Evaluación de impacto en áreas de conservación: retos y una herramienta para aplicar análisis contrafactuales
PDF

Archivos suplementarios

Información suplementaria

Palabras clave

Áreas protegidas
Colombia
contrafactual
deforestación
efectividad
Parques Nacionales

Cómo citar

Forero-Medina, G., J. Arroyave, F., Rincón-Parra, V. J., Álvarez, S. J., & Negret, P. J. (2026). Evaluación de impacto en áreas de conservación: retos y una herramienta para aplicar análisis contrafactuales. Revista De La Academia Colombiana De Ciencias Exactas, Físicas Y Naturales. https://doi.org/10.18257/raccefyn.4027

Descargas

##plugins.themes.healthSciences.displayStats.noStats##

Societal impact


Resumen

La evaluación rigurosa del impacto de las estrategias de conservación es clave para identificar qué acciones son más efectivas, promover el aprendizaje adaptativo y orientar una asignación más eficiente de los recursos. No obstante, en la práctica, este tipo de evaluaciones han sido escasas. En este artículo discutimos estos vacíos de conocimiento y presentamos CONTRAFACTUAL, una herramienta desarrollada para facilitar la evaluación del impacto de estrategias de conservación basadas en área, como áreas protegidas y OMECs, sobre la reducción de la deforestación. Esta herramienta está basada en análisis contrafactuales usando la metodología de emparejamiento estadístico mediante puntajes de propensión. Permite así comparar unidades espaciales tratadas (e.g., áreas protegidas) con unidades de control con características similares. Usando CONTRAFACTUAL analizamos la pérdida de bosque en 23 parques nacionales naturales de Colombia en el año 2024. Encontramos una variabilidad en la efectividad de las áreas protegidas estudiadas para contener la pérdida de bosque (efecto entre –54% y 100%), no obstante, la mayoría de los PNN estudiados presentaron efectos positivos (X̄ =73,6%; SD=28,9; n=16). Los resultados evidencian la importancia de contextualizar las métricas de pérdida de bosque, y demuestran que los análisis contrafactuales ofrecen un enfoque robusto para comprender y monitorear el impacto de las intervenciones de conservación basadas en área. Con esta propuesta se busca contribuir a cerrar la brecha entre la teoría y la práctica en la evaluación de impacto, proporcionando una herramienta útil para gestores, autoridades ambientales, formuladores de políticas y la sociedad civil, interesados en evaluar y mejorar el desempeño de las áreas de conservación en el país.

PDF

Referencias

González-González, A., Villegas, J. C., Clerici, N., Salazar, J. F. (2021). Spatial-temporal dynamics of deforestation and its drivers indicate need for locally-adapted environmental governance in Colombia. Ecological Indicators, 126. https://doi.org/10.1016/j.ecolind.2021.107695

Ho, D. E., Imai, K., King, G., Stuart, E. A. (2011). MatchIt: Nonparametric Preprocessing for Parametric Causal Inference. In JSS Journal of Statistical Software, 42. http://www.jstatsoft.org/

IDEAM (Instituto de Hidrología, Meteorología y Estudios Ambientales). (2025). Resultados Monitoreo de Bosques. Sistema de Monitoreo de Bosques y Carbono, Subdirección de Ecosistemas e Información Ambiental, IDEAM, Colombia. Recuperado el 15 de noviembre de 2025 de https://www.ideam.gov.co/transparencia/datos-abiertos/seccion-de-datos-abiertos/resultados-monitoreo-de-bosques

Imbens, G. W., Wooldridge, J. M. (2009). Recent developments in the econometrics of program evaluation. Journal of Economic Literature, 47(1), 5-86. https://doi.org/10.1257/jel.47.1.5

Johnsson, T. (1992). A procedure for stepwise regression analysis. Statistical Papers, 33, 21-29.

Joppa, L. N., Loarie, S. R., Pimm, S. L. (2008). On the protection of “protected areas.” Proceedings of the National Academy of Sciences of the United States of America, 105(18), 6673-6678. https://doi.org/10.1073/pnas.0802471105

Joppa, L. N., Pfaff, A. (2009). High and far: Biases in the location of protected areas. PLoS ONE, 4(12). https://doi.org/10.1371/journal.pone.0008273

Joppa, L. N., Pfaff, A. (2011). Global protected area impacts. Proceedings of the Royal Society B: Biological Sciences, 278(1712), 1633-1638. https://doi.org/10.1098/rspb.2010.1713

Joppa, L., Pfaff, A. (2010). Reassessing the forest impacts of protection: The challenge of nonrandom location and a corrective method. Annals of the New York Academy of Sciences, 1185(January 2010), 135-149. https://doi.org/10.1111/j.1749-6632.2009.05162.x

Langhammer, P. F., Bull, J. W., Bicknell, J. E., Oakley, J. L., Brown, M. H., Bruford, M. W., Butchart, S. H. M., Carr, J. A., Church, D., Cooney, R., Cutajar, S., Foden, W., Foster, M. N., Gascon, C., Geldmann, J., Genovesi, P., Hoffmann, M., Howard-McCombe, J., Lewis, T., … Brooks, T. M. (2024). The positive impact of conservation action. Science, 384(6694), 453-458. https://doi.org/10.1126/science.adj6598

Negret, P. J., Di-Marco, M., Sonter, L. J., Rhodes, J., Possingham, H. P., Maron, M. (2020). Effects of spatial autocorrelation and sampling design on estimates of protected area effectiveness. Conservation Biology. https://doi.org/10.1111/cobi.13522

Neugarten, R., Rodewald, A., Eklund, J., O’Garra, T. (2025). An introduction to impact evaluation for conservation. In Conservation Science and Practice, 7(11). John Wiley and Sons Inc. https://doi.org/10.1111/csp2.70169

Olmos, A., Govindasamy, P. (2015). Propensity Scores: A Practical Introduction Using R. In Journal of MultiDisciplinary Evaluation, 11. http://www.jmde.com

Ribas, L. G. dos S., Pressey, R. L., Loyola, R., Bini, L. M. (2020). A global comparative analysis of impact evaluation methods in estimating the effectiveness of protected areas. In Biological Conservation, 246. Elsevier Ltd. https://doi.org/10.1016/j.biocon.2020.108595

Rosenbaum, P. R., Rubin, D. B. (1983). The Central Role of the Propensity Score in Observational Studies for Causal Effects. Biometrika, 70(1).

Schleicher, J., Eklund, J., Barnes, M. D., Geldmann, J., Oldekop, J. A., Jones, J. P. G. (2020). Statistical matching for conservation science. Conservation Biology, 34(3), 538-549. https://doi.org/10.1111/cobi.13448

Stuart, E. A. (2010). Matching methods for causal inference: A review and a look forward. Statistical Science, 25(1), 1-21. https://doi.org/10.1214/09-STS313

Stuart, E. A., Rubin, D. B. (2008). Matching with multiple control groups with adjustment for group differences. Journal of Educational and Behavioral Statistics, 33(3), 279-306. https://doi.org/10.3102/1076998607306078

VanderWeele, T. J. (2019). Principles of confounder selection. European Journal of Epidemiology, 34(3), 211-219. https://doi.org/10.1007/s10654-019-00494-6

Vélez, M. A., Robalino, J., Cardenas, J. C., Paz, A., Pacay, E. (2020). Is collective titling enough to protect forests? Evidence from Afro-descendant communities in the Colombian Pacific region. World Development, 128. https://doi.org/10.1016/j.worlddev.2019.104837

Wolf, C., Levi, T., Ripple, W. J., Zárrate-Charry, D. A., Betts, M. G. (2021). A forest loss report card for the world’s protected areas. Nature Ecology & Evolution, 5(4), 520-529. https://doi.org/10.1038/s41559-021-01389-0

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2026 Revista de la Academia Colombiana de Ciencias Exactas, Físicas y Naturales