1
UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA FACULTAD DE RECURSOS NATURALES RENOVABLES INGENIERIA AMBIENTAL
PRACTICA PRE – PROFESIONAL DISTRIBUCIÓN DEL GÉNERO VIROLA EN EL DEPARTAMENTO DE UCAYALI PROYECTANDO LAS POTENCIALIDADES DE ACUERDO A LAS PRESIONES Y CAMBIOS AMBIENTALES
EJECUTORA
: Saldaña Culqui, Ines
ASESOR
: Ing. Beteta Alvarado, Víctor M.
ENTIDAD
: Organismo de Supervisión de los Recursos y Fauna Silvestre – OSINFOR
DURACION DE TRABAJO
: 1 de febrero al 1 de mayo
TINGO MARIA - HUANUCO 2015
2
INDICE
Página I. 1.1. II.
INTRODUCION .......................................................................................1 Objetivo.................................................................................................2 REVISIÓN DE LITERATURA .................................................................3
2.1.
Distribución de especies.......................................................................3
2.2.
Cambio climático...................................................................................4
2.3.
Generalidades de las especies maderables en el Perú........................5 2.3.1. La explotación ilegal y destructiva continúa devastando bosques y comunidades en la Amazonia peruana ........................................7
2.4.
Marco legal..........................................................................................10
2.5.
Género Virola......................................................................................13 2.5.1. Descripción botánica ....................................................................13 2.5.2. Taxonomía del género Virola .......................................................13 2.5.3. Fenología .....................................................................................14 2.5.4. Distribución geográfica y hábitat ..................................................14
2.6.
Principales algoritmos de modelado de distribución...........................15
3
2.6.1. Maxent .........................................................................................15 2.6.2. Importancia de las variables.........................................................20 III. 3.1.
MATERIALES Y MÉTODOS.................................................................21 Lugar de ejecución..............................................................................21 3.1.1. Ubicación política .........................................................................22 3.1.2. Ubicación geográfica....................................................................22 3.1.3. Características del área de estudio ..............................................23
3.2.
Materiales............................................................................................27
3.3.
Metodología........................................................................................28 3.3.1. Fase pre campo ...........................................................................28 3.3.2. Fase campo .................................................................................28 3.3.3. Fase de gabinete .........................................................................29 3.3.2.1. Distribución del
género Virola
aplicando
el
software
Maxent ......................................................................................30 3.3.2.2. Determinar el área de distribución del género Virola de las unidades de territorio aplicando el software Maxent .................31 3.3.2.3. Evaluación de la distribución potencial al 2050 mediante el software
Maxent
del
género
Virola considerando las
presiones y cambios ambientales .............................................32 IV. 4.1.
RESULTADOS......................................................................................33 Distribución del género Virola aplicando el software Maxent.............33
4
4.2.
Determinación del área de distribución del género Virola en unidades de territorio aplicando el software Maxent............................39
4.3.
Evaluación del análisis de distribución potencial proyectada a 2050 del género Virola considerando las presiones y cambios ambientales...42
V.
DISCUSIÓN ..........................................................................................44
VI.
CONCLUSIONES .................................................................................48
VII.
RECOMENDACIONES .........................................................................50
VIII.
REFERENCIAS BIBLIOGRAFICAS .....................................................51
IX.
ANEXOS ...............................................................................................54
5
6
7
1
I.
INTRODUCION
La distribución de los organismos se ve afectado por el clima; por tal motivo, los análisis de las variables climáticas ayudan a entender por qué una especie crece en un determinado sitio y no en otro (LINDENMAYER et al., 1991). Cada especie tiene su propio perfil climático, por lo que el análisis de las variables que determinan dicho perfil puede servir para cuantificar las diferencias en los dominios climáticos, es decir, el nicho climático o espacio en el cual se considera que una especie vegetal sobrevive bajo condiciones naturales que tienen diferentes especies (FISCHER et al., 2001).
Se reportó por OSINFOR sobre las especies forestales maderables movilizadas y comercializadas destacando el género Virola, lo cual genera interés en su conservación y desarrollo de estrategias para su aprovechamiento sostenible. De lo descrito se plantea el desarrollo de la distribución del género Virola en el departamento de Ucayali proyectando las potencialidades de acuerdo a las presiones y cambios ambientales; que nos indica la idoneidad del ambiente para el desarrollo de esta población, calculada a partir de observaciones de campo de los registros de presencia del género Virola y una
2
serie de variables climáticas en función de temperatura y precipitación que actúan como predictores; esto permitirá formular estrategias de monitoreo de la biodiversidad e implementarlas de manera efectiva, esto se llevará a cabo mediante el uso del software Maxent, equipos. 1.1.
Objetivo
1.1.1. Objetivo general Determinar la distribución del género virola en el departamento de Ucayali proyectando las potencialidades de acuerdo a las presiones y cambios ambientales
1.1.2. Objetivo específicos -
Generar mapas que represente la distribución del género Virola aplicando el software Maxent.
-
Determinar el área de distribución del género Virola en unidades de territorio aplicando el software Maxent del departamento de Ucayali.
-
Evaluar la distribución potencial al 2050 mediante el software Maxent del género Virola considerando las presiones y cambios ambientales.
3
II.
2.1.
REVISIÓN DE LITERATURA
Distribución de especies La biogeografía es la disciplina que estudia la distribución de los
seres vivos, tanto en el tiempo como en el espacio (MORRONE et al., 1996). ZUNINO Y ZULLINI (2003), consideran que la ecogeografía es aquella rama de la biogeografía que interpreta en términos ecológicos las distribuciones geográficas de los seres vivos y las asociaciones entre ellos. Un área de distribución es la superficie geográfica ocupada por un taxón, con la que interactúa de manera no efímera (ESPINOSA et al., 2001). La
representación
de
la
distribución
de
las
especies,
tradicionalmente, se ha representado de manera cartográfica a partir de los puntos georeferenciados sobre mapas, sin considerar los factores locales que la determinan (ESPINOSA et al., 2001). Para la representación de la distribución del género Virola se generó por dos fuentes de información como las variables ambientales o climáticas y los registros de presencia de Virola
4
Las variables ambientales pueden ser clasificadas en términos de su influencia en la fisiología y distribución de las especies como: -
Indirectas
No tienen un efecto directo en la fisiología de los individuos, pero se correlaciones con las variables directas (altitud). -
Directas
Tienen un efecto sobre la fisiología de los organismos pero no son modificadas por éstos (precipitación y temperatura). -
Recurso
Tienen una interacción dinámica con los organismos (densidad de presas)
2.2.
Cambio climático Desde la década de 1990, la comunidad científica ha considerado
los impactos potenciales de los cambios climáticos provocados por gases de efecto invernadero en la biodiversidad (IPCC, 2007). En este contexto, el cambio climático global ha sido ampliamente investigado, especialmente con respecto a su influencia en la distribución actual y potencial de las especies. Además, hay un interés cada vez más en los impactos del cambio climático global sobre otros patrones de la biodiversidad, especialmente en términos de diversidad funcional y filogenética (THUILLER et al., 2011).
5
Hay una fuerte evidencia de un cambio en el clima global como resultado de las actividades humanas IPCC (2007). Para predecir respuesta de la planta a un posible cambio climático, los controles climáticos sobre la distribución de las plantas actuales deben ser cuantificados (PETERSON et al., 2000 y ELITH J et al. 2006). Para entender mejor los impactos potenciales de la tendencia al calentamiento actual, un considerable esfuerzo se ha ido a predecir el efecto de los futuros escenarios climáticos sobre diversos flora y fauna (WALTHER et al., 2002).
Los modelos de distribución climática ayudan a determinar dónde se encuentran las condiciones ambientales más adecuadas para que la especie prospere. Dichos modelos han demostrado su utilidad en estudios que evalúan patrones de distribución
de organismos,
como son
algunos análisis
biogeográficos, ecológicos o de conservación (ANDERSON et al., 2003).
2.3.
Generalidades de las especies maderables en el Perú
En el Perú existe una gran variedad de especies maderables, las más conocidas son: caoba, cedro, copaiba, anacaspi, tornillo, congona, machinga, cumala, chamisa, cachimbo blanco, ishpingo, bolaina blanca, quinilla colorada, moena amarilla, capirona, tahuari, etc.
6
De las cuales existen ocho especies maderables importantes como se muestra en el cuadro 1, las más movilizadas en nuestro país (EL PERUANO. 2014).
Cuadro 1. Principales especies movilizadas en el Perú. Especie
Volumen en pt
Cedrelinga cateniformis (tornillo)
1927269.96
Chorisia integrifolia (lupuna)
1712054.08
Calycophyllum spruceanum (capirona)
1113338.82
Cedrela odorata (cedro)
997087.74
Clarisia nitida (capinuri)
891873.84
Virola spp (cumala)
804972.52
Dipteryx odorata (shihuahuaco)
711104.02
Aniba amazonica. (moena)
372757.44
Fuente: EL PERUANO. 2014.
Asimismo, existe información falsa y volumen injustificado en los seis departamentos según el cuadro 2, ha conllevado a la movilización en un total de 51 747.98 m3 de madera ilegal, equivalente a 21 929 552.007 pt, procedente de Loreto, Ucayali, Junín, Pasco, San Martin y Amazonas. Desde el 2009, se viene advirtiendo la aprobación de permisos y POAs, sin realizar la inspección previa para verificar su autenticidad, amparándose en la fiscalización
7
posterior y presunción de veracidad; las principales especies más movilizadas en el Perú (EL PERUANO. 2014).
Cuadro 2. Información falsa y volumen injustificado en el Perú.
N°
PAU
N° Casos
Volumen
con
movilizada
Departamentos Supervisiones Iniciados información injustificado falsa
(m3)
Loreto
105
91
65
29564.47
Ucayali
104
77
44
9262.71
Junín
52
39
24
9739.04
Pasco
11
6
5
1160.88
San Martin
9
6
4
1127.91
Amazonas
13
11
4
892.97
294
232
146
51747.98
TOTAL Fuente: EL PERUANO. 2014.
2.3.1. La explotación ilegal y destructiva continúa devastando bosques y comunidades en la Amazonia peruana
Los bosques de Perú están bajo asedio. Por toda la Amazonia peruana, madereros ilegales y otros “legales”, igualmente destructivos, se dedican al madereo a gran escala de los últimos árboles de caoba (Swietenia
8
macrophylla) y cedro (Cedrela odorata), dos especies de gran valor. De acuerdo con las últimas estimaciones, un 90 % de la madera extraída en la Amazonia peruana es ilegal. Las cifras oficiales informan que la mayoría de la madera dura peruana es exportada a México, Estados Unidos, Canadá y Bélgica. Gran parte de esta madera es importada en violación de los acuerdos internacionales de protección al medio ambiente (como CITES). Por otra parte, la extracción de madera peruana muchas veces ha implicado la violación de los derechos humanos de los pueblos indígenas, particularmente su derecho a la propiedad, a la consulta previa, a la subsistencia y a la integridad cultural (GRIFFITHS, 2005).
A medida que se talaron los bosques de las zonas más accesibles, la mafia forestal peruana comenzó a penetrar cada vez más en la selva, en busca de especies cotizadas. La mayoría de estas áreas remotas forman parte de los territorios que han pertenecido tradicionalmente a pueblos indígenas, incluso comunidades no contactadas y vulnerables. En Ucayali, por ejemplo, los madereros ilegales han abierto caminos hasta lo más profundo de la Reserva Murunahua, que amenazan la integridad de los territorios de los pueblos indígenas que viven en aislamiento voluntario. En una palabra, la mayor parte de la madera ilegal de Perú es extraída de las reservas comunales de las Comunidades Nativas, de las reservas de pueblos indígenas no contactados que viven en aislamiento voluntario, o de las zonas de conservación protegidas.
9
2.3.2.
Panorama del mercado de especies maderables en
Ucayali El departamento de Ucayali cuenta con área de 10 532 721.35 ha. Existen diez tipos de bosques que cubren una superficie aproximada del 85% del territorio regional con una gran diversidad que se estima en 2 500 especies forestales; de estas especies, solo 550 estarían estudiadas y tan solo se aprovecharía el 2 % del total. Los bosques productivos de la región se estiman en más de 8 millones de hectáreas de bosques de los cuales 4089.926 ha, fueron declarados como bosques de producción permanente; el resto se encuentra en territorios de comunidades nativas, áreas reservadas y predios privados. El aprovechamiento de estos bosques es bajo la modalidad de concesiones forestales y a través de planes de manejo; su potencial forestal esta distribuidos en 4 112.159 ha de bosques de colina, 1 518.124 ha de bosques aluviales y 3209.268 ha de bosques ricos en bambú natural denominados pacales. Los principales productos que la región produjo en el periodo 2011 fueron madera rolliza y madera aserrada, donde la región fue el primer productor a nivel nacional; asimismo, se producen parquet, triplay, postes y durmientes y carbón (AIDER, 2012). El departamento de Ucayali, en el año 2011, aprovechó más de 70 especies forestales. La región Ucayali es la primera región, por delante de Loreto y Madre de Dios, en producción de madera rolliza a nivel nacional. Para el año 2011, la producción de madera rolliza alcanzó los 532,789 m3; que representó el 24.55% de la producción a nivel nacional para ese año.
10
Asimismo, la producción de madera rolliza de las especies que forman parte de este estudio representan el 9.42% del total de madera rolliza que se produjo en la región durante el mismo periodo. La producción de madera rolliza de las ocho especies importantes, desde el punto de vista volumétrico (AIDER, 2012).
Cuadro 3. Producción de madera rolliza de las principales especies en Ucayali – Año 2011. N°
Nombre común
1
Cachimbo
2
Volumen (m3)
Volumen (pt)
64 175.65
27 196 100.3
Cumala
55 897.2
23 687 891.86
3
Tornillo
50 141.59
21 248 802.48
4
Shihuahuaco
43 787.83
18 556 231.47
5
Bolaina blanca
39 806.33
16 868 967.33
6
Lupuna
34 326.85
14 546 895.21
7
Copaiba
33 315.64
14 118 368.68
8
Huayruro
2 8387.3
12 029 856.46
Fuente: Elaboración propia, 2015 (Datos obtenido de Perú Forestal en números 2011. MINAG – DGFFS).
2.4.
Marco legal
Ley Forestal y de Fauna Silvestre Nº 29763
Artículo 67. Protección y administración de los recursos forestales y de fauna silvestre en áreas naturales protegidas por el Estado
11
La protección y administración de los recursos forestales y de fauna silvestre dentro de las áreas naturales protegidas del Sistema Nacional de Áreas Naturales Protegidas por el Estado (Sinanpe) son competencia del Servicio Nacional de Áreas Naturales Protegidas por el Estado (Sernanp) conforme a la legislación de la materia. En el caso de las áreas de conservación regional, la protección y administración de los recursos forestales y de fauna silvestre es competencia de los gobiernos regionales. Sin perjuicio de lo establecido en los párrafos precedentes, la gestión de los recursos forestales y de fauna silvestre dentro de estas áreas responde a la política y a la normativa nacional forestal y de fauna silvestre.
El reglamento de la presente Ley establece mecanismos de coordinación para autorizaciones de exportación o para el aprovechamiento dentro de áreas naturales protegidas de especies reguladas nacional o internacionalmente.
Artículo 68. Actividades forestales en zonas de amortiguamiento
Las autoridades regionales forestales y de fauna silvestre y el Sernanp coordinan e implementan las actividades de control y vigilancia en las
12
zonas de amortiguamiento de áreas naturales protegidas por el Estado, a fin de asegurar que no generen impactos negativos sobre dichas áreas.
Artículo 72. Reconocimiento por el Estado y acciones de mitigación El Estado reconoce la importancia y necesidad de la conservación y manejo responsable y sostenible de los ecosistemas forestales y otros ecosistemas de vegetación silvestre para contrarrestar los efectos negativos del cambio climático. En este sentido, elabora planes, desarrolla acciones de prevención y educación y presupuesto recursos económicos para su ejecución.
Paralelamente, el Serfor, en coordinación con los gobiernos regionales y los institutos de investigación, promueven la investigación y las prácticas y actividades de mitigación y adaptación al cambio climático en los ecosistemas forestales y otros tipos de vegetación silvestre, reconociendo su valor intrínseco en relación a los servicios que brindan, incluyendo prioritariamente las actividades de reducción de deforestación y degradación de ecosistemas forestales y otros tipos de vegetación silvestre, el mantenimiento de su capacidad de proveer servicios, el manejo sostenible, la reforestación y el enriquecimiento de los bosques.
13
2.5.
Género Virola 2.5.1.
Descripción botánica
Árbol de 35 m de altura y 1 m de diámetro. Hojas alternas coriáceas, envés tomentoso (muchos bellos). Inflorescencia dioica en panículas axilares. Los frutos son capsulas de dehiscencia dorso ventral, pericarpo leñoso; arilo laciniado de color rosado. Las semillas son diseminadas por muchas especies de aves y primates (GR - UCAYALI, 2010).
2.5.2.
Taxonomía del género Virola
De acuerdo al sistema jerárquico de clasificación biológica tomada para Virola:
Reino: Plantae
División: Angiosperma
Clase: Dicotyledoneae
Sub clase: Anchichamideae
Orden: Magnoliales
Familia: Myristicaceae
Género: Virola (FUSÉE, 1720).
14
2.5.3.
Fenología
La floración y fructificación ocurre todos los años, pero con diferente intensidad. Los árboles se pueden encontrar en floración en los meses de agosto a diciembre; antes de esta etapa puede haber una defoliación de la copa. La diseminación de la semilla ocurre en la época lluviosa (enero a abril) (GR - UCAYALI, 2010). 2.5.4.
Distribución geográfica y hábitat
Se encuentra distribuido en la Amazonía de Bolivia, Brasil, Venezuela y Perú (GR - UCAYALI, 2010).
En el Perú, se distribuye en los departamentos de Loreto, Junín, Pasco, Huánuco, Amazonas, Madre de dios, San Martín y Ucayali (OSINFOR, 2013), entre elevaciones de 80 msnm a 1 000 msnm.
Figura 1. Distribución geográfica del género Virola en el Perú.
15
Se encuentra en el bosque húmedo tropical (bh-T) y bosques secundarios en suelos inundables, suele observarse en ámbitos con mayor pluviosidad elevada y constante, pero también se encuentra en zonas con una estación seca marcada. Es un género de crecimiento rápido, en suelos arcillosos a limosos, usualmente fértil, bien drenados a veces con pedregosidad alta (GR - UCAYALI, 2010).
2.6.
Principales algoritmos de modelado de distribución Los tipos de modelos que se emplean cuando hay poca información
detallada sobre la respuesta climática o la biología reproductiva y desarrollo de la especie a controlar. Ejemplos de este tipo de modelos son CLIMEX (Sutherst y Maywald, 1985), BIOCLIM (Busby, 1986), DOMAIN (Carpenter et al., 1993), GARP (Stockwell y Noble, 1992), MAXENT (Phillips et al., 2004, 2006), entre otros. HIJMANS et al, (2006), realizaron unas predicciones de distribución para el pasado, presente y futuro con cuatro técnicas de modelado (BIOCLIM. DOMINIO, GAM, y MAXENT) y compararon sus resultados con el modelo mecánico, determinando que los modelos de Maxent son similares al modelo mecánico, es decir, los modelos de Maxent son efectivos.
2.6.1.
Maxent Se escogió el modelo de Máxima Entropía (Maxent) dado que en
estudios comparativos previos demostraron que se desempeña bien incluso con
16
muestras de tamaños pequeños (PHILLIPS et al., 2006). Es un método de inteligencia artificial que aplica el principio de máxima entropía para calcular la distribución climática más probable para este género. Maxent estima la probabilidad de ocurrencia de la especie buscando la distribución de máxima entropía (lo más uniforme posible) sujeta a la condición de que el valor esperado de cada variable climática o ambiental según esta distribución coincide con su media empírica (PHILLIPS et al., 2006). Fue desarrollado por Steven Phillips, Miro Dudik y Rob Schapire, con el apoyo de los laboratorios de investigación de AT&T, la Universidad de Princeton y el Centro para la Biodiversidad y Conservación del Museo Americano de Historia Natural, el resultado del modelo expresa el valor de idoneidad del hábitat para la especie como una función de las variables climáticas. Un valor alto de la función de distribución en una celda determinada indica que ésta presenta condiciones muy favorables para la presencia de la especie. Maxent puede utilizar variables cualitativas, otorgando a cada valor de la variable un peso relativo al número total de puntos de presencia que contiene. El programa estima la importancia de cada variable en la distribución de la especie (PHILLIPS et al., 2006). Para la distribución de Virola se generan mediante el software Maxent como requisito se necesita los datos de presencia de la especie y las variables climáticas:
17
-
Datos de presencia de especies Los puntos de presencia de especie, son aquellos registros de la
ubicación geográfica de las especies, considerando, entre otros, las siguientes condiciones:
La especie debe estar en un estado de equilibrio con su ambiente; es decir, la competencia y depredación restringen los rangos ambientales, y no las limitaciones de dispersión y
No se deben incluir datos de presencia de especímenes cultivados en plantaciones, colecciones en campo y jardines. La forma más básica de obtener los datos de presencia, es
generando la información en terreno mediante GPS u otros tipos de herramienta de adquisición de datos, o recurriendo a las fuentes directas de información de especies, como son los museos o herbarios. - Variables climáticas El clima es uno de los principales factores que afectan la distribución natural de la vegetación (HOLDRIDGE, 2000), la actividad de las comunidades vegetales está condicionada, entre otros factores por las variaciones climáticas, fundamentalmente las de carácter anual: Ciclo térmico y pluviométricos que conforman estaciones frías y/o secas, la variabilidad climática origina contrastados paisajes vegetales entre las estaciones del año, ya que cuenta con gran diversidad de comunidades y cubiertas vegetales que responden con distintos ciclos fonológicos anuales (WALTER, 2002). Las variables climáticas normalmente son generadas a partir de la interpolación de
18
datos de estaciones climatológicas y utilizando la elevación. Entre las variables que más habitualmente se utilizan para modelado de distribución se encuentran las climáticas medidas con temperaturas, precipitaciones, días de helada, etc. y las variables topográficas determinadas por la elevación, pendiente, orientación, etc. (BENITO, 2009).
Curvas ROC
Uno de los parámetros utilizados para evaluar la capacidad de predecir de los modelos generados por Maxent es el Área debajo de la curva (AUC) de la curva de Característica operativa Relativa (ROC). El AUC es equivalente a la probabilidad de que un punto de presencia seleccionado al azar este ubicado en una celda del raster con un valor de probabilidad mayor para la ocurrencia de la especie que un punto de ausencia seleccionado al azar. La modelación de la distribución de especies en esta investigación incluye solamente puntos de presencia. Aun así, para poder calcular el AUC, Maxent reemplaza los puntos de ausencia con puntos del área de estudio generados aleatoriamente. El AUC se puede entonces interpretar como la mayor probabilidad de que un punto de presencia seleccionado aleatoriamente este ubicado en una celda del raster con alto valor de probabilidad para la presencia de especie que un punto generado aleatoriamente (PHILLIPS et a., 2006). La curva ROC, como se muestra en la Figura 2, se muestra los valores de sensibilidad en el eje y frente a los valores de especificidad en el eje x para cada uno de los valores de idoneidad o probabilidad del modelo.
19
Figura 2. Curva ROC. Asimismo, en el Cuadro 1, se muestra la categorización del AUC para los modelos generados, con rangos de 0 a 1, si el modelo está por debajo de 0.5 se considera como no valida el modelo (ARAÚJO et al., 2005).
Cuadro 4. Categorización del AUC
Calificación
Rangos
Excelente
AUC >0,90
Buena
0,80>
AUC
>0,90
Aceptable
0,70>
AUC
>0,80
Mala
0,60>
AUC
>0,92
No valida
0,50>
AUC
>0,60
Fuente: ARAÚJO et al., (2005).
20
2.6.2. Importancia de las variables Por cuestiones de manejo y conservación de las especies, es importante determinar las variables climáticas de mayor importancia sobre la distribución de las especies; éste se puede realizar con el test Jackknife, el cual, excluye una variable del modelo y corre el modelo con las demás variables, se compara la ganancia que tiene el modelo con todas las variables y la ganancia que tiene el modelo sin la variable que fue excluida. La variable que al ser excluida del modelo afecte en forma considerable a la eficiencia de éste, será considerada una variable de importancia (PHILLIPS et al., 2006).
21
III.
3.1.
MATERIALES Y MÉTODOS
Lugar de ejecución Los datos de campo en estudio fueron del departamento de
Ucayali, proporcionando por el Área de Geomántica del Organismo de supervisión de los recursos forestales y de Fauna silvestre (OSINFOR – Magdalena del Mar – Lima).
Figura 3. Mapa de ubicación del área de estudio del departamento de Ucayali.
22
Figura 4. Mapa de ubicación del desarrollo de la práctica en la empresa OSINFOR. 3.1.1.
Ubicación política
País
: Perú
Departamento
: Ucayali
3.1.2.
Ubicación geográfica El departamento de Ucayali está situado por el norte con el
departamento de Loreto, por el sur con los departamentos de Cuzco, Madre de Dios y Junín, por el este con la República Federal de Brasil (Estado de Acre), por el oeste con los departamentos de Pasco y Huánuco. Comprende una superficie de 102 410.18 km² que representa a un 7.97% del territorio nacional y alrededor de la séptima parte de la selva amazónica peruana, comprende territorios de selva alta y de llanura amazónica, los cuales representan el 13,7% y el 86,3% respectivamente de la superficie de la Región.
23
Morfológicamente en el departamento de Ucayali se distinguen tres pisos: ceja de selva, selva alta y selva baja, cada una con características peculiares. La capital del departamento de Ucayali es la ciudad de Pucallpa, ubicada a 154 m.s.n.m.
La ubicación geográfica del área de estudio está dado por las siguientes coordenadas Latitud 08°22′40″S, Longitud 74°34′27″O, con una altitud de 135 - 350 msnm. 3.1.3.
Características del área de estudio
3.1.3.1.
Clima:
El clima predominante pertenece al Bosque Húmedo Tropical. En función a la información recopilada entre los años 1966 y 2001, en cuatro de las cinco estaciones meteorológicas, se puede concluir que el clima es del tipo cálido – húmedo, con ligeras variaciones que dan lugar a la llamada época seca y época lluviosa. El promedio de precipitación es de 1535 a 2100 mm/año, y su distribución mensual se puede agrupar en los siguientes ciclos: ciclo lluvioso: febrero a mayo, ciclo seco: junio a agosto, ciclo semi seco: septiembre a noviembre y ciclo semilluvioso: diciembre a enero. La temperatura media mensual es de 27.0 ºC (año 2001) con extremos de 20.1ºC y 36ºC. La humedad relativa media anual es de 83.5%, disminuyendo ligeramente en los meses de julio a octubre. Los vientos tienen una dirección predominante de norte a sur, con una velocidad promedio de 1.4 m/s.
24
3.1.3.2.
Orografía
La región Ucayali, ubicada en la cuenca amazónica del Perú, tiene 3 pisos naturales definidos como: Ceja de Selva: Ocupa 10 532 721.35 ha de superficie, a una altura de 1,000 m.s.n.m. en las naciente de los ríos Sepa, Unini y Catsingari en la provincia de Atalaya. En la provincia de Padre Abad por las nacientes del río Aguaytía, presenta una altura que supera en algunas zonas los 3,000 m.s.n.m. Selva Alta: Ocupa un área de 12,948 km² y presenta altitudes entre los 500 y 1,000 m.s.n.m. fondos de valles de gran altitud y poco ancho, terrazas escalonadas en 4 niveles, siendo las bajas las que ofrecen mejores condiciones para la actividad agropecuaria. Selva Baja: Se presenta entre 0 y 500 m.s.n.m. y ocupa la mayor extensión en la región con 88,434 km². 2.1.4 Ecología: La región Ucayali presenta 11 zonas de vida, siendo las más importantes: bosque húmedo tropical, bosque muy húmedo tropical y bosque pluvial premontano tropical y transicionales a: bosque húmedo tropical y bosque húmedo premontano tropical. Los bosques cubren cerca del 85% de la superficie de la región, se caracteriza por su elevada heterogeneidad, que posibilita o limita su manejo. La región presenta una gran diversidad biológica. En función a los ecosistemas encontramos especies de plantas, animales y microorganismos, los que son explotados en concordancia con las necesidades del mercado que demanda un determinado producto, ya sea como materia prima o de transformación primaria.
3.1.3.3.
Hidrografía
La región tiene el 26% del total nacional de agua escurrida (2 billones de metros cúbicos), siendo abundante en recursos hídricos. Las aguas
25
de escorrentía, a través de la zona, forman la red hídrica cuya troncal está en el río Ucayali. El volumen de agua escurrida a nivel de la región ha sido estimado por ONERN en algo más de 43 millones de metros cúbicos. El río Ucayali tiene una extensión de 1,771 kilómetros (Perú En Números - 2007), y está formado por la unión de los ríos Tambo y Urubamba en la zona de Atalaya y discurre de sur a norte; esta cuenca hidrográfica la conforman 502 ríos y afluentes hasta de quinto orden. La mayoría de los ríos que recorren la región tiene un régimen glacial – marino pluvial y son navegables en su curso medio e inferior. El río Ucayali es importante por constituir la vía principal de comunicación dentro de la región amazónica. Es un río caudaloso y sinuoso, navegable durante todo el año por embarcaciones de hasta 5 pies de calado en época de vaciante (abril – septiembre).
3.1.3.4.
Actividades económicas
En la producción agropecuaria es escasa, aunque abunda la yuca, el arroz, plátano, papayas, tabaco. La producción forestal: fundamentalmente a base de la madera. Hay aserraderos que utilizan la caoba, el cedro, la moena, el ishpingo y muchas más. La producción ganadera es fundamentalmente es el ganado Cebú. También la mayoría de mujeres de la etnia shipibo se dedican a la textilería manual y a la artesanía de collares y brazaletes, ellas venden sus productos por las calles de Pucallpa. 3.1.3.5.
Infraestructura de transporte
La columna vertebral del movimiento económico de la región, se da en dos niveles:
26
a) Carretera Federico Basadre: Constituye el más importante corredor económico que pone en movimiento a las actividades agrarias de la Provincia de Coronel Portillo y Padre Abad, especialmente con Lima Metropolitana, pasando por los mercados importantes de Huánuco, Cerro de Pasco y Huancayo. Sin embargo, una de las mayores dificultades que confronta este tramo, son los asaltos permanentes, especialmente de Tingo María a San Alejandro, el cual se agudiza con los huaycos, derrumbe y paros en la carretera central. Muchos agricultores y comerciantes fracasaron por este problema.
b) El río Ucayali y sus tributarios: Los ríos amazónicos, constituyen los principales medios de transporte fluvial, que permite que los agricultores y los forestales saquen sus productos a los mercados, considerando que este medio constituye un alto costo. Mediante esta vía Pucallpa, se integra con casi toda la Amazonía peruana, Brasilera, colombiana y Ecuatoriana. Por otro lado, el movimiento comercial entre Pucallpa y la Provincia de Atalaya, hasta ahora solo es posible vía fluvial, resultando así un alto costo, lo cual configura una agricultura de auto subsistencia, pese a que esta provincia posee las mayores potencialidades de suelos para agricultura; por lo que se espera próximamente una interconexión de Atalaya con el departamento de Junín. Lo crítico se percibe en la provincia de Purús, debido a que en esta provincia la actividad es con el Brasil, toda vez que este vecino país, cuenta con una política fronteriza en expansión mediante la
27
ganadería extensiva y facilitada por los servicios importantes para sus poblaciones. 3.2.
Materiales La cartografía digital utilizada como apoyo para la elaboración del
estudio es la que se presenta a continuación:
-
Cartografía Digital Base
IGN: Cartas nacionales 1/100 000
INEI: Limites políticos, centros poblados.
IBC: Comunidades nativas.
SERNANP: Áreas naturales protegidas, zonas de amortiguamiento, áreas de conservación regional
-
Base de presencia del género Virola Datos de registro del genero Virola (OSINFOR)
-
Software de procesamiento
ArcGis Versión 10.1
WorldClim: Variables climáticas
Maximum Entropy Species Distribution Modeling (MaxEnt) v. 3.3.3k
28
-
Equipo
Laptop ASUS: Intel(R) Core(TM) i5-4200U CPU @ 2.20GHz, memoria RAM 6.00 GB
3.3.
Impresora XEROX - Phaser 7500
Metodología
3.3.1.
Fase pre campo Se ingresó a las instalaciones de la empresa OSINFOR, se pasó a
recursos humanos para la entrevista personal después se firmó el contrato; se inició con la practica con la entrega de la recopilación información referente a la distribución de especies, datos ambientales, evaluación de modelos de distribución como el software Maxent y la especies maderables más extraídas en nuestro país.
3.3.2.
Fase campo Los puntos de registros de presencia de Virola se llevaron a cabo
en el departamento de Ucayali mediante el equipo, también se recibió información de la distribución del genero Virola y capacitación del software Maxent. .
29
3.3.3.
Fase de gabinete La base de registro de presencia de Virola se descargó se puso en
el formato Excel lo cual se proyectó a un sistema geográfico de coordenadas a fin de estandarizarlos con la cartografía base, dado que es necesaria para el software Maxent ya que tiene esa restricción.
También se descargó las capas climáticas en la página web www.wordclim.org en formato raster, se procedió a cortar las capas al área de estudio debido a que se encuentran a escala del país, mediante el programa ArcGis 10, en ArcToolsBox en la herramienta Spatial Analyst Tools -> Extraction -> Extraction By Mask. Estos eventos despliegan una ventana donde ingresamos la capa raster, la máscara y un directorio de salida. Se procedió a cortar el raster con el fin de minimizar tamaño de los archivos y su extensión para así obtener el raster a la extensión asc. necesaria para utilizarla en el Maxent, que conforman las 19 capas climáticas como se muestra en el Cuadro 5.
30
Cuadro 5. Variables climáticas con WorldClim - Global Climate Data. Orden
Código
Descripción
1
BIO1
Temperatura promedio anual
2
BIO2
Rango medio diurno
3
BIO3
Isotermalidad
4
BIO4
Estacionalidad en temperatura
5
BIO5
Temperatura máxima del periodo más caliente
6
BIO6
Temperatura mínima del periodo más frio
7
BIO7
Rango anual de temperatura
8
BIO8
Temperatura media en el trimestre más lluvioso
9
BIO9
Temperatura promedio en el trimestre más seco
10
BIO10
Temperatura promedio en el trimestre más caluroso
11
BIO11
Temperatura promedio en el trimestre más frio
12
BIO12
Precipitación anual
13
BIO13
Precipitación en el periodo más lluvioso
14
BIO14
Precipitación en el periodo más seco
15
BIO15
Estacionalidad de la precipitación
16
BIO16
Precipitación en el trimestre más lluvioso
17
BIO17
Precipitación en el trimestre más seco
18
BIO18
Precipitación en el trimestre más caluroso
19
BIO19
Precipitación en el trimestre más frio
Fuente: WORLDCLIM, 2015.
Teniendo los registros de presencia de Virola y las variables climáticas se procesó en el software MaxEnt 3.3.3. (PHILLIPS et al., 2004)
3.3.2.1.
Distribución del género Virola aplicando el software
Maxent La distribución del género Virola se generó con el método de solo presencia basado en el enfoque de Máxima Entropía con el software “MaxEnt
31
3.3.3”. El software se ejecutó utilizando las características por defecto: 2000 iteraciones; eliminación de registros duplicados (PHLLIPS et al., 2006). La opción de no duplicar registros (un único registro por cada cuadrícula), se seleccionó para disminuir los efectos de concentración de esfuerzo de muestreo en torno a ciertas localidades (PAWAR et al., 2007). Asimismo, se seleccionó la opción Jackknife para medir la importancia de las variables. Se escogió el formato de salida logístico, ya que permite interpretar la distribución modelada en términos de probabilidad de ocurrencia, en función de la limitaciones impuestas por el ambiente (PHILLIPS y DUDIK, 2008).
3.3.2.2.
Determinar el área de distribución del género Virola de
las unidades de territorio aplicando el software Maxent Con el área determinada de la distribución del género Virola se interceptaron las unidades de territorio como las comunidades nativas, bosque permanente, concesiones forestales, área natural protegida (ANP), zona de amortiguamiento y área de conservación regional, con finalidad de obtener el área de distribución para cada unidad de territorio.
32
3.3.2.3.
Evaluación de la distribución potencial al 2050 mediante
el software Maxent del género Virola considerando las presiones y cambios ambientales Para la el análisis de la distribución al año 2050, se realizó con el software “MaxEnt 3.3.1”, se empleó las proyecciones para el año 2050 de la misma página WorldClim - Global Climate Data, a la misma resolución de 30 arc – seg (1km2). Se usó la misma base de datos de registro de presencia de Virola para obtener el modelo de la distribución proyectada a 2050 de Virola.
33
IV.
4.1.
RESULTADOS
Distribución del género Virola aplicando el software Maxent Cuadro 6. Superficie ocupada del género Virola.
Superficie
Área (ha)
%
Ucayali
10 532 721.35
100%
Virola
4 216 390.58
40.03%
Area de Ucayali, 100%
Area de Virola, 40%
Area de Ucayali Area de Virola
Figura 5. Superficie ocupada por el género Virola (Porcentajes).
34
En el Cuadro 6, se muestra el área ocupada por el género Virola en un 40% con respecto a la superficie del departamento de Ucayali, indica que esta área se encuentra en condiciones óptimas para la distribución. Entiéndase como una condición óptima aquella en la que la precipitación y la temperatura ejercen presión para restringir el comportamiento, desarrollo, adaptabilidad y permanencia en el tiempo de una especie sin analizar la dinámica social, poblacional.
33
Figura 6. Mapa de distribución obtenido a través del Maxent. 35
36
En la figura 6, se muestra el mapa de la distribución del género Virola mediante el software Maxent, el color beige muestra el área idónea para desarrollarse no solo este género, es decir puede que en esta área se desarrolle otros géneros frente a las variables climáticas aplicadas.
Cuadro 7. Datos de presencia del género Virola.
N° de individuos Género Ejecución
Virola
Validación
1162
116
En el cuadro 7, se muestra el número de individuos ingresados por el software de 1162 para ejecutar la distribución y para la validación solo tomo 116 puntos debido a que en cada celda raster de 1km 2 solo selecciona un solo punto representando en un 11% de los datos.
En la Figura 7, se muestra el mapa de la distribución de los puntos de color rojo son de distribución para la validación y los puntos de color verde registrados para la ejecución, se observa que hay tres puntos que no están dentro de la distribución de color beige debido a que en esta área no cumplen con las condiciones climáticas favorables propuestas con las 19 variables climáticas para la distribución de Virola.
37
Figura 7. Mapa de distribución de los individuos de la ejecución y validación del género Virola.
37
38
En la figura 8, se observa la curva roja (entrenamiento) y la curva azul (prueba). La curva roja (entrenamiento) La curva roja (entrenamiento) representa el ajuste del modelo a los datos de muestreo. La curva azul (test) indica el grado de ajuste del modelo a los datos de test, y supone el test real del poder predictivo del modelo. La línea negra muestra lo que esperaríamos si el modelo no fuese mejor que el azar. En el área de estudio se ha determinado como se muestra el Área debajo de la curva (AUC) que se obtuvo de 0.919.
Figura 8. Curva operada por el receptor (ROC). En el figura 9, los porcentajes de contribución de variables climáticas mediante Maxent, muestra la variables de importancia para la distribución de Virola como la variable 17 (Precipitación en el trimestre más seco) es de mayor contribución al modelo en un 28 %, y las de menor ganancia
39
fue la variable 1 (Temperatura promedio anual) y la variable 6 (Temperatura mínima del periodo más frio).
Figura 9. Contribución de las variables climáticas de la distribución del género Virola.
4.2.
Determinación del área de distribución del género Virola en
unidades de territorio aplicando el software Maxent Cuadro 8. Superficies ocupada por Virola en cada unidad de territorio. Unidad de Territorio Comunidades nativas
Superficie Área (ha)
%
1 233 944
20.99
Bosque permanente
2 317 320.44
39.43
Concesiones forestales
1 799 017.04
30.61
84 813.83
1.44
440 542.33
7.50
1 644.61
0.02
area5
100
Área natural protegida (ANP) Zona de amortiguamiento (ZA) Área de conservación regional (ACR) Total
40
Figura 10. Superficies ocupada por Virola en cada unidad de territorio.
Se muestran las superficies en cada unidad de territorio en el departamento Ucayali con respecto al área de distribución que ocupa este género Virola como se observa en el Cuadro 8., evidencia que el mayor porcentaje con 39.43 % de superficie ocupada es de bosque permanente, seguido del 30.61% concesiones forestales, de lo descrito podemos mencionar que la mayor parte de la distribución de Virola se encuentran en zonas destinadas al aprovechamiento forestal, a diferencia de las unidades de territorio de las ANP, ACR, ZA que sumados corresponden a aprox. 12% del total con menor porcentaje.
41
Figura 11. Mapa de unidades de territorio de la Virola.
41
42
4.3.
Evaluación del análisis de distribución potencial proyectada a 2050
del género Virola considerando las presiones y cambios ambientales
Cuadro 9. Superficie de la distribución potencial actual y proyectada a 2050. Área (Ha)
%
Área actual
4 216 391
100
Área futura
42 928
1.02
4 173 462
98.98
Diferencia
En el cuadro 9, se observa el área de la distribución potencial actual y futura para el género Virola perdiendo una superficie de 4 173 462 ha se observa una perdida drástica de área para la Virola en el futuro considerando las presiones y cambios ambientales.
43
Figura 12. Mapa de distribución potencial proyectada a 2050 del género Virola. 43
44
V.
DISCUSIÓN
Según (ANDERSON et al., 2003), los modelos de distribución de acuerdo a las presiones y cambios ambientales ayudan a determinar dónde se encuentran las condiciones adecuadas para que la especie prospere. En nuestra práctica se estimó que la distribución del género Virola en el departamento de Ucayali cuenta con un área estimada de 4 216 390.58 hectáreas que representa el 40.03%, en esta área existe altas probabilidades de ocurrencia de acuerdo a las condiciones climáticas son las adecuadas esto confirma lo dicho por el autor, pero debemos tener en cuenta que no solo se encuentra este género puede distribuirse, sino también puede haber otras especies en esta área de distribución estimada. Según (PHILLIPS et al., 2006), menciona que las capas climáticas tienen una resolución de cada celda raster 1km2, dentro de cada celda se encuentran asociadas a cada uno de esos puntos de presencia. En la práctica los datos para la ejecución de la distribución del género Virola se tomó de 1162 puntos y para la validación que usó el programa Maxent, 116 puntos que representa el 11% de los puntos, debido a esto explica porque se reduce la cantidad de los puntos registrados celda raster esto confirma lo dicho por el autor.
45
El modelo generado presento un AUC con un valor de 0.919, según los criterios de ARAÚJO et al., (2005), confirma que la distribución es excelente, ya que tiene un AUC mayor a 0.9, nos indica cuanto más se aproxime a uno la distribución es ideal para predecir las presencias de los datos.
Si cualquiera de la curva roja (entrenamiento) o azul (prueba) cae por debajo de la línea negra, indica que el distribución no es válido, cuanto más se aproxime la curva azul a la esquina superior izquierda, mejor es el modelo para predecir las presencias contenidas en la muestra de prueba de los datos (PHILLIPS et al., 2006). En nuestra figura se observa que nuestras curvas se encuentran encima de la línea negra indicando que nuestra distribución es buena, también porque nuestras curvas se aproximan a la esquina superior izquierda. Esto confirma por Phillips et al., 2006.
Según (PHILLIPS et al., 2006), para cuestiones de manejo y conservación de las especies, es importante la determinación de las variables climáticas de mayor importancia sobre la distribución de las especies. Por lo tanto en la distribución del género Virola según los resultados de la prueba Jackknife, se ha determinado que se encuentra condicionada por la variable de mayor importancia la precipitación en el trimestre más seco entre otras, debido a que estas variables contribuyen a la distribución, mediante esto nos permite mejorar significativamente la comprensión y el monitoreo de la biodiversidad puesto que los resultados
46
obtenidos de los análisis permitirán formular estrategias de intervención y planificación.
De acuerdo a nuestra distribución del género Virola de lo descrito podemos mencionar que la mayor parte de la distribución de Virola se encuentra en zonas destinadas al aprovechamiento forestal con 39.43 % de bosque permanente, seguido del 30.61% concesiones forestales y 20.99% en comunidades nativas, y una mínima parte corresponden a zonas de protección y conservación
como ANP, ACR, ZA en total del 12%. Según (OSINFOR ,2013), los bosques de producción permanente son donde se trabaja la producción forestal (preferentemente de madera) y otros recursos de flora y de fauna silvestres en forma sostenible y permanente. De acuerdo a nuestro datos de unidades de territorio tiene el mayor porcentaje en bosques de producción permanente representado en un 39.43%, por lo que esta cantidad es beneficiosa para su conservación sostenible para este género.
Según (PETERSON et al., 2002), la determinación de distribución de los sitios importantes de concentración de especies es útil para estimar la diversidad de las áreas naturales protegidas y así planificar o diseñar mejor un sistema de áreas naturales protegidas. En la distribución del genero Virola abarca en Áreas Naturales Protegidas como la Zona Reservada Sierra del Divisor, Parque Nacional Cordillera Azul y Reserva Comunal El Sira representado en un 1.44% del área de distribución, debido a esto se puede plantear la planificación de incorporación de este género en estas áreas para conservar nuestras especies forestales maderables.
47
Según PETERSON et al. (2002), menciona que el cambio climático puede generar pérdida del hábitat y por las actividades de extracción de las especies forestales para el uso del bienestar humano , esto concuerda lo dicho con el autor debido a que existe una gran pérdida de hábitat para el año 2050 en un 98.98%, esto indicaría que este es el primer paso para desarrollar metodologías que evalúen el comportamiento de las especies en el país y que debemos también analizar de manera conjunta los efectos del cambio climático sobre estas especies y las actividades de extracción ilegal de madera que se viene dando en el departamento de Ucayali.
48
VI.
1.
CONCLUSIONES
La distribución del género Virola obtenida a través del software
Maxent, se determinó la probabilidad de presencia que nos permitió analizar las tendencias en la distribución de una especie en condiciones óptimas, a través de la interpretación de la Curva ROC, con un AUC DE 0.919 y la variable de mayor importancia la precipitación en el trimestre más seco con un 28%.
2.
El área de distribución del género Virola, tiene el 40.03% del total
del departamento de Ucayali, determinada mediante el uso del software Maxent es una herramienta útil para identificar áreas con las condiciones adecuadas para la supervivencia de Virola y podemos priorizar, proponer áreas de conservación y enfocar esfuerzos donde potencialmente se encuentra la especie y así amortiguar los cambios en las poblaciones de este género.
3.
Se estimó mediante el software Maxent la distribución de cada
unidad de territorio dentro de la distribución del género Virola teniendo en bosque permanente el 39.43%, concesiones forestales el 30.61%,
49
comunidades nativas el 20.99%, estas tres unidades se encuentran en zonas destinadas al aprovechamiento forestal; en la
zona de
amortiguamiento el 7.5%, área natural protegida el 1.44% y área de conservación regional el 0.02%.
4.
El software Maxent es una herramienta predictora excelente,
estimando una pérdida de área de 41 734 62 ha de la distribución proyectada a 2050 del genero Virola, reflejándose una reducción drástica sin analizar la dinámica social y poblacional solo considerando las presiones y cambios ambientales.
50
VII.
1.
RECOMENDACIONES
Elaborar estudios de este tipo que sirvan a la Universidad como
ente de investigación en el campo de conservación y preservación de especies forestales que contribuya al desarrollo ambiental, social y económico en estas áreas. 2.
Las
autoridades
regionales
deben
establecer
planes
de
seguimiento y monitoreo, en las áreas que se ha determinado la perdida de área frente a los efectos del cambio climático y por las actividades humanas desarrolladas, a fin de registrar en el área las características de estos impactos, las mismas que serán instrumentos importantes para la formulación de planes de conservación de este género.
51
VIII.
REFERENCIAS BIBLIOGRAFICAS
AIDER, 2012. Utilización industrial y mercado de diez especies maderables potenciales de bosques secundarios y primarios residuales. 66p.
ANDERSON J, et al. (2003) Mode of selection and experimental evolution of antifungal drug resistance in Saccharomyces cerevisiae. Genetics 163(4):1287-98p.
ARAUJO, M. 2005. Validation of species – climate impact models under climate change. Global Change Biology.1504 – 1513p.
BENITO, B. (2009) Ecoinformática aplicada a la conservación: simulación de efectos del cambio global en la distribución de la flora de Andalucía. Tesis Doctoral. España: Universidad de Granada. 260 p. ELITH J et al. 2006. Novel methods improve prediction of species’ distributions from occurrence data. Ecography 29:129-151p.
ESPINOSA, D. (2001) Endemismo, áreas de endemismo y regionalización biogeográfica. Introducción a la biogeografía en Latinoamérica: Teorías,
52
conceptos, métodos y aplicaciones. Las Prensas de Ciencias, Facultad de Ciencias, UNAM, México, D. F. 31-37p. FISCHER, J., D. B. LINDENMAYER, H. A. NIX, J. L. STEIN Y J. A. STEIN. 2001. Climate and animal distribution: a climatic analysis of the Australian marsupial Trichosurus caninus. Journal of Biogeography 28: 293-304.
GRIFFITHS, T. 2005 Destructive and illegal logging continues to ravage forests and communities in the Peruvian Amazon. [En línea]: www.wrm.org.uy. 5de mayo. 2013
GR - UCAYALI, 2010, Ficha técnica de Cumala colorada, 2 p. HIJMANS, J. 2006. The ability of climate envelope models to predict the effect of climate change on species distributions. Global Change Biology. 12(12):2272-2281.
IPCC. 2007. Climate Change 2007: The Physical Science Basis. Summary for Policy Makers. [En línea]: www.ipcc.ch/. 13 November. 2007.
HOLDRIDGE, L. (2000) Ecología basada en zonas de vida. CR. IICA. San José. 199p. LINDENMAYER, D. B., H. A. NIX, J. P. MCMAHON, M. F. HUTCHINSON Y M. T.
TANTON.
1991.
The
conservation
of
Leadbeater’s
possum,
Gymnobelideus leadbeateri (McCoy): a case study of the use of bioclimatic modeling. Journal of Biogeography 18: 371-383p. MORRONE, J. (1996) Manual de Biogeografia histórica. Mexuco: UNAM.
53
EL PERUANO. 2014. Manejo responsable. Lima (Perú). Julio. 4: 1-7p. OSINFOR, 2013. Modelamiento espacial de nichos ecológicos para la evaluación de presencia de especies forestales maderables en la amazonía peruana. 1ra edición. Editorial Solvima Graf SAC. Lima, Perú. 82 p.
PETERSON, A.; BALL, L. y COHOON, K. (2002) Predicting distributions of Mexican birds using ecological niche modelling methods. Ibis, 144, 7-32p. PHILLIPS, et al 2006. A Maximum Entropy Approach to Species Distribution
Modeling. Princeton University. 8 p.
WALTHER GR, CONVEY P, MENZEL A, PARMESAN C, BEEBEE TJC, FROMENTIN JM, BAIRLEIN F. 2002. Ecological responses to recent. 7 p. ZUNINO, M. Y ZULLINI, A. (2003) Biogeografía: La dimensión espacial de la evolución. Fondo de Cultura Económica. Sección de Ciencia y Tecnología, México.
54
IX.
ANEXOS
55
Figura 13. Base de datos de registro de presencia del género Virola.
Figura 14. Se guardó la base de datos en un formto de csv.
56
Figura 15. Descarga de las capas climáticas en raster asc.
Figura 16. Software Maxent.
57
Figura 17. Ingreso el archivo de datos de registro del género Virola.
Figura 18. Ingreso de la información de la proyección de las variables climáticas.
58
Figura 19. En settings, se pone 10% de datos para realizar el test el resto se deja por defecto.
Figura 20. Selecciona en formato logístico, test jackknife y archivo asc.
59
Figura 21. Seleccionamos en Run para obtener la distribución mediante el software Maxent.
60
Cuadro 10. Registro de los puntos para la ejecución del modelo Cantidad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38
Genero Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
Long -78.2733383 -78.2746735 -78.2738876 -78.1273651 -74.1724014 -74.1749268 -74.1719818 -74.1739044 -74.1735992 -74.1782455 -74.1714554 -74.1770172 -74.1723709 -74.1770554 -74.1702347 -78.4790192 -78.2882233 -74.1774597 -74.176918 -74.1798325 -74.1733322 -78.3078766 -78.2196655 -78.0538254 -78.2006455 -74.1763229 -73.1195374 -77.9508286 -73.8771286 -73.1225052 -75.2952194 -75.2947006 -73.8690414 -73.8841705 -73.8924561 -73.8806 -73.868721 -73.8952789
Lat -5.32126617 -5.31948185 -5.30957508 -4.97381687 -9.973382 -10.1547861 -10.1957636 -10.151763 -10.164278 -10.1637383 -10.1727114 -10.1731768 -10.1810331 -10.1827812 -10.1865444 -5.334795 -5.07842922 -10.1952992 -10.1946192 -10.7486 -10.7456799 -5.02235794 -5.22441292 -4.93292618 -5.10858822 -10.7443504 -10.5659742 -4.5928278 -12.3737669 -10.5731058 -9.84408188 -9.84484196 -9.55320263 -9.55981731 -9.55610943 -9.55088043 -9.54820061 -9.5568409
61
39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-75.2913055 -73.3377686 -73.3414307 -75.3685074 -73.3351212 -75.191124 -75.1941834 -74.0395279 -74.0345688 -75.1948013 -74.0330963 -75.9757233 -75.9773865 -76.2970352 -76.4302063 -74.043129 -76.2124481 -74.0265579 -76.2091827 -74.8973923 -74.9029617 -75.0941467 -74.0404129 -75.0914841 -74.0377808 -74.0270538 -74.0396118 -74.0443955 -75.0944138 -75.1965485 -74.02314 -75.1928177 -74.0441437 -73.7451706 -75.1929169 -75.193573 -73.7351532 -73.735878 -73.7452927 -73.5769806 -73.7977676 -74.145958 -73.0918503 -73.7427139 -73.5940323
-9.84066677 -10.7314491 -10.7376442 -9.80397892 -10.7335424 -9.77468491 -9.77530766 -10.5852337 -10.5953293 -9.78361034 -10.5872669 -8.91694069 -8.91363525 -8.95746517 -8.66192818 -10.5979958 -9.00740814 -10.5909548 -9.00921917 -8.88374519 -8.88364697 -9.44432926 -10.60987 -9.44373322 -10.6146727 -10.5848074 -10.5938892 -10.5984697 -9.42948723 -9.80101109 -10.5838909 -9.79893303 -10.6039848 -10.6360388 -9.8051014 -9.80547237 -10.6231136 -10.6234512 -10.6363831 -10.3775702 -10.211195 -10.2760305 -9.08469105 -10.6365261 -10.3812256
62
84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.7427139 -73.5778427 -73.7446365 -73.5902329 -73.5977707 -73.5728149 -73.583252 -73.5918274 -74.1608734 -73.5970078 -73.6045609 -73.6240311 -74.164444 -73.5722656 -73.5725403 -74.1636887 -74.1501236 -74.1435013 -74.1594925 -74.1476364 -73.8108368 -75.2020798 -73.8112259 -73.8098297 -74.1463318 -74.0435791 -73.8099136 -74.1601334 -73.8115234 -75.5139008 -74.2663117 -73.8095932 -73.8454132 -73.8017197 -73.8014832 -73.0901794 -73.088028 -73.8000946 -73.5643311 -73.5688019 -74.18573 -73.201149 -73.2019348 -74.1843948 -75.5469132
-10.6360111 -10.379961 -10.6273556 -10.3818779 -10.3768034 -10.3887997 -10.391016 -10.3876181 -9.91375542 -10.390832 -10.3801689 -10.3846111 -9.90155506 -10.3801346 -10.3737526 -9.90815544 -9.91252613 -9.90802288 -9.90318012 -9.90364742 -8.56287766 -9.81119156 -8.56053734 -8.56860924 -9.89546013 -10.5940638 -8.57620525 -9.89775467 -8.57196045 -9.76060295 -11.4396486 -8.56076717 -9.28525925 -8.57277966 -8.56062508 -10.5622912 -10.560976 -8.56587505 -10.6665831 -10.6511164 -10.7265139 -10.8547449 -10.8563852 -10.7266731 -9.33280468
63
129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-75.5564652 -73.8559723 -73.6859894 -73.8407593 -74.2173615 -74.2175674 -74.2227783 -73.8471451 -73.7094421 -73.8408432 -73.71035 -73.8428955 -73.8485031 -73.7156372 -73.7155914 -74.2205124 -73.7229233 -73.725975 -73.7291031 -73.691803 -74.3585205 -73.7307968 -73.7554398 -73.7521362 -73.7395783 -74.8658905 -73.7387924 -74.4248276 -73.7349167 -74.4274139 -73.7407227 -74.4321976 -74.4355698 -73.7460022 -73.7302017 -74.4411316 -75.50457 -75.5444946 -73.3375244 -73.3428803 -73.3575821 -73.3587952 -73.3608856 -73.3628082 -73.7435761
-9.33279896 -9.2814846 -10.7526102 -9.28351593 -10.98631 -10.9866896 -10.978673 -9.29769898 -8.68688583 -9.29737091 -8.68838978 -9.29367924 -9.29386044 -8.68551445 -8.67635441 -10.9884701 -8.68296242 -8.68750191 -8.67918396 -10.7543345 -11.5669041 -8.68644238 -8.67673874 -8.68736267 -8.68017674 -10.783968 -8.67594338 -10.8911266 -8.67706871 -10.8916664 -9.82793903 -10.9850225 -10.9898129 -9.83577156 -9.83633709 -10.9804268 -8.66772556 -8.85321617 -9.51362896 -9.49526405 -9.51390362 -9.51046467 -9.51320553 -9.5038662 -9.84117889
64
174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.369133 -75.3254547 -75.3221207 -74.869072 -72.866394 -73.7397232 -74.7702332 -72.8648148 -72.8600464 -72.8632202 -72.8688812 -73.679306 -73.7343292 -73.7331085 -72.7987061 -72.7914581 -74.7675858 -73.6810684 -74.6340179 -74.6390533 -73.0366287 -74.6400757 -73.0439682 -73.792366 -73.0478821 -73.7939758 -73.7873917 -73.0396347 -73.7846909 -73.7742462 -73.7881699 -73.3406372 -74.291275 -73.8448105 -73.4597015 -74.3652725 -73.4463425 -73.4500275 -74.3255158 -74.629036 -73.4362183 -73.4350662 -73.7349625 -75.5096664 -73.1148682
-9.51178932 -8.95110226 -8.95893765 -10.784792 -10.9059315 -9.84231281 -8.20840836 -10.8903828 -10.9024248 -10.9024468 -10.9035893 -10.7704477 -9.82137775 -9.84020901 -10.9261026 -10.9281387 -8.20611763 -10.7683849 -10.9432516 -10.9377136 -11.1938267 -10.9354811 -11.1945047 -11.3311214 -11.1959009 -11.3321505 -11.3373852 -11.1979189 -11.3398523 -11.3534622 -11.346096 -10.7730513 -11.607007 -11.313365 -10.6765461 -11.5581198 -10.6789846 -10.6768866 -11.4801693 -8.49090195 -10.6867189 -10.6903019 -11.1641407 -9.26982021 -11.0007668
65
219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.1116409 -73.7368393 -73.3564987 -75.1175156 -73.7419281 -75.1192856 -75.1161423 -73.3475342 -73.3468094 -73.4609909 -74.4719162 -73.5135193 -73.8601914 -74.7465973 -73.9027405 -73.8950195 -73.9054718 -73.6609192 -73.910881 -73.660141 -73.6620255 -73.9013596 -73.654213 -73.8975525 -73.7109375 -73.7039414 -75.3493805 -75.3680725 -75.3800201 -75.3753357 -73.7275467 -73.7262344 -73.7270508 -75.3688583 -74.2387085 -73.6916046 -74.2440491 -73.5891037 -74.2474365 -73.1657791 -73.1710358 -73.592926 -73.5939255 -72.7216339 -73.1479874
-11.0058994 -11.1536341 -10.7328425 -8.74054718 -11.1676521 -8.73979569 -8.73408032 -10.7998848 -10.786871 -10.6764259 -11.2431622 -10.74996 -9.94868755 -10.8420191 -10.4570952 -10.4767637 -10.4775782 -10.6937304 -10.4799557 -10.6917744 -10.6947298 -10.4601107 -10.6855192 -10.4620781 -10.5772171 -10.5728664 -9.18950367 -8.83055592 -8.82778645 -8.82774544 -9.94558716 -9.95665932 -9.95583057 -8.83075523 -11.7785339 -9.41695976 -11.791461 -8.6425581 -11.7947426 -10.5175123 -10.5174074 -9.13577843 -9.12806034 -11.2212753 -10.5174179
66
264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.1545715 -73.1628799 -74.2405472 -72.721611 -73.1651382 -73.2004776 -73.1988602 -72.7146149 -73.1888886 -72.7328415 -73.1850281 -73.1850433 -74.2510376 -73.18573 -74.2522507 -73.3992386 -73.408699 -73.3957672 -73.4082565 -73.3973846 -73.4034805 -74.2340927 -74.2347641 -74.2354507 -74.2353134 -75.4103775 -75.4017487 -75.406723 -73.2431488 -73.5704727 -73.3614121 -73.5727158 -73.5683823 -73.2480393 -73.2507629 -73.564949 -73.2653427 -73.2511368 -73.254631 -73.2677155 -73.2620392 -73.2676773 -73.6877289 -73.5658112 -73.6846237
-10.5173121 -10.5218258 -11.7956476 -11.2191782 -10.5350189 -10.5406818 -10.5347967 -11.2330513 -10.5694809 -11.2211714 -10.5659781 -10.5712938 -11.8034611 -10.5755186 -11.7968988 -10.9913874 -10.9927836 -10.9960251 -10.9972382 -11.0031033 -11.004961 -11.8114643 -11.8113298 -11.8116121 -11.8109789 -9.1011076 -9.09941006 -9.10173512 -10.9880571 -9.13245392 -10.0331669 -9.1385746 -9.12783432 -11.0032282 -10.9939594 -9.1286974 -10.9903812 -11.0028477 -10.9985275 -10.9959822 -11.0054321 -10.9848166 -10.6999569 -9.14500427 -10.7012997
67
309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.2396317 -73.6860275 -72.7280273 -73.9364929 -73.9307327 -74.3706284 -73.3238144 -73.6544037 -73.6451874 -73.2923279 -73.2957764 -73.7652817 -73.2963181 -73.8540344 -73.7788315 -73.5495224 -73.5490646 -73.7766647 -73.5564652 -73.7854919 -74.2504273 -73.5604782 -73.9890137 -73.8649445 -73.8760605 -73.8706055 -74.2521439 -73.7670441 -73.7523117 -73.7856445 -73.7592392 -73.7530136 -73.7701721 -74.251915 -73.4223557 -76.1760635 -73.4314346 -76.1836166 -76.0971069 -73.4149246 -76.2547531 -73.7528229 -75.8481293 -75.9345474 -76.2166672
-10.9827118 -10.7030783 -11.2172117 -10.7543011 -10.7490816 -8.33596706 -8.61486054 -10.0648928 -10.0585442 -9.0039072 -9.00806427 -10.2926903 -9.01299381 -9.30210686 -10.296648 -8.88704395 -8.88621044 -10.3000307 -8.88622093 -10.3033562 -11.8130274 -8.88619137 -8.21746922 -8.32784271 -8.32895088 -8.32645702 -11.8124533 -10.2961597 -10.2586594 -10.2968817 -10.2925768 -10.2636166 -10.2928448 -11.8083744 -9.09286118 -6.21905422 -9.09215927 -6.21288681 -6.18046713 -9.09330845 -6.23108196 -10.281991 -6.21517706 -6.14278793 -6.19202805
68
354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-76.8852768 -73.7779007 -76.4111786 -77.3872299 -76.2147293 -76.2602692 -76.3555527 -76.4081802 -77.0301666 -75.6828461 -76.2489014 -76.5765533 -75.9476776 -75.9431534 -77.0131989 -77.0097656 -73.4253998 -77.0110245 -76.2366486 -76.5814743 -73.430275 -76.5684433 -76.209465 -74.1774292 -75.79599 -75.7931061 -74.4250031 -75.875885 -76.2349014 -75.7708054 -74.2237473 -74.2234268 -75.3960953 -74.870491 -75.0374222 -75.0343018 -75.032692 -74.2277222 -74.6450729 -70.0962982 -74.6829987 -74.6852722 -73.3429337 -73.4822617 -73.3616867
-5.85712099 -10.2926025 -6.00974321 -5.75011587 -6.19535208 -6.23356485 -8.21682739 -6.01322413 -5.70595884 -6.56583214 -6.20345688 -8.02021313 -6.4381752 -6.43949509 -6.7188549 -6.72469091 -9.09535217 -6.72469521 -6.18957615 -8.01608944 -9.09580708 -8.0178299 -6.19863796 -9.36176682 -6.28499794 -6.28539991 -9.52240467 -6.3607769 -6.18691206 -6.4748888 -11.8209314 -11.817132 -9.97248173 -10.1341906 -9.95655155 -9.95705032 -10.1009579 -11.8210144 -10.5002527 -12.8414736 -10.470294 -10.4690752 -9.14557266 -9.58134174 -10.0278158
69
399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-73.3594437 -70.0641785 -70.2394104 -73.9238281 -73.358284 -74.2352982 -69.1114578 -70.0637817 -70.7149353 -70.7060013 -73.7140427 -69.1094971 -69.0547333 -73.7167435 -73.137146 -69.6497955 -69.6521683 -73.1498261 -73.1523285 -73.3133316 -70.7174454 -73.3084564 -70.3088455 -70.3473434 -70.3554001 -70.3627167 -69.6876526 -69.6890411 -69.8023605 -74.2443314 -73.7781601 -69.1272965 -69.1328507 -70.1915283 -69.6845627 -69.6856613 -69.6785049 -76.9573517 -73.7583084 -73.7525177 -76.9526596 -73.786171 -73.7782593 -70.1687927 -73.7756271
-10.0270357 -12.7472305 -12.9822187 -10.7482081 -10.0321484 -11.8202477 -12.5553141 -12.7543583 -12.9663115 -12.9677982 -10.0121784 -12.5554867 -11.9272976 -10.0208063 -10.7009697 -12.8352451 -12.8343172 -10.701045 -10.7024336 -9.88432121 -12.9519053 -9.88457584 -12.7950525 -12.7938376 -12.7947998 -12.7701359 -12.8397417 -12.8363295 -12.5959311 -11.8211308 -10.3054714 -12.0201683 -11.7858591 -12.9523716 -12.3483133 -12.345109 -12.3436441 -7.06739807 -10.3071499 -10.271121 -7.08153915 -10.2891159 -10.2812014 -12.7439241 -10.2829104
70
444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-70.0380096 -70.26474 -77.3987579 -75.038414 -70.086792 -70.2107925 -74.6548843 -75.0337982 -69.8485413 -69.123558 -69.5237427 -70.4950943 -70.220932 -70.170311 -70.2002258 -74.847786 -70.0981445 -70.0272293 -70.2629089 -70.1027451 -69.1004105 -70.0893097 -74.2355728 -70.2087402 -70.2106857 -70.2485046 -70.3549957 -70.7176514 -70.2024078 -70.7189636 -70.2095642 -70.2290192 -70.0254211 -70.2358856 -70.0628815 -70.391655 -70.3953552 -70.2110519 -70.2105026 -70.1045532 -70.1050873 -70.2631302 -70.28405 -70.0751953 -70.0770035
-12.7424173 -12.6708298 -5.7396822 -10.0988855 -12.7419863 -12.9951735 -10.4936438 -10.1044312 -12.4603186 -12.3887148 -12.763566 -12.8347969 -12.9855433 -12.9570427 -12.6569967 -10.5120192 -12.8476591 -12.9193649 -12.9696646 -12.8448191 -11.8993139 -12.8662939 -11.8284407 -12.9583139 -12.9589834 -12.6477518 -12.7928219 -12.9585743 -12.8661976 -12.9592876 -12.9833813 -11.7158871 -12.9175816 -11.716526 -12.7439089 -12.9531794 -12.958168 -12.9879761 -12.9848948 -11.9098291 -11.9130821 -12.9701071 -12.6885386 -12.7518883 -12.7502718
71
489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-70.0784607 -69.8612289 -70.0762863 -70.0452652 -70.2029724 -70.1341324 -69.1520386 -70.28582 -69.1774902 -70.2470017 -70.2325058 -69.6829987 -69.6491852 -70.1936493 -74.2443085 -69.964447 -70.1943131 -69.1403503 -69.939949 -70.0506516 -70.0633774 -70.0643692 -70.1928482 -69.5261078 -70.0716629 -70.0632095 -70.2615128 -74.2528915 -70.2607575 -69.5659409 -69.2249908 -70.2301865 -70.082161 -70.2476654 -74.2553864 -69.1078033 -69.7296448 -69.7340164 -70.178894 -70.1720657 -70.0230866 -74.2602081 -70.1656723 -70.1581726 -71.841362
-12.7440901 -12.8462467 -12.738801 -12.7307882 -12.7516451 -12.9039784 -12.4165201 -12.6895247 -12.3543959 -12.6633463 -11.7086573 -12.841445 -12.8365212 -12.9549122 -11.8298569 -12.9334564 -12.9415827 -12.117712 -12.9349651 -12.9134579 -12.9511004 -12.9338808 -12.9350157 -11.2830658 -12.758132 -12.9381628 -12.9782066 -11.8263264 -12.9894657 -11.1646767 -12.3450022 -12.9856262 -12.9380941 -12.9799728 -11.8285751 -11.8286905 -12.2984076 -12.2927723 -12.867815 -12.8287687 -12.9218321 -11.8263817 -12.8661385 -12.8665781 -2.22790909
72
534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-70.0404587 -69.4478378 -71.8304215 -71.8552628 -70.204277 -70.2120209 -74.2611923 -71.8410492 -71.8468323 -74.2668762 -71.8427887 -71.852005 -71.8437653 -74.2697296 -71.7687378 -71.7598496 -71.7627564 -71.8517685 -71.5467606 -71.9640274 -74.2388382 -74.0301209 -69.1120682 -70.3927994 -73.7043533 -71.9645081 -73.7063294 -71.9684143 -71.970314 -73.7108765 -71.9700623 -73.7148285 -71.7158585 -71.6856155 -71.6848373 -71.719429 -73.7015152 -71.6892929 -71.690567 -71.7107086 -71.6845627 -74.3196869 -71.7199478 -71.6872177 -74.3170471
-12.9093761 -11.3208876 -2.19986391 -2.25897503 -12.8545904 -12.8554764 -11.8286543 -2.21820498 -2.24072099 -11.8192463 -2.23509002 -2.25045109 -2.23047996 -11.8220024 -4.0765481 -4.07525015 -4.07473421 -2.24799395 -3.9841919 -3.222363 -11.7769966 -9.28229904 -12.2295094 -12.9676924 -10.9221058 -3.21834993 -10.9317074 -3.23077893 -3.22433209 -10.9273052 -3.22958207 -10.9298077 -3.28830409 -3.26287508 -3.26487398 -3.29415989 -10.9325457 -3.28620791 -3.29397607 -3.28415299 -3.28362703 -11.6016769 -3.28445292 -3.27330899 -11.603714
73
579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-74.313385 -71.9595032 -71.9634247 -71.9685745 -71.9688263 -71.709671 -71.2297134 -71.9582062 -71.2289124 -76.2064819 -70.9766159 -70.9792175 -70.9807358 -70.9578476 -72.2217407 -70.9606934 -70.9788971 -70.9698181 -70.9756241 -72.222168 -70.9634705 -70.9575119 -71.437706 -71.4383087 -72.223587 -71.4346161 -71.4429398 -71.432724 -71.4437256 -71.4318619 -70.6437378 -71.2953796 -71.3031235 -72.2268829 -71.2988434 -71.3063507 -71.2887192 -70.868454 -71.2977295 -70.8688812 -71.2901382 -71.7707138 -72.2270279 -71.7781067 -72.2277679
-11.6005955 -4.26034784 -4.26065779 -4.26614094 -4.26132393 -3.28454399 -4.15720987 -4.26490688 -4.16497803 -5.95498085 -2.25699091 -2.254076 -2.25077391 -2.25870705 -3.93064189 -2.25369406 -2.24220491 -2.24830198 -2.24423504 -3.9394269 -2.25029993 -2.25298405 -3.1781559 -3.17294788 -3.92760301 -3.17188096 -3.16935802 -3.16674304 -3.163625 -3.17821503 -3.45292211 -3.40264201 -3.41420388 -3.94086099 -3.40367389 -3.40320396 -3.41775489 -4.06661797 -3.41794109 -4.07071304 -3.40921807 -4.28022814 -3.92786789 -4.280581 -3.9311769
74
624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-71.7869949 -71.4468308 -71.4320297 -71.4463272 -71.7629013 -71.6301193 -71.6301804 -71.4445038 -71.945488 -71.4428177 -71.7958603 -71.785141 -71.4165192 -71.7880402 -71.4239044 -71.7769089 -71.7767716 -71.6254273 -71.6127548 -70.878418 -71.7848892 -71.2286835 -71.2247238 -71.7899399 -71.7854843 -72.2359467 -71.217659 -71.2133637 -72.2357407 -71.2188568 -71.2149735 -71.2201843 -71.2281799 -72.2484055 -71.6918488 -72.2480927 -71.9947815 -71.9887085 -71.9876556 -71.9942398 -71.9809036 -71.9811935 -71.8425369 -71.976738 -71.8464508
-4.27859592 -3.37471795 -4.33073187 -4.33102989 -4.27829504 -3.21440101 -3.20679092 -3.37842107 -4.204566 -3.3642621 -3.24582005 -3.249753 -4.334126 -4.06467009 -4.32935715 -4.06134701 -4.05458021 -3.21754909 -3.21050501 -4.06923485 -3.26114011 -3.44025302 -3.43251491 -4.05123615 -3.26102996 -3.9346199 -4.03105307 -4.02651787 -3.92663193 -4.02388096 -4.01713896 -4.01800203 -4.02198505 -3.936975 -2.22742391 -3.93606091 -4.13565207 -4.13807011 -4.13356495 -4.1371541 -4.13789082 -4.13267708 -3.82961297 -4.13724709 -3.83917689
75
669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-71.8386536 -71.8461838 -71.8413773 -71.9214783 -71.8485947 -71.9282074 -71.9312668 -71.8481598 -71.9338684 -72.2528915 -71.9234009 -71.6201553 -72.2528381 -71.6166382 -71.6132202 -71.6077499 -71.6265411 -71.6278076 -71.6187592 -71.6167679 -71.6146088 -71.622612 -71.6091232 -71.6174774 -71.6062698 -72.2586289 -72.1290283 -71.620842 -71.6277008 -71.4154968 -71.4156799 -71.4186935 -71.4208984 -71.2198639 -72.1288147 -71.4271164 -71.4350205 -71.435257 -70.877655 -71.7875214 -72.1254273 -71.4412918 -71.7942658 -74.6351242 -71.4441528
-3.83932996 -3.84482598 -3.84916091 -3.8366189 -3.85366392 -3.83923411 -3.83514905 -3.82902503 -3.8494339 -3.93060994 -3.8489461 -3.07936001 -3.93759489 -3.079947 -3.08652592 -3.0884099 -3.09177995 -3.09474111 -3.07481694 -3.07576203 -3.09593105 -3.09557605 -3.0978961 -3.10379505 -3.10350704 -3.9279089 -3.80774212 -3.10705805 -3.10852289 -3.16083503 -3.16202807 -3.16222906 -3.15920496 -4.03052282 -3.81174398 -3.15745497 -3.15246511 -3.15738106 -4.06997919 -4.05481386 -3.8157351 -3.15022612 -3.26012898 -2.30766606 -3.15107799
76
714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-74.6357803 -72.1254273 -74.6424103 -74.6575394 -72.8234558 -74.6606598 -74.6518097 -72.6602707 -74.6477737 -74.6541901 -72.6502838 -72.670433 -72.670433 -72.8296814 -72.6691589 -72.666153 -72.666954 -74.6344147 -72.6598358 -72.1181641 -72.6561432 -72.6535187 -72.6514511 -72.650116 -72.6434174 -76.3381958 -72.6248322 -72.6157608 -72.6214676 -72.613327 -74.1823273 -72.6087723 -74.1828537 -74.1871109 -76.3380203 -74.1852722 -74.1835403 -76.3031769 -74.9285736 -74.9140015 -74.9275742 -76.2399139 -74.4893417 -74.9267044 -73.4976959
-2.30999994 -3.81068397 -2.30226708 -2.30228806 -2.43318605 -2.30408096 -2.30587912 -4.07240915 -2.30155301 -2.30925393 -4.07745981 -4.07041407 -4.06622887 -2.43364811 -4.0837431 -4.06457996 -4.08448696 -2.30184794 -4.0648241 -3.81600905 -4.08329821 -4.07230806 -4.07949686 -4.06397295 -4.0806942 -5.90506315 -4.31518507 -4.3121829 -4.30675888 -4.30956316 -2.6939311 -4.30953121 -2.69488096 -2.70687008 -5.90259409 -2.69744301 -2.70808911 -5.90050602 -7.26335812 -7.26951599 -7.26045418 -5.96362591 -5.90292883 -7.26082516 -4.88735724
77
759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-74.91922 -73.4988098 -76.3032379 -76.6785126 -76.6813278 -76.454567 -73.4931717 -74.9153595 -74.9102707 -73.5203629 -73.5144043 -73.5156784 -73.5155411 -76.2303162 -75.7547836 -75.7568131 -76.1137619 -75.7470551 -75.7479172 -76.1164856 -76.120285 -76.1607056 -75.7410278 -74.4125366 -74.4024887 -76.1583176 -74.4048843 -74.3993912 -74.4124374 -74.3989487 -74.1694946 -74.1783447 -75.7919998 -74.1748734 -72.4820404 -74.2926331 -74.2931213 -74.1772537 -73.7982788 -74.222374 -74.8345566 -74.271225 -76.6704865 -74.4007645 -72.4853897
-7.26341105 -4.88253021 -5.90334606 -5.47965288 -5.4761548 -5.91683388 -4.885674 -7.25622797 -7.25201178 -2.42621303 -2.42256188 -2.41961503 -2.42828798 -5.99397278 -5.4601202 -5.46245098 -6.00921822 -5.46610022 -5.46037293 -6.01563406 -6.02663422 -5.98029614 -5.46562815 -2.54577208 -2.54613805 -5.98073483 -2.55451608 -2.54908609 -2.55484605 -2.55583406 -2.48555303 -2.4824729 -5.73304081 -2.48668695 -3.48188305 -2.64168501 -2.64621711 -2.48999906 -2.88379312 -2.58767295 -7.67169523 -2.64149189 -5.47852707 -2.54439092 -3.4804101
78
804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-74.8339157 -74.4060745 -74.8258133 -74.8352737 -74.828392 -73.4968643 -74.4118195 -74.9147263 -72.568367 -73.6023941 -72.5685349 -76.4424286 -72.574295 -76.443779 -72.5778809 -72.5788879 -72.2519913 -72.2509995 -72.2514496 -72.25457 -72.2567291 -72.2530365 -72.2501602 -75.8201141 -75.8196259 -75.8182297 -72.4234085 -72.2521744 -72.4758835 -72.4793243 -72.2499237 -72.2492447 -75.8088684 -72.4671478 -72.4320526 -75.8125153 -76.4465256 -72.1884003 -72.2025757 -75.8099899 -72.2017059 -74.2150116 -72.1964951 -74.2155533 -72.1982498
-7.68259478 -2.54050398 -7.68001318 -7.68145514 -7.68658114 -4.87616777 -2.5425241 -7.27151489 -3.98108912 -4.44046402 -3.9846139 -5.91557312 -3.98637605 -5.91732407 -3.98525691 -3.98879409 -4.05248213 -4.05227995 -4.02648306 -4.03494215 -4.02441311 -4.06031179 -4.05938005 -6.01459503 -6.02260113 -6.01385593 -3.91615295 -4.01968098 -3.91671991 -3.91690207 -4.01919413 -4.0305872 -6.02895784 -3.91511202 -3.91588211 -6.02550602 -5.92816877 -3.87496805 -3.90473509 -6.02547407 -3.90476799 -2.58483601 -3.89984393 -2.5897851 -3.87574101
79
849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-72.1901093 -75.9048996 -72.2019043 -76.1283569 -76.1352768 -75.9117889 -72.4164352 -74.2093887 -73.7542954 -72.519577 -74.4292984 -74.640625 -76.1315842 -72.5344315 -74.2074738 -72.532341 -74.2008209 -74.1912079 -76.0977478 -75.8984757 -75.8977814 -74.8902893 -75.922699 -76.2241974 -76.6750794 -76.3004456 -74.8262405 -74.8375092 -76.0080719 -76.2296829 -76.3062973 -73.0768127 -73.0526886 -75.8105011 -75.0338898 -75.0349045 -75.9944687 -75.3460693 -75.035614 -74.8936691 -75.0345535 -74.9820938 -74.9708176 -75.8918228 -74.9754257
-3.90005708 -5.68488789 -3.87488604 -6.0142169 -6.023139 -5.67970324 -3.91564393 -2.58657002 -2.86669588 -4.06099606 -6.04530716 -7.89948607 -6.02216101 -4.05433512 -2.58568192 -4.05210495 -2.58379602 -2.58484912 -6.03159094 -5.69137478 -5.69484901 -7.37231684 -5.99620485 -5.87788487 -5.47665215 -5.89836884 -7.67796898 -7.67344189 -5.83392382 -5.87195778 -5.91251802 -3.86072493 -3.94948602 -6.02950716 -6.93327713 -6.94384289 -5.83272696 -6.87714005 -6.94251299 -7.37393713 -6.94589615 -7.20268393 -7.2131772 -5.62610483 -7.21010113
80
894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-75.8805389 -76.2168961 -74.9769516 -76.2158661 -74.8955078 -74.896286 -74.9443512 -74.914238 -74.9311142 -74.871788 -75.0358887 -75.8951798 -75.0009384 -75.0018463 -74.9853058 -73.8099213 -73.7992783 -76.2268982 -76.2325745 -73.8210754 -73.7991104 -74.8244553 -74.8836594 -74.8224716 -74.0028305 -73.9858933 -74.0049973 -73.9805756 -74.7072983 -74.0046768 -74.8273773 -73.9297409 -72.5542526 -74.0034561 -74.0043488 -73.9851151 -74.2250061 -74.2182388 -74.2174988 -74.209137 -74.2074814 -73.9256592 -73.986969 -74.301796 -74.2216415
-5.55160618 -6.04449701 -7.20673609 -6.04580212 -7.29465103 -7.29520178 -7.25005388 -7.30850411 -7.28050995 -7.30230618 -6.94502688 -5.56310797 -4.55491877 -4.55322695 -7.20055819 -3.93840289 -3.95834088 -5.80683613 -5.80094481 -3.93728805 -3.96205807 -7.65516377 -7.37413311 -7.66164017 -2.71630192 -2.51860309 -2.72412896 -2.51836395 -7.80205488 -2.73056006 -7.65827704 -2.5995791 -4.01652384 -2.74023795 -2.75319195 -2.50459099 -2.6900239 -2.68901491 -2.69807005 -2.69695211 -2.69442701 -2.61428404 -2.51101494 -2.61671305 -2.69713211
81
939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-74.3034134 -74.3060608 -73.9237976 -73.9338532 -73.9289703 -72.5587616 -74.3107147 -72.556839 -74.826088 -74.9198685 -76.3933792 -76.3934784 -76.3935394 -74.3053894 -76.3939133 -74.2502823 -74.5743866 -74.311882 -74.5473251 -74.5470352 -74.5633392 -73.9406433 -74.2988892 -74.2565613 -72.9007874 -72.9067688 -72.9081116 -72.8991089 -74.2996521 -72.9079437 -74.2510757 -74.2659988 -74.8011093 -74.7978287 -72.9297104 -73.7084274 -72.9295654 -73.7107315 -74.5415115 -72.4996491 -74.2588272 -73.7106705 -73.7094193 -72.5985565 -74.8032074
-2.6199801 -2.61845207 -2.61011195 -2.60827589 -2.61231494 -3.98556089 -2.62423492 -3.99905992 -7.6866169 -7.25298119 -5.88629723 -5.88653183 -5.88653183 -2.62993193 -5.88615084 -2.64597511 -2.34921002 -2.63057804 -6.46834278 -6.46983624 -2.3497591 -2.66719508 -2.62442803 -2.64401603 -3.77657104 -3.76487708 -3.77322507 -3.75480509 -2.62920499 -3.75428391 -2.64428401 -2.64264607 -6.43480015 -6.43732309 -3.74468899 -2.87791491 -3.74716592 -2.88602209 -6.46822119 -4.30600691 -2.64710212 -2.88838196 -2.88848901 -4.10180187 -6.43268395
82
984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-72.6023712 -74.8070984 -72.5877304 -73.7110825 -72.9365921 -72.9366684 -75.7141876 -73.9158936 -76.3770676 -72.6073532 -72.6103363 -76.3757248 -73.9236298 -73.7341538 -74.1331253 -74.1363754 -72.022171 -72.0282974 -72.0287399 -72.0171356 -73.9481278 -72.028038 -76.3743897 -73.9525604 -74.5776672 -74.3957825 -74.4037018 -72.1912613 -74.5673599 -74.5760422 -74.5821686 -74.5765533 -74.3957672 -74.582756 -73.6689911 -74.4021912 -72.4237595 -73.7605362 -74.5652084 -73.7596512 -73.6682892 -72.2030563 -76.1776428 -73.7635193 -73.7597199
-4.09994316 -6.43862915 -4.09704208 -2.876055 -3.74491406 -3.74206591 -5.9563899 -2.66697407 -5.89885378 -4.08901978 -4.08888483 -5.9033699 -2.59933901 -4.29629612 -2.79515791 -2.80427003 -3.84813309 -3.83928204 -3.85887098 -3.86626601 -2.55924201 -3.8617599 -5.90264988 -2.56076598 -2.34779096 -2.62146592 -2.62968397 -3.90464211 -2.50082493 -2.50076509 -2.51088095 -2.50334311 -2.63237596 -2.51230192 -2.65593195 -2.62258196 -3.92194796 -3.11171293 -2.5107491 -3.10640192 -2.65085697 -3.90266705 -5.86441803 -3.1241529 -3.11608005
83
1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-72.4275665 -73.7609863 -74.6319122 -74.6186142 -73.756218 -74.6178665 -73.7542191 -72.5682449 -72.5558624 -72.4067078 -72.5478592 -75.7457199 -73.8716431 -73.8786163 -73.8767319 -72.4107742 -73.8779526 -73.8773193 -73.7608185 -73.8756485 -73.7596283 -73.9062119 -72.5363159 -74.6186676 -72.5694885 -72.245842 -73.7536316 -73.9953842 -73.9936218 -74.0076599 -74.0024643 -74.0007553 -75.9092026 -75.7949677 -75.762764 -74.9526291 -75.8268738 -73.7587204 -74.5384064 -76.2490387 -73.7748871 -73.7670364 -73.7675171 -74.5474472 -76.0696945
-3.92104602 -3.08570004 -2.54821491 -2.55127811 -3.08119893 -2.55093408 -3.073174 -3.87992692 -3.88038802 -3.92044902 -3.87561011 -5.94044685 -2.73453903 -2.73457289 -2.73722196 -3.92008209 -2.73673391 -2.74541712 -3.07132697 -2.74897099 -3.11997891 -2.49472189 -3.86829209 -2.55313206 -3.8802371 -2.47587109 -2.8982079 -2.63647699 -2.63481093 -2.63372803 -2.62221694 -2.62320209 -5.67787123 -5.47635889 -5.57578611 -7.26879787 -6.02463388 -2.89387202 -2.46837306 -5.86413717 -2.61523008 -2.6049571 -2.60127592 -2.35755205 -5.728302
84
1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-76.0719223 -74.8052826 -74.5492783 -72.0392914 -72.0332184 -74.5491409 -72.0329971 -74.5529556 -74.5530624 -72.0377426 -72.0384598 -72.0389252 -74.4203491 -74.5575028 -72.5981751 -76.0958557 -74.5627747 -75.2851715 -75.2862778 -75.2862396 -72.1912689 -74.5457459 -73.9129486 -73.7165985 -73.9202042 -73.9171906 -73.9036636 -73.6714859 -72.2005386 -73.9065552 -76.2519074 -73.8955231 -74.5401764 -76.1261902 -73.9087524 -73.9107971 -74.8108215 -72.5761795 -75.3627853 -72.5761566 -72.0337448 -77.6052246 -72.5795136 -72.5803528 -77.6129837
-5.72510481 -6.7309432 -2.36277294 -4.17287779 -4.17067719 -2.35216999 -4.1693759 -2.36236692 -2.35580802 -4.16542721 -4.16013622 -4.15083122 -6.03154802 -2.35225391 -4.08820677 -6.02635813 -2.35477996 -6.5859642 -6.58516693 -6.58646107 -3.88235092 -2.470438 -3.31416392 -2.5640049 -3.31721091 -3.32602692 -3.31660509 -2.65179205 -3.89310694 -3.32649398 -5.86566782 -2.49307609 -2.45875692 -6.01556921 -3.33074808 -3.33227897 -6.72868395 -4.13514185 -1.93151903 -4.12595797 -4.151824 -4.56232691 -4.13124704 -4.12606192 -4.56317616
85
1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162
Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola Virola
-72.5878296 -72.588356 -77.5620575 -72.5770264 -72.5857315 -72.5750504 -77.5286331 -77.5287399 -77.2186966 -77.5654831 -77.6074753 -77.605896 -77.5199509 -77.5205536 -77.6123734 -77.5255432 -77.5178757 -77.5183411 -77.2030869 -72.3828583 -72.3831024 -72.3918991 -72.3863449 -72.3801193 -77.5704041 -72.392868 -77.5695038 -72.3946762 -77.2015457 -77.1782761 -77.1751175 -72.3952637 -73.5616226 -73.756218 -72.4695206 -73.5594559 -73.5554047 -72.4597321 -72.4601898 -72.4577179 -74.9430389 -72.4630585 -72.470726 -72.4575653
-4.13527679 -4.12785816 -4.57333708 -4.11396694 -4.11605406 -4.11829901 -4.64956522 -4.64388895 -4.4193759 -4.56948423 -4.55734015 -4.55109978 -4.65336514 -4.65275717 -4.55433893 -4.64418888 -4.65638208 -4.649611 -4.41546297 -3.91363192 -3.90628505 -3.90656591 -3.90157795 -3.90068197 -4.5703969 -3.9120729 -4.56930685 -3.91240406 -4.4149971 -4.03087091 -4.02601624 -3.90492296 -4.35161877 -2.87226105 -3.90265608 -4.35255623 -4.35387707 -3.91195297 -3.90696597 -3.90226793 -7.25142908 -3.89871407 -3.9076941 -3.90533996
