2018, Número S1
<< Anterior Siguiente >>
salud publica mex 2018; 60 (S1)
Análisis espacial de los inmuebles dañados por el sismo 19S-2017 en la Ciudad de México
Garrocho C, Campos-Alanís J, Chávez-Soto T
Idioma: Español
Referencias bibliográficas: 14
Paginas: 31-40
Archivo PDF: 805.35 Kb.
RESUMEN
Los sentidos humanos tienen una importante capacidad
para detectar patrones espaciales, pero sus limitaciones son
enormes, como lo han demostrado la psicología cognitiva y
la Gestalt desde hace mucho tiempo. Por tanto, se requieren
instrumentos más precisos y confiables para identificar
patrones y actuar en consecuencia. El análisis espacial ofrece
diversas alternativas para identificar patrones territoriales
estimando su significancia estadística, con lo que se minimiza
la posibilidad de percibir patrones ilusorios. Este trabajo utiliza
desarrollos de punta en materia conceptual, metodológica y
de tecnología para: a) Identificar con estadística espacial los
clusters de inmuebles dañados por el sismo del 19S-2017 en
la CDMX. La estrategia se basa en una secuencia de zooms a
diversas escalas geográficas: desde la escala global para toda
la CDMX, pasando por las escalas de delegación, colonia y
manzanas, hasta llegar a la escala mínima de inmueble; b) localizar
Unidades Móviles de Emergencia mediante modelos de
localización-asignación, y c) comparar los patrones espaciales
de inmuebles colapsados y dañados por los grandes sismos de
1985 y 2017. Los resultados de este trabajo podrán orientar
los esfuerzos de reconstrucción, atención e investigación hacia
zonas prioritarias espacial y estadísticamente significativas.
REFERENCIAS (EN ESTE ARTÍCULO)
Garrocho C, Campos J. Réquiem por los indicadores no espaciales de segregación residencial. Papeles de Población. 2013;19(77):269-300.
Anselin L. Exploring data with GeoDa: A workbook. University of Illinois, Center of Spatially Integrated Social Sciences, 2005.
Wong D. Spatial indices of segregation, Urban Studies. 1993;30:559-72. https://doi.org/10.1080/00420989320080551
Lee J, Wong D. Statistical analysis with ArcView GIS. Hoboken, New Jersey: John Wiley & Sons; 2001.
ESRI. ArcGIS for desktop, help center. [Internet] [consultado 4 de abril de 2015]. Disponible en: http://desktop.arcgis.com/es/desktop
Harries, K. Mapping crime: Principle and practice. Washington DC: US Department of Justice, 1999.
Eck JE, Chainey S, Cameron JG, Leitner M, Wilson RE. Mapping crime: Understanding hotspots. Washington, DC: US Department of Justice; 2005.
Stangeland P, de los Santos J. El mapa del crimen: herramientas geográficas para policías y criminólogos. Tirant lo Blanch; 2004.
Wong D. Geostatistics as measures of spatial segregation, Urban Geography. 1999;20(7):635-647.https://doi.org/10.2747/0272-3638.20.7.635
Garrocho C, Campos J. Organización espacial del sistema bancario dentro de la ciudad: estrategia territorial, accesibilidad y factores de localización. Economía, Sociedad y Territorio. 2010;10(33):413-453.
Garrocho C, Campos J. Segregación socioespacial de la población mayor. La dimensión desconocida del envejecimiento. Zinacantepec, México: El Colegio Mexiquense, AC, 2016.
Instituto Nacional de Estadística y Geografía. Censo de Población y Vivienda 2010. Principales resultados por AGEB y manzana urbana. [Internet] INEGI, 2010 [consultado sep 22, 2017] Disponible en: http://www3. inegi.org.mx/sistemas/microdatos/Encuestas.aspx?c=34553
Bailey TC, Gatrell AC. Interactive spatial data analysis. Essex (UK): Longman Scientific & Technical, 1995.
Garrocho C. Dinámica de las ciudades de México en el siglo XXI: Cinco vectores clave para el desarrollo sostenible. DF, México: El Colegio Mexiquense, AC, Consejo Nacional de Población, Fondo de Población de las Naciones Unidas, 2013
Texto completo
Cómo citar este artículo
Artículos similares