ALFA. Revista de Investigación en Ciencias
Agronómicas y Veterinarias
https://doi.org/10.33996/revistaalfa.v6i17.171
Mayo-agosto 2022
Volumen 6, Número 17
ISSN: 2664-0902
ISSN-L: 2664-0902
pp. 317 – 335
Factores determinantes de la producción forestal en la
región Puno - Perú, 2019
Determinants
of forest production in the Puno region - Peru, 2019
Determinantes da produção florestal na região de Puno - Peru, 2019
Julio Cesar Quispe Mamani1
jcquispe@unap.edu.pe
https://orcid.org/0000-0002-3938-1459
Miriam Serezade
Hancco Gomez1
mhancco@unap.edu.pe
https://orcid.org/0000-0003-3913-2775
Santotomas Licimaco Aguilar Pinto2
licimacoaguilar@gmail.com
https://orcid.org/0000-0002-1796-9278
Amira Carpio Maraza1
acarpio@unap.edu.pe
https://orcid.org/0000-0002-1917-4938
Balbina Esperanza Cutipa Quilca1
becutipa@unap.edu.pe
https://orcid.org/0000-0002-3839-5138
Ronald Raúl Arce-Coaquira1
rarce@unap.edu.pe
https://orcid.org/0000-0002-6546-0038
¹Universidad Nacional del Altiplano. Puno, Perú
²Universidad Andina Néstor
Cáceres Velásquez. Juliaca, Perú
Artículo recibido el 1 de julio 2022 / Arbitrado el 21 de
julio 2022 / Publicado el 2 de agosto 2022
RESUMEN
El objetivo de esta investigación fue encontrar los factores
determinantes de la producción forestal en la región de Puno en Perú, para lo
cual se aplicó el enfoque cuantitativo, correlacional
y transversal, utilizando datos de la Encuesta Nacional de Hogares del
Instituto Nacional de Estadística e Informática, del año 2019; se consideró una
muestra de 408 observaciones, con la aplicación del modelo ANCOVA. Se
estableció que los factores determinantes de la producción forestal son la
explotación agrícola, explotación pecuaria, parcelas trabajadas, gasto en
transporte y tenencia de tierra; además, la explotación pecuaria, las parcelas
trabajadas, el uso de un sistema de riego y la realización del gasto en
transporte influyen de manera directa sobre la producción forestal y la
explotación agrícola y la tenencia de tierra influyen de manera negativa en la
producción forestal en la región de Puno.
Palabras clave: Forestación; Gasto; Parcelas; Producción; Tenencia de tierra
ABSTRACT
The objective of this research was to find the
determinants of forest production in the region of Puno, Peru, for which the
quantitative, correlational and cross-sectional approach was applied, using
data from the National Household Survey of the National Institute of Statistics
and Informatics, of the year 2019; a sample of 408 observations was considered,
with the application of the ANCOVA model. It was established that the
determinants of forestry production are agricultural exploitation, livestock
exploitation, worked plots, transportation expenditure and land tenure; in
addition, livestock exploitation, worked plots, the use of an irrigation system
and the realization of transportation expenditure have a direct influence on
forestry production and agricultural exploitation and land tenure have a
negative influence on forestry production in the Puno region in Perú.
Key words: Forestry;
Expenditure; Plots; Production; Land tenure
RESUMO
O objetivo desta pesquisa foi encontrar os determinantes da produção
florestal na região de Puno, Peru, para a qual foi aplicada a abordagem
quantitativa, correlacional e transversal, utilizando
dados da Pesquisa Nacional de Domicílios do Instituto Nacional de Estatística e
Informática, do ano de 2019; uma amostra de 408 observações foi considerada,
com a aplicação do modelo ANCOVA. Foi estabelecido que os determinantes da
produção florestal são a exploração agrícola, a
exploração pecuária, as parcelas trabalhadas, as despesas de transporte e a
posse da terra; além disso, a exploração pecuária, as parcelas trabalhadas, o
uso de um sistema de irrigação e as despesas de transporte têm uma influência
direta na produção florestal e a exploração agrícola e a posse da terra têm uma
influência negativa na produção florestal na região de Puno de Perú.
Palavras-chave: Silvicultura; Gastos; Parcelas; Produção;
Posse de terra; Florestação
INTRODUCCIÓN
La industria forestal ha tomado mucha fuerza en los últimos años, en
muchos de los países desarrollados, como es el caso de China, esto debido a la
demanda nacional e internacional de productos forestales, teniendo en cuenta
siempre la conservación de la ecología forestal, conocimiento profundo de la
naturaleza, seleccionar las especies forestales más idóneas, un plan de manejo
forestal. Esto es muy importante para las empresas y las regiones que son parte
de la producción forestal, para así lograr un desarrollo sostenible (1–4). Hay muchos factores que influyen en la
producción forestal como los tipos de bosques, la cultura de la población, las
estrategias de costos de producción, y la política forestal. Por otro lado, el tema que ha causado mucha controversia
en los últimos años ha sido el calentamiento global, en la que la plantación
forestal está cumpliendo un rol muy importante, debido a que esta absorbe el
dióxido de carbono transformándola en oxigeno limpio (5–8).
Para fortalecer esto, Stoneman (9) planteo un modelo de “Silvicultura
ecológica”, que considera que la producción forestal debe tener límites ante la
alteración humana del paisaje, por ende, tener una producción forestal
sostenible. Además, Wang et al., (10), plantearon que el biocarbón, mejora los sistemas forestales, como la mejora
en la salud del suelo, crecimiento de las plantas y el secuestro del carbono
mitigando los gases del efecto invernadero. También se puede optimizar la
producción forestal y el cuidado del medio ambiente, se encontraron modelos
matemáticos parametrizando variables claves, como la
demanda, costos de transporte, precio de la madera y el rendimiento del proceso
aserrado, además políticas forestales como la educación al cuidado de los
recursos forestales, también modelos del periodo de vida de las plantas
forestales y modelos de aspectos sociales, como el impacto socioeconómico de la
actividad forestal maderable (2,5,11–13)
Así como las regiones o comunidades obtienen múltiples beneficios de los
bosques, como la mejora de la calidad del aire, también se encontraron efectos
negativos de parte de la industria forestal, por lo que los sectores
gubernamentales y los privados deben tomar medidas para contrarrestar esto;
toda vez que, si no se hace algo al respecto, el impacto a largo plazo será
crucial teniendo efectos económicos y ambientales. Para lo cual se propone
hacer un análisis de la vulnerabilidad forestal y un prototipo de estructura de
planificación a escala local y regional, así como la educación de los profesionales
forestales y la aplicación de tecnología avanzada, con esto tener una
producción forestal sostenible (3,14–18).
En cuanto a las estadísticas a nivel mundial, la superficie boscosa
comprende 3000 millones de hectáreas de bosques naturales que en teoría pueden
ser utilizados por la industria forestal, entre estas se encuentran los bosques
de latifoliadas que constituyen el 60% de esta
superficie y se encuentran mayoritariamente en el hemisferio sur, en zonas
tropicales y subtropicales de Sudamérica, África y el sur de Asia; y por el
contrario los bosques de coníferas, conforman el 40% restante de los recursos
forestales naturales del planeta, las cuales se encuentran en el hemisferio
norte, particularmente en Siberia, Escandinava y América del Norte y las
plantaciones artificiales ocupan solamente un área cercana a 170 millones de
hectáreas. Con referencia al área de bosque, según la Organización de las
Naciones Unidas para la Alimentación y la Agricultura (FAO) en el año 2020,
resalta los 5 países con más área forestal en todo el mundo en miles de
hectáreas, como se observa en la Figura 1, en primer lugar, se tiene a Rusia
(814,931 hectáreas), Brasil (493,538 hectáreas), Canadá (347,069 hectáreas),
Estados Unidos (310,095 hectáreas) y China (208,321 hectáreas), en cuánto al
Perú este ocupa el noveno lugar con (73,973 hectáreas) (19).
Figura 1. Ranking de los cinco países con más área forestal en
todo el mundo en 2020 (en millones de hectáreas). Fuente: FAO
En cuanto a la producción peruana este no alcanza para el consumo
interno, ya que importamos US$673 millones cada año en madera. La plantación
forestal realiza por el programa de Desarrollo agrario rural en Perú del año
2010 fue de 39,105 hectáreas, para el año 2015 disminuyó a 6,095 hectáreas y
para el 2019 disminuyó aún más llegando a 1,666 hectáreas (Tabla 1). Con
respecto a la producción comunal de plantones fue en el año 2010 se tuvo
71’842,641 plantones, para el año 2015 disminuyó a 10’821,454 plantones y para
el año 2019 disminuye notablemente a 4’987,325 plantones. Consecuentemente
también se puede observar las cantidades de Hectáreas utilizadas para la
reforestación en el año 2010 fue de 4,0811 hectáreas, para el año 2015
disminuyó a 6,095 hectáreas y un ligero incremento para el año 2019 llegando a
16,326 hectáreas (20–22).
El nuevo centro de producción forestal podría estar en la sierra que
cuenta con 370,000 Km2 y una superficie forestal de 68,000 Km2. En la tabla 1,
también se puede observar la plantación forestal por hectáreas en el
departamento de Puno por el Desarrollo agrario rural, en el 2010 llegó a 1,440
hectáreas, disminuyendo para el 2015 a 30 hectáreas y un ligero aumento para el
2019 llegando a 70 hectáreas. Con respecto a la producción comunal de plantones
en el año 2010 se tuvo 1’985,968 plantones, para el 2015 una caída en los en la
cantidad de plantones realizadas llegando a 14,000 y para el 2019 se recupera
hasta llegar a 90,666 plantones. En cuanto a la superficie reforestada en el
año 2010 fue de 1,341 hectáreas, y para el año 2015 disminuyó llegando a 30
hectáreas, y para el año 2019 un pequeño aumento llegando a 82 hectáreas (22).
Tabla 1.
Datos estadísticos de la producción forestal regional y nacional.
|
Año |
Plantación forestal (hectáreas) |
Producción comunal de plantones (plantones) |
Superficie reforestada acumulada (hectáreas) |
|||
|
Perú |
Puno |
Perú |
Puno |
Perú |
Puno |
|
|
2010 |
39105 |
1440 |
71842641 |
1985968 |
40 811 |
1 341 |
|
2011 |
26043 |
1083 |
42370193 |
1437274 |
38 563 |
1 440 |
|
2012 |
24769 |
1081 |
42752893 |
1051606 |
23 806 |
1 083 |
|
2013 |
21423 |
406 |
22238752 |
856628 |
9 795 |
372 |
|
2014 |
7587 |
49 |
14695020 |
178070 |
8 990 |
49 |
|
2015 |
6095 |
30 |
10821454 |
14000 |
6 095 |
30 |
|
2016 |
5298 |
31 |
9482722 |
0 |
7 221 |
31 |
|
2017 |
1678 |
10 |
9916136 |
11100 |
5 382 |
10 |
|
2018 |
4360 |
41 |
5560846 |
164110 |
4 346 |
35 |
|
2019 |
1666 |
70 |
4987325 |
90666 |
16 326 |
82 |
Fuente: Servicio
Nacional Forestal y de Fauna Silvestre (SERFOR).
Respecto a la producción de madera rolliza como se puede observar en la
Figura 2, la madera del Shihuahuaco representa el
19.11%, seguido de la madera del Tornillo con un 6.45% las maderas más
conocidas como el cedro y la caoba representan el 0.52% y el 0.11%
respectivamente (23).
Figura 2. Producción de madera rolliza en el año 2019 (Metros
cúbicos). Fuente: Servicio Nacional Forestal y de Fauna Silvestre (SERFOR)
Respecto a la producción de madera aserrada como se muestra en la figura
2, se evidencia que la madera de Tornillo representa el 13.53%, seguido de la
madera de Cumula con un 9.69% y la madera de Caoba con un 0.08% (20–22).
Figura 3. Producción de madera aserrada en el año 2019,
(Metros cúbicos). Fuente: Servicio
Nacional Forestal y de Fauna Silvestre (SERFOR).
En cuanto a la producción de madera rolliza y aserrada en la región de
Puno en ambos se ha tenido una tendencia decreciente desde el año 2009 como se
observa en la figura 3. La producción de madera rolliza ha disminuido entre los
años 2009 y 2014 en un 59.49%, además para el año 2019 ya no se registraron las
producciones de madera rolliza, y respecto a la producción de madera aserrada
también ha disminuido entre los años 2009 y 2014 en un 74.82%, y para el año
2019 ya no se registraron producciones de madera aserrada. De estas
producciones las que se producen más en la región de Puno, son la Rupiña, el Eucalipto, la Polylepis
racemosa (Quinual), la Polylepis incana (Queñua), el Kolly, el Lambrán, el Molle, etc (Figura 4)
(20–22).
Figura 4. Producción de madera rolliza y aserrada en la región
de Puno en el año 2019 (Metros cúbicos). Fuente:
Servicio Nacional Forestal y de Fauna Silvestre (SERFOR)
En contraste con los datos obtenidos se observó una baja producción
forestal, que vendría a ser el problema en cuestión para analizar. Por lo cual,
la presente investigación buscó responder la pregunta ¿Cuáles son los factores determinantes
de la producción forestal en la región de Puno en el año 2019? y ¿Cuáles son
las variables que influyen de manera positiva y negativa en la producción
forestal en la región de Puno en el año 2019?
Además, el objetivo que buscó la investigación es encontrar los factores
determinantes de la producción forestal en la región de Puno en el año 2019 e
identificar las variables que influyen de manera positiva y negativa en la
producción forestal en la región de Puno en el año 2019.
REVISIÓN EMPÍRICA DE LA INVESTIGACIÓN
La industria forestal en China, en los últimos años ha experimentado un
rápido desarrollo debido a la demanda nacional e internacional de productos
forestales, por ende Xiong et al. (3), realizaron un análisis espacio – temporal,
utilizando un modelo de series de tiempo con modelos VAR para los años 2005 -
2015, midiendo las diferencias regionales en la productividad forestal, en la
cual encontró seis factores que influyeron en la eficiencia de la producción
forestal, de estos el PBI per cápita, la cobertura forestal, el nivel educativo
de los empleados forestales y el número de estaciones de tecnología forestal
del municipio tienen una relación positiva con la eficiencia de la producción
forestal, sin embargo la reforma de la tenencia forestal colectiva tuvo un
efecto negativo que obstaculizo la eficiencia de la producción forestal.
Estados Unidos también, es uno de los países pioneros en la producción
forestal, estas son industriales y no industriales, por lo que, Newman y Wear (24), utilizando un modelo de comparación de
beneficios de dos productos, una que es madera para aserrar y madera para
pasta, las variables analizadas fueron el esfuerzo de regeneración, insumos
cuasi fijos, tierra y existencias de formación. Encontraron que el
comportamiento consistente de maximización de beneficios para las dos variables
de análisis tiene respuestas similares a las variaciones de los precios de los
insumos y productos, corto plazo y a largo plazo. Por lo que concluye que los
propietarios no industriales parecen darle más valor a la madera en pie y las
tierras forestales que los propietarios no industriales.
En España, se hicieron estudios como la de Ortuño (19), sobre el
análisis del Balance de la Madera que permitió a la industria forestal española
visualizar el flujo de madera a través de diversos sectores y subsectores y la
investigación de Alberdi et al. (5),
sobre la relación entre la madera muerta y la biomasa viva, utilizando un
enfoque de modelado rodal, que contienen variables climáticas y fisiográficas,
con la información obtenida del Inventario Nacional Forestal de España (38,945
parcelas). Encontraron que la proporción de madera muerta en relación con el
stock total de biomasa es mayor en la región biogeográfica mediterránea, además
de encontrarse diferencias significativas en las existencias de biomasa de
madera muerta entre bosques con diferentes niveles de protección antropogénica.
También se realizaron investigaciones sobre los efectos de las
actividades forestales en los ecosistemas de arroyos en Nueva Zelanda, como la
de Harding et al. (25), y como resultado encontraron que los cambios sustanciales en
la hidrología, ya que la producción forestal absorbe en gran cantidad el agua,
por lo que se ven afectados drásticamente las comunidades invertebradas
bentónicos. Por su parte, Garces (26) también encontró que la deforestación
comercial en Antioquía va ligada fuertemente con la concentración de la
propiedad rural y la intensidad de la ganadería, y en menor medida con la
inversión pública per cápita, desempeño fiscal del municipio y potencial
forestal protector.
Rehman et al. (7), realizaron
una investigación, cuyo objetivo fue desacoplar la influencia de las emisiones
de dióxido de carbono en la producción forestal, producción de cultivos, la
producción ganadera, el uso de energía, el crecimiento de la población, la
temperatura y las precipitaciones en Pakistán, para ello utilizó datos que van
desde 1970 a 2017, utilizando un modelo autorregresivo
vectorial (VAR). Los resultados a largo plazo fueron que la producción
forestal, las precipitaciones, y la temperatura tienen un efecto constructivo
en la emisión de carbono, sin embargo la producción de cultivos, la producción
ganadera, el usos de energía y el crecimiento de la población tienen un efecto
negativo sobre la emisión de dióxido de carbono, en cuánto al corto plazo los
resultados fueron distintos, ya que la producción forestal, la producción de
cultivos, la producción ganadera y la temperatura tienen un efecto positivo
sobre la emisión de dióxido de carbono, sin embargo el uso de energía tiene un
impacto adverso sobre la emisión de dióxido de carbono.
Por otra parte, Stoneman (9) realizó un análisis que evalúo hasta qué
punto las prácticas en el manejo forestal se alinean en la visión de las
características y la “silvicultura ecológica”, en los bosques del suroeste de
Australia. Para ello, evaluó la relación con las decisiones a nivel de la
estructura rodal, los niveles de cosecha, y la estructura de edad. Se encontró
que la ordenación forestal se alinea con la silvicultura bajo el modelo de
“silvicultura ecológica”.
En cuanto a la cordillera situada en los andes del continente asiático, Thakur et al. (18), realizaron una
investigación sobre la vulnerabilidad inherente de los bosques del Himalaya,
para lo cual utilizó un modelo de Proceso de Jerarquía Analítica, que se
utiliza para ponderar la vulnerabilidad. Los resultados que encontraron fueron
que en general los bosques templados y mixtos muestran una mayor vulnerabilidad
forestal en la región, sin embargo, los bosques de pino tropical, latifoliados y subalpinos se encuentran bajo redes
forestales menos vulnerables.
Por su parte Gasperini et al. (27), realizaron una investigación sobre los
efectos de borde en el banco de semillas para la producción forestal de los
bosques caducifolios en Europa. Entre los más importantes se encontraron que en
Bélgica el banco de semillas tuvo más homogéneo en el borde y el interior del
bosque, mientras que en Italia estas diferencias ecológicas y de composición
fueron mayores en el borde del bosque.
Por Centro América se tiene a Tavárez y Elbakidze (17), que
tuvieron por objetivo estimar la disponibilidad a pagar por la preservación de
los bosques urbanos y los servicios ecosistémicos
asociados en Puerto Rico, utilizando el método de valoración contingente, los
resultados que encontraron fueron que
los hogares de la región están dispuestos a pagar $ 117,98 al año para
preservar los bosques urbanos y $ 80,97 al año para preservar los servicios ecosistémicos. También se tiene a Morrison et al. (6), que tuvieron por objetivo determinar
los factores ambientales y espaciales que influyen en el stock de biomasa aérea
en los bosques de tropicales de Costa Rica, utilizando un modelo línea mixto,
para los años 2000 – 2015. Como resultado encontraron que los niveles de
potasio en el suelo tienen una relación positiva con el stock de biomasa aérea,
además de que no huno un efecto significativo del clima, posiblemente debido a
que existen cortos gradientes de temperatura y precipitación.
La investigación realizada por Reyes et
al. (28), donde el objetivo
fue analizar la influencia de la etnia y la religión en el uso de los bosques
nativos en el sur de Chile, utilizando datos de una encuesta que realizaron a
275 propietarios de bosques, encontraron
una influencia indirecta sobre la forma en la que moldean sus actitudes hacia
el tiempo y el riesgo, es decir ellos saben cuándo extraer la madera y en qué
momento hacer las plantaciones, sin embargo no encontraron una relación directa
entre grupos étnicos y religiosos y el uso de los bosques. Así mismo Troncoso y Garrido (11), realizaron una
investigación en la industria forestal de Chile, en la cual encontraron que las
variables como los costos de transporte y precios de madera son de suma
importancia en el modelo matemático para maximizar la producción forestal.
En cuanto a las investigaciones en el ámbito nacional, se tiene a Muñoz y Vega (29), que realizaron una
investigación, sobre la evaluación de la diversidad forestal y conocer la
especie más representativa en la región San Martín, utilizando la herramienta
de gestión “Zonificación Ecológica y Económica”, además de la información
geográfica, determinaron que el suelo franco arenoso es mayor proporción donde
se produce de manera eficiente la producción forestal, así también se
identificó que la especie más representativa es la Rupiña.
Por su parte, Navarro (30), hizo una investigación con el objetivo de determinar
si la producción de información geográfica impacta de manera significativa en
la gestión forestal de la Dirección Regional Forestal y Fauna Silvestre del
Gobierno Regional Madre de Dios, utilizando una metodología cuantitativa y correlacional. Se encontró que existe una influencia de la
variable producción de la información geográfica en la gestión forestal según
los trabajadores encuestados, por lo que hay la necesidad de implementar estos
lineamientos de gestión que darán acceso a la información geográfica.
Con un enfoque más económico, Morocho (31),
realizó una investigación, cuyo objetivo fue determinar la presencia de
economías de escala en los agentes del sector forestal en los Departamentos de
Ucayali, Loreto y Madre de Dios, utilizando las funciones de costo total Cobb – Douglas y la función de costo total de Translog. Determinó que los agentes que presentan economías
de escala son las que concentran en mayor proporción grandes volúmenes de
madera, sin embargo, las que presentan deseconomías a
escala son los que proveen a los intermediarios y estos proveen a los grandes
compradores.
En las investigaciones locales en la región de Puno se tiene a Choque (32), que hizo una investigación sobre el
análisis de los diversos modelos de planeación estratégica que puedan ser
factibles para la Empresa Industrial Maderera y Mueblería Maldonado E.I.R.L.
utilizando una metodología de desarrollo sistémico de planeamiento estratégico,
encontrando que el modelo más adaptable es la de Fred Davis planteado desde la
administración estratégica y se diferencia por ser claro y práctico.
Otro estudio de Franco (33), que
estudió sobre la potencialidad de tierras y la relación de factores ambientales
en la región de Puno, utilizando modelos matemáticos, cartográficos y geoestadísticos; pudo demostrar que las tierras con un
potencial adecuado ascienden alrededor de 2,470 ha de las cuales el 6,96% son
potenciales para la producción forestal y los factores ambientales que se
relacionan con la producción agrícola forestal son las temperaturas de 7 y 9°C,
con precipitaciones de 879.64 a 847.33 mm/año.
Complementando a ello, Maquera (23) realizó una clasificación de la producción
de biomasa aérea forestal en mayor cantidad de volumen de producción en el
bosque de CIP - Camacani, utilizando un método de
combustión húmeda (Walkley and Black); pudo
determinar que la mayor producción de biomasa aérea la tuvo el Eucalipto con
2,411.82 TM, seguido del Pino con 869.90 TM y del Ciprés con un 473.22 TM.
Por último, Peralta (34) realizó
una investigación en el distrito de Chucuito, cuyo
objetivo fue determinar la dosis óptima de lodo residual en la producción de
Pinos radiata y determinar la rentabilidad, el diseño fue experimental y pudo
determinar que la dosis óptima a aplicar fue de lodo 100% más tierra arable 0%,
con una rentabilidad de 104.33% y la relación beneficio/costo de 2.04
MATERIALES Y MÉTODOS
Esta
investigación tuvo un enfoque cuantitativo (35),
debido a que utiliza datos secundarios y las estimaciones estadísticas
permitieron probar las hipótesis planteadas, es correlacional
debido a que se empleó un modelo econométrico de regresión lineal que buscó la
relación existente entre las variable dependiente (producción forestal) y las
variables independientes (Explotación agrícola, explotación pecuaria, parcelas
trabajadas, sistema de riego, precio de venta, gasto en transporte y tenencia
de tierra).
La
presente investigación empleó datos de corte transversal, obtenidos de la
Encuesta Nacional de Hogares (ENAHO), del Instituto Nacional de Estadística e
Informática (INEI) para el año 2019, para las estimaciones y encontrar los
objetivos planteados, por ende, se utilizó stata 16,
para la regresión y el análisis descriptivo correspondiente.
El
área de estudio de esta investigación, está ubicada en la sierra sur-este del
Perú, más específicamente en el departamento de Puno, en la meseta del Collao entre los 3812 y 5500 msnm. Incluye las 15
provincias y 105 distritos en las cuales se realizan la producción forestal.
La
muestra que hizo la Encuesta Nacional de Hogares (ENAHO), tanto en el área
urbana y rural consideró a la población objetivo al conjunto de viviendas y sus
ocupantes, excluyéndose a los miembros de las fuerzas armadas (INEI, 2019). Por
lo cual, de acuerdo a la base datos de 2019, se consideró un total de 191
observaciones.
El
modelo econométrico utilizado fue el modelo ANCOVA, Según Cayuela (36) este modelo considera que la variable
dependiente es cuantitativa y las variables independientes son tanto
cuantitativas y cualitativas.
Estas
variables se obtuvieron de los módulos de la Actividad Agropecuaria (Módulo
PGTA 2000, 2000A, 2100), Subproductos Agrícolas (Módulo PGTA 2200), Producción
Forestal (Módulo PGTA 2300) y Gastos en Actividades Agrícolas y/o Forestales
(Módulo PGTA 2400) (Tabla 2).
Tabla 2. Operacionalización de las variables en análisis.
|
Nombre de la Variable |
Indicador |
Indicador |
|
Producción forestal |
Valor de la Producción Forestal |
Soles |
|
Explotación agrícola |
Área de explotación agrícola |
M2 |
|
Explotación pecuaria |
Área de explotación pecuaria |
M2 |
|
Parcelas trabajadas |
Número de parcelas trabajadas |
Unidad |
|
Sistema de riego |
Tipo de riego |
1: Por gravedad 0: Otros |
|
Precio de venta |
Precio unitario a la cual vende
la producción forestal |
Soles |
|
Gasto en transporte |
Cantidad de gasto destinado a
producción forestal |
Soles |
|
Tenencia de tierra |
Tipo de tenencia de tierra |
1: Con tenencia propia 0: Otro tipo de tenencia |
RESULTADOS Y DISCUSIÓN
Análisis del comportamiento de la producción forestal y sus
determinantes
La
producción forestal como variable dependiente en la región de Puno tuvo un
comportamiento variante en los últimos años, esto debido a la introducción de
especies exóticas al medio natural, donde muchas de las familias tienen
plantaciones como el Eucalipto en su mayor proporción, seguido por Pino y
Ciprés respectivamente; en el caso de las especies nativas se considera al Kolly, Queñua, Thola, entre otras especies de arbustos como el Ceticio que son parte del medio ambiente natural. La
producción forestal se realiza mayormente con fines de uso de combustible y por
ende su propósito es de uso doméstico y comercial, donde de acuerdo a la tabla
3, en promedio el valor de producción forestal asciende a S/. 256.81 soles por
unidad de especie, un mínimo de S/. 15 soles, un máximo de S/. 1200 soles y una
desviación estándar de S/. 317.45 soles.
Tabla 3. Estadísticas descriptivas de las variables.
|
Estadístico
|
Producción
forestal |
Explotación
agrícola |
Explotación
pecuaria |
Parcelas
trabajadas |
Gasto en
transporte |
Sistema de
riego |
Tenencia
de tierra |
|
Promedio |
256.8115 |
1.198152 |
0.259152 |
10.19895 |
107.9267 |
0.041885 |
0.937173 |
|
Mediana |
130.0000 |
0.472000 |
0.000000 |
6.000000 |
0.000000 |
0.000000 |
1.000000 |
|
Valor máximo |
1200.000 |
4.260000 |
3.000000 |
30.00000 |
600.0000 |
1.000000 |
1.000000 |
|
Valor mínimo |
15.00000 |
0.011000 |
0.000000 |
1.000000 |
0.000000 |
0.000000 |
0.000000 |
|
Desviación estándar |
317.4569 |
1.526601 |
0.804207 |
9.177902 |
211.3147 |
0.200852 |
0.243290 |
|
Kurtosis |
6.327285 |
2.826565 |
10.71565 |
3.381501 |
4.405462 |
21.91872 |
13.98371 |
|
Jarque-Bera |
221.1473 |
50.52586 |
781.2630 |
58.33988 |
116.5227 |
3514.342 |
1373.422 |
|
Probabilidad |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
En
el caso de la explotación agrícola, en promedio en la región de Puno se
practica la cantidad de 1.19 m2 por habitante en el desarrollo de las
actividades agrícolas para la producción de productos de pan llevar, alcanzando
un máximo área de explotación de 4.26 m2 y un mínimo de 0.01 m2, con una
desviación estándar de 1.52 m2/habitante. Complementariamente también se
destina otras áreas de las familias a la práctica de la explotación pecuaria,
esto para producir productos forrajeros y para la crianza de ganado, utilizando
en promedio para la misma la cantidad de 0.25 m2 y un máximo de 3 m2/ganado,
con una desviación estándar de 0.80 m2 (Tabla 3).
Es
importante estudiar el comportamiento de las parcelas trabajadas en el
desarrollo de la producción agrícola, pecuaria y forestal, donde en este caso
en promedio se tiene trabajado 10.19 parcelas, con un máximo de 30 parcelas que
lo desarrollan las familias con mayor tenencia y una desviación estándar de
9.17 parcelas. Además, toda esta práctica va relacionado con los gastos en las
que incurren y la más resaltante son los gastos en transporte de los insumos, y
productos utilizados y obtenido en el proceso de producción agraria, es por eso
que en promedio realizan gastos en transporte la cantidad de S/. 107.92 soles
por campaña de producción, se realiza un gasto máximo de S/. 600 soles, con una
desviación estándar de S/. 211.31 soles (Tabla 3).
Para
garantizar la práctica de la actividad agrícola, pecuaria y forestal es
importante contar con el recurso hídrico, por lo que eso uso eficiente del agua
permite mostrar resultados sostenibles en estas actividades, por lo que al
analizar sobre el tupo de uso del sistema de riego, en este caso en promedio
esta asciende a 0.04, es decir que la mayor parte de las familias de la zona
rural de la región de Puno realizan estas actividades a secano, donde depende
de las temporadas de lluvia para emprender la producción. En el caso de la
tenencia de sus tierras, en promedio asciende a 0.93, lo que explica que una
gran parte de los usuarios cuentan con título de propiedad de sus predios, es
decir son dueños de sus propiedades (Tabla 3).
Análisis de la relación de la producción forestal y sus determinantes
Analizando
la relación entre la producción forestal con la explotación agrícola, se puede
ver claramente la existencia de una relación directa o positiva; donde ante un
incremento o disminución de la explotación agrícola, la producción forestal
también tiende a incrementar o disminuir (Figura 5), la misma que es
complementado por la actriz de correlación de estas variables (Tabla 4), donde
el ρ de Pearson es igual a 0.244, concluyendo se tienen una correlación
positiva baja.
En
el caso de la relación entre la producción forestal con la explotación pecuaria
es igual que en el caso anterior, donde también existe de una relación directa
o positiva; porque ante un incremento o disminución de la explotación pecuaria,
la producción forestal también tiende a incrementar o disminuir (Figura 5), y
esta es complementado por la actriz de correlación de estas variables (Tabla
4), donde el ρ de Pearson es igual a 0.860, concluyendo se tienen una
correlación positiva alta.
Al
analizar la relación entre la producción forestal con las parcelas trabajadas y
el sistema de riego que utilizan en la región de Puno, se puede verificar que
en ambos casos existe de una relación negativa o inversa; donde ante un
incremento del uso de las parcelas trabajadas y el tipo de sistema de riego,
entonces la producción forestal disminuirá (Figura 5), la misma que es
complementado por la actriz de correlación de estas variables (Tabla 4), donde
el ρ de Pearson es igual a -0.313 y -0.044, concluyendo se tienen una
correlación negativa baja.
Respecto
a la relación entre la producción forestal con el gasto en trasporte es
positiva o directo; toda vez que, ante un incremento o disminución del gasto en
trasporte, la producción forestal también tiende a incrementar o disminuir
(Figura 5), y esta es corroborado por la actriz de correlación de estas
variables (Tabla 4), donde el ρ de Pearson es igual a 0.561, concluyendo se tienen
una correlación positiva alta.
Figura 5. Comportamiento de las variables determinante de la producción.
Finalmente,
relación entre la producción forestal con la tenencia de tierra es positiva o
directo; toda vez que, ante un incremento o disminución de la tenencia de
tierra, la producción forestal también tiende a incrementar o disminuir (Figura
5), y esta es corroborado por la actriz de correlación de estas variables
(Tabla 4), donde el ρ de Pearson es igual a 0.005, concluyendo se tienen una
correlación positiva baja.
Tabla 4. Matriz de correlación entre la producción forestal y sus determinantes
|
Correlación |
Producción
forestal |
Explotación
agrícola |
Explotación
pecuaria |
Parcelas
trabajadas |
Sistema de
riego |
Gasto en
transporte |
Tenencia
de tierra |
|
Producción forestal |
1 |
0.244977 |
0.860857 |
-0.31383 |
-0.044202 |
0.561172 |
0.00557 |
|
Explotación agrícola |
0.244977 |
1 |
-0.130016 |
-0.135071 |
-0.06693 |
0.822794 |
0.136406 |
|
Explotación pecuaria |
0.860857 |
-0.130016 |
1 |
-0.259799 |
-0.067553 |
0.115759 |
-0.010039 |
|
Parcelas trabajadas |
-0.31383 |
-0.135071 |
-0.259799 |
1 |
-0.055937 |
-0.337265 |
0.090483 |
|
Sistema de riego |
-0.044202 |
-0.06693 |
-0.067553 |
-0.055937 |
1 |
-0.028944 |
0.054136 |
|
Gasto en transporte |
0.561172 |
0.822794 |
0.115759 |
-0.337265 |
-0.028944 |
1 |
0.10034 |
|
Tenencia de tierra |
0.00557 |
0.136406 |
-0.010039 |
0.090483 |
0.054136 |
0.10034 |
1 |
Análisis de factores
determinantes de la producción forestal
Para
encontrar los factores determinantes de la producción forestal en la región de
Puno en el año 2019, se buscó contrastar la hipótesis de la investigación que
fue la siguiente:
Ha: Los
factores determinantes de la producción forestal en la región de Puno en el año
2019 son la explotación agrícola, explotación pecuaria, parcelas trabajadas,
sistema de riego, gasto en transporte y tenencia de tierra.
Por
lo cual se aplicó la regresión econométrica considerando el modelo ANCOVA,
cuyos resultados obtenidos son las siguientes:
Tabla 5. Factores que determinan la producción forestal en la región de Puno
(2019).
|
Variable |
Coeficiente |
Error estándar |
T-Estadístico |
Probabilidad |
|
Constante |
125.2402 |
17.08862 |
7.328866 |
0.0000 |
|
-30.49073 |
5.347495 |
-5.701872 |
0.0000 |
|
|
313.2948 |
5.759294 |
54.39813 |
0.0000 |
|
|
Parcelas
trabajadas |
3.040938 |
0.507696 |
5.989689 |
0.0000 |
|
Sistema de
riego |
38.97720 |
20.91196 |
1.863871 |
0.0639 |
|
Gasto en
transporte |
0.937666 |
0.039827 |
23.54336 |
0.0000 |
|
Tenencia de tierra |
-50.07959 |
17.35899 |
-2.884936 |
0.0044 |
|
R-cuadrado |
0.968675 |
Criterio de Akaike info |
10.96328 |
|
|
R-cuadrado ajustado |
0.967653 |
Criterio Schwarz |
11.08247 |
|
|
F-estadístico |
948.3093 |
Prob
(F-estadístico) |
0.000000 |
|
Al
realizar el análisis estadístico para la prueba de hipótesis, se evidencia que
el R-cuadrado ajustado es igual a 0.9676, lo que muestra que la explotación
agrícola, explotación pecuaria, parcelas trabajadas, sistema de riego, gasto en
transporte y tenencia de tierra explican en 96.76%, mostrando ser un modelo
eficiente. En el caso de la prueba de
significancia individual, se puede ver que el t-estadístico obtenido de la
explotación agrícola (-5.70), explotación pecuaria (54.39), parcelas trabajadas
(5.98), gasto en transporte (23.54) y tenencia de tierra (-2.88) son mayores a
2; es decir que la probabilidad del nivel de significancia 0.00 es menor a
0.05; concluyendo que, si tienen significancia individual, es decir si influyen
de manera individual en la producción forestal en la región de Puno. Por el
contrario, el uso del sistema de riego tiene un t-estadístico de 1.86 y es
menor a 2, lo que muestra que tiene una probabilidad de 0.06 y es mayor a 0.05,
determinando que esta variable no influye en la producción forestal en la
región de Puno al 95% de confianza, pero si al 0.1 de nivel de significancia
(Tabla 5).
Por
lo tanto, considerando el análisis de los estadísticos antes mencionados, se
concluye rechazando la hipótesis nula y aceptando la hipótesis alterna,
estableciendo que en la región de puno para el año 2019, los factores
determinantes de la producción forestal son la explotación agrícola,
explotación pecuaria, parcelas trabajadas, gasto en transporte y tenencia de
tierra.
Por
lo cual, identificando los coeficientes de las variables independientes, se
puede ver claramente que la explotación pecuaria, las parcelas trabajadas, el
uso de un sistema de riego y la realización del gasto en transporte tienen
signo positivo, por lo cual influyen de manera directa sobre la producción
forestal. Además, los coeficientes de la explotación agrícola y la tenencia de
tierra tienen signo negativo, por lo que se determina que estas influyen de manera
negativa en la producción forestal en la región de Puno.
En
este entender, analizando los coeficientes se puede establecer que a un
incremento de la explotación agrícola en 1 m2, entonces el valor de la
producción forestal disminuirá en S/. 30.49 soles; si incrementa la explotación
pecuaria en 1 m2, entonces el valor de la producción forestal incrementará en
S/. 313.29 soles; si aumenta la cantidad de parcelas trabajadas en una unidad,
entonces el valor de la producción forestal aumentará en S/. 3.04 soles; a un
cambio del tipo de sistema de riego tradicional o a secano por una con mejor
tecnología, entonces el valor de la producción forestal aumentará en S/. 38.97
soles; si aumenta el gasto en transporte de los productos forestales en S/.
1.00 sol, entonces el valor de la producción forestal incrementará en S/. 0.93
soles y a un incremento de la tenencia de tierra de propia a otras, entonces el
valor de la producción forestal disminuirá en 50.07 soles.
Discusión
En
el aspecto de la discusión, uno de los determinantes de la producción forestal
es el área de explotación agrícola, y es significativa al 5%, esto es muy
importante ya que, la producción forestal depende de que cantidad de terreno le
se le asigne a esta labor, esto es corroborado por las investigaciones de
Franco (33); Balboa (37); Muñoz y Vega (29); Peralta (34); Xiong et al. (3);
Tavárez y Elbakidze (17), para estos autores la cobertura del área
de producción forestal aparte de ser un determinante de la producción forestal,
es una de las variables que garantiza la eficiencia en la maximización de las
ganancias en la producción forestal.
La
cantidad de parcelas trabajadas, también es uno de los determinantes de la
producción forestal, ya que en la región de Puno estas parcelas se subdividen
para el desarrollo de la agricultura, la ganadería y para la producción
forestal, lo que es corroborado por los estudios realizados por Ortuño (19) y Alberdi et
al. (5), donde se asignan a la producción forestal una cantidad de
38,945 parcelas en promedio.
Respecto
a la variable precio de venta, en nuestro análisis no es significativo, debido
a que en la práctica no influye mucho, toda vez que la producción forestal es
una inversión a largo plazo, por lo que variaciones en el precio de la madera a
corto plazo no afecta la producción de madera de largo plazo; por lo que no es
concordante con lo determinado por Troncoso y Garrido (11) y Reyes et al. (28), donde esta variable es significativo ya
que en el modelo matemático que utilizaron para maximizar la producción
forestal es una variable primordial, debido a que para una empresa que vende
madera el precio es fundamental.
De
la misma forma la tenencia de tierra que en nuestra investigación tiñe una
mayor representación por ser propia, es significativa pero de manera negativa,
toda vez que la región de Puno es una zona ganadera y agrícola, donde en esta
zona se le da más preferencia al desarrollo de estas actividades y para la
producción forestal queda poco espacio para su implementación y solo algunos
productores de la zona rural y empresarios industriales en este rubro alquilan,
o compran las plantaciones para luego invertir en la producción forestal, lo
que es concordante con lo determinado por Garces (26).
Finalmente,
existen otros factores que influyen en la producción forestal, tales como los
factores climáticos, la forma cultural de las personas, las organizaciones y
las autoridades locales, que en nuestra investigación no fueron relevantes y no
se consideraron y es también concordante con las investigaciones realizados por
Stoneman (9);
Ortuño (19); Morrison
et al. (6); Rehman
et al. (7); Tavárez
y Elbakidze (17).
CONCLUSIONES
Se
concluye determinando que en la región de puno para el año 2019, los factores
determinantes de la producción forestal son la explotación agrícola,
explotación pecuaria, parcelas trabajadas, gasto en transporte y tenencia de
tierra; toda vez que dichas variables explican en un 96.76% a la producción
forestal.
Además,
la explotación pecuaria, las parcelas trabajadas, el uso de un sistema de riego
y la realización del gasto en transporte influyen de manera directa sobre la producción
forestal y la explotación agrícola y la tenencia de tierra influyen de manera
negativa en la producción forestal en la región de Puno en Perú.
REFERENCIAS BIBLIOGRÁFICAS
1.
Snook L, Boscolo M, Quevedo L. Adopción de prácticas de manejo forestal
sostenible por empresas madereras en la Amazonia de Brasil, Bolivia y Perú
[Internet]. 2007. Available from:
https://45.32.134.17/bitstream/handle/11554/7348/RRNA_49-50_Completo.pdf?sequence=1&isAllowed=y#page=99
2.
Ledesma V. Saberes e interculturalidad en interaprendizajes sobre recursos
forestales en Zongolica, Veracruz. Rev Interam Educ Adultos [Internet].
2018;40(01):130–49. Available from:
https://www.redalyc.org/journal/4575/457556162007/457556162007.pdf
3. Xiong
L, Wang F, Cheng B, Yu C. Identifying factors influencing the forestry
production efficiency in Northwest China. Resour Conserv Recycl.
2018;130(August 2017):12–9.
4.
López Boñon CL, Suárez Merino J. Disponibilidad a pagar por reforestación y
conservación de bosques en el Distrito de Oxapampa: una aplicación del método
contingente doble límite [Internet]. Universidad Nacional del Callao.
Universidad Nacional del Callao; 2014 [cited 2021 Apr 7]. Available from:
http://repositorio.unac.edu.pe/handle/UNAC/472
5.
Alberdi I, Moreno-Fernández D, Cañellas I, Adame P, Hernández L. Deadwood
stocks in south-western European forests: Ecological patterns and large scale
assessments. Sci Total Environ. 2020;747:141237.
6.
Morrison Vila L, Ménager M, Finegan B, Delgado D, Casanoves F, Aguilar Salas
LÁ, et al. Above-ground biomass storage potential in primary rain forests
managed for timber production in Costa Rica. For Ecol Manage. 2021;497:8–10.
7.
Rehman A, Ma H, Ahmad M, Irfan M, Traore O, Chandio AA. Towards environmental
Sustainability: Devolving the influence of carbon dioxide emission to
population growth, climate change, Forestry, livestock and crops production in
Pakistan. Ecol Indic. 2021;125:107460.
8.
Galindo LM, Alatorre Bremont JE, Reyes Martínez O. Adaptación al cambio
climático a través de la elección de cultivos en Perú. Trimest Econ [Internet]. 2015 [cited 2022 Jan
26];82(327):489–519. Available from: http://www.scielo.org.mx/scielo.php?pid=S2448-718X2015000300489&script=sci_arttext
9.
Stoneman GL. “Ecological forestry” and eucalypt forests managed for wood
production in south-western Australia. Biol Conserv. 2007;137(4):558–66.
10.
Wang D, Jiang P, Zhang H, & Yuan W. Biochar production and applications in
agro and forestry systems: A review. Science of the Total Environment,
2020;723:137775.
11.
Troncoso JJ, Garrido RA. Forestry production and logistics planning: An
analysis using mixed-integer programming. For Policy Econ.
2005;7(4):625–33.
12. Tapia
P, Cepeda M. Sistema de apoyo a la toma de decisiones de establecimiento de
plantaciones forestales. Bosque (Valdivia). 2005;26(3):19–31.
13.
Cruz J, Romero S, Guzman R. Desarrollo de una alternativa ecológica para la
fabricación de estructuras auxiliares de madera. Soc y Ambient [Internet]. 2015;1(8):98–107. Available
from: https://www.redalyc.org/pdf/4557/455744913005.pdf
14.
Azqueta Oyarzun D. Valoración económica de la calidad ambiental. Vol. 12. 2013.
91–97 p.
15.
Ruelas Monjardín LC, Dávalos Sotelo R. La industria forestal del Estado de
Chihuahua. Madera y Bosques. 2016;5(2):79–91.
16.
Mamani JCQ, Guizada CER, Mamani GFR, Mamani FAR, Claros AR, Gallardo NJU. Economic Valuation Of Natural Heritage: An Analysis For
The Titicaca National Reserve Puno Sector. J Manag Inf Decis Sci [Internet].
2021 [cited 2022 Apr 9];24(1):1–33. Available from:
https://www.abacademies.org/articles/economic-valuation-of-natural-heritage-an-analysis-for-the-titicaca-national-reserve--puno-sector.pdf
17.
Tavárez H, Elbakidze L. Urban forests valuation and environmental disposition:
The case of Puerto Rico. For Policy Econ. 2021;131:102572.
18.
Thakur S, Dhyani R, Negi VS, Patley MK, Rawal RS, Bhatt ID, et al. Spatial
forest vulnerability profile of major forest types in Indian Western Himalaya. For
Ecol Manage. 2021;497:119527.
19.
Ortuño Perez SF. Estructura económica del sector forestal en España. Quebracho
- Rev Ciencias For [Internet]. 2012;20(1–2):49–59. Available from: http://www.scielo.org.ar/pdf/quebra/v20n2/v20n2a01.pdf
20.
García LR, Curetti G, Garegnani G, Grilli G, Pastorella F, Paletto A. La
valoración de los servicios ecosistémicos en los ecosistemas forestales: Un
caso de estudio en Los Alpes Italianos. Bosque. 2016;37(1):41–52.
21.
Kathula DN. Avocado Varieties and Export Markets for Sustainable Agriculture
and Afforestation in Kenya. J Agric [Internet]. 2021 Apr 27 [cited 2021 Sep
8];5(1):1–26. Available from:
http://stratfordjournals.org/journals/index.php/journal-of-agriculture/article/view/739
22.
Muñoz-Pizza DM, Villada-Canela M, Rivera-Castañeda P, Reyna-Carranza MA,
Osornio-Vargas A, Martínez-Cruz AL. Stated benefits from air quality
improvement through urban afforestation in an arid city – A contingent
valuation in Mexicali, Baja California, Mexico. Urban For Urban
Green. 2020 Nov 1;55.
23. Maquera
D. Determinación del contenido de carbono por especie forestal en el bosque del
CIP Camacani - UNA- Puno por titulación [Internet]. Univesidad Nacional del
Altiplano. 2017. Available from:
http://repositorio.unap.edu.pe/handle/UNAP/6183
24.
Newman DH, Wear DN. Production Economics of Private Forestry: A Comparison of
Industrial and Nonindustrial Forest Owners. Am J Agric Econ. 1993;75(3):674–84.
25.
Harding JS, Quinn JM, Hickey CW. Effects of mining and production forestry. New
Zeal stream Invertebr Ecol Implic Manag [Internet]. 2000;(McLauchlan
1984):230–59. Available from:
https://d1wqtxts1xzle7.cloudfront.net/67964712/Harding_20et_20al_202000_20Effects_20of_20mining....-with-cover-page-v2.pdf?Expires=1656466332&Signature=LvAGUPkdF8Kr1~jZOkvG2L7wQ4wIlIht2KqH4JlVDDWBd7Qaf9NaAwmBbCsR95v~aNMBf2aXsR-njYA1Wh1O3iOxv~QttwShEEBgn-E
26.
Garces Marin R. Determinantes de la reforestación comercial en los municipios
de Antioquia. 1934;
27.
Gasperini C, Carrari E, Govaert S, Meeussen C, Pauw K De, Plue J, et al. Edge
effects on the realised soil seed bank along microclimatic gradients in
temperate European forests. Sci Total Environ. 2021;798:8–10.
28.
Reyes R, Nelson H, Zerriffi H. How do decision makers´ ethnicity and religion
influence the use of forests? Evidence from Chile. For Policy Econ.
2021;128:8–10.
29.
Muñoz Díaz G, Vega Díaz N. Evaluación de la diversidad forestal en el centro de
producción e investigación Pablo Yacu [Internet]. 2016. Available from:
https://repositorio.unsm.edu.pe/handle/11458/184
30.
Navarro JC. Producción de información geográfica y gestión forestal de la
Dirección Regional Forestal y Fauna Silvestre del Gobierno Regional de Madre de
Dios - 2018 [Internet]. 2018. Available from:
https://repositorio.ucv.edu.pe/handle/20.500.12692/37150
31.
Morocho J. Economías de escala en el sector forestal de la Amazonía peruana
[Internet]. 2016. Available from:
http://repositorio.lamolina.edu.pe/handle/20.500.12996/2705
32.
Choque Sanchez T. Propuesta de plan estratégico y toma de decisiones para la
empresa industria maderera y mueblería Maldonado EIRL Ayaviri–Puno, periodo
2015-2018 [Internet]. 2013. Available from:
http://repositorio.unap.edu.pe/handle/UNAP/8876
33.
Franco Á. Modelamiento de uso de la tierra en unidades de gestión ambiental en
la microcuenca del Río Ticaraya, Puno [Internet]. Tesis. 2013. Available from:
http://repositorio.unap.edu.pe/handle/UNAP/7921
34.
Peralta E. Efecto del lodo residual incorporado como sustrato en repique de
Pinus radiata D. A nivel de vivero forestal Potojani Puno [Internet]. 2017.
Available from: http://tesis.unap.edu.pe/handle/UNAP/7510
35.
Mendoza Bellido W. Cómo investigan los economístas? Guía para elaborar y
desarrollar un proyecto de investigación [Internet]. 2014. Available from:
https://files.pucp.education/departamento/economia/lde-2014-05.pdf
36.
Cayuela L. Modelos lineales : Regresión , ANOVA y ANCOVA [Internet]. Eco Lab,
Centro Andaluz de Medio Ambiente, Universidad de Granada. 2010. Available from:
https://portal.uah.es/portal/page/portal/epd2_asignaturas/asig202218/informacion_academica/2-Modelos
lineales.pdf
37.
Balboa Navarro I. Tierras y azúcar. Las transformaciones agrarias y el ascenso
de la plantación en Cuba. Investig Hist Econ. 2015 Feb 1;11(1):43–51.