104109

Master Thesis 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 Universidad de Salzburg

Análisis espacial del robo de motores fuera de borda a pescadores artesanales en los espacios acuáticos de Ecuador Spatial analysis of the theft of outboard engines of fishing boats in the coastal waters of Ecuador by/por

Ing. Wilmer Adrián Suárez Vaca 01423653 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc

Guayaquil-Ecuador, Enero 2018

Compromiso de Ciencia

Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

Guayaquil, 09 de enero 2018.

(Lugar, Fecha)

----------------------------------------------(Firma)

Dedicatoria A mi madre quien con su abnegación y constante amor nunca me ha dejado desprotegido en ningún momento de mi vida, a la que el día de hoy le ofrezco este pequeño esfuerzo en agradecimiento en haberme dado la vida y formado en quien ahora soy.

5

Agradecimientos

A la Dirección Nacional de los Espacios Acuáticos y en especial a todos los señores oficiales y tripulantes que conformaron el Departamento de Inteligencia por la colaboración en la obtención de información relevante para el presente estudio, el mismo que intenta apoyar en la loable labor que la Armada del Ecuador cumple al bridar seguridad dentro de los espacios acuáticos. A Viviana mi esposa que fue la piedra angular en la culminación de este periplo educativo en el cual se inmiscuyo con grandes aportes profesionales. A mis hermanos y amigos que supieron darme palabras de aliento y motivación para seguir día a día en el largo trajinar académico. Finalmente quiero agradecer a Karl por ese apoyo incondicional en el desarrollo de este proyecto en el cual ha aportado con su experiencia y predisposición.

Un mar en calma nunca hizo un marinero experto. (Anónimo)

6

Resumen El uso de sistemas de información geográfica (SIG) en el análisis de los delitos se ha convertido en una herramienta fundamental que permite prevenir y reducir el impacto de esta actividad dentro de la sociedad. De esta manera, la delincuencia dentro de los espacios marítimos ecuatorianos en los años 2015-2016 registro un total de 497 denuncias de robos de motores a embarcaciones de tipo artesanal, motivo por el cual dentro del presente estudio se utilizó las metodologías de los SIG para buscar respuestas a este proceso delictivo. Con el fin de cumplir este objetivo, primeramente se usó la regresión geográficamente ponderada (RPG) la cual estableció un R2 cercano al 99% de predicción de robos de motores por medio de las variables escogidas para este efecto. Seguidamente con el análisis de Índice de Moran se determinó que existe una probabilidad menor del 1% de que los robos fueron ejecutados al azar. Finalmente con la metodología Getis-Ord se obtuvieron áreas de puntos calientes ubicados en las zonas norte y sur de los espacios acuáticos jurisdiccionales estableciendo así que en mencionadas zonas son donde se ejecutaron la mayor cantidad de robo de motores durante el periodo de estudio.

Palabras clave: Robo de motores fuera de borda, análisis espacial, Regresión ponderada Geográficamente (RPG), Puntos Calientes.

7

Abstract The use of Geographic Information Systems (GIS) within crime analysis has become a fundamental approach to identify and prevent illegal practices and reduce their impact to society. This thesis investigates how GIS can be used to identify the theft of outboard engines of fishing boats in the coastal waters of Ecuador, where a total of 497 incidents were registered in the years 2015 and 2016. In order to fulfill this objective, different geostatistical methods were applied to this dataset. First, a Geographically Weighted Regression (GWR) showed an R2 close to 99% of engine theft prediction by means of the variables chosen for this purpose. Secondly, a Moran I index analysis determined a probability of less than 1% that robberies were executed at random way. And finally the Getis-Ord methodology identified areas of hot spots of incidents located in the north and south of Ecuadorian coastal waters during the study period.

Keywords: Theft of outboard motors, spatial analysis, Geographically Weighted Regression (GRW), Hot Spot.

8

Tabla de contenido 1 Introducción ............................................................................................................................ 14

2

1.1

Antecedentes ......................................................................................................... 14

1.2

Objetivo General ................................................................................................... 16

1.3

Objetivos Específicos............................................................................................ 16

1.4

Pregunta de Investigación ..................................................................................... 16

1.5

Hipótesis ............................................................................................................... 17

1.6

Justificación .......................................................................................................... 17

1.7

Alcance.................................................................................................................. 18

Revisión de Literatura ........................................................................................................ 20 2.1

Sistemas de Información Geográfica y Análisis del Delito .................................. 20

2.2

Metodologías SIG para el análisis del delito ........................................................ 26

2.2.1

Métodos de evaluación preliminar estadística de delitos .............................. 28

2.2.2

Métodos de mapeo de delitos ........................................................................ 31

2.2.3

Métodos de modelado de relaciones espaciales del delito ............................ 35

2.3

3

4

5

Delitos en los Espacios Acuáticos de Ecuador ..................................................... 39

Metodología ....................................................................................................................... 43 3.1

Área de Estudio ..................................................................................................... 43

3.2

Fuente de Datos..................................................................................................... 51

3.3

Flujograma de Trabajo .......................................................................................... 53

3.4

Estandarización de la Información........................................................................ 55

3.5

Cálculo de la Regresión Ponderada Geográficamente .......................................... 61

3.6

Cálculo de la Autocorrelación espacial (I de Moran global) ................................ 62

3.7

Cálculo de puntos calientes con la Metodología Getis-Ord.................................. 63

Resultados y Discusión ...................................................................................................... 64 4.1

Análisis de resultados de la Regresión Ponderada Geográficamente ................... 64

4.2

Análisis de resultados del índice I de Moran ........................................................ 77

4.3

Análisis de resultados de puntos calientes Gi* de Getis Ord ................................ 78

Conclusiones ...................................................................................................................... 82

9

6

Referencias bibliogrรกficas .................................................................................................. 83

10

Glosario AI

Aguas Interiores

APM

Autoridad de Policía Marítima

ARE

Armada del Ecuador

BID

Banco Interamericano de Desarrollo

CONVEMAR

Convención de las Naciones Unidas sobre el Derecho del Mar

CPM

Código de Policía Marítimo

DIRNEA

Dirección Nacional de los Espacios Acuáticos

FLACSO

Facultad Latinoamericana de Ciencias Sociales

GIS

Geographic Information Systems

GPS

Sistema de Posicionamiento Global

GRW

Geographically Weighted Regression

IACA

International Association of Crime Analysts

IDW

Inverse Distance Weighting

INOCAR

Instituto Oceanográfico de la Armada del Ecuador

MAPS

Mapping and Analysis for Public Safety

MT

Mar Territorial

NIJ

National Institute of Justice

NNI

Nearest Neighbor Index

OLS

Ordinary Least Squares

ONU

Organización de las Naciones Unidas

PC

Placa Continental

RPG

Regresión Ponderada Geográficamente

SIG

Sistemas de Información Geográfico

SIMO

Security Monitor

SRTM

Shuttle Radar Topography Mission

STAC

The Spatial and Temporal Analysis of Crime

UNESCO

United Nations Educational, Scientific and Cultural Organization

UNITAR

United Nations Institute for Training and Research

11

UNODC

United Nations Office on Drugs and Crime

UNOSAT

United Nations Operational Satellite

USA

United States of America

UTM

Universal Transversal de Mercator

WGS

World Geodetic System

ZC

Zona Contigua

ZEE

Zona Econรณmica Exclusiva

12

Lista de figuras Figura 1. Intersección de áreas de estudio para generar Mapas del Crimen ...................... 22 Figura 2. Portal web de denuncias de delitos en la Ciudad de México .............................. 23 Figura 3. Relación del mapa de crímenes con el análisis de la delincuencia ..................... 24 Figura 4. Metodología de análisis del delito ...................................................................... 27 Figura 5. Cálculo de Índice de Moran ................................................................................ 30 Figura 6. Cálculo de indicador Getis-Ord .......................................................................... 33 Figura 3. Variable de la Regresión Ponderada Geográficamente ....................................... 36 Figura 4. Modelo de Regresión Ponderada Geográficamente ............................................ 37 Figura 7. Áreas de Jurisdicción de las Capitanías de Puerto .............................................. 45 Figura 8. Espacios Marítimos de acuerdo a la CONVEMAR ............................................ 46 Figura 9. Espacios Marítimos de acuerdo a la CONVEMAR en Ecuador ......................... 48 Figura 10. Áreas para análisis de robo de motores............................................................. 50 Figura 11. Ubicación Geográfica de las Capitanías de Puertos .......................................... 52 Figura 12. Flujograma de trabajo ....................................................................................... 54 Figura 13. Georeferenciación robos de motores fuera de borda año 2015-2016. ............. 58 Figura 14. Proceso de unión entre datos de cobertura puntos y datos de cobertura polígono para crear áreas de análisis. ................................................................................................. 59 Figura 15. Número total de denuncias de robos por áreas establecidas para el análisis espacial ................................................................................................................................ 60 Figura 16. Configuración de herramienta GRW en ArcGis ............................................... 62 Figura 17. Herramienta para el cálculo de Autocorrelación I de Moran ............................ 62 Figura 18. Herramienta para el cálculo de hot spot ............................................................ 63 Figura 19. Mapa de coeficiente de Denuncias de Robos.................................................... 66 Figura 20. Mapa de coeficiente de Zarpe ........................................................................... 68 Figura 21. Mapa de coeficiente de Dispositivo de Monitoreo GPS ................................... 70 Figura 22. Mapa de coeficiente de Nivel de Dificultad...................................................... 72 Figura 23. Mapa de coeficiente de R2 Local ...................................................................... 74 Figura 24. Mapa de coeficiente de Predicción ................................................................... 76 Figura 25. Resultado de cálculo de Índice de Moran ......................................................... 77 Figura 26. Mapa de Hot Spot de robo de motores fuera de borda dentro de los espacios acuáticos de Ecuador 2015-2016 ......................................................................................... 81

13

Lista de tablas Tabla 1. Campos de datos de las denuncias de robo de motores de borda. ........................ 56 Tabla 2. Campos de datos usados para el anรกlisis espacial ................................................ 57 Tabla 3. Anรกlisis de la Regresiรณn Ponderada Geogrรกficamente ......................................... 73

14

1 Introducción 1.1 Antecedentes Desde el principio de los tiempos ha existido la necesidad de representar la información geográfica, ya fuera simplemente para definir la localización de determinados puntos de interés, tales como ciudades y fuentes de recursos, o para permitir la navegaci ón y la apertura de las rutas comerciales marítimas. (García, 2012) De igual manera, todas las actividades delictivas están vinculadas a espacios geográficos, los cuales debe representados por medio de variables que permitan entender el comportamiento geográfico de este fenómeno (Marchione & Johnson, 2013).

Como afirma Anguix (2014) tradicionalmente, el estudio del crimen y la delincuencia ha sido abordado por disciplinas como la Psicología o la Sociología aunque los cuerpos policiales siempre habían reconocido la importancia del componente geográfico del crimen.

Es así que nuevas técnicas para el análisis del delito, como la identificación de pautas y concentraciones del crimen, la exploración de las relaciones entre el crimen y determinadas características ambientales, socioeconómicas o demográficas, y técnicas para evaluar la eficacia de las actuaciones policiales y los programas de reducción y prevención del crimen y la delincuencia en áreas geográficas concretas (Chainey & Ratcliffe, 2005).

Los Sistemas de Información Geográfica (SIG) originariamente fueron usados en la temática del análisis de los usos del suelo en Inglaterra y Canadá (Harries, 1999), seguidamente con el pasar del tiempo estos sistemas bajarían su costo económico pudiendo así las diferentes entidades encargadas de la seguridad adoptarlos para usarlos en análisis del crimen.

15

Ante este escenario, dentro de las últimas décadas, se ha incrementado el interés de la sociedad en general por la seguridad, permitiendo de esta forma que la geografía aplicada a la gestión policial sea un campo de amplia proyección, en donde se ha vinculado las herramientas que proporcionan los SIG para realizar análisis espacio-temporales de actividades delictivas, permitiendo de esta forma plantear estrategias de prevención frente a estas actividades antisociales. (Salfranca & Rodríguez, 2014) De esta manera; se puede evidenciar que las actividades delictivas son un problema social que ataca en todo el mundo y no siendo la excepción el Ecuador, en donde el aumento del robo de motores fuera de borda a pescadores artesanales dentro de los espacios acuáticos hace fundamental la necesidad de implementar metodologías y herramientas SIG que apoyen a la gestión de la Armada del Ecuador en sus tareas de control y vigilancia como Autoridad de Policía Marítima (APM).

Por todo lo antes expuesto, el presente estudio tiene la finalidad de aplicar técnicas de análisis geoestadístico, para identificar los patrones espacio-temporales del robo de motores fuera de borda a pescadores artesanales apoyando de esta manera al control y vigilancia dentro de los espacios acuáticos ecuatorianos.

16

1.2 Objetivo General Generar el análisis espacial del robo de motores fuera de borda a pescadores artesanales en los espacios acuáticos de Ecuador.

1.3 Objetivos Específicos a) Estandarizar la información de las denuncias de robos de motores fuera de borda de acuerdo a estándares establecidos por la Autoridad de Policía Marítima del Ecuador. b) Aplicar un análisis de regresión ponderada geográficamente con la información georeferenciada del robo de motores fuera de borda para obtener un mapa que muestre este delito en base a variables dependientes. c) Definir los Hot-spots de robos de motores fuera de borda en los espacios acuáticos del Ecuador mediante la aplicación de los métodos Getis-Ord y la estimación del índice I de Moran. d) Crear áreas optimizadas para las operaciones de control y vigilancia que ejecuta la Autoridad de Policía Marítima del Ecuador. e) Generar cartografía temática del robo de motores fuera de borda a pescadores artesanales dentro de los espacios acuáticos del Ecuador.

1.4 Pregunta de Investigación ¿Cuál modelo de regresión ponderada geográficamente permitirá obtener un mapa que muestre el robo de motores fuera de borda dentro de los espacios acuáticos en base a las variables independientes de este delito? ¿Cuál de los métodos de obtención de Hot-spots Getis-Ord o la estimación de índice I de Moran presentan mejores resultados para describir el robo de motores fuera de borda en los espacios acuáticos del Ecuador? ¿Cuáles son las áreas óptimas que la Autoridad de Policía Marítima del Ecuador debe incluir en sus patrullajes para reducir y neutralizar el robo de motores fuera de borda a pescadores artesanales dentro de los espacios acuáticos?

17

1.5 Hipótesis Es posible establecer áreas donde se debe incrementar el control y vigilancia de los espacios acuáticos del Ecuador con él con el fin de reducir y neutralizar los robos de motores fuera de borda a pescadores artesanales utilizando un análisis regresión ponderada geográfica y los análisis Getis-Ord y la estimación de índice I de Moran.

1.6 Justificación La aplicación tardía en el Ecuador de los SIG a multitud de disciplinas y al análisis del crimen en particular, ha creado un desconocimiento del potencial de estas herramientas en el análisis, predicción y prevención del fenómeno criminal.

Así pues, el presente trabajo se ha concebido como una herramienta que sirva para cubrir dicha necesidad, demostrando la utilidad de los SIG aplicados al análisis criminal a través de un repaso por la historia de la geografía del crimen, la evaluación de la situación actual, la aplicación de una metodología de análisis concreta basada en diferentes técnicas, y el desarrollo, implementación y evaluación de estrategias dirigidas a la reducción y prevención del fenómeno criminal (García, 2012).

Por lo cual, el análisis del crimen hace referencia al conjunto de procesos sistemáticos y analíticos que proporcionan información pertinente sobre las pautas y correlaciones del crimen, para asistir al personal operativo y administrativo en la implementación de recursos para la prevención y reducción de las actividades delictivas, para ayudar en el proceso de investigación, y para aumentar el esclarecimiento de los casos (Boba, 2005).

La Autoridad de Policía Marítima tiene como una de sus tareas principales prevenir y reducir las actividades ilícitas dentro de los espacios acuáticos, de tal forma que se pueda establecer áreas marítimas seguras, razón por lo cual el procesamiento y análisis de información sobre ocurrencia de delitos constituye un elemento fundamental para la planificación y empleo recursos en el cumplimiento de esta tarea.

18

Se debe resaltar que uno de los delitos más comunes dentro del área marítima es el robo de motores fuera de borda a los pescadores artesanales, el mismo que se comete cuando estos se encuentran ejecutando sus faenas de pesca (Dirnea, 2013).

Es así que, con la finalidad de mejorar el proceso de análisis de este tipo de delito, se debe implementar el uso de técnicas de análisis geoestadísticos las cuales permitirán encontrar patrones espaciales del delito para de esta forma poder identificar hacia dónde (espacio marítimo) y en qué momento se deben orientar los patrullajes en el área marítima.

1.7 Alcance La Armada del Ecuador a través de la Dirección Nacional de Espacios Acuáticos (Autoridad de Policía Marítima), es la encargada de velar por la seguridad de la gente de mar y de las embarcaciones que navegan dentro de los espacios acuáticos jurisdiccionales.

Por lo cual, el presente estudio, tiene la finalidad aplicar técnicas de geoestadística y SIG para apoyar al control y neutralización del delito de robo de motores fuera de borda dentro del área de responsabilidad.

Para este efecto, se usarán los métodos Getis-Ord y la estimación del índice I de Moran para encontrar las posibles áreas donde se comente este delito y adicionalmente se aplicará una regresión ponderada geográficamente con las variables dependientes inmersas en el robo de motores, las cuales permitirán comprender el comportamiento del ilícito.

Con estos análisis y la cartografía generada la Armada del Ecuador podrá mejorar el control y vigilancia de los espacios acuático, con el fin de reducir y neutralizar el cometimiento de este delito. De esta manera, los beneficiarios directos serán la gente de mar que se dedica a la pesca artesanal dentro de las aguas jurisdiccionales ecuatorianas.

En lo relacionado con la escala y límites espaciales de la presente investigación, estos estarán delimitados por toda el área marítima que corresponde al estado ecuatoriano de acuerdo a lo establecido por la Convención de las Naciones Unidas sobre el Derecho del Mar de 1982 (CONVEMAR).

Finalmente, se debe indicar que dentro de este estudio no se podrá determinarán los motivos del cometiendo del robo de motores fuera de borda a los pescadores artesanales,

19

ya que para esto se necesita un anรกlisis profundo de los componentes econรณmicos y sociales de la realidad nacional de Ecuador en el รกrea costera, lo que lleva inmerso un anรกlisis psicosocial, que no es motivo del presente trabajo de investigaciรณn.

20

2

Revisión de Literatura

En el siguiente capítulo, la revisión de literatura, presenta como los sistemas de información geográficos (SIG) son usados por cuerpos policiales y la comunidad en general para el análisis e interpretación de las actividades delictivas. Para este fin, se han desarrollado métodos y herramientas de análisis espacial que permiten mejorar los niveles de control y prevención del fenómeno delictivo dentro de la sociedad.

2.1 Sistemas de Información Geográfica y Análisis del Delito Los SIG originalmente fueron usados en el análisis de suelos en países como Inglaterra y Canadá en la década de 1970 (Harries, 1999). Posteriormente, entre las décadas de 1980 y 1990, esta herramienta fue adoptada por los cuerpos policiales de países que buscaban mejorar el análisis de delitos en zonas críticas generando técnicas de análisis para la reducción de los índices delictivos en base a variables espacio temporales (Chainey & Ratcliffe, 2005).

De esta forma, el uso de los SIG en el análisis, control y prevención de actividades delictivas se desarrolló a lo largo de los años en diferentes países, logrando de esta manera la generación de un sin número de aplicaciones y casos de estudio, de los cuales a continuación se pueden citar algunos de los ejemplos más relevantes.

Hoy en día, después de la gran evolución que han sufrido los SIG y las actividades delictivas alrededor del mundo, se puede destacar la metodología de análisis delincuencial llamada Mapping and Analysis for Public Safety (MAPS) desarrollada por el National Institute of Justice (NIJ) de Estados Unidos en el año de 1997 (NIJ, 2017). El desarrollo de menciona metodología promovió varias publicaciones en el área de análisis de delito, las cuales fueron base fundamental para el desarrollo del análisis delictivo en otros países del mundo. Como consecuencia de esto se logró que el uso de SIG sea reconocido como una herramienta indispensable en la prevención y reducción de delitos (Osborne & Wernicke, 2003).

21

Por otro lado, en el estudio realizado por Stangeland & Santos en el año 2004 sobre el uso de datos relacionados a denuncias de robos y llamadas de a la policía de Málaga, España usando herramientas SIG se generó mapas de delitos y puntos de conflicto donde se determinó que existían diez veces más delitos por kilómetro cuadrado en el centro de la ciudad que en las periferias de las misma, mostrando de esta manera la distribución espacial de la actividad delictiva dentro de esta urbe. De la misma forma, en el año 2007 con el apoyo de herramientas cartográficas se generó un atlas de seguridad para la Ciudad de Madrid el mismo que contó con la colaboración de instituciones educativas de alto nivel, dando así una visión espacial de un tema que preocupa a la sociedad en general y como este está siendo combatido por las autoridades de control (Sanz, 2007).

De igual manera, el Servicio de Inteligencia Criminal de Austria geo-codifica la localización de los crímenes que se reportan en Austria, por medio de un sistema de información geográfico el cual está vinculado a una base de datos de delitos llamada Security Monitor (SIMO), la misma que posibilita la visualización de información de delitos en una cartografía a escala catastral de 1:5000 y 1:1000 (Kounadi et al., 2013).

En la misma línea de aplicación de SIG para análisis de delitos, la División de GIS del Departamento de Justicia de USA ha desarrollado el sistema RCAGIS, el cual permite realizar este tipo de análisis a nivel regional en donde este presenta las siguientes características: 

Análisis de crimen, consultas y reportes.



Consultas de incidentes



Generación de mapas para impresión



Interfaces para análisis estadístico externo



Análisis geográfica del datos históricos de crimen



Herramientas para vincular datos de recuperación de vehículos robados y la ubicación donde fueron encontrados (RCAGIS, 2017).

Por otra parte, “La asociación internacional del análisis del Crimen International” con sus siglas en inglés (IACA), ha desarrollado técnicas y metodologías que permiten evaluar y predecir el crimen, la misma con el fin de alcanzar este objetivo ha planteado los siguientes hitos a cumplir en análisis criminal:

22 

Técnicas apropiadas de procesamiento



Conocimiento en elaboración y análisis de cartografía



Acceso a internet



Capacidades para capacitación continua

Siendo los ítems nombrados anteriormente, una gran parte de todo el proceso conocido como análisis del crimen usando sistemas de información geográfica (IACA, 2012).

Todas estas iniciativas para plasmar la ubicación del crimen han hecho que la población en general tome conciencia de la importancia de realizar denuncias que identifiquen patrones delictivos que a la final ayudaran a los cuerpos policiales a mejorar la toma de decisiones en temas de seguridad (Goodchild, 1987).

Es así que los elementos computacionales, la geografía y la ciencia del crimen (Figura 1) han dado el nacimiento a una nueva área de estudio conocida como Mapas del Crimen, en donde mediante el uso de datos visuales y matemáticos se puede obtener información relevante en el campo de la criminología (Rocha, 2012).

Figura 1. Intersección de áreas de estudio para generar Mapas del Crimen Fuente: Rocha, 2012

En lo relacionado con las metodologías establecidas para el análisis del delito se puede mencionar lo establecido en el artículo de Ratcliffe (2007) donde se indica que los componentes temporales y espaciales de puntos calientes del delito, se usan para identificar

23

categorías y generar una matriz que puede ser usada en las estrategias de prevención criminal por parte de los cuerpos policiales.

El uso del sistema de posicionamiento global con sus siglas en ingles GPS como medio de captura y análisis de información de crímenes es una metodología que hoy en día la policía británica ha desarrollado usando un dispositivo móvil (Pocket PC) con GPS y un software GIS comercial propio del equipo, el mismo que sirve para registro de los delitos y toma de decisiones en campo; logrando así recuperar valiosa información de ubicación y dar soluciones más dinámicas a denuncias de delitos (Broadbent & Royles, 2010).

Por otro lado se debe resaltar que la visualización de los crímenes ha tenido gran desarrollo con los portales webs como es el caso del portal mostrado en la figura 2 Mapa delictivo (http://archivo.eluniversal.com.mx/graficos/graficosanimados10/EU_mapa/mapa.html)

el

cual permite ingresar información sobre actividades ilícitas en tiempo real dentro de la ciudad de México por parte de la población en general las mismas que sirve de aviso tanto a la ciudadanía como a la autoridad del orden (Universal, 2017).

Figura 2. Portal web de denuncias de delitos en la Ciudad de México Fuente: Universal, 2017

Por todo lo antes citado no se debe olvidar que el análisis del delito y la generación de cartografía con fines de control es un proceso conjunto en donde interviene factores externos como la estrategia, la táctica y la parte administrativa de los cuerpos policiales y

24

que al vincularse estos de forma adecuada permitirán que este tipo de análisis sea útil para la sociedad en general (Boba, 2005).

Figura 3. Relación del mapa de crímenes con el análisis de la delincuencia Fuente: Vázquez & Soto, 2013

De esta manera el análisis delictivo dentro de su ciclo de ejecución presenta limitaciones, desafíos, oportunidades y peligros, por lo cual es fundamental citar cada uno de ellos para de esta manera saber hacia dónde se pretende llegar con los resultados obtenidos y como estos tendrán impacto tanto en la sociedad como en las autoridades de control.

En lo relacionado con las limitaciones dentro del análisis delictivo se puede mencionar que la falta de información o información incompleta por parte de cuerpos policiales para análisis de los crímenes es un gran desafío dentro de la ejecución de este tipo de análisis juntamente con el acceso a información histórica relacionada con actividades delictivas (García, 2012).

De igual manera, la duplicidad de esfuerzos en la recopilación de información delincuencial por parte de organismos de control interno y el poco personal capacitado para generar análisis de crímenes son limitaciones con las que se debe lidiar al momento de ingresar en este campo de estudio (Rocha, 2012).

25

Por otro lado, existen grandes desafíos a los cuales el análisis del fenómeno delictivo se enfrenta dentro de los cuales se puede mencionar que se debe mejorar el acceso a la información de resultados de análisis de delitos a la población en general median el uso de intranet e internet, lo cual será posible una vez que el marco jurídico permite la institucionalización de sistemas de análisis de delitos a nivel de toma de decisi ones (Formosa & Formosa, 2012).

Así mismo, debe ser parte de los desafíos de esta temática, incrementar el personal y equipamiento de los cuerpos policiales en base a la información delictiva analizada (Seguridad Pública de México, 2017), para que de esta manera se pueda mejorar la supervisión y evaluación del control de los delitos, verificando así si las acciones de control tomadas está siendo efectivas o en su defecto si el fenómeno criminal se ha desplazado a otro área geográfica (Vázquez & Soto, 2013).

Además de lo indicado, se debe tomar en consideración los peligros existentes en la ejecución del análisis delincuencial tales como las fuentes poco confiables de datos, la precisión poco fiable de la información base usada (Vozmediano & San Juan, 2006) y la falta de interés en la generación de denuncias de crímenes por parte de la población afectada (CDEUNODC, 2017).

Adicionalmente, el uso comercial de los resultados de los análisis de delitos por parte de empresas que brindan seguridad privada con el fin de aprovechar la inseguridad de la zona y promocionar sus servicios también se manifiesta como un peligro para este tipo de análisis (Tello, 2007).

Sin embargo, todos los resultados obtenidos en el análisis del fenómeno criminal muestra varias oportunidades dentro de las cuales se resalta que permite optimizar los recursos policiales y toma de decisiones relacionadas con el control de actividades ilícitas ya que facilita encontrar grupos y áreas de la población vulnerable a sufrir hechos delictivos (Vázquez & Soto, 2013).

Por otro lado, se debe indicar la gran oportunidad que este tipo de análisis presenta en la generación de perfiles geográficos con los delitos relacionados para de esta forma determinar el área más probable de la residencia del autor del crimen (Vozmediano & Germán, 2011). Finalmente, los resultados obtenidos en este tipos de análisis deben ser una oportunidad para mejorar el proceso preventivo dentro de las zonas con mayor índice

26

delictivo, lo cual puede ser alcanzado por medio del trabajo comunitario con la población (Tello, 2007).

2.2 Metodologías SIG para el análisis del delito El análisis espacial es un compendio de técnicas cuyos resultados estarán en función de la ubicación espacial de los objetos a ser analizados; para un correcto análisis se deberá contar con los atributos y localización de cada uno de los objetos antes citados, siendo así fundamental escoger el método que sea el más adecuado para el mapeo de un delito (Goodchild, 1987).

Por lo antes citado entre los principales métodos usados para el análisis y mapeo de delitos se encuentran:

27

Figura 4. MetodologĂ­a de anĂĄlisis del delito Fuente: NIJ, 2005

28

2.2.1 Métodos de evaluación preliminar estadística de delitos

Existe un conjunto de pruebas estadísticas básicas que son usadas para obtener un conocimiento general del comportamiento del crimen y como este se presenta, por lo cual a continuación se citan las estimaciones más conocidas para este efecto: 

Centro Medio

El cálculo del punto de centro medio en el análisis de delitos suele ser aplicado como una medida para comparar la distribución espacial entre diferentes tipos de crímenes o a su vez para comparar el mismo crimen en diferentes periodos de tiempo (NIJ, 2005). 

Distancia de Desviación Estándar

La medida de la distancia estándar ayuda a comprender el nivel de dispersión de los datos relacionados con los delitos en un área determinada; por lo cual mientras más grande es la distancia de desviación estándar más dispersos serán los datos relacionados a las actividades delictivas (NIJ, 2005). 

Elipses de Desviación Estándar

Otra manera de determinar la dispersión de los datos al momento de analizar información vinculada con crímenes es la aplicación de la elipse de dispersión estándar en donde el tamaño y la forma de la elipse ayuda a explicar el grado de la dispersión; mientras que su alineación indica la orientación que toman los datos del crimen analizado. 

Evaluación de Cluster

Este tipo de análisis permite determinar si los datos relacionados con el cometimiento de algún delito en particular se encuentran agrupados o en su defecto presentan una distribución aleatoria. Uno de los métodos usados para este tipo de evaluación es Nearest Neighbor Index (NNI).

29 

Test de auto correlación Espacial

El test de auto correlación espacial evalúa si la distribución de los eventos delictivos están relacionados los unos con los otros, mostrando un auto correlación espacial positiva cuando los datos están agrupados o en su defecto los datos que están juntos tienen similares valores a aquellos que están más lejanos. Dentro de este tipo de análisis se puede mencionar el test de Moran’s I y Geary’s C Statistic (Sawada, 2017). 

Autocorrelación espacial (I de Moran global)

Mediante la aplicación de esta herramienta se puede medir la autocorrelación espacial de los datos a analizar, usando sus ubicaciones y los valores de las entidades presentes, actividad que es ejecutada simultáneamente. Es de esta forma, que se evalúa si los patrones presentes en los datos se presenta agrupados, aleatorios o dispersos, para de esta forma obtener el índice de Moran, la puntuación z y un valor p que permite evaluar la significancia del índice obtenido (ArcGis, 2016).

Es así, que el índice estadístico de Moran indica correlación espacial entre todas las unidades geográficas analizadas dentro de una muestra, por lo cual es considerado un indicar global, en donde los valores p obtenidos son las aproximaciones numéricas que se encuentra en el área bajo la curva de la distribución conocida (Aguayo & Medellín, 2014).

El mencionado índice se calcula de la siguiente forma:

30

Figura 5. Cálculo de Índice de Moran Fuente: Ordoñez et al., 2011

Los resultados obtenidos por medio de este tipo de índice varían entre - 1 y +1, en donde valores positivos bajos o altos muestran un conglomerado espacial de datos con valores de análisis similares, mientras que valores negativos indican un conglomerado espacial de datos con valores de análisis distintos. Para valores del I de Moran cercanos a cero se puede interpretar como falta de una relación espacial entre los valores analizados.

(Fuenzalida-Díaz, 2010) Para poder comprender la aplicación de este tipo de análisis en las actividades cotidianas es fundamental contar con ejemplos prácticos y conclusiones que permitan generar una visión más clara de donde y cuando se puede usar la autocorrelación espacial de Moran por lo cual a continuación se citan algunos ejemplos relacionados con este análisis espacial de crímenes.

La ciudad de México por un largo periodo de tiempo ha sido azotada por robos a sitios comerciales. Por esta razón, en el estudio de Denegri et. al (2014) buscó una respuesta a este fenómeno dando lugar a la generación de la prueba de autocorrelación espacial con los

31

datos de los robos, logrando así obtener un resultado de coeficiente I positivo de 0.06 (p> 0.001), el cual mostro la presencia de clusters en la información usada. Por otra parte, con el resultado antes citado se logró rechazar la hipótesis de aleatoriedad espacial de este delito dentro de la ciudad, es decir no es algo que ocurría al azar y esto permitió a la policía tener una guía para mejorar la seguridad en las zonas expuesta al análisis (Denegri et al., 2014).

De igual manera se puede citar el estudio realizado con los robos en los sectores urbanos de la ciudad de Quito, en donde se obtuvo un valor positivo de Índice de Moran de 0,647753 el cual mostro que estos delitos tiene dependencia espacial descartando la hipótesis de que la distribución de robos sea algo aleatorio y concluyendo que los datos analizados posee patrones geográficos no aleatorios (Coba & Balseca, 2015). 

Estadística C de Geary

Este método permite encontrar diferencias en datos no muy grandes, por lo cual es usado para analizar información a nivel de recintos o porciones de ciudad en donde se determina la desviación de los valores entre cada uno de los puntos evaluados obteniendo así un indicador de auto correlación (Levine, 2002).

2.2.2 Métodos de mapeo de delitos 

Mapeo de Puntos

Uno de los métodos más usados para el mapeo de delitos son los mapas de puntos ya que son una forma fácil de representar los eventos dentro de un mapa por medio de puntos los cuales muestran los acontecimientos criminales. Este método puede ser aplicado en papel como en formato digital danto una visión breve de lo que sucede dentro de una zona (Jefferis, 1999). 

Mapeo temático de límites geográficos

Este tipo de mapeo de delitos muestra distribuciones del delito por distritos o áreas políticas definidas por límites geográficos de una zona. Para lograr este objetivo se usan varias técnicas de representación cartográfica en donde se generan rangos con la distribución de los datos y de esta forma se generan mapas con colores graduados con lo

32

que se puede llegar a conocer a simple vista donde se contra la mayor cantidad de delitos (Harries, 1999). 

Cartografía temática cuadrática

Los limites o áreas políticas definidas suelen ser un problema al momento de analizar de forma puntual un delito, por lo cual se puede usar la metodología de la cartografía cuadrática, la cual permite generar cuadriculas de diferentes tamaños dentro de las zonas de análisis para posteriormente generar rangos de datos y colores con la información relacionada a un de crimen; lo cual permite tener una perspectiva de acuerdo al objetivo que se persigue. 

Indicadores Locales de asociación estadística espacial Getis-Ord

Cuando se ejecuta un análisis de patrones espaciales a puntos pertenecientes a un fenómeno cualquiera y se logra identificar la presencia de concentración de estos en un cantidad mayor a la que se podría encontrar en distribuciones aleatorias, se genera el interés de identificar con cuanta periodicidad, donde y con qué intensidad se da dicha concentración. En este afán inicia la labor de analizar las concentraciones o aglomerados (clusters) del conjunto de puntos (Getis & Ord, 1992).

A este tipo de análisis se lo conoce como análisis de clusters, en el cual trata de identificar la aparición de los llamados puntos calientes (hot-spots en bibliografía anglosajona) que son los lugares donde se identifica la mayor concentración de puntos comparada con una distribución aleatoria (IGN, 2012).

De esta manera se puede obtener un valor z que ayude a identificar cada punto y establecer si en su entorno se agrupan valores altos o bajos de un determinado atributo, como por ejemplo ver si existen agrupaciones de empresas con alto número de empleados o en su defecto con un número bajo de estos.

Para lograr mencionado propósito se establece la aplicación del indicador Getis-Ord, el mismo que ejecuta su cálculo a partir de los datos de puntos vecinos de esta manera si el valor del atributo de un punto es alto y los valores de sus vecinos también lo son, se puede identificar en esa área un punto caliente (Getis & Ord, 1995).

33

Para calcular el indicador Getis-Ord se debe obtener la suma local de un atributo y sus vecinos, seguidamente esta debe ser compara de forma proporcional con la suma de todos los atributos para finalmente comparar esta proporción con la esperada en una distribución aleatoria obteniendo así un valor de z estadísticamente significativo (ArcGis, 2016).

La fórmula del indicador Getis-Ord es la siguiente:

Figura 6. Cálculo de indicador Getis-Ord Fuente: Getis & Ord, 1995

Usando la prueba de Getis-Ord, dentro de la estado de Guerrero en México se pudo identificar puntos calientes y fríos en la distribución de las variable relacionadas con el crimen de esta manera una vez aplicado este análisis se pudo determinar que los municipios con presencia de Policía Comunitaria coinciden con aquellos que muestran un clúster de baja cantidad de organizaciones criminales (Sánchez, 2001). Según este estudio se logró estimar que los puntos menos críticos son aquellos en los que la comunidad forma parte de control. Por otro parte, las zonas como puntos calientes son áreas que el estado deberá dar mayor atención e intentar implementar las mismas iniciativas que en los municipios con menor cantidad de organizaciones criminales.

34

Otro ejemplo del uso de la metodología de Getis-Ord es el análisis espacial de los homicidios en Honduras entre los años 2010-2015, en donde se encontró que los puntos calientes han ido disminuyendo sustancialmente mientras que los puntos fríos han ido en aumento durante los últimos tres años del análisis (BID, 2017). Por otra parte, dentro del mismo estudio se particularizo el análisis en el año 2013 donde se logró obtener como resultado que los puntos calientes se ubicaron en la franja noreste de la frontera de Honduras y los puntos calientes en la zona sur del país De igual forma, la metodología de Getis-Ord fue aplicada para determinar las zonas con mayor cantidad de denuncias de delitos vía llamadas telefónicas, denuncias que fueron receptadas por el Sistema 911 en Guayaquil-Ecuador y que una vez analizadas mostraron que la mayor cantidad de delitos se cometían en los horarios de 16:00 a 24:00 ya que el estadístico Getis-Ord presento el valor más elevado (1.34) en este periodo de tiempo. Con este análisis la Policía Nacional del Ecuador pudo reforzar el nivel de seguridad en los horarios identificados principalmente en el centro de la ciudad de Guayaquil y el circuito de la zona Garay, áreas que fueron identificadas como puntos calientes en los horarios antes citados (Borbor, 2014).

Una de las metodologías que integran los análisis de I-Moran y la G de Getis-Ord es la ejecutada con los casos delictivos en Bolivia entre los años 2001-2009, en donde estos estadísticos fueron aplicados a las variables delictivas con el fin de encontrar o no dependencia espacial entre las diferentes zonas geográficas. Para este caso de estudio el índice de Moran mostro que los delitos en contra de la integridad de la población, el hurto, robo y violación tiene una autocorrelación negativa mientras que el estadístico G de Getis Ord mostró que existen áreas con valores altos, los cuales se encuentran agrupados, dando lugar de esta forma a rechazar la hipótesis de una distribución aleatoria (Celis et al., 2012). 

Elipses espaciales

Este tipo de método crea elipses de desviación estándar alrededor de los eventos delictivos agrupados, logrando de esta forma identificar puntos calientes en las zonas de crímenes.

Cabe mencionar que este método ha sido ampliamente usado por medio del software STAC (The Spatial and Temporal Analysis of Crime) el cual es distribuido por Illinois Criminal Justice Information Authority.

35

Otros tipo de métodos relacionados con la estimación de elipses espaciales son Hierarchical clustering y K-means clustering (Levine, 2002). 

Interpolación de superficies

La interpolación de superficies es una técnica que actualmente se ha popularizado por su capacidad de visualizar la distribución del crimen e identificar de primera mano las zonas con mayor grado de delitos en un solo pantallazo. De esta manera, este tipo de método agrupa puntos con un radio específico para crear una superficie continua que representa la densidad o volumen de un crimen analizado.

Los métodos más conocidos en interpolación de crímenes son ponderación de distancia inversa con sus siglas en inglés (IDW), triangulación con suavizado, Kriging, Quartic kernel density estimation. Escoger que tipo de método a usar dependerá del resultado que se desee obtener y este a su vez puede ser comparado entre los métodos para de esta formar estimar el método que mejor describe el fenómeno delictivo analizado (McGuire & Williamson, 1999).

2.2.3 Métodos de modelado de relaciones espaciales del delito Para poder establecer un modelado de los delitos se puede hablar de las herramientas que presenta la regresión de datos espaciales, las cuales permiten modelar, predecir y explicar fenómenos complejos como lo es la actividad criminal dentro de un territorio.

Adicionalmente, estas permiten responder la pregunta de porque existe en ciertas áreas alto índice de robos, permitiendo de esta manera establecer estrategias para enfrentar y prevenir delitos en base a datos analizados (ArcGis, 2017).

De esta manera se puede mencionar los siguientes métodos relacionados al modelado a través de regresiones: 

Modelo de Regresión Lineal Múltiple (OLS)

Este tipo de regresión es una de las técnicas de análisis de datos más usada, ya que permite explorar de manera inicial las relaciones espaciales que presentan los datos. Es así que la regresión OLS permite prever de manera global donde podría suscitarse un evento delictivo en base a las relaciones que los datos analizados muestren, creando para tal efecto

36

una ecuación simple que describe como la actividad criminal se representa en un espacio establecido (Mitchell, 2005). 

Regresión Ponderada Geográficamente

El objetivo del análisis de regresión ponderada geográficamente (RPG) es usar variables explicativas de un fenómeno en particular, para en base a estas, generar un modelo local, lo cual se diferencia de otro tipo de regresiones que permiten obtener un modelo global (Wheeler & Tiefelsdorf, 2005; Duque et al, 2011; Chen et al, 2012).

La RPG permite encontrar las variaciones de los procesos que se analizan en el espacio por medio de la relación espacial entre la variable dependiente y las variables independientes o explicativas (Figura 3). Por lo cual esta metodología ha sido usada para encontrar patrones espaciales en diversos fenómenos como deforestación, delincuencia, entre otros. (Clement et al., 2009; Cahill & Mulligan, 2007)

Figura 7. Variable de la Regresión Ponderada Geográficamente Fuente: ArcGis, 2016

Las variables dependientes dentro del análisis de RPG son analizadas de tan forma que se genera una ecuación para cada una de ellas, en donde la relación entre estas estará condicionada por la ubicación espacial que tomen. Además, se debe tomar en cuenta que la ponderación ejecutada dentro de este análisis usa un esquema llamado kernel, el cual se basa en distancia de análisis o en el número de datos vecinos (Charlton & Fotheringham, 2009).

37

De esta forma, este tipo de regresión tiene como finalidad el analizar la no estacionalidad de los datos, lo cual permite la estimación de los parámetros locales y verificar si estos a su vez presentan una asociación entre las variables de manera constante en toda la región analizada o en su defecto se puede encontrar variaciones por zonas, con lo que se puede determinar si las variables usadas dentro del análisis representa al fenómeno en estudio (Sánchez L. , 2006).

A continuación se muestra el modelo de regresión lineal simple la cual se expresa según la siguiente ecuación:

Figura 8. Modelo de Regresión Ponderada Geográficamente Fuente: ArcGis, 2016 Dónde: 

Variable dependiente (Y): es la que representa el fenómeno que se intenta comprender en base a valores conocidos u observados.



Variables independientes/explicativas (X): son las encargadas de modelar la variable dependiente, por lo cual se puede decir que esta última se encuentra función de las variables explicativas.



Coeficientes de regresión (β): son calculados uno para cada variable independiente y representan el tipo de relación y la fortaleza que posee la variable explicativa con la variable dependiente.



Valores P: Llamada también probabilidad, cuando los valores de P son pequeños indican que el coeficiente calculado no es cero.



R 2/R cuadrado: R cuadrado ajustado y R cuadrado múltiple son estadísticas provenientes de la ecuación de regresión los cuales indican el rendimiento del modelo. R cuadrado va desde 0 a 100 por ciento, por otra parte el valor de cuadrado

38

ajustado presenta valores más bajos que R cuadrado múltiple, sin embargo estos permiten mostrar de mejor manera el rendimiento del modelo generado. 

Residuales (e): La diferencia entre los valores los observados y los valores previstos se conoce como residual, este valor es usado como una medida de ajuste del modelo. En el caso de obtener valores grandes de residual significa que el modelo generado es muy pobre (ArcGis, 2016).

Sin embargo, en este caso para la correlación ponderada geográficamente se introduce la variable espacial según la siguiente ecuación: Y(u,v) = b0(u,v) + b1(u,v)X 1 + b2(u,v)X 2 + b3(u,v)X3 ...+ e(u,v) Dónde: 

(u,v): son las coordenadas geográficas usada para la generación del modelo (Cardozo et al.,2013).

Un ejemplo del uso de esta metodología es análisis espacial del contexto sociodemográfico de los homicidios en México D.F, en donde se aplicó una regresión ponderada geográficamente para la asociación espacial entre la tasa de homicidios y las característi cas demográficas del área de estudio (variables independientes), en donde se concluyó que existe una alta tasa de homicidios en zonas de uso de suelo no residencial (Fuentes & Sánchez, 2015).

Por su parte en el análisis de Cahill & Mulligan (2007) relacionado con la tasa de delitos violentos donde se usan las características del lugar y el terreno para aplicar un modelo RPG se obtuvo como resultado que en lugares con bajos niveles de ingreso económico presenta parámetros negativos mientras que cuando hay ingresos altos estos parámetros tienden a ser positivos.

Es así que el análisis de delito antes citado permitió demostrar que al aplicar un modelo RPG se puede explorar resultado de manera ponderada y descriptiva usando las variables independientes y la variable dependiente del fenómeno delictivo (Sandoval & Martínez, 2008). Finalmente en lo relacionado a este modelo de regresión se puede mencionar que este permite profundizar el análisis mediante la generación de una ecuación de regresión para cada observación lo cual se ajusta localmente razón por la cual este ha sido usado en

39

las salas de comunicaciones de varios cuerpos policiales en España con el fin de predecir llamadas sobre denuncias de robos (Salfranca & Rodríguez, 2014).

2.3 Delitos en los Espacios Acuáticos de Ecuador Los delitos dentro del mar son tan antiguos como la actividad marítima, por lo cual desde la antigüedad a todo este conjunto de actividades ilícitas se las ha identificado como piratería en el mar. Sin embargo, según la CONVEMAR utiliza el término “piratería” para describir el saqueo a buques, el roba a la tripulación y en ocasiones el pedir rescates económicos por el personal retenido a bordo (Elleman et al., 2010).

Las principales embarcaciones que suelen ser blanco de este tipo de piratería son buques tanqueros, pesqueros de altura entre otros, los cuales son abordados por los delincuentes usando pequeñas embarcaciones con el fin de no ser detectados y cometer sus ilícitos. Por lo antes mencionado, a nivel mundial este delito ha presentado un gran desafío para las autoridades de control en el mar (Sobrino, 2009).

De esta manera la piratería gano mucho espacio dentro del área marítima mundial ocasionando que la Organización de las Naciones Unidas (ONU) enfoque su preocupación en este fenómeno delictivo en las zonas críticas del Golfo de Guinea y Nigeria, debido a que dentro de estas áreas se registraba altos índices de robos, secuestros y saqueos a todo tipo de embarcaciones y tripulación que navegaban por estas rutas marítimas (Portela, 2014).

Es así que la ONU establece el Programa sobre aplicaciones operacionales de satélite (UNOSAT) bajo el Instituto de las Naciones Unidas para Formación Profesional e Investigaciones (UNITAR), con el fin de generar análisis de los delitos en el área marítima (piratería) usando para este proyecto los SIG con el propósito de establecer áreas de incidencia delictiva en casos de piratería en el mar (UNITAR, 2017). Fruto de este proyecto en el año 2014 UNOSAT presentó un reporte global sobre la piratería a nivel mundial, reporte que fue elaborado a base de análisis espaciales y estadísticos, en donde se muestra el comportamiento espacial de este delito y como este se distribuye en las diferentes áreas marítimas mundiales con el fin de ser un herramienta para la toma de decisiones de cada gobierno local (UNOSAT, 2014)

40

En lo relacionado a los delitos que se registran dentro de los espacios acuáticos de Ecuador se puede mencionar que estos se encuentran claramente identificados en el Plan Integral de Protección de los Espacios Acuáticos, el cual fue elaborado por la Armada del Ecuador. De esta manera dentro de este Plan se mencionan los siguientes delitos acuáticos (Dirnea, 2013): a) Migración Ilegal Este tipo de delito está relacionado con la emigración voluntaria de personas usado para alcanzar este objetivo el medio marítimo, logrando así ingresar a otro país de manera ilegal, ya que no posee documentos habilitantes para permanecer en el lugar de arribo (UNODC, 2017). b) Tráfico Ilegal de Mercaderías Es considerado como la entrada y salida de mercadería de un régimen estatal a otro de manera clandestina usando rutas marítimas, con el fin de evitar aranceles o especular mercadería (Calvachi , 2000). c) Tráfico Ilícito de Combustibles El tráfico de combustible por vía marítima se ejecuta hacia las zonas de fronteras, el mismo que se realiza con el fin comprar éste en el país de origen en un precio inferior aprovechando las tasas preferenciales que poseen pescadores o gente de mar, para luego vender el producto a sobre precio en los países vecinos usando rutas marítimas causando así fuga de grandes cantidades de combustible (FLACSO, 2015). d) Pesca Ilícita no Declarada/no Reglamentada Este tipo de delito acuático se ejecuta en contra de las especies y los hábitats existentes en el área marítima, el mismo que es causado por la sobre explotación de recursos pesqueros, pesca de especies en peligro de extinción o la ejecución de faenas de pesca en áreas no permitidas, perjudicando a la biodiversidad marina y población costera que se dedica a la explotación de estos recursos (CU, 2017).

41

e) Robo de motores fuera de borda Está vinculado con la sustracción de los motores fuera de borda usados por los pescadores artesanales en sus faenas de pesca dentro del área marítima, los cuales son robados por delincuentes que buscan la oportunidad del robo cuando se presentan las condicione óptimas para la pesca de la gente de mar. Para el robo comúnmente los delincuentes usan embarcaciones menores y armamento de tipo artesanal (Dirnea, 2013). f) Narcotráfico por vía marítima Este delito consiste en el trasporte de sustancias psicotrópicas y estupefacientes (droga) por vía marítima evadiendo controles estatales. Para el transporte de la droga usan diferentes tipos de embarcaciones, las cuales tienen como objetivo llegar a territorios internacionales, especialmente ubicados en Centroamérica, con el fin de comercializar este producto al margen de la ley (Flores, 2015).

Una vez analizados los principales delitos dentro de los espacios acuáticos ecuatorianos, se debe mencionar que la presente investigación centrará su atención en el robo de motores fuera de borda a pescadores artesanales, por lo que es importante comprender que las actividades que están relacionadas con la pesca son consideradas como unas de las más peligrosas por todas las connotaciones que estas presentan, lo cual se ve reflejado en el estudio de evaluación del análisis de riesgo realizado por Francis y Shotton en el año 1997.

Con el fin de comprender de mejor manera la aplicación de los sistemas de información geográfico en el análisis del robo de motores fuera de borda a los pescadores artesanales se puede mencionar la información presentada en la Red Nacional de Información e Investigación en Pesca y Acuacultura de México, en donde se tiene mapeado las zonas de pesca con sus respectivos riesgos, entre los cuales se encuentran contemplados el robo de motores fuera de borda a pescadores artesanales (Salas et al., 2011).

Por otra parte, se debe resaltar que después de realizar una amplia revisión bibliográfica en el tema de análisis de robos de motores fuera de borda a pescadores artesanales usando SIG en Sudamérica no se encontró literatura relacionada con esta temática, debido a que este fenómeno criminal en la actualidad se encuentra afectando casi exclusivamente a las costas ecuatorianas y no se ha usado técnicas SIG para analizar este delito.

42

Por lo antes citado, es de vital importancia dar los primeros pasos en el análisis de este tipo de crimen con herramientas SIG dándole así al presente trabajo una relevancia de investigación y utilidad para la toma de decisiones en el control de los espacios marítimos ecuatorianos.

43

3

Metodología

3.1 Área de Estudio La República del Ecuador se encuentra ubicada al noroccidente de América del Sur, entre los paralelos 01°30’ N y 03°23.5’ S y los meridianos 75°12’ W y 81°00’ W. Posee 1200 Km de costas en el área continental sin contar las Islas Galápagos. Limita con Colombia por el norte donde se establece como límite marítimo el punto medio de la boca del río Mataje, mientras que por el sur limita con Perú donde el límite marítimo se establece en el paralelo que inicia en Boca de capones (INOCAR, 2012).

El territorio ecuatoriano su mayor parte se encuentra en la zona ecuatorial -tropical, en donde sufre la influencia de la corriente cálida de Panamá y la corriente fría de Humboldt, las cuales al combinarse con la cordillera de los andes da lugar a la formación de microclimas y topoclimas en las diferentes zonas del país.

Se puede destacar que debido a sus condiciones ambientales se generan cuatro regi ones que son costa, sierra, oriente e insular; en donde la región costa es la que presenta temperaturas superiores a los 20° C y abúndate vegetación que hace que las condiciones de lluvia sean mayores en los meses de invierno (INOCAR, 2012). En lo relacionado con las condiciones que presenta el área marítima de Ecuador INOCAR (2012) menciona que sus costas

se ven afectadas por las siguientes corrientes marinas: corriente norecuatorial,

contracorriente ecuatorial, corriente cálida de Panamá, corriente surecuatorial, corriente de Humboldt, subcorriente ecuatorial.

Por lo antes mencionado, las costas de ecuatorianas se ven favorecidas para que tanto en la zona marítima sur como la norte posean riqueza ictiológica abundante, lo que ha hecho que desde épocas ancestrales se desarrolle la pesca de tipo artesanal en estas áreas marítimas y que en la actualidad gran cantidad de la población costera aun mantenga esta actividad de tal manera que al país le aporta un valor considerable dentro de la población económicamente activa ( Del Pezo, 2011).

44

Es de esta manera, que la pesca artesanal se desarrolló en costas ecuatorianas y como consecuencia de esta actividad también se dio inicio al cometimiento del robo de motores de las embarcaciones, lo que hoy en día ha causado un gran impacto psicológico en la gente que se dedica a la pesca artesanal, a pesar de que el universo de embarcaciones que han sido víctimas de robos representa el 0,6% del total de embarcaciones registradas que se dedican a esta actividad (Albuja, 2015).

En vista que en la actualidad no existen áreas definidas para el análisis de delitos en los espacios acuáticos del Ecuador y siendo el presente estudio uno de los instrumentos pioneros en este tipo de iniciativa, se utilizó para definir el área de estudio las jurisdicciones establecidas dentro del Código de Policía Marítimo (CPM) para las Capitanías de Puerto y lo estipulado en la Convención de las Naciones Unidas sobre el Derecho del Mar de 1982 (CONVEMAR) de la siguiente manera: De acuerdo a lo establecido en el Código de Policía Marítimo en el artículo 4, en el cual se establece las áreas de jurisdicción de las Capitanías de Puerto (Figura 7) de acuerdo a la siguiente distribución: 

La Capitanía Menor de San Lorenzo, desde la boca del río Mataje, en la frontera con Colombia, por el norte, hasta la punta denominada Vaquería, en el sur.



La Capitanía Menor de Esmeraldas, desde la Punta Vaquería, al Norte, hasta la boca de Cojimíes, por el sur.



La Capitanía Menor de Bahía de Caráquez, desde la boca de Cojimíes, por el norte, hasta la boca de Charapotó, por el sur.



La Capitanía Menor de Manta, desde la boca de Charapotó, por el norte, hasta Punta Ayamge, por el sur.



La Capitanía Menor de Salinas, desde la Punta de Ayamge, por el norte, hasta la Punta Chapoya, por el sur.



La Capitanía Mayor del Puerto de Guayaquil comprende desde punta Chapoya, por el norte, hasta la boca del río Tenguel, por el sur.



La Capitanía Mayor de Puerto Bolívar, desde la boca del río Tenguel, por el norte, hasta la frontera con el Perú, por el sur (ARE, 1973).

45

Figura 9. Áreas de Jurisdicción de las Capitanías de Puerto

46

Por otro lado el 23 de mayo de 2012 fue aprobada por parte de la Asamblea Nacional del Ecuador la adhesión del Ecuador a la Convención de las Naciones Unidas sobre el Derecho del Mar de 1982 (CONVEMAR) (ARE, 2013).

La CONVEMAR es llamada como la “constitución de los océanos” ya que norma todos los aspectos relacionados con el mar, tanto en su

jurisdicción

y soberanía así como

exploración y explotación de recursos naturales sin dejar de lado aspectos de protección y preservación del medio ambiente marino. Además está convención se ha convertido en una herramienta para la solución de jurisdicciones entre los diferentes países ya que también delimita los espacios marítimos de un estado (De la Torre, 2006).

De esta forma, la CONVEMAR establece que el territorio marítimo de un Estado estará constituido por sus Aguas Interiores, su Mar Territorial, una Zona Contigua y su Zona Económica Exclusiva.

ESPACIOS MARÍTIMOS DE ACUERDO A LA CONVEMAR

Figura 10. Espacios Marítimos de acuerdo a la CONVEMAR Fuente: Gross, 2012 

LB: Las líneas de base son el punto de partida para la definición de los espacios marítimos en CONVEMAR y son trazadas a partir de puntos más relevantes en el perfil costero con el fin de poder definir la línea de origen para medir la anchura

47

del mar territorial. Adicionalmente las líneas bases dan lugar a la generación de las aguas interiores del estado (Sevilla, 2017). 

AI: Las aguas interiores de un estado son aquellas que están situadas en el interior de línea base y coinciden con el límite interior del espacio marítimo del mar territorial.



MT: El Mar Territorial está constituido por la franja de agua establecida hasta 12 millas náuticas desde la línea de base del estado.



ZC: El Zona contigua está constituido por la franja de agua establecida hasta 12 millas náuticas tomada en cuenta desde el límite del mar territorial.



ZEE: La zona económica exclusiva es el espacio situado más allá del mar territorial y adyacente a éste. Esta zona no se podrá extenderá más allá de 200 millas marinas referidas desde las líneas de base a partir de las cuales se mide la anchura del mar territorial.



PC: La Plataforma Continental designa el mar antes de la caída de la plataforma continental en el mar profundo o por lo menos hasta el límite de la ZEE (UNESCO, 2017).

48

Figura 11. Espacios MarĂ­timos de acuerdo a la CONVEMAR en Ecuador

49

Con el fin de generar áreas para el análisis del robo de motores en los espacios acuáticos de Ecuador se utilizó los límites geográficos de las Capitanía de Puertos establecidos en el Código de Policía Marítima y se los interseco con los espacios marítimos establecidos por la CONVEMAR hasta las 200 millas náuticas, correspondientemente generando así 28 zonas para el análisis de este caso de estudio.

50

Figura 12. Ă reas para anĂĄlisis de robo de motores

51

3.2 Fuente de Datos Para el análisis de los patrones espaciales del robo de motores fuera de borda dentro de los espacios acuáticos de Ecuador se consideró un total de 497 denuncias de robos de motores fuera de borda, los cuales fueron registrados únicamente dentro del área marítima correspondiente a Ecuador debiendo excluir los robos que se registraron en aguas jurisdiccionales de países limítrofes (Perú y Colombia). Por otra parte también se excluyó denuncias de robos en tierra, Galápagos y región oriental de Ecuador ya que el alcance de este estudio no considera las áreas antes citadas.

Todas las denuncias de robos de motores fuera de borda analizadas fueron recopiladas por las siete capitanías de puertos que posee la Armada de Ecuador en el borde costero durante el año 2015 y 2016, las cuales se mencionan a continuación: 

La Capitanía de Puerto de San Lorenzo



La Capitanía de Puerto de Esmeraldas



La Capitanía de Puerto de Bahía de Caráquez



La Capitanía de Puerto de Manta



La Capitanía de Puerto de Salinas



La Capitanía del Puerto de Guayaquil



La Capitanía del Puerto de Puerto Bolívar

52

Figura 13. Ubicación Geográfica de las Capitanías de Puertos

53

De igual forma a continuación se mencionan todos los datos espaciales usados en la elaboración del presente proyecto: 

Cobertura de tipo polígono de las áreas marítimas de la CONVEMAR.



Cobertura tipo punto de los límites de las capitanías de Puerto.



Cobertura tipo línea con el perfil de la costa ecuatoriana.



Cobertura tipo línea con los límites marítimos norte y sur.



Cobertura tipo polígono con los países limítrofes a Ecuador.



Modelo Digital del Terreno del área continental de Ecuador (SRTM).

3.3 Flujograma de Trabajo Con el fin de dar una perspectiva general de la metodología usada para la ejecución del presente estudio, se muestra el flujograma de trabajo que se aplicará en esta investigación, el cual inicia con la estandarización de la información recopilada de las denuncias de los robos de motores fuera de borda, las mismas que fueron receptadas por cada una de las Capitanías de Puerto ubicadas a la largo del litoral ecuatoriano durante los años 2015 y 2016.

Con toda esta información estandarizada se generará una base de datos espacial, la misma que contendrá la información base para la ejecución de los análisis que se realizaran en todo el proyecto propuesto.

Posteriormente, usando herramientas de un sistema de información geográfico (ArcGis 10.3), se aplicarán los análisis de regresión ponderada geográficamente, el análisis de Getis-Ord y la autocorrelación espacial de I-Moran, de donde se obtendrán los coeficientes de la regresión que mejor describan el robo de motores, áreas de puntos calientes de robos y

si

los

datos

analizados

presentan

una

autocorrelación

espacial

entre

sí

correspondientemente.

Finalmente, con estos resultados se logrará elaborar conclusiones y recomendaciones enfocadas a prevenir y mejorar el control del robo de motores fuera de borda a pescadores artesanales dentro de los espacios acuáticos de Ecuador.

54

Figura 14. Flujograma de trabajo

55

3.4 Estandarización de la Información Una vez recopilada la información de denuncias de robo de motores fuera de borda a pescadores artesanales se procedió a procesar la información obteniendo los siguientes campos dentro de cada una de las denuncias recibidas por las Capitanías de Puerto:

56

Tabla 1. Campos de datos de las denuncias de robo de motores de borda.

ORDEN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

DESCRIPCIÓN Código del documento de referencia Cantidad de Motores Robados La embarcación fue robada Nombre de la Embarcación Matrícula de la Embarcación Nombre del Propietario de la embarcación Nombre del denunciante del robo Caleta Pesquera a la que pertenece la embarcación Marca del Motor Caballos de Fuerza del Motor Serie del Motor Número de troquelado del motor Año del Troquelado Fecha de Zarpe Posee zarpe Posee rastreo satelital VEHSMART Fecha de la denuncia del Robo Fecha del Robo Mes del Robo Hora de robo Día del Robo Fase Lunar Dirección Regional Reparto Responsable Zona de CONVEMAR Documento de referencia de Denuncia del Robo Lugar de Robo Latitud Longitud Este Norte

CODIFICACIÓN COD CANT EMB_RO NOM_EMB MATRI_EMB NOM_PROPIE NOM_DENUNC CAL_PESQR MOTOR HP SERIE TROQUELADO ANIO_TROQ F_ZARPE ZARPE VEHSMART FECH_DEN FECH_RO MES_RO HORA_RO DIA_RO FAS_LUN DIR_REG RESP Z_CONV REF LUG_RO LAT LONG ESTE NORTE

TIPO DE DATO Texto Número Texto Texto Texto Texto Texto Texto Texto Texto Texto Texto Texto Fecha Texto Texto Fecha Fecha Texto Texto Texto Texto Texto Texto Texto Texto Texto Número Número Número Número

57

Seguidamente con la información procesada se procedió a seleccionar la información que se usara en el análisis espacial por lo cual se escogió los siguientes ítems: Tabla 2. Campos de datos usados para el análisis espacial ORDEN 1 2 3 4 5 6 7 8 9

DESCRIPCIÓN Cantidad de Denuncias Cantidad de Motores Robados Posee zarpe Posee rastreo satelital VEHSMART Nivel de Dificultad Latitud Longitud Este Norte

CODIFICACIÓN CANT_DEN CANT ZARPE VEHSMART NIV_DIF LAT LONG ESTE NORTE

TIPO DE DATO Número Número Número Número Número Número Número Número Número

Con la información seleccionada se procedió a especializar los puntos de las denuncias de robos de

motores de los años 2015 y 2016 usando el software ArcGis 10.3 para

posteriormente crear una geodatabase con esta información.

58

Figura 15. GeoreferenciaciĂłn robos de motores fuera de borda aĂąo 2015-2016.

59

Con el número total de puntos espacializados de robo de motores dentro de los espacios marítimos de Ecuador y con las áreas de estudio establecidas en base a las jurisdicciones establecidas en el Código de Policía Marítimo y las áreas CONVEMAR, se procedió a realizar un Spacial Join (Figura 13) con estas dos coberturas con el fin obtener el la cantidad de robo de motores por área establecida.

Figura 16. Proceso de unión entre datos de cobertura puntos y datos de cobertura polígono para crear áreas de análisis.

Fuente: ARCGIS, 2017

Una vez ejecutada la operación espacial se obtuvo el número total de motores robados por zona asignada.

60

Figura 17. NĂşmero total de denuncias de robos por ĂĄreas establecidas para el anĂĄlisis espacial

61

3.5 Cálculo de la Regresión Ponderada Geográficamente Para el uso de la Regresión Ponderada Geográficamente se usaron los datos de robos de motores fuera de borda en los espacios acuáticos de Ecuador, los mismo que se encontraban proyectados en sistema de coordenadas proyectadas UTM WGS-84 zona 17 sur.

De esta manera se usó la herramienta Geographically Weighted Regression (GRW) ubicada dentro del ArcTool Box en la sección Spatial Statistic, ubicando la cobertura de análisis como robo de motores como cobertura de ingreso y a las siguientes variables para la generación del modelo: Variable dependiente: 

Número de robo de motores

Variables Independientes:    

Número de denuncias de robo de motores Posee zarpe Posee dispositivo satelital Nivel de dificultad de acceso (relacionado con la distancia desde la costa a la zona de análisis)

Lo cual puede ser definido de la siguiente forma: Numero de robo de motores = ƒ (Número de denuncias de robo de motores, zarpe, dispositivo satelital, nivel de dificultad de acceso.)

Para la asignación de los pesos dentro del modelo GRW se usó la ponderación conocida como Kernel adaptativo, la cual asigna medidas de variaciones de densidad más grandes donde se encuentran datos de forma dispersa y medidas menores cuando los datos se encuentran más concentrados (Rojas, 2013). La selección adaptativa cambiara la distancia del ancho de banda de acuerdo a la densidad espacial de las entidades de los datos de entrada.

62

Lo cual dentro de la herramienta GRW fue configurado de la siguiente manera:

Figura 18. Configuración de herramienta GRW en ArcGis

3.6 Cálculo de la Autocorrelación espacial (I de Moran global) Con el fin de estimar la autocorrelación de los robos de motores fuera de borda en los espacios acuáticos de Ecuador se procedió a ejecutar el cálculo usando la herramienta ubicada dentro del Spatial Statistic dentro del ArcTool Box llamada índice Global de Moran. Para tal efecto se colocó como cobertura de inicio la cobertura de Robo de motores y como campo de ingreso el número de motores robados dejando los campos siguientes de acuerdo a lo establecido por la herramienta.

Figura 19. Herramienta para el cálculo de Autocorrelación I de Moran

63

3.7 Cálculo de puntos calientes con la Metodología Getis-Ord Para determinar los puntos calientes donde se han producido la mayor cantidad robo de motores en las áreas marítimas definidas para este estudio se procedió a utilizar la herramienta Hot spot Analysis (Getis-Ord) la cual está ubicada en el ArcTool Box en la sección del Spatial Statistic.

Dentro de la herramienta antes citada se colocó como cobertura de entrada el robo de motores, cobertura donde se seleccionó el campo de análisis como el número de motores robado el cual será el campo de análisis. Finalmente se dejó las características de defecto establecidas para esta herramienta.

Figura 20. Herramienta para el cálculo de hot spot

64

4

Resultados y Discusión

4.1 Análisis de resultados de la Regresión Ponderada Geográficamente Con la finalidad de responder una de las preguntas de investigación del presente estudio, la cual está relacionada con ¿Cuál modelo de regresión ponderada geográficamente permitirá obtener un mapa que muestre el robo de motores fuera de borda dentro de los espacios acuáticos en base a las variables independientes de este delito, se precedió a escoger las variables con que se podría describir y obtener un mapa de este delito.

Seguidamente, una vez seleccionadas las variables independientes se ejecutó el análisis de regresión ponderada geográficamente (RPG), obteniendo un análisis de cada una de las variables usadas para este estudio. Este análisis está representado a través de valores incluidos en coeficientes vinculados con las variables escogidas, los mismos que se citan a continuación: 

Coeficiente de Denuncias de Robos



Coeficiente de zarpe



Coeficiente de dispositivo satelital



Coeficiente de dificultad de acceso

Además de estos coeficientes, se obtuvo un análisis estadísticos de la RPG generada, el cual muestra el nivel de ajuste del modelo en base a las variables independientes seleccionadas, lo cual permite responder y generar el mapa de la pregunta de investigación previamente establecida.

Por lo antes mencionado, a continuación se presentan los valores obtenidos de cada uno de los coeficientes, los cuales están representados por medio un mapa en donde se analizan las características y distribución espacial de la variable usada. Finalmente, después de estos análisis se presenta el mapa que describe el mejor ajuste de predicción del modelo de RPG para el robo de motores fuera de borda en base a las variables escogidas.



Análisis del Coeficiente de Denuncias de Robos

65

En el Figura 19 se muestra el coeficiente de número de denuncias de robo de motores. Esta es una variable, que junto con número de motores robados, permite explicar en gran medida las dinámicas de la actividad delictiva en el área marítima.

Como se puede evidencia este indicador muestra valores positivos en la mayoría de la zona marítima sur mostrando valores mayores 1,2. Vale la pena resaltar que éstas son las zonas donde más se ha identificado denuncias de robos de motores en lo año 2015 y 2016.

La reducción de denuncias de robos es una de las estrategias que a nivel nacional buscan mejorar los estándares de calidad y seguridad en los espacios acuáticos. Adicionalmente se puede vincular este indicador con la presencia de gran cantidad de pesca en estas zonas la misma que atrae tanto al pescador como el delincuente con el fin de usufructuar de las actividades pesqueras.

66

Figura 21. Mapa de coeficiente de Denuncias de Robos

67 

Análisis del Coeficiente Zarpe

En la figura 20 se muestra el coeficiente de zarpe, la cual indica si la embarcación asaltada poseía o no zarpe actualizado, por lo cual podemos ver que esta explica que en la mayor parte del territorio marítimo norte con valores mayores a 1,8 esta áreas se ve afectada en gran parte la falta de permisos de zarpe por parte de las embarcaciones que salieron a realizar faenas de pesca en esta zonas.

Llama la atención que las zonas marítimas al sur del área de estudio presenta valores bajos agrupados indicado que en esta zonas este coeficiente no tiene mayor incidencia en el robo de motores fuera de borda.

68

Figura 22. Mapa de coeficiente de Zarpe

69 

Análisis del Coeficiente de Dispositivo de Monitoreo GPS

En la figura 21 se muestra el índice de las embarcaciones que posee un dispositivo de monitoreo satelital, que oscila entre-0, 4 y 0,3, lo cual nos da anotar que este coeficiente mientras más se acerca a 0,3 se evidencia la falta de este dispositivo de las embarcaciones en estas zonas, vulnerando así el sistema de control por medio de este dispositivos.

En este caso, como era de esperarse, los signos de los coeficientes son positivos en la zona sur del área marítima, indicando que esta zona a pesar de existir gran cantidad de robos las embarcaciones cumplen con poseer su dispositivo de monitoreo lo cual indica que el tener este equipo posiblemente de mayor seguridad en sus faenas de pesca.

70

Figura 23. Mapa de coeficiente de Dispositivo de Monitoreo GPS

71 

Análisis del Coeficiente de nivel de dificultad

En la figura 22 se muestran los coeficientes para el índice de nivel de dificultad, el cual fue significativo únicamente en las áreas internas marítimas D1, C1, B1 Y A1. De la misma manera que en el caso anterior, los coeficientes son negativos demostrando que existe una relación directa entre la cantidad de motores robados y el nivel de dificultad. Este hecho es particularmente generalizado en casi toda el área marítima.

72

Figura 24. Mapa de coeficiente de Nivel de Dificultad

73 

Análisis del Coeficiente de R2 Local

En la figura 23 se refleja el ajuste de los modelos a través del R2 local, mostrando que las variables escogidas explican en más de un 98% del número de robos de motores fuera de borda, donde los mejores ajustes se dan en la zona Este del área marítima la cual está más alejada del área continental. Las zonas con un ajuste menor se dan en las áreas cercanas al continente. Esto indica que para estas zonas podría ser necesario evaluar otros factores que tengan relación con el robo de motores sin embargo con el valor obtenido de R2 se indica que el porcentaje de predicción de este evento está sobre el 99% (Tabla 3).

Tabla 3. Análisis de la Regresión Ponderada Geográficamente Estadístico Residual Squares: Effective Number: Sigma: AICc: R2: R2Adjusted:

Valor 26,5325396 10,0572023 1,21603011 107,922349 0,99009927 0,98510156

74

Figura 25. Mapa de coeficiente de R2 Local

75 

Análisis del Coeficiente de Predicción

Finalmente se generó la figura 24 en donde se muestra los valores predichos en base a los coeficientes antes citados, en donde se puede evidenciar que las zonas A3 y B3 será las áreas donde se verán valores altos de robo de motores fuera de borda, seguida de las zonas A1,B1,A2,B2,B4, F2 y F1 correspondientemente ; mientras que tanto en la zona norte como central se evidencia que no existirá gran aglomeración en el cometimiento de este delito de acuerdo al modelo GRW predicho con los datos obtenidos de los año 2015 y 2016.

76

Figura 26. Mapa de coeficiente de Predicciรณn

77

4.2 Análisis de resultados del índice I de Moran Para poder responder la segunda pregunta que contempla esta investigación en donde busca determinar ¿Cuál de los métodos de obtención de Hot-spots Getis-Ord o la estimación de índice I de Moran presentan mejores resultados para describir el robo de motores fuera de borda en los espacios acuáticos del Ecuador?, se ejecutó el correspondiente análisis de auto relación espacial de Moran.

Una vez ejecutado el análisis de I de Moran (ver Figura 25), se determinó que existe una autocorrelación espacial positiva para los robos de motores registrados entre el año 2015 y 2016, lo que significa que las unidades espaciales vecinas presentaron valores similares.

Adicionalmente se determinó que el patrón espacial esta agrupado y de esta manera se procede a rechazar la hipótesis nula, ya que

la puntuación z de los datos estudiados

muestra que existe una probabilidad menor al 1% de que el patrón agrupado sea resultado del azar.

Figura 27. Resultado de cálculo de Índice de Moran

78

Por lo cual se puede mencionar que las puntuaciones de z estadísticamente significativas se encuentran ubicadas en las colas de la distribución normal con desviaciones estándar (puntuaciones z) -1,65 y +1,65 y con un valor p (probabilidad) asociado de < 0.10.

De esta forma, se confirma que el uso del índice de correlación de Moran presenta resultados que permiten determinar que los robos de motores están agrupados respondiendo de esta forma parte de la segunda pregunta de esta investigación, la misma que será solventada de forma íntegra al ejecutar el análisis de puntos calientes.

4.3 Análisis de resultados de puntos calientes Gi* de Getis Ord Seguidamente se procedió a calcular los puntos calientes con la función Gi* de Getis Ord dentro del programa ArcGis 10.3, herramienta que identifica las agrupaciones espaciales de valores de z altos llamándolos puntos calientes (hot spots) y valores de z bajos puntos fríos (cold spots).

En el análisis de puntos calientes se busca al igual que el índice de I Moran valores z y valores p para cada entidad, donde estos valores representan la significancia estadística del agrupamiento espacial de valores, de esta manera se puede indicar que en el análisis de puntos calientes se determina que una puntuación z alta para una entidad muestra un agrupamiento espacial de valores altos y una puntuación z negativa baja muestran un agrupamiento espacial de valores bajos.

Es así que el indicador Getis-Ord resultante de distribución espacial de hot spots y cold spots para los robos registrados entre los años 2015 y 2016 muestran una concentración de hot spots en los límites marítimos sur y norte de los espacios marítimos ecuatorianos; por el contrario se puede acotar que las zonas marítimas del centro del país muestra áreas de cold spots lo cual está relacionado directamente con las pocas denuncias de robos en estas áreas.

Por lo antes citado a continuación se presenta el análisis de las áreas de robo de motores de acuerdo a los datos obtenidos en donde en el sector norte las áreas G3 y F2 presentan agrupamiento de robos con un 90% de confianza de igual forma el área F1 presenta el

79

mayor agrupamiento de datos con un 99% de confianza, motivo por el cual las zonas mencionadas son consideradas como puntos calientes dentro de este sector.

En el sector centro, se identifica que no existen agrupamientos de robos debido a que las áreas D1, D2, D3 y E3 se presentan con más del 90% de confianza como puntos fríos dentro del presente análisis.

Para el sector sur las áreas A2, B1, B2, B3 y B4 presentan un agrupamiento de puntos calientes con 95% de confianza mientras que las áreas A1 y A3 son las que poseen el 99% de confianza de que sean puntos calientes. De esta manera todas las áreas antes citadas se representan como los puntos calientes de robo de motores en este sector.

Por otra parte, todas las áreas que no han sido mencionadas como puntos calientes o fríos son consideradas como áreas sin significancia estadística, es decir presentan una distribución aleatoria y son consideradas áreas sin mayor importancia dentro del análisis de hot-spot.

De esta forma, una vez realizado el último análisis planteado dentro del presente estudio se puede dar una respuesta global a la segunda pregunta de investigación la cual requiere establecer cuál de los métodos de obtención de Hot-spots Getis-Ord o la estimación de índice I de Moran presentan mejores resultados para describir el robo de motores fuera de borda en los espacios acuáticos del Ecuador.

Por lo citado anteriormente, se puede mencionar que Hot-spots Getis-Ord es un método de mapeo de delitos que presenta los resultados de forma espacial con un valor de confiabilidad estadística mientras que la estimación de índice I de Moran es una análisis preliminar de datos que determina si los datos están o no agrupados resultado que finalmente tendrá influencia en el mapeo de robos de motores.

En consecuencia, los dos análisis ejecutados son vinculantes y es recomendable ejecutar el análisis del índice I de Moran previo al método Hot-spots Getis-Ord para de esta manera darle mayor confiabilidad estadística a los resultados al momento de describir el robo de motores en el presente estudio.

Finalmente, con los resultados obtenidos por medio del análisis de puntos caliente se responde la tercera pregunta de esta investigación la cual estaba encaminada a identificar cuáles son las áreas óptimas que la Autoridad de Policía Marítima del Ecuador debe incluir

80

en sus patrullajes para reducir y neutralizar el robo de motores fuera de borda a pescadores artesanales dentro de los espacios acuรกticos ecuatorianos.

81

Figura 28. Mapa de Hot Spot de robo de motores fuera de borda dentro de los espacios acuรกticos de Ecuador 2015-2016

82

5

Conclusiones

La georeferenciación de las denuncias de robos de motores fuera de borda en los años 2015 y 2016 realizados en el presente estudio permiten determinar la ubicación espacial de este delito dentro del territorio marítimo ecuatoriano con el fin de contribuir a la gestión que realiza la Armada del Ecuador para prevenir y neutralizar este delito.

El ajuste del modelo de regresión ponderado geográficamente (RPG) muestra que las variables dependientes usadas para predecir el fenómeno delictivo de robo de motores fuera de borda en los espacios acuáticos explican el 99% de este fenómeno.

El análisis espacial en base a las denuncias de robos de motores y a las áreas definidas para esa tarea, facilitó la identificación de puntos calientes de robos, los cuales se encuentran distribuidos en las zona sur en las áreas A y B mientras que por el norte en las zonas G y F. La aplicación del análisis del índice de Moran demostró que las agrupaciones de datos de denuncias de robo de motores poseen una probabilidad menor al 1% de ser al azar, lo que permite determinar que los robos poseen características espaciales que siguen un patrón.

El análisis espacial determinó que las zonas con mayor cantidad de robos de motores son al norte y sur de los espacios marítimos jurisdiccionales, lo que indica que probablemente en la zona centro existen otro tipo de actividades delictivas situación que debe ser objeto de una nueva investigación.

83

6

Referencias bibliográficas

Aguayo, E., & Medellín, S. (2014). Dependencia Espacial en la Delincuencia en Monterrey-México. Monterrey: Ecos de Economía.

Albuja, C. (2015). Fronteras Marítimas y Fronteras Ilegales. Guayaquil: Flacso.

Anguix, A. (2014). gvSIG aplicado a seguridad y criminología. Asociación gvSIG. ArcGis. (2016). Recuperado el 13 de 09 de 2016, de Cómo funciona Análisis de puntos calientes (Gi* de Getis-Ord): https://pro.arcgis.com/es/pro-app/tool-reference/spatialstatistics/h-how-hot-spot-analysis-getis-ord-gi-spatial-stati.htm ArcGis. (2016). Cómo funciona Autocorrelación espacial (I de Moran global). Recuperado el 13 de 09 de 2016, de https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/hhow-spatial-autocorrelation-moran-s-i-spatial-st.htm ArcGis. (2016). Conceptos básicos del análisis de regresión. Recuperado el 12 de 09 de 2016,

de

http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-

toolbox/regression-analysis-basics.htm ArcGis. (25 de 04 de 2017). Obtenido de Lo que no le cuentan sobre el análisis de regresión:

http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-statistics-toolbox/what-

they-don-t-tell-you-about-regression-analysis.htm ARCGIS. (06 de 03 de 2017). Summary of hotspot analysis parameters and results.

Obtenido

de

https://www.arcgis.com/home/item.html?id=6626d5cc81a745f1b737028f7a519521 ARE. (1973). Código de Policía Marítima. Guayaquil.

ARE. (2013). Concepto Estratégico Marítimo 2014 – 2017. Obtenido de Concepto Estratégico Marítimo 2014 – 2017: http://www.armada.mil.ec/transparencia/conceptoestrategico-maritimo-2014/ BID. (2017). Los costos del crimen y de la violencia Nueva evidencia y hallazgos en América Latina y el Caribe. Washington: BID.

84

Boba, R. (2005). Crime Analysis and Crime Mapping. Thousand Oaks.: Sage Publications, Inc. Bohorquez, M. (2009). Estadistica Espacial. Cali: Universidad Nacional de Colombia.

Borbor, J. (2014). Puntos calientes (hotspot) de robos en Circuitos de la ciudad de Guayaquil. Quito: Universidad San Francisco de Quito.

Broadbent, I., & Royles, C. (2010). Crime Mapping Evolution - 10 Trends Driving More Effective Law Enforcement. Directions Magazine All Thing Location.

Cahill, M., & Mulligan, G. (2007). Using Geographically Weighted Regression to Explore Local Crime Patterns. Social Science Computer Review, 25, 174-193.

Calvachi , R. (2000). Los delitos aduaneros: El contrabando. Quito: Aduanas del Ecuador.

Cardozo, O., García Palomares, J., & Gutiérrez Puebla, J. (2013). Geographically Weighted Regression (GWR) como herramienta para modelizar la demanda en el Metro de Madrid. Madrid: Elsevier.

CDEUNODC. (19 de 03 de 2017). La cifra oscura y las razones de la no denuncia en México. Obtenido de https://cdeunodc.wordpress.com/2015/12/14/la-cifra-oscura-y-losrazones-de-la-no-denuncia-en-mexico/ Celis, R. R., Tudela, G. N., & Lordemann, J. A. (2012). Delincuencia en Bolivia desde una perspectiva espacial Crime acts in Bolivia from a spatial perspective. LAJED No 18, 2074 4706.

Chainey, S., & Ratcliffe, J. (2005). GIS and Crime Mapping. John Wiley & Sons.

Chaniney, S., Thompson, L., & Uhlig, S. (2008). The Utility of Hotspot Mapping for Predicting. London: University College London.

Charlton, M., & Fotheringham, S. (2009). Geographically Weighted Regression.. Ireland: National Centre for Geocomputation, Maynooth, Co Kildare, pp. 1-13.

Chen, V., & al, e. (2012). Geographically weighted quantile regression (GWQR): An application to US mortality data”. Wiley Online Library. Geographical Analysis.

Disponible en: http://onlinelibrary.wiley.com/doi/10.1111/j.1538-4632.2012.00841.x.

85

Clement, F., Orange, D., Williams, M. M., & Epprecht, M. (2009). Drivers of afforestation in Northern Vietnam: Assessing local variations using geographically weighted regression.

Applied Geography 29, 561–576.

Coba, E. C., & Balseca, C. E. (2015). Análisis Geo-estadístico de la delincuencia para Quito Urbano usando GeoDa. Quito: Carrera-Universidad San Francisco De Quito.

CU. (25 de 04 de 2017). Comición Europea - Pesca Ilegal. Obtenido de https://ec.europa.eu/fisheries/cfp/illegal_fishing_es De la Torre, G. (2006). El Ecuador y la Convención de las Naciones Unidas sobre el Derecho del Mar. Acta Oceanográfica del Pacífico, 243-255.

Del Pezo, D. A. (2011). Diagnóstico Jurídico del Estado Actual de los Pescadores Artesanales, con relación a la sustracción de motores fuera de borda ocurridos en los espacios acuáticos del Puerto Santa Rosa del Cantón Salinas en el Año 2011. La Libertad: Universidad Estatal de Santa Elena.

Denegri , F. M., Ley, J., & González, P. J. (2014). Análisis exploratorio del robo a microempresas. México D.F: Universidad Autónoma de Baja California.

Dirnea. (2013). Plan Integral de los Espacios Acuáticos. Bitácora, 29.

Dirnea. (05 de 08 de 2014). Dirnea. Recuperado el 13 de 09 de 2016, de https://www.dirnea.org/la-institucion/mision Duque, J. C. (2011). Infraestructura pública y precios de vivienda: una aplicación de regresión geográficamente ponderada en el contexto de precios hedónicos. Ecos de Economía, 33, pp. 95-122. Disponible en: http://publicaciones.eafit.edu.co/inde.

Elleman, B., Forbes, A., & Resenberg, D. (2010). Piracy and Maritime Crime. Newport, Rhode Island: Naval War College Press.

FLACSO. (2015). Perfil Criminológico . Contabando, 16.

Flores, M. (2015). Recomendación a las estrategias implementadas en la lucha contra el narcotráfico por vía marítima. Colombia-Cartagena: Centro Internacional Marítimo de análisis contra el narcotráfico – CIMCON.

86

Formosa, S., & Formosa, J. (2012). Sharing CrossThematic Spatial Information: A MultiDomain Approach for Crime Socio-Technics. Journal of Modern Internet of Things 1, 1: 611.

Francis, R., & Shotton, R. (1997). Risk in fisheries: a review. Canadian Journal of Fisheries and Aquatic Science 54:1699-1715.

Fuentes , C., & Sánchez, O. (2015). Contexto sociodemográfico de los homicidios en México D.F.: un análisis espacial. Panam Salud Publica, 38(6):450–6.

Fuenzalida-Díaz, M. (2010). Auto Correlación espacial. Universidad Alberto Hurtado.

García, A. R. (2012). Sig, Crimen y Seguridad. Análisis, Predicción y Prevención del Fenómeno Criminal.

Getis, & Ord. (1995). Local Spatial Autocorrelation Statistics: Distributional Issues and an Application. Geographical Analysis 27(4).

Getis, A., & Ord, J. (1992). The Analysis of Spatial Association by Use of Distance Statistics" en. Geographical Analysis 24(3).

Goodchild, M. (1987). Towards an enumeration and classification of GIS Proceedins. The research Agenda 67-77.

Gorr , & Olligschlaeger. (2001). Crime Hot Spot Forecasting: Modeling and Comparative Evaluation. Washington, DC: Office of Justice Programs, National Institute of Justice.

Gorr , W., Olligschlaeger, A., & Thompson, Y. (2002). Short-term forecasting of crime.

Internacional Journal of Forecasting 19(4), 579-594.

Groff, E. R., & Vigne, N. G. (s.f.). Forecasting de future of predictive crime mapping.

Crime Prevention Studies, 6-20.

Gross, J. (2012). El Ecuador frente a la CONVEMAR. Guayaquil: Armada del Ecuador.

Harries, K. (1999). Mapping Crime: Principle and Practice. Washington D.C: U.S. Department of Justic.

87

IACA. (2012). GIS Software Requirements for Crime Analysis Standards, Methods, & Technology (SMT). International Association of Crime Analysts- Committee White Paper 2012-01 June 2012.

IACA. (2012). International Association of Crime Analysts.

IGN. (2012). Módulo 2: Exploración de datos y estadística espacial . Madrid: Instituto Geogáfico Nacional - España.

INOCAR. (2012). CAPÍTULO I: Información General de la República del Ecuador .

Guayaquil: INOCAR. Jefferis, E. (1999). Multi-Method Exploration of Crime Hot Spots: A Summary of Findings.

Washington, DC: Department of Justice, National Institute of Justice, Crime Mapping Research Center.

Kounadi, O., & et al. (2013). Accuracy and privacy aspects in free online reverse geocoding services. Cartography and Geographic Information Science, 2013- Vol. 40, No. 2, 140–153.

Levine. (2002). A Spatial Statistics Program for the Analysis of Crime Incident Locations Houston.

Washington:

U.S.

Department of Justice,National Institute of Justice.

http://www.icpsr.umich.edu/NACJD/.

Marchione, E., & Johnson, S. (2013). Spatial, Temporal and Spatio-Temporal Patterns of Maritime Piracy. New York: SAGE. McGuire, P., & Williamson, D. (1999). Mapping Tools for Management and Accountability. Orlando, Florida: Paper presented to the Third International Crime Mapping Research Center Conference.

Ministerio de Justicia . (2014). Código Integral Penal. Quito.

Mitchell, A. (2005). The ESRI Guide to GIS Analysis. ESRI Press,Volume 2.

NIJ. (2005). Mapping Crime Understanding Hot Spots. Washington, DC: U.S. Department of Justice.

88

NIJ. (08 de 04 de 2017). Mapping & Analysis for Public Safety Program of the National Institute

of

Justice

(NIJ).

Obtenido

de

https://www.icpsr.umich.edu/CrimeStat/mapping.html Olligschlaeger, A. (1997). Artificial Neural Networks and Crime Mapping. New York: Criminal Justice Press.

Ordoñez , C., Varela, M. R., & Reyes, A. (2011). Desarrollo de un Sig para el Análisis De Patrones Espaciales de Incendios en Viviendas. Universitaria de Ingeniería Técnica Industrial, Rúa Torrecedeira., 86.

Pineda Jaimes, N., Bosque Sendra, J., Gómez Delgado, M., & Franco Plata, R. (2010).

Exploring the driving forces behind deforestation in the state of Mexico using geographically weighted regression. Mexico: Applied Geography 30, 576–591.

Portela, H. P. (2014). La Piratería Marítima en el Golfo de Guinea Aumenta día a día.

Portugal: Marina Portuguesa.

Ratcliffe, J. H. (2007). The Hotspot Matrix: A Framework for the spatio-temporal targeting of crime reduction. An International Journal, 5-23.

RCAGIS. (27 de 04 de 2017). Regional Crime Analysis Geographic Information System (RCAGIS)

(ICPSR

3372).

Obtenido

de

http://www.icpsr.umich.edu/icpsrweb/NACJD/studies/3372 Rocha, F. (2012). Razonamiento Espacial aplicado a la toma de decisiones. Mexico: Instituto Politécnico Nacional.

Rojas, C. P. (2013). La Dinámica de expansión urbana del Área Metropolitana de Concepción. Bogota.

Salas, S., & et, a. (2011). Análisis sobre Riesgos y Accidentes en Pesquerías Artesanales en el Sureste de México. Puerto Morelos, Mexico: Proceedings of the 64th Gulf and Caribbean Fisheries Institute.

Salfranca, D., & Rodríguez, M. (2014). Sistemas de información geográfica aplicados a la investigación. Catellon: Policía Local de Castellón.

89

Sánchez, L. (2006). Métodos para el análisis espacial: una aplicación al estudio de la geografía de la pobreza. Ponencia presentada en el ii Congreso de la Asociación Latinoamericana de Población. Guadalajara.

Sánchez, V. (2001). Building Resilient Communities in Mexico: Civic Responses to Crime and Violence. México: Woodrow Wilson International Center for Scholars.

Sandoval, L. E., & Martínez, D. (2008). Una revisión al estudio de la delincuencia y criminalidad. Universidad Militar Nueva Granada rev.fac.cienc.econ., Vol. XVI (1), 105117.

Sanz, F. H. (2007). Espacio y delincuencia. Atlas criminológico de Madrid. Madrid: Universidad Complutense.

Sawada, M. (28 de 04 de 2017). Global Spatial Autocorrelation Indices - Moran's I, Geary's C and the General Cross-Product Statistic. Obtenido de Department of Geography University of Ottawa: http://www.lpc.uottawa.ca/publications/moransi/moran.htm Seguridad Pública de México. (19 de 03 de 2017). Seguridad Pública de México, Limitaciones. Obtenido de http://www.seguridadpublicaenmexico.org.mx/60_pasos.htm Sevilla, U. d. (06 de 03 de 2017). Geografia del Mar en la Union Europea y los Estados Unidos. Conceptos, Datos, Recursos y Conflictos / Territorio Marítimo. Obtenido de http://ocwus.us.es/geografia-humana/geografia-del-mar/contenidos/territorio/page_08.htm Sobrino, J. M. (2009). Piratería Y Terrorismo En El Mar. La Coruña: Universidad de La Coruña.

Stangeland, P., & Santos, M. (2004). El mapa del crimen: Herramientas geográfica para policías y criminólogos. Valencia: Tirant lo Blanch.

Tello, B. (2007). La georeferenciación: un mecanismo de planificacion de la Policía nacional. FLACSO. UNESCO. (06 de 03 de 2017). ¿Qué significan los términos Mar Territorial, Zona Económica

Exclusiva,

Plataforma

Continental

y

Zona

Obtenido

http://portal.unesco.org/culture/es/ev.phpURL_ID%3D36040&URL_DO%3DDO_PRINTPAGE&URL_SECTION%3D201.html

de

90

UNITAR. (20 de 03 de 2017). UNOSAT Global Report on Maritime Piracy - a geospatial analysis 1995-2013. Obtenido de https://www.unitar.org/unosat/piracy Universal, E. (18 de 03 de 2017). Mapa Delictivo. Obtenido de Mapa Delictivo: http://www.eluniversal.com.mx/graficos/graficosanimados10/EU_mapa/map UNODC. (25 de 04 de 2017). United Nations Office on Drugs and Crime Tráfico ilícito de migrantes:

la

dura

búsqueda

de

una

vida

mejor.

Obtenido

de

https://www.unodc.org/toc/es/crimes/migrant-smuggling.html UNOSAT. (2014). Global report on Maritime Piracy- A geoespacial analysis 1995-2013.

Sweden: UNITAR. Vázquez, C., & Soto, C. (2013). El análisis geográfico del delito y los mapas de la delincuencia, Departamento de Derecho Penal y Criminología. EVISTA DE DERECHO PENAL Y CRIMINOLOGÍA, págs. 419-448.

Vozmediano, L., & San Juan, C. (2006). Sistemas de Información Geográfica en el estudio del miedo al delito. El caso de Donostia-San Sebastián,: Boletín Criminológico 88: 1-4.

Vozmediano, O., & Germán, I. (2011). La variable “lugar de residencia” de los menores infractores: Relevancia y propuestas para su análisis geográfico. International E-Journal of Criminal Sciences, (5)., 1-24.

Wheeler, D. C., & Tiefelsdord, M. R. (2005). Multicollinearity And Correlation Among Local Regression Coefficients In Geographically Weighted Regression. Journal Of Geographical Systems, 7 (2), Pp. 161-187. Springer.