103363

-

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis exploratorio de incendios utilizando SIG y Estadística Incendios en la zona urbana de Medellín, Departamento de Antioquia – Colombia

Exploratory analysis of fires using GIS and Statistics Fires in the urban area of the municipality of Medellín, Department of Antioquia - Colombia por

Ing. Sandra Milena Díaz Espitia 103363 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc Advisor ǀ Supervisor:

Leo Zurita Arthos Phd Medellín - Colombia, Marzo de 2020

III

Dedicado a mi familia y muy especialmente a mi amigo e ingeniero José Henry López, quien fue una luz en mi camino.

IV

RESUMEN En esta tesis se realiza un análisis exploratorio de los incendios ocurridos en la zona urbana de Medellín – Colombia entre 1991 y 2014 mediante el uso de estadística descriptiva y estadística espacial.

Se establecieron como ejes viales de referencia la Calle 50 o denominada Colombia que atraviesa la ciudad de este a oeste y la Autopista que en sus dos tramos se denomina Autopista Norte y Autopista Sur la cual atraviesa la ciudad de norte a sur y es paralela al río Medellín, respecto a la división político administrativa se utilizó la división por Comunas.

Mediante el análisis descriptivo de las variables asociadas a los eventos y algunas seleccionadas del Plan de Ordenamiento de la ciudad se encontró referente al entorno y a las edificaciones donde ocurrieron incendios, que las construcciones en general correspondían a uso residencial, en zonas clasificadas como zonas sin amenaza y/o riesgo de desastre natural, construidas en suelo clasificado como residencial predominante, y para más de la mitad de los incendios se desconoce la causa.

Desde el punto de vista espacial utilizando las técnicas de análisis exploratorio para patrones de puntos se encontró que la Comuna 10 es el sector de la ciudad con mayor densidad de incendios seguida por comunas contiguas, y el conjunto de incendios analizado presenta un patrón de puntos en agregados o clusters.

Palabras clave Análisis exploratorio, incendios, estadística espacial, zona urbana, patrones de puntos.

V

SUMMARY This thesis develops an exploratory analysis of the fires that have taken place in the urban area of Medellin - Colombia between the years 1991 and 2014 using descriptive statistics and spatial statistics.

The analysis focusses on the vial axis 50th Street, otherwise known as Colombia, which crosses the city from east to west, and the two sections of North Highway and South Highway, that crosses the city from north to south and runs parallel to the Medellin River; The Comunas level, an urban subdivision of Colombian municipalities, serves as administrative unit of analysis.

Through a descriptive analysis of the variables related to the occurring events of fire and additional variables that were selected from the City Zoning Plan, it was discovered, that the structures affected by fires in general terms were of residential use, and located in areas listed as zones with no threat/ or risk of natural disasters. For more than half of the fires the causes remain unknown.

Exploratory analysis techniques (point patterns analyses) showed that the 10th Comuna is the city sector with the highest density of fires followed by the surrounding Comunas, in point patterns.

Keywords Exploratory analysis, fires, spatial statistics, urban area, point pattern.

VI

LISTADO DE MAPAS

Mapa 1 Ubicación de Medellín dentro del Área Metropolitana, a nivel nacional y regional.

25

Mapa 2 División político administrativa de Medellín

26

Mapa 3 Incendios en la zona urbana de Medellín

36

Mapa 4 Incendios en la zona urbana de Medellín según uso de la construcción

38

Mapa 5 Incendios en la zona urbana de Medellín según causa del incendio

40

Mapa 6 Incendios en la zona urbana de Medellín según cantidad de viviendas destruidas

46

Mapa 7 Incendios en la zona urbana de Medellín según cantidad de viviendas afectadas

48

Mapa 8 Incendios en la zona urbana de Medellín entre 1991 y 2014

50

Mapa 9 Incendios en la zona urbana de Medellín centro medio y centro mediano

57

Mapa 10 Incendios en la zona urbana de Medellín distancia típica y distancia direccional

59

Mapa 11 Densidad de incendios en la zona urbana de Medellín a un radio de 500m de vecindad

63

VII

LISTADO DE TABLAS

Tabla 1 Variables objeto de estudio: nombre, tipo y fuente de consulta

31

Tabla 2 Variables objeto de estudio: dominio de las variables objeto de 32

estudio

VIII

LISTADO DE GRAFICAS

Gráfica 1 – Tipos de patrones de puntos: de izquierda a derecha agregado, aleatorio y regular.

15

Gráfica 2 – Tipos de técnicas y métodos de análisis de datos espaciales

17

Gráfica 3 Flujograma de la metodología aplicada

30

Gráfica 4 Diagrama de barras según uso de la construcción

37

Gráfica 5 Diagrama de barras según causa del incendio

39

Gráfica 6 Diagrama de barras según uso del suelo

41

Gráfica 7 Diagrama de barras zonas con condiciones de riesgo y de alto riesgo no mitigable de los eventos

42

Gráfica 8 Diagrama de barras según amenaza por movimiento en masa

43

Gráfica 9 Diagrama de barras según amenaza por inundaciones

44

Gráfica 10 Boxplot de viviendas destruidas

45

Gráfica 11 Histograma de viviendas destruidas

45

Gráfica 12 Histograma de viviendas afectadas

47

Gráfica 13 Ploteo densidad de puntos por unidad de área – valores por defecto

60

IX

Gráfica 14 Líneas de contorno área – valores por defecto

densidad de puntos por unidad de

60

Gráfica 15 Ploteo densidad de puntos por unidad de área a una desviación estándar de 500 metros

60

Gráfica 16 Líneas de contorno densidad de puntos por unidad de área a una desviación estándar de 500 metros

60

Gráfica 17 Ploteo densidad de puntos por unidad de área a una desviación estándar de 1000 metros

61

Gráfica 18 Líneas de contorno densidad de puntos por unidad de área a una desviación estándar de 1000 metros

61

Gráfica 19 Conteo de puntos por cuadrante –división 25 cuadrantes

64

Gráfica 20 Conteo de puntos por cuadrante –división 20 cuadrantes

64

Gráfica 21 Función K de Ripley

65

Gráfica 22 Test Monte Carlo basado en la función K para testear la significancia de la desviación

65

Gráfica 23 Test Kolmogorov – Smirnov para la coordenada X

66

Gráfica 24 Test Kolmogorov – Smirnov para la coordenada Y

66

Gráfica 25 a) Función F, b) Función G, b) Función J, b) Función K

67

Gráfica 26 Índice de Moran global criterio inverso de la distancia

68

Gráfica 27 – Índice de Moran global criterio cuadrado del inverso de la distancia

68

Gráfica 28 – Índice de Moran global criterio distancia fija

69

Gráfica 29 – Índice de Moran global criterio zona de indiferencia

69

X

TABLA DE CONTENIDO RESUMEN ABSTRACT CAPITULO I INTRODUCCION 1.1 ANTECEDENTES

5

1.2 OBJETIVO

7

1.3 OBJETIVOS ESPECIFICOS

8

1.4 PREGUNTAS DE INVESTIGACION

8

1.5 JUSTIFICACION

8

1.6 ALCANCE

10

CAPITULO II REVISION DE LITERATURA

12

2.1 ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA ESPACIAL

12

2.2 MEDELLIN Y SU ORDENAMIENTO TERRITORIAL

17

2.3 EMERGENCIAS Y DESASTRES

19

2.4 INCENDIOS FORESTALES

21

2.5 INCENDIOS URBANOS

23

CAPITULO III METODOLOGIA

25

3.1 AREA DE ESTUDIO

25

3.2 FUENTES DE INFORMACIÓN

27

3.3 DESCRIPCIÓN DEL PROCEDIMIENTO

28

3.4 DESCRIPCIÓN DE LOS DATOS

31

CAPITULO IV RESULTADOS

34

4.1 ANALISIS EXPLORATORIO CON ESTADISTICA CLASICA

37

4.1.1 ANALISIS EXPLORATORIO VARIABLES NOMINALES Y ORDINALES

37

XI

4.2 ANALISIS CON ESTADISTICA ESPACIAL

56

4.2.1 MEDIDAS CENTROGRÁFICAS

56

4.2.2 COMPARACIÓN DE LAS PROPIEDADES PRIMER ORDEN

60

CONCLUSIONES

70

DISCUSIÓN

73

RECOMENDACIONES

75

BIBLIOGRAFIA

77

ANEXO ESTADISTICA DESCRIPTIVA

82

5

1. INTRODUCCION

1.1 ANTECEDENTES

La necesidad de estandarizar la recopilación, organización, almacenamiento y documentación de los datos se ha extendido a todas las ramas del conocimiento, porque se ha detectado que una adecuada administración, mejora los tiempos de consulta y respuesta, y permite la interoperabilidad con otras bases de datos de acuerdo a las políticas establecidas en la familia de normas ISO 19100 del Comité Técnico ISO / TC 211 respecto a información geográfica (Abad et al., 2008).

Uno de los campos que ha promovido la estandarización e interoperabilidad, así como el intercambio de información ha sido el tema de prevención y atención de desastres, donde es determinante la disponibilidad de información confiable y en el menor tiempo para la toma de decisiones y la planificación (Sánchez, 2014).

Instituciones a nivel internacional como la Organización Panamericana de la Salud (OPS-OMS), la Secretaría de la Estrategia Internacional para la Reducción de Desastres de Naciones Unidas (ONU/EIRD), el Centro Regional de Información sobre Desastres-América Latina y Caribe (CRID), apoyan iniciativas como el Proyecto Apoyo a la Prevención de Desastres en la Comunidad Andina (PREDECAN), el Plan Regional del Comité Andino para la Prevención y Atención de Desastres (CAPRADE). Ellos a su vez promueven proyectos como la creación de Centros de Información y Bibliotecas Virtuales para la Prevención y Atención de Desastres: Red BiVa-PaD para la subregión andina conformada por Bolivia, Colombia, Ecuador, Perú y Venezuela, con el objetivo de “mejorar el acceso y la calidad de la información técnica y científica relacionada con los desastres” (López, 2007, p.21).

6

Así mismo impulsaron la creación del SIAPAD Sistema de información Andino para la Prevención y Atención de Desastres que cuenta con instituciones y organizaciones de los cuatro países miembro y está disponible para su consulta a través del portal denominado GEORiesgo. No obstante, este último presenta problemas de acceso a la hora de consultar por la inestabilidad de la página y requiere creación de una cuenta.

Otra iniciativa es el Desinventar o Sistema de Inventario de Desastres, cuyo objetivo es registrar la información de la ocurrencia de desastres de pequeño, mediano y gran impacto de 29 países de América Latina, El Caribe, Asia y África.

Es una iniciativa desarrollada por la Red de Estudio Sociales en Prevención de Desastres en América Latina (La Red). Sus fuentes de información provienen de datos oficiales, registros académicos, periódicos y reportes institucionales (Desinventar.org).

Es patrocinado por el PNUS (Programa de las Naciones Unidas para el Desarrollo) y la UNISDR (Oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres). Esta página pone a disposición del público el software, la metodología y toda su información para descarga y cuenta con un módulo de análisis que permite obtener estadísticas, gráficas y mapas. Además, permite elegir el idioma para la interfaz.

En Desinventar para Colombia existe información de eventos ocurridos entre los años 1914 a 2013 pero el despliegue de la información en mapas tiene como máximo nivel de escala el nivel municipal o nivel ciudad y carece de coordenadas o puntos de ubicación precisa. Algunas ciudades colombianas como Cali, Medellín, Yumbo y departamentos como Antioquia, Caldas y Valle del Cauca no continúan actualizando el inventario nacional desde el año 2013, sino que crearon su propio nodo y desde allí continúan actualización la información.

En Colombia la entidad rectora es la UNGRD (Unidad Nacional para la Gestión del Riesgo de Desastres), la cual administra el SNPAD (Sistema Nacional para la Prevención y Atención de Desastres). Para el público en general está disponible en formato Excel un consolidado de atención de emergencias

7

clasificado por años, consolidado que está en permanente actualización y ha ido incrementando la recopilación de información histórica. A la fecha se cuenta con información de desastres a partir del año 1998 (UNGRD, 2015).

A nivel local, Medellín cuenta con el Departamento Administrativo de Gestión del Riesgo de Desastres (DAGRD), que a través de la Subdirección de Manejo de Desastres coordina el Cuerpo Oficial de Bomberos de la ciudad. En la página oficial del DAGRD (2015) de la Alcaldía de Medellín, no hay información ni documentación, y es necesario ingresar a las redes sociales para consultar noticias y eventos recientes relacionados con el tema.

De igual forma la Alcaldía tiene dispuesto el Servicio 123 o Número Único de Prevención Emergencias y Seguridad, el cual se encarga de recibir los reportes que hacen los ciudadanos de seguridad, urgencias, emergencias, desastres y apoyo

psicosocial.

Ellos

manejan

consolidados

periódicos

y

son

retroalimentados con los reportes de los bomberos. Sin embargo, en su página oficial (Metroseguridad, 2015) no se publica información de eventos ocurridos, porque presenta restricciones de acceso al público. Por su parte el cuerpo de Bomberos carece de página oficial y presenta las mismas políticas de restricción de acceso a la información.

Una vez conocido el panorama, se ha elegido como tema del presente estudio los incendios no forestales en la ciudad de Medellín, porque existe poca investigación en esta clase de eventos, en contraste con los disponibles para los incendios forestales no solo en la ciudad sino a nivel nacional.

1.2 OBJETIVO

Contribuir al conocimiento de las variables que influyen en los incendios ocurridos en zonas urbanas del municipio de Medellín en el periodo de tiempo 1991 -2014 a partir de la información disponible en Desinventar, la Unidad

8

Nacional para la Gestión del Riesgo de Desastres en Colombia (UNGRD) y los diarios locales.

1.3 OBJETIVOS ESPECIFICOS



Explorar los patrones de distribución espacial de los incendios urbanos en Medellín.



Explorar las zonas con mayor ocurrencia de incendios en el intervalo de tiempo 1991 - 2014.



Identificar posibles relaciones entre la ocurrencia de incendios y variables socioeconómicas.

1.4



PREGUNTAS DE INVESTIGACION

¿Qué zonas o sectores de la ciudad presentan mayor concentración de incendios?



¿Qué características socioeconómicas y físicas tienen las zonas con mayor frecuencia de incendios?



¿Existe autocorrelación espacial en los incendios ocurridos en la ciudad?

1.5 JUSTIFICACION

Actualmente existen diferentes sistemas de seguimiento y monitoreo de incendios forestales como GFIMS (Sistema Global de Gestión de Información Sobre Fuegos), WFABBA (Wildfire Automated Biomass Burning Algorithm) para Norteamérica y Sudamérica, FISL (Fire Sciences Lab), NIFC (National

9

Interagency Fire Center), RSAC (Remote Sensing Applications Center), GEOMAC (Wildland Fire-Geospatial Multi Agency Coordination), Plataforma NOAA (National Oceanic and Atmospheric Administration), productos de la División de Servicios de Satélites de Incendios para Norteamérica, Sistema de Información Canadiense de Incendios Forestales, SERVIR (Sistema Regional Mesoamericano de Visualización y Monitoreo para Centro y Suramérica), CONABIO (Comisión Nacional para el Conocimiento y uso de la Biodiversidad), entre otros (FAO, 2015).

En contraste para la detección, reporte e investigación de incendios estructurales existe un panorama distinto, salvo algunos países como España y Estados Unidos que cuentan con diferentes organismos, programas e investigación al respecto. La gran mayoría dispone solo del cuerpo de bomberos local.

Sin embargo, la atención de incendios en la zona urbana es cada día más compleja por las nuevas variables que se deben tener en cuenta como los nuevos materiales de construcción, presencia de materiales inflamables. Existen más personas viviendo en espacios reducidos como edificios y zonas de asentamientos informales. La existencia de redes de energía y gas, el uso de la construcción y otros factores sorpresa que en conjunto representan mayores riesgos durante un incendio y pueden provocar más víctimas en un menor tiempo (Román, 2015).

Además, los cuerpos de bomberos se ven enfrentados a tomar decisiones en tiempo real y de manera inmediata de tal forma que puedan atender el incendio en cumplimiento a tres prioridades “seguridad humana, extinción y conservación de la propiedad" (Román, 2013, p.22).

Para atender estas nuevas exigencias, los Estados Unidos cuentan con organismos especializados en el tema como la NFPA (National Fire Protection Association), encargada de establecer normas y códigos relacionados con incendios como la prevención, protección y manejo. Además, dispone de un capítulo exclusivo para Latinoamérica.

10

En Colombia contamos con la OPCI (Organización Iberoamericana de Protección Contra Incendios), una fundación sin ánimo de lucro que brinda las capacitaciones a nivel nacional acerca de las normas y códigos publicados por la NFPA. Sin embargo, no existe difusión acerca de investigaciones respecto al tema de incendios estructurales, al parecer es un tema de especial análisis para las compañías de seguros y otros organismos, pero no se encuentran publicados. Lo que contrasta con la gran variedad de artículos, tesis e investigaciones que se puede encontrar para incendios urbanos en Estados Unidos y España, donde se identifica que existe permanente seguimiento a los incendios y se analizan cada uno de los factores que intervienen durante las labores de extinción del incendio.

Por lo anterior con esta tesis se pretende incentivar, y despertar el interés de distintos profesionales en el tema y estimular investigaciones en Colombia que sean accesibles a todo el público. De igual forma hacer visible la necesidad de mejorar los detalles en los reportes de incendios porque en las bases de datos disponibles existen imprecisiones y vacíos en algunos campos que obligan a descartar eventos, afectando directamente los resultados de cualquier estudio.

1.6 ALCANCE

La revisión, recopilación y análisis de los datos se realizará para la ciudad de Medellín. El máximo nivel de escala utilizado es a nivel barrio para la determinación de coordenadas y a nivel comuna para el análisis en general, dado que algunos registros presentan poca información de la ubicación del evento.

Los datos recopilados corresponden a los publicados por las fuentes de información en el período de tiempo 1991 a 2014, descartando aquellos que ocurrieron en municipios vecinos, principalmente aquellos que hacen parte del Valle de Aburrá, y que por su cercanía fueron erróneamente clasificados como incendios de la ciudad de Medellín (ver mapa 1).

11

Los resultados de esta tesis buscan acercar al cuerpo de bomberos de la ciudad de Medellín y al DAGRD a dar una mirada de los incendios urbanos ocurridos entre 1991 a 2014 en la ciudad, desde la perspectiva que brinda la estadística descriptiva y la estadística espacial (a través del análisis de patrón de puntos) para ratificar su percepción del comportamiento de los incendios y/o servir de contraste respecto a la validez de algunas ideas acerca del tema.

Además, este trabajo quiere despertar el interés académico en el tema de tal forma que a mediano o corto plazo los cuerpos de bomberos y el DAGRD dispongan de una descripción y caracterización de los incendios urbanos en la ciudad, e incluso de índices de peligro de incendio como ocurre en países como España, Estados Unidos y Australia. De tal forma que se puedan evaluar a tiempo los factores que condicionan la ocurrencia de eventos y así elaborar planes.

12

2. REVISION DE LITERATURA

2.1 ESTADÍSTICA DESCRIPTIVA Y ESTADÍSTICA ESPACIAL

En sus comienzos, la estadística era utilizada principalmente para realizar censos. Los indicios más antiguos se encuentran en Egipto de hace 5000 años, donde, en sus monumentos, dejaron evidencia de los censos periódicos utilizados para determinar la población y planear la repartición de bienes y propiedades luego de las crecidas del río Nilo. En la Isla de Cerdeña se encuentran los nugaras o edificios megalíticos que datan de 3500 a.c., utilizados para llevar el censo del ganado y de la caza. Respecto a manuscritos en China para el año 550 a.c., en las narraciones de Confucio se describe que para el año 2238 a.c., se realizó un censo del Imperio con datos agrícolas, industriales y comerciales (Compostela, 2010).

En Asiria, el rey Sargón II crea la biblioteca en Nínive entre 722 al 705 a.c. y, empleando tablillas de arcilla, se dejaba el registro de hechos y datos históricos.

En Grecia, se realizaban censos para calcular impuestos, cantidad de personas con derecho al voto, determinar las riquezas y tierras, el servicio militar. Al parecer, los romanos fueron los que mejor emplearon la estadística como parte de su organización política jurídica y administrativa, llevando, además, un registro de nacimientos y fallecimientos documentado desde el año 86 d.c. y, como registro del censo de población, exceptuando los de las grandes civilizaciones, se puede encontrar en la Biblia referencia al censo de las tribus de Israel (Compostela, 2010).

En una segunda etapa, la estadística se aborda desde el punto de vista de la descripción cuantitativa de todo aquello que era relevante para el Estado.

Algunos integrantes de la tendencia conocida como estadística descriptiva son Germán Conring, Godofredo Achenwall y Vons Scholer, en contraposición surge también la estadística investigadora con John Graunt (Torres, 2006).

13

Para una tercera etapa aparece el cálculo de probabilidades, impulsado principalmente por los juegos de azar y el enfoque cualitativo en la observación de los fenómenos naturales (Torres, 2006).

La estadística descriptiva es la rama de la estadística que permite organizar y resumir un conjunto de datos mediante estadísticos de resumen, gráficas y tablas, de acuerdo al tipo de variable y según la cantidad de variables medidas por unidad experimental (Mendenhall, Beaver y Beaver, 2010).

Una variable es la característica a observar y/o medir acerca de un evento, persona u otro objeto de interés (Mendenhall, Beaver y Beaver, 2010). De acuerdo a sus características, se pueden clasificar en variables continuas, discretas, mixtas, categórica nominal y categórica ordinal (Correa, 2007), de acuerdo a la cantidad de variables medidas el conjunto de datos puede ser univariado, bivariado o multivariado.

Esta clasificación es determinante a la hora de elegir el tipo de gráficas, tablas y estadísticos de resumen. Por ejemplo, para variables continuas y discretas se puede obtener información inicial acerca de sus propiedades mediante el cálculo de las medidas de tendencia central como media, mediana y moda, y mediante las medidas de dispersión como el rango, desviación media, varianza y desviación estándar (Canavos, 2003).

La introducción de la estadística en la geografía o geografía cuantitativa ocurre entre los años 1950 y 1960 época en la cual nace el análisis espacial y que con el tiempo se convertirá en lo que hoy se conoce como estadística de datos espaciales y análisis con modelos espaciales (Fuenzalida y Cobs, 2013).

Para la década entre 1970 y 1980, sufre un período de decadencia por falta de herramientas que permitieran analizar e interpretar fácilmente los temas de interés de la época, período que será superado a mediados de los 1990’s con la masificación de los Sistemas de Información Geográfica (SIG), facilitando nuevas formas de realizar análisis y el manejo de grandes volúmenes de datos (Fuenzalida y Cobs, 2013).

14

La estadística espacial, según Olaya (2011), es aquella que permite analizar un conjunto de datos que tiene asociado con sus coordenadas correspondientes y por tanto proporciona nueva información acerca de su comportamiento. Los análisis se pueden abordar desde dos perspectivas: La primera, considerando únicamente la disposición espacial, es decir, sólo se tiene en cuenta las coordenadas, la segunda analiza simultáneamente la posición y el valor de las variables recolectadas.

Según Giraldo (2011), la estadística espacial es aquella que permite evaluar las variables en el espacio-tiempo y se clasifica en tres áreas: La geoestadística, datos de áreas o regionales y los patrones puntuales o muestreados. La geoestadística tiene como objetivo realizar la interpolación, por lo tanto, es indispensable la existencia de continuidad espacial de las variables, en ella el investigador decide dónde hacer la medición. Los datos de áreas o regionales se utilizan principalmente en el campo de la epidemiología, y al igual que en la anterior, el investigador decide dónde hacer las mediciones. Los patrones puntuales o muestreados, permiten determinar el tipo de distribución de una variable en el espacio analizado. El resultado puede ser una distribución aleatoria, en agregados o uniforme, para este caso la medición no depende del investigador sino de la naturaleza del fenómeno estudiado.

Para datos de tipo puntos, se denomina patrón muestreado si se trata de una parte del total de eventos del proceso, si se cuenta con la totalidad de eventos se denomina patrón puntual. A su vez, los puntos se clasifican en dos clases: Puntos cuando solo brindan la localización del evento y marcas que son puntos con atributos y covariables (Baddeley, CSIRO, 2010).

Gracias a programas estadísticos como R, librería SpatStat y programas SIG como ArcGIS, es posible realizar análisis espacial para datos tipo punto, línea, polígono, imagen y teselación.

Dentro de los procedimientos básicos, se encuentran el cálculo de las medidas centrográficas, el análisis estadístico de líneas, el análisis de patrones de puntos y la autocorrelación espacial (Olaya 2011).

15

Las principales medidas centrográficas son el centro medio, el centro mediano, la distancia típica, utilizando un círculo, y distancia típica utilizando una elipse (Olaya 2011).

El centro medio determina el sitio geográfico alrededor del cual se concentran los datos, el centro mediano corresponde al punto a partir del cual la distancia entre los datos es menor, distancia típica indica el nivel de agrupación o dispersión de los datos alrededor del centro medio geométrico, y la distribución direccional indica la desviación estándar en cada uno de los ejes, y se representa mediante una elipse (ESRI, 2015).

El análisis de un patrón de puntos busca identificar la estructura espacial mediante el cálculo de la densidad de puntos por unidad de área, distancia entre puntos y forma en la cual están distribuidos en un espacio geográfico. En la Gráfica 1 se puede distinguir los tres tipos de patrones de puntos: Agregados, aleatorios y regulares (Olaya, 2011).

Gráfica 1– Tipos de patrones de puntos: de izquierda a derecha agregado, aleatorio y regular.

Fuente: Olaya, 2011

Dentro de los métodos empleados en el análisis de patrones de puntos se encuentran: La estimación de intensidad de Kernel o método no paramétrico en el que se genera una curva sobre cada punto y se asigna el valor más alto de densidad sobre el punto, valor que irá disminuyendo a medida que se aleja del punto hasta llegar a 0, cuando alcanza el límite del radio máximo de búsqueda (Fuenzalida, Buzai, Moreno y García, 2015).

16

Métodos basados en cuadrantes, donde se divide el área en cuadrados de igual tamaño, no traslapados, y a partir del conteo de puntos por cuadrante se calcula la media y la varianza. Para un patrón regular, la varianza es cercana a cero, para un patrón aleatorio la varianza y la media son valores muy cercanos y para el patrón agrupado la varianza es mayor frente a la media. Sin embargo, se debe tener presente que el tamaño de los cuadrantes tiene influencia directa sobre los resultados (Fuenzalida et al., 2015).

Métodos basados en distancias entre puntos muestreados en los cuales existe una función teórica que representa una distribución de Poisson con sus respectivas bandas de confianza que facilitan la comparación: Función G(h) considera la distancia al punto más cercano. Si la función observada crece rápidamente en distancias cortas y es mayor al límite superior, se trata de un patrón agregado. Si la función observada crece lentamente hasta cierta distancia, es regular; y si la función observada presenta un comportamiento similar a la función teórica y se encuentra entre las bandas de confianza, se trata de un patrón aleatorio (Giraldo, 2011).

Función F(h) considera la mínima distancia punto - evento, si la función observada sigue el comportamiento de la teórica y se encuentra dentro de las bandas de confianza es un patrón aleatorio, si crece rápidamente y es mayor al límite superior es un patrón regular, si es menor al límite inferior es un patrón agregado (Giraldo, 2011).

Función K de Ripley, relacionada con la cantidad de puntos dentro de un círculo con radio y centro definidos. Si al observa la gráfica de la función, el valor observado es mayor que el límite superior de confianza, es un patrón de puntos agrupado. Si el valor observado es menor que el límite inferior, es un patrón uniforme o regular; y si sigue el comportamiento de la función teórica o esperada y se encuentra dentro de las bandas de confianza es un patrón aleatorio (Giraldo, 2011).

Función L(r) tiene varianza constante. Si los valores observados están dentro de las bandas de confianza es un patrón aleatorio, si son mayores al límite superior

17

es un patrón agrupado y si los valores observado son menores al límite inferior son uniformes (Giraldo, 2011).

Gráfica 2 – Tipos de técnicas y métodos de análisis de datos espaciales Fuente: Fuenzalida y Cobs, (2013)

2.2 MEDELLIN Y SU ORDENAMIENTO TERRITORIAL

El ordenamiento territorial surge en los años 40 en Francia como la solución a los problemas de distribución y uso del suelo. Es una disciplina que debe ser desarrollada por un equipo interdisciplinario y que debe contar con una activa participación ciudadana a fin de que se logre un plan que permita mejorar el uso del territorio en pro del desarrollo económico de las regiones y que esté acorde a la diversidad cultural, social, política y económica de cada región (Ibarra, 2007).

La UNISDR (2009) lo define como “el proceso que emprenden las autoridades públicas para identificar, evaluar y determinar las diferentes opciones para el uso de los suelos, lo que incluye consideración de objetivos económicos sociales y ambientales a largo plazo y las consecuencias para las diferentes comunidades

18

y grupos de interés, al igual que la consiguiente formulación y promulgación de planes que describan los usos permitidos o aceptables” (p. 23).

En Colombia a partir de la constitución de 1991 con el principio de autonomía, se establece una descentralización del país y se introduce el concepto de ordenamiento territorial como instrumento del estado para mejorar su planificación y administración de los territorios (Ibarra, 2007).

En su artículo 286, la constitución política ratifica como entidades territoriales los municipios, distritos y territorios indígenas y deja abierta la posibilidad de crear las regiones y provincias. Estas últimas categorías no existen aún en Colombia.

Al ratificar la existencia de distritos, la Comisión de Ordenamiento Territorial (creada de manera transitoria por la constituyente de 1991) ratifica los distritos existentes, que en el país son Bogotá, Distrito Especial hoy Distrito Capital, el Distrito Turístico de Cartagena, y el Distrito Turístico y Cultura de Santa Marta.

Posteriormente, y de acuerdo a las recomendaciones de la comisión respecto a la necesidad de asociación de dos o más municipios con el fin de resolver conjuntamente sus necesidades, mediante la ley 128 de 1994, se crean las entidades administrativas denominadas áreas metropolitanas dentro de las que se encuentra el Área Metropolitana del Valle de Aburra (ver mapa 1), integrada por los municipios de Medellín, Bello, Itagüí y recientemente Envigado, pertenecientes al departamento de Antioquia (Ibarra, 2007).

Medellín actualmente cuenta con el Plan de Ordenamiento Territorial (POT), aprobado mediante acuerdo 48 de 2014 del concejo de Medellín, publicado en la Gaceta Oficial el 17 de diciembre del mismo año, en él se clasifica el suelo en urbano, expansión urbana y rural. No obstante, para esta tesis nos limitaremos a la zona urbana de Medellín, definida como la zona donde se cuenta con la infraestructura necesaria para que existan edificaciones, zonas urbanizadas y concentración de personas.

Dentro del POT, se encuentran identificadas y delimitadas las zonas de amenaza o zonas con condiciones de riesgo, existentes en suelo urbano, rural y de expansión urbana. Las zonas de amenaza, según la UNGRD (2017), son zonas

19

donde existe un peligro latente de que un evento físico causado por la naturaleza o el hombre se presente, de tal forma que afecte la vida o la salud de los habitantes, los bienes, la infraestructura, y el desarrollo normal de sus diversas actividades.

Respecto a las zonas con condiciones de riesgo, el POT de 2014 las define como las

zonas

con

amenaza

alta

donde

existe

población,

edificaciones,

equipamientos e infraestructura, y el acuerdo 62 de 1999 (Concejo de Medellín, 1999) establece que, a partir de estudios de riesgo, las zonas con amenaza alta se deben clasificar en zonas de riesgo mitigable, las cuales admiten la disminución del riesgo a niveles tolerables mediante la ejecución de determinadas obras, y zonas de riesgo no mitigable.

2.3 EMERGENCIAS Y DESASTRES

Mediante la ley 1523 de 2012, se adopta en Colombia la política nacional de gestión del riesgo de desastres y se establece el Sistema Nacional de Gestión del Riesgo de Desastres, dentro de sus definiciones se encuentra: Emergencia Situación caracterizada por la alteración o interrupción intensa y grave de las condiciones normales de funcionamientos u operación de una comunidad, causada por un evento adverso o por la inminencia del mismo, que obliga a una reacción inmediata y que requiere la respuesta de las instituciones del Estado, los medios de comunicación y de la comunidad en general (Congreso de Colombia, 2012a).

Desastre El resultado que se desencadena de la manifestación de uno o varios eventos naturales o antropogénicos no intencionales que al encontrar condiciones

20

propicias de vulnerabilidad en las personas, los bienes, la infraestructura, los medios de subsistencia, la prestación de servicios o los recursos ambientales, causa daños o pérdidas humanas, materiales, económicas o ambientales, generando una alteración intensa, grave y extendida en las condiciones normales de funcionamiento de la sociedad, que exige del Estado y del sistema nacional ejecutar acciones de respuesta a la emergencia, rehabilitación y reconstrucción general (Congreso de Colombia, 2012a) A continuación, se indica la estructura organizacional para la gestión del riesgo, definida en la ley 1523, siguiendo un orden descendente respecto a su jerarquía: El Presidente de la república, el Consejo Nacional para la gestión del riesgo, la Unidad Nacional para la Gestión del Riesgo de Desastres. Le siguen tres comités con igual jerarquía: El Comité Nacional para el Conocimiento del Riesgo, el Comité Nacional para la Reducción del Riesgo y el Comité Nacional para el Manejo de Desastres, por último, los Consejos Departamentales, Distritales y Municipales para la Gestión del Riesgo (Congreso de Colombia, 2012a).

Posteriormente en agosto 21 de 2012, mediante la ley 1575, se crea la ley General de Bomberos de Colombia, donde se integra a los bomberos al Sistema Nacional para la Prevención y Atención de Desastres, principalmente en los temas relacionados con incendios, rescates e incidentes con materiales peligrosos.

La ley 1575 de 2012 reconoce como integrantes de los bomberos de Colombia a la Dirección Nacional de Bomberos de Colombia, la Junta Nacional de Bomberos de Colombia, la Confederación Nacional de Cuerpos de Bomberos, las Juntas Departamentales de Bomberos, los Bomberos Aeronáuticos, los cuerpos de Bomberos Oficiales y los Cuerpos de Bomberos Voluntarios reconocidos.

Respecto a la definición de incendio, se define según la Federación Internacional de Sociedades de la Cruz Roja y de la Media Luna Roja (2015) como un “fuego no controlado, normalmente en terrenos no cultivados, que puede causar daños en la silvicultura, la agricultura, las infraestructuras y los edificios”.

21

Se pueden clasificar según el lugar donde se presenta en urbanos, industriales, forestales, de superficie, de copa, de subsuelo y en transportación (Web de seguridad y protección contra incendios de España, 2011). En esta tesis, se utilizan los datos relacionados, específicamente con los incendios urbanos, los cuales se presentan en zonas donde existe concentración de personas, construcciones y/o infraestructura.

En el Sistema de Inventario de Desastres Desinventar (fuente de datos para la presente tesis), registran eventos que hayan generado algún tipo de afectación.

Los incendios están incluidos dentro de los tipos de eventos y se subdividen en incendios forestales e incendios categoría en la cual se pueden encontrar los incendios urbanos. Para desinventar un evento, es un incidente que puede tener origen natural, origen mixto entre social y natural o tecnológico, que afecta la vida humana en cuanto a sus condiciones de salud, entorno físico, y sus relaciones sociales.

2.4 INCENDIOS FORESTALES

El tema de inventario de áreas afectadas por los incendios forestales en Colombia presenta gran variedad de investigaciones y enfoques, aun cuando su principal limitante sea el no disponer del área afectada determinada con precisión. Al respecto, se han realizado trabajos a partir del uso de sensores remotos como el realizado por Armenteras et al. (2009), donde a partir de los datos del sensor MODIS intenta identificar patrones en áreas protegidas, reservas forestales, reservas indígenas y territorio de comunidades negras en cuanto a distribución temporal y espacial de los incendios.

Otro tipo de estudios analizan la relación entre los incendios y su relación con características asociadas a la vegetación, cobertura y uso del suelo como los realizados por Armenteras et al. (2011), Parra (2011), Ortega et al. (2012), Hantson et al. (2015). En su investigación Armenteras et al. (2011) encontraron que las variables externas a la vegetación, como precipitación, temperatura y

22

pendiente, están relacionados directamente con la variabilidad espacial y temporal de susceptibilidad de incendio. Pues los sitios con mayor precipitación, menor temperatura y pendiente baja tienden, según su estudio, a ser menos susceptibles al fuego que en condiciones contrarias, resultados similares a las obtenidas por Dale et al. (2001), Parra (2011) y Hantson et al. (2015) Otras investigaciones por el contrario buscan determinar el efecto de los incendios forestales en la calidad de aire, como la realizada por Chacón (2015) donde evalúo los efectos de incendios forestales ocurridos en Norte América sobre la calidad del aire en tres ciudades colombianas Bogotá, Medellín y Bucaramanga.

Por su parte, países como España han avanzado en el estudio de incendios forestales, donde evalúan modelos estadísticos que permitan la predicción diaria de

incendios

a

partir

de

variables

meteorológicas,

topográficas,

sociodemográficas y vegetación (Vega, Ortiz, Canet, Bosch y Queralt, 2004) y existe una destacada interacción entre quienes elaboran índices de peligro de incendio, utilizados para la prevención, grupos encargados de mejorar la estimación del peligro de incendios y aquellos que a partir de análisis estadístico de datos buscan validar los índices de peligro preestablecidos (Badía, 1998).

Incluso se analiza a través de métodos estadísticos el comportamiento entre los incendios ocurridos en la zona urbana y las zonas rurales (Badía, Pallares y Piñol, 2000).

En Francia se crean programas de simulación de propagación de incendios que combinan los SIG con la visualización en 3D, con el objetivo de sensibilizar a la comunidad acerca de la importancia de mantener sus terrenos sin maleza para disminuir o evitar la propagación de incendios, acorde a las leyes establecidas (Thon, Remy, Raffin y Gesquière, 2007).

En Canadá, se han desarrollado modelos de predicción de riesgo de incendios forestales causados por el hombre. Entre ellos se encuentra el desarrollado por Nadler (2010), donde, a partir de 16 variables espaciales y socioeconómicas utilizando el proceso analítico jerárquico (AHP), encontró que las variables con

23

mayor influencia en el modelo de predicción son proximidad a zonas urbanas e infraestructura de transporte.

2.5 INCENDIOS URBANOS

Los incendios en zonas urbanas de Colombia, por el contrario, cuentan son escasos trabajos de investigación o no se encuentran publicados. En general, se dispone de normatividad, folletos y cartillas preventivas elaborados por cuerpos de bomberos y entidades relacionadas con atención y prevención de desastres, lo que al parecer muestra una falta de interés en el tema.

En el Área Metropolitana del Valle de Aburrá, entidades como Área Metropolitana, Universidad EAFIT, el Sistema Municipal para la Prevención y Atención de Desastre del municipio de Medellín (SIMPAD) y algunos esfuerzos particulares como la investigación de Hormaza (1991) y Saldarriaga (2003) han permitido la recopilación y/o inventarios de los principales desastres que han sucedido en el Valle de Aburra, los cuales fueron el insumo para desinventar.

Al respecto, Gómez y Aristizábal en 2007, utilizando la información disponible en el módulo de consulta de desinventar, realizan un completo análisis de los eventos ocurridos en el Valle de Aburra entre 1880 y 2007. Referente a incendios encontraron que aproximadamente el 15 % corresponden a incendios forestares, mientras solo el 0.3% a incendios estructurales y derrames.

Respecto a la cantidad de víctimas mortales, el 42% corresponden a eventos catalogados como pequeños, lo que demuestra la importancia de inventariar toda clase de eventos como incendios urbanos de poca magnitud, porque un evento pequeño analizado de forma aislada puede parecer imperceptible respecto a sus consecuencias. Sin embargo, al evaluar de manera generalizada, se pueden obtener resultados inesperados.

Dentro de las limitaciones para evaluar las pérdidas materiales en los distintos tipos de eventos, encontraron que existen diferencias a la hora de valorar las

24

pérdidas materiales al comparar los valores reportados por las aseguradoras versus los reportados por el sector público, y afirman que no existe una metodología o procedimiento adecuado y la valoración generalmente se realiza solo en caso de sismos.

En contraste, otros países vienen realizando estudios desde los años 1980, donde se analiza la relación entre incendios en zonas urbanas con factores socioeconómicos. Con la llegada de los SIG a partir de los años 1990´s se empieza a utilizar esta herramienta para visualizar y analizar incendios, facilitando, además, la introducción de variables ambientales. Actualmente, ya existen SIG desarrollados como herramientas para el control y pronóstico de incendios puestos al servicio de los organismos encargados de atenderlos (Ordoñez, 2011).

25

3. METODOLOGIA 3.1 AREA DE ESTUDIO Medellín es un municipio del departamento de Antioquia, que hace parte del Área Metropolitana del Valle de Aburrá. En el Mapa 1 se incluye además, la delimitación de los municipios que conforman el área metropolitana.

Mapa 1 – Ubicación de Medellín dentro del Área Metropolitana, a nivel nacional y regional.

Fuente: Esri, Here, Garmin, OpenStreetMap, Gis User Community, USGS, NOAA, NPS, y Alcaldía de Medellín (2015)

26

Medellín tiene un área aproximada de 380.64 km² y su división político administrativa está organizada en la zona urbana por 16 comunas atravesadas de norte a sur por el Río Medellín, la zona rural conformada por 5 corregimientos (Mapa 2). Las comunas de Medellín son Popular, Santa Cruz, Manrique, Aranjuez, Castilla, Doce de Octubre, Robledo, Villa Hermosa, Buenos Aires, La Candelaria, Laureles – Estadio, La América, San Javier, El Poblado, Guayabal y Belén y sus corregimientos son Palmitas, San Cristóbal, Altavista, San Antonio de Prado y Santa Elena (Alcaldía de Medellín, 2005).

Mapa 2 - División político administrativa.

27

3.2 FUENTES DE INFORMACIÓN

Las fuentes de datos disponibles para el tema de incendios urbanos en la ciudad entre 1991 y 2014 son el reporte Desinventar, reporte de la Unidad Nacional para la Gestión del Riesgo de Desastres (UNGRD) y los periódicos El Colombiano y El Espectador.

Para obtener la información de Desinventar, se seleccionó dentro de las bases de datos públicas el nodo Medellín – Área Metropolitana. A continuación, se realizó un filtro por tipo de eventos, en este caso se seleccionó incendios dado que incendio forestal está discriminado en otra categoría y se estableció el rango temporal, y del resultado obtenido en formato Excel, fue necesario un filtro adicional para elegir solamente los eventos de la ciudad de Medellín.

De igual forma, en los reportes anuales de la UNGRD que para la fecha de inicio de este trabajo solo tenía publicados los correspondientes a los años 2010 a 2014, a cada archivo se le realizó un filtro por municipio y evento incendio estructural puesto que solo existen dos categorías: Incendio estructural y forestal. Posteriormente, se consolidó en un solo archivo.

A continuación, se realizó una consulta web y consulta en la hemeroteca de la Universidad de Antioquia, obteniendo las noticias entre 2010 y 2014, que permitieron, posteriormente, resolver inconsistencias entre lo reportado por Desinventar y UNGRD, además del ingreso de nuevos registros.

28

3.3 DESCRIPCIÓN DEL PROCEDIMIENTO

Identificadas las fuentes de datos, se realizó un cruce de información y se organizó cronológicamente los incendios, descartando aquellos que sucedieron fuera del área urbana de la ciudad y/o los incendios forestales.

Una vez organizados, se realizó la tabulación complementando información de cada evento de acuerdo a los datos disponibles en las fuentes seleccionadas.

Se eliminaron los registros repetidos. Una vez se obtuvo la tabulación, se procedió a seleccionar el método para realizar la geocodificación. No obstante, el campo dirección o ubicación presentó poco detalle y precisión, pues de los 67 registros de los que consta la base, únicamente el 15% tiene dirección completa, el 55% cuenta con el cruce de vías (calle y carrera) y el 30% restante dispone únicamente del barrio o sector.

De acuerdo a lo anterior, fue necesario dividir la base en dos partes para obtener coordenadas: En la primera, se agregaron los registros con dirección completa y cruce de vías. Dado que no se dispone de la capa geográfica correspondiente a la malla vial de la ciudad, se utilizó la herramienta disponible en la página oficial de la alcaldía de Medellín (mapas de Medellín, servicio de geocodificación). Para la segunda parte, se asignó el centroide del barrio obtenido a partir de la digitalización del mapa correspondiente a la división político administrativa disponible en la página.

Una vez obtenidas las coordenadas, se seleccionaron las variables: causa del incendio, cantidad de viviendas destruidas (construcciones que por su estado no son aptas para ser habitadas), cantidad de viviendas afectadas (construcciones con daños menores, que pueden seguir siendo habitadas, aunque requieran algunas reparaciones) y uso de la construcción por ser las únicas con información completa en todos los registros. Finalmente, se generó una tabla y a partir de dicha tabla se generó una capa geográfica de puntos.

Posteriormente se procedió a seleccionar algunos mapas del POT, aprobado en diciembre de 2014 con el objetivo de alimentar la base de datos con nuevas

29

variables y, posteriormente, analizar una posible relación entre la ocurrencia de incendios y dichas variables.

Los mapas seleccionados corresponden a uso del suelo, zonas con condiciones de riesgo y de alto riesgo no mitigable, clasificación del suelo, amenaza por movimiento en masa, amenaza por inundaciones, amenaza por avenidas torrenciales. El formato de los mapas disponible para descarga en la página oficial de la Alcaldía es .pdf, por tanto, fueron convertidos a formato .jpg, utilizando el programa GIMP 2.8.14, el cual es un programa gratuito y de código abierto utilizado para edición de imágenes y así se mejoró su resolución, evitando conflictos en el proceso de georreferenciación en ArcGIS. Una vez georreferenciadas, se procedió a hacer el cruce entre la capa de puntos y cada uno de los mapas, asignándole el valor de la variable del polígono más cercano, puesto que los puntos donde las coordenadas fueron obtenidas mediante el servicio de geocodificación de mapas Medellín quedan sobre la malla vial.

A continuación, con la ayuda de ArcGIS se generaron mapas por cada variable y utilizando el programa R 3.1.1 se realizó el análisis estadístico. Primero, el cálculo con estadística tradicional y, posteriormente mediante estadística para datos espacializados, obteniendo primero las medidas centrográficas, la intensidad del evento o número de eventos por unidad de área e identificación del tipo de patrón de puntos mediante la estimación Kernel, métodos basados en cuadrantes y métodos basados en distancias entre puntos muestreados como función G(h), función F(h), función K de Ripley, función L.

30

Gráfica 3 – Flujograma de la metodología aplicada

31

3.4 DESCRIPCIÓN DE LOS DATOS

La base de datos consta de 67 registros. Luego de la depuración y confrontación en las diferentes fuentes consultadas, cada registro tiene 15 variables discriminadas y descritas a continuación (Tabla 1):

VARIABLE

TIPO

FUENTE

Identificador del número de incendio para el estudio

Discreta

Generado automáticamente

Fecha en que ocurrió el evento

Discreta

Uso de la construcción Causa del incendio

Nominal Nominal

DesInventar (2015) UNGRD (2015) DesInventar (2015) UNGRD (2015) DesInventar (2015) UNGRD (2015) DesInventar (2015)

Cantidad de viviendas destruidas

Discreta

Cantidad de viviendas afectadas

Discreta

Nombre del barrio o dirección donde ocurrió el evento

Nominal

Coordenada Este del evento

Continua

Alcaldía de Medellín (2015)

Coordenada Norte del evento

Continua

Alcaldía de Medellín (2015)

Ordinal

Alcaldía de Medellín (2014a)

Ordinal

Alcaldía de Medellín (2014b).

Amenaza por inundaciones

Ordinal

Alcaldía de Medellín (2014c).

Amenaza por avenidas torrenciales

Nominal

Alcaldía de Medellín (2014d).

Zonas con condiciones de riesgo y de alto riesgo no mitigable Amenaza por movimiento en masa

UNGRD (2015) DesInventar (2015) UNGRD (2015) DesInventar (2015) UNGRD (2015)

Tabla 1 – Variables objeto de estudio: nombre, tipo y fuente de consulta

32

La Tabla 2 contiene el conjunto de valores que puede tomar cada una de las variables nominales y ordinales analizadas. Las variables uso de la construcción y causa del incendio tienen un rango establecido según la clasificación existente en los reportes de emergencias de la UNGRD y Desinventar. Las variables zonas con condiciones de riesgo y de alto riesgo no mitigable, amenaza por movimiento en masa, amenaza por inundaciones, amenaza por avenidas torrenciales tienen el dominio establecido según las diferentes escalas determinadas en el POT.

VARIABLE

DOMINIO DE VARIABLES NOMINALES Y ORDINALES Bodega Comercial

Uso de la construcción

Industrial Institucional Residencial/comercial o mixto Residencial Sin información Corto circuito Desconocida Error humano

Causa del

Escape de gas

incendio

Explosión Otros Veladora o corto Vendaval

Zonas con condiciones de riesgo y de alto riesgo no mitigable

Zonas con condiciones de riesgo por avenidas torrenciales Zonas con condiciones de riesgo por movimientos en masa Zonas con condiciones de riesgo por inundaciones Zonas de alto riesgo no mitigable por avenidas torrenciales Zonas de alto riesgo no mitigable por movimientos en masa Zonas de alto riesgo no mitigable por inundaciones

Amenaza por movimiento en

Amenaza alta

masa

Amenaza media

33

Amenaza baja Amenaza muy baja

Amenaza por

Zona de amenaza alta por inundaciones

inundaciones

Zona de amenaza media por inundaciones Zona de amenaza baja por inundaciones Zona de amenaza muy baja por inundaciones

Amenaza por avenidas

Amenaza por avenidas torrenciales

torrenciales

Tabla 2 – Dominio de las variables objeto de estudio

Adicionalmente, a las variables ya descritas, se encuentran las variables coordenadas X y Y, las cuales fueron generadas a partir del procedimiento de geocodificación de la dirección y/o nombre de barrio para cada uno de los incendios, las cuales son necesarias para realizar el análisis espacial.

34

4. RESULTADOS

Para el período comprendido entre 1991 y 2014, en la zona urbana de Medellín se registraron un total de 67 incendios, los cuales presentaron una mayor densidad hacia el costado oriental de la ciudad, tomando como referencia el Río Medellín y la vía paralela denominada Autopista Norte o Autopista Sur según el tramo. Principalmente, en la Comuna 10, que corresponde al centro de la ciudad, seguida en orden descendente por comunas contiguas así: Comuna 4, Comuna 1, Comuna 3, e intersección entre la Comuna 15 y 14 (Mapa 3).

Los incendios ocurrieron más frecuentemente en edificaciones con uso residencial y para más de la mitad de los eventos se desconoce la causa del incendio. Respecto a la variable viviendas destruidas, en el 59.70% de los incendios no se produjo destrucción de viviendas. Para el caso de las viviendas afectadas, el 76.1 % presentaron una o ninguna vivienda. Los datos presentan, respecto a estas dos variables, un 6% de atípicos que corresponden a incendios en los cuales se destruyeron 80 o más viviendas y/o se afectaron 300 o más viviendas que corresponden a los incendios ocurridos en zona de invasión del barrio El Pinal, Altos de la Virgen sector Blas de Leso, El Oasis de Moravia y un segundo incendio en el sector Altos de la Virgen. Los resultados se presentan en el Anexo 1, 2, 8 y 9.

En general, los incendios se presentaron en zonas donde, según el POT, no existen condiciones de riesgo por movimientos en masa, inundación o avenidas torrenciales, sectores donde generalmente se presentan zonas de invasión en la ciudad y por tanto se espera que por las características de las viviendas allí construidas aumenten las probabilidades de ocurrencia de incendios. Estas variables son relevantes para los casos atípicos ya mencionados. Sin embargo, para este caso, no fueron variables relevantes para analizar el comportamiento del total de incendios.

35

De acuerdo al análisis exploratorio, con estadística espacial el comportamiento de los incendios en la ciudad corresponde a una distribución agregada o clusters. Según lo obtenido en el análisis de densidad por cuadrantes, el más ajustado a la división político administrativa de Medellín es la de 25 cuadrantes y, en este caso, el cuadrante donde se presenta la mayor densidad corresponde aproximadamente al área cubierta por la Comuna 10, resultado que coincide con lo obtenido mediante la función F, función G, función J y función K y no existe aleatoriedad espacial completa para los puntos de acuerdo al test Kolmogorov-Smirnov test de CSR (Aleatoriedad Espacial Completa) para dos dimensiones.

36

Mapa 3 – Incendios en la zona urbana de Medellín

37

4.1 ANALISIS EXPLORATORIO CON ESTADISTICA CLASICA

4.1.1 Análisis exploratorio variables nominales y ordinales

Uso de la construcción

De los eventos, el uso de la construcción más común es el residencial, y los menos frecuentes son institucional, parqueadero y uso mixto (Gráfica 4).

USO DE LA CONSTRUCCION 30

Uso Bodega 20

Frecuencia

Comercial Industrial Institucional Parqueadero Resid /comercial Residencial

10

Sin info.

0

Uso

Gráfica 4 – Diagrama de barras según uso de la construcción

38

Mapa 4 – Incendios en la zona urbana de Medellín según uso de la construcción

39

De acuerdo al Mapa 4, se observa que, en los incendios ocurridos, el uso de la construcción más frecuente es el residencial (puntos de color verde claro) el cual se encuentra disperso en toda la ciudad. No obstante, en la Comuna 10, la cual presenta la mayor concentración de eventos por comuna, 21 del total de 67 eventos, existe una mezcla de usos, siendo los más frecuentes el comercial (7) e industrial (7), seguidos de bodega (3), residencial (3) e institucional (1).

Causa del incendio

En más de la mitad de los incendios se desconoce la causa que lo originó, seguida por error humano y corto circuito, como se muestra en la Gráfica 5.

CAUSA DEL INCENDIO

30 Causa Corto circuito

Frecuencia

Desconocida Error humano

20

Escape gas Explosion Otros Vela o corto 10

Vendaval

0

Causa

Gráfica 5 – Diagrama de barras según causa del incendio

40

Más de la mitad de los eventos (37) corresponden a causa de incendio desconocida, situación que se presenta en eventos ocurridos en toda la ciudad (Mapa 5), incluyendo la Comuna 10, donde se presenta una mayor concentración.

Mapa 5 – Incendios en la zona urbana de Medellín según causa del incendio

41

Uso del suelo

El uso del suelo donde más frecuentemente se presentan los incendios es el tipo residencial predominante, seguido de centralidad corredor de alta intensidad y centralidades con predominancia económica (Gráfica 6).

USO DEL SUELO 20

15 Uso del suelo

Frecuencia

Act econ transf Cent corr alta inten Cent, dot aglom cial 10

Cent, predom econom Espacio pub ex Espacio pub proy Resid pred

5

0

Uso

Gráfica 6– Diagrama de barras según uso del suelo

Zonas con condiciones de riesgo y de alto riesgo no mitigable

El 89.5 % de los eventos se presentaron en zonas que no presentan riesgo de movimientos en masa o de inundación y solo el 5.97 % sucedieron en zonas con alto riesgo de movimiento en masa mitigable y no mitigable. El restante 4.53% sucedieron en zonas de condiciones de riesgo de inundación y movimiento en masa (Gráfica 7).

42

ZONAS CON CONDICIONES DE RIESGO Y ZONAS DE RIESGO NO MITIGABLE

60

Zonas

40 Frecuencia

Sin riesgo Zona alto riesg mov m Zona alto riesg no mit mov m Zona condic riesg inund Zonas condic riesg mov m

20

0 Zonas

Gráfica 7 – Diagrama de barras- zonas con condiciones de riesgo y de alto riesgo no mitigable de los eventos

Amenaza por movimiento en masa

Los incendios se presentaron más frecuentemente en zonas con amenaza muy baja, y amenaza baja por movimiento en masa (Gráfica 8). En contraste, dentro de las zonas con amenaza alta ocurrieron 5 eventos y en zonas de amenaza media no se presentaron casos.

43

Gráfica 8 – Diagrama de barras según amenaza por movimiento en masa

Amenaza por inundaciones

El 88.06% de los eventos ocurrió en zonas sin amenaza de inundaciones y solo el 1.59% de ellos se presentó en zona de amenaza alta (Gráfica 9).

44

AMENAZA POR INUNDACIONES

60

40

Zonas

Frecuencia

Amenaza alta Amenaza baja Amenaza muy baja Sin amenaza

20

0 Zonas

Gráfica 9 – Diagrama de barras según amenaza por inundaciones

Amenaza por avenidas torrenciales

El 100% de los eventos se presentó en zonas que no presentan amenaza por avenida torrencial.

Viviendas destruidas

En el 59.70% de los incendios no se produjo destrucción de viviendas, los casos con 80 o más viviendas destruidas representan el 6% del total, es decir son eventos atípicos (Gráfica 10 y 11). La distribución de esta variable presenta asimetría con sesgo a derecha.

45

Gráfica 10 – Boxplot de viviendas destruidas

Gráfica 11 – Histograma de viviendas destruidas

Las comunas donde en un solo evento se han destruido mayor cantidad de viviendas son la Comuna 8 con 650 viviendas, Comuna 4 con 250 viviendas, límites de Comuna 13 con 82 viviendas y Comuna 13 con 80 viviendas (Mapa 6).

46

Mapa 6 – Incendios en la zona urbana de Medellín según cantidad de viviendas destruidas

47

Viviendas afectadas

En el 40.30% de los incendios, se afectó solo una vivienda, en el 35.8% no se afectaron viviendas y el 3% de los casos se afectaron 300 viviendas (Gráfica 12).

Al igual que en la variable viviendas destruidas, la distribución de esta variable presenta asimetría con sesgo a derecha.

Las comunas donde en un solo evento se ha afectado mayor cantidad de viviendas son la Comuna 10 con 300 viviendas y Comuna 4 con 300 viviendas, seguidos de la Comuna 7 con 10 viviendas, Comuna 11 con 8 viviendas (Mapa 7).

Gráfica 12 – Histograma de viviendas afectadas

48

Mapa 7 – Incendios en la zona urbana de Medellín según cantidad de viviendas afectadas

49

Eventos por año

El año 2014 cuenta con la mayor cantidad de eventos reportados, 21 de 67 eventos en total, de los cuales 11 se presentaron en la Comuna 10, seguido por el año 2008 con 10. Para 1991, 2003 y 2005, solo se reportó un incendio por año (Mapa 8). Cabe aclarar que, aunque el número de registros ha ido incrementándose en los últimos años, este comportamiento no está limitado por la disponibilidad de los datos, dado que se consultaron varias fuentes de información con el objetivo de dar mayor validez al estudio.

50

Mapa 8 – Incendios en la zona urbana de Medellín entre 1991 y 2014

51

Uso de la construcción versus causa

En construcciones de uso residencial el valor más frecuente es desconocer la causa del incendio, seguido de error humano y corto circuito. Para el uso bodega, se desconoce la causa en todos los casos, el incendio en la construcción de uso institucional fue causado por de error humano.

Lo más frecuente en los reportes es desconocer la causa del incendio, clasificados en orden descendente según el uso corresponde a uso residencial, comercial, industrial y bodega.

Uso de la construcción versus uso del suelo

Las construcciones de uso residencial que reportaron incendios, se encontraban en zonas con uso de suelo residencial predominante en 15 de los 31 eventos.

Las construcciones de uso industrial que reportaron incendios, se encontraban en zonas con uso de suelo centralidad con predominancia económica en 5 de los 14 eventos.

Las construcciones de uso comercial que reportaron incendios, se encontraban en zonas con uso de suelo centralidad con predominancia económica en 5 de los 12 eventos.

Uso de la construcción versus zonas con condiciones de riesgo y de alto riesgo no mitigable

Para construcciones con uso residencial, 25 de los 31 eventos se encontraban en zonas sin condiciones de riesgo. Las construcciones con uso bodega, comercial, industrial, institucional, parqueadero y sin información del uso, en

52

todos los casos estaban ubicados en zonas sin riesgo. En total, 60 de los 67 eventos se presentaron en zonas sin riesgo.

Uso de la construcción versus amenaza por movimiento en masa

Las construcciones con uso residencial, se encontraban en 19 de los 31 casos en zonas con amenaza baja por movimientos en masa. En 5 de los 67 eventos totales, las construcciones se encontraban en zona de amenaza alta, clasificadas en orden descendente según uso corresponden a residencial y mixto. Los restantes 62 eventos se presentaron en zonas de amenaza baja y muy baja para todos los usos.

Uso de la construcción versus amenaza por inundaciones

Para construcciones de uso residencial, 25 de los 31 eventos se encontraban en zona sin amenaza por inundaciones. 59 del total de eventos se encontraban en zona sin amenaza por inundación para todos los usos y solo uno del total ocurrió en zona de amenaza alta y correspondía al uso residencial.

Causa versus uso del suelo

Para eventos con causa desconocida, los usos del suelo más frecuentes son centralidad con predominancia económica y residencial predominante que suman 18 de los 36 casos.

Para el suelo residencial predominante, las causas en orden descendente son desconocida, error humano, vendaval, corto circuito y explosión.

53

En suelos con uso actividad económica de transformación, las causas en orden descendente son desconocida, error humano, explosión y otra causa, los tres últimos con un evento cada uno.

Causa versus zonas con condiciones de riesgo y de alto riesgo no mitigable

Para los eventos a los cuales se desconoce la causa, 34 de los 36 se encontraban en zona sin riesgo.

Para las zonas sin riesgo, 34 de los 60 casos son causa desconocida, 9 error humano, y 6 corto circuito, las demás causas presentan menor frecuencia.

Causa versus amenaza por movimiento en masa

Los eventos ubicados en zona de amenaza muy baja son los que presentan la mayor frecuencia de 34 del total, clasificados por causa: Los más frecuentes son causa desconocida, error humano y corto circuito, los demás representan menor proporción.

En zona de amenaza alta, se encuentra 5 del total, clasificados por causa en orden descendente: Error humano, corto circuito, desconocida, vendaval.

Amenaza por inundaciones versus causa

El caso más frecuente son los eventos para los que se desconoce la causa y están ubicados en zona sin amenaza de inundación, 32 de los 36 eventos.

Los eventos ocurridos en zonas sin amenaza corresponden a 59 del total y clasificados en orden descendente, por causa son desconocida 32, corto circuito

54

8 y error humano 8, vendaval 5, en menor proporción están los demás tipos de causa.

Uso de la construcción versus viviendas destruidas

Los eventos con mayor cantidad de viviendas destruidas corresponden a construcciones con uso residencial. En 40 eventos del total no se presentaron viviendas destruidas, clasificados en orden descendente según su uso: Residencial 13, industrial 11, comercial 8, bodega 4, los demás usos presentan menor frecuencia.

En los eventos ocurridos en construcciones con uso institucional y parqueadero, no se destruyeron viviendas. El único evento ocurrido en una construcción de uso residencial- comercial destruyó 3 viviendas.

Uso de la construcción versus viviendas afectadas

Los eventos donde se afectaron mayor cantidad de viviendas corresponden al uso residencial. De igual forma, el uso comercial presenta un evento donde se afectaron 300 viviendas. Por el contrario, para el uso industrial 11 de los 14 ocurridos en este uso afectaron solo una vivienda, un evento afectó 2 y en dos eventos no se afectaron viviendas.

Causa versus viviendas destruidas

Los eventos más frecuentes son aquellos en los que se desconoce la causa del incendio y no se destruyen viviendas.

55

Para el incendio donde se destruyeron 650 viviendas, se desconoce la causa. El evento donde se destruyeron 250 viviendas, la causa fue un error humano. En general, los eventos donde se destruyeron mayor cantidad de viviendas, la causa se desconoce.

Causa versus viviendas afectadas

Los eventos más frecuentes son los que afectaron una vivienda y su causa se desconoce.

Los eventos más frecuentes son los que afectan una vivienda, clasificados en orden descendente según su causa corresponden a: Causa desconocida, error humano, corto circuito, vendaval y otra causa.

Existen dos eventos en los cuales se afectaron 300 viviendas, causa corto circuito para uno y error humano en el otro.

56

4.2 ANALISIS CON ESTADISTICA ESPACIAL

4.2.1 Medidas centrográficas

El centro mediano y el centro medio se encuentran a menos de 250 metros dentro de la Comuna 10 (Mapa 9).

57

Mapa 9 – Incendios en la zona urbana de Medellín centro medio y centro mediano

58

Distancia típica y distancia direccional:

La distancia típica o estándar partiendo del centro medio es de 3569.88 metros, cubre aproximadamente la mitad de la zona urbana. La distancia direccional evidencia la dirección en la cual se dispersan los datos, que corresponde a un eje que va de norte a sur, con un ángulo de rotación de 22.7 grados hacia el costado oriental de la ciudad, partiendo del centro medio previamente calculado (Mapa 10).

59

Mapa 10– Incendios en la zona urbana de Medellín distancia típica y distancia direccional

60

4.2.2 Comparación de las propiedades primer orden

Densidad de puntos por unidad de área

El promedio de densidad de puntos por kilómetro cuadrado es de 0.23 puntos, en un rectángulo con esquina inferior izquierda en 826293.3, 1174358.5 y esquina superior derecha 843491.3, 1191159.5 que corresponde a un área de 288.94 kilómetros cuadrados.

Gráfica 13 – Ploteo densidad de puntos por unidad de área – valores por defecto

Gráfica 14 – Líneas de contorno densidad de puntos por unidad de área – valores por defecto

Gráfica 15– Ploteo densidad de puntos por unidad de área a una desviación estándar de 500 metros

Gráfica 16 – Líneas de contorno densidad de puntos por unidad de área a una desviación estándar de 500 metros

61

Gráfica 17– Ploteo densidad de puntos por unidad de área a una desviación estándar de 1000 metros

Gráfica 18 – Líneas de contorno densidad de puntos por unidad de área a una desviación estándar de 1000 metros

Para analizar la densidad de puntos, se comparó el resultado obtenido entre pares de gráficas de ploteo y sus respectivas gráficas de líneas de contorno, entre las cuales se varió el parámetro radio de desviación estándar respecto al Kernel de suavizamiento entre 100 metros hasta 100 metros, seleccionando como valores de referencia 100 metros, 500 metros y 1000 metros.

Las Gráficas 13 y 14 corresponden a una desviación estándar de 100 metros (medida promedio de un lado de una manzana catastral según el IGAC), las Gráficas 15 y 16 corresponden a una desviación estándar de 500 metros y las Gráficas 17 y 18 corresponden a una desviación estándar de 1000 metros.

Como resultado se observa que, al aumentar el radio a 500 metros se identifican de forma más clara las zonas donde existe una mayor concentración de ocurrencia de incendios.

Y al emplear radios menores a 500 metros, la

representación obtenida no se ajusta al nivel de escala del estudio, que para este caso es a nivel comuna. Incluso al disminuir hasta los 100 metros se pierde información, resultado al parecer influenciado por la baja densidad de puntos por unidad de área.

En el Mapa 11, obtenido a partir de un radio de desviación de 500 metros, se distingue la Comuna 10 como el lugar en la ciudad donde existe mayor densidad de puntos. Le siguen en orden descendente la Comuna 4, Comuna 1, Comuna

62

3, e intersección entre la Comuna 15 y 14. Los demás sectores presentan una baja concentración. Sin embargo, aunque estas comunas no son las más densificadas porque corresponden a zonas donde aún se conservan construcciones muy antiguas, sí existe una mezcla de usos que van desde lo residencial, pasando por el comercial e industrial, usos que se pueden combinar al interior de una misma vivienda.

63

Mapa 11 – Densidad de incendios en la zona urbana de Medellín a un radio de 500 m de vecindad

64

Análisis de densidad por cuadrante

Para este análisis se comparan los resultados de aplicar dos tipos de divisiones: La primera divide la zona de estudio en un cuadrado con 5 divisiones, tanto para el eje X como para el Y (Gráfica 19). La segunda suprime una de las divisiones en el eje X, dado que al revisar el conteo en la última columna solo existen ceros (Gráfica 20).

Gráfica 19 – Conteo de puntos por cuadrante –división 25 cuadrantes

Gráfica 20 – Conteo de puntos por cuadrante –división 20 cuadrantes

Media 2.68

Media 3.35

Varianza 28.56

Varianza 24.3447

Test Chi cuadrado:

Test Chi cuadrado:

X2 = 255.7612, df = 24, p-value < 2.2e-16

X2 = 138.0746, df = 19, p-value < 2.2e-16

alternative hypothesis: two.sided

alternative hypothesis: two.sided

Sin embargo, la Gráfica 19 se ajusta más a la división político administrativa de Medellín y, en este caso el cuadrante donde se presenta la mayor densidad que

65

es 26 puntos, corresponde aproximadamente al área cubierta por la Comuna 10.

El resto de las zonas que le siguen en densidad se encuentran en su mayoría contiguas a dicho cuadrante.

Dado que el cociente entre la varianza y la media es superior a uno y el valor p del test es muy bajo, esto nos indica que es una distribución agrupada.

K de Ripley

Al observar la Gráfica 21, se observa que la función está alejada de la función Poisson. Esta última representa el patrón aleatorio y al aplicar el test de significancia con 99 simulaciones, se encontró que, la función al ser mayor que la curva de Poison y estar fuera de sus límites corresponde a un patrón en agregados. En la Gráfica 22, se observa la significancia de la desviación.

Gráfica 21 – Función K de Ripley

Gráfica 22 – Test Monte Carlo basado en la función K para testear la significancia de la desviación

66

Kolmogorov-Smirnov test de CSR (Aleatoriedad Espacial Completa) en dos dimensiones

Primero escogemos la coordenada X para ser la función T - T(x, y) = X para la Gráfica 23. De igual forma, se procede en la Gráfica 24 para el eje Y, y al comparar el comportamiento de distribución observada con la distribución esperada para cada una de los ejes y teniendo en cuenta el valor-p, se rechaza la hipótesis de aleatoriedad espacial completa de los puntos.

observed expected

0.6 0.4 0.0

0.2

probability

0.8

1.0

Spatial Kolmogorov-Smirnov test of CSR in two dimensions based on distribution of x coordinate p-value= 2.449e-06

830000

835000

840000

x

Gráfica 23 – Test Kolmogorov – Smirnov para la coordenada X

Gráfica 24 – Test Kolmogorov – Smirnov para la coordenada Y

En la Gráfica 25a, la función Fˆ(r) es menor a la Función de Poisson F pois(r) y crece lentamente al comienzo y aumenta rápidamente a medida que se incrementa la distancia indica un patrón de clusters o agregado.

En la Gráfica 25b, la función Gˆ(r) es mayor a la función de Poisson G pois(r) y crece rápidamente en distancias cortas se trata de un patrón de clusters o agregado.

En la Gráfica 25c, la desviación de los valores de la función J(r) son menor que uno indicando un patrón espacial de clusters o agregado.

67

Finalmente, la Gráfica 25d, que corresponde a la K de Ripley (ya revisada), donde los valores de la función K(r) son mayor a ¶ r ² que representan a la función de Poisson, se trata de un patrón de clusters o agregado.

Por lo anterior, según los resultados de los cuatro estadísticos, el patrón de puntos de los incendios urbanos de Medellín corresponde a un patrón en agregados o clusters, similar a lo observado por Badía et al. (2000) al analizar los incendios en el área metropolitana de Barcelona.

0.6 0.4

^ Gk m r ^ Gb or d r ^ Gh an r

0.2

G r

^ Fk m r ^ Fb or d r ^ Fc s r Fpois r

Gpois r

0.0 500 1000

2000

3000

0

200 400 600 800

1200

r

r

J function

K function

K r

^ Jkm r ^ J han r ^ J rs r

^ K is o r ^ K t r a ns r ^ K bord r

1.0e+08

0.0 0.2 0.4 0.6 0.8 1.0

0

K po i s r

J p oi s r

0.0e+00

J r

G function 0.8

0.0 0.2 0.4 0.6 0.8 1.0

F r

F function

0

500 1000

2000 r

3000

0

1000

2000

3000

r

Gráfica 25 – Comparación Función F, Función G, Función J y Función K. a) Función F, b) Función G, b) Función J, b) Función K

4000

68

Índice global de Morán

Al realizar el cálculo del Índice de Morán Global, existen varias opciones para determinar el criterio de vecindad. En la Gráfica 26 se observa el resultado obtenido al emplear el inverso de la distancia, para el cual se obtuvo un valor del índice de -0.4035 y un valor z-score de -1.7695 con el cual se rechaza la hipótesis nula de completa aleatoriedad espacial CSR y se obtiene un patrón espacial disperso.

En la Gráfica 27, se utilizó el cuadrado del inverso de la distancia, para el cual se obtuvo un valor del índice de -0.4824 y un valor z-score de -2.0927 con el cual se rechaza la hipótesis nula de completa aleatoriedad espacial CSR y se obtiene un patrón espacial disperso.

Gráfica 26 – Índice de Moran global criterio inverso de la distancia

Gráfica 27 – Índice de Moran global criterio cuadrado del inverso de la distancia

En la Gráfica 28, se utilizó el criterio de distancia fija correspondiente a 2480.1501 metros, valor calculado automáticamente, para el cual se obtuvo un valor del índice de 0.011 y un valor z-score de 1.0136 con el cual se acepta la

69

hipótesis nula de completa aleatoriedad espacial CSR y se obtiene un patrón espacial aleatorio.

Igual resultado se observa en la Gráfica 29, con el criterio zona de indiferencia, para el cual se obtuvo un valor del índice de 0.0109 y un valor z-score de 1.0168 con el cual se acepta la hipótesis nula de completa aleatoriedad espacial CSR y se obtiene un patrón espacial aleatorio.

Gráfica 28 – Índice de Moran global criterio distancia fija

Gráfica 29 – Índice de Moran global criterio zona de indiferencia

70

CONCLUSIONES

Una vez realizado el análisis descriptivo y la elaboración de mapas por variable para el conjunto de datos, se encontraron los siguientes resultados: Tomando como referencia la Avenida Regional y/o Autopista Sur, la cual atraviesa la ciudad de norte a sur, existe más frecuencia de incendios en el costado oriental de la ciudad con una mayor concentración hacia el centro o Comuna 10 y aunque el uso de la construcción más común es el residencial, para la Comuna 10 los usos más frecuentes en orden descendente son: Comercial, industrial, bodega, residencial e institucional.

Para más de la mitad de los incendios, se desconoce su causa. Comportamiento que también se presenta para los ocurridos en la Comuna 10. Las comunas donde en un solo evento se ha destruido mayor cantidad de viviendas son la Comuna 8, Comuna 4 y Comuna 13. Las comunas donde en un solo evento se han afectado mayor cantidad de viviendas son la Comuna 10 y Comuna 4, seguidos de la Comuna 7 y Comuna 11.

Sumado a lo anterior, los puntos atípicos, donde se afectaron o destruyeron una gran cantidad de viviendas, las construcciones correspondían a uso residencial y se desconoce las causas del incendio.

Desde el punto de vista temporal, el 2014 es el año con la mayor cantidad de eventos reportados (21), de los cuales 11 se presentaron en la Comuna 10, seguido por el año 2008. Sin embargo, no puede tomarse como válida la exploración del comportamiento de los incendios en el tiempo porque para períodos como 1991, 2003 y 2005, donde solo hubo un reporte de incendio por año, se observa que dicho comportamiento obedece más a datos faltantes que a la no ocurrencia incendios en esos años. Es decir, fueron eventos no reportados porque correspondían a incendios de poca magnitud y no fueron noticia en los medios de comunicación.

71

El uso del suelo, donde más frecuentemente se presentan los incendios, es residencial predominante, seguido de centralidad corredor de alta intensidad y centralidades con predominancia económica.

En general, más del 89% de los eventos se presentaron en zonas sin amenaza o riesgo de movimientos en masa, inundación o avenidas torrenciales.

Con respecto a los resultados obtenidos al utilizar estadística espacial, al igual que en el trabajo realizado por Vega et al. (2004), la escasez de datos condicionó el uso de métodos únicamente a los disponibles para patrones de puntos porque no fue posible obtener datos de tipo área o polígono. Además, fue necesario omitir el análisis con variables socioeconómicas y aquellas relacionadas con características de las construcciones porque los reportes de los eventos de pequeña magnitud, que representan un alto porcentaje de la base, están poco documentados. En contraste, los eventos de gran magnitud disponen de mayor información, pero en general corresponden a datos atípicos.

Dentro de los resultados se encontró que el centro medio y centro mediano están ubicados en la Comuna 10, y, al calcular, la desviación típica, utilizando una elipse, ésta se inclina aproximadamente 23 grados hacia el oriente. Con respecto a la densidad la Comuna 10, es donde existe mayor densidad de puntos, y le siguen en orden descendente la Comuna 4, Comuna 1, Comuna 3, e intersección entre la Comuna 15 y 14, comunas en su mayoría contiguas a la 10. Los demás sectores presentan una baja concentración.

Según las funciones K de Ripley, función F, función G y función J y ratificado por el test de Kolmogorov-Smirnov de CSR (Aleatoriedad Espacial Completa) en dos dimensiones, es decir, según su posición en el terreno (coordenadas X y Y), los incendios en la ciudad presentan un patrón de puntos en agregados.

Por el contrario, mediante el cálculo del Índice Global de Morán utilizando diversos criterios para la determinación de la vecindad se obtuvo como resultado un patrón de distribución disperso cuando se emplean los criterios inverso de la distancia o el inverso del cuadrado de la distancia, y un patrón aleatorio cuando se eligió banda de distancia fija o zonas de indiferencia.

72

La contradicción en los resultados iniciales y los obtenidos mediante el índice global de Morán tiene explicación en las afirmaciones de Siabato y Guzmán (2018) “los índices globales no son sensibles a escenarios en los que se presenta heterogeneidad en el comportamiento del fenómeno geográfico”, y para el caso de Medellín, la ocurrencia de incendios exhibe un comportamiento heterogéneo en las diferentes comunas de la ciudad. Además, ellos advierten que el tipo de patrón obtenido mediante el uso del índice global de Morán están directamente relacionado con el criterio de vecindad seleccionado.

Por consiguiente, para este estudio se descartar los resultados obtenidos con el índice global de Morán, y soportado en los resultados obtenidos mediante el análisis de densidad por cuadrante, la Función F, Función G, Función J y Función K, se concluye que existe autocorrelación positiva en los incendios ocurridos en la ciudad de Medellín, y los datos presentan un patrón en agregados.

De acuerdo a lo anterior, queda pendiente para un próximo estudio identificar cuáles son los factores correlacionados con la alta densidad de incendios ocurridos en la Comuna 10 y sectores contiguos, dado que los resultados del análisis exploratorio muestran una relación directa entre los incendios y el espacio geográfico en que ocurren.

Fernández et al. (2013) en su estudio sobre la distribución espacial de la delincuencia en la ciudad de Albacete, encuentran una posible coincidencia entre el delito y zonas donde las construcciones son antiguas y deterioradas, habitadas en su mayoría por personas sin sentido de pertenencia hacia el sector. De igual forma, una posible relación entre el delito y áreas de alta vulnerabilidad social son aspectos que coinciden con las características de la Comuna 10 y su entorno. Además, teniendo en cuenta que los incendios urbanos en su mayoría están asociados a errores humanos, es necesario a futuro incluir dentro de las variables a considerar lo relacionado con estos dos aspectos.

73

DISCUSIÓN

En este trabajo se realiza un análisis exploratorio de los incendios ocurridos en la zona urbana de la ciudad de Medellín, entre 1991 y 2014, a través de algunas técnicas de estadística descriptiva como los estadísticos de resumen, gráficas, tablas y tablas cruzadas. Así como la exploración mediante procedimientos básicos de la estadística espacial como el cálculo de las medidas centrográficas, el análisis de patrones de puntos, la autocorrelación espacial y la correlación espacial.

Respecto a la primera pregunta de investigación: ¿qué zonas o sectores de la ciudad presentan mayor concentración de incendios?, el estudio mostró que la Comuna N.10 es la zona donde se presentaron mayor cantidad de eventos en el intervalo de tiempo analizado. Seguido de las comunas contiguas: Comuna 4, Comuna 1 y Comuna 3. Adicionalmente, se observa que, en el año 2014, hubo un incremento significativo en la cantidad de incendios ocurridos en la ciudad, año en el que se reportaron 21 eventos, de los cuales 11 ocurrieron en la Comuna10.

Frente a la segunda pregunta de investigación: ¿qué características socioeconómicas y físicas tienen las zonas con mayor frecuencia de incendios?, se encontró que la construcciones afectadas o destruidas durante los incendios ocurridos en la Comuna N.10 tenían principalmente uso comercial e industrial. Y más de la mitad de los eventos ocurrieron en zonas clasificadas en el POT como centralidad con predominancia económica, que corresponden a zonas donde se presentan mezclas de usos, principalmente comercio y servicios.

Frente a las variables ambientales consideradas, los eventos ocurrieron en zonas clasificadas con riesgo bajo a muy bajo de movimientos en masa, y sin riesgo de inundación y/o avenida torrencial.

Y finalmente, respecta a la última pregunta: ¿existe autocorrelación espacial en los incendios ocurridos en la ciudad?, se utilizaron algunos indicadores y

74

métodos para tratar de identificar el tipo de patrón espacial que siguen los eventos analizados.

Mediante el análisis de densidad por cuadrante y de acuerdo con los resultados obtenidos en el cálculo de la Función F, Función G, Función J y Función K, los incendios ocurridos en la zona urbana de Medellín, entre 1991 y 2014 exhiben un comportamiento de clusters o agregado.

Resultado que contrasta con los tipos de patrones obtenidos al calcular el índice Global de Morán I, empleando diferentes criterios de vecindad y según la variable cantidad de viviendas afectadas. Al emplear el inverso de la distancia o el inverso del cuadrado de la distancia, se obtuvo un patrón de distribución disperso para ambos casos. Por otro lado, con los criterios banda de distancia fija y zonas de indiferencia, con un umbral de 2480,15 metros calculado automáticamente por el sistema, se obtuvo un patrón aleatorio.

Este resultado coincide con lo afirmado por Siabato y Guzmán (2018): Esto demuestra que el I de Moran no es una medida universal que describe unívocamente el comportamiento de las unidades de análisis, sino que depende del criterio de vecindad W seleccionado. La implementación del tipo de vecindad define el patrón espacial que informa el índice. (p.11) Y aunque los autores del artículo llegaron a esta conclusión al comparar los diversos resultados que se obtiene al variar la matriz W en el cálculo del índice I de Morán, criterio que no fue empleado en este trabajo, dicha afirmación coincide con los resultados obtenidos.

Por esta razón y dado que el comportamiento de los incendios en la ciudad no es homogéneo, se valida el resultado obtenido mediante el análisis de densidad por cuadrante, la Función F, Función G, Función J y Función K, es decir, sí existe autocorrelación espacial en los incendios ocurridos en la ciudad y sigue un patrón de agregados.

75

RECOMENDACIONES

Aunque en los últimos años se observa un mayor detalle en los reportes de incendios en una base de datos fundamental para Medellín y su Área Metropolitana como es Desinventar, llama la atención que la principal fuente de información sean los medios de comunicación y no los organismos y entidades encargados de atender los incendios en la ciudad. Por lo que resulta indispensable realizar convenios que permitan el intercambio directo de información entre quienes la generan y quienes administran la base de datos.

Así como jornadas continuas de capacitación dirigidas a todos aquellos que intervienen en el registro de los eventos directamente en campo, así como el personal de oficina, promoviendo una estandarización de conceptos que se verá reflejado en un mayor nivel de detalle en los reportes.

El estado actual de los datos de incendios disponibles en Desinventar para Medellín hace que cualquier tipo de estudio o investigación en el tema se vea enfrentado a múltiples obstáculos, principalmente a la falta de exactitud de los valores recogidos para cada variable por parte del reportero o periodista, limitando así los posibles avances y aportes que se puedan realizar desde el campo académico.

Sin embargo, este obstáculo, por el contrario, debe estimular nuevos estudios que resalten la importancia de entender el comportamiento de los incendios en la ciudad a través de las infinitas posibilidades que nos brindan la combinación de la estadística y los SIG. Entre otros, se puede abordar el análisis bivariado y multivariado de las variables relacionadas con los incendios en la zona urbana, incluyendo variables ambientales como la velocidad y dirección de viento, temperatura, calidad del aire en los días previos al incendio, variables relacionadas con las características físicas de la vivienda, como edad de la construcción, tipo de cubierta, tipo

76

estructura. Para identificar si existen asociaciones entre dichas variables, de tal forma que podamos determinar épocas del año de mayor ocurrencia, condiciones medio ambientales favorables para esta clase de eventos y características constructivas comunes a los incendios ocurridos.

Las perspectivas de nuevos estudios incluyen identificar las variables que pueden explicar el comportamiento agregado de los incendios en la Comuna 10 y su entorno, realizando análisis más completos gracias a las mejoras que se observan en los reportes de incendios.

Por último, es importante dedicar una investigación a los incendios de gran magnitud, clasificados como atípicos en el análisis descriptivo porque es imprescindible para las autoridades identificar factores asociados y comunes a estos eventos, porque según fuentes no oficiales fueron incendios provocados para intimidar a la población y demostrar el control territorial del microtráfico en cada zona.

77

BIBLIOGRAFIA

Abad, P., Alonso, J., Ariza, F., Vallaré, D., Barrot, D., Doménech, E., Escriu, J., García, J., García, F., Iguácel, C., López, E., Lucas, J., Mas, S., Matos, J., Nogueras, J., Rodríguez, A., Sánchez, A., Sevilla, M., Sevilla, C., Valcárcel, N., y Villa, G. (2008). Introducción a la normalización en información geográfica: La familia ISO 19100. Grupo de Investigación en ingeniería cartográfica, Universidad de Jaén, pp. 11-20. Consultado el 20/08/2015.

Disponible bajo URL : http://coello.ujaen.es/Asignaturas/pcartografica/Recursos/IntroduccionNo rmalizacion_IG_FamiliaISO_19100_rev1.pdf

Alcaldía de Medellín. (2005). Estrategia de participación ciudadana en la revisión y ajuste al POT Medellín 2005. Conceptos básicos del plan de ordenamiento territorial. Medellín. Consultado el 23/07/2016. Disponible bajo URL: http://www.bdigital.unal.edu.co/3204/1/CartillaPot.pdf

Alcaldía de Medellín. (2014a). Mapa zonas con condiciones de riesgo y de alto riesgo no mitigable. Plan de ordenamiento territorial del municipio de Medellín - Mapas protocolizados. Consultado el 10/01/2015. Disponible bajo URL: https://www.medellin.gov.co/irj/portal/medellin?NavigationTarget=navurl:/ /0d6e1cabff217197f515823e5bb58bb6

Alcaldía de Medellín. (2014b). Mapa amenaza por movimiento en masa. Plan de ordenamiento territorial del municipio de Medellín - Mapas protocolizados.

Consultado el 10/01/2015. Disponible bajo URL: https://www.medellin.gov.co/irj/portal/medellin?NavigationTarget=navurl:/ /0d6e1cabff217197f515823e5bb58bb6

Alcaldía de Medellín. (2014c). Mapa amenaza por inundaciones. Plan de ordenamiento territorial del municipio de Medellín - Mapas protocolizados.

Consultado el 10/01/2015. Disponible bajo URL: https://www.medellin.gov.co/irj/portal/medellin?NavigationTarget=navurl:/ /0d6e1cabff217197f515823e5bb58bb6

78

Alcaldía de Medellín. (2014d). Mapa amenaza por avenidas torrenciales. Plan de ordenamiento territorial del municipio de Medellín - Mapas protocolizados.

Consultado el 10/01/2015. Disponible bajo URL: https://www.medellin.gov.co/irj/portal/medellin?NavigationTarget=navurl:/ /0d6e1cabff217197f515823e5bb58bb6

Alcaldía de Medellín. (2015). Visor geográfico Mapas Medellín. Consultado el 10/03/2015. Disponible bajo URL: https://www.medellin.gov.co/MAPGISV5_WEB/mapa.jsp?aplicacion=0

Aristizábal, E., y Gómez, J. (2007). Inventario de emergencias y desastres en el Valle de Aburra. Revista Gestión y ambiente (Vol. 10 N.2) p 17-30.

Armenteras, D., González, F., y Aguilera, C. (2009). Distribución geográfica y temporal de los incendios en Colombia utilizando datos de anomalías térmicas. Caldasia (Vol. 31 N.2). Consultado el 07/09/2014. Disponible bajo URL: https://revistas.unal.edu.co/index.php/cal/article/view/36107/37526

Badía, A., Pallares, M., y Piñol, J. (2000). Análisis de cuadrados para analizar la concentración de igniciones en áreas urbanas y rurales. Los casos del área metropolitana de Barcelona y la Comarca del Bages. Tecnologías geográficas para el desarrollo sostenible. Departamento de geografía, Universidad de Alcalá (pp. 367-380). Disponible bajo URL: http://uab.academia.edu/MPallaresBarbera/Papers

Badía, A. (1998). Análisis de la ocurrencia de incendios en el área metropolitana de Barcelona: fase previa para la validación de índices de peligro. En P. Alegre, Tecnología geográfica para el siglo XXI, VIII Coloquio del Grupo de Métodos Cuantitativos, y SIG Teledetección, (pp. 196 – 208).

Barcelona. Disponible bajo URL: http://www.age-geografia.es/tig/barcelona98/1998_014_badia.pdf

Baddeley – CSIRO. (2010). Analysing spatial point patterns in R. Consultado el 25/10/2015. Disponible bajo URL: https://research.csiro.au/software/r-workshop-notes/

Canavos, G. (2003). Probabilidad y Estadística aplicaciones y métodos. México.

McGraw-Hill.

79

Chacón, L. (2015). Efecto de los incendios forestales sobre la calidad del aire en dos ciudades colombianas. Tesis de maestría publicada, Universidad Nacional de Colombia.

Disponible bajo URL: http://www.bdigital.unal.edu.co/53148/1/52086917.2015.pdf

Compostela, B. (2010). Breve historia de la estadística y el azar. Consultado el 09/12/2015. Disponible bajo URL: http://umer.es/wp-content/uploads/2015/05/n62.pdf

Concejo de Medellín. (2014). Acuerdo 48 de 2014. Consultado el 03/02/2015.

Disponible bajo URL: https://www.medellin.gov.co/irj/go/km/docs/pccdesign/SubportaldelCiuda dano_2/PlandeDesarrollo_0_17/ProgramasyProyectos/Shared%20Conte nt/Documentos/2014/POT/ACUERDO%20POT-19-12-2014.pdf

Concejo de Medellín. (1999). Acuerdo 62 de 1999 (derogado). Consultado el 03/02/2015. Disponible bajo URL: https://www.medellin.gov.co/irj/go/km/docs/wpccontent/Sites/Subportal% 20del%20Ciudadano/Planeaci%C3%B3n%20Municipal/Secciones/Servic ios/Documentos/SITE/Derogados1999/ACUERDO%2062_POT%20DEROGADO.pdf

Congreso de Colombia. (2012a). Ley 1523 de 2012. Consultado el 31/07/2016.

Disponible bajo URL: http://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=47141

Congreso de Colombia. (2012b). Ley 1575 de 2012. Consultado el 31/07/2016.

Disponible bajo URL: https://www.redjurista.com/Documents/ley_1575_de_2012_congreso_de_l a_republica.aspx#/

Correa, J. (2007). Introducción. En: Notas de Clase: Análisis de Datos Categóricos. (Cap. 1). Escuela de estadística Universidad Nacional de Colombia. Medellín pp. 1-28

DAGRD. (2015). Departamento Administrativo de Gestión del Riesgo de Desastres de Medellín. Consultado el 10/02/2015. Disponible bajo URL: https://www.medellin.gov.co/dagrd

80

Dale, V., Joyce, L., McNulty, S., Neilson, R., Ayres, M., Flannigan, M., Hanson, P., Irland, LL., Lugo, A., Peterson, C., Simberloff, D., Swanson, F., Stocks, B., y Wotton, M. (2001). Climate change and forest disturbances.

BioScience, 51(9), 723-734. Consultado el 29/01/2017. Disponible bajo URL: https://academic.oup.com/bioscience/article/51/9/723/288247

De Vicente López, F. y Poyatos, C. (2007). IDE y geoportales aplicados a los incendios forestales: SIGIF, el caso de la Comunidad Valenciana. 4th International Wildland Fire Conference, Wildfire, España. Disponible bajo URL: https://www.gfmc.online/sevilla2007/contributions/doc/cd/sesiones_tematicas/st4/deVicente_Poyatos_S PAIN_Valencia.pdf

ESRI - Environmental Systems Research Institute. (2015). Ayuda de ArcGIS 10.2. En: Conjunto de herramientas medición de distribuciones geográficas. Consultado el 08/10/2015. Disponible bajo URL: https://resources.arcgis.com/es/help/main/10.2/index.html#/na/005p000 0001m000000/

FAO - Organización de las Naciones Unidas para la Alimentación y la agricultura.

Sistema Global de Información sobre Fuegos GFIMS. Consultado el 08/8/2015.

Disponible bajo URL: http://www.fao.org/nr/gfims/actividades/global/es/

Federación Internacional de Sociedades de la Cruz Roja y de la Media Luna Roja. (2015). Incendios forestales/urbanos. Consultado el 10/05/2015.

Disponible bajo URL: http://www.ifrc.org/es/introduccion/disaster-management/sobredesastres/definicion--de-peligro/incendios-forestalesurbanos/ Fernández, E., Vásquez, D., y Belmonte, M. (2013) Los puntos calientes de la delincuencia. Consultado el 25/08/2016. Disponible bajo URL: http://www.academia.edu/7842120/Los_puntos_calientes_de_la_delincu encia._Un_an%C3%A1lisis_de_la_distribuci%C3%B3n_espacial_del_fe n%C3%B3meno_delictivo_en_la_ciudad_de_Albacete

Fuenzalida, M., Buzai, G., Moreno, A., y García De León, A. (2015). Geografía, geotecnología y análisis espacial: tendencias, métodos y aplicaciones.

(1ra ed). Consultado en 10/08/2015. Disponible bajo URL: https://www.uahurtado.cl/pdf/Fuenzalida_et_al._2015_Geografa_Geotec nologa_y_Anlisis_Espacial.pdf

81

Fuenzalida, M., y Cobs, V. (2013, diciembre). La perspectiva del análisis espacial en la herramienta SIG: una revisión desde la geografía hacia las ciencias sociales. Revista persona y sociedad Vol. 27 N.3, 33-52. Consultado el 01/03/2015. Disponible bajo URL: http://personaysociedad.cl/ojs/index.php/pys/article/view/72

Giraldo, R. (2011, diciembre). Estadística espacial - notas de clase.

Departamento de Estadística de la Universidad Nacional de Colombia, consultado el 10/03/2015. Disponible bajo URL: http://www.docentes.unal.edu.co/rgiraldoh/docs/NotasClase.pdf

Hantson, S., Pueyo, S., y Chuvieco, E. (2015). Global fire size distribution is driven by human impact and climate. Global Ecology and Biogeography, 24(1), pp. 77-86. Consultado el 29/01/2017. Disponible bajo URL: https://www.researchgate.net/publication/266149979_Global_fire_size_di stribution_is_driven_by_human_impact_and_climate

Hormaza, M., 1991. Investigación preliminar de las causas probables de deslizamientos en las laderas de Medellín. Tesis de grado no publicada, Universidad Nacional de Colombia, Medellín, Colombia.

Ibarra, J. (2007, marzo). Reflexiones sobre el ordenamiento territorial en Colombia. Revista Justicia y Jurisprudencia, Vol. 7, 37-45. Consultado el 23/07/2016. Disponible bajo URL: https://www.uac.edu.co/images/stories/publicaciones/revistas_cientificas/ juris/volumen-4-no-7/art-5.pdf

López, I. (2007). BiVa-PaD: una iniciativa andina para la gestión de información para la prevención y atención de desastres. Revista EIRD Estrategia Internacional para la Reducción de Desastres N.14 de 2007, 21 -24.

Disponible bajo URL: http://www.eird.org/esp/revista/no-14-2007/socios-en-accion.pdf

Mendenhall, B. (2010). Introducción a la probabilidad y estadística. (13ª ed.).

México D.F. Consultado el 07/11/2015. Disponible bajo URL: http://www.freelibros.org/estadistica/introduccion-a-la-probabilidad-yestadistica-13va-edicion-mendenhall-beaver-y-beaver.html

Metroseguridad, (2015). Ayuda en 1-2-3 Medellín, Número Único de Emergencias Consultado el 08/11/2015. Disponible bajo URL: http://www.metroseguridad.gov.co/sitio123/seguridad.html

82

Nadler, K. (2010, june). Predicting human caused fires: a GIS analysis of socioeconomic variables and wildfire ignition in the Cranbrook Fire Zone, British Columbia, Canada. Thesis posted. University of Gävle, British Columbia, Canada. Disponible bajo URL: http://www.diva-portal.org/smash/get/diva2:390765/FULLTEXT02.pdf

Saldarriaga, R. (2003). Inventario y sistematización de los desastres naturales reportados en los municipios del Valle de Aburrá, entre los años 1900 y 2002. Tesis de grado no publicada, Universidad EAFIT, Medellín, Colombia.

Sánchez, J. Nosolosig. (2014, febrero 11). El uso de tecnologías de la información geográfica en la gestión de riesgos naturales. Consultado el 10/11/2015. Disponible bajo URL: http://www.nosolosig.com/articulos/259-el-uso-de-tecnologias-de-lainformacion-geografica-en-la-gestion-de-riesgos-naturales

Olaya, V. (2011, noviembre 25). Sistemas de información geográfica versión 1.0 (pp. 259 281). Consultado el 09/09/2015. Disponible bajo URL: http://volaya.github.io/libro-sig/

Ordoñez, C., Varela, M., y Reyes A. (2011). Desarrollo de un SIG para el análisis de patrones espaciales de incendios en viviendas. Geofocus. 11.

Disponible bajo URL http://dialnet.unirioja.es/servlet/articulo?codigo=3720404.

Ortega, M., Saura, S., González, S., Gómez, V. y Rosselló, E. (2012). Landscape vulnerability to wildfires at the forest-agriculture interface: half-century patterns in Spain assessed through the SISPARES monitoring framework.

Agroforestry systems, 85(3), pp. 331-349. Consultado el 29/01/2017.

Disponible bajo URL: https://www.researchgate.net/publication/226924931_Landscape_vulner ability_to_wildfires_at_the_forest-agriculture_interface_Halfcentury_patterns_in_Spain_assessed_through_the_SISPARES_monitori ng_framework

Parra, A. (2011). Incendios de la Cobertura Vegetal en Colombia, Tomo I. Cali: Universidad Autónoma de Occidente, pp. 74-90.

83

Román, J. (2015). Nuevos incendios, nuevas tácticas. NFPA Journal Latinoamericano (pp. 45 - 52), consultado el 1/05/2015. Disponible bajo URL: http://www.nfpajla.org/archivos/edicion-impresa/bomberossocorristas/1067-nuevos-incendios-nuevas-tacticas

Román, J. (2013, junio). Operaciones estructurares, combate de incendios en edificaciones (pp. 22 – 23). NFPA Journal Latinoamericano, consultado el 1/05/2015.

Disponible bajo URL: http://www.nxtbook.com/nxtbooks/nfpa/jla_201306-sp/#/24

Saldarriaga, R. (2003). Inventario y sistematización de los desastres naturales reportados en los municipios del Valle de Aburrá, entre los años 1900 y 2002. Trabajo de grado. Universidad EAFIT. 125 P.

Siabato, W. y Guzmán, J (2018). La autocorrelación espacial y el desarrollo de la geografía cuantitativa. Cuadernos de geografía: revista colombiana de geografía Vol.28 N.1, 1-22. Consultado el 03/11/2020. Disponible bajo URL: https://doi.org/10.15446/rcdg.v28n1.76919 Sistema de Inventario de Desastres DesInventar. Consultado el 1/03/2015.

Disponible bajo URL: http://online.desinventar.org/desinventar

Thon, S., Remy, E., Raffin, R., y Gesquière, G. (2007, may 15). Combining Gis and forest simulation in a virtual reality environment for environmental management. Architecture, City, and Environment ACE, Vol. 2, Núm. 4.

Disponible bajo URL: https://upcommons.upc.edu/handle/2099/3153

Torres, S. 2006. Hitos en la historia de la Estadística. Universidad Católica Silva Henríquez, Chile. Consultado el 22/07/2016. Disponible bajo URL: http://www.ucsh.cl/incjs/download.asp?glb_cod_nodo=20060905112509 &hdd_nom_archivo=Coloquio%201.ppt.

Organización Iberoamericana de protección contra incendios OPCI. Consultado el 12/12/2014. Disponible bajo URL: http://www.opcicolombia.org/

UNGRD. (2015). Consolidado atención de emergencias. Consultado el 01/15/2015. Disponible bajo URL: http://gestiondelriesgo.gov.co/snigrd/emergencia.aspx?id=41

84

UNGRD. (2017). Terminología sobre gestión del riesgo de desastres y fenómenos amenazantes. Consultado el 05/12/2017. Disponible bajo URL: http://portal.gestiondelriesgo.gov.co/Paginas/Glosario_Terminos_Gestion _del_Riesgo.aspx

UNGRD. (2016). Gobernanza para la gestión del riesgo. Consultado el 31/07/2016. Disponible bajo URL: http://www.gestiondelriesgo.gov.co/snigrd/archivos/documentos/UNGRD/ PRESENTACION_UNGRD.pdf

UNISDR. (2009, mayo). Terminología sobre la reducción del riesgo de desastres, Estrategia Internacional para la Reducción de Desastres de las Naciones Unidas (UNISDR), Ginebra Suiza.

Disponible bajo URL: http://eird.org/americas/we/docs/7817_UNISDRTerminologySpanish.pdf

Vega, C., Ortiz, C., Canet, C., Bosch, I., y Queralt, D. (2004, abril). Aplicación operativa de un modelo diario de predicción de ocurrencia de incendios forestales por causas humanas en Cataluña. Memorias del Segundo Simposio Internacional Sobre Políticas, Planificación y Economía de los Programas de Protección Contra Incendios Forestales: Una Visión Global.

Disponible bajo URL: http://www.fs.fed.us/psw/publications/documents/psw_gtr208es/

Web de seguridad y protección contra incendios. (2011, 20 abril). Tipos de Incendios. Consultado el 11/05/2015. Disponible bajo URL: http://www.seguridadproteccioncontraincendios.es/tipos-de-incendios

82

ANEXOS ESTADISTICA DESCRIPTIVA

A continuación, se presenta la tabulación de los resultados para cada una de las variables revisadas a partir de la estadística descriptiva, inicialmente se revisaron las variables nominales mediante tablas de frecuencia, para las variables cuantitativas se calcularon estadísticos de resumen y tablas de frecuencias y proporción; posteriormente se elaboraron tablas cruzadas donde se comparan pares de variables para intentar identificar si existe alguna relación o tendencia entre ellas.

Anexo 1: Frecuencias según uso de la construcción De los eventos, el uso de las construcciones más común es el Residencial, los menos frecuentes son institucional, parqueadero y uso mixto.

USO

CANTIDAD

Bodega

4

Comercial

12

Industrial

14

Institucional

1

Parqueadero

1

Residencial/comercial o mixto

1

Residencial

31

Sin información

3

83

Anexo 2: Frecuencias según causa del incendio

En más de la mitad de los incendios se desconoce la causa que lo originó, seguida por error humano y corto circuito.

CAUSA

CANTIDAD

Corto circuito

8

Desconocida

36

Error humano

11

Escape de gas

1

Explosión

3

Otros

1

Vela o corto

1

Vendaval

6

84

Anexo 3: Frecuencias según uso del suelo El uso del suelo donde más frecuentemente se presentan los incendios en tipo residencial predominante, seguido de Centralidad corredor de alta intensidad y Centralidades con predominancia económica.

USO DEL SUELO

CONTEO

Áreas de actividad económica en transformación

7

Centralidad corredor de alta intensidad

13

Centralidades

dotacionales,

aglomeraciones

comerciales y de servicios de orden barrial, corredores y zonas de transición

8

Centralidades con predominancia económica

13

Espacio público existente

1

Espacio público proyectado

5

Residencial predominante

20

Anexo 4: Frecuencias según zonas con condiciones de riesgo y de alto riesgo no mitigable de los eventos

El 89.5 % de los eventos se presentaron en zonas que no presentan riesgo de movimientos en masa o de inundación y solo el 5.97 % sucedieron en zonas con alto riesgo de movimiento en masa mitigable y no mitigable, el restante 4.53% sucedieron en zonas de condiciones de riesgo de inundación y movimiento en masa.

85

ZONA

CONTEO

Sin riesgo

60

Zona alto riesg mov m

2

Zona alto riesg no mit mov m

2

Zona condic riesg inund

1

Zonas condic riesg mov m

2

Anexo 5: Frecuencias según amenaza por movimiento en masa Los eventos se presentaron más frecuentemente en zonas con amenaza muy baja, y amenaza baja, en zonas de amenaza alta se presentaron 5 y en amenaza media no hubo reporte de incendios.

ZONA

CONTEO

Amenaza alta

5

Amenaza media

0

Amenaza baja

28

Amenaza muy baja

34

86

Anexo 6: Frecuencias según amenaza por inundaciones El 88.06% de los eventos ocurrió en zonas sin amenaza de inundaciones y solo el 1.59% de ellos se presentó en zona de amenaza alta.

ZONA

CONTEO

Alta

1

Baja

2

Muy baja

5

Sin amenaza

59

Anexo 7: Estadísticos de la variable viviendas destruidas

Valor mínimo

0

1° Cuartil

0

Mediana

17,76

Media

2

3° Cuartil

2

Valor máximo 650 Varianza

7250.639

87

Anexo 8: Tabla de frecuencias y proporción según viviendas destruidas

En el 59.70% de los incendios no se produjo destrucción de viviendas, los casos con 80 o más viviendas destruidas representan el 6% del total, la distribución de esta variable presenta asimetría con sesgo a derecha.

FREC

PROP

0

40

59,70%

1

8

11,90%

2

4

6,00%

3

2

3,00%

4

1

1,50%

6

2

3,00%

11

1

1,50%

12

1

1,50%

15

3

4,50%

22

1

1,50%

80

1

1,50%

82

1

1,50%

250

1

1,50%

650

1

1,50%

VIVIENDAS DEST

88

Valor mínimo

0

1 Cuartil

0

Mediana

1

Media

10,18

3 Cuartil

1

Valor máximo 300 Varianza

2627.24

Estadísticos de la variable

Boxplot de viviendas afectadas

viviendas afectadas

Anexo 9: Tabla de frecuencias y proporción según viviendas afectadas

En el 40.30% de los incendios se afectó 1 vivienda, en el 35.8% no se afectaron viviendas, el 3% de los casos se afectaron 300 viviendas, al igual que en la variable viviendas destruidas la distribución de esta variable presenta asimetría con sesgo a derecha.

89

VIVIENDAS AFEC

FREC

PROP

0

24

35,80%

1

27

40,30%

2

8

11,90%

4

2

3,00%

6

1

1,50%

7

1

1,50%

8

1

1,50%

10

1

1,50%

300

2

3,00%

90

Anexo 10: Tabla cruzada de las variables uso de la construcción vs causa En construcciones de uso residencial el valor más frecuente es desconocer la causa del incendio, seguido de error humano y corto circuito, para el uso bodega se desconoce la causa en todos los casos, el incendio en la construcción de uso institucional fue causado por de error humano.

Lo más frecuente en los reportes es desconocer la causa del incendio, clasificados en orden descendente según el uso corresponde a uso residencial, comercial, industrial y

Corto circuito

Desconocida

Error humano

Escape de gas

Explosión

Otra causa

Veladora o corto

Vendaval

Total x uso

bodega.

Bodega

0

4

0

0

0

0

0

0

4

Comercial

2

8

0

0

0

1

0

1

12

Industrial

1

6

3

0

2

0

0

2

14

Institucional

0

0

1

0

0

0

0

0

1

Parqueadero

0

1

0

0

0

0

0

0

1

Resid_comercial

0

0

0

0

0

0

0

1

1

Residencial

5

16

6

1

1

0

1

1

31

Sin información

0

1

1

0

0

0

0

1

3

Total por causa

8

36

11

1

3

1

1

6

67

91

Anexo 11: Tabla cruzada de las variables uso de la construcción vs uso del suelo Las construcciones de uso residencial que reportaron incendios se encontraban en zonas con uso de suelo residencial predominante en 15 de los 31 eventos, las construcciones de uso industrial que reportaron incendios se encontraban en zonas con uso de suelo centralidad con predominancia económica en 5 de los 14 eventos, las construcciones de uso comercial que reportaron incendios se encontraban en zonas con

Total x uso const

Resid pred

Esp pub proy

Esp pub exist

Cent pred econ

Act econ transf

Cent corr alta inten

Cent, dot aglom cial

uso de suelo centralidad con predominancia económica en 5 de los 12 eventos.

Bodega

0

1

0

2

0

0

1

4

Comercial

2

2

1

5

0

0

2

12

Industrial

4

4

1

5

0

0

0

14

Institucional

0

0

1

0

0

0

0

1

Parqueadero

1

0

0

0

0

0

0

1

Resid_comercial 0

0

0

0

0

0

1

1

Residencial

0

5

5

0

1

5

15

31

Sin información

0

1

0

1

0

0

1

3

7

13

8

13

1

5

20

67

Total x uso del suelo

92

Anexo 12: Tabla cruzada de las variables uso de la construcción vs zonas con condiciones de riesgo y de alto riesgo no mitigable

Para construcciones con uso residencial 25 de los 31 eventos se encontraban en zonas sin condiciones de riesgo; las construcciones con uso bodega, comercial, industrial, institucional, parqueadero y sin información del uso, en todos los casos estaban

Total x uso const

mov m

Zonas condic riesg

inund

Zona condic riesg

mit mov m

Zona alto riesg no

m

Sin riesgo

Zona alto riesg mov

ubicados

Bodega

4

0

0

0

0

4

Comercial

12

0

0

0

0

12

Industrial

14

0

0

0

0

14

Institucional

1

0

0

0

0

1

Parqueadero

1

0

0

0

0

1

Resid_comercial

0

0

0

0

1

1

Residencial

25

2

2

1

1

31

Sin información

3

0

0

0

0

3

2

2

1

2

67

Total x cond riesgo 60

93

Anexo 13: Tabla cruzada de las variables uso de la construcción vs amenaza por movimiento en masa

Las construcciones con uso residencial se encontraban en 19 de los 31 casos en zonas con amenaza baja por movimientos en masa, en 5 de los 67 eventos totales las construcciones se encontraban en zona de amenaza alta, clasificadas en orden descendente según uso corresponden a residencial y mixto; los restantes 62 eventos se presentaron en zonas de amenaza baja y muy baja para todos los usos.

Amen alta

Amen baja Amen muy baja

Total x uso

Bodega

0

2

2

4

Comercial

0

3

9

12

Industrial

0

2

12

14

Institucional

0

0

1

1

Parqueadero

0

0

1

1

Resid_comercial

1

0

0

1

Residencial

4

19

8

31

Sin información

0

2

1

3

Total x amen

mov 5

28

34

67

m

94

Anexo 14: Tabla cruzada de las variables uso de la construcción vs amenaza por inundaciones

Para construcciones de uso residencial 25 de los 31 eventos se encontraban en zona sin amenaza por inundaciones; 59 del total de eventos se encontraban en zona sin amenaza por inundación para todos los usos y solo 1 del total ocurrió en zona de amenaza alta y correspondía al uso residencial.

Muy

Total x uso

Alta

Baja

baja

Sin amenaza

const

Bodega

0

0

0

4

4

Comercial

0

0

0

12

12

Industrial

0

1

0

13

14

Institucional

0

0

0

1

1

Parqueadero

0

0

0

1

1

Resid_comercial

0

0

0

1

1

Residencial

1

1

4

25

31

Sin información

0

0

1

2

3

Total x amen inund 1

2

5

59

67

95

Anexo 15: Tabla cruzada de las variables causa vs uso del suelo Para eventos con causa desconocida los usos del suelo más frecuentes son centralidad con predominancia económica y residencial predominante que suman 18 de los 36 casos.

Para el suelo residencial predominante las causas en orden descendente son desconocida, error humano, vendaval, corto circuito y explosión.

En suelos con uso actividad económica de transformación las causas en orden descendente son desconocida, error humano, explosión y otra causa, los tres últimos

Total x causa

Resid pred

Esp pub proy

Esp pub exist

Cent pred econ

Act econ transf

Cent corr alta inten

Cent, dot aglom cial

con 1 evento cada uno.

Corto circuito

0

3

1

1

0

1

2

8

Desconocida

4

6

4

9

1

3

9

36

Error humano

1

1

2

2

0

1

4

11

Escape de gas

0

1

0

0

0

0

0

1

Explosión

1

0

1

0

0

0

1

3

Otra causa

1

0

0

0

0

0

0

1

Veladora o corto

0

1

0

0

0

0

0

1

Vendaval

0

1

0

1

0

0

4

6

13

8

13

1

5

20

67

Total x uso suelo 7

96

Anexo 16: Tabla cruzada de las variables causa vs condiciones de riesgo y de alto riesgo no mitigable

Para los eventos a los cuales se desconoce la causa 34 de los 36 se encontraban en zona sin riesgo.

Para las zonas sin riesgo 34 de los 60 casos son causa desconocida, 9 error humano,

Total x causa

mov m

Zonas condic riesg

inund

Zona condic riesg

mit mov m

Zona alto riesg no

m

Zona alto riesg mov

Sin riesgo

y 6 corto circuito, las demás causas presentan menor frecuencia.

Corto circuito

6

0

1

1

0

8

Desconocida

34

2

0

0

0

36

Error humano

9

0

1

0

1

11

Escape de gas

1

0

0

0

0

1

Explosión

3

0

0

0

0

3

Otra causa

1

0

0

0

0

1

Veladora o corto 1

0

0

0

0

1

Vendaval

0

0

0

1

6

2

2

1

2

67

Total

5

x cond

riesg y alto ries 60 no mit

97

Anexo 17: Tabla cruzada de las variables causa vs amenaza por movimiento en masa

Los eventos ubicados en zona de amenaza muy baja son los que presentan la mayor frecuencia, 34 del total, y clasificados por causa, los más frecuentes en orden descendente son los que corresponden a causa desconocida, le sigue error humano y corto circuito los demás representan menor proporción.

En zona de amenaza alta se encuentra 5 del total, clasificados por causa en orden descendente están error humano, corto circuito, desconocida, vendaval.

Amen alta

Amen baja

Amen muy baja

Total causa

Corto circuito

1

3

4

8

Desconocida

1

15

20

36

Error humano

2

4

5

11

Escape de gas

0

0

1

1

Explosión

0

1

2

3

Otra causa

0

0

1

1

Veladora o corto

0

1

0

1

Vendaval

1

4

1

6

Total x amen mov m

5

28

34

67

x

98

Anexo 18: Tabla cruzada de las variables amenaza por inundaciones vs causa El caso más frecuente son los eventos para los que se desconoce la causa y están ubicados en zona sin amenaza de inundación 32 de los 36 eventos.

Los eventos ocurridos en zonas sin amenaza corresponden a 59 del total y clasificados en orden descendente por causa son desconocida 32, corto circuito 8 y error humano 8, vendaval 5, en menor proporción están los demás tipos de causa.

Total

Alta

Baja

Muy baja

Sin amenaza

Corto circuito

0

0

0

8

8

Desconocida

1

0

3

32

36

Error humano

0

1

2

8

11

Escape de gas

0

0

0

1

1

Explosión

0

0

0

3

3

Otra causa

0

0

0

1

1

Veladora o corto

0

0

0

1

1

Vendaval

0

1

0

5

6

1

2

5

59

67

Total inund

x

amen

causa

x

99

Anexo 19: Tabla cruzada de las variables uso de la construcción vs viviendas destruidas

Los eventos con mayor cantidad de viviendas destruidas corresponden a construcciones con uso residencial; en 40 eventos del total no se presentaron viviendas destruidas, clasificados en orden descendente según su uso están residencial 13, industrial 11, comercial 8, bodega 4, los demás usos presentan menor frecuencia.

En los eventos ocurridos en construcciones con uso institucional y parqueadero no se destruyeron viviendas; el evento en la construcción de uso residencial / comercial destruyó 3 viviendas.

Cantidad de viviendas destruidas Total x uso 0

1 2 3 4 6 11 12

15

22

80

82

250

650

const

Bodega

4

0 0 0 0 0 0

0

0

0

0

0

0

0

4

Comercial

8

3 0 0 0 0 0

0

1

0

0

0

0

0

12

Industrial

11

1 2 0 0 0 0

0

0

0

0

0

0

0

14

Institucional

1

0 0 0 0 0 0

0

0

0

0

0

0

0

1

Parqueadero

1

0 0 0 0 0 0

0

0

0

0

0

0

0

1

Resid_comerc

0

0 0 1 0 0 0

0

0

0

0

0

0

0

1

Residencial

13

4 1 1 1 2 1

1

2

1

1

1

1

1

31

0 1 0 0 0 0

0

0

0

0

0

0

0

3

8 4 2 1 2 1

1

3

1

1

1

1

1

67

Sin información 2 Total dest

x

viv 40

100

Anexo 20: Tabla cruzada de las variables uso de la construcción vs viviendas afectadas

Los eventos donde se afectaron mayor cantidad de viviendas corresponden al uso residencial, de igual forma el uso comercial presenta un evento donde se afectaron 300 viviendas; por el contrario, para el uso industrial 11 de los 14 ocurridos en este uso afectaron solo 1 vivienda, un evento afectó 2 y en dos eventos no se afectaron viviendas.

Viviendas afectadas 0

1

2 4 6 7 8 10

300

Total x uso const

Bodega

0

4

0 0 0 0 0 0

0

4

Comercial

3

5

1 2 0 0 0 0

1

12

Industrial

2

11

1 0 0 0 0 0

0

14

Institucional

0

1

0 0 0 0 0 0

0

1

Parqueadero

0

1

0 0 0 0 0 0

0

1

Resid_comercial

0

0

0 0 0 0 0 1

0

1

Residencial

18

4

6 0 1 1 0 0

1

31

Sin información

1

1

0 0 0 0 1 0

0

3

Total x viv afect

24

27

8 2 1 1 1 1

2

67

101

Anexo 21: Tabla cruzada de las variables causa vs viviendas destruidas

Los eventos más frecuentes son aquellos en los que se desconoce la causa del incendio y no se destruyen viviendas; Para el incendio donde se destruyeron 650 viviendas se desconoce la causa, el evento donde se destruyeron 250 viviendas la causa fue un error humano. En general los eventos donde se destruyeron mayor cantidad de viviendas la causa se desconoce.

Cantidad de viviendas destruidas Total x 0

1 2 3 4 6 11 12 15 22 80 82 250

650

causa

Corto circuito

4

3 0 0 0 0 1

0

0

0

0

0

0

0

8

Desconocida

23 5 1 0 0 1 0

1

2

1

0

1

0

1

36

Error humano

5

0 2 1 1 1 0

0

0

0

0

0

1

0

11

Escape de gas

1

0 0 0 0 0 0

0

0

0

0

0

0

0

1

Explosión

3

0 0 0 0 0 0

0

0

0

0

0

0

0

3

Otra causa

1

0 0 0 0 0 0

0

0

0

0

0

0

0

1

Veladora o corto 1

0 0 0 0 0 0

0

0

0

0

0

0

0

1

Vendaval

0 1 1 0 0 0

0

1

0

1

0

0

0

6

Total x viv dest 40 8 4 2 1 2 1

1

3

1

1

1

1

1

67

2

102

Anexo 22: Tabla cruzada de las variables causa vs viviendas afectadas Los eventos más frecuentes son los que afectaron 1 vivienda y su causa se desconoce, los eventos más frecuentes son los que afectan 1 vivienda, clasificados en orden descendente según su causa corresponden a: causa desconocida, error humano, corto circuito, vendaval y otra causa.

Existen dos eventos en los cuales se afectaron 300 viviendas, causa corto circuito para uno y error humano en el otro.

Viviendas afectadas Total 0

1

2 4 6 7 8 10

300

causa

Corto circuito

2

2

2 0 0 1 0 0

1

8

Desconocida

13

16

3 2 1 0 1 0

0

36

Error humano

5

4

1 0 0 0 0 0

1

11

Escape de gas 1

0

0 0 0 0 0 0

0

1

Explosión

0

2

1 0 0 0 0 0

0

3

Otra causa

0

1

0 0 0 0 0 0

0

1

corto

0

0

1 0 0 0 0 0

0

1

Vendaval

3

2

0 0 0 0 0 1

0

6

27

8 2 1 1 1 1

2

67

Veladora

o

Total x viv afect 24

x