definen fracciones o
porcentajes de Vegetacin Fotosinttica (VF); Vegetacin No Fotosinttica
(VNF) y Superficie Descubierta o Suelo (S). CLASlite se apoya en una amplia
librera de firmas espectrales, que fueron recogidas en diferentes trabajos de
campo en diferentes partes de la Amazona peruana y brasilea, as como en
otras regiones boscosas del mundo. A partir de la obtencin de estos
resultados, se elabora los mosaicos de cobertura fraccional correspondiente a
los aos de estudio.
El anlisis de cobertura fraccional, a travs del proceso de CLASlite,

determina las fracciones de cobertura dentro de un pixel de la imagen
satelital. Estas fracciones son expresadas en porcentaje de
Vegetacin Fotosinttica (VF), Vegetacin no fotosinttica (VNF) o
Superficie descubierta o suelo (S).
Figura 14. Anlisis de la cobertura Fraccional.

49
B. Anlisis de cobertura de bosque/no bosque
En trminos operativos, utiliza los resultados de cobertura fraccional y la
aplicacin de un rbol de decisin, mediante el cual se discrimina a nivel de
pixel, la cobertura de bosque. Para la Amazonia Peruana, se consider
cobertura boscosa, aquella en donde un pixel tiene un valor de VF 80% y S
< (umbral 15% - 20%). El valor del umbral para S se ajusta en el rango de
15% a 20%, en correspondencia con el tipo de cobertura de bosque, que para
el caso de Per se ajust mayormente a 15%; sin embargo, puede ser
necesario el ajuste del umbral para reas especficas en donde hay un
porcentaje de S naturalmente ms alto en bosques especiales (aguajal
Mauritia sp., pacal Guadua sp., p.e). De esta manera, se obtendrn los
mapas de Bosque/No Bosque para periodos analizados (Asner, Knapp, Balaji,
& Paez-Acosta, 2009).
C. Anlisis de cambio de bosque
Comprende asimismo la aplicacin de otro conjunto de rboles de
decisin, un tanto ms complejo, en donde se determina los pixeles que
registran procesos de cambio de bosque a no bosque y los que registran
perturbacin tanto de ndole antrpico como natural (p.e cada de rboles).
(Degradacin para este caso, se debe entender como perturbacin de la
cobertura boscosa afectado por actividades de tala selectiva, construccin de
caminos, de acceso u otra intervencin humana o procesos naturales; que, sin
afectar significativamente la apariencia de la cobertura del bosque, sin
embargo, inicia el proceso de degradacin que de hacerse extenso en
superficie cambian o modifican las funciones del ecosistema forestal). En este

50
caso la definicin operativa de cambio de bosque a no bosque considera una
reduccin en las fracciones de VF o un incremento de S que corresponde a un
cambio desde bosque a No bosque; de otro lado, para que un pixel de la
imagen satelital se clasifique como perturbacin, deber verificarse un cambio
de las fracciones de cobertura menos intensivo, que corresponde a un cambio
desde bosque a bosque perturbado o degradado; esto significa un incremento
de la VNF y reduccin de VF, o un incremento de S. A partir de este anlisis,
se obtienen los mapas de cambio de bosque a no bosque y perturbacin
forestal (Llactayo, Salcedo, & Victoria, 2013).
Figura 15. Proceso que muestra los pasos para la obtencin de la cobertura de
bosque, cambio de bosque a no bosque y perturbacin con la aplicacin
CLASlite.
Deforestacin como determinante de la malaria.
Muchos estudios evidencian que la deforestacin ha cambiado en gran
medida la distribucin espacial de muchas especies de flora y fauna (Patz,
Graczyk, Geller, & Vittor, 2000) (Sutherst, 2004) y los vectores de muchas
enfermedades como los mosquitos que transmiten la malaria han sido

51
afectado tambin (Gratz, 1999; Walsh, Molyneux, & Birley, 1993) (Yasuoka &
Levins, 2007).
Entre las principales causas de la propagacin del vector de la malaria se
pueden citar la deforestacin, las inundaciones, aspectos administrativos-
polticos como la disminucin del presupuesto en el sector salud para el
manejo de la malaria (Snchez Bonilla & Alejandro Chamizo Garca, 2012).
Por muchos aos la literatura cientfica puso en evidencia que los
desequilibrios ambientales, en especial los relacionados con la deforestacin,
pueden aumentar la incidencia de enfermedades (Patz et al., 2000). Entre
grupos de investigadores existe cierta aceptacin sobre la relacin positiva
entre la deforestacin y la malaria (Pattanayak et al., 2006), (Vanwambeke et
al., 2007), (Yasuoka & Levins, 2007), (A. Y. Vittor et al., 2009), (Olson, 2010),
(Duarte, Ramalho, Tauil, Fontes, & Pang, 2014), (Hahn, Gangnon, Barcellos,
Asner, & Patz, 2014) y (Stefani et al., 2013).
En Brasil se registr que las actividades como la agricultura, la extraccin
maderera y la minera han transformado las franjas forestales y han creado
abundantes criaderos de larvas de los vectores mosquitos (Marques, 1987)
(Barbieri, Sawyer, & Soares-Filho, 2005) que finalmente resultan en la
infeccin de malaria.
52
A escala mayor, Olson encontr que un aumento del 4,3% en la
deforestacin aument la incidencia de malaria del 48% en los distritos de
salud en Mancio Lima, Brasil (Olson, 2010).
En un estudio donde se analiza la deforestacin, la densidad de carreteras,
incendios, tala selectiva y los factores sociodemogrficos en toda la Amazonia
brasilea desde 1997 hasta el 2003 y la asociacin con la incidencia de malaria
a nivel municipal demostr que estas ltimas son consideradas como factores
de riesgo para la malaria en la Amazonia brasilea (Hahn et al., 2014).
Frente a este tema en investigacin se presenta mucha polmica y
discusin en cuanto al uso de datos, metodologas, tcnicas, contextos,
escalas, especies vectores y patgenos, resultados entre otros, por ellos se
determina que el comportamiento de la malaria son especficas en cada
contexto geogrfico (Valle, 2014).
Como desarrollo de la Amazonia an contina alterando los bosques (Kirby
et al., 2006), una comprensin del impacto en la epidemiologa de la
enfermedades infecciosas como son la malaria y el dengue sigue siendo vital
para la orientacin de la vigilancia, tratamiento y estrategias de control para
establecer la polticas de uso del suelo que impide que los aumentos
repentinos de enfermedades transmitidas por vectores (dengue y malaria) o la
reintroduccin en reas donde estaban previamente erradicado (Aramburu et
al., 1999).
53
Este tema de investigacin para amazonia o especialmente en el eje
carretero Iquitos Nauta no es nuevo, ya en 2006 Vittor estudi la relacin de
la deforestacin y la tasa de picadura de mosquito vector de la malaria y
encontr una relacin que en lugares con ms deforestacin la tasa de
picadura aumentaba e incluso teniendo en cuenta la intervencin humana en
su control (A. Vittor et al., 2006).
La relacin entre los procesos ambientales complejos y las caractersticas
ecolgicas de las poblaciones de vectores resalta la importancia de la
estimacin del riesgo de la enfermedad, fundamental en la prediccin
escenarios por los cambios ambientales antropognicos (Morris et al., 2016),
que puedan ser cartografiados, por ejemplo, la deforestacin es un cambio
ambiental que tecnologas de ltima generacin nos ayudan a mapear.
3.2 MARCO CONCEPTUAL
Epidemiologia panormica
Disciplina que parte de la premisa que al ser posible identificar y medir
distintas variables ambientales desde el espacio con los SR mediante el uso
de tecnologa satelital, es posible inferir el riesgo de transmisin de
enfermedades transmitidas por vectores a diferentes escalas espaciales
(Kalluri et al., 2007).
Sensoramiento Remoto
Teledeteccin es el vocablo usado por los hispanoparlantes para referirse
al trmino ingls Remote Sensing, que se traduce literalmente como

54
Sensoramiento remoto(Sobrino, 2001). Se refiere a la ciencia, tcnica o,
incluso arte (Chuvieco, 1998) de obtener informacin mediante imgenes de
la superficie del planeta desde la distancia, sin entrar en contacto directo con
l (Labrador et al., 2012).
Sistemas de informacin geogrfica (SIG)
Los SIG son un poderoso conjunto de herramientas para recolectar,
almacenar, extraer, transformar y desplegar datos espaciales del mundo real
para un propsito particular (Burrough, McDonnell, McDonnell, & Lloyd, 2015),
tambin se puede definir a un SIG como una tecnologa de manejo de
informacin geogrfica, formada por equipos de cmputo (hardware) que son
programados adecuadamente (software), que permiten manejar una serie de
datos espaciales (informacin geogrfica) y realizar anlisis complejos
(mtodos y procedimientos) siguiendo los criterios impuestos por el equipo
cientfico para apoyar la toma de decisiones (personal-usuarios),
permitindoles compartir la informacin (red) (Longley, Goodchild, Maguire, &
Rhind, 2001).
Anlisis espacial
Son un conjunte de tcnicas encaminadas a analizar cuantitativamente
datos espacialmente explcitos (Legendre & Fortin, 1989) (Maestre, 2006),
para de esta manera describir patrones espaciales, identificar agrupamientos
o clusters de enfermedades y explicar o predecir riesgos. Los patrones
espaciales se pueden clasificar como regulares, aleatorios o agrupados. En el
caso de patrones agrupados, estos se pueden analizar mediante mtodos

55
geoestadsticos locales (como es el IDW) o globales. Se suele usar mtodos
estadsticos de autocorrelacin, los cuales permiten estimar el grado de
similitud espacial observado entre valores de un atributo sobre el rea de
estudio.
Estas tcnicas tienen un gran potencial para contribuir a la investigacin y
a los estudios operativos en epidemiologa y ciencias de la salud, por su
capacidad de manejar la dimensin espacial e integrar datos provenientes de
diversas fuentes de manera que se pueden dilucidar nuevos patrones y
relaciones espaciales, es decir nos permiten generar mapas (Mouchet et al.,
1998). A todos estos se suman la reduccin en los costos y el incremento en
el fcil acceso de los datos obtenidos por sensores remotos ha permitido que
su uso este dentro del alcance de la mayora de los investigadores. Se pueden
desarrollar modelos predictivos de riesgo, los cuales principalmente se
realizan a travs de tcnicas estadsticas de regresin para revelar
asociaciones entre datos ambientales multivariados y los patrones de
presencia o ausencia de una enfermedad.
Inverse Distance Weighting (IDW)
Es un mtodo de interpolacin con diseo de un modelo gravimtrico que
permite estudiar la distribucin espacial de la variable en estudio. Este modelo
cumple con la primera ley de la geografa o principio de autocorrelacin
espacial, la cual fue formulada por el gegrafo Waldo Tobler; el cual indica que
todas las cosas estn relacionadas entre s, pero las cosas ms prximas en
el espacio tienen una relacin mayor que las distantes("Organizacion

56
panamericana de la salud, XXXIX reunion and organizacion mundial de la
salud, XLVIIII reunion. Situacion de los programas de malaria en las Americas,
XLIV informe. 1996, Washington, DC: Pan American Health Organization," ;
Tobler, 1970). La interpolacin mediante distancia inversa ponderada
determina los valores en puntos diferentes al de ocurrencia a travs de una
combinacin ponderada linealmente de un conjunto de puntos de muestra, en
la que la ponderacin es una funcin de la distancia inversa (Londoo,
Restrepo, & Marulanda, 2014).
Autocorrelacin espacial
Es la concentracin o dispersin de los valores de una variable en un
mapa. Dicho de otra manera, la autocorrelacin espacial refleja el grado en
que objetos o actividades en una unidad geogrfica son similares a otros
objetos o actividades en unidades geogrficas prximas (Goodchild, 1987).
Este tipo de autocorrelacin prueba la primera ley geogrfica de Tobler
(Tobler, 1970) que afirma: todo est relacionado con todo lo dems, pero las
cosas cercanas estn ms relacionadas que las distantes.
Enfermedades Tropicales
Las enfermedades tropicales comprenden el grupo de patologas que son
ms prevalentes o frecuentes en los pases ubicados en la zona intertropical
donde generalmente son ms notorias las caractersticas de la pobreza y las
condiciones sanitarias deficientes. Aunque hoy, con el conocimiento disponible
podramos decir que este grupo de enfermedades es prevenible, ms de mil
millones de personas en el mundo presentan alguna de estas enfermedades

57
tropicales. Acorde con las estrategias de control disponibles, las enfermedades
tropicales se dividen en aquellas emergentes, reemergentes o incontroladas;
aquellas en las que existe estrategia de control, pero persiste su impacto, y
aquellas en que las que se ha utilizado una estrategia efectiva de control y su
impacto han disminuido (Dib, 2012).
Malaria
Es una enfermedad parasitaria producida por protozoarios hemticos del
gnero Plasmodium y transmitida por la picadura de mosquitos hembra del
gnero Anopheles. Slo cuatro especies del gnero Plasmodium (P. vivax, P.
falciparum, P. malariae, P. ovale) producen enfermedad en humanos (Vargas,
2003). Es endmica en el norte del Per tanto a nivel de la costa como de la
selva (Arambar Guarda, Ramal Asayag, & Witzig, 1999). Se elimin en el
Per durante la campaa de erradicacin mundial de las dcadas de 1960 y
1970. No obstante, el nmero de casos empez a aumentar paulatinamente
hacia fines de la dcada de 1970 y en la de 1980, y sigui aumentando en la
de 1990, el nmero de casos se ha estabilizado en todo el pas y la
preocupacin nacional se ha trasladado al dengue, que produce ms brotes y
ms casos (Legua L, 2000).
Bosque
Segn la FAO, bosque es definido por tierras que se extienden por ms
de 0.5 hectreas dotadas de rboles de una altura superior a 5 m y una
cubierta de copas superior al 10%, o de rboles capaces de alcanzar esta
altura in situ (FAO, 2010). No incluye la tierra sometida a un uso

58
predominantemente agrcola o urbano. De otro lado, la CMNUCC en el informe
de la Conferencia de las Partes celebrado en Marrakech Anexo de definiciones
seala: bosque es la superficie mnima de tierras de entre 0,05 y 1,0
hectreas (ha) con una cubierta de copa (o una densidad de poblacin
equivalente) que excede del 10 al 30% y con rboles que pueden alcanzar una
altura mnima de entre 2 y 5 metros a su madurez in situ (Rakonczay, 2002)
(CMNUCC, 2002).
En junio del 2012 en la reunin de Adscritos del MINAM se acord la
siguiente definicin: Bosque es el ecosistema natural complejo de seres
vivos, microorganismos, vegetales y animales, que se influyen y relacionan al
mismo tiempo y se subordinan al ambiente dominante de los rboles; que se
extiende por ms de 0.5 has dotadas de rboles de una altura superior a 2
metros o de rboles capaces de alcanzar esta altura in situ, y una cubierta
superior al 10% (Llactayo et al., 2013).
Deforestacin.
La deforestacin es el proceso por el cual la tierra pierde sus bosques en
manos de los hombres; el hombre en su bsqueda por satisfacer sus
necesidades personales o comunitarias utiliza la madera para fabricar muchos
productos (Miranda, 2009). La madera tambin es usada como combustible o
lea para cocinar y calentar. Por otro lado, las actividades econmicas en el
campo requieren de reas para el ganado o para cultivar diferentes productos,
esto ha generado una gran presin sobre los bosques. Otros como San Martn
y Hansen 1994, mencionado por Mesa definen que la deforestacin es la

59
remocin completa de carcter permanente o temporal de los bosques y su
remplazo por usos no forestales de la tierra, que se explica principalmente por
la expansin de la agricultura y la ganadera sobre tierras forestales (Mesa,
2015). Es comn confundir la intervencin al bosque con la deforestacin, es
as que en el primer caso, lo que se produce es una degradacin de la
estructura del bosque con sus impactos negativos en el suelo, agua y
biodiversidad, pero sin la prdida del bosque tropical, mientras que la
deforestacin es el cambio continuo en el uso de la tierra caracterizado por la
prdida del bosque tropical (Condoy Fernndez, Cartuche, & Daniel, 2006).
Tratando de precisar el concepto de deforestacin, normalmente a este se
le asocia con el cambio de uso del suelo. Sin embargo, aun cuando no haya
cambio de uso del suelo, la intervencin en el bosque por la extraccin de
madera puede ocasionar alteraciones sustanciales en la composicin y
estructura del mismo, que rompen su capacidad de absorber las
perturbaciones del entorno. Este fenmeno puede ser descrito como parte del
proceso de deforestacin y, por lo tanto, es correcto considerar dichas
superficies alteradas como reas deforestadas. En un sentido ms estricto,
cuando a un ecosistema forestal se le extrae un volumen superior al que puede
reponer (crecimiento natural), se puede decir que hay deforestacin. De este
modo, el grado mnimo de deforestacin est dado por el crecimiento natural
del bosque, mientras que el cambio de uso del suelo representa el grado
mximo de deforestacin (Condoy Fernndez et al., 2006).

60
Para FAO, Deforestacin es la transformacin del bosque en otro uso de
la tierra o reduccin de la cubierta de copa por debajo del umbral mnimo del
10%. Por otro lado, Segn CMNUCC define deforestacin como la
conversin por actividad humana directa de tierras boscosas en tierras no
forestales (Rakonczay, 2002) (CMNUCC, 2002). Segn reunin en Iquitos en
2012, Cambio de bosque a no bosque producto de la actividad humana y
medido por la reduccin de la cubierta de copa (Llactayo et al., 2013).
Definiciones operativas de bosque y deforestacin
No obstante, a las definiciones conceptuales, la elaboracin de una
informacin sobre deforestacin depende de construir definiciones operativas
que permita trabajar con las imgenes producidas por los sensores remotos
teniendo en cuenta aspectos como la respuesta espectral, resolucin espacial,
resolucin radiomtrica y un mtodo de anlisis consistente que permita
generar datos a partir del cual se tenga una aproximacin consistente sobre
las definiciones conceptuales de bosque y deforestacin. Al respecto, para el
trabajo que se realiza en la presente investigacin se ha desarrollado
definiciones operativas tanto para bosque como para deforestacin a partir
del anlisis de mezcla espectral de cada uno de los pxeles de una imagen,
mezcla que comprende la caracterstica de la actividad fotosinttica, no
fotosinttica y del suelo descubierto contenida en dicho pixel; este es el insumo
primario para que los pxeles de la imagen posteriormente sean clasificados
como bosque, no bosque y los cambios de bosque a no Bosque.

61
Bosque
La definicin operativa de bosque es: Porcentaje de la fraccin de
actividad fotosinttica (VF) y Suelo descubierto (S) a nivel de un pixel de la
imagen (0.09 has con LANDSAT) que puede ser extrado de las Imgenes
satelitales que cumpla con la siguiente condicin:
Si VF 80 y S < (umbral ~15%-20%), entonces es bosque.
Deforestacin
La definicin operativa de deforestacin es: La reduccin en las
fracciones de vegetacin fotosinttica (VF) o un incremento de la actividad no
fotosinttica (NVF) o del suelo descubierto (S) que corresponde a un cambio
desde bosque a no bosque, conocido tambin como prdida de bosque a
nivel de pixel (0.09 ha con LANDSAT a travs del tiempo).
Entonces, se clasificar un pxel que ha cambiado de bosque a no bosque
por deforestacin u otro fenmeno si:
(((VF1 VF2) 25) ((S1 5) y ((S2 S1) 15)) ((VF2 < 80) y ((VNF2
VNF1) 20))).
62
CAPITULO IV:
ANALISIS Y PRESENTACION DE LOS RESULTADOS
Despus de ser aplicada la metodologa se obtuvieron los siguientes resultados
que se presentan a continuacin:
4.1 Extraccin de datos de la casustica de malaria de la base de datos
de la DIRESA.
En el rea de estudio se encontraron 180 lugares poblados (ver Anexo VII)
segn el mapa base del departamento Loreto elaborado por el Gobierno
Regional de Loreto en el 2016, de los que solo se consideraron para la
extraccin de la data anual a los lugares poblados ms prximos a la carretera
Iquitos Nauta, es decir algunos de ellos no tienen ni siquiera un caso
registrado. Se encontraron 12 establecimientos de salud, sin tomar en cuenta
los establecimientos que estn en la ciudad de Iquitos y Nauta. En el rea de
estudio se registraron en total 21 619 casos de malaria (considerando todas las
especies de esta enfermedad) en los ltimos tres aos. Un total de 3 906 casos
(18,07%) no fueron incluidos en el anlisis debido a que las localizaciones no
pudieron ser geocodificadas, por inconsistencias de registro de datos, errores
en la nomenclatura o simplemente porque las personas no la proporcionaron
correctamente, razn por la cual, el nmero de casos analizados fueron de 17
713 que representa el 81,93% de casos a los que se les pudo determinar el
lugar de procedencia. Cabe recalcar que en esta base de datos se registran
todos los casos a nivel regional de todas las enfermedades sujetas a
seguimiento epidemiolgico. En la tabla 4 se muestra el nmero de casos
extrados y georeferenciados para cada uno de los aos de estudio.

63
Tabla 6. Numeros de casos en investigacion.
2014 2015 2016 Total

N de casos registrados 9110 6517 5992 21619
N de casos en investigacin 7344 5292 5077 17713
% 80,61 81,20 84,73 81,93
A continuacin, se presenta los estadsticos descriptivos de los casos de
malaria por ao, siendo el ao 2014 con mayor nmero de casos en el que se
registraron 7344 con una media de 88 casos anual.
Tabla 7. Estadisticos descriptivos de la casuistica de malaria.
Estadsticos descriptivos
2014 2015 2016
Media 88,48 63,76 61,17
Desviacin estndar 227,313 103,749 117,225
Mximo 1253 493 531
Suma 7344 5292 5077
Se realizaron las pruebas estadsticas de Kolmogorov-Smirnov y de Shapiro-
Wilk para determinar si el nmero de casos se distribuyen normalmente cuyos
p-valor (o significancia estadstica) fueron 0,000 en ambos contrastes, esto
nos hace rechazar la hiptesis nula que plantea que los datos se distribuyen
normalmente, as aceptamos la hiptesis alterna que dice que los datos no se
distribuyen normalmente.
Tabla 8. Prueba de normlidad para la casuistica de malaria

Kolmogorov-Smirnova Shapiro-Wilk
Estadstico gl Sig. Estadstico gl Sig.
2014 0,365 83 0,000 0,432 83 0,000
2015 0,269 83 0,000 0,665 83 0,000
2016 0,303 83 0,000 0,576 83 0,000
a. Correccin de significacin de Lilliefors
64
El mismo comportamiento de no normalidad se encuentra en los grficos Q-
Q normal, como se aprecia en las siguientes figuras.
Grafico Q-Q normal de la distribucin de casos por ao.
Figura 16. Grafico Q-Q de casos en el 2014. Figura 17. Grafico Q-Q de casos en el 2015.
Figura 18. Grafico Q-Q de casos en el 2016.
4.2 Modelamiento espacial de la malaria
Se realiz el anlisis de autocorrelacin espacial con el ndice de Moran I,
con conceptualizacin de distancia inversa (INVERSE_DISTANCE) y mtodo
de distancia euclidiana (EUCLIDEAN) (ver Anexo VIII), cuyos resultados se
presentan a continuacin:
65
AO 2014:
Se presenta el valor de p igual a 0.000 que es estadsticamente
significativo; indica que la probabilidad de que se cumpla la hiptesis nula es
muy baja por lo que se rechaza, al tener un valor de p muy bajo el valor de
puntuacin Z es por lo general muy alejado de cero, se tiene 5.78, por lo tanto,
se tiene suficiente evidencia estadstica para rechazar la hiptesis nula. Dado
que el ndice de Moran es 0.24, es positivo, esto nos indica que el patrn de
distribucin de malaria es agregado.
ndice de Moran: 0.244549

Puntuacin Z: 5.777684
Valor de p: 0.000
Figura 19. Anlisis de Moran para el ao 2014.
Dado el puntaje z igual a 5.78, hay la probabilidad de menos del 1% de
que este patrn agrupado podra ser el resultado de un azar.

66
AO 2015:
Se presenta el valor de p igual a 0.001 que es estadsticamente
significativo; indica que la probabilidad de que se cumpla la hiptesis nula es
baja por lo que se rechaza, al tener un valor de p muy bajo el valor de
puntuacin Z es por lo general muy alejado de cero, se tiene 3.25, por lo tanto,
se tiene suficiente evidencia estadstica para rechazar la hiptesis nula. Dado
que el ndice de Moran es 0.14, es positivo, esto nos indica que el patrn de
distribucin de malaria es agregado.

Puntuacin Z: 3.245376
Valor de p: 0.001173
Dado el puntaje z igual a 3.25, hay una probabilidad de menos del 1% de
que este patrn agrupado podra ser el resultado de una probabilidad aleatoria.
AO 2016:
Se presenta el valor de p de 0.006 que es estadsticamente significativo,
esto indica que la probabilidad de que se cumpla la hiptesis nula es muy baja
67
por lo que puede ser rechazada, al tener un valor de p muy bajo o cero el valor
de puntuacin Z es por lo general muy alejado de cero, se tiene 2.76, por lo
tanto, se tiene suficiente evidencia estadstica para rechazar la hiptesis nula.
Dado que el ndice de Moran es 0.12, es positivo, esto nos indica que el patrn
de distribucin de malaria es agregado, lo mismo que se indica en el grfico.

Puntuacin z: 2.759094
Valor de p: 0.005796
Dado el puntaje z igual a 2.76, hay la probabilidad de menos del 1% de que
este patrn agrupado podra ser el resultado de un azar.

68
Mapas de distribucin espacial de malaria en el rea de influencia de la carretera Iquitos Nauta.

Despus de realizar el anlisis de patrones espaciales, se obtuvieron mapas de distribucin espacial de malaria en la carretera
Iquitos - Nauta usando el modelo de interpolacin espacial distancia inversa ponderada (IDW) para los aos 2014, 2015 y 2016,
donde el color rojo expresa mayor presencia de casos de malaria y el celeste menor o ausencia de caso. A continuacin, se
presentan los siguientes mapas:
2014 2015 2016
Figura 22. Mapas de distribucin espacial de malaria en los aos 2014, 2015 y 2016.
69
4.3 Mapeo de la deforestacin
El preprocesamiento de las imgenes de satlite se hizo en el software
CLASlite, la mima que realiza la calibracin radiomtrica y la correccin
atmosfrica de las imgenes lo que implica el enmascaramiento de las nubes,
sus sombras, los cuerpos de agua u otros artefactos. El siguiente cuadro
muestra el rea y el porcentaje de enmascaramiento en el rea de estudio.
Tabla 9. Porcentaje de enmascaramiento.
2014 2015 2016

Pixeles en rea
de estudio 3711465 pixeles 3340318500 m2
Pixeles 334948 301453200 201119 181007100 461095 414985500
enmascarados px m2 px m2 px m2
% 9,02 5,42 12,42
Despus de generar imgenes de reflectancia espectral, calibrada
radiomtricamente y corregida atmosfricamente, CLASlite tambin obtiene
productos intermedios (la cobertura fraccional y la de cobertura de bosque y
no bosque) las que se presenta el anexo V (ver Anexo V) y se genera un mapa
de deforestacin por periodos de un ao.

70
Se mape la deforestacin en 3
periodos de tiempo de un ao, lo
que se distingue en el mapa de
acuerdo con el color (rojo: primer
periodo; amarillo: segundo
periodo y verde: tercer periodo).
En 2014 se deforest
aproximadamente 1690 ha que
representan el 0,51% de rea de
estudio, as mismo en el 2016 se
deforesto 1870 ha que
representa el 0,56% del total del
rea de estudio. Entre el ao
2014 y el ao 2016 se deforest
en total 4633 ha, esto es 1,39 %
del rea de estudio.
Figura 23. Mapa de deforestacin.
Tabla 10. Areas deforestadas por ao.
2014 2015 2016 Total

km2 16,8957 10,7298 18,7029 46,328
ha 1689,57 1072,98 1870,29 4632,84
% 0,506 0,321 0,560 1,387
71
4.4 Extraccin de estadsticas de deforestacin
El mtodo de interpolacin espacial Inversa de la distancia tiende a
generar el efecto clster u ojos de buey, en casos especiales cuando los
valores son altos respecto a los vecinos ms cercanos. Los mapas de
distribucin espacial de malaria de cada ao se clasificaron de modo que se
generaron clusters, clases o agrupaciones de pixeles que tengan en comn un
rango de valores (el valor del pixel es el resultado de la interpolacin de los
casos de malaria por centro poblado); las rupturas o lmites de estas clases
estn basadas en intervalos de clases que tienen una serie geomtrica5. Al
analizar los mapas, la variable (nmero de casos de malaria) se clasifica en 8
niveles de concentracin. Una inspeccin visual de los mapas muestra los
patrones de distribucin y comportamientos similares. En los cuadros que a
continuacin se presentan se indican los rangos de casos que agrupan estos
clusters en cada ao, as se gener mapas sectorizados (Fig. 14) por ao con
las reas de extraccin de la data estadstica de la deforestacin.
5
El algoritmo crea intervalos geomtricos al minimizar la suma de cuadrados del nmero de
elementos de cada clase en el clasificador de ArcGIS.
72
Tabla 11. Clusters para el ao 2014
2014
Rango de
Clusters Casos rea (m2)
1 02 1650547670
2 25 389877191
3 5 10 338183732
4 10 19 342116465
5 19 38 258218139
6 38 76 137331256
7 76 305 194430662
8 305 1227 29056456

2015
Rango de
1 02 1300761953
2 24 219261939
3 47 211975749
4 7 14 421775937
5 14 30 541723688
6 30 60 317940845
7 60 120 240515131
8 120 484 85806332

2016
Rango de
1 03 1561924928
2 35 180259455
3 59 310291922
4 9 17 346769890
5 17 33 441497302
6 33 65 296677328
7 65 130 129039726
8 130 521 73301022
73
2014 2015 2016

Figura 24. Mapas de clusters con areas para la extraccion de datos de deforestacion.
74
Producto del anlisis de las imgenes de satlite se obtiene mapas de cobertura no boscosas que tambin se analiz en la
investigacin. Se usaron los clusters antes generados para extraer la data estadstica del rea no boscosa y de la deforestacin,
estos datos se expresaron en forma de porcentaje respecto al rea de cada clster la que se presenta a continuacin (ID 0:
Enmascarado; 1: Bosque; 2: No Bosque).
Tabla 14. Analisis de la cobertura boscosa por cluster
Cobertura Boscosa
Clusters reas/Ao ID 2014 rea m2 % 2015 rea m2 % 2016 rea m2 %
1651096800 0 240919 216827100 0,13 151415 136273500 0,10 381413 343271700 0,22
1 1301229000 1 1358441 1222596900 0,74 1130645 1017580500 0,78 1229039 1106135100 0,71
1562323500 2 235192 211672800 0,13 163750 147375000 0,11 125463 112916700 0,07
389878200 0 27477 24729300 0,06 9758 8782200 0,04 14354 12918600 0,07
2 219355200 1 371612 334450800 0,86 222206 199985400 0,91 172712 155440800 0,86
180352800 2 34109 30698100 0,08 11764 10587600 0,05 13326 11993400 0,07
338237100 0 24087 21678300 0,06 9694 8724600 0,04 14587 13128300 0,04
3 211973400 1 315059 283553100 0,84 211476 190328400 0,90 309572 278614800 0,90
310231800 2 36673 33005700 0,10 14356 12920400 0,06 20543 18488700 0,06
342224100 0 19332 17398800 0,05 7034 6330600 0,02 11055 9949500 0,03
4 421605000 1 320836 288752400 0,84 440584 396525600 0,94 348105 313294500 0,90
346715100 2 40081 36072900 0,11 20832 18748800 0,04 26079 23471100 0,07
258168600 0 7557 6801300 0,03 5816 5234400 0,01 15065 13558500 0,03
5 541744200 1 239544 215589600 0,84 565365 508828500 0,94 433787 390408300 0,88
441674100 2 39753 35777700 0,14 30757 27681300 0,05 41897 37707300 0,09
137252700 0 3305 2974500 0,02 5061 4554900 0,01 5750 5175000 0,02
6 318277800 1 123436 111092400 0,81 306584 275925600 0,87 267881 241092900 0,81
296439300 2 25762 23185800 0,17 41997 37797300 0,12 55746 50171400 0,17
194274000 0 9361 8424900 0,04 7227 6504300 0,03 11197 10077300 0,08
7 240228900 1 150963 135866700 0,70 209604 188643600 0,79 98609 88748100 0,69
129340800 2 55536 49982400 0,26 50090 45081000 0,19 33906 30515400 0,24
29187000 0 2910 2619000 0,09 5114 4602600 0,05 7674 6906600 0,09
8 85905000 1 12839 11555100 0,40 62144 55929600 0,65 45566 41009400 0,56
73241100 2 16681 15012900 0,51 28192 25372800 0,30 28139 25325100 0,34
75
Se indica la deforestacin anual por clster expresada en porcentaje respecto al rea total del clster.
Tabla 15. Anlisis de la deforestacin por cluster.

DEFORESTACIN
rea rea
Clusters 2014 m 2 % 2015 m2 % 2016 rea m2 %
8222 7399800 0,45
1 3590 3231000 0,25
11531 10377900 0,66
1568 1411200 0,36
2 440 396000 0,18
1028 925200 0,51
2164 1947600 0,58
3 586 527400 0,25
1999 1799100 0,58
1528 1375200 0,40
4 1130 1017000 0,24
1231 1107900 0,32
1548 1393200 0,54
5 1817 1635300 0,30
1862 1675800 0,38
1136 1022400 0,74
6 1948 1753200 0,55
2164 1947600 0,66
2266 2039400 1,05
7 1813 1631700 0,68
788 709200 0,55
341 306900 1,05
8 598 538200 0,63
178 160200 0,22
76
En este cuadro se presenta la suma de casos de malaria que se
presentaron en los lugares poblados de cada clster por ao.
Tabla 16. Suma de casos de malaria en cada cluster
Casos
Clusters 2014 2015 2016
21
1 18
40
61
2 14
25
69
3 83
14
75
4 60
79
75
5 112
228
641
6 410
412
1030
7 796
540
5287
8 3801
3739
Estos datos permitieron generar una matriz donde se expresa el rea no
boscosa y la deforestacin en porcentaje y junto a ello suma de casos por cada
clster.
77
Tabla 17. Porcentaje de area no boscosa, deforestacin y suma de casos en cada cluster.
2014 2015 2016

NO SUMA DE NO SUMA DE NO SUMA DE
CLUSTERS BOSQUE DEFOREST CASOS BOSQUE DEFOREST CASOS BOSQUE DEFOREST CASOS
1 12,82 0,45 21 11,33 0,25 18 7,23 0,66 40
2 7,87 0,36 61 4,83 0,18 14 6,65 0,51 25
3 9,76 0,58 69 6,10 0,25 83 5,96 0,58 14
4 10,54 0,40 75 4,45 0,24 60 6,77 0,32 79
5 13,86 0,54 75 5,11 0,30 112 8,54 0,38 228
6 16,89 0,74 641 11,88 0,55 410 16,92 0,66 412
7 25,73 1,05 1030 18,77 0,68 796 23,59 0,55 540
8 51,44 1,05 5287 29,54 0,63 3801 34,58 0,22 3739
4.5 Anlisis de correlacin

En la siguiente matriz de datos se presenta para cada clster la suma de casos, el porcentaje de rea de no bosque y el
porcentaje de acumulado de deforestacin en los periodos de estudio. As mismo en la siguiente pgina se presentan grficos
comparativos por clster entre la suma de casos y el porcentaje acumulado de deforestacin.
Tabla 18. Porcentaje de deforestacin acumulada
SUMA DE CASOS NO BOSQUE (%) DEFORESTACIN (%)

CLASES C2014 C2015 C2016 NB2014 NB2015 NB2016 D2014 D2015 D2016
1 21 18 40 12,82 11,33 7,23 0,45 0,70 1,36
2 61 14 25 7,87 4,83 6,65 0,36 0,54 1,06
3 69 83 14 9,76 6,10 5,96 0,58 0,82 1,40
4 75 60 79 10,54 4,45 6,77 0,40 0,64 0,96
5 75 112 228 13,86 5,11 8,54 0,54 0,84 1,22
6 641 410 412 16,89 11,88 16,92 0,74 1,30 1,95
7 1030 796 540 25,73 18,77 23,59 1,05 1,73 2,28
8 5287 3801 3739 51,44 29,54 34,58 1,05 1,68 1,90
78
6000
2014 2015
5287 4000 3801
5000
3000
4000
2000
3000
1000 796
2000 410
0 112
1000 1030 5 6 7 8
641
0 160
5 6 7 8
Suma de DEF Suma de CAS Suma de DEF Suma de CAS
Figura 25. Deforestacin y casos de malaria por clster en 2014. Figura 26. Deforestacin y casos de malaria por clster en 2015.
2016
4000
3739
3500
3000
2500
2000
1500
1000
500 412 540
228
0
5 6 7 8
Suma de DEF Suma de CAS Lineal (Suma de DEF)
Figura 27. Deforestacin y casos de malaria por clster en 2016.

79
A continuacin, en la siguiente grfica se muestra la asociacin de la deforestacin anual y nmero total de casos de malaria por
ao en el rea de estudio.
9000 RELACIN DEFORESTACIN - MALARIA
8000
7344
Deforestacion (Ha)/ Total de Casos. 7000
6000
5292
5077
5000
4000
3000
1689.57 1870.29
2000
1072.98
1000
Suma de DEF Suma de CAS Polinmica (Suma de DEF) Polinmica (Suma de CAS)
0
Ao 2014 2015 2016
Suma de DEF 1689.57 1072.98 1870.29
Suma de CAS 7344 5292 5077
Figura 28. Relacin Deforestacion Malaria.
80
Se realiz un test de normalidad para todas las variables, solo el porcentaje
de deforestacin muestra una distribucin normal, mientras la suma de casos
y el porcentaje de rea de no bosque no se distribuyen en la normal; lo ms
adecuado es utilizar la Rho de Spearman.
Tabla 19. Prueba de normalidad.

Kolmogorov-Smirnova Shapiro-Wilk
Estadstico gl Sig. Estadstico gl Sig.
NB2014 0,298 8 0,036 0,734 8 0,005
NB2015 0,233 8 0,200 *
0,818 8 0,045
NB2016 0,316 8 0,018 0,781 8 0,018
D2014 0,226 8 0,200*
0,858 8 0,114
D2015 0,281 8 0,062 0,852 8 0,100
D2016 0,219 8 0,200* 0,925 8 0,471
C2014 0,348 8 0,005 0,565 8 0,000
C2015 0,334 8 0,009 0,575 8 0,000
C2016 0,405 8 0,000 0,550 8 0,000
Las correlaciones arrojaron los siguientes coeficientes de Spearman:
Tabla 20. Coeficientes de correlacin.
NB2014 D2014
Coef. Rho 0,838 0,814
C2014
Sig. 0,009 0,014
NB2015 D2015
Coef. Rho 0,786 0,952
C2015
Sig. 0,021 0,000
NB2016 D2016
Coef. Rho 0,976 0,571
C2016
Sig. 0,000 0,139
81
Los coeficientes de correlacin obtenidos confirman la corriente de que la
deforestacin y la distribucin espacial de malaria tienen una estrecha
relacin, lo que sostiene la literatura cientfica: en bosques fragmentados y en
los bordes del bosque (la frontera con la deforestacin) hay mayor riesgo de
infeccin debido al mayor contacto con los vectores (Walsh et al., 1993) (Vittor,
2003) (Patz et al., 2000) (Kirby et al., 2006) (Pattanayak et al., 2006) (A. Vittor
et al., 2006) (Pinedo-Cancino et al., 2006) (A. Y. Vittor et al., 2006) (Foley et
al., 2007) (Yasuoka & Levins, 2007) (A. Vittor et al., 2009) (Olson, 2010) (Hahn
et al., 2014) (Barros & Honrio, 2015) (Morris et al., 2016) (Gleiser, 2017).
82
CAPITULO V:
CONCLUSIONES Y RECOMENDACIONES
5.1 CONCLUSIONES
De lo investigado se concluye que:
1. Basados en la metodologa aplicada y en los resultados obtenidos se
acepta la hiptesis planteada y se afirma que existe una fuerte correlacin
positiva con ms del 80% de ajuste entre el incremento de la deforestacin
y la presencia de casos de malaria en el rea de estudio, afirmacin vlida
hasta con un 95% de confianza, esto estara reflejando la fuerte relacin
de la deforestacin sobre la distribucin espacial de malaria en los lugares
poblados rurales alrededor de Iquitos.
2. Se demostr el potencial de los SIG y los SR para estudiar la distribucin
espacial de la malaria respecto a la deforestacin, que es de vital
importancia para la salud pblica. Se extrajeron 21 619 casos de malaria
en el periodo y rea de estudio, del mismo que solo se geocodoficaron 17
713 que representa un poco ms del 80% de los casos registrados en la
base de datos, esto refleja serios problemas de inconsistencias en la
estructura de la base de datos. Se integr la informacin epidemiolgica a
los SIG, lo que constituye una herramienta poderosa para el estudio de la
malaria ya que permite tomar mejores decisiones en el diseo de
programas sanitarios y eficaz focalizacin de las reas de riesgo que se
reflejara en la mejora de la salud pblica.

83
3. Se obtuvieron mapas de distribucin espacial de malaria para los aos
2014, 2015 y 2016 con la herramienta SIG de anlisis espacial IDW (que
es una tcnica utilizada para predecir modelos de patrones de
comportamiento de distribuciones espaciales) en los que muestran
patrones espaciales que cumplen con el principio de autocorrelacin
espacial agrupada en la parte norte del rea de estudio entre los lugares
poblados: Nina Rumi, Puerto Almendra, Santa Clara, Rumococha, Santo
Tomas, Varillal, San Pablo de Cuyana, Lobo Yacu, 25 de Enero,
Quistococha, Zungaro Cocha, La Unin, Paa Cocha, La Paz, 12 de
Diciembre, 31 de Mayo, Laguna Azul y Shushuna; desde el 2015 se
encendieron tres nuevos focos al sur del rea de estudio (13 de Febrero,
Ex Petroleros y Cahuide) esto sirve como insumo de localizacin, medida
y expansin de importancia epidemiolgica, ya que ayuda a la
comprensin de la dinmica espacial de la malaria, sin embargo sera de
gran inters estudiar este fenmeno correlacionado con otras variables
biofsicas y socio-econmicas, esto nos permite delimitar las zonas de
riesgo para disear programas control de esta enfermedad.
4. La metodologa empleada para determinar las reas deforestadas est
basada en el anlisis de mezcla espectral que se aplica desde la
herramienta CLASlite, asimismo ha comprendido el uso de definiciones
operativas para cumplir con las definiciones conceptuales de bosque y
deforestacin. Los resultados fueron editados con el fin de obtener las
prdidas de bosque referidas a deforestacin. La superficie deforestada a
partir del 2014 (ao base) hasta 2017 ha sido de 4 632,84 has de los cuales
84
en el periodo 2014 a 2015 se deforestaron 1 689,57 has, del 2015 al 2016,
se deforesto 1 072,98 y en el 2016 se deforesto 1870,29.
5.2 RECOMENDACIONES.
Concluido el trabajo de investigacin se recomienda:
1. Replicar el proceso metodolgico para generar mapas de malaria en
diferentes periodos de tiempo para determinar tendencias al aumento,
estabilidad o reduccin de la enfermedad (fases de progresin o
regresin). Seguir utilizando esta metodologa en lugares donde haya
mayor incidencia de malaria de modo que se tenga una herramienta para
la planificacin de control epidemiolgico de esta enfermedad y tambin
sea utilizado para determinar la distribucin espacial de otras
enfermedades y correlacionarlas con otras variables ambientales. Explorar
otros mtodos y tcnicas de interpolacin que puedan trabajar con la data
histrica registrada para toda la regin y desde aos muchos ms
anteriores al 2014. Buscar las imgenes de satlite que tengan menos
porcentaje de cobertura de nubes en el rea de estudio.
2. Hacer que las polticas sobre el control de la deforestacin sean
debidamente implementadas para ayudar a controlar las enfermedades
infecciosas y la conservacin de la biodiversidad.
3. Educar a las comunidades, especialmente a las poblaciones rurales y
agrcolas, sobre la prevencin de enfermedades; y promover la
investigacin interdisciplinaria con participacin de cientficos sociales,

85
ambientales y bilogos para estudiar la relacin entre la deforestacin y la
presencia de casos de malaria. Estudiar distribucin espacial de las
especies de malaria que existen y si entre estos se podra encontrar algn
patrn espacial.
4. Estructurar y estandarizar el registro de datos de las notificaciones de las
enfermedades sujetas a vigilancia epidemiolgica. La vigilancia
epidemiolgica de la malaria como de otras enfermedades debe de
evolucionar hacia un sistema de informacin geogrfica ya que este
sistema posee mltiples ventajas aun inexploradas que pudieran servir en
la toma de decisiones sobre la vigilancia de la malaria en la regin de modo
que se generen alertas tempranas.
5. Es necesario contar con plataformas compartidas en las cuales se tenga
acceso y se puedan actualizar bases de datos en tiempo real sobre varios
aspectos de los vectores: comportamiento de picadura, sitios de cra,
resistencia a insecticidas, etc. El acceso a estas bases de datos podra
llevarse a cabo a travs del desarrollo de una pgina en red, la cual pueda
ser alimentada con informacin en cada local de salud, centros de
investigacin y universidades.
86
REFERENCIAS BIBLIOGRAFICAS
Andino, R. E. C. (2011). Catalogo de firmas espectrales de especies florales, en
la Ciudad Universitaria, Tegucigalpa, Fase 1. Ciencias Espaciales, 1(1).
Arambar Guarda, J., Ramal Asayag, C., & Witzig, R. (1999). Malaria
reemergence in the Peruvian Amazon region. Emerg. Inf. Dis, 5, 209.
Aramburu, G. J., Ramal, A. C., & Witzig, R. (1999). Malaria reemergence in the
Peruvian Amazon region. Emerg Infect Dis, 5. doi:
10.3201/eid0502.990204
Araque, L., & Jimnez, A. (2009). Caracterizacin de firma espectral a partir de
sensores remotos para el manejo de sanidad vegetal en el cultivo de palma
de aceite. Revista Palmas, 30(3), 63-79.
Ariza, A. (2013). Descripcin y Correccin de Productos Landsat 8 LDCM (Landsat
Data Continuity Mission). Bogot: Instituto Geogrfico Agustn Codazzi.
Asner, G. P., Knapp, D. E., Balaji, A., & Paez-Acosta, G. (2009). Automated
mapping of tropical deforestation and forest degradation: CLASlite. Journal
of Applied Remote Sensing, 3(1), 033543-033543-033524. doi:
10.1117/1.3223675
Barat, L. M. (2006). Four malaria success stories: how malaria burden was
successfully reduced in Brazil, Eritrea, India, and Vietnam. The American
Journal of Tropical Medicine and Hygiene, 74(1), 12-16.
Barbieri, A. F., Sawyer, i. O., & Soares-Filho, B. S. (2005). Population and land
use effects on malaria prevalence in the southern Brazilian Amazon.
Human Ecology, 33(6), 847-874.
Barros, F. S., & Honrio, N. A. (2015). Deforestation and malaria on the Amazon
frontier: larval clustering of Anopheles darlingi (Diptera: culicidae)

87
determines focal distribution of malaria. The American Journal of Tropical
Medicine and Hygiene, 93(5), 939-953.
Burrough, P. A., McDonnell, R., McDonnell, R. A., & Lloyd, C. D. (2015). Principles
of geographical information systems: Oxford University Press.
Cabezas-Snchez, C. (2015). Enfermedades infecciosas emergentes
reemergentes y sus determinantes. Revista Peruana de Medicina
Experimental y Salud Publica, 32(1), 07-08.
Carey, C. (2016). SITUACION DE LA MALARIA EN LORETO PERU:
PERSPECTIVAS, DESAFIOS HASTA EL AO 2015. Retrieved 06 de
Marzo, 2017, from
http://www2.paho.org/hq/index.php?option=com_docman&task=doc_view
&gid=34862&Itemid=270&lang=es
Carvajal, A. F., & Pabn, J. D. (2014). Temperatura de la superficie terrestre en
diferentes tipos de cobertura de la regin andina colombiana. Sociedade &
Natureza, 26(1).
CLASlite, T. (2013). CLASlite Forest Monitoring Technology: Version 3.1 User
Guide. Web URL: http://claslite. carnegiescience. edu. Carnegie Institution
for Science, Washington, DC.
Condoy Fernndez, G., Cartuche, S., & Daniel, S. (2006). Anlisis y tendencia de
la deforestacin de la provincia de Zamora Chinchipe, en base a la
interpretacin de imgenes Satelitales.
Chander, G., & Markham, B. (2003). Revised Landsat-5 TM radiometric calibration
procedures and postcalibration dynamic ranges. IEEE Transactions on
geoscience and remote sensing, 41(11), 2674-2677.

88
Chuvieco, E. (1998). Fundamentos de teledeteccin espacial. Estudios
Geogrficos, 59, 135.
Dib, J. C. (2012). ENFERMEDADES TROPICALES EN UCI. Hospital Universitario
de Sincelejo, 31.
Dourojeanni, M. J. (2013). Loreto sostenible al 2021: DAR, Derecho, Ambiente y
Recursos Naturales.
Duarte, E. C., Ramalho, W. M., Tauil, P. L., Fontes, C. J. F., & Pang, L. (2014).
The changing distribution of malaria in the Brazilian Amazon, 2003-2004
and 2008-2009. Revista da Sociedade Brasileira de Medicina Tropical,
47(6), 763-769.
Ettema, C. H., & Wardle, D. A. (2002). Spatial soil ecology. Trends in ecology &
evolution, 17(4), 177-183.
FAO. Informe Nacional Peru. El escenario mas probable del Sector Forestal en el
2020.
FAO. (2010). Evaluacin de los recursos forestales mundiales 2010, Roma - Italia.
Informe principal, 381.
Flint, C., Harrower, M., & Edsall, R. (2000). But how does place matter. Paper
presented at the Using bayesian networks to explore a structural definition
of place, ponencia presentada en The New Methodologies for the Social
Sciences Conference, University of Colorado en Boulder.
Foley, J. A., Asner, G. P., Costa, M. H., Coe, M. T., DeFries, R., Gibbs, H. K., . . .
Snyder, P. (2007). Amazonia revealed: forest degradation and loss of
ecosystem goods and services in the Amazon Basin. Frontiers in Ecology
and the Environment, 5(1), 25-32. doi: 10.1890/1540-
9295(2007)5[25:ARFDAL]2.0.CO;2
89
Gleiser, R. M. (2017). Geoprocessing and Expected Distribution of Diseases
(Including Deforestation, Global Warming, and Other Changes). In C. B.
Marcondes (Ed.), Arthropod Borne Diseases (pp. 577-604). Cham:
Springer International Publishing.
Goodchild, M. F. (1987). A spatial analytical perspective on geographical
information systems. International journal of geographical information
system, 1(4), 327-334.
Gorla, D. (2002). Introduccin a los sistemas de informacin geogrfica y al uso
de sensores remotos. Curso taller internacional: Sistemas de informacin
geogrfica, sensores remotos y gentica poblacional de vectores y
parsitos aplicados al control de la enfermedad de Chagas. Gulh F y
Jaramillo Editores. Univesidad de los Andes.
Gratz, N. G. (1999). Emerging and resurging vector-borne diseases. Annual
Review of Entomology, 44(1), 51-75.
Gutirrez, C. P., & Nieto, . L. M. (2006). Teledeteccin: nociones y aplicaciones:
carlos perez.
Hahn, M. B., Gangnon, R. E., Barcellos, C., Asner, G. P., & Patz, J. A. (2014).
Influence of Deforestation, Logging, and Fire on Malaria in the Brazilian
Amazon. PLoS ONE, 9(1), e85725. doi: 10.1371/journal.pone.0085725
Hay, S. (2000). An overview of remote sensing and geodesy for epidemiology and
public health application. Advances in parasitology, 47, 1-35.
Hay, S., Tatem, A., Graham, A., Goetz, S., & Rogers, D. (2006). Global
environmental data for mapping infectious disease distribution. Advances
in parasitology, 62, 37-77.

90
Hernndez, L. R. (2008). Metodologa de la investigacin en ciencias de la salud:
Ecoe Ediciones.
Johnston, C. A. (1998). Geographic information systems in ecology: Blackwell
Science.
Kalliola, R., & Flores-Paitan, S. (1998). Geoecologia y Desarrollo Amazonico;
Estudio Integrado en la Zona de Iquitos. Peru Annales Universitatis
Turkuensis Ser A II, 144.
Kalluri, S., Gilruth, P., Rogers, D., & Szczur, M. (2007). Surveillance of arthropod
vector-borne infectious diseases using remote sensing techniques: a
review. PLoS pathogens, 3(10), e116.
Kirby, K. R., Laurance, W. F., Albernaz, A. K., Schroth, G., Fearnside, P. M.,
Bergen, S., . . . Da Costa, C. (2006). The future of deforestation in the
Brazilian Amazon. Futures, 38(4), 432-453.
Labrador, M., vora, J., & Arbelo, M. (2012). Satlites de Teledeteccin para la
Gestin del Territorio. Consejera de Agricultura, Ganadera, Pesca y
Aguas del Gobierno de Canarias.. pp, 13-21.
Legendre, P., & Fortin, M. J. (1989). Spatial pattern and ecological analysis.
Vegetatio, 80(2), 107-138.
Legua L, P. (2000). Malaria in Per. 4.
Londoo, L. A., Restrepo, C., & Marulanda, E. (2014). Distribucin espacial del
dengue basado en herramientas del Sistema de Informacin Geogrfica,
Valle de Aburr, Colombia. Facultad Nacional de Salud Pblica, 32(1).
Longley, P., Goodchild, M., Maguire, D., & Rhind, D. (2001). Geographic
Information Systems and Science Wiley: London.

91
Llactayo, W., Salcedo, K., & Victoria, E. (2013). Memoria Tcnica de la
Cuantificacin de Cambios de la Cobertura de Bosque a no Bosque por
Deforestacin en el Ambito de la Amazona Peruana Perido 2009-2010-
2011. Lima, Ministerio del Ambiente, Direccin General de Ordemaniento
Territorial.
Maestre, F. (2006). Anlisis y modelizacin de datos espacialmente explcitos en
Ecologa. Ecosistemas, 15(3), 1-6.
Marques, A. C. (1987). Human migration and the spread of malaria in Brazil.
Parasitology Today, 3(6), 166-170.
Mesa Meza, J. I. (2015). Deforestacin en el eje vial Iquitos-Nauta y su relacin
con la variabilidad climtica local a travs de los aos.
MINAM, M. d. A.-. (2009). Mapa de Deforestacin de la Amazona Peruana 2000
(Vol. 1). Lima, Peru: Ministerio del Ambiente - MINAM.
MINAM, M. d. A.-. (2014). Protocolo: Anlisis y Clasificacin de Imgenes para el
Monitoreo de Cobertura de Bosque, Deforestacin y Degradacin
Forestales (M. d. Ambiente Ed. 1 ed. Vol. 1): Direccin General de
Ordenamiento Territorial - Lima.
Miranda, G. (2009). La deforestacin. LA DEFORESTACIN.
Moran, P. A. (1950). Notes on continuous stochastic phenomena. Biometrika,
37(1/2), 17-23.
Moreno Jimnez, A. (2017). Poblacin y polucin atmosfrica intraurbana por
dixido de nitrgeno en Madrid: anlisis desde la justicia ambiental basado
en Sistemas de Informacin Geogrfica. Cuadernos Geogrficos(52).
Morris, A. L., Gugan, J.-F., Andreou, D., Marsollier, L., Carolan, K., Le Croller, M.,
. . . Gozlan, R. E. (2016). Deforestation-driven food-web collapse linked to

92
emerging tropical infectious disease, Mycobacterium ulcerans. Science
Advances, 2(12), e1600387.
Mouchet, J., Manguin, S., Sircoulon, J., Laventure, S., Faye, O., Onapa, A., . . .
Fontenille, D. (1998). Evolution of malaria in Africa for the past 40 years:
impact of climatic and human factors. Journal of the American Mosquito
Control Association, 14(2), 121-130.
Novoa, S., & Herrera, M. (2002). USO DEL ANLISIS DE IMGENES EN EL
DIAGNSTICO DE LA" TRISTEZA DE LOS CTRICOS" EN LIMONEROS
(Citrus limon (L.) Burm.) DEL VALLE DE MALLARAUCO, CHILE.
Agricultura Tcnica, 62(4), 606-615.
Olaya, V. (2011). Sistemas de informacin geogrfica.[Consulta: 06-03-2015]
Disponible en: http://wiki. osgeo. org/wiki: Libro_SIG.
Olson, S. H. (2010). Deforestation and Malaria in Mncio Lima County, Brazil-
Volume 16, Number 7July 2010-Emerging Infectious Disease journal-
CDC.
. Organizacion panamericana de la salud, XXXIX reunion and organizacion
mundial de la salud, XLVIIII reunion. Situacion de los programas de malaria
en las Americas, XLIV informe. 1996, Washington, DC: Pan American
Health Organization.
Parra-Henao, G. (2010). Sistemas de informacin geogrfica y sensores remotos.
Aplicaciones en enfermedades transmitidas por vectores. CES Medicina,
24(2), 75-89.
Pattanayak, S., Dickinson, K., Corey, C., Murray, B., Sills, E., & Kramer, R. (2006).
Deforestation, malaria, and poverty: a call for transdisciplinary research to

93
support the design of cross-sectoral policies. Sustainability: Science,
Practice, & Policy, 2(2).
Patz, J. A., Graczyk, T. K., Geller, N., & Vittor, A. Y. (2000). Effects of
environmental change on emerging parasitic diseases. International journal
for parasitology, 30(12), 1395-1405.
PERDOMO, C. J. V. Y. (2003). Una aplicacin del anlisis espacial al estudio de
las diferencias regionales del ingreso en Mxico. Economa Sociedad y
Territorio.
Pinedo-Cancino, V., Sheen, P., Tarazona-Santos, E., Oswald, W. E., Jeri, C.,
Vittor, A. Y., . . . Gilman, R. H. (2006). Limited diversity of Anopheles
darlingi in the Peruvian AmazonRegion of Iquitos. Am J Trop Med Hyg, 75.
Porcasi, X., Catal, S., Hrellac, H., Scavuzzo, M., & Gorla, D. (2006). Infestation
of rural houses by Triatoma infestans (Hemiptera: Reduviidae) in southern
area of Gran Chaco in Argentina. Journal of Medical Entomology, 43(5),
1060-1067.
Rakonczay, Z. (2002). Biome-specific forest definitions. Papier technique. Rapport
du Secrtariat de la CCNUCC.
Rodrguez-Morales, A. J. (2005). Ecoepidemiologa y epidemiologa satelital:
nuevas herramientas en el manejo de problemas en salud pblica. Revista
Peruana de Medicina Experimental y Salud Publica, 22(1), 54-63.
Rogers, D., & Randolph, S. (1991). Mortality rates and population density of tsetse
flies correlated with satellite imagery. Nature, 351(6329), 739.
Rossi, J.-P. (2003). Short-range structures in earthworm spatial distribution: The
7th international symposium on earthworm ecology Cardiff Wales 2002.
Pedobiologia, 47(5-6), 582-587.

94
Sampieri, R. H., Collado, C. F., Lucio, P. B., & Prez, M. d. l. L. C. (1998).
Metodologa de la investigacin (Vol. 1): Mcgraw-hill Mxico.
Snchez Bonilla, Y., & Alejandro Chamizo Garca, H. (2012). The socio-
environmental determinants of malaria in the town of Matina in Costa Rica.
Revista Costarricense de Salud Pblica, 21(2), 50-57.
Scavuzzo, M. (2006). Algoritmos para el Alerta Temprana de Dengue en un
Ambiente Geomtico.
Sobrino, J. A. (2001). Teledeteccin: Universitat de Valncia.
Stefani, A., Dusfour, I., Corra, A. P. S., Cruz, M. C., Dessay, N., Galardo, A. K., .
. . Gurgel, H. (2013). Land cover, land use and malaria in the Amazon: a
systematic literature review of studies using remotely sensed data. Malaria
Journal, 12(1), 192.
Sutherst, R. W. (2004). Global change and human vulnerability to vector-borne
diseases. Clinical microbiology reviews, 17(1), 136-173.
Thomson, M., & Connor, S. (2000). Environmental information systems for the
control of arthropod vectors of disease. Medical and Veterinary
Entomology, 14(3), 227-244.
Tilman, D., & Kareiva, P. M. (1997). Spatial ecology: the role of space in population
dynamics and interspecific interactions (Vol. 30): Princeton University
Press.
Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit
region. Economic geography, 46(sup1), 234-240.
United States Geological Survey, U. (2014). from http://www.usgs.gov/

95
USAID, R. R. T. I. I. (Agosto de 2012). Informe de evaluacin de necesidades en
el control de vectores en el Per (M. i. d. v. M. O. d. t. 2, Trans.) (pp. 50):
Agencia de los Estados Unidos para el Desarrollo Internacional USAID
Valle, D. (2014). Response to the Critique by Hahn and Others Entitled
Conservation and Malaria in the Brazilian Amazon. The American Journal
of Tropical Medicine and Hygiene, 90(4), 595-596.
Vanwambeke, S. O., Lambin, E. F., Eichhorn, M. P., Flasse, S. P., Harbach, R. E.,
Oskam, L., . . . Walton, C. (2007). Impact of land-use change on dengue
and malaria in northern Thailand. EcoHealth, 4(1), 37-51.
Vargas, G. (1994). DISTRIBUCIN Y EVOLUCIN DE LA MALARIA EN COSTA
RICA. UN ENFOQUE GEOGRFICO. Revista Reflexiones, 22(1).
Vargas Herrera, J. (2003). Prevencin y control de la Malaria y otras enfermedades
trasmitidas por vectores en el Per. Revistas peruana de epidemiologa,
11(1), 1-18.
Vilalta y Perdomo, C. J. (2005). Cmo ensear autocorrelacin espacial.
Economa, Sociedad y Territorio(18).
Vittor, A., Gilman, R., Tielsch, J., Glass, G., Shields, T., Lozano, W., . . . Patz, J.
(2006). The effect of deforestation on the human-biting rate of Anopheles
darlingi, the primary vector of falciparum malaria in the Peruvian Amazon.
Am J Trop Med Hyg, 74.
Vittor, A., Pan, W., Gilman, R., Tielsch, J., Glass, G., Shields, T., . . . Patz, J.
(2009). Linking deforestation to malaria in the Amazon: characterization of
the breeding habitat of the principal malaria vector, Anopheles darlingi. Am
J Trop Med Hyg, 81.

96
Vittor, A. Y. (2003). Deforestation and Malaria: Associations Between Vegetation,
Vector Ecology, and Malaria Epidemiology in the Peruvian Amazon
Dissertation, The Johns Hopkins University.
Vittor, A. Y., Gilman, R. H., Tielsch, J., Glass, G., Sgields, T., Snchez Lozano,
W., . . . Patz, J. A. (2006). The effect of deforestation on the human biting
rate of Anopheles darlingi, the primary vector of falciparum malaria in the
Peruvian Amazone. Am J Trop Med Hyg, 74.
Vittor, A. Y., Gilman, R. H., Tielsch, J., Glass, G., Shields, T., Lozano, W. S., . . .
Patz, J. A. (2006). The effect of deforestation on the human-biting rate of
Anopheles darlingi, the primary vector of falciparum malaria in the Peruvian
Amazon. The American journal of tropical medicine and hygiene, 74(1), 3-
11.
Vittor, A. Y., Pan, W., Gilman, R. H., Tielsch, J., Glass, G., Shields, T., . . . Patz, J.
A. (2009). Linking deforestation to malaria in the Amazon: characterization
of the breeding habitat of the principal malaria vector, Anopheles darlingi.
Am J Trop Med Hyg, 81.
Walsh, J. F., Molyneux, D. H., & Birley, M. H. (1993). Deforestation: effects on
vector-borne disease. Parasitology, 106(Suppl), S55.
Yasuoka, J., & Levins, R. (2007). Impact of deforestation and agricultural
development on anopheline ecology and malaria epidemiology. The
American Journal of Tropical Medicine and Hygiene, 76(3), 450-460.

97
GLOSARIO
A
Anlisis geoestadsticos.
La geoestadstica es una rama de la estadstica aplicada que se especializa en el
anlisis, modelacin y prediccin de la variabilidad espacial de fenmenos en Ciencias
de la Tierra. Rama de la estadstica aplicada que se caracteriza por tomar en cuenta la
relacin espacial de las variables en estudio. Rama de la estadstica que se enfoca a
analizar, procesar e inferir resultados de datos georeferenciados. La geoestadstica es
un conjunto de tcnicas para el anlisis y prediccin de valores distribuidos en el espacio
y/o en el tiempo, dichos valores se asumen correlacionados entre s.
Anopheles.
Anopheles es un gnero de mosquito de la familia Culicidae que habita en prcticamente
todo el mundo incluyendo Europa, frica, Asia, Amrica y Oceana, con especial
intensidad en las zonas templadas, tropicales y subtropicales. Existen 465 especies
formalmente reconocidas de Anopheles, de las cuales 50 pueden transmitir las cuatro
especies diferentes de parsitos del gnero Plasmodium,1 causantes de la malaria
humana (ya que existen muchas otras especies de Plasmodium que causan malaria en
ratones (P. Bergei), aves (P. gallinaceum), simios (P. yoeli), etc.). La especie Anopheles
gambiae es una de las mejor conocidas, porque trasmite el ms peligroso, el
Plasmodium falciparum. En Europa una de las especies ms importantes es Anopheles
atroparvus.
Algoritmo.
Se denomina algoritmo a un grupo finito de operaciones organizadas de manera lgica
y ordenada que permite solucionar un determinado problema. Se trata de una serie de
instrucciones o reglas establecidas que, por medio de una sucesin de pasos, permiten
arribar a un resultado o solucin.
ArcGIS.
ArcGIS es el nombre de un conjunto de productos de software en el campo de los
Sistemas de Informacin Geogrfica o SIG. Producido y comercializado por ESRI, bajo
el nombre genrico ArcGIS se agrupan varias aplicaciones para la captura, edicin,
anlisis, tratamiento, diseo, publicacin e impresin de informacin geogrfica. Estas
aplicaciones se engloban en familias temticas como ArcGIS Server, para la publicacin
y gestin web, o ArcGIS Mvil para la captura y gestin de informacin en campo.
ArcGIS Desktop, la familia de aplicaciones SIG de escritorio, es una de las ms
ampliamente utilizadas, incluyendo en sus ltimas ediciones las herramientas
ArcReader, ArcMap, ArcCatalog, ArcToolbox, ArcScene y ArcGlobe, adems de
diversas extensiones. ArcGIS for Desktop se distribuye comercialmente bajo tres niveles
de licencias que son, en orden creciente de funcionalidades (y coste): ArcView,
ArcEditor y ArcInfo.
Artefacto.
Ver Ruido en imgenes.
B
Banda espectral.
Es un grupo de archivo de datos para una porcin especfica del espectro
electromagntico definido por dos longitudes de onda (ERDAS, 2010). Es la capacidad
del satlite de recibir informacin en rangos definidos del espectro electromagntico.
98
E
Enfermedades Infecciosas Tropicales.
Las enfermedades tropicales son aquellas que ocurren nicamente, o principalmente,
en los trpicos. En la prctica, la expresin se refiere a las enfermedades infecciosas
que predominan en climas calientes y hmedos, como el paludismo, la leishmaniasis, la
esquistosomiasis, la oncocercosis, la filariosis linftica, la enfermedad de Chagas, la
tripanosomiasis africana y el dengue.
G
Geocodificadas.
La geocodificacin es el proceso de transformar una descripcin de una ubicacin (por
ejemplo, un par de coordenadas, una direccin o un nombre de un lugar) en una
ubicacin de la superficie de la Tierra. Se puede geocodificar introduciendo una
descripcin de una ubicacin a la vez o proporcionando muchas de ellas al mismo
tiempo en una tabla. Las ubicaciones que se obtienen se transforman en entidades
geogrficas con atributos, que se pueden utilizar para la representacin cartogrfica o
el para anlisis espacial.
Georeferenciados.
La georreferenciacin es el uso de coordenadas de mapa para asignar una ubicacin
espacial a entidades cartogrficas. Todos los elementos de una capa de mapa tienen
una ubicacin geogrfica y una extensin especficas que permiten situarlos en la
superficie de la Tierra o cerca de ella.
I
Intervalos geomtricos.
El esquema de clasificacin de intervalos geomtricos crea rupturas de clase basadas
en los intervalos de clase que tienen una serie geomtrica. El coeficiente geomtrico de
este clasificador puede cambiar una vez (a su inverso) para optimizar los rangos de
clase. El algoritmo crea intervalos geomtricos al minimizar la suma de cuadrados del
nmero de elementos de cada clase. Con esto se garantiza que cada rango de clase
tenga aproximadamente el mismo nmero de valores en cada clase y que el cambio
entre intervalos sea bastante coherente. Este algoritmo se dise especficamente para
acomodar datos continuos. Es un mtodo de equilibrio entre Intervalo de igualdad,
Cortes naturales (Jenks) y Cuantil. Crea un equilibrio entre los cambios resaltados en
los valores centrales y en los valores extremos, produciendo as un resultado
visualmente atractivo y cartogrficamente comprensible.
M
Metadato.
Grupo de archivos que contiene informacin descriptiva acerca de la escena que provee
al usuario datos de fecha de adquisicin, ngulos solares, cobertura de nubes, y otras
medidas de calidad (NASA, 2010).
N
NatureServe.
NatureServe es una organizacin sin nimo de lucro que proporciona propietaria
conservacin de la fauna relacionados con la PI de datos, herramientas y servicios a
clientes privados y gubernamentales, las organizaciones asociadas y el pblico.
Normalidad.
La distribucin normal (en ocasiones llamada distribucin gaussiana) es la distribucin
continua que se utiliza ms comnmente en estadstica. La distribucin normal es de
vital importancia en estadstica por tres razones principales: Muchas variables continuas
99
comunes en el mundo de los negocios tienen distribuciones que se asemejan

estrechamente a la distribucin normal.
La distribucin normal sirve para acercarse a diversas distribuciones de probabilidad
discreta, como la distribucin binomial y la distribucin de Poisson. La distribucin
normal proporciona la base para la estadstica inferencial clsica por su relacin con el
teorema de lmite central
Nmeros digitales (ND).

Variacin en la intensidad del pixel de acuerdo con lo que representa. Es expresada
comnmente en valores del 0 a 255. (ERDAS, 2011).
O
Ortorectificado.
La ortorectificacin elimina las distorsiones geomtricas y de escalas inherentes en las
fotografas e imgenes satelitales producto de imperfecciones del sensor, variaciones
topogrficas y la curvatura de Tierra.
P
Patrones espaciales de distribucin.
Se define un patrn o modelo como una representacin parcial de la realidad que
refleja algunas de sus propiedades. Estos son simplificaciones, debidas tanto a la
necesidad de reducir la complejidad del objeto real como a nuestro desconocimiento de
muchas de sus propiedades (MATEO et al., 2011). Por otro lado, el concepto de rea
de distribucin, que como ya se ha mencionado, recoge ideas de la ecologa terica,
que no considera el espacio geogrfico como el puro soporte fsico de la biosfera, sino
como un elemento de un sistema cuyas
partes se ajustan y se modifican mutuamente; se define como aquella fraccin del
espacio geogrfico donde una especie est presente, interactuando en forma no efmera
con el ecosistema (ZUNINO & PALESTRINI, 1991, en ZUNINO & ZULLINI, 2003). Por
lo tanto, los modelos de distribucin de especies son representaciones cartogrficas de
la idoneidad de un espacio para la presencia de una especie en funcin de las variables
empleadas para generar dicha representacin (MATEO et al., 2011). Es decir, los MDE
son modelos empricos que relacionan las observaciones de campo a las variables de
prediccin del medio ambiente, a partir de superficies de respuesta, derivadas
estadstica o tericamente (GUISAN & ZIMMERMANN, 2000)
MATEO, R.G., FELICSIMO, A.M. & MUOZ, J. (2011) Modelos de distribucin de
especies: una revisin sinttica. Revista Chilena de Historia Natural, 84, 217-240.
ZUNINO, M. & ZULLINI, A. (2003) Biogeografa: La dimensin espacial de la evolucin.
Fondo de Cultura Econmica. Mxico.
GUISAN, A. & THUILLER, W. (2005) Predicting species distribution: offering more tan
simple habitat models. Ecology Letters, 8, 9931009.
Pixel.
Abreviacin de Picture Element (Elemento de dibujo), es la parte ms pequea de un
dibujo o imagen digital (ERDAS 2010).
Prueba estadstica.
Una prueba estadstica es una forma de evaluar la evidencia que los datos proporcionan
para probar una hiptesis. Esta hiptesis se denomina hiptesis nula, y suele
denominarse H0. Bajo H0, los datos se generan mediante procesos aleatorios. En otras
palabras, los procesos controlados (las manipulaciones experimentales, por ejemplo) no
afectan a los datos. Normalmente, H0 establece la igualdad (entre las medias, o entre
las varianzas, o entre un coeficiente de correlacin y cero, por ejemplo).
H0 normalmente se opone a una hiptesis denominada hiptesis alternativa,
denominada H1 o Ha. La mayora de las veces, la hiptesis alternativa es aquella que
100
el usuario querra demostrar. Implica establecer una diferencia (por ejemplo, diferencia
entre medias).
Si los datos no proporcionan suficiente evidencia contra H0, H0 no se rechaza. Si, por
el contrario, muestran una fuerte evidencia contra H0, H0 se rechaza, y Ha se considera
verdadera con un riesgo cuantificado (bajo) de ser errnea. Una prueba estadstica
permite rechazar / no rechazar H0.
R
Radiancia espectral.
Trmino utilizado para describir el poder de la densidad de la radiacin. Utiliza unidades
de W.m2.sr-1.m-1 (Watts por unidad de rea fuente, por unidad de ngulo slido, por
unidad de longitud de onda) es usado para caracterizar la luz como una sola longitud de
onda o intervalo de banda (Irish, 2008).
Reflectancia espectral.
Es la razn entre la radiacin reflejada y el incidente, se le denomina tambin albedo
desde el punto de vista geofsico. Se consideran dos tipos cuando se hablan de
correcciones atmosfrica, la reflectancia de la cima de la atmsfera (TOA, Top of the
atmospehere) y la reflectancia a nivel de superficie. (NASA, 2010).
Ruidos en imgenes.
El ruido digital es la variacin aleatoria (que no se corresponde con la realidad) del brillo
o el color en las imgenes digitales producido por el dispositivo de entrada (la cmara
digital en este caso).
Est universalmente aceptado que, as como, en la imagen analgica el grano era
aceptable e incluso esttico, en la fotografa digital el ruido es antiesttico e indeseable.
S
Semanas epidemiolgicas.
Para realizar las acciones de vigilancia epidemiolgica, se requiere agrupar los
padecimientos o eventos epidemiolgicos alrededor de un perodo de tiempo
determinado. Este perodo es generalmente de una semana y se le conoce como
semana epidemiolgica; a su vez, a la divisin de los 365 das del ao en semanas
epidemiolgicas, se le conoce como calendario epidemiolgico, el cual es un
instrumento de estandarizacin de la variable tiempo para los fines de la vigilancia
epidemiolgica. Las semanas epidemiolgicas inician en domingo y terminan en
sbado; para designar la primera semana epidemiolgica del ao, se ubica el primer
sbado de enero que incluya en los das inmediatamente precedentes, cuatro o ms
das del mes de enero, aun cuando esa primera semana se inicie en diciembre.
Shapefile.
Un shapefile es un formato sencillo y no topolgico que se utiliza para almacenar la
ubicacin geomtrica y la informacin de atributos de las entidades geogrficas. Las
entidades geogrficas de un shapefile se pueden representar por medio de puntos,
lneas o polgonos (reas). El espacio de trabajo que contiene shapefiles tambin puede
incluir tablas del dBASE, que pueden almacenar atributos adicionales que se pueden
vincular a las entidades de un shapefile.
T
Tasa de Incidencia Acumulada.
La Incidencia se define como el nmero de casos nuevos de una determinada
enfermedad que se desarrollan en una poblacin de riesgo durante un periodo de
tiempo. Hay que diferenciar dos tipos de medida de incidencia: la incidencia acumulada,
y la tasa o densidad de incidencia.
101
La Incidencia Acumulada (IA) se calcula dividiendo el nmero de casos nuevos de una

enfermedad que aparecen en un perodo de tiempo por el total de la poblacin en riesgo
al inicio de ese perodo. La IA expresa la probabilidad de un individuo de desarrollar la
enfermedad en un perodo de tiempo especfico. Es una proporcin. Se asume que el
tiempo de observacin es el mismo para cada individuo (cohorte fija).
ABREVIATURAS:
AVHRR:
Advanced Very High-Resolution Radiometer.
CIETROP:
Centro de Investigaciones de Enfermedades Tropicales " Maxime Kuczynski"
CMNUCC:
Convencin Marco de las Naciones Unidas sobre el Cambio Climtico
CLASlite:
Carnegie Landsat Analysis System
(El Sistema de Anlisis Landsat de Carnegie Lite).
DGOTA:
Direccin General de Ordenamiento Territorial y Ambiente.
(Ministerio del Ambiente, Per).
DIRESA:
Direccin Regional de Salud - Loreto.
ESRI:
Environmental Systems Research Institute.
(Es una empresa fundada por Jack Dangermond en 1969 que en sus inicios se dedicaba
a trabajos de consultora del territorio. Actualmente desarrolla y comercializa software
para Sistemas de Informacin Geogrfica y es una de las compaas lderes en el sector
a nivel mundial).
FAO:
Food and Agricultural Organization
Organizacin de las Naciones Unidas para la Agricultura y la Alimentacin, (tiene como
objetivo aumentar la produccin de alimentos en todo el mundo y trata de asegurarse
de que las personas de las zonas ms pobres puedan obtener los alimentos que
necesitan).
IBM SPSS:
International Business Machines - Statistical Package for the Social Sciences.
Paquete Estadstico para las Ciencias Sociales.
MINAM:
Ministerio del Ambiente del Per
MODIS:
Moderate Resolution Imaging Spectroradiometer.
102
NASA:
National Aeronautics and Space Administration.
Administracin Nacional de la Aeronutica y del Espacio.
NOAA:
National Oceanic and Atmospheric Administration.
SPOT:
Satellite Pour l'Observation de la Terre.
Satlite Para la Observacin de la Tierra.
USAID:
U.S. Agency for International Development
Agencia de los Estados Unidos para el Desarrollo Internacional
USGS:
United States Geological Survey
Servicio Geolgico de los Estados Unidos.
WRS-2:
Worldwide Reference System (WRS)
El Sistema de Referencia Mundial (WRS) es una notacin global utilizada en la
catalogacin de datos de Landsat. Landsat 8 y Landsat 7 siguen el WRS-2, al igual que
Landsat 5 y Landsat 4. Landsat 1, Landsat 2 y Landsat 3 seguido de WRS-1. Esta
herramienta le permite ingresar cualquier ruta y fila Landsat para obtener las
coordenadas de latitud y longitud ms cercanas.
COLABORADORES
INSTITUCIONES:
Instituto de Investigaciones de la Amazonia Peruana IIAP (Programa de
Investigacin en Cambio Climtico, Desarrollo Territorial y Ambiente PROTERRA).
Instituto Nacional de Salud INS.

Centro de Investigacin en Enfermedades Tropicales Maxime Kuczynski.
PERSONAS:
Lizardo Manuel Fachn Malaverri.
Dennis del Castillo Torres
Herman Collazos Saldaa.
Karine Zevallos Villegas.
Ricarte Renn Ruiz Chvez.
103
ANEXOS
104
BASE DE DATOS
EPIDEMIOLOGICOS
Anexo I. Proceso metodolgico.
MS Excel
A
Base de datos de
casustica de
MALARIA por lugar ArcGIS
poblado.
Anlisis de
Lugares poblados con Generacin de Mapas Mapa de Distribucin
autocorrelacin espacial
nmero de casos de Distribucin espacial de malaria
(agregado, aleatorio o
anuales de malaria. espacial de Malaria. Clusterizado. SPSS
Join disperso)
Puntos de lugares poblados de la

ndices de
Moran I.
B Interpolacin
IDW Extract Extraccin de Anlisis de
by mask
carretera Iquitos Nauta. estadsticas. Correlacin.
D E
Verificacin
CLASlite y validacin.
WEB
C
Generacin Calibracin
Seleccin y Radiomtrica Generacin de
de los Generacin Mapas Generacin Mapa de
descarga de la Cobertura
archivos de cobertura de cambio de cobertura de
imgenes Fraccional
RAW, THEM Correccin Bosque. Bosque.
Landsat 8. (VF/VNF/S).
y QA Atmosfrica.
Etapa metodolgica.
105
Anexo II. Seleccin y descarga de las imgenes Landsat 8

Para la seleccin y descarga de las imgenes satelitales Landsat 8 LT1 se us el servidor de USGS.
Proceso de descarga de las imgenes Landsat 8 desde USGS

106
Proceso de descarga de las imgenes Landsat 8 usando el servidor del INPE.

107
Anexo III. Descarga de puntos de lugares poblados del rea de estudio.

108
Anexo IV. Proceso operativo para mapear deforestacin con

CLASlite.
1. Generacin de imgenes compuestas (RAW, Therm, QA).
Despus de la descarga de las imgenes satelitales Landsat 8 - LT1 estas
son descomprimidas y con el software CLASlite, que en la ltima versin ha
incorporado la herramienta Prepare Landsat, quien al ubicar y seleccionar la
carpeta que contiene los archivos TIF, proceder el apilamiento y preparar:
1) Un archivo _raw, est compuesta por las bandas 2 (azul), 3 (verde), 4 (rojo),
5, 6 (onda corta infrarroja 1) y 7 (infrarroja de onda corta (infrarrojo cercano)
2).
2) Un archivo _therm, est compuesto por las bandas trmicas banda 10 y 11.
3) Un archivo _QA, est compuesto por la banda de evaluacin de la calidad.
4) Un archivo _MTL.txt.: contiene la Metadato de la imagen.
Proceso de preparacin de los archivos para ingresar en CLASlite.
2. Acondicionamiento de las imgenes

Los archivos compuestos por Prepare Landsat se corren en cada carpeta de
la imagen descargada.
109
3. Calibracin Radiomtrica (Paso 1 - CLASlite)

El sensor satelital cuando registra datos, detecta la energa reflejada de la
superficie terrestre y de la atmosfera, estos datos son colectados a travs del
sistema de imgenes y almacenados de forma digital; sin embrago para usar
las imgenes de manera cuantitativa, los datos registrados en cada pixel
deben calibrase con unidades de nmeros digitales a unidades de energa
reflejada, es en este paso que CLASlite utiliza factores de conversin para la
calibracin radiomtrica (ganancia y compensacin) suministrados por los
proveedores de sensores satelitales, obteniendo como resultado una imagen
en unidades de radiancia (vatios por metro cuadrado por unidad de ngulo
slido), tambin conocida como la energa medida por el sensor satelital.
Correccin atmosfrica (Paso 1-CLASlite)

Los datos radiomtricos contienen informacin de la superficie terrestre y de
su atmsfera. De esta forma, para trabajar las reas de vegetacin, es
necesario minimizar la contribucin de la atmsfera a los valores de cada pxel
en la imagen de satlite. Esto se logra a travs de un proceso llamado
correccin atmosfrica, que minimiza el efecto del vapor de agua (humedad),
aerosoles (del polvo, volcanes, etc.) y otros factores. CLASlite usa el modelo
6S de transferencia radiativa, que simula la atmsfera de la Tierra en cada
imagen de satlite, que con la informacin de MODIS (Moderate Resolution
110
Imaging Spectroradiometer), modela el efecto de la atmsfera sobre la luz

solar a medida que pasa a travs de la atmsfera, interacta con la superficie
terrestre y regresa a travs de la atmsfera al sensor satelital. Para cada
imagen, CLASlite ha automatizado completamente la integracin de los
promedios mensuales de los datos de MODIS, correspondientes a la fecha de
adquisicin de la imagen, en el cdigo de 6S.
4. Generacin de Imgenes de Cobertura Fraccional (Paso 2 - CLASlite)

Para este proceso se utiliza las imgenes previamente calibradas y por la
correccin atmosfrica, ingresan en CLASlite (paso 2) para generar las
imgenes de cobertura fraccional de cada escena, esto implica realizar una
clasificacin de mezcla espectral a travs del mtodo AutoMCU, o agregacin
Espectral Automatizada Monte Carlo, que ofrece un anlisis cuantitativo de la
cobertura fraccional o porcentual (0100%) de la vegetacin viva y muerta y
el sustrato expuesto dentro de cada pxel satelital.
*CLASlite tiene dos pasos para enmascaramiento: el primer paso est en el

Paso 1 de calibracin de la imagen, y el segundo est en el Paso 2 para el
mapa de cobertura fraccional. El enmascaramiento del Paso 1 elimina las
nubes, sombras de nubes, sombras del terreno y agua. El segundo elimina
los errores de la MCU basados en valores del RMSE (el producto de la
sptima banda) en la imagen de cobertura fraccional.
5. Generacin de mapas de cobertura de bosque (Paso 3-CLASlite)

Al obtenerse los mosaicos por departamento de imgenes de cobertura
fraccional, se ingresa en CLASlite y a travs de los rboles de decisin
definidos convierten los resultados del Auto MCU de un solo ao a estimados
de Cobertura de Bosque y No Bosque.
111
6. Generacin de mapas de cambios de cobertura de bosque (Paso 4 -

CLASlite)
La generacin de los mapas de cambios de cobertura de bosque se ingresa
en CLASlite los mosaicos por departamento de las imgenes calibradas y de
las imgenes de cobertura fraccional de dos aos a ms y a travs de los
rboles de decisin, generan los ms de cambio de cobertura de bosque por
cada departamento.
*Los resultados obtenidos del mapa de Bosque y no bosque, como del mapa
de cambio de cobertura de bosque, se encuentran en formato rster las cuales
son convertidas en informacin vectorial para el proceso de verificacin y
eliminacin de datos sobrantes, este proceso es realizado en ArcGIS.
112
Anexo V. SALIDAS DE CLASlite.
1. Imgenes de reflectancia, con calibracin radiomtrica y corregidas atmosfricamente, con reas de nubes y cuerpos de
agua enmascaradas.
2014 Periodo 1 2015 Periodo 2 2016 Periodo 3 2017

(10 meses) (11 meses) (6 meses)
113
2. Rasters de Cobertura Fraccional.
2014 2015 2016 2017

114
3. Rasters de cobertura de Bosque y No Bosque.
2014 2015 2016 2017

115
4. Rasters de Deforestacin y Degradacin (en trminos de perturbacin) del

Bosque.
DEFORESTACION DEGRADACION
116
5. Mapa de Deforestacin y Degradacin del Bosque en los tres periodos

investigados.
DEFORESTACION DEGRADACION
Leyenda:
Periodo 2014 al 2015
Periodo 2015 al 2016
Periodo 2016 a fines de 2016

117
Anexo VI. Consideraciones con CLASlite.

Potencialidades y limitaciones de CLASlite.
El poder de CLASlite est en su habilidad nica de convertir lo verde de denso bosque
tropical que se encuentran en las imgenes bsicas de satlite, a mapas altamente
detallados donde se puede encontrar fcilmente deforestacin, y perturbacin del
bosque.
Interaccin con el usuario

CLASlite no genera un mapa final, sino una serie de imgenes ecolgicamente
significativas que identifican de forma precisa la cantidad de cobertura del bosque, la
deforestacin y la perturbacin. A pesar de ser un proceso altamente automatizado, el
usuario debe familiarizarse con las imgenes de salida de CLASlite. Todas las imgenes
de salida imgenes de reflectancia, cobertura fraccional, cambio del bosque pueden
incorporarse fcilmente en mapas digitales a travs de Sistemas de Informacin
Geogrfica (GIS) y otros programas comunes de mapeo y anlisis espacial.
Interpretacin de las salidas

CLASlite detecta deforestacin y perturbacin como cambios en la cobertura fraccional
de PV, NPV y S desde un punto en el tiempo al siguiente. Se trata de la deteccin de un
cambio fsico en la estructura del bosque, y, por lo tanto, los resultados no indican
explcitamente la causa del cambio. El usuario de CLASlite puede detectar tanto la
deforestacin como el crecimiento secundario. La deforestacin se muestra claramente
como perdida de cobertura del bosque, que produce terreno expuesto y NPV. El
crecimiento secundario puede rastrearse con una revisin cuidadosa de la recuperacin
del bosque despus de un aclaramiento, que debe mapearse previamente.
Anlisis de imgenes nicas vs. multi-imgenes

La capacidad de detectar perturbacin o deforestacin a partir de una imagen nica
debe emplearse con cuidado. La perturbacin y la deforestacin se basan en un cambio
de condicin de un perodo de tiempo a otro. Si bien los patrones de deforestacin o
perturbacin se pueden inferir de una sola imagen, es necesaria la interpretacin de los
resultados por parte de una persona. Por lo tanto, cualquier cosa que se detecte como
perturbacin o deforestacin a partir de una sola imagen debe usarse como gua para
ms investigacin y validacin. Los cambios en la fenologa del bosque podran afectar
la capacidad de CLASlite para detectar el cambio del bosque.
118
Anexo VII. Lista de lugares poblados.
REGISTRO DE CENTROS POBLADOS
ID NOMBRE 2014 2015 2016

0 13 de Febrero 68 170 166
1 Samito 0 0 0
2 Lagunas 0 0 0
3 Maravilla 0 0 0
4 Porvenir 1 0 2
5 Yuto 0 0 0
6 Mishana 5 8 2
7 Shiriara 0 0 0
8 Santa Eloisa 1 1 0
9 Santa Cruz 0 0 0
10 Tamaeshi 0 0 0
11 Aguas Negras 0 0 0
12 Llanchama 255 336 380
13 Supay Posa 0 0 0
14 Puuisique 0 0 0
15 Nina Rumi 601 493 364
16 Cruz del Sur 4 4 2
17 Puerto Almendra 30 162 134
18 Yana Yaco 0 0 0
19 Santa Clara 1253 358 531
20 Ruitococha 0 0 0
21 Paa 0 0 0
22 Rumococha 366 88 223
23 Santo Tomas 917 303 354
24 Pea Negra 69 36 38
25 San Fernando 0 0 0
26 Nueva Esperanza del Amazonas 0 0 0
27 El Porvenir I Zona 0 0 0
28 Santa Catalina 13 6 5
29 Santa Lucinda 0 0 0
30 San Jos de Omaguas 0 0 0
31 Yacapana I Zona 0 0 0
32 Yacapana II Zona 0 0 0
33 Pea Blanca 0 0 1
34 Palo Seco 4 9 3
35 Santa Martha 1 0 0
36 Cahuide 132 314 308
37 12 de Abril 31 43 61
119
38 El Triunfo 6 0 0
39 10 de Octubre I Zona 16 14 5
40 Ex Petroleros I Zona 58 176 102
41 Nuevo Horizonte 27 44 35
42 Paujil I Zona 46 87 91
43 El Dorado 77 96 93
44 Villa Buen Pastor 68 273 165
45 Nuevo Milagro 6 99 87
46 Moralillo 45 126 69
47 Varillal 211 219 523
48 Lucero Pata 0 0 0
49 Vista Alegre 0 0 0
50 Mariscal Castilla 0 0 0
51 San Joaqun de Omaguas 0 0 0
52 NAUTA 0 0 0
53 San Francisco 0 0 0
54 Fray Martn 0 0 0
55 Santa Rita 0 0 0
56 San Jos de Lupuna 0 0 0
57 San Pedro 1 2 1
58 Tres Unidos 38 70 58
59 San Pablo de Cuyana 356 164 58
60 Lobo Yacu 96 44 25
61 08 de Octubre 61 104 37
62 Huaturia 5 140 14
63 Tarapoto 0 0 3
64 Libertad 0 1 0
65 Ayacucho 0 0 0
66 Yarina 0 0 0
67 Puerto Miguel 0 0 0
68 Jaldar 0 0 0
69 Nuevo Loreto 0 0 0
70 25 de Enero 6 2 0
71 Quistococha 923 187 223
72 Zungaro Cocha 871 380 368
73 San Jos 17 30 33
74 Nueva Esperanza 7 12 5
75 Beln de Juda 4 0 3
76 Soledad 0 0 1
77 28 de Julio 0 0 0
78 24 de Junio 0 1 0
79 ngel Crdenas II Zona 5 7 3
80 Paujil II Zona 12 47 24
120
81 San Lucas 5 60 48
82 Yarana Yuto 0 0 0
83 24 de Octubre 0 0 0
84 Nuevo Triunfo 3 5 10
85 Huambe 7 27 13
86 Habana 16 13 18
87 Huscar 0 0 0
88 Nuevo San Juan 0 6 2
89 Buena Esperanza 0 2 0
90 Santa Brbara 1 0 0
91 San Carlos 45 82 41
92 San Pedro 0 0 0
93 San Antonio 1 4 1
94 Paraso 3 6 3
95 Nueva Santa Eloisa 0 0 0
96 Creacin 2000 10 4 3
97 San Pedro de Pintuyacu 3 1 0
98 Varadero de Omaguas 1 1 0
99 Nueva Vida 0 0 0
100 Nuevo San Martn 6 7 2
101 Nuevo Progreso 1 7 5
102 Los Cedros 2 0 0
103 Nuevo Miraflores 5 6 6
104 12 de Octubre 65 65 28
105 Meliton Carbajal 4 40 32
106 Luz del Oriente 10 17 16
107 28 de Enero 5 17 17
108 Limn 0 0 0
109 San Juan de Munich 0 0 0
110 Nuevo San Lorenzo 0 0 0
111 Unin 119 56 34
112 Los Delfines 217 105 98
113 Francisco Morales Bermdez 0 0 0
114 Ayacucho de Tipishca 0 0 0
115 Nuevo Amor Fino 0 0 0
116 Nuevo Jerusaln 3 4 8
117 Villa Beln 2 21 34
118 San Salvador de Omaguas 0 0 0
119 Providencia 0 0 0
120 Seor de los Milagros 0 0 0
121 Nuevo San Lorenzo 0 0 0
122 Nueva Primavera 0 0 0
123 Dos Unidos 0 0 0
121
124 Centro Yacapana 0 0 0

125 8 de Setiembre 0 0 0
126 Puerto Miguel 0 0 0
127 San Juan del Amazonas 0 0 0
128 Buenos Aires 0 0 0
129 San pedro del Amazonas 0 0 0
130 Fomento 0 0 0
131 5 de Diciembre 0 0 0
132 Nuevo San Juan 4 6 2
133 Nuevo Piura 0 0 0
134 Yarana 0 0 0
135 Ex Petroleros II Zona 0 0 0
136 Primero de Mayo 0 0 0
137 San Martin 0 0 0
138 Unin Progreso 6 0 0
139 10 de Octubre II Zona 0 0 0
140 Ciudad Satlite 0 0 0
141 Agua Blanca 0 0 0
142 San Juan de Pintuyacu 0 0 0
143 3 de Octubre 34 40 36
144 5 de Junio 0 2 0
145 La Unin 0 0 0
146 Buena Vista 0 0 1
147 Paa Cocha 0 0 0
148 11 de Agosto 0 0 0
149 Santa Catalina 0 0 0
150 23 de Febrero 0 0 0
151 San Martin II Zona 0 0 0
152 La Paz 0 0 0
153 12 de Diciembre 0 0 0
154 31 de Mayo 1 0 0
155 Laguna Azul 0 0 0
156 Shushuna 39 12 9
157 San Martin 0 0 0
158 Santa Rosa 7 8 4
159 Santa Cruz 0 0 0
160 Puerto Prado 0 0 0
161 Amazonas 0 0 0
162 Payorote 0 0 0
163 Miguel Grau 0 0 0
164 Hiplito Unanue 0 0 0
165 Betsaida 0 0 0
166 San Rafael de Tapirilla 0 0 0
122
167 Tierra Prometida 0 0 0

168 Santa Mara de Ftima 2 7 5
169 Villa Puerto Cruz 0 0 0
170 Nuevo Mundo 0 0 0
171 San Juan de Puritania 0 0 0
172 Buena Unin 0 0 0
173 1 de Mayo 3 3 0
174 1 de Febrero 1 1 1
175 San Ignacio 0 0 0
176 Casual 0 0 0
177 7 de Febrero 0 0 0
178 Libertad 0 1 0
179 San Jos de Paranapura 0 0 0
Anexo VIII. Herramienta de anlisis de patrones de

distribucin espacial (Autocorrelacin espacial) con el
ndice de Moran I.
123
Interpretacin6.
La herramienta Autocorrelacin espacial (I de Moran) es una estadstica

deductiva, lo que significa que los resultados del anlisis siempre se interpretan
dentro del contexto de la hiptesis nula. Para la estadstica I de Moran global,
la hiptesis nula establece que el atributo que se analiza est distribuido en
forma aleatoria entre las entidades del rea de estudio; es decir, los procesos
espaciales que promueven el patrn de valores observado constituyen una
opcin aleatoria. Imagnese que pudiera elegir los valores para al atributo que
analiza, arrojarlos sobre las entidades y dejar que cada valor caiga donde caiga.
Este proceso (elegir y arrojar los valores) es un ejemplo de un proceso espacial
de opcin aleatoria.
Cuando el valor P que devuelve esta herramienta es estadsticamente

significativo, puede rechazar la hiptesis nula. La siguiente tabla resume la
interpretacin de los resultados:
El valor P no es estadsticamente No puede rechazar la hiptesis nula. Es posible

significativo. que la distribucin espacial de los valores de
entidades sea el resultado de procesos espaciales
aleatorios. El patrn espacial observado de los
valores de entidades podra ser cualquiera de las
tantas versiones posibles de aleatoriedad espacial
completa (CSR).
El valor P es estadsticamente Puede rechazar la hiptesis nula. La distribucin
significativo y la puntuacin z espacial de los valores altos y los valores bajos en
es positiva. el dataset est ms agrupada espacialmente de lo
que se esperara si los procesos espaciales
subyacentes fueran aleatorios.
El valor P es estadsticamente Puede rechazar la hiptesis nula. La distribucin
significativo y la puntuacin z espacial de los valores altos y los valores bajos en
es negativa. el dataset est ms dispersa espacialmente de lo
que se esperara si los procesos espaciales
subyacentes fueran aleatorios. Un patrn espacial
disperso suele reflejar algn tipo de proceso
competitivo: una entidad con un valor alto
rechaza a otras entidades con valores altos; del
mismo modo, una entidad con un valor bajo
rechaza a otras entidades con valores bajos.
6
https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/h-how-spatial-
autocorrelation-moran-s-i-spatial-st.htm
124
Anexo IX. Herramienta de interpolacin IDW en ArcGIS.

125
Anexo X. Mapa de distribucin espacial de malaria en el mbito de influencia de
la carretera Iquitos Nauta.
2014 2015 2016

126
Anexo XI. Documentacin de entrega formal de datos

epidemiolgicos.
127
Anexo XII. Validacin de mapa de deforestacin.

01.tesis - Jhon Ever Rengifo Marin PDF

Cargado por

Copyright:

Formatos disponibles

01.tesis - Jhon Ever Rengifo Marin PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

01.tesis - Jhon Ever Rengifo Marin PDF

Cargado por

Copyright:

Formatos disponibles

1

INGENIERO EN GESTIN AMBIENTAL

JHON EVER RENGIFO MARIN

A Carmen Melndez y Ricardo Marn por supuesto.

Agradecimiento pleno a toda mi familia

A Lizardo Fachn por ayudarme en

A Herman Collazos por su apoyo en

Al personal del IIAP y el CIETROP por

"Ignorance affirms or denies emphatically.

CAPITULO I. PLANTEAMIENTO DEL PROBLEMA ...........................................14

1.1 PROBLEMA, HIPTESIS Y VARIABLES ............................................14

1.1.1. Descripcin del problema .................................................................14

1.1.2. Definicin del problema ....................................................................15

1.1.4. Identificacin de las variables ...........................................................16

1.1.5. Operacionalizacin de las variables..................................................16

1.2 OBJETIVOS DE LA INVETIGACION ...................................................16

a) Objetivo general ...............................................................................16

b) Objetivos especficos ........................................................................17

1.3 JUSTIFICACION E IMPORTANCIA .....................................................17

CAPITULO II: METODOLOGA ..........................................................................20

2.1 REA DE ESTUDIO. ...........................................................................20

2.2 MATERIALES ......................................................................................21

2.3 MTODO .............................................................................................24

A. Extraccin de datos de casustica de malaria de la base de datos de

B. Modelamiento espacial de casos de malaria ....................................25

C. Mapeo de la deforestacin ...............................................................25

D. Extraccin de estadsticas de deforestacin .....................................26

E. Anlisis de correlacin ......................................................................26

CAPITULO III: REVISION DE LITERATURA .....................................................27

3.1 MARCO TERICO ..............................................................................27

Epidemiologia panormica .........................................................................27

Sensoramiento Remoto. .............................................................................28

Firmas espectrales .....................................................................................34

Landsat Data Continuity Mission Landsat-8. ............................................35

Sistemas de informacin geogrfica (SIG) .................................................38

Anlisis espacial .........................................................................................39

Inverse Distance Weighting (IDW) ..............................................................41

Deteccin y medicin de la autocorrelacin espacial ..................................42

Enfermedades tropicales y los bosques. ....................................................44

Monitoreo de la deforestacin ....................................................................46

Aspectos generales de la herramienta CLASlite. ........................................47

A. Anlisis de cobertura fraccional ........................................................48

B. Anlisis de cobertura de bosque/no bosque .....................................49

C. Anlisis de cambio de bosque ..........................................................49

Deforestacin como determinante de la malaria. ........................................50

3.2 MARCO CONCEPTUAL ......................................................................53

Epidemiologia panormica .........................................................................53

Sensoramiento Remoto ..............................................................................53

Sistemas de informacin geogrfica (SIG) .................................................54

Anlisis espacial .........................................................................................54

Inverse Distance Weighting (IDW) ..............................................................55

Enfermedades Tropicales ...........................................................................56

Definiciones operativas de bosque y deforestacin ....................................60

CAPITULO IV: ANALISIS Y PRESENTACION DE LOS RESULTADOS ............62

4.1 Extraccin de datos de la casustica de malaria de la base de datos de

4.2 Modelamiento espacial de la malaria ...................................................64

4.3 Mapeo de la deforestacin ...................................................................69

4.4 Extraccin de estadsticas de deforestacin.........................................71

4.5 Anlisis de correlacin. ........................................................................77