An Econometric Analysis of Colombia’s Narcodeforestation and Glyphosate Aspersion Policy

In this thesis, we propose an econometric analysis of Colombia’s narcodeforestation and the effectiveness of glyphosate aspersion policy to reduce coca crops in the country. The thesis consists of three chapters, corresponding to related but free-standing essays. Chapter 1 investigates the role of coca cultivation as a determinant of deforestation in Colombia at both national and sub-national levels, using cross-sectional data at the municipal level. For the sub-national level, a cluster analysis is employed to preliminary identify four homogeneous regions of coca cultivation and deforestation levels. Then, spatial models are used to test whether coca cultivation has a significant impact on deforestation at the national level and in each of the sub-regions. To control for factors affecting deforestation other than coca cultivation, we consider a set of forty-four control variables, including biophysical, anthropogenic, and socioeconomic variables. To avoid multi-collinearity, a spectral decomposition based on principal component extraction is implemented to reduce the dimensionality of the predictors’ matrix, while retaining as much information as possible from the data. In the first chapter, deforestation is computed from the Global Forest Change Dataset, as it provides more updated data than other sources. However, this dataset has sometimes been criticized for over quantifying forest cover in different parts of the world, a problem that can be alleviated through a careful calibration of the forest cover percentage used to produce forest maps. The availability of reliable forest cover estimates is obviously of crucial relevance for researchers monitoring forest stocks. This necessity motivates the second chapter of this thesis. In Chapter 2, we present an accuracy assessment of the three main datasets to predict forest cover in Colombia, namely, the one released by the Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), which is the most widely used dataset for studies about deforestation in Colombia, the Global Forest Change Dataset (GFCD) from the University of Maryland, and the European Space Agency (ESA) dataset. The aim is (i) to investigate the accuracy of forest cover maps obtained from GFCD using different tree cover thresholds across different ecological zones in Colombia; (ii) to compare the accuracy of GFCD, after optimization of the threshold, with that of ESA and IDEAM; (iii) to provide users with guidelines for choosing the most reliable data set for forest mapping, both, for particular ecological zones and Colombia as a whole. For this purpose, we randomly draw a large number of pixels from each ecological zone and collect reference data for each of them relying on Collect Earth, which is a program that is used for field-based inventories, in particular for cross-checking land classifications. Then, we derive a confusion matrix between the forest cover map obtained from each database (and from each threshold for GFCD) and the reference data, and we use this matrix to compute various measures of accuracy. Finally, in Chapter 3, we study the causal effect on coca cultivation of a specific antidrug policy: glyphosate aspersion of coca crops. This is a controversial antidrug policy for many reasons: not only is it risky for human health and the environment, it also accidentally hits livestock and legal plantations, targeting poor households, feeding social insecurity and discord, and determining displacement of entire communities. On top of this, its efficacy in reducing coca cultivation is doubtful and studies on this issue often reached contrasting results. Aerial aspersion was suspended in 2015, but despite its flaws, this policy is being reconsidered as a forced eradication measure. The aim of this chapter is, therefore, to contribute to the current literature on evaluating the real impact of glyphosate aspersion on coca crops. The main challenge is to address endogeneity issues caused by the fact that spraying is not randomly assigned but is higher in areas with more coca crops, thus generating simultaneity bias in OLS estimates. We use panel regression analysis on municipal data spanning the period 2000-2015, and we exploit exogenous source of variation in aerial aspersion through an instrumental variable approach. We instrument aerial aspersion with the number of days in the year in which wind was below a certain threshold. In fact, spraying is normally carried out when the surface wind speed is less than 6-7m/s, so that the relevance condition for the instrument is met. To satisfy also the exclusion restriction, we further control for climatic variables, which can be correlated with the wind and have a direct effect on coca cultivation, such as precipitations.

In questa tesi, proponiamo un'analisi econometrica della narcodeforestazione in Colombia e dell'efficacia della politica di aspersione del glifosato per ridurre le colture di coca nel paese. La tesi si compone di tre capitoli, corrispondenti a saggi correlati ma indipendenti. Il capitolo 1 indaga il ruolo della coltivazione della coca come determinante della deforestazione in Colombia a livello nazionale e subnazionale, utilizzando dati trasversali a livello comunale. Per il livello subnazionale, viene utilizzata un'analisi di cluster per identificare quattro regioni omogenee di coltivazione della coca. Quindi, i modelli spaziali vengono utilizzati per verificare se la coltivazione della coca ha un impatto significativo sulla deforestazione a livello nazionale e in ciascuna delle regioni. Per controllare i fattori che influenzano la deforestazione, consideriamo un insieme di quarantaquattro variabili di controllo, comprese variabili biofisiche, antropogeniche e socioeconomiche. Per evitare la multicollinearità, abbiamo implementato una scomposizione spettrale basata sull'estrazione dei componenti principali per ridurre la dimensionalità dei dati, ma conservando più del 70% dell’informazione. Nel primo capitolo, la deforestazione viene calcolata dal Global Forest Change Dataset, poiché fornisce dati più aggiornati rispetto ad altre fonti. Tuttavia, questo set di dati è stato talvolta criticato per la quantificazione eccessiva della copertura forestale in diverse parti del mondo, un problema che può essere alleviato attraverso un'attenta calibrazione della percentuale di copertura forestale utilizzata per produrre mappe forestali. La disponibilità di stime affidabili della copertura forestale è ovviamente di importanza cruciale per i ricercatori che monitorano gli stock forestali. Questa necessità motiva il secondo capitolo di questa tesi. Nel Capitolo 2, presentiamo una valutazione dell'accuratezza dei tre principali set di dati per prevedere la copertura forestale in Colombia, vale a dire, quello rilasciato dall'Instituto de Hidrología, Meteorologia y Estudios Ambientales (IDEAM), che è il set di dati più utilizzato per gli studi su deforestazione in Colombia, il Global Forest Change Dataset (GFCD) dell'Università del Maryland e il set di dati dell'Agenzia spaziale europea (ESA). L'obiettivo è (i) studiare l'accuratezza delle mappe di copertura forestale ottenute da GFCD utilizzando diverse soglie di copertura arborea in diverse zone ecologiche in Colombia; (ii) confrontare l'accuratezza di GFCD, previa ottimizzazione della soglia, con quella di ESA e IDEAM; (iii) fornire agli utenti linee guida per la scelta del set di dati più affidabile per la mappatura forestale, sia per particolari zone ecologiche che per la Colombia nel suo insieme. A tale scopo, estraiamo casualmente un gran numero di pixel da ciascuna zona ecologica e raccogliamo dati di riferimento per ciascuna di esse affidandoci a Collect Earth, che è un programma che viene utilizzato per ricerche sul campo, in particolare per il controllo incrociato delle classificazioni dei terreni . Quindi, deriviamo una matrice di ciascun database (e da ciascuna soglia per GFCD) contro i dati di riferimento, e utilizziamo questa matrice per calcolare varie misure di accuratezza. Infine, nel capitolo 3, studiamo l'effetto causale sulla coltivazione della coca di una specifica politica antidroga: l'aspersione del glifosato delle colture di coca. Si tratta di una politica antidroga controversa per molte ragioni: non solo è rischiosa per la salute umana e l'ambiente, ma colpisce anche il bestiame e le piantagioni legali, le famiglie povere, alimentando l'insicurezza sociale e la discordia e determinando lo sfollamento di intere comunità. Inoltre, la sua efficacia nel ridurre la coltivazione della coca è controversa e gli studi su questo tema hanno spesso raggiunto risultati contrastanti. L'aspersione aerea è stata sospesa nel 2015, ma nonostante i suoi effetti collaterali, questa politica è stata riconsiderata come misura di eradicazione forzata. Lo scopo di questo capitolo è, quindi, quello di contribuire all'attuale letteratura sulla valutazione del impatto reale dell'aspersione del glifosato sulle colture di coca. La sfida principale consiste nell'affrontare i problemi di endogeneità causati dal fatto che l'irrorazione non è assegnata in modo casuale ma è maggiore nelle aree con più colture di coca, generando così una distorsione della simultaneità nelle stime OLS. Utilizziamo l'analisi di regressione panel sui dati comunali che coprono il periodo 2000-2015 e sfruttiamo la fonte esogena di variazione nell'aspersione aerea attraverso l’utilizzo di variabili strumentali. Strumentiamo l'aspersione aerea con il numero di giorni dell'anno in cui il vento è stato al di sotto di una certa soglia. Infatti, l'irrorazione viene normalmente effettuata quando la velocità del vento superficiale è inferiore a 6-7 m/s, in modo da soddisfare la condizione di rilevanza dello strumento. Per soddisfare anche il vincolo di esclusione, controlliamo ulteriormente le variabili climatiche, che possono essere correlate al vento e avere un effetto diretto sulla coltivazione della coca, come le precipitazioni.