La estimación de la dinámica de la deforestación ayuda a entender los efectos sobre diversos procesos que afectan el capital natural como la intercepción, infiltración, evapotranspiración, y recarga de las aguas subterráneas, el incremento en la frecuencia de las inundaciones (Zhang y Wei, 2021), la erosión, el cambio climático y la biodiversidad entre otros (Kunte & Bhat, 2024), así como los probables efectos de estos procesos en distintos aspectos sociales y económicos (Barbier y Burgess, 2001).
La mayor parte de los autores que han estudiado el proceso de la deforestación coinciden en que el cambio de uso del suelo es muy dependiente de la utilidad económica de transitar entre un uso forestal y otros usos alternos (López-Feldman, 2024). No obstante, la deforestación es un proceso complejo y muy probablemente sitio-dependiente en el que muchas otras variables adicionales como características del predio donde se verifica el cambio de uso del suelo (extensión, productividad, estructura y composición de su cobertura arbolada, grado de comunicación, entre otros), atributos del hogar (edad del jefe de familia, número de integrantes, y su estructura y composición entre otras variables), perspectivas, sentimientos y necesidades del decisor final del uso del suelo, sumados a las características de su entorno, comportamiento de los vecinos, los mercados locales, y las condiciones regionales, influyen en la toma de decisión sobre el cambiar o no el uso del suelo. A toda esta complejidad se suma la temporalidad y la misma dinámica del entorno, lo que hace que el fenómeno sea difícil de pronosticar e incluso observar en qué etapa de su dinámica se encuentra, si es permanente o derivado de disturbios naturales (Torres et al., 2024).
Dada la dinámica del proceso, resulta de interés entender y conocer su variación espacio-temporal, ya sea para identificar mecanismos eficientes de mitigación, o como herramienta para monitorear que se realice de una forma social, ambiental y económicamente aceptable.
Estimaciones de Deforestación
Desde hace varias décadas ha existido una preocupación por evaluar la deforestación, en México y en el mundo (López-Feldman, 2024). Sin embargo, no ha sido sino hasta finales de los noventa que ha sido posible hacer estimaciones relativamente rápidas y más frecuentes de la deforestación con el uso de tecnologías de percepción remota, y más recientemente, la incorporación de inteligencia artificial y redes neuronales (Osman et al., 2023). A pesar de ello, la estimación como tal es muy dependiente de una gran cantidad de factores. Por ejemplo, la calidad de las imágenes de satélite, los algoritmos de conversión de la información detectada por los sensores de las imágenes, las características de la información de validación y el muestreo asociado, las interpretaciones de tal información y los mecanismos de extrapolación, e incluso, la misma definición de deforestación. Todos estos componentes del proceso de evaluación de la deforestación van acumulando errores, los cuales definen las características y precisión del producto final donde se evalúa la deforestación (Torres et al., 2024).
En México existen varias estimaciones del proceso de deforestación realizadas por la autoridad, académicos y diversas organizaciones (Heres et al., 2024). Sin embargo, la mayor parte de estas estimaciones son puntuales o regionales y en la mayoría de los casos no muestran una trayectoria del proceso a lo largo del tiempo. La Ley General de Desarrollo Forestal Sustentable en su artículo 46, fracciones I, II, III, IV y VIII, establece la atribución de la Comisión Nacional Forestal (CONAFOR) para generar información sobre la dinámica de la cobertura de los ecosistemas forestales, incluyendo la deforestación y degradación forestal. No obstante, esta atribución legal no limita a otras instancias para realizar esta estimación. Una de las más consultadas es el trabajo de Global Forest Watch (GFW), organización que en el año 2014 inició un proyecto para poner a disposición del público la mejor información para monitorear el estado de los bosques a nivel mundial.
Tanto CONAFOR como GFW han puesto el mejor esfuerzo para lograr estimaciones de calidad sobre la dinámica del proceso de deforestación en un periodo de casi 20 años a la luz de las limitantes metodológicas, de insumos y bajo el marco de referencia particular que cada instancia enfrenta. Por ejemplo, GFW se enfoca en la pérdida de la cobertura arbolada (tree cover loss), lo cual podría reflejar deforestación, pero podría también reflejar un disturbio no permanente en algún momento en el tiempo. Por su parte, el esfuerzo de CONAFOR si está ligado a corroborar cambios de uso del suelo después de un periodo, aunque este periodo no está claramente definido. No obstante, en la misma dinámica de cambio de uso del suelo y cambio de cobertura existe una intersección que en algún momento debería brindar una tendencia en la misma dirección y con órdenes de magnitud proporcionales.
La Figura 1 muestra la trayectoria de las estimaciones de deforestación tanto de CONAFOR (CONAFOR, 2025) como de GFW (GFW, 2025) para el periodo 2002-2024.
La estimación de deforestación promedio anual de CONAFOR es de 208,938 ha por año para el periodo 2002-2024, mientras que la estimación de GFW es de 219,915 ha por año para el mismo periodo. Ambas estimaciones promedio son estadísticamente similares bajo una prueba de medias (|t|=0.55; p-value = 0.58). Sin embargo, se evidencian amplias variaciones en algunos periodos, sobre todo a partir del año 2017, cuando la estimación de CONAFOR es significativamente diferente a la tendencia de su trayectoria previa y establece un nuevo valor promedio (más bajo) con una clara tendencia a la baja. De igual forma, resalta que en la estimación de CONAFOR la deforestación tiende a la baja a partir del año 2022 a pesar de las múltiples referencias sobre el aparente aumento del problema de deforestación en años recientes (Ellis et al., 2025).
Figura 1. Trayectoria de deforestación en México con estimaciones de CONAFOR y GFW
Fuente: Elaboración propia con datos de CONAFOR y GFW
Considerando la diferencia de objetivos entre las estimaciones de GFW y CONAFOR (recordar que una mide cambio de cobertura y la otra mide cambio permanente), se esperaría que las estimaciones de GFW sean consistentemente más altas que las de CONAFOR, sin embargo, esta tendencia esperada no es regular.
Algunas relaciones derivadas de las estimaciones de deforestación
Presupuesto CONAFOR y deforestación
El Estado, a través de la CONAFOR, debe promover la conservación de los recursos forestales, así como desarrollar, favorecer e impulsar actividades de protección forestal (control de incendios, plagas y enfermedades forestales), y en general contra la deforestación y degradación forestales (LGDFS, 2024). En ese sentido, se esperaría una relación inversa entre el presupuesto asignado a la CONAFOR y la deforestación; si bien no estrecha y a la misma escala debido a que las principales causales de deforestación están fuera del ámbito de acción de la CONAFOR, como por ejemplo, las políticas en el sector agropecuario (Ellis, et al., 2025), sí es de esperar una relación inversa a escala inferior resultado de la mayor inversión. La figura 2 muestra un comparativo entre la trayectoria de presupuesto anual de CONAFOR (pesos en valor real del año 2025) y su relación con las estimaciones de deforestación de CONAFOR (Figura 2a) y aquellas de GFW (2b). Observe que las escalas del eje de las ordenadas se han cambiado para facilitar la comparación visual.
Figura 2. Trayectoria de presupuesto anual de CONAFOR (pesos en valor real del año 2025) y las estimaciones de deforestación de: a) CONAFOR y b) GFW.
a)
b)
Fuente: Elaboración propia con datos de CONAFOR y GFW.
Las gráficas indican en el caso de la trayectoria CONAFOR directa entre ambas variables, esto es, que un menor presupuesto está relacionado con una menor deforestación, relación sin duda no esperada, dado que los programas y acciones de la CONAFOR en ningún caso promueven la deforestación. Por su parte, la trayectoria de GFW parece más consistente con la relación esperada, dado que claramente muestra una relación inversa entre el presupuesto de la CONAFOR y la deforestación.
La relación presupuesto-deforestación (PPTO-DEFO) con datos de CONAFOR tiene una correlación positiva (ρ = 0.7346), que, como se señaló, no parece razonable. Para la trayectoria de deforestación de CONAFOR comienza a observarse una correlación negativa (ρ =-0.823) hasta considerar un rezago en el presupuesto de 9 años, esto es, que el presupuesto podría tener un impacto en reducir la deforestación nueve años después de ser aplicado; probablemente un tiempo muy largo del esperado y sin duda podrá representar una relación espuria. Una prueba de causalidad de Granger[1] (Diks & Panchenko, 2006) muestra una causalidad positiva (PPTO->DEFO) y altamente significativa (p-value para ≤0.001) con el primer rezago, esto es, el presupuesto tiene probablemente efecto en aumentar la deforestación un año después.
Por su parte, la relación PPTO-DEFO con datos de GFW (Figura 2b) muestra una correlación negativa (-0.203) para toda la trayectoria, tal y como se esperaría, lo que sugiere un efecto modesto del presupuesto en reducir la deforestación. El análisis con rezagos del presupuesto muestra la misma correlación negativa hasta el quinto rezago (ρ = -0.51). La prueba de causalidad de Granger muestra una causalidad negativa (PPTO->DEFO) y no significativa para el primero, segundo y tercer rezagos; no obstante, el cuarto rezago muestra una causalidad positiva (comportamiento no esperado) y es marginalmente significativa (p-value para ≤0.02). Curiosamente, en ambas pruebas el periodo de efecto presupuestal sobre deforestación coincide con el periodo de contrato del programa de pago por servicios ambientales hidrológicos (PSAH), principal programa de conservación de la CONAFOR.
Número de cabezas de ganado y deforestación
La expansión de la frontera agrícola y, sobre todo, de la ganadera se ha identificado como las principales causas de la deforestación por diferentes autores (Heres et al., 2025) y el mismo estado (CONAFOR, 2025). Esto sugiere que debiera existir cierta relación positiva entre el número de cabezas reportado por el Servicio de Información Agroalimentaria y Pesquera (SIAP) y la deforestación estimada, probablemente con un rezago corto como en el caso del presupuesto; esto es, el tamaño del hato se esperaría que estuviera relacionado positivamente con la deforestación unos años después. La Figura 3 muestra el comparativo de las trayectorias entre el tamaño del hato ganadero y la deforestación (GAN-DEFO) con datos de CONAFOR y GFW.
La relación GAN-DEFO con las estimaciones de CONAFOR muestra una relación positiva esperada (ρ= 0.44) para toda la trayectoria a pesar de que se observa una evidente relación inversa a partir del año 2017. La correlación es muy alta si se considera la trayectoria hasta el año 2016 (ρ= 0.64). Un análisis con rezagos del tamaño del hato ganadero muestra que la relación tiene un rezago de un año para la variable tamaño del hato y la estimación de deforestación de CONAFOR, esto es, el tamaño del hato afecta la deforestación un año después. Este resultado se comprueba nuevamente con la prueba de causalidad de Granger, misma que señala una causalidad positiva (PPTO->DEFO) y altamente significativa (p-value para ≤0.001) con el primer rezago,
[1] El tamaño de la muestra para la prueba es tan solo de 23 observaciones.
Figura 3. Trayectorias del tamaño del hato ganadero y las estimaciones de deforestación de: a) CONAFOR y b) GFW.
a)
b)
Fuente: Elaboración propia con datos de CONAFOR y GFW.
Por su parte, la relación GAN-DEFO con las estimaciones de GFW muestra la relación positiva esperada (correlación=ρ= 0.11), si bien, con menor nivel de correlación que la que muestran las estimaciones de CONAFOR, pero consistente paa toda la trayectoria desde 2001-2023. El análisis con rezagos muestra una correlación alta (ρ= 0.57) de toda la trayectoria usando cuatro años de rezago en los valores del hato ganadero (mejor correlación que la trayectoria de CONAFOR); esto es, las estimaciones sugieren que el aumento en el hato ganadero se refleja en un aumento en la deforestación después de cuatro años. Por su parte, la prueba de causalidad de Granger confirma la causalidad positiva (GAN->DEFO) y altamente significativa (p-value para ≤0.001) con el quinto y sexto rezagos.
Presupuesto sector agrícola y deforestación
En teoría, el mayor presupuesto en el sector agrícola podría incentivar la deforestación, particularmente aquella ligada a predios agrícolas o ganaderos cercanos a la frontera agrícola-forestal o ganadero-silvícola (Ellis, et al., 2025). Esta relación se presenta en zonas de agricultura o ganadería intensiva (tecnificada), donde incluso el mayor precio de los commodities agropecuarios promueve deforestación. Sin embargo, esta relación no se presenta en terrenos agrícolas marginales, donde un menor precio en el mercado de maíz, o un mayor presupuesto gubernamental (mayormente dirigido a predios pequeños) incentiva menos deforestación ya que asegura la disponibilidad de ingreso para adquirir el producto. Esto sugiere que debiera existir cierta relación probablemente negativa entre el presupuesto en el sector agrícola y la deforestación estimada, dado que menores apoyos a productores pequeños (la mayoría de los productores incluidos en padrones), quienes son los que regularmente realizan la deforestación, motivaría la ampliación de la frontera agrícola o ganadera (Torres-Rojo y Moreno-Sánchez, 2024). La Figura 4 muestra el comparativo de las trayectorias entre el presupuesto ejercido a nivel federal en el sector agrícola y la deforestación (AGRI-DEFO) con datos de CONAFOR y GFW.
Figura 4. Trayectorias del presupuesto del sector agrícola y las estimaciones de deforestación de: a) CONAFOR y b) GFW.
a)
b)
Fuente: Elaboración propia con datos de CONAFOR y GFW.
La relación AGRI-DEFO con las estimaciones de CONAFOR es positiva (ρ= 0.025) para toda la trayectoria a pesar de que se observa una evidente relación inversa a partir del año 2017. La correlación es marginal y se aprecia una estrecha relación con el rezago de un año del presupuesto agrícola. La prueba de causalidad de Granger confirma esta relación positiva con un rezago (p-value para ≤0.0001). A pesar de que la correlación es muy baja, muestra la tendencia esperada para la deforestación ligada a cambios permanentes de uso del suelo, como los que realiza la agricultura o ganadería industrial.
Por su parte, la relación AGRI-DEFO con las estimaciones de GFW muestra la relación negativa (ρ= -0.629) que refleja la deforestación que podría estar sucediendo con un bajo apoyo en el sector agrícola. La prueba de causalidad de Granger confirma la causalidad negativa (AGRI->DEFO) con una significancia marginal (p-value para ≤0.051) donde sobresale la relación con el tercer rezago. La relación negativa en este caso parece alinearse al tipo de información que reportar GFW, esto es, un cambio de cobertura, que podría no ser permanente.
Algunas reflexiones
Las estimaciones de dinámica de deforestación anual de CONAFOR y GFW tienen insumos y metodologías diferentes, de aquí que una comparación entre ellas no parece plausible, sobre todo porque no existe una serie de observaciones que se asuma sin errores. Si bien las estimaciones de deforestación promedio anual son similares estadísticamente, existen fuertes diferencias anuales y en la variación a lo largo del periodo 2002-2024.
Las estimaciones de ambas trayectorias hasta el año 2015, si bien no son muy cercanas, sí muestran una trayectoria similar de aumento en la superficie deforestada. Sin embargo, a partir de 2016, las estimaciones de CONAFOR se reducen un poco más del 70% para ese año y casi 50% de su trayectoria promedio. Esto hace que se observe una disparidad importante entre ambas series a partir de 2016. Esta tendencia es contraría a lo esperado considerando los objetivos de ambas mediciones.
Considerando las relaciones esperadas de deforestación con el presupuesto, se aprecia que la trayectoria de deforestación estimada por CONAFOR es poco consistente en su relación esperada con el presupuesto tanto forestal como agrícola, y consistente en su relación con el tamaño del hato ganadero. Adicionalmente, es relevante señalar que las estimaciones a partir de 2017 son poco consistentes con las trayectorias comparadas de presupuesto y tamaño del hato ganadero y se hacen aún más inconsistentes a partir de 2022. Por su parte, la trayectoria definida por GFW es consistente tanto con el presupuesto forestal como agrícola, así como con el tamaño del hato ganadero.
Es claro que este análisis no se ha realizado con un tamaño de muestra lo suficientemente grande para darle robustez a la prueba de causalidad; solo intenta mostrar de manera exploratoria y con el auxilio de la escasa cantidad de datos disponibles probables sesgos de las trayectorias de deforestación estimadas por CONAFOR y aquellas de pérdida de cobertura arbolada estimadas por GFW. Evidentemente, no es posible concluir que una serie es mejor que otra, dado que no solo tienen objetivos diferentes, sino que tienen bases de estimación diferentes. Sin embargo, las trayectorias disponibles al momento sugieren que existe una relación más cercana y consistente con lo esperado entre la trayectoria de GFW y las trayectorias de presupuestos y tamaño del hato ganadero, a diferencia de las mismas trayectorias comparadas con la trayectoria de deforestación estimada por CONAFOR. Adicionalmente, la comparación simple entre ambas trayectorias muestra una desviación sustancial, más allá de los esperado de acuerdo a los objetivos de cada estimación, desviación que se acentúa a partir del año 2017.
Agradecimientos. El autor agradece los valiosos comentarios de Víctor Sosa Cedillo y Marcela Olguín-Álvarez
Referencias
Barbier, E. B., & Burgess, J. C. (2001). Tropical deforestation, tenure insecurity, and unsustainability. Forest Science, 47(4), 497-509.
Comisión Nacional Forestal (CONAFOR) (2025). Sistema nacional de monitoreo forestal. https://snmf.cnf.gob.mx/deforestacion/
Consejo civil mexicano para la silvicultura sostenible (CCMSS). (2023). Deforestación en Bacalar: la pérdida de nuestro territorio. https://ccmss.org.mx/deforestacion-en-bacalar-la-perdida-de-nuestro-territorio/
Consejo civil mexicano para la silvicultura sostenible (CCMSS). (2024). México muy lejos de cumplir sus compromisos de reducción de emisiones de CO2; los bosques y su gente a merced del crimen organizado por desinterés institucional. https://ccmss.org.mx/mexico-muy-lejos-de-cumplir-sus-compromisos-de-reduccion-de-emisiones-de-co2-los-bosques-y-su-gente-a-merced-del-crimen-organizado-por-desinteres-institucional/
Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for nonparametric Granger causality testing. Journal of Economic Dynamics and Control, 30(9-10), 1647-1669.
Ellis, E. A., Castillo, D. C., Gómez, I. U. H., Zubirán, S. M., & Vega, S. M. C. (2025). Agricultural subsidies augmented tropical deforestation in the state of Campeche, Mexico. Forest Policy and Economics, 177, 103525.
Global Forest Watch (2025). México. https://www.globalforestwatch.org/dashboards/country/MEX/
Heres, D; López-Feldaman, A & Torres-Rojo JM. (2024). La Conservación de Bosques en México: Alternativas Metodológicas para la Identificación de Riesgos y Oportunidades. Ibero Ediciones.
Kunte, G., & Bhat, V. (2024). Deforestation, climate change and the sustainability of agriculture: A review. Journal of Resources and Ecology, 15(1), 140-150.
Ley General de Desarrollo Forestal Sustentable (LGDFS) (2024). https://www.diputados.gob.mx/LeyesBiblio/pdf/LGDFS.pdf
Muñoz Lima, R. (2023). Deforestación en México, «receta perfecta para el desastre. https://www.dw.com/es/deforestaci%C3%B3n-en-el-sur-de-m%C3%A9xico-la-receta-perfecta-para-el-desastre/a-66276396
Osman, M. A., Abdel-Rahman, E. M., Onono, J. O., Olaka, L. A., Elhag, M., Adan, M., & Tonnang, H. E. (2023). Mapping, intensities, and future prediction of land use/land cover dynamics using google earth engine and CA-artificial neural network model. PLoS One, 18(7), e0288694.
Torres-Rojo, J.M., Gallardo-Cruz JA; Heres, R & López-Feldman, A. (2024). Cap X. Lecciones aprendidas sobre el estudio de la dinámica de la cobertura forestal. In: D. Heres, J.A. López y J.M. Torres (Eds.). La Conservación de Bosques en México: Alternativas Metodológicas para la Identificación de Riesgos y Oportunidades. pp 287-305. Universidad Iberoamericana.
Torres-Rojo, J.M., Moreno-Sánchez R. 2024. Cap IV. Mecanismos causales de deforestación, fragmentación y recuperación de la cobertura forestal en México. In: D. Heres, J.A. López y J.M. Torres (Eds). La Conservación de Bosques en México: Alternativas Metodológicas para la Identificación de Riesgos y Oportunidades. pp. 95-126. Universidad Iberoamericana.
Zhang, M., & Wei, X. (2021). Deforestation, forestation, and water supply. Science, 371(6533), 990-991.