propuesta metodológica para determinar la sostenibilidad...
TRANSCRIPT
Propuesta metodológica para determinar la sostenibilidad urbana de San Juan de
Pasto bajo la perspectiva de entropía urbana
Juan Sebastián Ramos Rodríguez
Ingeniero Ambiental
Universidad Distrital Francisco José de Caldas
Facultad de Medio Ambiente y Recursos Naturales
Maestría en Desarrollo Sustentable y Gestión Ambiental
Santa Fe de Bogotá D. C., Colombia
2017
Propuesta metodológica para determinar la sostenibilidad urbana de San Juan de
Pasto bajo la perspectiva de entropía urbana
Juan Sebastián Ramos Rodríguez
Ingeniero Ambiental
Director
Carlos Jorge Caicedo Cuervo
PhD (c) Economía y Gestión Empresarial
Universidad Distrital Francisco José de Caldas
Facultad de Medio Ambiente y Recursos Naturales
Maestría en Desarrollo Sustentable y Gestión Ambiental
Santa Fe de Bogotá D. C., Colombia
2017
Dedicatoria
A mi señora madre.
Todos los créditos a ella por su inconmensurable apoyo, cariño y confianza.
Agradecimientos
Las palabras de agradecimiento a quienes apoyaron este proyecto no alcanzarán en este
documento y pido disculpas por mi corta memoria en caso de no mencionarlos.
A la Profesora Luisa Fernanda Gonzáles por su constante apoyo incondicional, sus frases
de motivación y su carisma. Este posgrado lo realicé gracias a su ayuda.
Al Profesor Carlos Jorge Caicedo Cuervo, agradezco su tiempo, su paciencia y su
conocimiento. Fueron momentos de extensas discusiones sobre el proceso metodológico y
sobre la estructura del trabajo. Sin lugar a dudas, esto fue un beneficio para la
investigación.
Al Estadista Willie Hernandez agradezco sus oportunas herramientas de análisis estadístico.
Sin ese pequeño pero importante paso, el índice no habría visto la luz al final del túnel.
A todos los expertos que respondieron la encuesta y de quienes estaré muy agradecido por
su tiempo y su experticia.
A la Maestría en general por mostrarme nuevos caminos y por motivarme a seguir
indagando sobre los procesos de sostenibilidad.
A Myriam, mi compañera en esta travesía.
I. Tabla de contenido
Capítulo I ........................................................................................................................... 13
1.1. Introducción ................................................................................................................ 13
1.2. Problemática ............................................................................................................... 14
1.3. Pregunta de investigación ........................................................................................... 18
1.4. Justificación ................................................................................................................ 18
1.5. Objetivos ..................................................................................................................... 20
5.1.1. Objetivo general ............................................................................................. 20
5.1.2. Objetivos específicos ..................................................................................... 20
Capítulo II .......................................................................................................................... 21
2.1. Marco de referencia .................................................................................................... 21
2.1.1. Marco teórico y estado del arte ...................................................................... 21
2.1.2. La ciudad como sistema complejo y entrópico .............................................. 21
2.1.3. Sostenibilidad urbana en el contexto urbano complejo ................................. 22
2.1.4. La entropía en el mundo físico y otros usos .................................................. 23
2.1.5. La entropía urbana y su incidencia en la sostenibilidad urbana………...….26
2.1.6. Variables de índole entrópico y su uso en la evaluación de la sostenibilidad
urbana...………………………………………………………………………28
2.1.7. Sostenibilidad urbana, su evaluación bajo la perspectiva teórica de la
entropía urbana a nivel internacional………………………………………………30
2.2. Marco contextual………………………………………………………………….......32
2.3. Marco normativo………………………………………………………………………35
Capítulo III…………………………………………………………………………………38
3.1. Metodología ................................................................................................................ 38
3.1.1. Identificar variables de índole entrópico y su rango temporal existentes en la
ciudad de San Juan de Pasto que incidan en la sostenibilidad urbana de la ciudad..38
3.1.2. Diseñar el Índice Entrópico de Sostenibilidad Urbana (IESU) basado en el
contexto de ciudades urbanas sostenibles utilizando los sistemas social, económico,
ambiental y político ………………………………………………………………..39
3.1.3. Analizar la variación del Índice Entrópico de Sostenibilidad Urbana (IESU)
para la ciudad de San Juan de Pasto y realizar recomendaciones de mejora para los
sistemas analizados. ……………………………………………………………..39
3.2. Resultados y análisis de resultados ............................................................................. 40
3.2.1. Identificación de variables entrópicas que inciden en la sostenibilidad urbana
………………………………………………………………………………...……………40
3.2.1.1. Identificación de variables.. ........................................................................ 40
3.2.1.2. Levantamiento de información.. ................................................................. 44
3.2.1.3. Análisis estadístico de la base de datos. ..................................................... 45
3.2.1.3.1. Prueba de Bartlett. .................................................................................... 49
3.2.1.3.2. Matriz de correlación entre variables. ...................................................... 54
3.2.1.3.3. Matriz de correlación canónica (ACC). ................................................... 56
3.2.1.3.4. Análisis de distancias euclidianas ............................................................ 56
3.2.1.4. Características de las variables ................................................................... 63
3.2.1.4.1. Sistema Natural (SN) ............................................................................... 63
3.2.1.4.2. Sistema Económico (SE) ......................................................................... 65
3.2.1.4.3. Sistema Político (SP) ............................................................................... 69
3.2.1.4.4. Sistema Social (SS) .................................................................................. 75
3.2.1.5. Cambio anual en las variables de San Juan de Pasto según sus rangos. ..... 79
3.2.2. Diseño del Índice Entrópico de Sostenibilidad Urbana (IESU). ................... 82
3.2.2.1. Panel de expertos………………………...………………………….…......82
3.2.2.2. Construcción del Índice Entrópico de Sostenibilidad Urbana
(IESU)………………………………………………………………………………….…..87
3.2.3. Análisis de la variación del Índice Entrópico de Sostenibilidad Urbana para la
ciudad de San Juan de Pasto…………….…………………………………….……………89
3.2.3.1. Variación temporal del IESU en variables y sistemas…...…..……………89
3.2.3.2. Evaluación de la sostenibilidad de San Juan de Pasto mediante IESU……92
3.2.3.3. Validación de resultados……………………………………….………….96
3.2.3.4. Propuestas de mejora…………………….……………………………...…96
3.2.3.5 Compilación metodológica………………………….……………………..98
4. Conclusiones……………………………………………...………………………..…....99
5. Recomendaciones.………………………………...……………………………….…..102
Referencias……………………………………………………………………………….103
Anexos………………………………………………………………………………….…112
Tablas
Tabla 1. Avances normativos sobre ordenamiento territorial nacional e internacional…...35
Tabla 2. Categorías de análisis de la bibliografía seleccionada…………………...……….41
Tabla 3. Lista de variables entrópicas resultado de la revisión bibliográfica……………...42
Tabla 4. Variables obtenidas a partir del levantamiento de información………………….46
Tabla 5. Resultado del test de Barlett…………………………………………..…………..50
Tabla 6. Variables finales…………………………………………………………………..51
Tabla 7. Variables finales por sistemas según Zuluaga, Mosquera, Gómez y Peñalosa….60
Tabla 8. Rangos para población urbana……………………………………………..……..63
Tabla 9. Rangos para precipitación anual …..……………………………………………..64
Tabla 10. Rangos para espacio público efectivo según la Conpes 3718…………….…….65
Tabla 11. Rangos para vida útil del relleno sanitario según la Iniciativa de Ciudades
Emergentes y Sostenibles (ICES)………………………………………………………….67
Tabla 12. Rangos para consumo anual de agua per cápita según la Iniciativa de Ciudades
Emergentes y Sostenibles (ICES)………………………………………………………….66
Tabla 13. Rangos para consumo anual de electricidad por hogar según la Iniciativa de
Ciudades Emergentes y Sostenibles (ICES)…………………………………………….....67
Tabla 14. Rangos para PIB per cápita según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES). (Valores con tasa de cambio del 26 de octubre del 2016)…………..68
Tabla 15. Rangos para tasa de desempleo según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES)………………………………………………………………………....68
Tabla 16. Rangos para IPK según el Plan de Ordenamiento Territorial de San Juan de Pasto
2014 – 2017……………………………………………………………………..……….…69
Tabla 17. Rangos para riesgo de inundación de viviendas según la Iniciativa de Ciudades
Emergentes y Sostenibles (ICES)…………………………………………………………70
Tabla 18. Rangos para exposición urbana a amenaza volcánica según Vega y Díaz
(2013)……………………………………………………………………………………..71
Tabla 19. Rangos para huella urbana según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES)………………………………………………………………………..71
Tabla 20. Rangos para residuos sólidos urbanos según el índice de calidad ambiental urbana
(ICAU)……………………………………………………………………….…………….72
Tabla 21. Rangos para el estado de la malla vial urbana…………………………………..73
Tabla 22. Rangos para contaminación auditiva ………………………………..………….74
Tabla 23. Rangos para calidad del aire según ICES……………………………………….75
Tabla 24. Rangos para acceso a TIC según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES)…………………………………………………………………………75
Tabla 25. Rangos para el índice de hacinamiento urbano ……..…………………………..76
Tabla 26. Rangos para densidad poblacional urbana según la Iniciativa de Ciudades
Emergentes y Sostenibles (ICES)…………………………………………………………77
Tabla 27. Rangos para cobertura de alumbrado público urbano …………………………78
Tabla 28. Rangos para kilómetros de ciclovía por cada 100 000 habitantes según la
Iniciativa de Ciudades Emergentes y Sostenibles (ICES)………………………………….78
Tabla 29. Evolución de las variables con respecto a los rangos y colores establecidos..….80
Tabla 30. Resultado del análisis de concordancia de las ponderaciones de los expertos….84
Tabla 31. Rangos para Alfa de Cronbach………………………………………………….85
Tabla 32. Resultados del Alfa de Cronbach para la base de datos obtenida del
instrumento………………………………………………………………………………....86
Tabla 33. Promedios de ponderaciones para sistemas y variables…………………………87
Tabla 34. Rangos por sistemas……………………………………………………………..93
Tabla 35. Rangos del IESU………………………………………………………………...94
Tabla 36. Valores para los sistemas según IESU para San Juan de Pasto para los años 2009
y 2015………………………………………………………………………………………94
Tabla 37. Valores IESU para San Juan de Pasto para los años 2009 y 2015………………95
Figuras
Figura 1. Localización de la ciudad de San Juan de Pasto………………………………....34
Figura 2. Resultado de la matriz de correlación de la base de datos…………………...…..55
Figura 3. Resultado del análisis de la matriz de correlación canónica de la base de datos...56
Figura 4. Dendograma de distancias existentes entre la información de cada variable..…..58
Figura 5. Dendograma de distancias existentes entre la información de cada año………...59
Figura 6. Variación de las variables en el Sistema Natural para los años 2009 y 2015…....89
Figura 7. Variación de las variables en el Sistema Social para los años 2009 y 2015……..90
Figura 8. Variación de las variables en el Sistema Político para los años 2009 y 2015.......91
Figura 9. Variación de las variables en el Sistema Económico para los años 2009 y
2015......................................................................................................................................91
Figura 10. Variación de los sistemas en San Juan de Pasto para los años 2009 y 2015….92
Figura 11. Comportamiento del Índice Entrópico de Sostenibilidad Urbana (IESU) para San
Juan de Pasto en los años 2009 y 2015…………………………………………………….95
13
Capítulo I
1.1. Introducción
Los sistemas urbanos pequeños o crecientes, como San Juan de Pasto, son propensos a
hacer cambios en su estructura con el fin de mejorar su comportamiento, reducir impactos
negativos al ambiente e incrementar su sostenibilidad urbana. Aunque no es posible la
recolección suficiente de información para hacer seguimiento al sistema urbano de manera
óptima, se propone un modelo que califique con suficiencia el estado de la sostenibilidad urbana
de la ciudad. Las ciudades emergentes son, en la actualidad, sistemas moldeables que permiten
corregir el rumbo de las mismas antes de compararse con las dinámicas de grandes ciudades o
metrópolis. San Juan de Pasto es actualmente una de las ciudades emergentes colombianas según
el Banco Interamericano de Desarrollo (2013), cuyas cualidades facilitan la implementación de
estrategias para mejorar la sostenibilidad urbana de la ciudad.
Los sistemas complejos se caracterizan por ser de alguna manera entrópicos. Esto quiere
decir que los sistemas tienden a desestructurar su estado y lo lleva a un punto de mayor entropía
(Mosquera, 2007). Con el fin de luchar ante tal nivel de desorganización o nivel entrópico en los
sistemas, existen a nivel mundial actividades o programas que disminuyen la incidencia de la
entropía en los sistemas urbanos y elevan su sostenibilidad (Castro, 2002). Dichas actividades
coinciden con el campo de acción de variables que intentan medir el nivel de influencia de la
entropía sobre la sostenibilidad de los sistemas urbanos, en diversas investigaciones además de la
presente.
Para el caso de la presente investigación, se tomarán en cuenta los conceptos actuales de
sostenibilidad urbana, variables entrópicas y sistemas urbanos complejos. Los anteriores
conceptos teóricos, además de lo registrado en la presente investigación, son el reflejo de
revisiones bibliográficas actuales que dan cuenta de una red de conexiones entre los conceptos
mencionados. Consecuentemente, la indagación, averiguación y levantamiento de información
primaria y secundaria para la creación de la base de datos de esta investigación llevaron a
construir una matriz de 21 variables con 7 años consecutivos y continuos de información. A esta
matriz rectangular se le aplicaron herramientas estadísticas robustas, con el fin de obtener
información entre correlaciones y utilidad de la información levantada. Finalmente, empleando el
método Delphi fue posible construir el Índice Entrópico de Sostenibilidad Urbana (IESU) el cual
14
se hizo empleando variables entrópicas, con él finalmente, fue posible evaluar el estado de la
sostenibilidad urbana de San Juan de Pasto.
El presente documento está organizado en tres partes fundamentales. En la primera de ellas,
se hace un acercamiento a la problemática, la justificación y los objetivos a cumplir. En la
segunda instancia, se plantea el marco de referencia del trabajo y finalmente, la tercera y última
parte del documento muestra la metodología, los resultados y sus respectivos análisis,
conclusiones, recomendaciones, anexos y bibliografía utilizada.
1.2. Problemática
Las dinámicas sociales, económicas y ambientales son factores críticos a tener en cuenta
al momento de evaluar la sostenibilidad urbana de las ciudades. Casos específicos en China y
Europa manifiestan la preocupación por las afectaciones a la sostenibilidad de las ciudades a
nivel mundial (Li, Beeton, Halog y Sigler, 2016). La rápida urbanización, el consumo de recursos
y energía, la producción de desperdicios y la afectación al entorno natural de los sistemas urbanos
como en el caso de Shangai (China) o Benevento (Italia) reúnen un compendio de problemáticas
que deben ser evaluadas y analizadas para evitar mayor detrimento de la sostenibilidad de los
sistemas urbanos (Fistola y La Rocca, 2014; Li, Beeton, Sigler y Halog, 2016). Las nuevas
tendencias de modelo de ciudad optan por consumir menos energía y ser más eficientes, intentan
dar equilibrio en el espacio público, localizan adecuadamente las zonas residenciales, ubican los
suelos productivos que suplirán a la ciudad, determinan las zonas de dotación para una prestación
integral de los servicios, gestionan responsablemente los recursos naturales, entre otros aspectos
que tienden a incrementar la sostenibilidad urbana de la ciudad (Torroglosa, Marín, Morell y
Jover, 2015).
La interacción y jerarquización de los sistemas en la ciudad ocasionan de alguna manera
entropía, la cual se entiende como el grado de desorden y caos que existe en la naturaleza y
constituye la segunda ley de la termodinámica que puede definirse como “progreso para la
destrucción” o “desorden inherente a un sistema” (Césarman, 1974). Sobre el particular, Leff
(1998) menciona que
la ciudad ha sido convertida por el capital en el lugar donde se aglomera la producción, se
congestiona el consumo, se hacina la población y se degrada la energía. Los procesos urbanos se
15
alimentan de la sobreexplotación de los recursos naturales, la desestructuración del entorno
ecológico, el desecamiento de los mantos freáticos, el consumo de los recursos hídricos, la
saturación del aire y la acumulación de basura. Del hecho urbano como generador de necesidades
(estilos de vida urbana) se ha pasado a un proceso acumulador de irracionalidades (p.283).
Así entonces, la ciudad es comprendida como un sistema integrado por diferentes
dimensiones, componentes y factores que interactúan entre sí y que, de la misma manera como lo
hacen los ecosistemas, generan interacciones de índole social, económico y ambiental (Cunha,
1988).
Pasto es la capital del departamento de Nariño y está situada en el Valle de Atriz, en
medio del macizo montañoso denominado Nudo de los Pastos. Está rodeada por los cerros
Campanero, Caballo Rucio, Bordoncillo, Morazurco, Pan de Azúcar, Patascoy y, además, por las
laderas del volcán Galeras. Estas características geográficas exigen prestar especial atención a la
distribución y uso del suelo a nivel urbanístico, pues plantea retos y hace compleja su planeación.
Al respecto, según el plan de desarrollo municipal de la anterior administración se menciona que
Pasto, como ciudad, es un tejido complejo que recoge los espacios rurales y urbanos en un
organismo heterogéneo y complementario. Tanto los elementos de la ciudad como las
particularidades rurales son ingredientes que constituyen el concepto de ciudad, pues el
crecimiento del primero depende de forma directa del desarrollo del segundo, para así establecer
dinámicas de progreso conjuntas, que redunden en la prosperidad común… se usa la palabra
ciudad para referirse indistintamente a las áreas rurales y urbanas, pues todas son leídas como un
todo (Alcaldía de Pasto, 2012).
Dado lo anterior, la sostenibilidad de esta ciudad precisa comprenderse tomando en
cuenta aquellos fenómenos que la hacen compleja. Las fuertes dinámicas existentes en la ciudad,
la elevada concentración de consumo de energía, la discontinuidad tecnológica, el uso de
infraestructuras complejas y centralizadas y la evidente presencia de problemas ambientales,
entre otros fenómenos, modifican el comportamiento sostenible de la ciudad (Gómez y Morán,
2015).
Así mismo, la planificación de la ciudad aún está ligada a los enfoques de ordenamiento
propuestos en el siglo XX, los cuales no alcanzan a satisfacer las demandas de la misma y que,
16
por lo tanto, necesitan una reinvención o reformulación acordes a las demandas del sistema de
ciudad actual (Alcaldía de Pasto, 2012; Gómez y Morán, 2015).
Desde el punto de vista económico, en la actualidad la ciudad responde por el 53,8 % del
PIB departamental, el cual es motivado por pequeñas, medianas y grandes empresas de índole
comercial que representan el 57 % de la actividad económica municipal. Además, existen
dinámicas sociales y económicas fuertes debido a la cercanía con el país vecino Ecuador,
fenómeno que atrae más población y presiona el espacio de ocupación en la urbanización (Gómez
y Morán, 2015). Lo anterior representa un reto para la administración debido a que dichas
dinámicas complejizan el sistema urbano y lo vuelve más difícil de organizar y gobernar.
Según la información de los censos de población realizados entre 1951 y 2005 por el
Departamento Administrativo Nacional de Estadística (DANE), el promedio de la tasa de
crecimiento intercensal anual alcanzó 3 % a nivel total, mientras que en la cabecera fue 3.6% y en
el área rural fue 1.2 %. Esas tasas son mucho más altas que las del nivel nacional las cuales
alcanzaron 2.5 % y 0.8 % respectivamente. Lo anterior es una oportunidad de organización para
la ciudad ya que crece más aceleradamente que el resto nacional. Esto representa una
problemática que abarca desde la oferta de recursos para suplir la demanda de los nuevos
habitantes, hasta ofrecer también vivienda y sustento a los mismos. En ese mismo sentido, como
se observa en los censos realizados por el DANE, se ha incrementado la concentración
demográfica en la ciudad de Pasto, lo cual promueve a los gobiernos, tanto departamental como
municipal, a tener una agenda amplia para atender las múltiples necesidades que supone esta
concentración poblacional. Lo cual también conlleva a tener una alta densidad poblacional
municipal (314 hab/Km2) con respecto a otras ciudades con características similares (Red Ormet,
2012). Vale la pena mencionar que, a partir de cierta densidad, en las ciudades se empiezan a
presentar situaciones críticas que terminan por hacer insostenible e ingobernable el territorio.
Situaciones relacionadas con incremento en el tiempo de transporte para acceder a ciertas zonas,
mayor contaminación ambiental o problemas de violencia urbana, condicionan a la ciudad, de
una u otra manera, a mantener una oferta de recursos acorde con las demandas y exigencias que
le plantea dicha población (Centro de Investigación sobre Dinámica Social y Universidad
Externado, 2007).
17
Desde el punto de vista ambiental, en el índice de calidad ambiental urbana (ICAU)
propuesto por el Ministerio de Ambiente y Desarrollo Sostenible (2013), la ciudad de Pasto se
encuentra calificada en el conjunto de ciudades con “muy baja calidad ambiental urbana (<20)”.
Se debe tener en cuenta que este índice se infiere desde variables relacionadas con la
disponibilidad de espacio público, calidad y cantidad de áreas verdes, contaminación ambiental,
movilidad y transporte público, longitud de sistemas alternativos y masivos de transporte, entre
otras, las cuales reflejan en gran manera las condiciones de sostenibilidad de la ciudad. Lo
anterior es una manifestación de la falta de planeación pensada hacia un territorio sostenible que
permita la interacción armónica entre la institucionalidad, el componente social, el económico y
el entorno ambiental de la ciudad; así mismo, es una representación de una problemática que
merece atención y que necesita ser evaluada y tratada.
Las ciudades intermedias y en crecimiento como San Juan de Pasto tienen una
característica basada en el crecimiento de la población y, por lo tanto, del perímetro urbano. Este
crecimiento ha permitido a los habitantes de la ciudad ubicar sus viviendas en zonas que la
administración de la ciudad no ha contemplado como áreas habitables. Esta manifestación de
demanda de lotes genera conflictos con la red vial de la ciudad, la infraestructura de servicios
públicos y finalmente, con los habitantes citadinos (Rojas y Viveros, 2016).
Considerando a la ciudad como un sistema altamente complejo y teniendo en cuenta la
breve descripción de esta serie de manifestaciones entrópicas inevitables que se dan al interior de
una ciudad como Pasto, puede decirse que las ciudades son sistemas que se organizan creando el
caos a su alrededor y a su interior y transmiten entropía hacia todo el sistema mediante los
procesos de urbanización, de densificación, del consumo de recursos, de flujos de energía, entre
otros factores, de las dinámicas propias de la urbanización, lo cual resulta una problemática que
hay que atender (Huang y Chen, 2005).
La falta de espacio geográfico asociada a las problemáticas nacionales del conflicto, la
cercanía a la frontera con el Ecuador y la falta de preocupación de las administraciones pasadas
por planificar el territorio de manera sostenible han dirigido a la ciudad hacia la desestructuración
paulatina del sistema urbano que incide en la calidad de vida de sus habitantes y en el entorno del
perímetro urbano.
18
1.3. Pregunta de investigación
¿Son las dinámicas sociales, económicas, políticas y ambientales propias de San Juan de
Pasto una manifestación de entropía urbana la cual, a su vez, modifica la sostenibilidad urbana de
la ciudad?
1.4. Justificación
El término entropía ha sido utilizado para explicar el comportamiento de diferentes
sistemas conocidos por la ciencia. La entropía es hoy en día la piedra angular utilizada para
explicar muchas de las actividades características de un mundo globalizado (Leff, 2008; Cabral,
Augusto, Tewolde y Araya, 2013). Actividades socioeconómicas como el transporte, la
comunicación, la transformación de energía y, más puntualmente, la expansión urbana, el
crecimiento demográfico, la sectorización de las economías, entre otras, han sido abordadas
desde el concepto que surgió a partir de la segunda ley de la termodinámica (Cabral, Augusto,
Tewolde y Araya, 2013).
Las bases teóricas de la entropía han tomado fuerza en el mundo científico y se ha
incrementado su uso en la gestión del territorio urbano y rural, así como en otras áreas de interés
social, ambiental y económico. De esta forma se acerca el desarrollo sostenible como elemento
relevante en la planificación de las ciudades (Leff, 2008; Bhadra y Majumder, 2013).
El desarrollo urbano sostenible es un proceso de interacción armónica entre los tres
pilares del desarrollo: el social, el ambiental y el económico (Fistola, 2011). En ese orden de
ideas, es necesario adoptar un modelo que sea más que un marco descriptivo de la realidad de la
urbe, una propuesta que lleve a la optimización de la energía contenida en la misma y alcance
procesos que permitan encaminar los planes municipales hacia la toma de importantes decisiones
de producción y consumo que cumplan con las demandantes exigencias globales de
sostenibilidad (Ipate, Gabriela, Iudith y Bogdan, 2015).
Es necesario estudiar los sistemas urbanos bajo una mirada multidimensional para definir
los desafíos que se deben enfrentar con el objetivo de hacerlos más eficientes en términos del
dinamismo energético (entrópico). La sostenibilidad urbana no solo está en función del
cumplimiento de una agenda verde, sino en la capacidad de reorganizar su funcionamiento y
estructura bajo condiciones económicas adversas y la complejidad del componente humano que
la habita (Páez, 2009).
19
Teniendo en cuenta que la capital del departamento de Nariño está calificada con una
“muy baja calidad ambiental urbana” según ICAU (2013), es considerada como ciudad compacta
por la falta de espacio geográfico hacían donde crecer, es receptora de la comunidad desplazada
por el conflicto armado en el departamento y, finalmente, es una ciudad intermedia en
crecimiento, es necesario hacer un seguimiento de las fortalezas y debilidades del sistema urbano
con el fin de dirigir su proyección hacia un futuro más sostenible.
La ciudad de San Juan de Pasto es una ciudad colombiana intermedia que se encuentra en
crecimiento. Los factores geográficos, políticos, demográficos y ambientales exigen al sistema
urbano responder la demanda energética y de recursos que las dinámicas urbanas requieren. En
ese sentido, San Juan de Pasto tiene un crecimiento poblacional superior al nacional, lo cual
representa uso de más recursos naturales, mayor consumo de energía y mayor demanda de
espacio geográfico. La ausencia de una correcta planeación ha permitido que Pasto crezca de
manera desorganizada (Alcaldía de Pasto, 2012). Por lo tanto, es necesario identificar el estado
actual de la ciudad con respecto a la sostenibilidad urbana de la ciudad, con el fin de crear
herramientas de control y seguimiento a los factores que más afectan a la ciudad.
Por su parte, la economía de la ciudad se basa especialmente en actividades comerciales
en su mayoría compartidas con el vecino país Ecuador. Estas actividades se manifiestan en
diferentes sectores de la ciudad, como en la construcción, el transporte y la industria (Red Ormet,
2012). Hacer seguimiento a variables de índole económico en ciudades con notable ausencia de
información es una oportunidad para reparar las debilidades y mejorar las fortalezas.
Además, San Juan de Pasto no cuenta con índices sociales como el de cultura ciudadana
(Alcaldía de Pasto, 2012), el cual, según Fistola y La Rocca (2014), es fundamental en la
evaluación de la sostenibilidad urbana de una ciudad. Esto se debe a que las actividades civiles
propias de los habitantes citadinos son el factor detonante de situaciones adversas o favorables
para el sistema urbano. Por lo tanto, realizar una correcta evaluación del estado de las diferentes
variables del sistema urbano es una oportunidad de mejora en los aspectos, que como en el caso
de cultura ciudadana, la ciudad es débil también desde el punto de vista de la existencia de la
información.
En la actualidad se busca ofrecer respuestas más precisas a la hora de planificar el
territorio y lograr su sostenibilidad (Páez, 2009). Se requiere, entonces, brindar a la
20
institucionalidad, en este caso a la de San Juan de Pasto, herramientas, tendencias, indicadores,
que reúnan variables multidimensionales con el fin de propiciar esquemas de gestión acordes al
desarrollo sostenible de la ciudad (Nacif, y Espinosa, 2015).
La presente investigación tiene como fin dar seguimiento a las dinámicas complejas y
propias de San Juan de Pasto, también, incentivar en la entidad administrativa la preocupación
por el correcto desarrollo de la ciudad y de sus habitantes. Finalmente, proponer una metodología
que intente acoger los conceptos teóricos y físicos de la teoría entrópica de las ciudades.
Así entonces y de acuerdo a lo anterior, la presente investigación justifica su realización
en el marco de las temáticas de sostenibilidad de los procesos de desarrollo territorial y de los
diferentes instrumentos que se proponen para dar respuesta a preguntas y/o proponer alternativas
a las necesidades o demandas territoriales.
1.5. Objetivos
1.5.1. Objetivo General
Desarrollar una metodología que permita determinar la sostenibilidad urbana de San Juan
de Pasto teniendo en cuenta variables entrópicas de los sistemas político, social, natural y
económico.
1.5.2. Objetivos Específicos
• Identificar variables entrópicas y su rango de información temporal existentes en la
ciudad de San Juan de Pasto que incidan en la sostenibilidad urbana de la ciudad.
• Diseñar el Índice Entrópico de Sostenibilidad Urbana (IESU), basado en el contexto
de ciudades urbanas sostenibles utilizando los sistemas social, económico, ambiental y
político.
• Analizar la variación del Índice Entrópico de Sostenibilidad Urbana (IESU) para la
ciudad de San Juan de Pasto y realizar recomendaciones de mejora para los sistemas
analizados.
21
Capítulo II
2.1. Marco de referencia
2.1.1. Marco teórico y estado del arte
A lo largo de la historia, la humanidad no ha fundamentado una conciencia energética. La
ciudad no se ha pensado a partir de la energía que demanda, la complejidad del sistema, tampoco
se visualizan las complicaciones que pueden presentarse por la disminución de los recursos
energéticos o por la presencia de rendimientos decrecientes (económicos, ambientales y sociales)
y la inevitable entropía (Páez, 2009).
Los acercamientos investigativos sobre la dispersión energética aún se encuentran en
desarrollo, por tal motivo, la definición de entropía tiene diferentes orígenes respecto al contexto
en el que se utilice (Cabral, Augusto, Tewolde y Araya, 2013). Se hace entonces, un
acercamiento desde la evolución del concepto hasta culminar en entropía urbana.
2.1.2. La Ciudad como sistema complejo y entrópico
Las ciudades, tanto las pequeñas como las grandes y las áreas metropolitanas, son
sistemas que muestran complejidad en su estructura, sus funciones y actores. Las ciudades
muestran propiedades que son difíciles de predecir como la alta conectividad y las dinámicas no
lineales de sus habitantes y sus actividades. Comportamientos como estos hacen de la ciudad un
lugar difícil de entender, la hacen compleja y, por lo tanto, difícil de gobernar (McPhearson,
Haase, Kabisch y Gren, 2016). Además, las dinámicas complejas del sistema económico del
territorio, las políticas y las decisiones gubernamentales complejizan en gran medida al sistema
urbano, retan al sistema productivo regional y lo dirige hacia un desarrollo poco eficiente o
insostenible (Li, Beeton, Sigler y Halog, 2016).
Desde un punto de vista urbanístico, los entornos sociales de la ciudad o el espacio
público hacen frente a la complejidad urbana y le dan fuerza a las actuaciones sociopolíticas de la
ciudad, lo que hace que vayan más allá de la geometría cuadriculada tradicional, la cual ya no
sirve para registrar los cambios lineales del sistema urbano (García y Segado, 2015). La ciudad
es el reflejo de la sociedad que la habita, no solo por mostrar rasgos de complejidad social,
urbanística, ambiental, económica sino que, también, porque complica el entorno en donde
desarrolla las dinámicas propias del sistema urbano (Mosquera, 2007). La complejidad del
22
sistema propone nuevos retos conceptuales, más complicados y de mayor exigencia analítica. Por
lo tanto, en esta ocasión se observa el sistema urbano como un sistema integrador que tiene en
cuenta cinco subsistemas: ambiental, social, cultural, económico y político (Zuluaga, Mosquera,
Gómez y Peñalosa, 2012).
Las ciudades, así como están pensadas en su mayoría, adaptan sus estructuras regionales
como respuesta a la complejidad que demanda la modernidad, intentan ser más eficientes en el
uso de recursos para su funcionamiento y crean organizaciones mucho más sostenibles (Marull,
Font y Boix, 2015).
El rápido crecimiento poblacional en las ciudades, especialmente en países desarrollados,
ha cambiado la percepción tradicional de vivir en casas a vivir en apartamentos. Si bien la
densificación urbana ofrece ventajas en la planificación de las ciudades, desde el punto de vista
de la sostenibilidad urbana, las decisiones administrativas no ofrecen un horizonte alentador o
positivo para otros sectores de la población, como los grupos de ingresos reducidos
(Cheshmehzangi y Buttersb, 2016 ).
Factores, elementos y demás actores inmersos en las dinámicas propias de la ciudad son
nichos de consumo de energía. La creciente demanda energética de las ciudades propone nuevos
retos para la planificación y el diseño de innovadores elementos que reduzcan el consumo de
energía del sistema. En el contexto del complejo análisis energético de las ciudades, la
morfología urbana establecida por los actores del sistema ofrece una mirada a escala de edificios
y de barrios que proporcionan una alternativa más eficiente de medir la sostenibilidad urbana
(Vahabzadeh Manesh y Tadi, 2011).
2.1.3. Sostenibilidad urbana en el contexto urbano complejo
En el presente acápite, se muestran las referencias utilizadas que coinciden con el tema de
la presente investigación. Por lo tanto, no se ahondará en la discusión sobre la diferencia teórica
entre sostenibilidad urbana y sustentabilidad urbana.
Las dinámicas sociales actuales exigen realizar una transición del régimen de desarrollo
propuesto y establecido a un estado de sostenibilidad urbana donde sea prioridad crear una
cultura de participación ciudadana abierta, creativa, comunicativa, colaborativa, local y donde los
23
usuarios se involucren con actitudes de experimentación, innovación y aprendizaje (Ernst, de
Graaf-Van Dinther, Peek y Loorbach, 2016).
Nuevas y poco convencionales alternativas para mejorar las sostenibilidades de las
ciudades parecen surgir en un mundo que exige respuestas a problemas nuevos y crecientes. El
papel de los actores principales, la población, toma mayor fuerza en el caso de las grandes
ciudades. El exceso de vehículos, el incremento de la contaminación atmosférica, los tiempos de
transporte, entre otros factores, afectan negativamente la sostenibilidad de la ciudad. Las
alternativas como los pasos subterráneos urbanos garantizan la seguridad, los incrementos en el
comercio, mejoras en el transporte, reducen la contaminación ambiental y elevan los índices de
cultura ciudadana (Cui y Lin, 2016).
La sostenibilidad urbana está relacionada indirectamente con el flujo de materiales que un
sistema urbano utiliza para su propio funcionamiento. Con el incremento de la demanda de este
flujo de recursos las ciudades se enfrentan a retos ambientales mucho más complejos. Es
necesario identificar el verdadero potencial sostenible de las ciudades para proponer soluciones
eficientes a los problemas como el incremento en el consumo de recursos (Li, Beeton, Halog y
Sigler, 2016).
Recientemente, se espera que las ciudades se tornen en sistemas complejos mucho más
sostenibles. Varios conceptos de ciudad han sido propuestos, sin embargo, el concepto más
prominente es ciudad sostenible. Este concepto se ha representado como un modelo de ciudad,
cuyos objetivos están más alineados con la planificación urbana, las funciones de la estructura
urbana y sus actores y la gobernabilidad del sistema (Fu y Zhang, 2017).
En ese orden de ideas, la sostenibilidad urbana son los procesos dinámicos que combinan
la sostenibilidad del medio natural, social, económico y político y abarca todo tipo de
asentamiento humano con sus dinámicas propias y complejas. Además, entiende que estas
dinámicas tienen incidencia a nivel del sistema urbano, natural y local y global (UN-Habitat,
2004).
2.1.4. La entropía en el mundo físico y otros usos
El término entropía fue introducido inicialmente por Rudolf Clausius, como una
propuesta para encontrar la relación matemática que identifica la transformación de un cuerpo al
24
intercambiar calor con otro o con el exterior (Clausius, 1991). Dicha relación se expresa
algebraicamente así:
1.
Donde Q es el calor, T es la temperatura y S la entropía. Dicha formulación está ligada a
la segunda ley de la termodinámica cuyo enunciado indica que “la cantidad de entropía del
universo tiende a incrementarse en el tiempo” y, por tanto, es un proceso irreversible (Leff,
2008).
Boltzmann propone una metodología que incluye la estadística en la formulación
matemática de Clausius. Realiza un acercamiento al comportamiento de un gas en un contenedor
y muestra que la forma que toman las moléculas del gas no tienen un orden específico, sino que
tienen una configuración aleatoria o desordenada (Boltzmann, 1964).
Posteriores autores como Plank, Fermi y Gibbs realizaron avances importantes en el
desarrollo del tema como “una teoría sistemática”. Al respecto, Plank a finales de los 80 le otorga
un nuevo sentido a la segunda ley de la termodinámica y con ello a la evolución direccional de la
termodinámica. Por su parte, Fermi realiza un avance relevante en las propiedades de los ciclos,
teniendo en cuenta los procesos reversibles. En contraste, para Gibbs la entropía explica muchos
tipos de sistemas, en especial aquellos que satisfacen condiciones de equilibrio (Camacho, 2014).
El concepto y el campo de aplicación de la entropía ha evolucionado desde su creación.
En 1948, por ejemplo, Claude Shannon le otorgó carácter estadístico a la entropía y ofreció un
nuevo enfoque científico denominado entropía de la información, el cual ha tenido notables
aplicaciones y resultados en el mencionado campo. En dicho enfoque las partículas de estudio
son los bits usados para construir un símbolo y la entropía es el logaritmo de posibilidades para
su organización (Cabral, Augusto, Tewolde y Araya, 2013). En otras palabras, la cantidad de
información se puede medir mediante la entropía (Salazar, 2014).
Varios autores observaron en la entropía una alternativa para explicar diversos
fenómenos. En 1957 Edwin Thompson infirió una metodología a partir del método entrópico
propuesto por Shannon, con la cual realizaron una distribución probabilística basada en
conocimientos particulares. En 1962 Leopold y Langbein adaptaron el concepto de entropía
termodinámica a la evolución del paisaje (realizaron un acercamiento a la explicación
25
geomorfológica de una cuenca hidrográfica). Posteriormente, en 1970 Alan Wilson en su libro
Entropy in Urban and Regional Modeling propuso un marco para construir interacciones
espaciales y modelos de localización asociados. En 1972 Henry Theil interpretó el concepto de
entropía de Shannon como una medida de dispersión, la cual indica la posible difusión de las
variables en una zona en particular (Cabral, Augusto, Tewolde y Araya, 2013).
Dado que la entropía es un proceso que ocurre a nivel universal y ha tomado parte en
varios campos de investigación, como ya se ha mencionado, diversos autores han enfocado sus
esfuerzos para tratar de dar explicación a sistemas microscópicos (cuánticos) y macroscópicos
(ecosistemas, sistemas urbanos). Tal es el caso de Enrique Leff, quien explica los procesos de
consumo desde la entropía y, además, la propone como el límite marginal de cualquier proceso
productivo. El fenómeno de dispersión de energía (entropía) ha sido utilizado desde el punto de
vista económico, donde se espera que la entropía sea el límite de la sociedad consumista y de la
utilización de los recursos naturales. Por lo tanto, se espera que la economía de los procesos
sociales inherentes a la ciudad, en tanto deban producir bienes materiales, no puedan eximirse de
la ley de la entropía (Leff, 2008).
Las organizaciones sociales estructuran la ciudad, la cual es considerada como un sistema,
y más precisamente como un sistema territorial, el cual se conforma, al mismo tiempo, de
diversos componentes (Blasco, 1996). Desde finales del siglo pasado Cunha (1988) considera que
todo sistema territorial es observado como el engranaje y las respectivas interacciones de sus
subsistemas funcionales. Este autor propone siete subsistemas de la que denominó “Matriz
funcional”, los cuales son: el subsistema humano, cultural, tecnológico, económico, espacial,
político y ecológico. Consecuentemente, el subsistema humano relaciona las interacciones del
mismo con otros seres humanos y con el territorio donde desarrolla dichas interacciones; el
cultural menciona a los simbolismos que, creados por el hombre, son reserva del saber; el
tecnológico donde, a favor del dominio de la producción económica, se fomenta el crecimiento
intelectual; el económico se preocupa por la transformación, producción y distribución de los
bienes y servicios necesarios para la sociedad; el espacial brinda vías de comunicación, sinergias,
soporte a las actividades económicas, procura mantener vivas las interacciones sociales y las
comunicaciones entre los subsistemas; el político entiende al territorio desde las alternativas
administrativas del mismo y, finalmente, el ecológico suministra la materia y la energía
necesarias para el funcionamiento del conjunto de subsistemas.
26
En consecuencia, la definición de sistema territorial abarca la noción de espacio, pero no
se confunde con ella. Esta noción lleva tácita la función administrativa social, política y
económica inherentes al espacio. Además, se considera al territorio como un conjunto dinámico
donde interactúan los componentes físicos como los humanos, y desde ese principio el territorio
es multidimensional (Cunha, 1988).
Así entonces, las sociedades organizadas en complejos territorios urbanizados están
constituidas por factores interdependientes que forman un sistema, entre los que se destacan el
uso de bienes y servicios naturales, el procesamiento de la información, el orden político y la
productividad económica. Por lo tanto, todos estos factores representan inversiones realizadas por
las poblaciones humanas para obtener estabilidad y bienestar (Páez, 2009).
2.1.5. La entropía urbana y su incidencia en la sostenibilidad urbana
El sistema urbanístico definido como ciudad es un fenómeno social con múltiples
dimensiones que se transforma constantemente. En él se desarrollan interacciones entre
organismos vivos naturales y artificiales dentro de un conjunto de procesos que son intrínsecos de
las comunidades sociales, los sistemas físicos y las dinámicas entre ellos (Hernández, Hernández
y Niño, 2012).
La ciudad reconocida como un sistema donde ocurren diferentes procesos y donde se
establece una organización urbana particular es la respuesta a la manifestación de sus habitantes
(Márquez Pulido, 2014). Los procesos que se manifiestan en la urbanización son procesos que,
como ya mencionó Leff, son entrópicos en sí y su destino está catapultado hacia la muerte caótica
de ellos mismos por el flujo de energía que no se transforma en trabajo en el mismo sistema.
Hernández, Hernández y Niño (2012) definen la entropía así: “se considera como la energía que
un organismo complejo y vivo (ciudad) utiliza para desarrollar sus dinámicas y actividades” (p
67).
La demanda de bienes y servicios ecosistémicos de la población urbana genera en la
ciudad una amplia gama de efectos negativos de índole económico, social y ambiental. El
deterioro del medio ambiente urbano está en clara relación con los cambios estructurales de la
economía, el crecimiento demográfico y las alteraciones de variables representativas como el
transporte, la vivienda y el consumo de bienes y servicios, entre otros. En ese orden de ideas, el
27
crecimiento urbano genera procesos que desestabilizan el sistema y crean rasgos de
insostenibilidad en todas las dimensiones de la urbanización (Castro, 2002).
A partir de las consideraciones de Fistola (2012) se tiene en cuenta que la entropía debe
ser observada como una condición negativa del sistema, la cual obstaculiza el desarrollo
sostenible del mismo y que tiende a dirigirlo hacia un espacio desordenado y hacia trayectorias
totalmente diferentes de las que el sistema espera. Un ejemplo de eso son los residuos sólidos, los
cuales son producidos y desechados hacia el receptor de entropía o el entorno del sistema
urbanístico.
En tal medida, el sistema urbano fundamenta su actividad a partir de un medio natural,
mediante los bienes de consumo o aprovechables y mediante la eliminación de desechos. De esta
manera el sistema urbano “libera” entropía al sistema natural y es este último el único sistema
que puede absorberla (Fariña, 2013).
Hay que tener en cuenta que el tamaño de las urbanizaciones son directrices
proporcionales a la presión que la ciudad ejerce sobre el sistema natural. El cambiante uso del
suelo y la demanda de recursos para suplir necesidades de la ciudad incrementan el desorden del
sistema y, por lo tanto, su entropía (Bascuñán, Bordones y Reyes, 2011).
Además, desde un punto de vista sostenible y teniendo en cuenta el proceso científico que
contiene la hipótesis Gaia (hipótesis que afirma que la tierra se autorregula), se menciona que la
dependencia por la energía extraída de productos fósiles no renovables, los cuales producen
impactos ambientales no controlables en este punto de la historia, está guiando a los
asentamientos humanos a construir urbanizaciones características de una alta entropía (Fistola,
2011).
Otro de los factores relevantes en el estudio entrópico de las ciudades es el fenómeno de
la planeación urbana. Las directrices de administración y predicción presentes en los planes de
ordenamiento territorial de las ciudades, en muchos de los casos, se comportan de manera
caótica, lo cual resulta en el no cumplimiento de los objetivos trazados por los planes y en la
posterior desorganización de la ciudad (Ladino, Arévalo y Bulla, 2013). Estos autores
encontraron para el caso de Bogotá D. C. y Mosquera que las grandes urbanizaciones, y por lo
tanto, su alto nivel de entropía, fomentan el crecimiento de los sistemas urbanos, con la
28
característica evidente de la absorción de municipios adyacentes y cercanos al perímetro de la
gran ciudad.
Las actividades humanas están profundamente relacionadas con los fenómenos
entrópicos, por lo tanto, la entropía es un fenómeno que debe ser detectado y reducido con el
objetivo de dar cabida a la sostenibilidad urbana (Zhang, Yang y Li, 2006). La ciudad, donde se
realizan dichas actividades, se considera como un sistema dinámico y complejo que con el
transcurso del tiempo experimenta niveles insostenibles de entropía. Por lo tanto, la entropía de
origen antrópico es la principal rival de la sostenibilidad urbana. Además, es importante
identificar los procesos entrópicos con el fin de alcanzar dinamismo sostenible en el sistema
urbano (Fistola, 2012). En dicho contexto, Fistola y La Rocca (2014); Li y Li (2014) y Peng,
Lai, Li y Zhang, (2015), proponen variables de origen entrópico que a su vez, dan cuenta de la
sostenibilidad de los sistemas urbanos.
En consideración de lo planteado, puede afirmarse que la entropía urbana es la
manifestación de equilibrio o de desequilibrio en las dinámicas urbanas y no urbanas, originadas
por actividades antrópicas propias de cada ciudad y producen un cambio positivo o negativo en el
sistema (Castro, 2002).
2.1.6. Variables de índole entrópico y su uso en la evaluación de la sostenibilidad
urbana
Diversas variables o indicadores se han empezado a utilizar para evaluar y dar
seguimiento a la sostenibilidad urbana de las ciudades utilizando el concepto entrópico de las
ciudades. A continuación se relacionan algunas de las variables más importantes en el contexto
de la sostenibilidad urbana que coinciden en las investigaciones consultadas para la realización
del presente trabajo.
a) Población urbana: cantidad de habitantes en la zona urbana. El número de habitantes y
sus dinámicas en el entorno urbano alteran varios frentes entre los que se encuentran el
consumo energético, tiempos de desplazamiento, transporte alternativo, habitabilidad del
espacio público, complejidad urbana, dotación de espacios verdes, cohesión social,
dotación de equipamientos, entre otros (Hermida, Hermida, Cabrera y Calle, 2015).
b) Espacio público: área en metros cuadrados por habitante de zonas verdes, parques, plazas
y plazoletas. Es ideal para mitigar los impactos generados por la contaminación y cumple
29
una función de amortiguamiento (m2/habitante). Los espacios públicos mejoran la salud
pública, el bienestar social y promueven la cohesión social entre los habitantes del sistema
urbano (Wolch, Byrne y Newell, 2014).
c) Consumo anual de agua per cápita: consumo anual de agua per cápita de personas
cuyas viviendas tienen conexión a la red de agua de la ciudad (litros/persona/día). Este
indicador permite evaluar el equilibrio entre la disponibilidad del recurso y su consumo.
El consumo de agua depende, entre otros factores, de la cantidad, calidad, disponibilidad,
precio y clima. El consumo de agua es mayor en ciudades con mayores ingresos (GCIF,
2010).
d) PIB: medición del rendimiento económico per cápita. Producto interno bruto de la ciudad
dividido por la población de la misma. El PIB de la ciudad es igual al producto total de la
ciudad según lo establecido en los procedimientos contables del país (millones de pesos).
Indica la capacidad de los habitantes de la ciudad para satisfacer sus necesidades y
mejorar su calidad de vida (World Economic Forum, 2014).
e) Tasa de desempleo: la tasa de desempleo representa el porcentaje de la fuerza de trabajo
que busca empleo de forma activa pero que no logra encontrarlo en un tiempo
determinado (%). Es un indicador de la solidez económica de un municipio. Si se tiene
una economía fuerte la tasa de desempleo tiende a ser baja, lo que afecta positivamente la
calidad de vida de la población. Además, se considera al desempleo como una
consecuencia de la contaminación y la degradación de los ecosistemas circunvecinos al
sistema urbano (Foladori, 2002).
f) Huella urbana: promedio de la tasa de crecimiento anual de la huella urbana dentro de
los límites oficiales de la ciudad (%). El rápido crecimiento del perímetro urbano puede
tener un impacto negativo sobre los ecosistemas circundantes y afectan el acceso a
servicios básicos (GCIF, 2010).
g) Contaminación auditiva: nivel de presión sonora urbana continua medida en decibeles
(dB). En los sistemas urbanos la combinación de ruido constante y permanente, el uso de
medios de transporte que contaminan el aire y, además, son ruidosos y las políticas
públicas desintegradas provocan una gestión ambiental incierta y poco clara frente a esta
problemática. Por lo tanto, este se convierte en un problema a tratar de manera prioritaria
(Cohen y Castillo, 2016).
30
h) Calidad del aire: es un indicador de la calidad del aire diaria. El ICA corresponde a una
escala numérica a la cual se le asigna un color, el cual a su vez tiene una relación con los
efectos sobre la salud causados por la contaminación del aire (microgramos/m3). La
evidencia sobre material particulado en el aire y su impacto en la salud pública muestra
constantemente efectos negativos para la salud de las poblaciones urbanas, tanto de los
países desarrollados como en desarrollo, que actualmente experimentan exposiciones a
este factor (GCIF, 2010).
i) Densidad poblacional: personas que viven en el área urbana por kilómetro cuadrado de
área urbanizada de la municipalidad (habitantes/km2). Las ciudades altamente
densificadas tienden a ahorrar energía e incrementan su eficiencia, economizan tiempo,
costos y disminuyen el impacto negativo sobre el medio ambiente (GCIF, 2010).
Es necesario recordar que las variables utilizadas en el presente documento serán el
resultado del proceso metodológico planteado en el acápite “Metodología”. Por lo tanto, las
mostradas en este subtítulo (2.1.6.) son solo un acercamiento de las variables más utilizadas por
las investigaciones consultadas y que además, coinciden en el contexto teórico de la entropía
urbana.
2.1.7. Sostenibilidad urbana: su evaluación bajo la perspectiva teórica de la entropía
urbana a nivel internacional
Los autores de la investigación titulada “An alternative model for measuring the
sustainability of urban regeneration: the way forward”, realizada por Peng, Lai, Li y Zhang,
partieron reuniendo los indicadores críticos de medición y compararon esta primera base de datos
con un conjunto de resultados en la ciudad de Monte Carlo usando teoría difusa.
2. ∑
Donde Uk es la urgencia de regeneración urbana, t2 y t1 es el periodo de tiempo a
analizar, skt2 y skt1 es la sostenibilidad de la regeneración urbana y la skt1/n es el promedio de la
sostenibilidad de la regeneración urbana. Después de realizar el levantamiento de información, se
proponen los pesos de cada variable mediante un panel de expertos. Esta metodología permite
interactuar mayoritariamente con expertos para la identificación de indicadores críticos de
31
medición y, por lo tanto, se utiliza el método de teoría difusa para intentar eliminar secuelas
subjetivas en los juicios.
Por su parte, la investigación “Assessment and forecast of Beijing and Shanghai's urban
ecosystem health”, presentada por Li y Li en el 2014, muestra una metodología alterna para dar
peso a indicadores urbanos. Está basada en una variable regulatoria que toma valores entre 0 y 1.
3. ∑
Donde pAj es el índice de salud urbana y pCjl son los componentes evaluados según la
información levantada de las variables obtenidas para el caso de estudio. Esta metodología se
muestra como una alternativa para controlar y medir la sostenibilidad urbana y basa sus
conceptos en la salud del sistema urbano, considerando que las variables urbanas utilizadas son
de orden entrópico.
Buscando un balance en el crecimiento económico, ambiental y social de los sistemas
urbanos, los investigadores urbanistas iraníes Zinatizadeh, Azmi, Masoud y Sobhanardakani
(2017) proponen evaluar la sostenibilidad urbana de las ciudades. Específicamente de la ciudad
de Kermanshan, Irán. Para ello incluyen indicadores sintéticos poligonales y los métodos de
entropía de Shannon.
4.
∑
∑
Donde R es el indicador sintético poligonal de perturbaciones urbanas, n es la cantidad de
valores analizados y el seno de alfa es el ángulo que representa el cambio entre Ri y Rj. Los
métodos empleados para hacer predicción de la sostenibilidad urbana de la ciudad iraní muestran
resultados similares para el año 2026. Sin embargo, la capacidad predictiva de los indicadores
sintéticos poligonales ofrece una mejor aproximación a los resultados esperados por los
planificadores de la ciudad.
Evaluar y entender la sostenibilidad urbana es un proceso complejo pero que con el paso
del tiempo nacen nuevas herramientas destinadas a entender mejor la ciudad. En ese sentido, la
investigación realizada por Giulia y Giuseppe (2017) muestra las ventajas de utilizar la segunda
ley de la termodinámica a partir de la integración de modelos de energía urbana para hacer una
métrica más precisa en el consumo y gasto energético urbano. Los autores recomiendan el
modelo Mapeo urbano de uso de energía, el cual ayuda a visualizar el uso de energía, las
32
emisiones producto del uso energético y, también, la calidad de energía utilizada. De esa forma se
desarrolla un indicador de entropía que permita proponer políticas de ahorro energético urbano.
En el caso de la investigación realizada por Zhou, Xu, Wang y Lin en el 2015, ellos
desarrollan una metodología para evaluar la calidad de las urbanizaciones a partir de 32
indicadores urbanos ponderados por el método de pesos entrópicos. Esta metodología les
permitió reconocer que las dinámicas con el territorio de las ciudades tienen mucha importancia a
la hora de planificar la ciudad y, por lo tanto, en la calidad urbana.
5. ∑
Donde UQ es la calidad urbana, w es el peso del indicador y p es el indicador. La
metodología propuesta les permitió a los autores observar una alta variabilidad en la
aglomeración del caso de estudio en Bahía Hangzhou, tanto en el contexto espacial como en la
estructura y función del sistema por lo menos en los últimos 10 años. Estos resultados se
consolidaron como bases fundamentales para formular políticas públicas que mejoren el uso de la
tierra y la planificación urbana, con el fin de mejorar también su sostenibilidad.
A pesar de la escasa información correspondiente al uso de variables urbanas bajo la
perspectiva del concepto teórico de entropía y al intento de entender el sistema urbano como
sistema complejo que con el tiempo tiende a desestructurarse, se reúne la suficiente información
correspondiente al tema de la presente investigación, para realizar la propuesta metodológica con
el fin de evaluar la sostenibilidad urbana de la ciudad de San Juan de Pasto bajo la perspectiva de
entropía.
2.2. Marco contextual
La ciudad de San Juan de Pasto es la capital del departamento de Nariño y está ubicada en
el suroccidente colombiano. Es la ciudad más importante del departamento en términos
económicos, culturales y sociales. Su población, según el DANE (2005), y las proyecciones
oficiales indican a la ciudad con 417 264 habitantes en todo el municipio. Las actividades
económicas en su mayoría son comerciales, seguidas de servicios e industriales. La ciudad se
encuentra posicionada entre cerros, el volcán Galeras y el cañón del río San Juan de Pasto,
33
además, divide aguas continentales. Su ubicación geográfica muestra dificultades en la
planeación y en el ordenamiento del territorio.
A continuación, se muestra la ubicación geográfica de la ciudad de San Juan de Pasto.
(Ver Figura 1) (DGRD, 2016; IGAC, 2015).
34
Figura 1. Localización de la ciudad de San Juan de Pasto.
Fuente: elaboración propia.
35
2.3. Marco normativo
Con respecto a la legislación ambiental a nivel nacional, existe una amplia normatividad
sobre planificación y ordenamiento dirigida fundamentalmente a lograr un uso adecuado del
territorio en sus diferentes dinámicas. Cabe resaltar que las dinámicas del territorio pueden
propiciar desorden en el mismo y, por lo tanto, mayor desestructuración del territorio e
incremento de su entropía. Para el caso de Colombia la normatividad ha tenido los siguientes
avances (ver tabla 1):
Tabla 1
Avances normativos sobre ordenamiento territorial nacional e internacional
Nombre Descripción
Nacional
Ley 88 de 1947
El gobierno crea el área urbana y señala la
necesidad de levantar el plano regulador
que indica la manera como “debe
continuarse la urbanización futura de la
ciudad”.
Ley 61 de 1978
Mediante la cual se adoptó la figura de
planes integrales de desarrollo, que trataron
de replicar en el nivel local los contenidos y
metodologías del Plan Nacional de
Desarrollo.
Ley 9 de 1989
Se crea el Plan Municipal de Desarrollo
(PMD). Se conoce como la ley de reforma
urbana. Reglamenta principalmente el uso
del suelo.
Ley Orgánica 152 de 1994 Se implementan los Planes de Desarrollo y
Plan de Ordenamiento Territorial
36
Ley 388 de 1997 Se establece la Ley de Desarrollo
Territorial.
Ley 1454 de 2011 Se crea la Ley Orgánica de Ordenamiento
Territorial.
Internacional
Carta Europea de 1983
Es la expresión espacial de las políticas
económicas, sociales, culturales y
ecológicas de toda sociedad. Es a la vez una
disciplina científica, una técnica
administrativa y una política concebida
como un enfoque interdisciplinario y global
cuyo objetivo es un desarrollo equilibrado
de las regiones y la organización física del
espacio según un concepto rector.
Comisión Interministerial de Planificación
Territorial (Holanda)
Institución encargada de la coordinación
horizontal. Todos los ministros responsables
de medidas y acciones sectoriales de
incidencia territorial deberán oír con
anterioridad a esta comisión.
Ley Orgánica de Ordenación del Territorio
y de Urbanismo de 1962 (Bélgica)
Los énfasis de las políticas y los planes se
ponen en la preservación de la diversidad de
la población y el equilibrio social, la
combinación de actividades económicas y la
promoción de políticas de transporte y de
medio ambiente que permitan conciliar el
progreso económico y social con la calidad
de vida.
La Ley 95-115 de Francia Se creó el Consejo Nacional de Ordenación
37
y Desarrollo Territorial y tres instrumentos
más: el Esquema Nacional de Ordenación y
Desarrollo del Territorio, Esquemas
Sectoriales y Directrices Territoriales de
Ordenación.
Fuente: MinVivienda (2014) y DNP (2013).
38
Capítulo III
3.1. Metodología
Este trabajo se presenta como una alternativa metodológica para determinar la
sostenibilidad urbana de la ciudad de San Juan de Pasto a partir del concepto de entropía. Como
resultado de la presente investigación se propone el Índice Entrópico de Sostenibilidad Urbana
(IESU), con el cual posteriormente se evaluó en la respectiva ciudad. En ese orden de ideas, a
continuación se muestra la metodología utilizada para cumplir con cada uno de los objetivos
específicos.
3.1.1. Identificar variables de índole entrópico y su rango temporal existentes en la
ciudad de San Juan de Pasto que incidan en la sostenibilidad urbana de la
ciudad
a) Revisión bibliográfica: se realizó una revisión bibliográfica a nivel mundial de las
investigaciones que utilizan variables urbanas de origen entrópico para explicar la
sostenibilidad urbana. Se utilizaron las siguientes palabras clave: urban entropy,
urban sustainability, entropy variables en las bases de datos Scopus y ScienceDirect.
Posteriormente, se caracterizaron los artículos (ver tabla 2) y se identificó la temática
de cada investigación encontrada, para luego extraer de los artículos relacionados con
sostenibilidad urbana las variables de índole entrópico (ver tabla 3).
b) Levantamiento de la información: a partir de la lista de variables de la tabla 4 se
realiza el levantamiento de información identificando las variables de las cuales existe
información en los entes gubernamentales y no gubernamentales. Se realiza
levantamiento de información primaria y secundaria. En esta etapa se empieza
realizando un check list para identificar las posibles variables que cuentan con
información y para identificar el rango de tiempo de información existente para cada
variable. Posteriormente, y con constantes visitas a entidades públicas y privadas, se
construye la base de datos de las variables entrópicas que cuentan con información en
la ciudad de San Juan de Pasto.
c) Análisis estadístico de la base de datos: con la base de datos construida se utilizan
cuatro herramientas estadísticas con el fin de evaluar la robustez e identificar las
características generales de la información levantada. Estas herramientas son el test de
39
Bartlett (ver anexo 2), matriz de correlación (ver imagen 2), matriz de correlación
canónica (Ver imagen 3) y análisis de Cluster (ver imagen 4 y 5). Estos análisis
permitieron identificar la fortaleza estadística de la información conseguida.
d) Definición de las variables: del análisis estadístico se obtiene el grupo final de
variables, las cuales se definen, se identifica la unidad de medida, se justifican, se
resume la metodología de recolección de información, se menciona el rango de tiempo
de información existente, se encuentra el rango entre el cual puede variar según el
concepto de sostenibilidad y se agrupan en sistemas.
3.1.2. Diseñar el Índice Entrópico de Sostenibilidad Urbana (IESU) basado en el
contexto de ciudades urbanas sostenibles utilizando los sistemas social,
económico, ambiental y político
a) Panel de expertos: reunidas las variables en sistemas se prosiguió a construir un
instrumento que reúna las ponderaciones de un panel de expertos en la herramienta
formularios de Google (ver anexo 3). En primer lugar, se creó una lista de expertos a
quienes se les invitó a hacer parte del panel de expertos. De ellos se continuó con el
proceso con quienes respondieron afirmativamente a la invitación. En segundo lugar,
se planteó una reunión personal con cada experto para realizar una primera
ponderación de las variables y de los sistemas en el instrumento construido en
formularios de Google, y donde también se propuso una segunda ronda de
ponderaciones. Con quienes respondieron virtualmente la segunda ronda del método
se creó finalmente la base de datos de ponderaciones creada a partir del panel de
expertos. En tercer lugar, se utilizaron herramientas estadísticas para evaluar el
consenso entre expertos y la fiabilidad del instrumento, ellas fueron: Wt de Kendall
(ver anexo 5) y alfa de Cronbach (ver anexo 6), respectivamente.
b) Diseño del IESU: con los promedios obtenidos de las ponderaciones realizadas por los
expertos, se realiza una suma ponderada de cada variable para cada sistema. Y
finalmente, una suma ponderada de cada sistema para construir el IESU.
3.1.3. Analizar la variación del Índice Entrópico de Sostenibilidad Urbana (IESU)
para la ciudad de San Juan de Pasto y realizar recomendaciones de mejora
para los sistemas analizados.
40
a) Variabilidad del IESU en San Juan de Pasto: usando el índice construido con sumas
ponderadas, se evalúa la variabilidad de los sistemas y de las variables de cada
sistema. Para el ejercicio de este acápite se utilizan los rangos consultados para cada
variable registrada en el subtítulo Características de las variables. Se utilizan gráficas
de barras con el fin de entender mejor el comportamiento de cada sistema y de cada
variable.
b) Validación del IESU: utilizando la única metodología aplicada internacionalmente a
San Juan de Pasto por parte del BID (2013), se valida la información resultante con
respecto a la valoración del IESU en la ciudad.
c) Recomendaciones de mejora: se identificaron las fortalezas y las debilidades que
muestra el IESU en la ciudad de San Juan de Pasto, se realizan recomendaciones con
el fin de incrementar el nivel de sostenibilidad urbana de la ciudad de San Juan de
Pasto.
d) Compilación metodológica: finalmente, se resumen en un gráfico de procesos los
pasos realizados para llevar a cabo la presente investigación y así, ofrecer una imagen
global de los procedimientos utilizados para el cumplimiento de los objetivos.
3.2. Resultados y análisis de resultados
3.2.1. Identificación de variables entrópicas que incidan en la sostenibilidad urbana
3.2.1.1. Identificación de variables
En el presente aparte se presenta el método de revisión bibliográfica que se utilizó para
obtener el primer listado de variables entrópicas.
Mediante el uso del buscador de las bases de datos especializadas, Scopus y
ScienceDirect, fue posible identificar las principales variables urbanas entrópicas utilizadas a
nivel nacional e internacional y que, además, dan cuenta de la sostenibilidad urbana de las
ciudades.
En primer lugar, se utilizó el buscador de Scopus para realizar la búsqueda utilizando las
palabras clave propuestas para la presente investigación, las cuales son: entropía urbana (urban
entropy), sostenibilidad urbana (urban sustainability) y variables entrópicas (entropy variables).
Las anteriores palabras clave responden a las necesidades teóricas y metodológicas del presente
41
trabajo investigativo. Además, se realizó el filtro temporal buscando investigaciones realizadas a
partir del 2013 a la actualidad. Lo anterior porque en la base de datos Scopus, para las palabras
clave utilizadas, solo existe información a partir de dicho año.
Utilizando las mencionadas palabras clave, el resultado de la búsqueda proporcionó un
total de 291 investigaciones en ScienceDirect y 2 en Scopus. En el caso de ScienceDirect se
seleccionaron las 25 primeras investigaciones, asumiendo que el buscador muestra en orden de
importancia los resultados. Para el caso de Scopus se analizaron las 2 únicas investigaciones que
mostró el buscador. Por lo tanto, se pudo analizar 27 investigaciones en total.
A partir de las 27 investigaciones mencionadas, fue posible identificar las investigaciones
que utilizan variables para medir la sostenibilidad urbana de las ciudades. Vale la pena mencionar
que en muchos casos se utilizan variables para medir la sostenibilidad urbana, pero su origen
teórico no corresponde a la entropía. Así entonces, se identificaron 3 investigaciones que utilizan
variables entrópicas en un contexto de sostenibilidad urbana y de donde se seleccionaron en total
un conjunto de 71 variables que se utilizan para explicar la sostenibilidad urbana a partir del
concepto teórico de la entropía (ver tabla 2).
Tabla 2
Categorías de análisis de la bibliografía seleccionada
Categoría Subcategoría Cantidad %
Entropía urbana
Sostenibilidad urbana 3 11,1
Crecimiento urbano 9 33,3
Metabolismo urbano 6 22,2
Zonas verdes urbanas 2 7,41
Planificación urbana 7 25,9
Fuente: elaboración propia.
Como resultado de esta revisión bibliográfica, se obtuvo una lista de 71 variables que dan
cuenta de la sostenibilidad urbana desde el concepto de entropía (ver tabla 4).
42
Tabla 3
Lista de variables entrópicas resultado de la revisión bibliográfica
Variables
Air quality Disused buildings Green covered area as of
completed area
Noise pollution Roads conditions Percentage of nature reserves in
the region
Electromagnetic pollution
Public transport lanes Urban waste water treatment rate
Power consumption per household Soft mobility paths Attainment rate of the industrial
wastewater discharged
Water consumption per household Flooding risk Common industrial solid wastes
comprehensively utilized
Quality of car fleet Seismic risk Treatment rate of consumption
wastes
Unemployment rate Hydrogeological risk Total investment in the treatment
of environmental pollution as
percent Gross Domestic Product
Multi-ethnic composition of
residential
Territorial utilization rate Per capita urban residential area
population Quarries Per capita area of paved roads in
city
Number of voluntary associations Fire risk Number of public transportation
43
per 1 000 vehicles per 10 000 population in
city
Inhabitants Landfills Number of beds of hospitals and
health centers per 10 000
population
Population density Brownfield Natural growth rate of
population
Presence of metropolitan
functions
Building obsolescence Life expectancy
Tertiary activities
Ratio/commercial activities
Urban status Engel’s coefficient of urban
households
supply of multimedia services Building quality Per capita annual disposable
income of urban households
Urban activities slot Urban landmark Number of students enrollment
of regular institutions of higher
education per 10 000 population
Urban green spaces and parks Building heritage Proportion of days of air quality
equal to or above grade II in the
whole year
Sport and recreational structures Urban lighting Per capita daily consumption of
tap water for residential use
44
Crowding index Climate Per capita area of parks and
green land
Waste production Unlawful buildings Registered urban unemployment
rate
Status of the housing stock
Civic pride Population density of urban area
Energy-efficient buildings Tertiary industry
accounted for the
proportion of GDP
Per capita GDP
Status of the school buildings Proportion of expenditure
on R&D to GDP
GDP growth
Forest coverage rate Energy consumption per 10,000
Yuan of GDP
Fuente: elaboración propia.
3.2.1.2. Levantamiento de información
La anterior lista de variables permitió iniciar el levantamiento de información
correspondiente a cada temática relacionada con la variable. Teniendo en cuenta esta
consideración, se creó la base de datos de las variables entrópicas.
Se realizó el levantamiento de información primaria y secundaria.
a) Levantamiento de información primaria: mediante reuniones con entes públicos y
privados, se realizó el levantamiento de información correspondiente a la variable
de interés y a la disponibilidad de información relacionada con la marca temporal de
la misma.
b) Levantamiento de información secundaria: para este caso fue necesario acudir a la
literatura correspondiente a la clasificación de cada variable (ejemplo: espacio
45
público efectivo, información relacionada en el Cuaderno de diagnóstico físico
espacial del Plan de Ordenamiento Territorial “Territorio Con-Sentido” (Alcaldía
de Pasto, 2015).
El levantamiento de la información correspondiente a las variables constituyó el
primer filtro, pues según la información disponible se posibilita trabajar las variables o no.
Esta tarea se realizó en las dependencias y con la información aportada por la Alcaldía de
Pasto, la Gobernación de Nariño, Corporación Autónoma Regional de Nariño
(CorpoNariño), Servicio Público de Alumbrado de Pasto S.A. (Sepal), Centrales Eléctricas
de Nariño S.A. E.S.P. (Cedenar), Empresa Metropolitana de Aseo de Pasto S.A. E.S.P.
(EMAS), Empresa de Obras Sanitarias de Pasto S.A. E.S.P. (Empopasto), la Dirección
Municipal para la Gestión del Riesgo de San Juan de Pasto (DGRD), el Instituto de
Hidrología, Meteorología y Estudios Ambientales de Colombia (Ideam), y el Departamento
Administrativo Nacional de Estadística (DANE). El levantamiento de información también
se hizo con la información de investigaciones y documentos relacionados con San Juan de
Pasto. Vale la pena aclarar que este levantamiento de información se realizó utilizando una
lista de chequeo en cada entidad y haciendo la solicitud de información para cada variable.
La mencionada lista de chequeo permitió hacer un primer filtro de la información
requerida. Finalmente, se obtuvo una base de datos de 22 variables con información
disponible desde el año 2009 hasta el año 2015 (7 años de información anual para cada
variable).
3.2.1.3. Análisis estadístico de la base de datos
El levantamiento de la información permitió reunir un primer grupo de 22 variables.
Para este grupo de 22 variables se obtuvo una matriz de 22 x 7. Se hizo referencia a las 22
variables y a la información anual para cada una de ellas entre los años 2009 y 2015.
Todos los análisis estadísticos realizados en este trabajo de investigación se
realizaron en el software R versión 3.3.2. El script utilizado en el programa se adjunta en
los anexos (ver anexo 1).
Dicho levantamiento de información se muestra en la siguiente base de datos (ver
Tabla 4).
46
Tabla 4
Variables obtenidas a partir del levantamiento de información
Población urbana 334 770 339 032 343 349 347 720 352 147 356 630 361 171
Precipitación anual (mm)
806
983
1 103
840
934
1 008
491
Calidad del aire (ICA en microgramos/m3) 21.55 21.6 18.11 27.18 23.33 16.02 23.12
Contaminación auditiva (dB) 75 76.3 77.8 79.3 80 83 86
Espacio público efectivo (m2/habitante) 1.1 1.32 1.54 1.76 1.98 2.2 2.42
Vida útil del relleno sanitario (años) 19 18 17 16 15 14 13
Consumo anual de agua per cápita (litros/habitante/día) 127.57 128.19 128.76 154.2 154.45 154.64 154.82
Total del consumo anual de electricidad por hogar
(kWh/hogar/año) 2321.63 2292.62 2325.11 2356.58 2387.09 2416.66 2445.35
PIB per cápita (millones de pesos) 12.71 15.69 19.21 20.57 22.78 25 27.21
47
Tasa de desempleo (%) 16.8 15.9 13.5 12.2 10.7 10.5 10.3
Índice de transporte de pasajeros por kilómetro (IPK) 1.1 1.1 1.13 1.13 1.22 1.3 1.24
Riesgo de inundación de viviendas (%) 3.75 0.14 4.35 0.21 0.04 3.14 2.98
Exposición urbana a amenaza volcánica (%) 97.32 97.25 97.19 97.12 97.05 96.98 96.9
Amenaza sísmica urbana (Aa) 0.25 0.25 0.25 0.25 0.25 0.25 0.25
Huella urbana (%) 2.46 2.4 2.36 2.44 2.23 2.18 2.14
Residuos sólidos urbanos (kg/hab/día) 0.6512 0.6519 0.6524 0.6528 0.6531 0.6533 0.6535
Regular o mal estado de la malla vial urbana (%) 72 70 67 66 66 63 61
Acceso a TIC (%) 46.72 46.82 47.5 48.17 48.84 49.51 50.19
Índice de hacinamiento urbano (pasajeros/kilómetro) 4.8 4.59 4.52 4.48 4.39 4.29 4.22
Densidad poblacional urbana (habitantes/km2) 19272.1 19049.5 18840.3 18614.5 18427.3 18251.2 18094.7
48
Fuente: elaboración propia.
5 4 2 5 6 9 1
Cobertura de alumbrado público urbano (%) 84 84 90 90 92 98 98
Kilómetros de ciclovías por cada 100000 habitantes (km/cada
100 000 hab)
0 0.26 0.25 0.25 0.25 0.28 0.97
49
La anterior base de datos, por sus propias características, se analizó estadísticamente
con el fin de averiguar la relevancia estadística de la información y también identificar las
características generales de la misma.
3.2.1.3.1. Prueba de Bartlett
Este test permite hacer análisis de cualquier cantidad de variables. Considerando
que las variables levantadas pertenecen a una misma temática, es posible determinar si
existe relación entre al menos dos de ellas. El test de Bartlett corrobora que a cualquier
nivel existe correlación significativa entre algunas variables y, por lo tanto, da vía libre al
análisis de correlaciones de las bases de datos (Uribe, Orjuela y Moreno, 2016).
Realizando el test en la base de datos obtenida, se dieron los resultados mostrados
en la tabla 5 (ver anexo 2).
50
Tabla 5
Resultado del test de Barlett (ver anexo 2)
Chi-cuadrado
-997.4284
P-valor
1
Grado de libertad
210
Fuente: elaboración propia.
La tabla anterior muestra los siguientes valores: Chi² = -997.4284; p-valor = 1;
grados de libertad = 210.
De los resultados se puede inferir que se rechaza la hipótesis nula (la matriz de
correlación es idéntica) a cualquier nivel de significancia. Con lo anterior, se puede decir
que existe una relación fuerte entre al menos dos variables de la base de datos.
Finalmente, y desde el punto de vista estadístico, el grupo de variables se reduce a
21. Lo anterior, se debe a que una de las variables (amenaza sísmica urbana (Aa)), no tiene
variabilidad con el paso del tiempo y, por lo tanto, la información de esta variable no es
estadísticamente significativa.
De esta manera, las variables finales se presentan, con sus respectivos símbolos, en
la tabla 6.
51
Tabla 6
Variables finales
Variable Símbolo 2009 2010 2011 2012 2013 2014 2015
Población urbana PUr 334 770 339 032 343 349 347 720 352 147 356 630 361 171
Precipitación anual (mm) Pre 806 983 1103 840 934 1008 491
Calidad del aire (ICA en microgramos/m3) ICA
21.55
21.60
18.11
27.18
23.33
16.02
23.12
Contaminación auditiva (dB) dB
75.0
76.3
77.8
79.3
80.0
83.0
86.0
Espacio público efectivo (m2/habitante) EsP
1.10
1.32
1.54
1.76
1.98
2.20
2.42
Vida útil del relleno sanitario (años) RS
19
18
17
16
15
14
13
Consumo anual de agua per cápita
(litros/habitante/día) AH
127.57
128.19
128.76
154.20
154.45
154.64
154.82
Total del consumo anual de electricidad por hogar
EH
2321.63
2292.62
2325.11
2356.58
2387.09
2416.66
2445.35
52
(kWh/hogar/año)
PIB per cápita (millones de pesos)
PIB
12.71
15.69
19.21
20.57
22.78
25.00
27.21
Tasa de desempleo (%) TD
16.8
15.9
13.5
12.20
10.70
10.50
10.30
Índice de transporte de pasajeros por kilómetro (IPK)
(pasajeros/km) IPK
1.10
1.10
1.13
1.13
1.22
1.30
1.24
Riesgo de inundación de viviendas (%) RI
3.75
0.14
4.35
0.21
0.04
3.14
2.98
Exposición urbana a amenaza volcánica (%) RV
97.32
97.25
97.19
97.12
97.05
96.98
96.90
Huella urbana (%) HU
2.46
2.40
2.36
2.44
2.23
2.18
2.14
Residuos sólidos urbanos (kg/hab./día) Rso
0.65
0.65
0.65
0.65
0.65
0.65
0.65
Regular o mal estado de la malla vial urbana (%) MV
72
70
67
66
66
63
61
53
Fuente: elaboración propia.
Acceso a TIC (%) TICs 46.82 47.50 48.17 48.84 49.51 50.19
Índice de hacinamiento urbano IHU
4.80
4.59
4.52
4.48
4.39
4.29
4.22
Densidad poblacional urbana (habitantes/km2)
DP
19272.15
19049.54
18840.32
18614.55
18427.36
18251.29
18094.71
Cobertura de alumbrado público urbano (%)
AP
84
84
90
90
92
98
98
Kilómetros ciclovías por cada 100 000 habitantes
(km/cada 100 000 habitantes) Cic
0.00
0.26
0.25
0.25
0.25
0.28
0.97
54
3.2.1.3.2. Matriz de correlación entre variables
Con esta herramienta estadística se pretende analizar la relación que existe entre las
variables de la base de datos obtenida. Se analizan las relaciones lineales de la información
entre variables. Lo anterior se debe al gran número de variables y a la vez, a la escasez de
información existente en la base de datos. El análisis de correlación lineal permite
identificar si hay significancia entre las variables y los grupos que las mismas puedan
formar desde el punto de vista estadístico. De la alta relación observada en la matriz de
correlaciones, se puede inferir que la información es muy significativa (Caudepón et al.,
2016).
En ese orden de ideas, los resultados de la matriz de correlación se muestran en la
figura 2.
Es necesario recordar que en la Figura 2, se muestra el nivel de correlación de las
variables de manera gráfica según el color. El color azul intenso implica “correlación fuerte
positiva”, pasando por el nivel de correlación débil indicado en azul claro o blanco o rojo
claro, para luego mostrar “correlación fuerte negativa” graficado en color rojo intenso. Por
ejemplo, Tasa de Desempleo (TD) tiene un alto nivel de correlación fuerte positiva con
Densidad Poblacional (DP), sin embargo, el nivel de correlación de Tasa de Desempleo
(TD) con Producto Interno Bruto per cápita (PIB), es fuertemente negativo. Además, se
puede afirmar que Tasa de Desempleo (TD) tiene un nivel del correlación nulo con Índice
de Calidad del Aire (ICA), por ello se muestra en la gráfica con color blanco y una X,
indicando e nivel de correlación cero entre las variables.
55
Figura 2. Resultado de la matriz de correlación de la base de datos.
Fuente: elaboración propia.
De la figura 2 se puede inferir que existe una correlación fuerte entre la información
de las variables analizadas y que, además, se forman dos grandes grupos de variables.
Finalmente, se puede decir que existe información de tres variables que aportan
significativamente a la presente investigación, las cuales son: riesgo de inundación de
viviendas (inundación), precipitación anual (precipitación) y calidad del aire (ICA). Lo
anterior, se dilucida debido a que la información obtenida en estas tres variables es
independiente de la información contenida en las variables restantes y su comportamiento
es independiente a las otras variables de la base de datos.
56
3.2.1.3.3. Matriz de correlación canónica (ACC)
Como se observó en la matriz de correlación entre variables, existen dos grandes
grupos. Con la matriz de correlación canónica se pretende identificar si existe correlación
entre las variables de cada grupo. Además, permite identificar si hay relación entre los
grupos de manera separada. EL ACC es un método multivariado lineal, muy útil para
realizar análisis estadísticos de correlación entre dos conjuntos de datos. Considera a un
grupo independiente X y al otro dependiente Y (Díaz y Villegas, 2015).
Figura 3. Resultado del análisis de la matriz de correlación canónica de la base de datos.
Fuente: elaboración propia.
En la Figura 3 los cuadros color rojo representan a cada grupo de variables con
información estadística significativa. Igualmente, el rectángulo azul inferior da a conocer
que la información de los grupos analizados como unidad es estadísticamente relevante.
Esto quiere decir que la información conseguida, como se espera por la naturaleza y origen
de la información, tiene fuerte relación entre cada variable y entre grupos de variables.
3.2.1.3.4 Análisis de distancias euclidianas
Finalmente, y como análisis complementario a la base de datos creada, se realiza un
análisis de distancias euclidianas. Este análisis de clúster permite comparar el
comportamiento de la información obtenida y hacer seguimiento de la misma a través del
tiempo. Esta herramienta permite identificar características comunes en cada grupo de
57
información obtenida y facilita el trabajo de comparación entre variables o grupo de
variables (Jara y Oda, 2014).
Se buscó la relación existente en la información de las variables obtenidas. Como
resultado del análisis se obtuvo el dendograma de la figura 4. Además, se revisó la relación
comprendida entre los grupos de variables finales.
58
Figura 4. Dendograma de distancias existentes entre la información de cada variable.
Fuente: elaboración propia. Imagen extraída directamente desde R versión 3.3.2.
Según la figura 4, la información contenida en las variables ICA, inundación y
precipitación tienden a ser relativamente distantes del resto de variables gracias a la matriz
de correlación. Lo anterior, se debe a que cada variable cambia sin obedecer a ningún tipo
de comportamiento matemático que posiblemente se vea reflejado en la información de las
otras variables. Caso contrario, por ejemplo, a las variables PIB y población urbana (PUr),
cuya información es similar, tienden a comportarse de la misma manera y obedece a las
dinámicas propias del territorio analizado.
Finalmente, se realizó el mismo análisis para la información contenida en los años
2009 hasta 2015 (ver figura 5).
59
Figura 5. Dendograma de distancias existentes entre la información de cada año.
Fuente: elaboración propia. Imagen extraída directamente desde R versión 3.3.2.
La figura 5 muestra información similar entre los años 2009 hasta 2012 y desde
2013 hasta 2015. Al respecto se espera que la información tenga dicho comportamiento
debido a que las variables urbanas tienen una variación lenta con el paso del tiempo. Sin
embargo, la información presente para los años 2012 y 2013 muestran una clara diferencia.
Lo anterior, puede deberse a la influencia que ejercen la precipitación (ICA) y el PIB en el
presente análisis.
Por último, las variables filtradas se agrupan según la definición de sistema urbano
sostenible propuesto por Zuluaga, Mosquera, Gómez y Peñalosa en el 2012. Esta propuesta
permite hacer las siguientes agrupaciones (ver tabla 7).
60
Tabla 7
Variables finales por sistemas según Zuluaga, Mosquera, Gómez y Peñalosa
Sistema Variable Símbolo 2009 2010 2011 2012 2013 2014 2015
Natural:
sistema que se
manifiesta como
soporte de la estructura
territorial.
Población urbana PUr 334 770 339 032 343 349 347 720 352 147 356 630 361 171
Precipitación anual (mm) Pre 806 983 1103 840 934 1008 491
Espacio público efectivo
(m2/habitante)
EsP 1.10 1.32 1.54 1.76 1.98 2.20 2.42
Vida útil del relleno
sanitario (años) RS 19 18 17 16 15 14 13
Económico:
sistema que fortalece y
sustenta la
competitividad a escala
humana dentro del
sistema urbano.
Consumo anual de agua
per cápita
(litros/habitante/día)
AH 127.57 128.19 128.76 154.20 154.45 154.64 154.82
Consumo anual de
electricidad por hogar
(kWh/hogar/año)
EH 2321.63 2292.62 2325.11 2356.58 2387.09 2416.66 2445.35
PIB per cápita (millones
de pesos) PIB 12.71 15.69 19.21 20.57 22.78 25.00 27.21
Tasa de desempleo (%) TD 16.8 15.9 13.5 12.20 10.70 10.50 10.30
Índice de transporte de IPK 1.10 1.10 1.13 1.13 1.22 1.30 1.24
61
pasajeros por kilómetro
(IPK)
Político:
sistema que soporta la
gobernabilidad del
sistema urbano.
Riesgo de inundación de
viviendas (%) RI 3.75 0.14 4.35 0.21 0.04 3.14 2.98
Exposición urbana a
amenaza volcánica (%) RV 97.32 97.25 97.19 97.12 97.05 96.98 96.90
Huella urbana (%) HU 2.46 2.40 2.36 2.44 2.23 2.18 2.14
Residuos sólidos urbanos
(Kg/hab./día) Rso 0.65 0.65 0.65 0.65 0.65 0.65 0.65
Estado de la malla vial
urbana (%) MV 72 70 67 66 66 63 61
Calidad del aire (ICA en
microgramos/m3)
ICA 21.55 21.60 18.11 27.18 23.33 16.02 23.12
Contaminación auditiva
(dB) dB 75.0 76.3 77.8 79.3 80.0 83.0 86.0
Social:
sistema que permite la
inclusión equitativa del
ser humano en el
Acceso a TIC (%) TIC 46.72 46.82 47.50 48.17 48.84 49.51 50.19
Índice de hacinamiento
urbano (IHU) IHU 4.80 4.59 4.52 4.48 4.39 4.29 4.22
Densidad poblacional DP 19272.15 19049.54 18840.32 18614.55 18427.36 18251.29 18094.71
62
Fuente: elaboración propia.
entorno. urbana (habitantes/km2)
Cobertura de alumbrado
público urbano (%) AP 84 84 90 90 92 98 98
Kilómetros de ciclovías
por cada 100 000
habitantes (km/cada
100 000 hab)
Cic 0.00 0.26 0.25 0.25 0.25 0.28 0.97
63
3.2.1.4. Características de las variables
A continuación, se presenta para cada variable su definición, justificación,
metodología para recolectar información, rango temporal anual de la información existente
y rango entre el que da cuenta de la sostenibilidad del sistema urbano.
3.2.1.4.1. Sistema Natural (SN)
Sistema que se manifiesta como soporte de la estructura territorial.
a) Población urbana (PUr): cantidad de habitantes en la zona urbana.
Justificación: el número de habitantes y sus dinámicas en el entorno urbano
alteran varios frentes entre los que se encuentran: consumo energético,
tiempos de desplazamiento, transporte alternativo, habitabilidad del espacio
público, complejidad urbana, dotación de espacios verdes, cohesión social,
dotación de equipamientos, entre otros (Hermida, Hermida, Cabrera y Calle,
2015).
Metodología: la administración municipal, en este caso, la Alcaldía de
Pasto, es la encargada de hacer seguimiento a la población tanto urbana y
rural del municipio. El valor se consiguió del Cuaderno de Diagnóstico
Urbano del Plan de Ordenamiento Territorial 2015 – 2027 de la Alcaldía de
Pasto. El mismo dato es el resultado de la estimación de la población dada
por el Departamento Administrativo Nacional de Estadística (DANE) a
partir de los censos realizados en el 2005 (DANE, 2005). Rango de
información estimada recolectada a partir del año 2005.
Tabla 8
Rangos para la población urbana
Verde Amarillo Rojo
50000 - 100000 100000 - 500000 500000 – 1000000
Fuente: adaptado de United Cities and Local Governments (UCLG, 2016).
64
b) Precipitación anual (Pre): precipitación pluvial anual en la zona urbana (mm).
Justificación: los riesgos naturales se incrementan con la
impermeabilización del suelo. Como consecuencia de ello, las inundaciones
causadas en las ciudades frenan el desarrollo, pueden existir pérdidas
humanas, además de las pérdidas materiales que causan los mencionados
desastres (Vidal y Martel, 2015).
Metodología: la información se solicitó al Instituto de Hidrología,
Meteorología y Estudios Ambientales de Colombia. Se seleccionó la
estación de Pasto, La Terraza. Información recolectada a partir de 1970.
Tabla 9
Rangos para precipitación anual
Verde Amarillo Rojo
<500 1000 - 501 1001 - 1250
Fuente: adaptada de Arango, C., Dorado, J., Guzmán, D., y Ruiz, J. (2013).
Climatología trimestral de Colombia. (IDEAM informe 1–19)..
c) Espacio público efectivo (EsP): área en metros cuadrados por habitante de zonas
verdes, parques, plazas y plazoletas. Es ideal para mitigar los impactos generados
por la contaminación y cumple una función de amortiguamiento (m2/habitante).
Justificación: los espacios públicos mejoran la salud pública, el bienestar
social y promueven la cohesión social entre los habitantes del sistema
urbano (Wolch, Byrne y Newell, 2014).
Metodología: la información requerida para esta variable se obtuvo del
Cuaderno de Diagnóstico Urbano del Plan de Ordenamiento Territorial
2015 – 2027 de la Alcaldía de Pasto y del análisis predial multitemporal
realizado con información adquirida en el Instituto Geográfico Agustín
Codazzi del municipio de Pasto. Para el análisis de los datos se comparó el
espacio público registrado de forma anual en metros cuadrados con la
cantidad de habitantes de la zona urbana de dicho año. Esa información
existe a partir del año 2009.
65
Tabla 10
Rangos para el espacio público efectivo según la Conpes 3718.
Verde Amarillo Rojo
>15 10 - 15 10>
Fuente: DNP (2012).
d) Vida útil del relleno sanitario (RS): vida útil remanente del relleno sanitario o
controlado en función de las proyecciones de generación de residuos sólidos de la
ciudad. Se mide en años.
Justificación: la ocupación de grandes cantidades de suelo aledaños a la
zona urbana afecta directamente los servicios ambientales propios del lugar
de ocupación y disminuye las alternativas de consumo energético de la
ciudad (Caprile y Gutiérrez, 2015).
Metodología: con la ayuda de la Empresa Metropolitana de Aseo de Pasto
(EMAS) se calculó directamente el tiempo de vigencia restante del relleno
sanitario. Información existente a partir del año 2005.
Tabla 11
Rangos para la vida útil del relleno sanitario según la Iniciativa de
Ciudades Emergentes y Sostenibles (ICES).
Verde Amarillo Rojo
>8 4 - 8 <5
Fuente: BID (2013).
3.2.1.4.2. Sistema Económico (SE)
Sistema que fortalece y sustenta la competitividad a escala humana dentro del
sistema urbano.
66
a) Consumo anual de agua per cápita (AH): consumo anual de agua per cápita de
personas cuyas viviendas tienen conexión a la red de agua de la ciudad
(litros/persona/día).
Justificación: este indicador permite evaluar el equilibrio entre la
disponibilidad del recurso y su consumo. El consumo de agua depende, entre
otros factores, de la cantidad, calidad, disponibilidad, precio y clima. El
consumo de agua es mayor en ciudades con mayores ingresos (GCIF, 2010).
Metodología: la administración material consignó en el Cuaderno de
Diagnóstico Ambiental del Plan de Ordenamiento Territorial 2015 – 2027 de
la Alcaldía de Pasto el consumo hídrico de la zona urbana del municipio de
Pasto. El cálculo del indicador resultó de dividir el caudal medio diario
demandado sobre la cantidad de habitantes en la zona urbana. Datos
estimados existentes a partir del año 2005.
Tabla 12
Rangos para el consumo anual de agua per cápita según la Iniciativa de
Ciudades Emergentes y Sostenibles (ICES).
Verde Amarillo Rojo
120–200 200–250 250<
Fuente: BID (2013).
b) Consumo anual de electricidad por hogar (EH): consumo anual de electricidad
dividido por la cantidad de hogares urbanos (kWh/hogar/año).
Justificación: en la actualidad los servicios son fundamentales para el
desarrollo de las ciudades y sus actividades productivas, pues tiene como fin
elevar la calidad de vida de sus habitantes y disminuir la pobreza. Con la
energía eléctrica se garantiza el suministro de servicios públicos (GCIF,
2010).
Metodología: la empresa Centrales Eléctricas de Nariño (Cedenar), con
apoyo de la Alcaldía de Pasto, consignó en el Cuaderno de Diagnóstico
67
Físico Espacial del Plan de Ordenamiento Territorial 2015 – 2027 de la
Alcaldía de Pasto el consumo energético de la ciudad. El valor se obtuvo de
dividir el consumo energético de la ciudad sobre el total de hogares
registrados en el Plan de Ordenamiento Territorial 2015 – 2027 de la
Alcaldía de Pasto. Datos existentes a partir del año 2007.
Tabla 13
Rangos para consumo anual de electricidad por hogar según la Iniciativa
de Ciudades Emergentes y Sostenibles (ICES).
Verde Amarillo Rojo
1500–3500 3500–5000 5000<
Fuente: BID (2013).
c) PIB per cápita (PIB): medición del rendimiento económico per cápita. PIB de la
ciudad dividido por la población de la ciudad. El PIB de la ciudad es igual al
producto total de la ciudad según lo establecido en los procedimientos contables del
país (millones de pesos).
Justificación: indica la capacidad de los habitantes de la ciudad para
satisfacer sus necesidades y mejorar su calidad de vida (World Economic
Forum, 2014).
Metodología: la información obtenida para esta variable fue extraída del
Cuaderno de Diagnóstico Económico del Plan de Ordenamiento Territorial
2015 – 2027 de la Alcaldía de Pasto. El levantamiento de la información se
obtuvo a partir de las estimaciones realizadas por la alcaldía del municipio y
el DANE. Datos nacionales estimados por el DANE existentes a partir del
año 2007.
68
Tabla 14
Rangos para PIB per cápita según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES). (Valores con tasa de cambio del 26 de octubre del
2016).
Verde Amarillo Rojo
>26,7 COP 8,9 – 26,7 COP <8,9 COP
Fuente: BID (2013).
d) Tasa de desempleo (TD): la tasa de desempleo representa el porcentaje de la fuerza
de trabajo que busca empleo de forma activa pero que no logra encontrarlo en un
tiempo determinado (%).
Justificación: es un indicador de la solidez económica del municipio. Si se
tiene una economía fuerte la tasa de desempleo tiende a ser baja, lo que
afecta positivamente la calidad de vida de la población. Además, se
considera al desempleo como una consecuencia de la contaminación y la
degradación de los ecosistemas circunvecinos al sistema urbano (Foladori,
2002).
Metodología: la información obtenida para esta variable fue extraída del
Cuaderno de Diagnóstico Económico del Plan de Ordenamiento Territorial
2015 – 2027 de la Alcaldía de Pasto. El levantamiento de la información se
obtuvo a partir de las estimaciones realizadas por la alcaldía del municipio y
el DANE. Valores nacionales estimados por el DANE con información
existente a partir del año 2005.
Tabla 15
Rangos para la tasa de desempleo según la Iniciativa de Ciudades
Emergentes y Sostenibles (ICES).
Verde Amarillo Rojo
<7% 7% – 12% 12%<
Fuente: BID (2013).
69
e) Índice de transporte de pasajeros por kilómetro (IPK): indicador de la
productividad del sistema de transporte público y que a su vez proporciona un
promedio de la cantidad de pasajeros por kilómetro que transporta cada bus de la
flota que opera en determinada ruta (personas transportadas/km recorrido).
Justificación: el índice de pasajero por kilómetro es un indicador adecuado
para medir la eficiencia del sistema de transporte en la ciudad. A mayor IPK
más eficiente es el sistema. Por ejemplo, para el caso de Transmilenio en
Bogotá, el valor del IPK se aproxima a 6 (Ojeda, Escobar y Sánchez, 2014).
Metodología: la información se consultó en la Secretaría de Tránsito y
Transporte de la Alcaldía de Pasto. El cálculo del IPK se realizó a partir de
la cantidad de pasajeros transportados anualmente y el promedio de
kilómetros recorridos por ruta para dicho año. Esa información existe en los
entes competentes de transporte municipal, públicos y privados, a partir del
año 2009.
Tabla 16
Rangos para IPK según el Plan de Ordenamiento Territorial de San Juan de
Pasto 2014 – 2017.
Verde Amarillo Rojo
5< 1– 5 3>
Fuente: Alcaldía de Pasto (2015).
3.2.1.4.3. Sistema Político (SP)
Sistema que soporta la gobernabilidad del sistema urbano.
a) Riesgo de inundación de viviendas (RI): porcentaje de viviendas afectadas por
inundaciones en la zona urbana (%).
Justificación: el crecimiento urbano, la impermeabilidad de la zona urbana
y los picos climáticos referentes a las precipitaciones provocan
taponamiento en los sistemas de drenajes. Lo anterior paraliza el continuo
flujo de las actividades urbanas (Vidal y Martel, 2015).
70
Metodología: la entidad encargada de dar seguimiento a esta información es
la Dirección Municipal para la Gestión del Riesgo de San Juan de Pasto
(DGRD) (DGRD, 2016). La información se obtuvo de la base de datos
geográficos de dicha entidad, de donde se hizo el cálculo respectivo con
respecto al porcentaje de viviendas afectadas por el fenómeno natural.
Información existente en la administración municipal a partir del año 2007.
Tabla 17
Rangos para el riesgo de inundación de viviendas según la Iniciativa de
Ciudades Emergentes y Sostenibles (ICES)
Verde Amarillo Rojo
<0,5% 0,5% - 3% 3%<
Fuente: BID (2013).
b) Exposición urbana a amenaza volcánica (RV): exposición espacial urbana con
respecto a la amenaza volcánica.
Justificación: la amenaza volcánica y los desastres naturales representan un
fenómeno que procura vigilancia y seguimiento, especialmente en áreas
donde cientos o miles de personas pueden ser afectadas por el fenómeno
natural. Esta situación puede generar una serie de conflictos en todas las
esferas del sistema urbano, debido a la alteración de las condiciones de vida
de sus habitantes (Velásquez, 2016).
Metodología: el nivel de exposición de la zona urbana con respecto a la
amenaza natural se obtuvo a partir del nuevo mapa de la amenaza volcánica
suministrado por el Servicio Geológico Colombiano en el 2016. Se califica
de acuerdo con el área urbana expuesta a la amenaza. Es expresada en
porcentajes. Información existente a partir del año 2007.
71
Tabla 18
Rangos para la exposición urbana a amenaza volcánica según Vega y Díaz
(2013).
Verde Amarillo Rojo
<25% 25% - 75% 75%<
Fuente: Vega y Díaz (2013).
c) Huella urbana (HU): promedio de la tasa de crecimiento anual de la huella urbana
dentro de los límites oficiales de la ciudad (%).
Justificación: el rápido crecimiento del perímetro urbano puede tener un
impacto negativo sobre los ecosistemas circundantes y afecta el acceso a
servicios básicos (GCIF, 2010).
Metodología: la información referente a la huella urbana se obtuvo del
Cuaderno de Diagnóstico Físico Espacial del Plan de Ordenamiento
Territorial 2015 – 2027 de la Alcaldía de Pasto. Su cálculo se realizó
obteniendo el porcentaje de crecimiento del área urbana con respecto al área
urbana existente del año anterior. Datos estimados reportados a partir del
año 2005.
Tabla 19
Rangos para huella urbana según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES).
Verde Amarillo Rojo
<3% 3% - 5% 5%<
Fuente: BID (2013).
d) Residuos sólidos urbanos (Rso): cantidad de residuos sólidos por habitante
dispuestos en el relleno sanitario diariamente en promedio (kg/hab./día).
72
Justificación: la producción de residuos sólidos y depositados en un área
específica es una problemática ambiental de todos los centros urbanos.
Reducir la producción de estos residuos por habitante en las ciudades a nivel
mundial es un reto. La reducción de dicha producción disminuye también
efectos sobre el medio ambiente como el cambio climático y principalmente
disminuye la producción de dióxido de carbono y metano (Caprile y
Gutiérrez, 2015).
Metodología: el seguimiento de esta información la realiza la Empresa
Metropolitana de Aseo de Pasto (EMAS). El cálculo se hizo teniendo en
cuenta la cantidad de desperdicios dispuestos en el relleno sanitario al día y
relacionados con la cantidad de habitantes de la ciudad. Información
reportada a partir del año 2007.
Tabla 20
Rangos para residuos sólidos urbanos según el índice de calidad ambiental
urbana (ICAU).
Verde Amarillo Rojo
<0.6 0.6 - 1 1<
Fuente: MinAmbiente (2013).
e) Estado de la malla vial urbana (MV): porcentaje vial en regular o mal estado en
la cabecera municipal. Se da como función del valor de Pavement Condition Index
(PCI) que varía desde “pésimo” hasta “excelente” (%).
Justificación: varios de los problemas de movilidad en las ciudades son
ocasionados por la baja calidad de la malla vial para soportar flujos
vehiculares sujetos a crecimientos acelerados en ciudades con pocos
recursos para el desarrollo de infraestructura vial. Una malla vial en buen
estado disminuye el consumo energético y las emisiones resultado de dicho
consumo. Además, disminuye los tiempos de traslado de un lugar a otro
(González y González, 2016).
73
Metodología: el seguimiento de esta variable se obtuvo a partir de la
información suministrada por la Secretaría de Infraestructura Urbana, la
Secretaría de Planeación y del Cuaderno de Diagnóstico Físico Espacial del
Plan de Ordenamiento Territorial 2015 – 2027 de la Alcaldía de Pasto. La
administración registra esta información haciendo recorridos anuales
teniendo en cuenta el PCI y actualizando la base de datos de dicha
información en los Sistemas de Información Geográficas (SIG) de cada
secretaría. Información reportada por la entidad competente a partir del año
2007.
Tabla 21
Rangos para el estado de la malla vial urbana.
Verde Amarillo Rojo
<15% 15% - 60% 60%<
Fuente: adaptada de Vásquez, L. R. (2002). Pavement Condition Index (PCI). Para
pavimentos asfálticos y de concreto en carreteras. Manizales, Colombia: Ingepav.
f) Contaminación auditiva (dB): nivel de presión sonora urbana continua. Es medido
en decibeles (dB).
Justificación: en los sistemas urbanos la combinación de ruido constante y
permanente, el uso de medios de transporte que contaminan el aire y son
ruidosos y las políticas públicas desintegradas provocan una gestión
ambiental incierta y poco clara frente a esta problemática. Por lo tanto, este
problema se convierte en un problema a tratar de manera prioritaria (Cohen
y Castillo, 2016).
Metodología: CorpoNariño mediante el proyecto Control y seguimiento a la
calidad del aire en el departamento de Nariño da seguimiento a la variable
de contaminación auditiva de la capital del departamento. La determinación
de los niveles de presión sonora se realizó en decibeles corregidos por
frecuencia conforme a la curva de ponderación normalizada tipo A dB (A).
El equipo utilizado fue un sonómetro digital integrador marca Casella Cel
74
490, tipo I, serie N.° 478347, micrófono Cel 495, serie N.° 000752 que
cuenta con un calibrador Casella Cel 110/1 serial N.° 388728, el cual
permite el ajuste del equipo en campo (114.0 dB). La altura de medición fue
a 4 metros a partir del nivel del piso. Las mediciones se realizaron en horario
diurno. Datos reportados a partir del año 2009.
Tabla 22
Rangos para la contaminación auditiva.
Verde Amarillo Rojo
50 - 55 55 - 75 75<
Fuente: adaptada de CorpoNariño (Corporación Autónoma Regional de
Nariño). (2013). Documento de actualización de mediciones de los mapas
de ruido de las cabeceras municipales de Pasto, Ipiales y Tumaco. San Juan
de Pasto, Colombia: CorpoNariño. En cumplimiento de Resolución del
Ministerio de Ambiente 627 de 2006 emisión de ruido y ruido ambiental.
g) Calidad del aire (ICA): es un indicador de la calidad diaria del aire. El ICA
corresponde a una escala numérica a la cual se le asigna un color, el cual a su vez
tiene una relación con los efectos a la salud causados por la contaminación del aire
(microgramos/m3).
Justificación: la evidencia sobre material particulado en el aire y su impacto
en la salud pública consistentemente muestra constantemente efectos
negativos para la salud de las poblaciones urbanas, tanto de los países
desarrollados como en desarrollo, que actualmente experimentan
exposiciones a este factor (GCIF, 2010).
Metodología: el valor de la calidad de aire en el sistema urbano de Pasto se
obtuvo de la estación semiautomática PM10 perteneciente al Sistema de
Vigilancia de Calidad del Aire de Pasto, que está a cargo de la Corporación
Autónoma Regional de Nariño (CorpoNariño). La información recolectada
75
se obtuvo a partir de los informes que CorpoNariño facilita frecuentemente y
es de libre acceso. Datos inicialmente levantados a partir del año 2009.
Tabla 23
Rangos para la calidad del aire según ICES
Verde Amarillo Rojo
0 - 50 51 - 100 101<
Fuente: BID (2013).
3.2.1.4.4. Sistema Social (SS)
Sistema que permite la inclusión equitativa del ser humano en el entorno.
a) Acceso a las TIC (TIC): número de suscripciones de acceso fijo a internet de
banda ancha por cada 100 habitantes (%).
Justificación: el acceso a las TIC tiene efecto en otras variables como el
producto interno bruto (PIB) y el empleo. A partir del acceso a las TIC, el
municipio puede evaluar su capacidad de conectividad a la infraestructura,
asequibilidad, acceso, uso y oportunidades de intervención para aprovechar
los beneficios que resultan del mayor uso de banda ancha (García y López,
2012).
Metodología: mediante el levantamiento de información en la oficina de la
Subsecretaría de Información de la Alcaldía de Pasto y la ayuda de los
operadores privados, se reúne la información sobre la cantidad de
suscriptores que tienen acceso a internet banda ancha en cada hogar.
Información existente a partir del año 2009.
Tabla 24
Rangos para acceso a las TIC según la Iniciativa de Ciudades Emergentes y
Sostenibles (ICES).
Verde Amarillo Rojo
15%< 7% –15% 7%>
Fuente: BID (2013).
76
b) Índice de hacinamiento urbano (IHU): indicador que relaciona el porcentaje de
hogares que cuentan con 3 o más personas en un cuarto (%).
Justificación: el hacinamiento en la zona urbana refleja las bajas
condiciones del sistema para asumir el problema de hacinamiento por
diferentes razones (en el caso de Pasto, por migración de víctimas de la
violencia). Además, muestra la inadecuada planificación de la
administración del sistema para brindar hogar y la ineficiente distribución
del espacio urbano (Zhang y Chen, 2014).
Metodología: en el caso de hacinamiento fue necesario acudir al Cuaderno
de diagnóstico urbano del Plan de Ordenamiento Territorial 2015 – 2027 de
la Alcaldía de Pasto. El cálculo de los valores anuales consignados en la
base de datos se hizo dividiendo la cantidad total de habitantes de la zona
urbana sobre la cantidad de hogares registrados. Datos demográficos
correspondientes a reportes realizados a partir del año 2007.
Tabla 25
Rangos para el índice de hacinamiento urbano.
Verde Amarillo Rojo
<4 4 – 6 6<
Fuente: Goytia y Dorna (2016).
c) Densidad poblacional urbana (DP): personas que viven en el área urbana por
kilómetro cuadrado de área urbanizada de la municipalidad (habitantes/km2).
Justificación: las ciudades altamente densificadas tienden a ahorrar energía,
incrementan su eficiencia, economizan tiempo, costos y disminuyen el
impacto negativo sobre el medio ambiente (GCIF, 2010).
Metodología: con la información recolectada en las anteriores variables se
hizo el cálculo directamente entre la población urbana sobre el área urbana
77
medida en kilómetros cuadrados para determinado año. Datos reportados a
partir del año 2005.
Tabla 26
Rangos para la densidad poblacional urbana según la Iniciativa de
Ciudades Emergentes y Sostenibles (ICES).
Verde Amarillo Rojo
7000 - 20000 20000–25000 > 25000
Fuente: BID (2013).
d) Cobertura de alumbrado público urbano (AP): cobertura del alumbrado público
con respecto al área urbana (%).
Justificación: el alumbrado público tiene diversos efectos sobre el sistema
urbano, entre los que se encuentran: a) ecológicos, por el exceso de
iluminación y los efectos sobre los animales; b) económicos, por el consumo
energético; c) cultural, por la evidente invasión sobre el espacio natural y las
tradiciones culturales de los asentamientos sociales; d) seguridad, con un
adecuado alumbrado público la ciudadanía tiene una mejor percepción de
seguridad en la ciudad; y e) astronómicos, la dispersión en la atmósfera
constituye un daño al paisaje urbano (Pozo, 2016).
Metodología: esta cobertura de alumbrado público se consiguió en la
operadora de alumbrado público de la ciudad de Pasto, Servicio Público de
Alumbrado de Pasto (Sepal). El valor se obtuvo mediante el avance de
cobertura de alumbrado público teniendo en cuenta el crecimiento de la del
sistema urbano. Información reportada a partir del año 2008.
78
Tabla 27
Rangos para cobertura de alumbrado público urbano.
Verde Amarillo Rojo
95%< 70% - 95% <70%
Fuente: adaptada de Ministerio de Minas y Energía y Unidad de Planeación
Minero-Energética. (2014). Plan Indicativo de Expansión de Cobertura de
Energía Eléctrica 2013 - 2017. Bogotá: Legis S. A
e) Kilómetros de ciclovía por cada 100 000 habitantes (Cic): son los kilómetros de
línea central de caminos dedicados a bicicletas dentro de la ciudad dividido por cada
100 000 habitantes de la ciudad. Es expresado como kilómetros cada 100 000
habitantes (km/100 000 habitantes).
Justificación: la red vial de una ciudad puede dar luces sobre la congestión
vehicular, la efectividad del sistema de transporte y la matriz urbana. Las
ciudades que tienden a ser compactas, como en el caso de Pasto, deben
inclinarse por ofrecer varias rutas entre diferentes puntos de origen y
destino, con el fin de reducir el tráfico, su congestión y mejorar la calidad
del aire (GCIF, 2010).
Metodología: para el caso de los kilómetros de ciclovías existentes en la
ciudad de Pasto fue necesario acudir a la Secretaría de Infraestructura de la
Alcaldía de Pasto. El valor consignado en la base de datos de la presente
investigación se obtuvo mediante análisis cartográfico existente en la misma
secretaría. Información inicialmente levantada a partir del año 2009.
Tabla 28
Rangos para kilómetros de ciclovía por cada 100 000 habitantes según la
Iniciativa de Ciudades Emergentes y Sostenibles (ICES)
Verde Amarillo Rojo
>25 15 – 25 <15
Fuente: BID (2013).
79
3.2.1.5. Cambio anual en las variables de San Juan de Pasto según sus rangos
Consecuentemente con los rangos establecidos por diferentes documentos
investigativos y oficiales, reseñados en el anterior acápite, es posible visualizar en escala
semáforo la evolución de las variables del sistema urbano con respecto al tiempo.
Los colores del semáforo permiten identificar con mucha facilidad las variables que
necesitan prioridad, las cuales están identificadas con el color rojo. Por su parte, las
variables de color amarillo sugieren tener en cuenta ese aspecto particular del sistema
urbano. Finalmente, las variables en verde dan a conocer un estado sostenible de dicha
información dentro de la ciudad. La anterior selección de colores se realizó para mejorar la
visualización y también para coincidir con los colores de otras metodologías de evaluación
consultadas en esta investigación.
A continuación, se muestra la evolución de las variables con respecto a los rangos y
colores establecidos (ver tabla 29).
80
Tabla 29
Evolución de las variables con respecto a los rangos y colores establecidos
Sistema Variable 2009 2010 2011 2012 2013 2014 2015
Natural
Población urbana 334 770 339 032 343 349 347 720 352 147 356 630 361 171
Precipitación anual (mm) 806 983 1 103 840 934 1 008 491
Espacio público efectivo (m2/habitante) 1.1 1.32 1.54 1.76 1.98 2.2 2.42
Vida útil del relleno sanitario (años) 19 18 17 16 15 14 13
Económico
Consumo anual de agua per cápita
(litros/habitante/día) 127.57 128.19 128.76 154.2 154.45 154.64 154.82
Consumo anual de electricidad por hogar
(kWh/hogar/año) 2321.63 2292.62 2325.11 2356.58
2387.0
9 2416.66 2445.35
PIB per cápita (millones de pesos) 12.71 15.69 19.21 20.57 22.78 25 27.21
Tasa de desempleo (%) 16,8 15,9 13,5 12.2 10.7 10.5 10.3
Índice de transporte de pasajeros por kilómetro
(IPK) 1.1 1.1 1.13 1.13 1.22 1.3 1.24
Político
Riesgo de inundación de viviendas (%) 3.75 0.14 4.35 0.21 0.04 3.14 2.98
Exposición urbana a amenaza volcánica (%) 97.32 97.25 97.19 97.12 97.05 96.98 96.9
Huella urbana (%) 2.46 2.4 2.36 2.44 2.23 2.18 2.14
Residuos sólidos urbanos (kg/hab./día) 0.6512 0.6519 0.6524 0.6528 0.6531 0.6533 0.6535
81
Fuente: Elaboración Propia.
Estado de la malla vial urbana (%) 72 70 67 66 66 63 61
Calidad del aire (ICA en microgramos/m3) 21.55 21.6 18.11 27.18 23.33 16.02 23.12
Contaminación auditiva (dB) 75 76.3 77.8 79.3 80 83 86
Social
Acceso a TIC (%) 46.72 46.82 47.5 48.17 48.84 49.51 50.19
Índice de hacinamiento urbano 4.8 4.59 4.52 4.48 4.39 4.29 4.22
Densidad poblacional urbana (habitantes/km2)
19272.1
5
19049.5
4
18840.3
2
18614.5
5
18427.
36
18251.2
9 18094.71
Cobertura de alumbrado público urbano (%) 84 84 90 90 92 98 98
Kilómetros de ciclovías por cada 100 000
habitantes (km/cada 100 000 hab.) 0 0.26 0.25 0.25 0.25 0.28 0.97
82
3.2.2. Diseño del Índice Entrópico de Sostenibilidad Urbana (IESU)
3.2.2.1. Panel de expertos
Consecuente a la base de datos obtenida, se realiza un panel de expertos para
ponderar las variables y los sistemas para así dar forma al índice de sostenibilidad urbana
para San Juan de Pasto.
El método Delphi permite un proceso interactivo entre los participantes. En cuanto a
la retroalimentación, se sugiere realizarla de manera anónima entre los expertos.
Finalmente, el compendio de la información facilita la construcción de un consenso sólido
sobre el tema específico de la investigación (García y Suárez, 2013). Para la presente
investigación, así como lo sugieren García y Suárez (2013), se partió de un número de
expertos mayor al esperado, entre 7 y 30 expertos, a pesar que existieron deserciones por
parte de los mismos. Se creó un grupo de posibles candidatos con base en sus perfiles y
experiencia sobre el tema que compete a esta investigación. A ellos se les preguntó por su
participación en el panel. Quienes respondieron a la solicitud continuaron con el proceso
para realizar la ponderación de variables en un total de 2 rondas.
Siguiendo la recomendación de Gómez, Keever y Novales (2016), se utilizó un
muestreo por conveniencia con el fin de explorar un fenómeno general según el criterio de
expertos con perfiles similares. Además, se utilizó la técnica bola de nieve para continuar
con la selección de expertos, según la recomnedación de Peng, Lai, Li y Zhang (2015). Con
esta técnica fue posible incluir funcionarios tanto de la alcaldía como de la gobernación, así
como también, investigadores profesionales en el campo del urbanismo. La selección del
primer experto de cada grupo (funcionarios e investigadores) se hizo aleatoriamente para
luego realizar la selección mediante el método bola de nieve.
En la presente investigación se encuestaron 8 personas, entre las que se encuentran
4 investigadores urbanistas y 4 técnicos conocedores de la ciudad de San Juan de Pasto,
cuyas ponderaciones se presentan en el anexo 4.
Posteriormente, se realizaron dos rondas por experto para ponderar las variables. En
la primera ronda se presenta el instrumento personalmente y se obtiene la primera
83
ponderación de las variables y los sistemas. En la segunda y última ronda, se hace conocer
a cada experto los promedios de las ponderaciones realizadas por los otros expertos para
que realicen las modificaciones que considere pertinentes.
En ese orden de ideas, se realizó un instrumento en formularios de Google, donde se
hizo un acercamiento al contexto de la investigación, al tipo de variables que el experto iba
a encontrar y al modelo de ciudad que se iba a utilizar (ver anexo 3). El instrumento se
adecuó al modelo de ciudad propuesto por Zuluaga, Mosquera, Gómez y Peñalosa (2012),
con el fin de ponderar cada variable y cada sistema propuesto.
Después de conseguir las ponderaciones de los expertos, se realizaron pruebas para
verificar el consenso entre los expertos y la fiabilidad del instrumento. La prueba de
concordancia de Kendall (Wt de Kendall) permite determinar si existe un nivel de consenso
entre los expertos para las variables ponderadas y, por su parte, el Alfa de Cronbach
permite evaluar la fiabilidad del instrumento utilizado en la presente investigación.
Para realizar los cálculos de los test mencionados (Wt de Kendall y Alfa de
Cronbach) se utilizó la base de datos construida a partir de las ponderaciones hechas por los
expertos. Se usó el software R versión 3.3.2. para hacer los respectivos test.
1. Wt de Kendall: en el caso de datos de tipo ordinal como los utilizados en el
instrumento de esta investigación, los cuales van de 0 a 100, el coeficiente de
Kendall es usualmente un instrumento estadístico apropiado para evaluar la
asociación de las evaluaciones hechas por evaluadores o expertos (Picado, 2008). El
coeficiente de Kendall varía entre 0 y 1. Se debe tener en cuenta que entre mayor
sea el valor de Kendall mayor consenso hay entre las respuestas o, en este caso, las
ponderaciones realizadas por los expertos.
La ecuación de Wt de Kendall es la siguiente (Kendall y Babington, 1939).
6.
84
Donde:
Wt es la Wt de Kendall, S es la suma de cuadrados de los niveles de jerarquía
determinados a partir de la desviación de la media muestral, m es el número de
expertos y n es la cantidad de preguntas.
Tabla 30
Resultado del análisis de concordancia de las ponderaciones de los expertos (ver anexo 5)
Coeficiente de Concordancia de
Kendall Wt
Evaluaciones = 25
Evaluadores = 8
Wt = 0.565
Chi cuadrado(24) = 109
p-valor = 1.01e-12
Fuente: elaboración propia.
En la tabla 30 se muestra el resultado del coeficiente de concordancia Wt de
Kendall, donde se analizan 25 variables a ponderar, evaluadas por 8 evaluadores o
expertos. Finalmente el resultado Wt = 0.565 sugiere que los expertos seleccionados
se encuentran en consenso mayoritario sobre las ponderaciones dadas a las variables
presentes en el instrumento.
2. Alfa de Cronbach: para el presente caso se utiliza este test con el fin de evaluar la
fiabilidad de las ponderaciones obtenidas en el instrumento empleado. El Alfa de
Cronbach es utilizado en diferentes investigaciones para validar instrumentos de
recolección de información y su valor se utiliza para determinar si el instrumento es
comprendido por los encuestados y, por lo tanto, los resultados son consistentes con
el objetivo de la investigación (Arévalo y Padilla, 2016; Romero, Gómez y
Parroquín, 2013).
85
La ecuación del Alfa de Cronbach se muestra a continuación (Cronbach y
Shavelson, 2004 ).
7.
[
∑
]
Donde:
α es Alfa de Cronbach, K es el número de ítems, Vi es la varianza de cada ítem y Vt es la
varianza total.
Este paso se realizó con el paquete R Commander del software R versión 3.3.2.
Los rangos establecidos para Alfa de Cronbach se muestran en la siguiente tabla.
Tabla 31
Rangos para Alfa de Cronbach.
Alfa de Cronbach Nivel de fiabilidad
<0.5 No aceptable
0.5 – 0.6 Pobre
0.6 – 0.7 Débil
0.7 – 0.8 Aceptable
0.8 – 0.9 Bueno
0.9< Excelente
Fuente: Cronbach y Shavelson (2004).
El alfa de Cronbach obtenido para el instrumento utilizado en el panel de
expertos se presenta en la tabla 32.
86
Tabla 32
Resultados del Alfa de Cronbach para la base de datos obtenida del instrumento (ver
anexo 6)
Fiabilidad Alfa = 0.8935
Alfa Estandarizado = 0.896
Fiabilidad al borrar cada elemento a su vez:
Alfa Std.Alfa r(item, total)
X0 0.8898 0.8922 0.5739
X1 0.8718 0.8746 0.762
X2 0.8937 0.8966 0.5234
X3 0.8815 0.8837 0.6662
X4 0.8733 0.8742 0.7647
X5 0.8812 0.8837 0.6601
X6 0.8674 0.8709 0.7996
X7 0.8808 0.8848 0.6647
Fuente: elaboración propia.
Como se muestra en la tabla 32, el valor Alfa de Cronbach es igual a 0.8935. Lo
anterior advierte que el instrumento utilizado fue comprendido por los expertos y
que el mismo es fiable para la ponderación de variables. Además, los valores Alfa o
Alpha inferiores de la tabla correspondientes a cada experto (X0 a X7) representan
el posible valor de Alfa de Cronbrach en caso de faltar Xn encuestado. Ejemplo: si
en el instrumento hubiesen faltado las respuestas del experto X0, el valor final del
Alfa de Cronbach para el instrumento sería 0.8898. Lo anterior representa una
ventaja para el instrumento y para la información levantada, debido a que es posible
disminuir el número de participantes en la encuesta y mantener la misma estructura
y confiabilidad del instrumento.
87
3.2.2.2. Construcción del Índice Entrópico de Sostenibilidad Urbana (IESU)
A partir de la base de datos construida con las ponderaciones de los expertos, se
construye el IESU promediando las ponderaciones para cada variable y para cada sistema.
Los promedios de las ponderaciones se muestran en la siguiente tabla.
Tabla 33
Promedios de ponderaciones para sistemas y variables
Ponderación
(%) Sistema
Ponderación
(%) Variable
20 Sistema Político
(SP)
15 Exposición urbana a amenaza
volcánica (RV)
9 Riesgo de inundación de viviendas (RI)
21 Huella urbana (HU)
11 Residuos sólidos urbanos (Rso)
26 Calidad del aire (ICA)
9 Contaminación auditiva (dB)
10 Estado de la malla vial urbana (MV)
26 Sistema Social
(SS)
18 Acceso a TIC (TIC)
11 Cobertura de alumbrado público
urbano (AP)
25 Kilómetros de ciclovía por cada
100 000 habitantes (Cic)
20 Índice de hacinamiento urbano (IHU)
26 Densidad poblacional urbana (DP)
21 Sistema
Económico (SE)
17 Tasa de desempleo (TD)
26 Producto interno bruto per cápita (PIB)
19 Índice de transporte de pasajeros por
kilómetro (IPK)
88
20 Consumo anual de energía por hogar
(EH)
18 Consumo anual de agua por habitante
(AH)
33 Sistema Natural
(SN)
16 Precipitación anual (Pre)
29 Población urbana (PUr)
35 Espacio público efectivo (EsP)
20 Vida útil del relleno sanitario (RS)
Fuente: elaboración propia.
Con las ponderaciones obtenidas se construye entonces el IESU. Debido a la
cantidad de variables se calcula cada sistema por separado de la siguiente manera.
8.
9.
10.
11.
*Ver definiciones de las siglas en Tabla 33.
Finalmente, se construye el Índice Entrópico de Sostenibilidad Urbana (IESU)
sumando los sistemas ya calculados, así:
12.
*Ver definiciones de las siglas en Tabla 33.
Se debe recordar que existen variables que detienen el crecimiento del valor de
entropía e influyen en el comportamiento de otras variables del sistema. Esas variables son:
acceso a las TIC (TIC), cobertura de alumbrado público urbano (AP), kilómetros de
ciclovía por cada 100 000 habitantes (Cic), espacio público efectivo (EsP) e índice de
pasajeros por kilómetro (IPK). Como lo menciona Bascuñán, Bordones y Reyes (2011), el
89
espacio público efectivo (EsP) y los kilómetros de ciclovía por cada 100 000 habitantes
(Cic) son elementos que frenan los procesos entrópicos del sistema urbano y mejoran la
calidad de vida de sus habitantes, de tal forma que inciden en otras variables.
Por su parte, la habitabilidad de la ciudad mejora con la inclusión del acceso a las TIC
(TIC), la cobertura de alumbrado público urbano (AP) y la mejora del transporte público
(IPK), esto resulta en un sistema urbano seguro, equitativo e incluyente (García y López,
2012) (Ojeda, Escobar y Sánchez, 2014). Por lo anterior, las variables mencionadas se
restan en los sistemas y, por lo tanto, en el IESU.
Finalmente, se debe mencionar que el IESU no podrá ser cero por la naturaleza de
las variables. Sin embargo, algunas variables sí podrán llegar a cero pero nunca todas al
mismo tiempo.
3.2.3. Análisis de la variación del Índice Entrópico de Sostenibilidad Urbana
para la ciudad de San Juan de Pasto
3.2.3.1. Variación temporal del IESU en variables y sistemas
A continuación se muestra gráficamente cómo han cambiado las variables y los
sistemas aplicando el Índice Entrópico de Sostenibilidad Urbana (IESU).
Figura 6. Variación de las variables en el Sistema Natural para los años 2009 y 2015.
Fuente: elaboración propia.
90
En la Figura 6 se muestra cómo ha evolucionado el IESU de las variables en San
Juan de Pasto en el rango de tiempo definido. Claramente se identifica un gran aporte de la
variable espacio público efectivo (EsP) a las dinámicas del sistema urbano. Esto muestra un
avance de la administración municipal para conservar la sostenibilidad de la ciudad y
mejorar la calidad de vida de sus habitantes.
Figura 7. Variación de las variables en el Sistema Social para los años 2009 y 2015.
Fuente: elaboración propia.
Con respecto a las variables del Sistema Social (figura 7), vale la pena recalcar el
incremento de la infraestructura de ciclovías por habitantes implementadas en la ciudad.
Esto mejora la convivencia, la salud, el sentido de pertenencia y la calidad de vida de los
ciudadanos. Además, se muestra una disminución del índice de hacinamiento urbano
(IHU), el cual puede deberse a la cantidad de migrantes de la ciudad en busca de mejores
oportunidades en diferentes ciudades del país.
91
Figura 8. Variación de las variables en el Sistema Político para los años 2009 y 2015.
Fuente: elaboración propia.
En el Sistema Político (figura 8) se muestra un marcado incremento en el índice de
calidad de aire (ICA) y la contaminación auditiva (dB). Lo anterior puede deberse al
creciente parque automotor de la ciudad.
Figura 9. Variación de las variables en el Sistema Económico para los años 2009 y 2015.
Fuente: elaboración propia.
92
Para el Sistema Económico (figura 9), claramente se evidencia el fuerte crecimiento
del producto interno bruto per cápita (PIB). Esto se debe a la influencia del poder
económico del dólar en la zona de frontera y la inmigración de ciudadanos de Ecuador, lo
cual genera ingresos económicos para la ciudad y, como también se evidencia, disminuye el
desempleo.
Figura 10. Variación de los sistemas en San Juan de Pasto para los años 2009 y 2015.
Fuente: elaboración propia.
Se puede evidenciar en la figura 10 que el Sistema Natural hace un gran aporte al
IESU. Lo anterior por las características de sus variables y la importancia del componente
que da soporte al sistema urbano. Por su parte, es notoria la disminución del IESU en el
Sistema Social, esto se debe a que varias de sus variables, como se nota en la ecuación 7 del
IESU, disminuyen el poder entrópico de las dinámicas de la ciudad.
3.2.3.2. Evaluación de la sostenibilidad de San Juan de Pasto mediante IESU
Con el Índice Entrópico de Sostenibilidad Urbana construido se procedió a evaluar
el estado de la ciudad de San Juan de Pasto con respecto a su sostenibilidad. Para ello, fue
necesario utilizar los rangos encontrados en la literatura para cada variable registrados en el
título Características de las variables del presente documento. Se encontraron los límites
93
inferior y superior para el IESU, sumando los límites inferiores y superiores de cada
variable y teniendo en cuenta las ponderaciones de cada una en el sistema. Los valores se
redujeron a un solo dígito para mejorar su lectura y comprensión.
Se debe mencionar que, por las características de los valores de cada variable, se
redujeron los valores de la sumatoria de las variables de cada sistema a 1 dígito y se igualó
la escala. De tal manera que la sumatoria de las variables del Sistema Natural se dividió
entre 10 000, del Sistema Económico entre 100, del Sistema Político entre 10 y del sistema
social entre 1 000. Lo anterior, se realiza para reducir a una sola escala los valores
encontrados en la base de datos y mejorar su lectura.
Tabla 34
Rangos por sistemas
Sistema Rangos
Inferior Medio Superior
Natural 3 3 – 15 15
Económico 7 7 – 11 11
Político 2 2 – 6 6
Social 5 5 – 7 7
Fuente: elaboración propia.
En la tabla 34 se muestran los valores máximos que cada sistema puede tomar y
para que el sistema urbano pueda ser considerado sostenible (valores en color verde). Por
su parte, se muestran los valores mínimos donde se establece que la ciudad empieza a
considerase entrópica y poco sostenible (valores en color rojo). En ese orden de ideas, en
color amarillo se muestran los valores donde la ciudad es sostenible en cierta medida pero
que puede mejorar. Finalmente, y para mejorar la comprensión de los valores, se suman los
valores de cada sistema y se tiene en cuenta las ponderaciones respectivas para obtener los
límites del IESU.
94
Tabla 35
Rangos del IESU
IESU 4 4 - 10 10
Fuente: elaboración propia.
Así entonces, si el sistema urbano es sostenible tomará valores inferiores o iguales a
4. Y por su parte, será considerado poco sostenible o entrópico si toma valores iguales o
superiores a 10. Los rangos intermedios entre 4 y 10 indicarán que el sistema urbano es
sostenible en alguna medida, pero que puede mejorar en los aspectos en los cuales es
entrópico.
Con la información existente en la base de datos y teniendo los rangos del IESU se
puede evaluar la sostenibilidad de San Juan de Pasto en dos momentos de su historia, con el
fin de identificar si la ciudad tiene un rumbo sostenible o poco sostenible en el futuro.
Tabla 36
Valores para los sistemas según IESU para San Juan de Pasto para los años 2009 y 2015
Sistema 2009 2015
Natural 9.72 10.48
Económico 4.93 5.26
Social 4.99 4.69
Político 3.51 3.52
Fuente: elaboración propia.
En la tabla 36 se muestra la evolución entre los años 2009 y 2015 de cada sistema
teniendo en cuenta las variables identificadas y ponderadas en la presente investigación.
Los sistemas Natural, Económico y Político indican crecimiento en el IESU, esto se debe a
la naturaleza de las variables y a las dinámicas propias de la ciudad. Por su parte, el Sistema
Social muestra un decrecimiento en el IESU debido a la notoria influencia de las variables
alumbrado público (AP), kilómetros de ciclovía (Cic) y acceso a las TIC (TIC), las cuales
95
se evidencian en la justificación de cada una de ellas. Estas variables permiten reducir la
tendencia a desestructurarse del sistema. Además, a partir del 2015, San Juan de Pasto hace
parte de un innovador proyecto de entidades nacionales e internacionales que pretenden
mejorar la sostenibilidad de la ciudad, por medio de la recuperación del espacio público y
haciendo a la ciudad más equitativa e incluyente. Lo anterior, coincide con las evaluaciones
representadas en el IESU del Sistema Social.
Tabla 37
Valores IESU de San Juan de Pasto para los años 2009 y 2015
IESU 2009 2015
6.24 6.49
Fuente: elaboración propia.
Figura 11. Comportamiento del Índice Entrópico de Sostenibilidad Urbana (IESU) para
San Juan de Pasto en el 2009 y el 2015.
Fuente: elaboración propia.
Los valores que muestra el IESU para San Juan de Pasto (figura 11) indican una
tendencia creciente en cuanto a su comportamiento entrópico. El crecimiento del IESU se
96
debe a las dinámicas propias de San Juan de Pasto, entre ellas, su poca preocupación por el
espacio público, la inclusión social y la poca importancia por el uso de energías renovables.
Sin embargo, los valores presentados por el IESU aún se encuentran en la mitad inferior del
límite intermedio, lo cual puede representar una oportunidad para reparar o mejorar las
dinámicas de la ciudad, y así incrementar la sostenibilidad urbana.
3.2.3.3. Validación de resultados
La ciudad de San Juan de Pasto hasta hace un par de años no contaba con un
método válido para evaluar la sostenibilidad del sistema urbano. A partir del 2015 se inició
a recolectar información y a hacer seguimiento de la misma, con el fin de permitir mejorar
los aspectos en los cuales el sistema urbano no es sostenible. Dicho método fue propuesto
por el Banco Interamericano de Desarrollo (BID) en el programa para América Latina y el
Caribe, Iniciativa de Ciudades Emergentes y Sostenibles (ICES) (2013).
La Iniciativa de Ciudades Emergentes y Sostenibles (ICES) realiza un
levantamiento de información teniendo en cuenta una lista de variables previamente
dispuestas por un conjunto de expertos del BID. Esta información solo se reúne para el año
de ejecución del proyecto, por lo tanto, no requiere de información multianual de las
variables.
En ese orden de ideas, y según la metodología propuesta por ICES, San Juan de
Pasto tiene una calificación de 2.09 en un rango entre 0 y 3. Donde 3 es sostenible (verde),
0 no sostenible y el desempeño es altamente problemático (rojo). La calificación anterior
quiere decir que la ciudad tiene dificultades en algunos aspectos y su desempeño es
potencialmente problemático.
Así entonces, existe coincidencia entre la metodología ICES y la presente propuesta
metodológica que valida, en alguna medida, los resultados obtenidos por dicha
investigación.
3.2.3.4. Propuestas de mejora
La sostenibilidad urbana de la ciudad puede mejorar teniendo en cuenta las
variables que según el IESU muestran fortalezas o debilidades. En ese orden de ideas, la
97
variable espacio público muestra un aporte significativo en el sistema urbano. Mantener
alternativas de inclusión social y recuperación de espacio público en la ciudad es un
mecanismo que mejora la sostenibilidad.
Por su parte, la variable densidad poblacional del Sistema Social muestra
decrecimiento en los años analizados. Esto muestra disminución de habitantes por unidad
de área en el centro urbano. En ese sentido, es necesario incrementar los procesos
urbanísticos tipo edificio, con el fin de incrementar la densidad poblacional y, también,
mejorar la distribución del espacio público en el área urbana.
En el Sistema Político la variable con mayor importancia es la calidad del aire. Se
nota su incremento en el tiempo analizado, por lo tanto, es relevante tomar medidas de
mejoramiento en la calidad del aire de la ciudad. Para tal efecto, es necesario incluir nuevos
mecanismos de movilidad, como mejorar la red de ciclovías en la ciudad, mejorar el
transporte público urbano e incluir alternativas de consumo energético renovable.
Finalmente, la variable producto interno bruto del Sistema Económico muestra un
incremento mayúsculo en el rango de tiempo analizado. Teniendo en cuenta este fenómeno,
es necesario plantear desde el orden administrativo y político normas de control financiero
que permitan mantener los flujos financieros en la ciudad y, así, redistribuir el capital a
sectores prioritarios.
98
3.2.3.5. Compilación metodológica
A continuación, se muestra el resumen de los pasos realizados en la presente investigación con el fin de sintetizar y ofrecer una
mejor vista de la metodología utilizada.
Identificación de variables
• Revisión bibliobráfica de variables entrópicas.
• Primera lista de variables.
• Levantamiento de información.
• Segunda lista de variables.
• Análisis estadístico de la base de datos levantada.
• Lista de variables final.
• Caracterización de las variables.
Diseño IESU
• Panel de expertos.
• Primera ronda.
• Segunda ronda.
• Base de datos con ponderaciones.
• Análisis estadístico de la bases de datos con ponderaciones.
• Análisis de concordancia (Wt de Kendall).
• Análisis de fiabilidad del instrumento (Alfa de Cronbach).
• Construcción del IESU.
Análisis de variación y recomendaciones
• Variación del IESU por variables intrasistemas.
• Variación del IESU por sistemas.
• Evaluación del IESU para San Juan de Pasto.
• Validación del modelo IESU.
• Opciones de mejora de los sistemas.
99
4. Conclusiones
Identificar las variables es una tarea ardua, compleja y dispendiosa, pero sin duda
indispensable. Es posible utilizar variables que otros sistemas urbanos usen para hacer
seguimiento a su comportamiento, pero se debe tener en cuenta que no todas las ciudades
cuentan con la disponibilidad de información ni todas las variables explican todos los
sistemas urbanos, debido a que cada ciudad es única y compleja. De 71 variables
encontradas en la revisión bibliográfica, San Juan de Pasto solo cuenta con información útil
estadísticamente para 21 variables, lo cual muestra ausencia de planificación de la ciudad
para el seguimiento y control de la misma.
Las palabras clave utilizadas en las bases de datos (Scopus y ScienceDirect),
produjeron 3 investigaciones relevantes para la presente investigación. Esto demuestra que
el concepto de entropía urbana aún se está desarrollando y que es un factor creciente en la
preocupación por la sostenibilidad urbana de la ciudad. Por lo tanto, es un campo aún en
desarrollo y se muestra como una oportunidad de estudio y de profundización.
Los análisis estadísticos corroboran el tipo de información y la fortaleza de los datos
utilizados. Las herramientas estadísticas que se usaron muestran que la información
levantada es altamente correlacionada (ver figuras 2, 3, 4 y 5). Esto se debe a que mucha de
la información existente se basa en información presente en entidades de orden nacional y
que, por lo tanto, representa un sesgo a la hora de realizar medidas a nivel municipal con
instrumentos propios.
El método Delphi, utilizado para la ponderación de las variables y sistemas, muestra
valores de consenso entre los expertos de Wt = 0.565, lo cual evidencia una tendencia
mayoritaria a calificar las variables y los respectivos sistemas de manera similar para el
grupo de expertos consultados. Esto representa una fortaleza en el método, ya que favorece
el uso del panel de expertos para realizar las ponderaciones. Por su parte, la fiabilidad del
instrumento Alfa de Cronbach = 0.8935, da a conocer el correcto uso del instrumento para
la ponderación de los ítems propuestos. Esta herramienta utiliza la varianza como
fundamento metodológico para evaluar la fiabilidad de las respuestas conseguidas en el
100
instrumento, lo cual permite identificar que los expertos calificaron de manera similar los
sistemas y las variables presentes en el instrumento.
San Juan de Pasto, a pesar de ser una ciudad intermedia en crecimiento, es una
ciudad que aún puede ser dirigida hacia un horizonte más sostenible. El IESU cambia de
6.24 a 6.49. Esto quiere decir que la ciudad está en crecimiento y que está incrementando
su entropía urbana. Por lo tanto, es necesario fortalecer los factores que detienen el avance
entrópico de la ciudad como el espacio público, las ciclovías y el acceso a las TIC.
Las variables presentes en este documento son el resultado de una propuesta
metodológica para medir la sostenibilidad del sistema urbano a partir de variables
entrópicas y, por lo tanto, es una metodología que puede ser complementaria a otras que
miden la sostenibilidad de los sistemas urbanos. Además, la presente metodología es el
primer acercamiento para medir la sostenibilidad urbana de San Juan de Pasto considerando
el concepto de entropía urbana, por lo tanto, es posible robustecerla desde el punto de vista
teórico y metodológico.
Particularmente, y a pesar de lo que se creía, San Juan de Pasto no se está
densificando, así como se muestra en la base de datos. Lo anterior, se debe a que el
perímetro urbano crece más rápido que lo que se puede densificar la ciudad. Muchos de los
habitantes de San Juan de Pasto, en especial la mano de obra activa, emigran para mejorar
sus condiciones salariales o de vida. Esto representa un punto débil para la sostenibilidad
urbana, debido a que las ciudades sostenibles tienden a densificarse y a ofrecer calidad de
vida a sus habitantes.
Finalmente, a partir del 2015, se están haciendo transformaciones sostenibles en la
ciudad mediante el programa Iniciativa de Ciudades Emergentes y Sostenibles (ICES)
(2013). El 52% de las variables presentes en esta propuesta metodológica también se
encuentran en la metodología ICES. Lo anterior se debe a que los sistemas urbanos,
especialmente los que se encuentran en esta zona latitudinal, tienen muchos factores en
común y permiten medir aspectos propios de la ciudad con el uso de indicadores similares o
iguales para otros sistemas urbanos.
101
La Iniciativa de Ciudades Emergentes y Sostenibles (ICES) había sido la única
metodología, hasta la fecha de realización del presente documento, que midió la
sostenibilidad urbana de la ciudad de San Juan de Pasto. El Banco Interamericano de
Desarrollo (BID) cuenta con las herramientas y personal necesario para crear un
diagnóstico robusto sobre el estado de la ciudad. Por lo anterior, se comparó el valor final
de la ciudad según ICES y según IESU. Las dos metodologías coinciden en que la ciudad
no se encuentra en los límites que se esperan, pero que existen aspectos que pueden
mejorar.
102
5. Recomendaciones
Es muy importante contar con un listado de variables propias de la ciudad que se
necesite evaluar. Así, se recomienda identificar las variables que permiten información
suficiente y estadísticamente relevante para realizar el modelo propio de la ciudad.
Para la realización del método Delphi, se recomienda identificar primero el grupo
total de expertos, intentar asegurar su participación y acordar la metodología a realizar. Lo
anterior, con el fin de cumplir con la cuota sugerida de experto (entre 7 y 30) y poder reunir
la información suficiente para aplicar herramientas estadísticas que evalúen las respuestas
consignadas por los mismos.
Para lograr una correcta lectura de la ciudad mediante el uso de las variables
seleccionadas, es preciso, robustecer el índice construido mediante la inclusión de
indicadores fabricados a partir de las mismas variables existentes. Esto permite reducir
sesgos de tipo metodológico permitiendo mejorar la lectura de la ciudad realizada por el
índice.
Fortalecer los aspectos propios de cada variable para mejorar la sostenibilidad
urbana de la ciudad, es una alternativa que es necesaria en una ciudad con un rumbo
visiblemente desordenado, por lo tanto, se recomienda incluir nuevas metodologías de
planeación que afecten directamente las variables entrópicas que más inciden en la
sostenibilidad de la ciudad.
103
Referencias
Alcaldía de Pasto. (2012). Plan de Desarrollo Municipal de Pasto. Pasto, transformación
productiva. San Juan de Pasto, Colombia: Alcaldía de Pasto.
Alcaldía de Pasto. (2015). Plan de Ordenamiento Territorial 2014 - 2017. San Juan de
Pasto, Colombia: Alcaldía de Pasto.
Arango, C., Dorado, J., Guzmán, D., y Ruiz, J. (2013). Climatología trimestral de
Colombia. (IDEAM informe 1–19).
Arévalo, D., y Padilla, C. (2016). Medición de la confiabilidad del aprendizaje del
programa RStudio mediante Alfa de Cronbach. Revista Politécnica, 1-8.
Banco Interamericano de Desarrollo (BID). (2013). Iniciativa de Ciudades Emergentes y
Sostenibles. Nueva York, EE. UU.: Banco Interamericano de Desarrollo.
Bascuñán, F., Bordones, D., y Reyes, J. (2011). Efectos de la entropía urbana en el coste
energético del trasporte. Urbano, 23, 20-27.
Bhadra, S., y Majumder, S. (2013). Entropy optimization and its application to regional &
urban planning. International Journal of Pure and Applied Sciences and
Technology, 50-60.
Blasco, E. F. (1996). Evolución y cambio en la economía regional. Barcelona, España:
Ariel.
Boltzmann, L. (1964). Lectures on gas theory. Berkeley, EE. UU.: University of California
Press.
Cabral, P., Augusto, G., Tewolde, M., y Araya, Y. (2013). Entropy in urban systems.
Entropy, 5223-5236.
Camacho, F. F. (2014). ¿ Cómo enseñan la entropía los profesores universitarios? REEC:
Revista Electrónica de Enseñanza de las Ciencias, 201-221.
104
Caprile, M. D., y Gutiérrez, J. M. (2015). Impacto climático del uso de suelos destinados a
relleno sanitario. En R. Bongiovanni y L. Tuninetti (Eds.), Avances y estado de
situación en análisis de ciclo de vida y huellas ambientales en argentina (pp. 32-
34). Buenos Aires, Argentina: Instituto Nacional de Tecnología Agropecuaria.
Castro, M. (2002). Indicadores de Desarrollo Sostenible Urbano. Una aplicación para
Andalucía (Tesis doctoral, Universidad de Málaga). Recuperada de:
http://www.eumed.net/tesis-doctorales/jmc/tesisjmcb.pdf
Caudepón, F., Pizarro, F., Sánchez, J., Núñez, L., Morillas, J., y Palomo, R. (2016).
Verificación de dosis absorbida en un punto para planes de arcoterapia volúmetrica
modulada. Estudio comparativo entre microcámara de ionización y matriz de
cámaras. Fis Med, 45-52.
Centro de Investigación sobre Dinámica Social y Universidad Externado de Colombia.
(2007). Ciudad, espacio y población: El proceso de urbanización en Colombia.
Bogotá, Colombia: UNFPA (Fondo de Población de las Naciones Unidas).
Césarman, E. (1974). Hombre y entropía. Termodinámica social. México D. F., México:
Gernika.
Cheshmehzangi, A., y Buttersb, C. (2016). Sustainable living and urban density: the
choices are wide open. Energy Procedia 88, 63-70.
Clausius, R. (1991). Théorie mécanique de la chaleur. Sceux, Francia: Jacques Gabay.
Cohen, M. A., y Castillo, O. S. (2016). Ruido en la ciudad. Contaminación auditiva y
ciudad caminable. Estudios Demográficos y Urbanos, 32, 65-96.
CorpoNariño (Corporación Autónoma Regional de Nariño). (2013). Documento de
actualización de mediciones de los mapas de ruido de las cabeceras municipales de
Pasto, Ipiales y Tumaco. San Juan de Pasto, Colombia: CorpoNariño.
CorpoNariño (Corporación Autónoma Regional de Nariño). (2013). Informe sobre el
estado de calidad del aire. San Juan de Pasto, Colombia: CorpoNariño.
105
Cronbach, L., y Shavelson, R. (2004). My current thoughts on coefficient Alpha and
succesor procedures. Educational and Psychological Measurement, (64) 3, 391-418.
Cui, J., y Lin, D. (2016). Utilisation of underground pedestrian systems for urban
sustainability. Tunnelling and Underground Space Technology, 55, 194–204.
Cunha, A. (1988). Systemes et territoire: valeurs, concepts et indicateurs pour un autre
developpement. L´Espace Géographique, 181-198.
DANE (Departamente Administrativo Nacional de Estadística). (2005). Censo General.
Bogotá, Colombia: DANE.
DGRD (Dirección para la Gestión del Riesgo de Desastres). (2016). Registro de
emergencias atendidas por ola invernal. San Juan de Pasto, Colombia: Alcaldía de
Pasto.
Díaz, D., y Villegas, N. (2015). Correlación canónica entre índices macroclimáticos y
variables meteorológicas de superficie en Colombia. Actualidad & Divulgación
Científica, 543-552.
DNP (Departamento Nacional de Planeación). (2012). Política Nacional de Espacio
Público (Documento Conpes 3718). Bogotá, Colombia: DNP.
DNP (Departamento Nacional de Planeación). (2013). Elementos para la formulación de la
política nacional de ordenamiento territorial y alcances de las directrices
departamentales. Bogotá, Colombia: DNP.
Ernst, L., de Graaf-Van Dinther, R., Peek, G., y Loorbach, D. (2016). Sustainable urban
transformation and sustainability transitions; conceptual framework and case study.
Journal of Cleaner Production, 112(4), 2988-2999.
Fariña, J. (2013). Ciudad sostenible, rehabilitación arquitectónica y regeneración urbana.
Aragonesa de Administración Pública, 15-26.
Fistola, R. (2011). The Unsustainable City. Urban entropy and social capital: the needing of
a new urban planning. Procedia Engineering 21, 976–984.
106
Fistola, R. (2012). Urban entropy vs sustainability: a new town planning perspective. The
Sustainable City, VII(1), 195 - 204.
Fistola, R., y La Rocca, R. A. (2014). The Sustainable City and the Smart City: Measuring
Urban Entropy First. . WIT Transactions on Ecology and the Environment, 191,
537-548.
Foladori, G. (2002). Avances y límites de la sustentabilidad social. Economía, Sociedad y
Territorio, III(12), 621-637.
Fu, Y., y Zhang, X. (2017). Trajectory of urban sustainability concepts: A 35-year
bibliometric analysis. Cities, 60 , 113–123.
García, A., y López, R. (2012). Socioeconomic Impact of Broadband in Latin American
and Caribbean Countries. Washington, D. C., EE. UU.: Inter-American
Development Bank.
García, M., y Suárez, M. (2013). El método Delphi para la consulta a expertos en la
investigación científica. Cubana de Salud Pública, 39(2), 253-267.
García, R., y Segado, F. (2015). Ciudad flujo: complejidad y desorden. La superación de la
homogeneidad y la jerarquía urbana y política. Arte y políticas de Identidad, 12,
111-126.
Garzón, P. A. (2011). Evaluación de la amenaza sísmica de Colombia mediante análisis de
valores extremos históricos (Tesis de maestría). Bogotá, Colombia: Universidad
Nacional de Colombia.
GCIF (Global City Indicators Facility). (2010). Global City Indicators: Definitions and
Methodologies. Toronto, Canadá: Universidad de Toronto.
Giulia, M., y Giuseppe, G. (2017). The Second Law and the Energy Use Mapping for
Sustainability Planning. Energy Procedia, 111, 730-739.
Doi:10.1016/j.egypro.2017.03.235
107
Gómez, D., y Morán, R. (2015). Análisis energético urbano usando metodologías de
gestión integral de energía: un caso de estudio en la ciudad de Pasto. Energética, 45,
23-31.
Gómez, J. A., Keever, M. Á. V., & Novales, M. G. M. (2016). El protocolo de
investigación III: la población de estudio. Revista Alergia México, 63(2), 201-206.
González, J. R., y González, L. E. (2016). El transporte sostenible y su papel en el
desarrollo del medio ambiente urbano. Ingeniería y Región, 14, 87-97.
Goytia, C., y Dorna, G. (2016). What is the role of urban growth on inequality, and
segregation? the case of urban argentina´s urban agglomerations. Buenos Aires,
Argentina: Centro de Investigaciones de Políticas Urbanas y de Vivienda (CIPUV),
Universidad Torcuato Di Tella y Development Bank of Latin America.
Hermida, M., Hermida, C., Cabrera, N., y Calle, C. (2015). La densidad urbana como
variable de análisis de la ciudad. El caso de Cuenca, Ecuador. EURE, 41(124), 25-
44.
Hernández, I., Hernández, J., y Niño, R. (2012). Visiones alternas de ciudad: Complejidad,
sostenibilidad y cotidianidad. Bitácora, 20, 67-77.
Huang, S., y Chen, C. (2005). Theory of urban energetics and mechanisms of urban
development. Ecological Modelling, 189, 49-71.
IGAC (Instituto Geográfico Agustin Codazzi). (2015). Cartografía Integrada. Bogotá,
Colombia: IGAC.
Ipate, N., Gabriela, D., Iudith, I., y Bogdan, A. (2015). The Bioeconomy Model in Future
Sustainable Development. Studia Universitatis Economics Series, 25, 115–123.
Doi: 10.1515/sues-2015-0016
Jara, A., y Oda, D. (2014). Agrupación de instituciones bancarias a partir del análisis de
cluster: una aplicación al caso de Chile. Economía chilena, 17(2), 80-102.
108
Kendall, M., y Babington, B. (1939). The Problem of m Rankings. The Annals of
Mathematical Statistics, 10(3), 275-287.
Ladino, E. O., Arévalo, C., y Bulla, L. A. (2013). Afectación de los procesos de
conurbación en la planificación territorial y en la oferta de servicios ambientales.
Estudio de caso: Bogotá D. C.–Mosquera. Revista Academia y Virtualidad, 67-84.
Doi: 10.18359/ravi.421
Leff, E. (1998). Saber ambiental. Sustentabilidad, racionalidad, complejidad, poder.
México D.F., México: Siglo Veintiuno, Universidad Nacional Autónoma de México
y Programa de las Naciones Unidas para el Medio Ambiente.
Leff, E. (2008). Decrecimiento o desconstrucción. Polis, 7(21).
Li, Y., y Li, D. (2014). Assessment and forecast of Beijing and Shanghai's urban ecosystem
health. Science of the Total Environment, 487, 154–163.
Li, Y., Beeton, R., Halog, A., y Sigler, T. (2016). Evaluating urban sustainability potential
based on material flow analysis of inputs and outputs: A case study in Jinchang
City, China. Resources, Conservation and Recycling, 110, 87–98.
Li, Y., Beeton, R., Sigler, T., y Halog, A. (2016). Modelling the transition toward urban
sustainability: a case study of the industrial city of Jinchang, China. Journal of
Cleaner Production, 22-30.
Márquez Pulido, U. B. (2014). Valor de uso y espacio urbano: la ciudad como eje central de
la conformación política, cultural y simbólica de las sociedades. Revista Mexicana
de Ciencias Políticas y Sociales, LIX(222), 187–208.
Marull, J., Font, C., y Boix, R. (2015). Modelling urban networks at mega-regional scale:
Are increasingly complex urban systems sustainable? Land Use Policy, 43, 15–27.
McPhearson, T., Haase, D., Kabisch, N., y Gren, Å. (2016). Advancing understanding of
the complex nature of urban systems. Ecological Indicators, 566–573.
109
MinAmbiente (Ministerio de Ambiente y Desarrollo Sostenible). (2013). Índice de calidad
ambiental urbana (ICAU). Bogotá, Colombia: MinAmbiente.
Ministerio de Minas y Energía y Unidad de Planeación Minero-Energética. (2014). Plan
Indicativo de Expansión de Cobertura de Energía Eléctrica 2013 - 2017. Bogotá:
Legis S. A.
MinVivienda (Ministerio de Vivienda, Ciudad y Territorio). (2014). Ordenamiento
Territorial en Colombia: Contexto Nacional. Bogotá, Colombia: MinVivienda
Mosquera, J. (2007). Arquitectura y complejidad. Revista Ambiental Agua, Aire y Suelo, 3-
10.
Nacif, N., y Espinosa, M. D. (2015). Ciudades vulnerables: estudio de indicadores para un
desarrollo urbano sustentable en San Juan, Argentina. En XXXIV Encuentro
Arquisur 2015 y XIX Congreso de Escuelas y Facultades Públicas de Arquitectura
de los países de América del Sur. La Plata, Argentina.
Ojeda, A., Escobar, E. A., y Sánchez, H. M. (2014). Propuesta de reorganización del
transporte público colectivo urbano en Tunja. In Vestigium Ire, 4(1), 61-72.
Páez, A. (2009). Sostenibilidad urbana y transición energética: Un desafío institucional
(Tesis doctoral). Recuperada de http://habitat.aq.upm.es/suyte/
Peng, Y., Lai, Y., Li, X., y Zhang, X. (2015). An alternative model for measuring the
sustainability of urban regeneration: the way forward. Journal of Cleaner
Production, 109, 76-83.
Picado, F. (2008). Análisis de concordancia de atributos. Tecnología en Marcha, 21(4), 29-
35.
Pozo, J. P. (2016). Análisis de eficiencia energética del alumbrado público en el sector El
Girón en la ciudad de Quito. Maskana, 1-9.
Red Ormet. (2012). Diagnóstico socioeconómico y del mercado de trabajo. Ciudad de
Pasto. San Juan de Pasto, Colombia: Universidad de Nariño.
110
Rojas, Á., y Viveros, V. (2016). Análisis multitemporal del crecimiento urbano de Pasto
entre 1989 y 2014 usando SIG. Manizales: Universidad de Manizales.
Romero, R., Gómez, M. J., y Parroquín, P. (2013 ). Factores asociados a la reprobación de
estudiantes de la Universidad Autónoma de Ciudad Juárez: caso de estudio del iit-
iada. Culcyt, 50, 42-50.
Salazar, L. (2014). Análisis de la sostenibilidad urb|ana mediante entropía de información
Aplicación en los Distritos de Ciutat Vella, L'Eixample, Les Corts y Gracia (Tesis
de maestría). Recuperada de: http://upcommons.upc.edu/handle/2117/76354
Servicio Geológico Colombiano. (2016). Actualización del mapa de amenaza volcánica del
volcán Galeras. San Juan de Pasto, Colombia: Servicio Geológico Colombiano.
Torroglosa, L., Marín, B., Morell, M., y Jover, A. (2015). La necesaria e importante
reflexión económica sobre el urbanismo y la ordenación del territorio. Encuentros
Multidisciplinares, 50, 1-13.
UCLG (United Cities and Local Governments). (2016). Documento Marco. Planificación y
gestión del desarrollo urbano sostenible de las ciudades intermedias. Barcelona,
España: UCLG.
UN-Habitat. (United Nations Human Settlements Programme). (2004). Urban Indicator
Guidelines. Monitoring the Habitat Agenda and the Millennium Development
Goals. Nairobi, Kenya: United Nations Human Settlement Programme.
Uribe, M., Orjuela, D., y Moreno, X. (2016). RSE de la Universidad del Tolima frente a
stakeholders "proveedores". Dimensión Empresarial, 14(2),115-126. Doi:
10.15665/rde.v14i2.458
Vahabzadeh Manesh, S., y Tadi, M. (2011). Sustainable Urban Morphology Emergence
Via Complex Adaptive System Analysis: Sustainable Design in Existing Context.
Procedia Enginnering, 21, 89-97. Doi: 10.1016/j.proeng.2011.11.1991
Vásquez, L. R. (2002). Pavement Condition Index (PCI). Para pavimentos asfálticos y de
concreto en carreteras. Manizales, Colombia: Ingepav.
111
Vega, L., y Díaz, F. J. (2013). Evaluación integral del riesgo volcánico del Cerro Machín,
Colombia. Investigaciones Geográficas, Boletín del Instituto de Geografía, 66-78.
Velásquez, J. A. (2016). El proceso de reasentamiento en la modificación de la
vulnerabilidad física y social en las zonas de amenaza volcánica alta en los
sectores urbanos de pasto y la Florida, departamento de Nariño, Colombia (Tesis
de Maestría). Quito: Flacso Sede Ecuador.
Vidal, C., y Martel, S. (2015). Ciudad y riesgos naturales: Efectos del evento pluviométrico
de Julio del 2006 en el Gran Concepción. Arquitecturas del Sur, 24(33), 32-43.
Wolch, J. R., Byrne, J., y Newell, J. P. (2014). Urban green space, public health, and
environmental justice: The challenge of making cities ‘just green enough’.
Landscape and Urban Planning, 125, 234-244.
World Economic Forum, W. (2014). The Global Competitiveness Report 2014–2015: Full
Data Edition. Ginebra, Suiza: World Economic Forum.
Zhang, Y., y Chen, J. (2014). The changing prevalence of housing overcrowding in post-
reform China: The case of Shanghai, 2000–2010. Habitat International, 42, 214-
223.
Zhang, Y., Yang, Z., y Li, W. (2006). Analyses of urban ecosystem based on information
entropy. Ecological Modelling, 197, 1-12.
Zhou, D., Xu, J., Wang, L., y Lin, Z. (2015). Assessing urbanization quality using structure
and function analyses: A case study of the urban agglomeration around Hangzhou
Bay (UAHB), China. Habitat International, 49, 165-176. Doi:
10.1016/j.habitatint.2015.05.020
Zinatizadeh, S., Azmi, A., Masoud, S., y Sobhanardakani, S. (2017). Evaluation and
prediction of sustainability of urban areas: A case study for Kermanshah city, Iran.
Cities, 66, 1-9.
Zuluaga, L., Mosquera, J., Gómez, E., y Peñalosa, J. (2012). Construcción colectiva de
políticas públicas para el desarrollo humano sostenible. Luna Azul, 35, 116-148.
112
Anexos
Anexo 1
Script utilizado en el software R 3.3.2, para realizar los análisis
estadísticos.
#Paso 1: Asegurar que la base esta en R y que este bien
cuadrada.
install.packages("readxl")
library(readxl)
data <- read_excel("C:/Users/Asus/Desktop/Pasto/data.xlsx")
View(data)
attach(data)
data <- data.frame(data[,-1], row.names=data[,1])
View(data)
dim(data)
x=rep(0,dim(data)[2])
for(i in 1:22){x[i]=cor(data[i])}
ma_corr = cor(data)
df1= data[1:13]
df2= data[15:22]
data2 = data.frame(df1,df2)
# Paso 2: Test de Barlett
install.packages("psych")
library(psych)
rho<- cor(data2)
113
cortest.bartlett(rho,n=7)
# Paso 3: Matriz de correlacion
install.packages("corrplot")
library(corrplot)
M<-cor(data2)
cor.mtest <- function(mat, ...) {
mat <- as.matrix(mat)
n <- ncol(mat)
p.mat<- matrix(NA, n, n)
diag(p.mat) <- 0
for (i in 1:(n - 1)) {
for (j in (i + 1):n) {
tmp <- cor.test(mat[, i], mat[, j], ...)
p.mat[i, j] <- p.mat[j, i] <- tmp$p.value
}
}
colnames(p.mat) <- rownames(p.mat) <- colnames(mat)
p.mat
}
p.mat <- cor.mtest(data2)
head(p.mat[, 1:5])
corrplot(M, type="upper", order="hclust",
p.mat = p.mat, sig.level = 0.01)
# Paso 4: CCA
114
install.packages("CCA")
library(CCA)
install.packages("yacca")
library(yacca)
df1 <-
data.frame(data2$HU,data2$TD,data2$MV,data2$IHU,data2$
DP,data2$RS,data2$RV)
df2 <-
data.frame(data2$Cic,data2$AH,data2$IPK,data2$EH,data2$T
ICs,data2$AP,data2$dB,data2$PIB,data2$PUr,data2$EsP,data2
$Rso)
res.cc=cc(df1,df2)
summary(res.cc)
nero<-matcor(df1,df2)
img.matcor(nero, type = 2)
# Paso 5: Analisis de distancia entre años
hc = hclust(dist(data2))
install.packages("ape")
library(ape)
plot(hc, type="n")
# Paso 6: Analisis de distancia entre variables
data_B <-
read_excel("C:/Users/Asus/Desktop/Pasto1/Data_B.xlsx")
View(data_B)
attach(data_B)
data_B <- data.frame(data_B[,-1], row.names=data_B[,1])
View(data_B)
115
dim(data_B)
x=rep(0,dim(data_B)[2])
for(i in 1:7){x[i]=cor(data_B[i])}
hc_B = hclust(dist(data_B))
library(ape)
plot(hc_B, type = "n")
# Paso 7 Wt de Kendall
install.packages("readxl")
library(readxl)
datakn <-
read_excel("C:/Users/Asus/Desktop/Pasto1/WtK.xlsx")
View(datakn)
attach(datakn)
install.packages("irr")
library(irr)
kendall(datakn, correct = TRUE)
# Paso 7 Alpha de Cronbach
install.packages("Rcmdr")
library(Rcmdr)
116
Anexo 2
Resultados del test de Bartlett impresos desde la consola del software R 3.3.2.
117
Anexo 3
Instrumento utilizado en la plataforma formularios de Google.
118
119
120
121
Anexo 4
Ponderaciones realizadas por el panel de expertos.
Marc
a
temp
oral
Nom
bre
Com
pleto
Cargo
u
Ocupa
ción
Entid
ad Correo Electrónico
TI
C
s
A
P
C
i
c
I
H
U
D
P
P
r
e
P
U
r
E
s
P
R
S
T
D
P
I
B
I
P
K
A
H
E
H
R
V
R
I
H
U
R
s
o
I
C
A
d
B
M
V
S
N
S
S
S
E
S
P
15/1
0/20
16
10:2
7
Carl
os
Burb
ano
Con
cha
Urbani
sta
Investi
gador
Unive
rsidad
de
Nariñ
o
burbanoconcha2012@g
mail.com
1
0
1
0
4
0
2
0
2
0
1
0
3
0
4
0
2
0
1
5
1
5
3
0
2
0
2
0
1
0
1
0
3
0
2
0
1
0
1
0
1
0
4
0
2
0
2
0
2
0
21/1
1/20
16
16:3
8
Carl
os
A.
Mor
eno
Profes
or
Unive
rsidad
Piloto
de
Colo
mbia
carlos-
.co
2
0
2
0
3
0
1
0
2
0
1
0
3
0
4
0
2
0
1
0
3
0
2
0
2
0
2
0
1
5
1
0
1
0
1
5
3
0
1
0
1
0
4
0
2
0
2
0
2
0
02/1
1/20
Marí
a
Direct
ora
Unive
rsidad
maria.botero@urosario.
edu.co
2
0
1
5
1
5
2
0
3
0
2
5
3
0
2
0
2
5
2
0
3
0
3
0
1
0
1
0
1
0 5
3
0 5
3
0
1
0
1
0
2
0
4
0
2
0
2
0
122
16
17:1
2
Hele
na
Bote
ro
Centro
de
Estudi
os
Urban
os
CEUS
del
Rosar
io
08/1
2/20
16
15:1
8
Willi
am
Hern
ando
Alfo
nso
P.
Profes
or
Centro
de
Estudi
os
Urban
os
CEUS
Unive
rsidad
del
Rosar
io
william.alfonso@urosar
io.edu.co
1
0 5
1
5
3
0
4
0
1
0
3
0
4
0
2
0
2
0
3
5
1
5
2
0
1
0
1
0
2
0
2
0 5
3
0
1
0 5
2
0
3
0
3
0
2
0
01/1
2/20
16
14:2
5
Carl
os
Aug
usto
Guer
Ingeni
ero de
Transp
orte,
Secret
Alcal
día de
Pasto
ordenamientoterritorial
@planeacionpasto.gov.c
o
3
0
1
0
2
0
2
0
2
0
2
0
3
0
3
0
2
0
2
0
3
0
2
0
2
0
1
0
1
0 5
2
0 5
3
0
1
0
2
0
3
0
3
0
2
0
2
0
123
rero aría de
planea
ción
22/0
1/20
17
11:3
8
Jairo
Burb
ano
Narv
aez
Secret
aria de
Gestió
n
Ambie
ntal
Alcal
día de
Pasto
despacho@gestionambi
ental.gov.co
3
0
1
0
3
0
1
0
2
0
2
0
3
5
3
0
1
5
2
0
3
0
1
0
2
0
2
0
2
0 5
3
0
1
5
1
5 5
1
0
4
0
2
0
2
0
2
0
16/0
1/20
17
9:53
Mart
ha
Rodr
igue
z
Flor
ez
Subsec
retaria
de
Tránsit
o
Depart
amenta
l
Gober
nació
n de
Nariñ
o
martharodriguez@narin
o.gov.co
2
0
1
0
2
0
2
0
3
0
2
0
2
0
4
0
2
0
2
0
2
0
2
0
2
0
2
0
2
0 5
1
5
1
0
4
0 5 5
4
0
2
0
2
0
2
0
11/0
2/20
17
12:0
Alva
ro
Ger
man
Subsec
retario
de
Orden
Alcal
día de
Pasto
ordenamientoterritorial2
@planeacionpasto.gov.c
o
1
0
1
0
2
0
3
0
3
0
1
0
3
0
4
0
2
0
1
0
2
0
1
0
3
0
3
0
2
5
1
0
1
0
1
0
2
5
1
0
1
0
3
0
3
0
2
0
2
0
124
7 Enri
quez
Sola
rte
amient
o
Territo
rial,
Secret
aría de
Planea
ción
125
Anexo 5
Resultados del análisis Wt de Kendall impreso desde la consola del software R 3.3.2.
126
Anexo 6
Resultados del análisis de fiabilidad Alfa de Cronbach impreso desde el paquete RCommander del software R 3.3.2.
127