DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL …
Transcript of DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL …
Página 1 de 160
DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL ASOCIADO A LA
CALIDAD DEL AIRE EN LA CIUDAD DE BOGOTÁ.
PRESENTADO POR
ING. ANGIE CATHERINE PATIÑO SÁNCHEZ
Tesis para optar al título de Magister en Desarrollo Sustentable y Gestión Ambiental.
DIRECTOR
Msc. OMAR FRANCISCO PATIÑO SILVA
FACULTAD DE MEDIO AMBIENTE Y RECURSOS NATURALES
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS
BOGOTÁ D.C., 2019
Página 2 de 160
Nota de aceptación
_________________________
_________________________
_________________________
_________________________
_________________________
_________________________
_________________________
_________________________
______________________
MSc. Omar F. Patiño Silva
Director de tesis
_________________________
Jurado 1
_________________________
Jurado 2
Bogotá D.C., 2019
Página 4 de 160
Agradecimientos
Gracias a Dios,
A mi padre, Omar F. Patiño Silva, quien me ha guiado durante toda la vida, incluso en la
academia, como mi director en este trabajo. Sin duda alguna, el mejor ejemplo a seguir.
A mi madre, Gloria Sánchez, a mi hermano Daniel Patiño y a mi sobrina-ahijada Danna
Sofia, por su apoyo en este proceso.
A los docentes de la maestría,
A mis revisores y jurados,
Página 5 de 160
TABLA DE CONTENIDO
Pág.
1. PLANTEAMIENTO DEL PROBLEMA .............................................................. 13
2. JUSTIFICACIÓN .................................................................................................. 16
3. OBJETIVOS .......................................................................................................... 17
3.1. Objetivo General .................................................................................................... 17
3.2. Objetivos Específicos............................................................................................. 17
4. MARCO TEÓRICO............................................................................................... 18
4.1. Justicia Ambiental .................................................................................................. 18
4.1.1. Origen de la Justicia Ambiental ............................................................................. 19
4.1.2. Pertinencia del estudio de la Justicia Ambiental.................................................... 19
4.1.3. Metodología del estudio de la Justicia Ambiental. ................................................ 20
4.1.4. Normatividad asociada a la Justicia Ambiental. .................................................... 21
4.1.5. Perspectiva desde la Injusticia Ambiental ............................................................. 21
4.1.5.1. Injusticia Ambiental asociada a las emisiones vehiculares .................................... 21
4.1.6. Indicadores de inequidad/desigualdad ambiental. ................................................. 22
4.2. Indicadores de Medición ........................................................................................ 25
4.2.1. Características de los indicadores .......................................................................... 25
4.2.2. Tipos de indicadores .............................................................................................. 25
4.2.3. Ventajas, limitaciones y desventajas de los indicadores. ....................................... 26
4.2.4. Requerimientos técnicos de los indicadores. ......................................................... 26
4.2.5. Análisis de Componentes Principales en la Construcción de Indicadores. ........... 26
4.3. Calidad del Aire ..................................................................................................... 27
4.3.1. Aire – Características. ............................................................................................ 27
4.3.2. Contaminantes Criterio .......................................................................................... 27
4.3.2.1. Dióxido de Azufre.................................................................................................. 27
4.3.2.2. Material Particulado en Suspensión. ...................................................................... 28
4.3.2.3. Dióxido de Nitrógeno. ........................................................................................... 28
4.3.2.4. Ozono. .................................................................................................................... 29
4.3.2.5. Plomo. .................................................................................................................... 29
Página 6 de 160
4.3.2.6. Monóxido y Dióxido de Carbono .......................................................................... 29
4.3.3. Técnicas y Métodos para la Determinación de los Contaminantes Criterio .......... 29
4.3.4. Red de Monitoreo de Calidad del Aire en la Ciudad de Bogotá. ........................... 30
4.3.5. Indicador Bogotano de Calidad del Aire – IBOCA ............................................... 31
4.4. Experiencias en el Estudio de la Calidad del Aire ................................................. 33
4.5. Legislación Vigente en Relación a la Calidad del Aire y la Justicia Ambiental ... 35
4.5.1. Red por la Justicia Ambiental en Colombia. ......................................................... 35
4.5.2. Resolución 2254 de 2017 ....................................................................................... 35
4.5.3. National Ambient Air Quality Standars (NAAQS) ............................................... 36
4.5.4. Norma Oficial Mexicana NOM-020-SSA1-1993. ................................................. 37
4.5.5. Norma Española Real Decreto 102/2011. .............................................................. 37
5. MATERIALES Y MÉTODOS .............................................................................. 38
5.1. Descripción del área de estudio. ............................................................................ 38
5.2. Tipo de Investigación ............................................................................................. 42
5.3. Diseño Metodológico ............................................................................................. 42
5.3.1. Fase 1: Selección de Parámetros o Variables ........................................................ 43
5.3.2. Fase 2: Determinación del Subíndice para cada Parámetro ................................... 44
5.3.3. Fase 3: Formulación del Índice de Justicia Ambiental Asociado a la Calidad del
Aire por Agregación de Subíndices ...................................................................................... 45
5.3.4. Fase 4: Aplicación del Índice de Justicia Ambiental Asociado a la Calidad del Aire.
46
6. DETERMINACIÓN DE LAS VARIABLES PARA LA MEDICIÓN DE LA
JUSTICIA AMBIENTAL .................................................................................................... 47
6.1. Salud. ..................................................................................................................... 47
6.1.2. Geográficas ................................................................................................................. 52
6.1.2.1. Fuentes de Contaminación. ..................................................................................... 52
6.1.2.2. Nivel de Urbanización. ............................................................................................ 52
6.1.2.3. Uso del Suelo. .......................................................................................................... 54
6.1.2.4. Número de árboles................................................................................................... 55
6.1.2.5. Área Verde. .............................................................................................................. 56
6.1.2.6. Pendiente del Terreno ............................................................................................. 57
6.1.3. Población................................................................................................................ 58
6.1.4. Contaminantes........................................................................................................ 61
Página 7 de 160
6.1.5. Meteorología .......................................................................................................... 63
6.1.6. Educación ............................................................................................................... 65
6.1.7. Economía ............................................................................................................... 66
6.1.8. Transporte .............................................................................................................. 73
6.2. Correlación de Variables........................................................................................ 77
6.3. Formulación y Aplicación del Índice de Justicia Ambiental Asociado a la Calidad
del Aire. 83
6.3.1. Determinación del Subíndice. ................................................................................ 84
6.3.2. Determinación del Índice por Agregación de Subíndices.................................... 112
6.3.3. Definición de Rangos de Calidad ........................................................................ 114
6.3.4. Aplicación: Caso de Estudio Bogotá ................................................................... 116
7. CONCLUSIONES ............................................................................................... 137
9. REFERENCIAS ................................................................................................... 140
10. ANEXOS ............................................................................................................. 149
Página 8 de 160
ÍNDICE DE FIGURAS
Pág.
Figura 1. Injusticia Ambiental Asociada a desigualdades en los ingresos. ......................... 22
Figura 2. Red de Monitoreo de Calidad de Aire de Bogotá – RMCAB. Fuente: Secretaría
Distrital de Ambiente, 2016.................................................................................................. 31
Figura 3. Ubicación Estaciones de Monitoreo. Fuente: Secretaría de Ambiente de Bogotá,
2019. ..................................................................................................................................... 38
Figura 4. Metodología. Fuente: Elaboración propia, 2019. ................................................. 43
Figura 5. Mortalidad por enfermedades respiratorias en menores de 70 años. 2007 - 2017.
.............................................................................................................................................. 48
Figura 6. Bajo Peso Al Nacer. 2007 - 2017. ........................................................................ 50
Figura 7. Enfermedades Respiratorias.2007 – 2017. ........................................................... 51
Figura 8. Nivel de Urbanización. 2007 – 2017.................................................................... 53
Figura 9. Uso del Suelo por localidad. 2007-2017. ............................................................ 54
Figura 10. Número de Árboles. 2007 – 2017. ..................................................................... 56
Figura 11. Cobertura Arbórea.2007 – 2017. ........................................................................ 57
Figura 12. Pendiente del Terreno. ....................................................................................... 58
Figura 13. Habitantes por localidad.2007 – 2017. ............................................................... 59
Figura 14. Población Vulnerable. 2007 – 2017. .................................................................. 61
Figura 15. Material Particulado.2007 – 2017. .................................................................... 62
Figura 16. Meteorología 2007 – 2017. ................................................................................ 64
Figura 17. Educación 2007 – 2017. ..................................................................................... 66
Figura 18. Coeficiente de Gini.2007 – 2017. ..................................................................... 68
Figura 19. Tenencia de Vivienda. 2007 – 2017. .................................................................. 69
Figura 20. Precio del suelo. 2007 – 2017. .......................................................................... 70
Figura 21. Nivel de Pobreza. 2007 – 2017. ......................................................................... 71
Figura 22. Nivel Socioeconómico 2007 – 2017. ................................................................. 72
Figura 23. Tasa de Ocupación 2007 – 2017. ....................................................................... 73
Figura 24. Malla Via 2007 – 2017. ...................................................................................... 74
Figura 25. Principales relaciones entre las variables que determinan la justicia ambiental
asociada a la calidad del aire. ............................................................................................... 80
Figura 26. Casos enfermedades respiratorias. ..................................................................... 87
Figura 27. Casos de mortalidad por enfermedades respiratorias ......................................... 87
Figura 28. Bajo Peso Edad Gestacional............................................................................... 88
Figura 29. Fuentes de Contaminación ................................................................................ 89
Figura 30. Suelo Rural ......................................................................................................... 89
Figura 31. Suelo Urbano ...................................................................................................... 90
Figura 32. Área Promedio Uso Suelo Comercial ................................................................ 91
Figura 33. Área Promedio Uso Suelo Industrial.................................................................. 91
Figura 34. Área Promedio Uso Suelo Servicios .................................................................. 92
Figura 35. Árboles ............................................................................................................... 93
Página 9 de 160
Pág
Figura 36. Cobertura arbórea ............................................................................................... 93
Figura 37. Pendiente del terreno .......................................................................................... 94
Figura 38. Habitantes/Localidad.......................................................................................... 95
Figura 39. Habitantes menores de 5 años. ........................................................................... 95
Figura 40. Habitantes mayores de 70 años. ......................................................................... 96
Figura 41. Velocidad del viento. ......................................................................................... 97
Figura 42. Dirección del viento. .......................................................................................... 97
Figura 43. Precipitación. ...................................................................................................... 98
Figura 44. Matriculados educación básica primaria. ........................................................... 99
Figura 45. Cobertura de educación. ..................................................................................... 99
Figura 46. Coeficiente de Gini. ......................................................................................... 100
Figura 47. Tenencia de Vivienda. ...................................................................................... 101
Figura 48. Precio suelo industrial. ..................................................................................... 101
Figura 49. Precio suelo comercial. .................................................................................... 102
Figura 50. Precio suelo servicios. ...................................................................................... 103
Figura 51. Índice de Pobreza Multidimensional. ............................................................... 103
Figura 52. Proporción de población en estrato 1 por localidad. ........................................ 104
Figura 53. Proporción de población en estrato 2 por localidad. ........................................ 105
Figura 54. Proporción de población en estrato 3 por localidad. ........................................ 105
Figura 55. Proporción de población en estrato 4 por localidad. ........................................ 106
Figura 56. Proporción de población en estrato 5 por localidad. ........................................ 107
Figura 57. Proporción de población en estrato 6 por localidad. ........................................ 107
Figura 58. Tasa de Ocupación. .......................................................................................... 108
Figura 59. Malla Vial......................................................................................................... 109
Figura 60. Puntos de Monitoreo. ....................................................................................... 116
Página 10 de 160
INDICE DE TABLAS
Pág.
Tabla 1. Atributos y rangos del IBOCA. ............................................................................. 32
Tabla 2. Niveles máximos permisibles para contaminantes criterio. .................................. 36
Tabla 3. National Ambient Air Quality Standars (NAAQS) ............................................... 36
Tabla 4. Norma Oficial Mexicana. ...................................................................................... 37
Tabla 5. Real Decreto 102/2011. .......................................................................................... 37
Tabla 6. Ubicación Estaciones de Monitoreo ...................................................................... 38
Tabla 7. Caracterización zonas de estudio........................................................................... 39
Tabla 8. Fórmulas de agregación para la formulación de índices de calidad. ..................... 46
Tabla 9. Escala de Clasificación índice de calidad del aire. ................................................ 46
Tabla 10. Variables Seleccionadas. ..................................................................................... 75
Tabla 11. Datos de entrada análisis factorial SPSS. ........................................................... 77
Tabla 12. Estadísticos Descriptivos ..................................................................................... 78
Tabla 13. Comunalidades de las variables seleccionadas.................................................... 81
Tabla 14. Varianza Total Explicada .................................................................................... 82
Tabla 15. Matriz de Componentes. ...................................................................................... 82
Tabla 16. Clasificación valor coeficiente de determinación R2. ......................................... 85
Tabla 17. Abreviaturas para las variables. ........................................................................... 85
Tabla 18. Subíndices organizados por componentes principales. .................................... 110
Tabla 19. Rangos de Calidad. Índice de Justicia Ambiental asociado al PM10 ................. 115
Tabla 20. Rangos de Calidad. Índice de Justicia Ambiental asociado al PM2.5 ................ 115
Tabla 21. Condiciones caso de estudio. ............................................................................. 117
Tabla 22. Resultados caso de estudio. Índice de Justicia Ambiental Asociado al PM10. .. 118
Tabla 23. Resultados caso de estudio. Índice de Justicia Ambiental Asociado al PM2,5. . 120
Tabla 24. Análisis de resultados – caso de estudio. ........................................................... 124
Tabla 25. Validación del Índice de Justicia Ambiental Asociado a la Calidad del Aire. ... 134
Página 11 de 160
ÍNDICE DE ECUACIONES
Pág.
Ecuación 1. Coeficiente de Gini ........................................................................................... 23
Ecuación 2. Índice de Theil ................................................................................................. 23
Ecuación 3. Entropía Generalizada ..................................................................................... 23
Ecuación 4. Proporciones de Medianas. ............................................................................... 24
Ecuación 5. Kolm – Pollak ................................................................................................... 24
Ecuación 6. Enfermedades Respiratorias. ............................................................................ 87
Ecuación 7. Mortalidad por Enfermedades Respiratorias. ................................................... 87
Ecuación 8. Bajo Peso Edad Gestacional. ............................................................................ 88
Ecuación 9. Fuentes de Contaminación. ............................................................................... 88
Ecuación 10. Suelo Rural. .................................................................................................... 89
Ecuación 11. Suelo Urbano. ................................................................................................. 90
Ecuación 12. Área promedio uso comercial. ........................................................................ 90
Ecuación 13. Área promedio uso industrial.......................................................................... 91
Ecuación 14. Área promedio uso servicios. ......................................................................... 92
Ecuación 15. Árboles. ........................................................................................................... 92
Ecuación 16. Cobertura Arbórea. ......................................................................................... 93
Ecuación 17. Pendiente......................................................................................................... 94
Ecuación 18. Habitantes por localidad. ................................................................................ 94
Ecuación 19. Habitantes menores de 5 años. ........................................................................ 95
Ecuación 20. Habitantes mayores a 70 años. ........................................................................ 96
Ecuación 21. Velocidad del viento. ...................................................................................... 96
Ecuación 22. Dirección del viento. ....................................................................................... 97
Ecuación 23. Precipitación. .................................................................................................. 98
Ecuación 24. Estudiantes matriculados educación básica primaria ..................................... 98
Ecuación 25. Cobertura de educación. ................................................................................. 99
Ecuación 26. Coeficiente de Gini. ...................................................................................... 100
Ecuación 27. Tenencia de vivienda .................................................................................... 100
Ecuación 28. Precio uso suelo industrial ............................................................................ 101
Ecuación 29. Precio uso suelo comercial ........................................................................... 102
Ecuación 30. Precio uso suelo servicios ............................................................................. 102
Ecuación 31. IPM ............................................................................................................... 103
Ecuación 32. Estrato 1 ........................................................................................................ 104
Ecuación 33. Estrato 2 ........................................................................................................ 104
Ecuación 34. Estrato 3 ........................................................................................................ 105
Ecuación 35. Estrato 4 ........................................................................................................ 106
Ecuación 36. Estrato 5 ........................................................................................................ 106
Ecuación 37. Estrato 6 ........................................................................................................ 107
Ecuación 38. Tasa de ocupación......................................................................................... 108
Ecuación 39. Malla Vial ..................................................................................................... 108
Ecuación 40. Formula de agregación. ................................................................................ 112
Página 12 de 160
Ecuación 41. Índice Justicia Ambiental Factor 1. .............................................................. 112
Ecuación 42. Índice Justicia Ambiental Factor 2. .............................................................. 112
Ecuación 43. Índice Justicia Ambiental Factor 3. .............................................................. 112
Ecuación 44. Índice Justicia Ambiental Factor 4. .............................................................. 113
Ecuación 45. Índice Justicia Ambiental Factor 5. .............................................................. 113
Ecuación 46. Índice Justicia Ambiental Factor 6. .............................................................. 113
Ecuación 47. Índice Justicia Ambiental Factor 1. .............................................................. 113
Ecuación 48. Índice Justicia Ambiental Factor 2. .............................................................. 113
Ecuación 49. Índice Justicia Ambiental Factor 3. .............................................................. 113
Ecuación 50. Índice Justicia Ambiental Factor 4. .............................................................. 114
Ecuación 51. Índice Justicia Ambiental Factor 5. .............................................................. 114
Ecuación 52. Índice Justicia Ambiental Factor 6. .............................................................. 114
Página 13 de 160
1. PLANTEAMIENTO DEL PROBLEMA
Todas las personas tienen derecho a gozar de un ambiente sano, tal como se expresa en el
artículo 79 del Capítulo 3: De los derechos colectivos y del ambiente, de la Constitución
Política de Colombia del año 1991 (Constitución Política de Colombia, 1991). No obstante,
en la actualidad es una de las mayores preocupaciones de la sociedad, ya que las actividades
antropogénicas han contribuido al deterioro en todos los aspectos ambientales, tales como
aire, agua y suelo, lo que genera afectación en la salud y bienestar de las personas
(Domínguez, 2015).
Adicionalmente, a nivel mundial, por medio de los Objetivos de Desarrollo Sostenible
(ODS), la Asamblea General de las Naciones Unidas propone que se establezcan actividades
para “Garantizar una vida saludable y promover el bienestar para todos y todas en todas las
edades” (ONU, 2015). En este sentido, en lo que respecta al bienestar y vida saludable
asociado con el medio ambiente, se implementa el Programa de las Naciones Unidas para el
Medio Ambiente (PNUMA), el cual se ocupa de cuestiones ambientales a nivel regional y
mundial.
Lo anterior aplica para cada uno de los factores ambientales (agua, aire y suelo), los cuales
inciden en el bienestar y la vida saludable de las personas, no obstante, desde el punto de
vista de la salud pública, es importante destacar la calidad del aire que, si bien la gravedad
del impacto es variable en los individuos, toda la población está expuesta (OMS, 2018).
El aire a nivel global puede ser afectado por material particulado (MP), Ozono (O3), Dióxido
de Nitrógeno (NO2), Dióxido de Azufre (SO2), Monóxido de Carbono (CO) y Dióxido de
Carbono (CO2), cuyas fuentes de emisión corresponden principalmente a las actividades
industriales, generación de energía, transporte, planificación urbana y gestión de residuos
(OMS, 2018).
En lo que respecta a la calidad del aire, de acuerdo con la Organización Mundial de la Salud
(2018), “las personas que viven en países de ingresos bajos y medianos soportan
desproporcionadamente la carga de la contaminación del aire de exteriores, encontrando que
el 91% de los 4,2 millones de muertes prematuras por esta causa se producen en países de
ingresos bajos y medianos, principalmente de las Regiones de Asia Sudoriental y el Pacífico
Occidental”.
La situación descrita, genera inquietudes sobre cómo el medio ambiente impacta en diferentes magnitudes la vida de las personas, lo que se asocia directamente con la Justicia
Ambiental, dos palabras que hacen parte del lenguaje de la campaña ambiental, debate
político, investigación académica y formulación de políticas en todo el mundo (Walker,
2012).
Tal es el caso de China, si bien es cierto que no corresponde a los países con menores
ingresos, si es considerado uno de los países con mayor huella ecológica total (Pérez, 2017),
encontrando también que es una de las zonas con mayor afectación por parte de la
contaminación atmosférica en sus ciudades principales, destacando el Material Particulado
inferior a 2,5 micrómetros (PM2.5), el cual se asocia con la combustión de carbón, emisiones
Página 14 de 160
de vehículos automotores y fuentes industriales principalmente, evidenciando que este
comportamiento es asociado con el mayor riesgo de morbilidad y mortalidad por
enfermedades cardiovasculares y respiratorias (Pui, Chen, y Zuo, 2014).
A nivel local, en Bogotá, la condición de la calidad del aire presenta algunas fluctuaciones
con respecto a la zona de la evaluación, tal como se identifica por medio de la Red de
Monitoreo de Calidad del Aire de Bogotá (RMCAB), la cual cuenta con trece (13) estaciones
fijas y una (1) móvil a lo largo del territorio distrital. En este sentido, se evidencia que la
localidad de Puente Aranda en la ciudad de Bogotá ha sido reportada como una zona de alta
contaminación atmosférica, ya que el contenido de material particulado menor a 10
micrómetros (PM10), excede en el 75% de los casos analizados en el año 2006, con respecto
al límite permisible normativamente, el cual fue de 70 µg/m3 en la Resolución 601 de 2006
(Ministerio de Ambiente, Vivienda y Desarrollo Territorial, 2006), tal como se menciona en
el estudio realizado por Palacio, Zafra y Rodríguez (2014); es pertinente mencionar que los
límites normativos fueron actualizados, regulando un valor permisible de PM10 de 50 µg/m3
mediante las Resoluciones 610 de 2010 y 2254 de 2017 (Ministerio de Ambiente y Desarrollo
Sostenible).
Con respecto a lo anterior, en la ciudad de Bogotá el espacio correspondiente a la localidad
de Puente Aranda presenta la mayor área destinada a las actividades industriales, alcanzando
en el año 2017 un área promedio de 532,1 m2 (SDP, 2017), no obstante, este sector también
cuenta con área residencial, encontrando para este mismo año un total de 221906 habitantes
(DANE, 2017), a esto sumado las personas que permanecen en el sector por razones laborales
diariamente, es un alto número que se expone directamente a las condiciones de
contaminación del aire en este sector, adicionalmente, en particular en esta zona predomina
el estrato socioeconómico 3, con un 96,73% de la población. En contraste, la localidad de
Barrios Unidos presenta un menor contenido de contaminantes en el aire, se encuentra un
área significativamente menor destinada a las actividades industriales con un promedio de
160,7 m2, el total de habitantes es de 267106 (DANE 2017) y predomina el estrato 3 y 4 con
un 54,15% y 35,29% respectivamente (SDP, 2017). En concordancia con lo anterior, se
identifican desigualdades en cuanto a las zonas de la ciudad donde la exposición de los
habitantes es mayor a la contaminación atmosférica.
Como consecuencia del contenido anómalo de la atmosfera, según la OMS (2018), la
contaminación del aire presenta un importante riesgo medioambiental para la salud, ya que
se asocia con implicaciones en accidentes cerebrovasculares, cáncer de pulmón, así como
neumopatías crónicas y agudas, entre ellas el asma; ya que, en lo que respecta al material
particulado, el tamaño microscópico de estas partículas contaminantes penetra fácilmente la
pared del pulmón induciendo la inflamación en el intersticio pulmonar, que a su vez estimula
la producción de factores de coagulación en la sangre (Harrison y Yin, 2000).
En este sentido, se evidencia que la calidad del aire y los efectos en la salud presentan un
comportamiento directamente proporcional, tal como se evidencia en el estudio de
Arciniegas et al. (2006), donde se identifica una asociación positiva entre las concentraciones
de PM10 y el número de consultas por enfermedades respiratorias en la localidad de Puente
Aranda en la ciudad de Bogotá; sin embargo, la magnitud de este comportamiento no se
mantiene homogéneo globalmente, ya que las emisiones por parte de las actividades
Página 15 de 160
industriales, la tasa de motorización y el consumo de combustible (considerados como los
principales generadores de emisiones), fluctúa con respecto a la zona de estudio, por lo que
la concentración de contaminantes en la atmósfera también varía y por supuesto, su
incidencia en la afectación a la salud de los habitantes (Franco, 2012).
De acuerdo con lo anterior, la variación en las concentraciones de contaminantes en el aire y
el impacto en la salud de las personas está relacionado con el grado de exposición de las
mismas a dichas partículas contaminantes; sin embargo, las razones que generan esta
desigualdad no es clara, ya que, si bien es cierto, existen estudios que establecen de forma
individual los factores antropogénicos que generan esta condición de la calidad del aire, no
se encuentra establecida la influencia que tiene este comportamiento ambiental en la calidad
de vida y el bienestar de las personas, premisa de los ODS adoptados en el año 2015.
En este sentido, la problemática no es solamente el estado de la calidad del aire, es la medida
en que esta condición influye en la calidad de vida de las personas, lo que genera
desigualdades en cuanto a la generación y exposición a las partículas contaminantes en la
atmósfera; lo que se puede agrupar en el término de Justicia Ambiental.
De acuerdo con lo anterior, actualmente no existe una forma técnica de medir la Justicia
Ambiental asociada a la calidad del aire en la ciudad de Bogotá, siendo este aspecto
determinante en la calidad de vida de los habitantes; en este sentido, la asociación con la
calidad del aire está basada en una condición de inequidad ambiental entre las personas con
mayor exposición a los contaminantes mencionados.
De acuerdo con lo anterior, se formula la siguiente pregunta de investigación:
¿Cuál es del indicador que permite medir o determinar la Justicia Ambiental asociada a la
calidad del aire en la ciudad de Bogotá?
Página 16 de 160
2. JUSTIFICACIÓN
El desarrollo de un Índice de Justicia Ambiental surge de la necesidad de determinar la
desigualdad en términos ambientales en un territorio, particularmente para el caso de estudio
en la ciudad de Bogotá, donde las principales fuentes fijas de contaminación del aire se
encuentran en determinado sector, señalando la influencia de estas características con
respecto a la calidad de vida de los habitantes, lo que se refleja por medio de factores
socioeconómicos, salud, geográficos, densidad de población, meteorología, nivel educativo
y transporte.
En este sentido, por medio de esta investigación, se encontrará la relación entre la
concentración de contaminantes en la atmósfera con respecto a los factores que describen a
la población en términos sociales, socioeconómicos, factor salud, educación, demografía,
topografía y condiciones ambientales en cada sector analizado, con el fin de determinar el
nivel de desigualdad para el grado de exposición a los contaminantes en cada zona de la
ciudad, teniendo en cuenta las causas y consecuencias de este comportamiento.
Desde el punto de vista social, el desarrollo del Índice de Justicia Ambiental asociado a la
calidad del aire en la ciudad de Bogotá se denominará como una herramienta integral que
analiza la condición de justicia/injusticia ambiental en la ciudad de Bogotá, la cual va a ser
accesible a toda la sociedad, permitiendo encontrar una relación entre las concentraciones
reportadas por la RMCAB y las características de la población. De otro lado, favorece la
toma de decisiones gubernamentales, bajo la premisa de “gozar de un medio ambiente sano”
(Constitución Política de Colombia, 1991) y “garantizar bienestar y calidad de vida” (ONU,
2015), lo que pretende que impacte directamente en la mejora de las condiciones ambientales
del aire y, por ende, se logre la disminución de la afectación en la salud de los habitantes.
Desde el ámbito académico, este proyecto de investigación se sustenta desde la línea de
investigación de Gestión de Sistemas Ambientales de la Maestría en Desarrollo Sustentable
y Gestión Ambiental de la Universidad Distrital Francisco José de Caldas, en el marco de las
temáticas de indicadores de gestión ambiental. Adicionalmente, esta investigación sirve
como base para ser replicada con el fin de desarrollar indicadores de Justicia Ambiental
asociados a otros recursos naturales como lo es agua y suelo.
Actualmente, la calidad del aire en la ciudad de Bogotá se mantiene monitoreada por medio
de la Red de Monitoreo de Calidad del Aire de Bogotá (RMCAB), por lo que el Índice de
Justicia Ambiental sería un complemento a la información obtenida por medio de la
RMCAB, ya que no hace referencia solamente a un número, por el contrario, se relacionará
con los factores que permiten determinar la calidad de vida de los habitantes.
Adicionalmente, pese a que existen varios estudios que describen la Justicia Ambiental a
nivel global, no se cuenta con un índice que exprese el nivel de desigualdad en cuanto a la
calidad del aire. De otro lado, este proyecto contribuye como base para la toma de decisiones
gubernamentales, tales como ordenamiento territorial (Brugge et al., 2015); así mismo, puede
ser replicado en diferencias zonas a nivel global, con el fin de determinar el grado de
desigualdad ambiental.
Página 17 de 160
3. OBJETIVOS
3.1.Objetivo General
Desarrollar un Índice de Justicia Ambiental asociado a la calidad del aire en la ciudad de
Bogotá, basado en el periodo comprendido entre el año 2007 y 2017.
3.2.Objetivos Específicos
Seleccionar las variables que determinan la Justicia Ambiental, asociadas con la calidad del
aire, por medio del comportamiento de las mismas para el periodo entre el año 2007 y 2017,
a nivel de las localidades en la ciudad de Bogotá.
Identificar la correlación entre las variables que inciden en la determinación de Justicia
Ambiental y sus respectivos coeficientes, por medio de un análisis de componentes
principales.
Formular el Índice de Justicia Ambiental asociado con la calidad de aire, aplicando los
resultados al caso de estudio en la ciudad de Bogotá.
Página 18 de 160
4. MARCO TEÓRICO
4.1.Justicia Ambiental
A continuación, se presenta la definición para Justicia Ambiental, por parte de diferentes
actores y desde diferentes puntos de vista:
- La Justicia Ambiental es el principio de que los costos y servicios ambientales deben
distribuirse equitativamente dentro de la sociedad (Harner, Warner y Huber, 2004).
- La Justicia Ambiental apunta a la distribución justa de los recursos naturales (Cutts et
al., 2009).
- Desde el punto de vista de Chakraborty et al. (2011. Citado por Moreno, 2014), la
Justicia Ambiental hace referencia a la distribución desproporcionada de “bienes” y
“males” ambientales, situación que recae principalmente a las minorías étnicas y
raciales, las poblaciones de bajos ingresos y otros grupos vulnerables, debido a la carga
de los males y a la escasez de los bienes.
- La Justicia Ambiental es el trato justo y significativo de la participación de todas las
personas, independientemente de su origen étnico, racial o socioeconómico, en la
formulación de políticas públicas y regulaciones ambientales (Agencia de Protección
Ambiental de EEUU., 2017).
- Según Cutter (1995, citado por Jephcote, Chen y Ropkins, 2016), la Justicia Ambiental
busca proporcionar un acceso adecuado a un medio ambiente limpio e igual protección
contra posibles daños ambientales independientemente de factores socioeconómicos.
- La desigualdad ambiental o la justicia ambiental pueden definirse como la distribución
diferencial e inequitativa de los peligros ambientales a través de grupos
sociodemográficos (Brulle y Pellow, 2006 citado por Lanier et al., 2018).
- La desigualdad ambiental se refiere a la "distribución social desigual de los riesgos y
peligros ambientales y el acceso a bienes y servicios ambientales" (Red de Investigación
sobre Desarrollo Sostenible, 2007. Citado por Fernandez y Wu, 2018).
De acuerdo con lo anterior, los diferentes autores que definen la justicia ambiental presentan
términos comunes, sin embargo, para efectos de esta investigación se tiene en cuenta a
Chakraborty et al. (2011. Citado por Moreno, 2014) y la Red de Investigación sobre
Desarrollo Sostenible (2007. Citado por Fernandez y Wu, 2018); por ser un concepto descrito
de una manera más integral.
Página 19 de 160
4.1.1. Origen de la Justicia Ambiental
La justicia ambiental es un movimiento que nació en EEUU en la década de los ochenta del
siglo XX (Chakraborty et al., 2011. Citado por Moreno, 2014) con el fin de enfrentar un
fenómeno identificado como racismo ambiental, debido a que el activismo de la clase pobre
y afroamericana puso en evidencia que los centros de decisión institucional estaban copados
de población “blanca”; la primera tragedia conocida hace referencia al escándalo de los
residuos tóxicos de Love Canal34, este vecindario en la ciudad de Buffalo en Nueva York,
había sido construido sobre un antiguo canal de navegación usado como vertedero de
residuos químicos tóxicos (Espinosa, 2012).
No obstante, las preocupaciones expresadas por primera vez sobre la Justicia Ambiental
surgieron en Estados Unidos en la década de los 1970, en relación con los peligros como las
instalaciones de eliminación de desechos tóxicos, las cuales se encontraban
predominantemente en comunidades de bajos ingresos y no blancas (Mitchell, 2011). El
instrumento teórico asociado con la Justicia Ambiental es creado por Bullard, donde uno de
sus puntos esenciales es el principio de que todos los individuos tienen derecho a estar
protegidos de la degradación medioambiental (Espinosa, 2012).
Sin embargo, es a partir del año 1996, donde se incrementa el estudio en el área de la Justicia
Ambiental, ya que el número de artículos revisados por pares publicados de Justicia
Ambiental ha aumentado cada año, según la base de datos Scopus, tanto así, que, en los
últimos cinco años, se publicaron 425 artículos de revistas sobre justicia ambiental (Porter,
2009. Citado por Moreno, 2014).
4.1.2. Pertinencia del estudio de la Justicia Ambiental.
La distribución de la calidad ambiental es importante para el bienestar social por tres razones
(Boyce, Zwicki y Ash, 2016):
- El primer principio intrínseco, fundado, es el principio normativo de que toda persona
tiene el mismo derecho a un ambiente limpio y seguro.
- El segundo principio es instrumental: la calidad ambiental puede tener impactos
importantes en las oportunidades para llevar una vida saludable y productiva, y la
igualdad de oportunidades es ampliamente aceptada como un objetivo normativo.
- El tercero, también instrumental, es que la calidad ambiental puede tener importantes
impactos en los resultados económicos para individuos y comunidades, cuya
distribución ha sido la principal preocupación de los economistas que estudian su calidad
Página 20 de 160
4.1.3. Metodología del estudio de la Justicia Ambiental.
Metodológicamente, los estudios que miden las injusticias ambientales se han vuelto más
complejos en la última década, ya que incluyen análisis de correspondencia espacial,
coeficientes cuantitativos, modelos de regresión y otras técnicas de análisis espacial. En este
sentido, hasta el momento, el índice de desigualdad de Kolm – Pollak (VER SECCIÓN
4.1.7.1) es la medida más prometedora para evaluar sistemáticamente la Justicia Ambiental,
aunque a la fecha todavía carece de una gama suficiente de aplicaciones y una amplia
aceptación (Moreno, 2014).
4.1.3.1. Cuestiones metodológicas del concepto de justicia ambiental.
A continuación, se presentan los aspectos metodológicos del concepto de Justicia Ambiental,
propuestos por Moreno (2010):
- La Justicia Ambiental requiere procesos y resultados equitativos e imparciales, es decir,
implicará garantizar igualdad de oportunidades en la planificación y toma de decisiones,
así como la imparcialidad en los efectos distributivos.
- Establecer criterios de justicia, de manera consensuada y justificada.
- Medición de los efectos distributivos: Considerar el reparto de los beneficios y perjuicios
entre el universo relevante (seres o territorios). En cualquier estudio se identifican tres
fases básicas: 1) identificar el universo o población afectable, sin prejuicio de que seres
vivos no humanos sean contemplados, 2) estimar la naturaleza y extensión de los efectos
reales o potenciales y 3) dirimir si el reparto de los efectos es equitativo.
- Los efectos se reparten en el espacio, en el tiempo y entre grupos humanos de manera
diferente, por lo que sobre tales ejes se habrán de diseñar los instrumentos para la
medición de aquellos efectos.
Con el fin de realizar el diagnóstico o evaluación de los efectos derivados de una actividad
en la que se externaliza una parte de los resultados (por ejemplo, degradación o mejora
ambiental), implica una serie de agentes y dimensiones que pueden ser enunciados, por medio
de las siguientes cuestiones:
- ¿Quién realiza la actividad causante de las afectaciones ambientales?
- ¿Qué tipo de beneficios y perjuicios externos se producen?
- ¿Qué intensidad o cantidad de tales beneficios y/o perjuicios se ocasionan?
- ¿A quién afecta negativamente el desarrollo de la actividad?
- ¿Quién obtiene los beneficios externos de la actividad?
- ¿Dónde se obtienen dichos beneficios y perjuicios?
- ¿Cuándo se generan los beneficios y perjuicios? ¿Durante qué periodo?
Página 21 de 160
4.1.4. Normatividad asociada a la Justicia Ambiental.
Desde el punto de vista normativo, a nivel global las regulaciones en cuanto a la Justicia
Ambiental todavía son insuficientes, particularmente en Estados Unidos, la ley es
especialmente sensible a las diferencias raciales/étnicas, pero menos a las desigualdades
sociales y de ingresos. (Pastor, 2007. Citado por Moreno, 2014).
De acuerdo con lo anterior, Maguire y Sheriff (Citado por Moreno, 2014) indican que un
obstáculo relevante para la regulación de la Justicia Ambiental es la falta de criterio para
evaluar si existe desigualdad y, en caso afirmativo, en qué medida.
4.1.5. Perspectiva desde la Injusticia Ambiental
De acuerdo con Maroko (2012), las injusticias ambientales hacen referencia a la distribución
desigual de la contaminación, basada en las características de la población.
La injusticia ambiental se define como “la desigualdad en cuanto a la exposición
desproporcionadamente fuerte de pobres y grupos de minorías, a los productos químicos
tóxicos en el aire y agua, así como otros peligros ambientales (Landriga et al., 2010. Citado
por Schwartz et al., 2015)
La Injusticia ambiental refiere a la exposición desproporcionada a la contaminación peligrosa
entre los grupos desfavorecidos debido a fallas del mercado o desigualdad política, además
de las desigualdades en la exposición a la contaminación debido a las cargas ambientales
desproporcionadas y resultados adversos para la salud (Li et al., 2019).
Las injusticias ambientales ocurren cuando las poblaciones más desfavorecidas soportan una
carga desproporcionada de los impactos adversos de la contaminación u otros riesgos
ambientales (Knibbs y Barnett, 2015).
4.1.5.1.Injusticia Ambiental asociada a las emisiones vehiculares
Según Tayarani et al. (2016), una forma de expresar los problemas de injusticia ambiental
hace referencia a la distribución desigual de las concentraciones de emisiones vehiculares en
las zonas urbanas, ya que las poblaciones minoritarias y de bajos ingresos en la mayoría de
las comunidades viven más cerca de las carreteras con los mayores volúmenes de tráfico, lo
que las coloca en un riesgo desproporcionadamente mayor de sufrir resultados negativos para
la salud relacionados con la exposición a las emisiones de los vehículos (Rowangould, 2013)
En concordancia con lo anterior, la injusticia ambiental causada por la “Justicia del transporte
urbano”, se encuentran tres dimensiones donde las injusticias son aparentes: exposición a
riesgos de tráfico y contaminantes, distribución del espacio y valoración del tiempo de
transporte (Gossling, 2016).
Página 22 de 160
4.1.5.2.Injusticia Ambiental asociada a la desigualdad de ingresos
En lo que concierne a la injusticia ambiental causada por los ingresos, la desigualdad del
ingreso, como se ilustra en la Figura 1, está respaldad por tres principios teóricos: Poder,
Proximidad y Fisiología (Hill et al., 2019).
Figura 1. Injusticia Ambiental asociada a desigualdades en los ingresos.
Fuente: Hill et al. (2019).
- El principio de Poder sugiere que la desigualdad de ingresos podría aumentar la
vulnerabilidad de las poblaciones a un nivel determinado de contaminación del aire
debido al debilitamiento de las regulaciones y protecciones ambientales
- El principio de proximidad sugiere que la calidad del aire está ligada con la
vulnerabilidad de las poblaciones, contribuyendo a la agregación de poblaciones
vulnerables en el espacio geográfico. Desde la perspectiva de la salud pública y la
justicia ambiental, la segregación contribuye a las desigualdades sociales en la
proximidad residencial a los recursos de contaminación perjudicial.
- Los principios fisiológicos sugieren que la calidad del aire podría aumentar la
vulnerabilidad de las poblaciones para dar un nivel de contaminación del aire
asociado a la salud fisiológica de las poblaciones humanas.
4.1.6. Indicadores de inequidad/desigualdad ambiental.
Actualmente, se cuentan con los índices de inequidad/desigualdad ambiental que se describen
en este numeral, no obstante, la aplicación práctica es baja.
4.1.6.1.Medidas de inequidad ambiental por Boyce, Zwicki y Ash (2016).
Indicadores de Desigualdad Vertical: Corresponde a la clasificación de los individuos
según la variable de interés (aquí, la exposición a la contaminación) y luego resume el
alcance de las diferencias entre ellos.
Página 23 de 160
- Coeficiente de Gini: Medición de la desigualdad en la distribución de ingresos,
gastos y riqueza
Ecuación 1. Coeficiente de Gini
𝐺𝑖𝑛𝑖 = 1 + (1
𝑛) − [
2
𝑀𝐸𝐴𝑁𝐸𝑋𝑃 ∗ 𝑛2] ∑(𝑛 − 𝑖 + 1)
𝑛
𝑖=1
∗ 𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑖
Fuente: Boyce, Zwicki y Ash (2016).
Donde:
Exposurei: Exposición a tóxicos industriales
MeanExp: Exposición media a todos los tóxicos.
n= el número de secciones
El coeficiente de Gini se encuentra en el intervalo entre cero y uno, siendo los mayores
valores los que denotan una mayor desigualdad.
- Índice de Theil y medida de entropía generalizada: Corresponde al índice del grupo
de medición de las desigualdades.
Ecuación 2. Índice de Theil
𝑇ℎ𝑒𝑖𝑙 = ∑ (𝑊𝑖
𝑁)
𝑛
𝑖=1
(𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑖
𝑀𝐸𝐴𝑁𝐸𝑋𝑃) 𝑙𝑜𝑔 (
𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑖
𝑀𝐸𝐴𝑁𝐸𝑋𝑃)
Fuente: Boyce, Zwicki y Ash (2016).
Donde:
Wi= Peso de la población para el tramo censal
N=Población total
Adicionalmente, se presenta el cálculo de la entropía generalizada (GE), encontrando como
resultados valores entre cero e infinito, demostrando que el valor más alto refleja una mayor
desigualdad.
Ecuación 3. Entropía Generalizada
𝐺𝐸 =1
2∗ [(∑ (
𝑊𝑖
𝑁) (
𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑖
𝑀𝐸𝐴𝑁𝐸𝑋𝑃) ^2
𝑛
𝑖=1
) − 1]
Fuente: Boyce, Zwicki y Ash (2016).
Los indicadores de desigualdad horizontal dividen a la población en grupos basados en
características distintas de la variable de distribución.
Página 24 de 160
- Proporciones de medianas: Se basa en la comparación de la exposición de minorías raciales y étnicas con las de blancos no hispanos, siendo la Ecuación 4 el cálculo de
la exposición para cada grupo de la población.
Ecuación 4. Proporciones de Medianas.
𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑗 = ∑(𝐸𝑋𝑃𝑂𝑆𝑈𝑅𝐸𝑖 ∗ 𝑇𝑂𝑇𝐴𝐿𝑃𝑂𝑃𝑖 ∗ 𝑋𝑖𝑗)
𝑛
𝑖=1
/ ∑(𝑇𝑂𝑇𝐴𝐿𝑃𝑂𝑃𝑖 ∗ 𝑋𝑖𝑗)
𝑛
𝑖=1
Fuente: Boyce, Zwicki y Ash (2016).
Donde:
j= Grupo de la población
Xij= Grupo j en la población del tramo censal i.
POPi= Población Total
- Proporciones de percentiles 90: Por medio de los percentiles para el grado de exposición entre cada grupo de la población, se evalúan las desigualdades a nivel
ambiental, siendo el de mayor significancia, el percentil 90. En este sentido, los
resultados para el grado de exposición de acuerdo con el análisis de percentiles, se
agrupan en 100 partes, de las cuales, el percentil 1 refiere el menor grado de
exposición, mientras que el percentil 100 indica el máximo grado de exposición.
- Índice de desigualdad de Kolm – Pollak
Para medir la desigualdad por medio del índice Kolm – Pollak, se obtiene la siguiente
ecuación:
Ecuación 5. Kolm – Pollak
𝐼𝑘(𝑥) = {1
𝑘𝑙𝑛
1
𝑁∑ 𝑒−𝑘[�̅�−𝑥𝑛]
𝑁
𝑛=1
}
Fuente: Boyce, Zwicki y Ash (2016).
Donde;
K= valor calculado de acuerdo con la desigualdad
�̅�= promedio de población expuesta
𝑥n= valor escalar de la población expuesta N=Total población expuesta
Página 25 de 160
4.2.Indicadores de Medición
Los indicadores de medición son una herramienta usada en la presente investigación, en este
sentido es pertinente mencionar que, un indicador hace referencia a una expresión de tipo
cuantitativo o cualitativo, por medio de la cual se puede describir características,
comportamientos o fenómenos de la realidad a través de la evolución de una variable o la
relación entre variables. Estructuralmente, un indicador debe cumplir con características
básicas, como lo es la simplificación, medición y comunicación (DANE, 2010).
4.2.1. Características de los indicadores
Un índice de calidad se caracteriza por ser (Jaramillo et al., 2009):
- Confiable: Los datos utilizados provienen de fuentes conocidas y autorizadas para su
medición.
- Claro: Debe ser de fácil comprensión e interpretación por la comunidad
- Asequible: La información debe estar disponible en forma permanente para su consulta
- Válido: Define la categoría correspondiente a la situación presente.
- Sensible: Discrimina los distintos niveles de variación.
- Disponible: Los datos básicos para la construcción del indicador deben ser de fácil
obtención y sin restricciones de ningún tipo
- Alcance: El indicador debe sintetizar el mayor número posible de condiciones de
distintos factores que afectan la situación descrita por dicho indicador.
4.2.2. Tipos de indicadores
Según el Consejo Nacional de Evaluación de la Política de Desarrollo Social en México
(CONEVAL, 2013), un indicador es una herramienta que muestra indicios o señales de una
situación, actividad o resultado; así mismo, se evidencia la existencia de diferentes tipos de
indicadores, los cuales se listan a continuación:
- Indicadores de eficacia: Determinan el grado de cumplimiento del objetivo establecido.
- Indicadores de eficiencia: Corresponde a la medición de la relación entre los logros y los recursos utilizados para su cumplimiento.
- Indicadores de Economía: Hace referencia a la medición de la capacidad para administrar, generar o movilizar los recursos financieros.
- Indicadores de calidad: Medición de los atributos, capacidades o características que tienen o deben tener los bienes y servicios que se producen.
Con el fin de establecer los criterios que se deben tener en cuenta para la construcción de un
indicador, se deben seguir los siguientes pasos (CEPAL, 2009):
- Analizar el objetivo de la medición.
- Seleccionar aspectos relevantes a medir.
Página 26 de 160
- Formular el indicador.
- Establecer los medios de verificación.
- Validar el indicador.
- Establecer la frecuencia de cálculo, línea base y metas.
4.2.3. Ventajas, limitaciones y desventajas de los indicadores.
Una de las principales ventajas en el uso de indicadores hace referencia a la reducción de la
información, así como a la integración y resumen de diferentes dimensiones de un tema; por
el contrario, las malas prácticas en la construcción de un indicador pueden proveer resultados
confusos, por lo tanto, es necesario realizar análisis de sensibilidad y robustez (Schuschny y
Soto, 2009).
4.2.4. Requerimientos técnicos de los indicadores.
De acuerdo con los requerimientos técnicos de los indicadores, se debe tener en cuenta
(Castro y Bonaño, 2002):
- Existencia y determinación: La función matemática que define el indicador debe existir y tener solución perfectamente determinada.
- Exhaustividad: El indicador debe aprovechar al máximo la información suministrada por las variables que lo componen.
- Monótono: El indicador debe responder positivamente al cambio positivo de los componentes y viceversa.
- Invariancia: El indicador debe ser invariante frente a cambios de origen o de escala de sus componentes.
- Homogeneidad: La función matemática que define al indicador debe ser homogénea de
grado 1, es decir, se debe cumplir 𝑓(∝∙ 𝑥1, ⋯ , 𝛼 ∙ 𝑥𝑝) = 𝛼 ∙ 𝑓(𝑥1, ⋯ , 𝑥𝑝)
4.2.5. Análisis de Componentes Principales en la Construcción de Indicadores.
El análisis de componentes principales corresponde a una técnica estadística de síntesis de la
información, o reducción de la dimensión (número de variables), es decir, ante una base de
datos con un gran número de variables, el objetivo será reducirlas a un menor número
perdiendo la menor cantidad de información posible (Terradéz, 2013).
Según Terradéz (2013), un aspecto clave es la interpretación de los factores, ya que ésta no
viene dada a priori, sino que será deducida tras observar la relación de los factores con las
Página 27 de 160
variables iniciales; lo anterior, depende del conocimiento que el investigador tenga sobre la
materia de investigación.
4.3.Calidad del Aire
La determinación de la calidad del aire en este proyecto es fundamental, ya que son las
características con las que se asociará el nivel de justicia ambiental, entre otros factores
pertinentes para esta investigación.
La calidad del aire hace referencia a la medición de las condiciones del aire, está determinada
por factores antropogénicos como las actividades industriales, comerciales y el uso de
vehículos; así como por fenómenos naturales que se producen en la superficie o en el interior
de la tierra, como es el caso de las erupciones volcánicas (Contreras y García, 2013).
En los siguientes numerales se presentan las características y componentes del aire en
condiciones naturales, a su vez, se establecen las sustancias y/o partículas que son
perjudiciales para la salud humana, afectando de esta forma la calidad de vida de los
habitantes.
4.3.1. Aire – Características.
La atmósfera está formada por una mezcla de gases, a la que se denomina aire y una serie de
partículas sólidas y líquidas en suspensión, denominadas aerosoles. En tanto, el aire está
compuesto por elementos mayoritarios, que hacen referencia a Nitrógeno (N2), Oxígeno (O2),
Argón (Ar) y Dióxido de Carbono (CO2), mientras que dentro de los componentes
minoritarios se encuentran compuestos como Monóxido de Carbono (CO), Ozono (O3),
Hidrógeno (H2) y Helio (He) (IES La Sagra, 2013).
En cuanto a los compuestos mencionados, prevalece un 78% de Nitrógeno y 21% de
Oxígeno, en la mayoría de los casos en proporciones constantes; por el contrario, el 1%
restante se compone principalmente de gases traza, destacando los gases efecto invernadero
(GEI), vapor de agua, Dióxido de Carbono (CO2), Metano (CH4) y Ozono (O3) (Contreras &
García, 2013).
4.3.2. Contaminantes Criterio
Para proteger la salud pública y el medio ambiente, la Agencia de Protección Ambiental de
Estados Unidos estableció estándares nacionales para seis contaminantes comunes del aire,
los cuales son conocidos como contaminantes criterio: Ozono, Material Particulado,
Monóxido de Carbono, Dióxido de Nitrógeno, Dióxido de Azufre y Plomo (OMS, 2004); de
la misma forma, estos estándares son adoptados en la normatividad Colombiana, por medio
de la Resolución 2254 de 2017 (Ministerio de Ambiente y Desarrollo Sostenible, 2017).
4.3.2.1.Dióxido de Azufre.
Este tipo de moléculas son bastante reactivas y su distribución a través de las vías de
conducción del tracto respiratorio no es uniforme. En caso que su presencia sea en volúmenes
Página 28 de 160
bajos, la penetración es insignificante, en caso contrario, las dosis de interés se pueden
extender hasta los bronquios segmentarios; de la misma forma, es pertinente señalar que las
personas que padecen asma pueden ser 10 veces más receptivas que los individuos sanos
(OMS, 2004).
La mayor fuente de Dióxido de Azufre (SO2) en la atmósfera es la quema de combustibles
fósiles por las centrales eléctricas y otras instalaciones industriales, entre tanto, las fuentes
más pequeñas de emisiones de SO2 incluyen procesos industriales como la extracción de
metal a partir de minerales; de otro lado, se encuentran fuentes de emisión naturales como
volcanes, locomotoras, barcos y otros vehículos y equipos pesados que queman combustible
con un alto contenido de azufre (EPA, 2019).
4.3.2.2.Material Particulado en Suspensión.
El Material Particulado hace referencia a una mezcla de partículas sólidas y gotas líquidas
que se encuentran suspendidas en el aire. Se encuentran varios tipos de partículas, las cuales
se clasifican de acuerdo a su tamaño, encontrando que una parte de ellas se detectan a simple
vista, como lo es el polvo, la suciedad, el hollín, o el humo; en contraste, otras son tan
pequeñas que solamente se detectan a nivel microscópico.
La contaminación por partículas incluye:
PM10: Partículas inhalables que tienen un diámetro menor o igual a 10 micrómetros.
PM2.5: Partículas inhalables finas que tienen diámetro menor o igual a 2,5 micrómetros.
En concordancia con lo anterior, el material particulado se identifica en varios tamaños y
pueden estar conformados por diferentes sustancias químicas; se generan a partir de obras en
construcción, caminos sin asfaltar, campos, chimeneas o incendios. Adicionalmente, la
mayoría de las partículas se forman en la atmósfera como resultado de reacciones complejas
de químicos, como el dióxido de azufre y los óxidos de nitrógeno, que son contaminantes
emitidos por centrales eléctricas, industrias y automóviles.
En términos de salud, se pueden provocar graves problemas por la inhalación de estas
partículas, debido a que pueden llegar a la profundidad de los pulmones e incluso hasta el
torrente sanguíneo. Adicionalmente, las partículas finas (PM2.5) son la causa de la visibilidad
reducida (bruma) en partes de los Estados Unidos (EPA, 2018).
4.3.2.3.Dióxido de Nitrógeno.
Las moléculas de NO2 son gases relativamente insolubles en agua, en caso de ser inhalado,
puede penetrar las vías respiratorias inferiores del pulmón, lo que puede generar respuestas
biológicas (Behrentz, 2009). En contraste, de forma natural, el Nitrógeno molecular
diatómico (N2) es un gas relativamente inerte que compone alrededor del 80% del aire. En
este sentido, los automóviles y otras fuentes móviles contribuyen en alrededor de la mitad de
Página 29 de 160
los Óxidos de Nitrógeno que son emitidos, además, la fuente de generación de este tipo de
compuestos corresponde a los aportes por parte de plantas termoeléctricas, calderas
industriales, incineradores, turbinas de gas, motores estacionarios de diésel, fábricas de
hierro, y acero, manufactura de cemento, manufactura de vidrio, refinerías de petróleo y
manufactura de ácido nítrico (EPA, 2018).
4.3.2.4.Ozono.
El Ozono es un gas incoloro que puede ser favorable o desfavorable, dependiendo del lugar
en el que se encuentre; el Ozono en la estratósfera es bueno porque protege la Tierra de los
rayos ultravioletas del sol, en contraste, el Ozono a nivel terrestre es malo, ya que puede
perjudicar la salud humana. En este caso, el Ozono puede causar problemas de salud como
tos, dificultad para respirar y afectación pulmonar. Esta molécula se forma cuando dos tipos
de contaminantes (compuestos orgánicos volátiles o COV y Óxidos de Nitrógeno o NOx)
reaccionan con la luz solar, dichos contaminantes provienen de fuentes como vehículos,
industrias, centrales eléctricas, y productos como solventes (pinturas) (Air y
Wastemanagement, 2005).
4.3.2.5.Plomo.
Este elemento puede ingresar en los seres humanos a través de vías indirectas, el uso de
combustibles a base de plomo, puede generar emisiones de partículas finas en los escapes de
los vehículos; fácilmente el plomo particulado puede llegar al polvo de las viviendas,
asimismo, puede ingresar mediante el tracto digestivo, por la ingesta de alimentos que estén
expuestos a este tipo de alimentos (OMS, 2004).
4.3.2.6. Monóxido y Dióxido de Carbono
El Monóxido de Carbono (CO) es un gas inodoro, incoloro y tóxico, se produce por la acción
de combustibles como gas natural, gas propano, gasolina, petróleo, queroseno, madera o
carbón. De otro lado, el Dióxido de Carbono (CO2) es un gas inodoro e incoloro y es generado
por la acción de los combustibles fósiles; en este caso, el impacto en la salud genera riesgo
de cáncer, riesgos para la salud reproductiva, intoxicación y pérdida de la visión (EPA, 2018).
4.3.3. Técnicas y Métodos para la Determinación de los Contaminantes Criterio
La determinación de los contaminantes criterio realizada por la Red de Monitoreo de Calidad
del Aire de Bogotá se realiza teniendo en cuenta los métodos de medición descritos en el
CFR (Code of Federal Regulations) Título 40 que están aprobados por la Agencia de
Protección Ambiental (EPA por sus siglas en inglés) de Estados Unidos.
Página 30 de 160
El equipo de muestreo de gases consta de una caja metálica con tapa móvil y dos
compartimientos, el primero de ellos consiste en una bomba de vacío cuyas características
cumplen las especificaciones recomendadas por la U.S. EPA 40 CFR.
El segundo compartimiento consta de un tren de muestreo, que va conectado a la bomba de
vacío y consta de un tubo distribuidor conectado en serie a tres colectores de vidrio de boro
silicato que contienen la solución absorbente para NOX, SOX, y un tercero, vacío, que hace
las veces de trampa colectora de humedad (burbujeador trampa).
El flujo de aire que pasa a través del sistema es controlado por orificios críticos, el cual es
calibrado antes y después de la colección de la muestra (24 horas); mientras que el sistema
es protegido por un filtro de membrana de 8 micras colocado entre la entrada de la muestra
y el primer burbujeador, y por una trampa de humedad (silica gel) colocada entre el
burbujeador y la bomba de vacío.
Por su parte, el colector de NOX va empotrado en una pequeña nevera refrigerada con hielo
seco o hielo con salmuera para mantener el sistema a baja temperatura, el SOx y el NOX se
determina por medio de un sistema húmedo de absorción de gases con químicos en estado
líquido (US EPA CFR 40, 2010).
4.3.4. Red de Monitoreo de Calidad del Aire en la Ciudad de Bogotá.
De acuerdo con la Secretaría Distrital de Ambiente (2016), la ciudad de Bogotá cuenta con
una Red de Monitoreo de Calidad de Aire - RMCAB, la que permite recolectar información
sobre la concentración de contaminantes y el comportamiento de las variables
meteorológicas que regulan la distribución de los mismos en la atmósfera bogotana.
Los datos que son recolectados en los diferentes puntos de la RMCAB, se reciben en una
estación central donde se someten a un proceso de validación final y posterior análisis con el
fin de evaluar el cumplimiento de los estándares de calidad expuestos en la Resolución 2254
del 01 de noviembre de 2017 expedida por el Ministerio de Ambiente y Desarrollo
Sostenible.
La RCMAB se compone de 13 estaciones de monitoreo fijas y una estación móvil, por medio
de las cuales se recolecta información de las concentraciones de material partículado (PM10,
PST y PM2.5), gases contaminantes (SO2, NO2, CO, O3) y de las variables meteorológicas
como precipitación, velocidad y dirección del viento, temperatura, radiación solar, humedad
relativa y presión barométrica (Secretaría Distrital de Ambiente, 2013).
En la Figura 2, se encuentra la ubicación geográfica de las estaciones de monitoreo de calidad
del aire en la ciudad de Bogotá, las cuales se listan a continuación:
- Guaymaral
- Usaquén
- Suba
- Bolivia
- Las Ferias
Página 31 de 160
- Parque Simón Bolivar
- Sagrado Corazón
- Fontibón
- Puente Aranda
- Kennedy
- Carvajal
- Tunal
- San Cristóbal
- Móvil
Figura 2. Red de Monitoreo de Calidad de Aire de Bogotá – RMCAB. Fuente: Secretaría Distrital de
Ambiente, 2016.
4.3.5. Indicador Bogotano de Calidad del Aire – IBOCA
Como una forma de determinar la incidencia de las concentraciones de contaminantes en el
aire de Bogotá, por medio de la Resolución 2410 de 2015 se establece el Índice Bogotano de
Calidad del Aire – IBOCA - para la definición de niveles de prevención, alerta o emergencia
Página 32 de 160
por contaminación atmosférica en Bogotá D.C. y se toman otras determinaciones. En este
sentido, se tienen en cuenta las concentraciones de PM10, PM2,5, 03, CO, SO2 y NO2, las
cuales son obtenidas por medio de la Red de Monitoreo de Calidad del Aire de Bogotá
(RMCAB).
En el artículo 3 del Acto Administrativo mencionado previamente se establecen los rangos
de concentración y los tiempos de exposición para cada contaminante del IBOCA, los estados
de calidad de aire y los estados de actuación y respuesta bajo los cuales se deben declarar en
la ciudad de Bogotá D.C. los estados excepcionales de Prevención, Alerta y Emergencia, tal
como se expresa en la Tabla 1.
En este sentido, las concentraciones que se obtienen por medio de la RMCAB para cada uno
de los contaminantes mencionados se ubican en el rango pertinente en la parte derecha de la
Tabla 1, posteriormente, se identifica el atributo correspondiente en la parte izquierda de la
misma tabla.
Tabla 1. Atributos y rangos del IBOCA.
Atributos del IBOCA Rangos de concentración para cada contaminante y
tiempo de exposición del IBOCA1
Rangos
numéricos Color
Estado de
calidad del
aire
Estado de
actuación y
respuesta
PM10,
24h
(µg/m3)
PM2.5,
24h
(µg/m3)
O3, 8h
(µg/m3)
[ppb]
CO, 8h
(µg/m3)
[ppm]
SO2, 1h
(µg/m3)
[ppb]
NO2, 1h
(µg/m3)
[ppb]
0 - 10 Azul
claro Favorable Prevención (0-54) (0-12)
(0-116)
[0-59]
(0-5038)
[0,0-4,4]
(0-93)
[0-35]
(0-100)
[0-53]
10,1 - 20 Verde Moderada Prevención (55-154) (12,1-
35,4)
(117-
148)
[60-75]
(5039-
10762)
[4,5-9,4]
(94-198)
[36-75]
(101-
188)
[54-100]
20,1 - 30 Amarillo Regular Alerta
Amarilla
(155-
254)
(35.5-
55.4)
(149-
187)
[76-95]
(10763-
14197)
[9,5-
12,4]
(199-
486)
[76-185]
(189-
677)
[101-
360]
30,1 - 40 Naranja Mala Alerta
Naranja
(255-
354)
(55.5-
150.4)
(188-
226)
[96-
115]
(14198-
17631)
[12,5-
15,4]
(487-
797)
[186-
304]
(678-
1221)
[361-
649]
40,1 - 60 Rojo2 Muy Mala Alerta Roja1 (355-
424)
(150.5-
250.4)
(227-
734)
[116-
374]
(17632-
34805)
[15,5-
30,4]
(798-
1583)
[305-
604]
(1221-
2349)
[650-
1249]
60,1 - 1003 Morado Peligrosa Emergencia (425-
604)
(250.5-
500.4)
(734-
938)
[374-
938]
(34806-
57703)
[30,5-
50,4]
(1584-
2630)
[605-
1004]
(2350-
3853)
[1250-
2049]
Fuente: Resolución 2410 de 2015
Página 33 de 160
4.4.Experiencias en el Estudio de la Calidad del Aire
Contraloría de Bogotá (2005). El Transporte Público colectivo, individual y masivo de
pasajeros, el transporte intermunicipal y las terminales satélites en Bogotá: Desde el punto
de vista del área de transporte, en este documento se hace una caracterización sobre la
evolución de las diferentes clases de transporte en la ciudad de Bogotá, así como también
aborda los aspectos regulados normativamente.
De la misma forma, se establecen las demandas de transporte para el momento en el que se
desarrolla esta investigación y se realiza una caracterización sobre el parque automotor que
abarca el transporte público colectivo, individual y masivo.
Behrentz (2006). Concentraciones de material particulado respirable suspendido en el aire en
inmediaciones de una vía de transporte público colectivo: Teniendo en cuenta que la RMCAB
determina que el mayor contaminante atmosférico en la ciudad de Bogotá corresponde al
PM10, lo cual es generado en mayor medida por los automotores alimentados con
combustibles diesel, que contiene 1200 ppm de Azufre, convirtiéndolo en un combustible de
mala calidad debido a la formación de material particulado durante el proceso de combustión
interna.
De acuerdo con lo anterior, el objetivo de este estudio es identificar y analizar el impacto de
las variables que determinan las concentraciones de material particulado respirable
suspendido en el aire de Bogotá, en las inmediaciones de una vía que presente un alto flujo
vehicular. Los resultados obtenidos demuestran que los niveles de contaminación por
material particulado registrados en cercanías a la carrera séptima tienden a ser mayores que
en otras zonas de la ciudad.
Valderrama, Rojas y Gómez (2006). Caracterización del material particulado en dos vías de
transporte público colectivo y masivo en Bogotá: Se realizó un monitoreo de PM10 y PM2,5
entre septiembre y octubre de 2005 por medio de un impactador de cascada, para tres puntos
ubicados en la Calle 200 a 2 km de la Autopista Norte, Avenida Caracas con Calle 46 y la
Carrera Séptima con Calle 40.
A partir del monitoreo se establecieron los resultados de PM10, PM2,5, Cadmio, Manganeso,
Plomo e Hierro, demostrando que en la mayoría de los casos se obtienen mayores reportes
en el punto ubicado en la carrera séptima con calle 40, exceptuando la determinación de
Manganeso, Hierro y Plomo, donde los reportes son mayores en la Avenida Caracas con Calle 46.
Franco et al (2009). Niveles de material particulado en colegios distritales ubicados en vías
con alto tráfico vehicular en la ciudad de Bogotá: estudio piloto: Este estudio involucra las
mediciones de PM10 en cuatro colegios distritales en Bogotá, tres de los cuales se encuentran
ubicados en vías consideradas de alto tráfico vehicular, mientras que el colegio restante, se
ubica en una zona semi-rural.
Página 34 de 160
Los resultados obtenidos demuestran que las concentraciones del contaminante al interior de
las instituciones educativas exceden los valores considerados como nocivos para poblaciones
sensibles por la Organización Mundial de la Salud.
Cruz, Gómez, Quintero y Varela (2013). Evaluación de la calidad del aire respecto de
partículas suspendidas totales (PST) y metales pesados (Pb, Cd, Ni, Cu y Cr) en la ciudad de
Hermosillo, Sonora, México, durante un periodo anual: Esta investigación realizada en la
ciudad de Hermosillo, Sonora, pretendió investigar la calidad del aire en la zona
implementando el Índice Metropolitano de Calidad del Aire (IMECA) encontrando
resultados desfavorables en relación la presencia de PST, obteniendo condiciones no
satisfactorias y malas; en contraste, el contenido de metales pesados cumple con los límites
máximos establecidos en la norma NOM-026-SSA1-1993, en los criterios de la Organización
Mundial de la Salud, las regulaciones por parte de la comunidad europea (CEC 2003) y la
Agencia Ambiental Europea (EEA 2004). Finalmente, esta investigación es el punto de
partida, con el fin que en futuras investigaciones se relacione la presencia de PST con los
riesgos a la salud, la morbilidad y mortalidad, así como las condiciones geográficas,
meteorológicas y de urbanización, que incidan en el diseño de un programa local de
mejoramiento de la calidad del aire.
Zhang et al. (2011). Long-Term Exposure to Ambient Air Pollution and Mortality Due to
Cardiovascular Disease and Cerebrovascular Disease in Shenyang, China: El studio realizado
en China tiene como objetivo relacionar la presencia de contaminantes en el aire con las
condiciones de salud de las personas, por medio de la determinación de PM10, SO2, NO2;
encontrando que un aumento en 10 µg/m3 en las concentraciones de PM10 genera un aumento
del 55% en el riesgo de una enfermedad cardiovascular. En conclusión, la exposición a largo
plazo a la contaminación del aire ambiente está asociada con la muerte ocasionada por
enfermedades cardiovasculares y cerebrovasculares en las poblaciones chinas.
Tang et al. (2014). Air pollution effects on fetal and child development: A cohort comparison
in China: El estudio es realizado en Tongliang, China, donde la principal Fuente de
contaminación se atribuye a la operación de una central eléctrica de carbón que estuvo en
operación hasta el año 2004, con el objetivo de identificar el impacto en la salud de mujeres
no fumadoras y sus hijos recién nacidos al estar a la exposición de los contaminantes de dicha
actividad; encontrando que los niños recién nacidos presentaron diferencias en la
circunferencia de la cabeza y las características del ADN.
Jasinski, Pereira y Braga (2011). Air pollution and pediatric hospital admissions due to
respiratory diseases in Cubatao, Sao Paulo State, Brazil, from 1997 to 2004.: El estudio es
llevado a cabo en Sao Paulo, Brasil durante el periodo comprendido entre el año 1997 a 2004,
por medio de un estudio ecológico de series temporales, donde se encontró que el aumento
en las concentraciones de material particulado en el aire aumenta los ingresos hospitalarios
por enfermedades respiratorias.
Corona y Rojas (2009). Calidad del aire y su incorporación en la planeación urbana:
Mexicali, Baja California, México: El estudio se basa en el análisis de contaminantes de 03,
Página 35 de 160
CO, SO2, NO2 y PM10 y su relación con la estructura urbana; en el caso de estudio en la
ciudad de Mexicali la calidad del aire no es satisfactoria, por lo que se propone una
planificación urbana que incorpore la dimensión ambiental de forma sistemática y continua
como un instrumento para garantizar la viabilidad de la expansión y crecimiento de las
ciudades.
4.5.Legislación Vigente en Relación a la Calidad del Aire y la Justicia Ambiental
4.5.1. Red por la Justicia Ambiental en Colombia.
La Red es una plataforma de articulación entre organizaciones sociales, representantes de la
academia y personas naturales y jurídicas, dedicada a la protección del ambiente y los
derechos humanos; funciona como una plataforma informativa y de coordinación, donde
actores de diferentes ámbitos interesados en el medio ambiente con perspectiva de derechos
humanos pueden compartir información, tener discusiones y articular trabajo conjunto. La
red por la justicia ambiental en Colombia (RJAC) fue lanzada en febrero de 2010 con la
coordinación de la Asociación Interamericana para la Defensa del Ambiente (AIDA) y la
colaboración de ILSA, INDEPAZ, la Comisión Intereclesial de Justicia y Paz, y las
Universidades del Rosario, de los Andes y de Caldas (Justicia Ambiental Colombia, 2018).
De manera independiente la RJAC no es una organización con la capacidad de emitir
normatividad en Colombia, no obstante, dentro de sus herramientas jurídicas compila la
normatividad vigente en el país en lo que concierne a la calidad de los recursos naturales
(agua, aire y suelo), manejo de residuos, reservas forestales, cambio climático,
contaminación, derecho Internacional Ambiental, Ecosistemas Marinos Jurisprudencia
ambiental, minería, represas, principio de precaución y ordenamiento territorial, los cuales
intervienen directamente en la calidad de vida de los habitantes (Justicia Ambiental
Colombia, 2018).
En términos generales, actualmente no existe legislación en la que se determine las
condiciones de Justicia Ambiental, sin embargo, si se implementa la normatividad asociada
a la conservación del medio ambiente, como una de las herramientas para evaluar la
Justicia/Injusticia Ambiental (EPA, 2019). En este sentido, en los siguientes numerales se
relaciona la normatividad ambiental asociada a la calidad del aire.
4.5.2. Resolución 2254 de 2017
Resolución 2254 de 2017 (Ministerio de Ambiente y Desarrollo Sostenible): Por la cual se
adopta la norma de calidad del aire ambiente y se dictan otras disposiciones.
Página 36 de 160
Teniendo en cuenta el Artículo 2: “Niveles Máximos Permisibles para Contaminantes
Criterio. En la Tabla 2 se establecen los niveles máximos permisibles a condiciones de
referencia para contaminantes criterio”
Tabla 2. Niveles máximos permisibles para contaminantes criterio.
Contaminante Nivel Máximo Permisible (µg/m3) Tiempo de Exposición
PM10 50 Anual
75 24 horas
PM2,5 25 Anual
37 24 horas
SO2 50 24 horas
100 1 hora
NO2 60 Anual
200 1 hora
O3 100 8 horas
CO 5000 8 horas
35000 1 hora
Fuente: MINISTERIO DE AMBIENTE Y DESARROLLO SOSTENIBLE, 2017.
4.5.3. National Ambient Air Quality Standars (NAAQS)
En este documento, la EPA ha establecido los estándares nacionales de calidad del aire
ambiental para los seis contaminantes principales, que se denominan “contaminantes
criterio”. En la Tabla 3 se presentan los límites normativos.
Algunos de estos límites se discriminan entre primarios, que corresponden a la protección de
la salud pública, incluida la protección de la salud de las poblaciones “sensibles” como los
asmáticos, niños y ancianos; y secundarios que hacen referencia al bienestar público, incluida
la protección contra la disminución de la visibilidad y el daño a animales, cultivos, vegetación
y edificios (EPA, 2016).
Tabla 3. National Ambient Air Quality Standars (NAAQS)
Contaminante Primario/Secundario Tiempo de
Exposición Límite
Monóxido de
Carbono (CO)
Primario 8 horas 9 ppm
1 hora 35 ppm
Plomo Primario y Secundario Promedio 3
meses
0,15 µg/m3
Dióxido de Nitrógeno Primario 1 Hora 100 ppb
Primario y secundario Anual 53 ppb
Ozono Primario y secundario 8 horas 0,070 ppm
Material
Particulado
PM2.5 Primario Anual 12 µg/m3
Secundario Anual 15 µg/m3
Primario y secundario 24 horas 35 µg/m3
PM10 Primario y secundario 24 horas 150 µg/m3
Dióxido de Azufre
(SO2)
Primario 1 hora 75 ppb
Secundario 3 horas 0,5 ppm
Fuente: EPA, 2016.
Página 37 de 160
4.5.4. Norma Oficial Mexicana NOM-020-SSA1-1993.
Por medio de la Norma Oficial Mexicana, se establecen los criterios para evaluar la calidad
del aire ambiente, con respecto a los contaminantes criterio de: Ozono, Monóxido de
Carbono, Dióxido de Azufre, Dióxido de Nitrógeno, Partículas Suspendidas Totales, PM10,
PM2,5 (Tabla 4).
Tabla 4. Norma Oficial Mexicana.
Contaminante Tiempo de
Exposición Límite
Ozono 1 hora 0,110 ppm
8 horas 0,08 ppm
Monóxido de Carbono 8 horas 11 ppm
Dióxido de Azufre (SO2) 24 horas 0,110 ppm
Anual 0,025 ppm
8 horas 0,20 ppm
Dióxido de Nitrógeno 1 hora 0,21 ppm
Partículas Suspendidas
Totales (PST) 24 horas 210 µg/m3
Partículas menores a 10
micrómetros (PM10)
24 horas 120 µg/m3
Anual 50 µg/m3
Partículas menores a 10
micrómetros (PM2,5)
24 horas 65 µg/m3
Anual 15 µg/m3
Fuente: Norma Oficial Mexicana NOM-020-SSA1-1993
4.5.5. Norma Española Real Decreto 102/2011.
Por medio del Real Decreto 102/2011 se establecen los límites máximos permisibles en lo
que concierne a la calidad del aire (Ver Tabla 5).
Tabla 5. Real Decreto 102/2011.
Contaminante Tiempo de
Exposición Límite
Dióxido de Azufre (SO2) 1 Hora 350 µg/m3
24 horas 125 µg/m3
PM10 24 horas 50 µg/m3
Anual 40 µg/m3
PM2.5 Anual 25 µg/m3
Plomo Anual 0,5 µg/m3
Fuente: Ministerio de la presidencia Española, 2011.
Página 38 de 160
5. MATERIALES Y MÉTODOS
5.1.Descripción del área de estudio.
El área de estudio comprende las estaciones de monitoreo de la red de calidad del aire de la
ciudad de Bogotá, las cuales se ubicadas, como se presenta en la Tabla 6 y en la Figura 3.
Tabla 6. Ubicación Estaciones de Monitoreo
Estación Latitud Longitud Altitud Localidad Dirección
Guaymaral 4°47'1.52"N 74°2'39.06"W 2580 m Suba Autopista Norte # 205-59
Usaquén 4°42'37.26"N 74°1'49.50"W 2570 m Usaquén Carrera 7B Bis # 132-11
Suba 4°45'40.49"N 74° 5'36.46"W 2571 m Suba Carrera 111 # 159A-61
Bolivia 4°44'9.12"N 74°7'33.18"W 2574 m Engativá Avenida Calle 80 # 121-98
Las Ferias 4°41'26.52"N 74°4'56.94"W 2552 m Engativá Avenida Calle 80 # 69Q-
50
P. Simón Bolívar 4°39'30.48"N 74°5'2.28"W 2577 m Barrios Unidos Calle 63 # 59A-06
Sagrado Corazón 4°37'31.75"N 74°4'1.13"W 2621 m Santa Fe Calle 37 # 8-40
Fontibón 4°40'12.36"N 74 8'29.58"W 2591 m Fontibón Carrera 96G # 17B-49
Puente Aranda 4°37'54.36"N 74°7'2.94"W 2590 m Puente Aranda Calle 10 # 65-28
Kennedy 4°37'30.18"N 74°9'40.80"W 2580 m Kennedy Carrera 80 # 40-55 sur
Carvajal 4°35'44.22"N 74°8'54.90"W 2563 m Kennedy Autopista Sur # 63-40
Tunal 4°34'34.41"N 74°7'51.44"W 2589 m Tunjuelito Carrera 24 # 49-86 sur
San Cristóbal 4°34'21.19"N 74°5'1.73"W 2688 m San Cristóbal Carrera 2 Este # 12-78 sur
Fuente: Secretaría de Ambiente de Bogotá, 2019.
Figura 3. Ubicación Estaciones de Monitoreo. Fuente: Secretaría de Ambiente de Bogotá, 2019.
Página 39 de 160
Los contaminantes que se determinan en cada una de las estaciones corresponde a:
- Material Particulado menor a 10 micras (PM10)
- Material Particulado menor a 2,5 micras (PM2,5)
- Partículas Suspendidas Totales (PST)
- Ozono (O3)
- Dióxido de Nitrógeno (NO2)
- Monóxido de Carbono (CO)
- Dióxido de Azufre (SO2)
Las variables meteorológicas que se miden son:
- Velocidad del Viento
- Dirección del Viento
- Temperatura
- Precipitación
- Radiación Solar
- Humedad Relativa
- Presión Atmosférica
En la Tabla 7 se presenta la caracterización de las zonas de estudio en la ciudad de Bogotá,
teniendo en cuenta su ubicación y límites geográficos, así como las características asociadas
a los recursos naturales.
Tabla 7. Caracterización zonas de estudio.
Localidad-
Número Límites UPZ
Características asociadas a
Recursos Naturales
Estación
de la
RMCAB
asociada
Usaquén1/1.
Ubicación en
Bogotá:
Extremo
nororiental
Sur
Calle 100 -
Localidad de
Chapinero Paseo Los
Libertadores,
Verbenal, La Uribe,
San Cristóbal Norte,
Toberín, Los
Cedros, Usaquén,
Country Club y
Santa Bárbara
En su territorio se encuentra
una parte del Complejo del
Humedal Torca-Guaymaral,
correspondiente a la
designación del humedal
urbano Ramsar. La localidad
hace parte de la Reserva
Forestal Protectora Bosque
Oriental de Bogotá (Cerros
Orientales).
Usaquén
Oriente Municipio de
La Calera
Occidente
Autopista
Norte
Localidad de
Suba
Norte Municipios de
Chía y Sopó
Santa Fe2/3
Ubicación en
Bogotá:
Centro
Sur
Localidades de
San Cristóbal y
Antonio Nariño
Sagrado Corazón,
La Macarena, Las
Nieves, Las Cruces
y Lourdes.
La localidad hace parte de la
Reserva Forestal Protectora
Bosque Oriental de Bogotá
(Cerros Orientales). Las
quebradas que tienen sus
Sagrado
Corazón
Oriente Municipio de
Choachí
Página 40 de 160
Localidad-
Número Límites UPZ
Características asociadas a
Recursos Naturales
Estación
de la
RMCAB
asociada
Occidente
Localidades de
Teusaquillo,
Mártires y
Antonio Nariño
nacimientos en la Reserva son
las siguientes: Santa Isabel,
Mochón del Diablo, Padre de
Jesús, Manzanares, San
Bruno, Roosevelt, San
Francisco y Las Brujas.
Adicionalmente, en esta
localidad se encuentra la
planta de tratamiento de agua
potable: Vitelma.
Norte Localidad de
Chapinero
San
Cristóbal3/4
Ubicación en
Bogotá:
Suroriente
Sur Usme
San Blas, La Gloria,
Los Libertadores,
Sosiego y 20 de
Julio.
Por la localidad se evidencia
el paso del Río Fucha. De la
misma forma, en su territorio
se encuentra el Parque
Ecológico Distrital de
Montaña Entrenubes; a su vez,
hace parte de la Reserva
Forestal Protectora Bosque
Oriental de Bogotá (Cerros
Orientales).
San
Cristóbal
Oriente
Municipios de
Choachí y
Ubaque
Occidente
Rafael Uribe
Uribe y
Antonio Nariño
Norte Santa Fe
Tunjuelito4/6
Ubicación en
Bogotá: Sur
Sur Usme
Venecia y
Tunjuelito.
Por la localidad se evidencia
el paso del río Tunjuelo, la
quebrada Chiguaza, el PEDH
El Tunjo y el canal San
Vicente. De otro lado, en su
territorio se encuentra al
parque El Tunal.
Tunal
Oriente
Localidad
Rafael Uribe
Uribe y Usme
Occidente Ciudad Bolívar
Norte
Localidades
Bosa, Kennedy
y Puente
Aranda
Kennedy5/8
Ubicación en
Bogotá:
Suroccidente
Sur Localidad de
Bosa Américas, Carvajal,
Castilla, Tintal
Norte, Calandaima,
Corabastos, Gran
Britalia, Patio
Bonito, Las
Margaritas, Bavaria,
Kennedy Central y
Timiza.
La localidad corresponde a
uno de los territorios borde
con el río Bogotá. Así mismo,
se encuentran los Parques
Ecológicos Distritales de
Humedal Techo, Burro, Vaca
sur y norte
Kennedy y
Carvajal
Oriente
Localidades de
Puente Aranda ,
Tunjuelito y
Ciudad Bolívar
Occidente --
Norte Localidad de
Fontibón
Fontibón6/9
Ubicación en
Bogotá: Occidente
Sur Avenida
Centenario Fontibón centro,
San Pablo, Zona
Franca, Ciudad
Salitre Occidental,
Granjas de Techo,
Modelia, Capellanía
y Aeropuerto
La localidad corresponde a
uno de los territorios borde
con el río Bogotá. Así mismo,
se encuentran los Parques
Ecológicos Distritales de
Humedal. río Fucha y los
canales San Francisco,
Boyacá, Hayuelos y Oriental
Meandro del Say y Capellanía
Fontibón
Oriente Carrera 68
Occidente Río Bogotá
Norte Autopista El
Dorado
Engativá7/10
Sur
Localidad de
Barrios Unidos
Las Ferias, Minuto
de Dios, Boyacá
La localidad corresponde a
uno de los territorios borde Las Ferias
Página 41 de 160
Localidad-
Número Límites UPZ
Características asociadas a
Recursos Naturales
Estación
de la
RMCAB
asociada
Ubicación en
Bogotá:
Noroccidente
Oriente Avenida 68 Real, Bolivia,
Garcés Navas,
Engativá, Santa
Cecilia, Jardín
Botánico y Álamos.
con el río Bogotá. Así mismo,
se encuentran los Parques
Ecológicos Distritales de
Humedal Jaboque, Santa
María del Lago y parte del
Juan Amarillo. Por la
localidad se evidencia el paso
del río Salitre y los canales
Cortijo, Bolivia, Carmelo y
Los Ángeles.
Occidente Río Bogotá
Norte
Río Juan
Amarillo -
Localidad de
Suba
Suba8/11
Ubicación en
Bogotá:
Noroccidente
Sur Localidad de
Engativá La Academia,
Guaymaral, Britalia,
Suba, El Rincón, El
Prado, Alhambra,
Casa Blanca Suba,
Niza, Tibabuyes y
La Floresta.
La localidad corresponde a
uno de los territorios borde
con el río Bogotá. Así mismo,
se encuentran los Parques
Ecológicos Distritales de
Humedal Conejera, Torca-
Guaymaral, Córdoba y Juan
Amarillo.
Suba
Oriente Localidad de
Usaquén
Occidente Municipio de
Cota
Norte Municipio de
Chía
Barrios
Unidos9/12
Ubicación en
Bogotá:
Noroccidente
Sur
Calle 63 -
Localidad de
Teusaquillo
Los Andes, Doce de
Octubre, Alcázares
y Parque el Salitre
Por la localidad se evidencia
le paso del río El Salitre, el
canal Río Negro, canales
Salitre, Brazo Salitre y La
Castellana. Así mismo, se
encuentra el Parque Ecológico
de Humedal el Salitre.
Parque
Simón
Bolivar
Oriente
Av. Caracas -
Localidad de
Chapinero
Occidente
Av. carrera 68 -
Localidad de
Engativá
Norte Calle 100 -
Localidad Suba
Puente
Aranda10/16
Ubicación en
Bogotá:
Centro -
occidente
Sur Localidad de
Tunjuelito
Ciudad Montes,
Muzu, San Rafael,
Zona Industrial y
Puente Aranda
Por la localidad se evidencia
el paso de los Canales del río
Fucha y Albina, así como los
ríos Seco y Comuneros
Puente
Aranda
Oriente
Localidades
Los Mártires y
Antonio Nariño
Occidente
Localidades de
Fontibón y
Kennedy
Norte Localidad de
Teusaquillo
Fuente: 1: Alcaldía Local de Usaquén, 2019. 2: Alcaldía Local de Santa Fe, 2019.
3: Alcaldía Local de San Cristobal, 2019. 4: Alcaldía Local de Tunjuelito, 2019. 5: Alcaldía Local de Kennedy, 2019. 6: Alcaldía Local de Fontibón, 2019. 7: Alcaldía Local de Engativá, 2019.
8: Alcaldía Local de Suba, 2019. 9: Alcaldía Local de Barrios Unidos, 2019. 10: Alcaldía Local de Puente Aranda, 2019.
Página 42 de 160
5.2.Tipo de Investigación
El tipo de investigación se define de alcance correlacional, debido a que involucra la
relación entre las variables que inciden en la Justicia Ambiental asociada a la calidad del
aire. De otro lado, la investigación se lleva a cabo siguiendo un enfoque metodológico
cuantitativo, siguiendo la estructura propuesta por Polit y Hungler (1994, p. 58-64).
5.3.Diseño Metodológico
La investigación presentó un enfoque metodológico cuantitativo, siguiendo la estructura
propuesta por Polit y Hungler (1994, p. 58-64), la cual se expresa en la Figura 4.
Fase 1: Selección Parámetros o
variables
Revisión producción científicia
Samboní (2007)
Google Academico y Science Direct
Selección de Variables
Variables Samboní (2007)
Clasificación por Dunnete (2015)
Recolección de la información
Datos recolectados. Sampieri (1991) y
Pineda et al (2007)
Instituciones
Base de datos
Fase 2: Determinación del subíndice para cada
parámetro
Análisis de componentes principales SPSS
Samboní (2007)
Diseño Factorial
Determinación de subíndices para cada
parámetro
Curvas basadas en ecuaciones matemáticas
(Fernández y Solano, 2005)
Página 43 de 160
Figura 4. Metodología. Fuente: Elaboración propia, 2019.
5.3.1. Fase 1: Selección de Parámetros o Variables
Fase 1.1: Revisión Producción Científica
Se realiza una revisión bibliográfica por medio de una metodología de búsqueda sistemática
de los estudios realizados a nivel mundial (Samboní, 2007), acerca de la Justicia Ambiental
asociada con la calidad del aire en áreas urbanas. Las bases de datos corresponden a Google
Academico y Science Direct.
Fase 1.2: Selección de Variables
Esta selección de variables corresponde a las variables definitivas que se van a involucrar en
el índice de justicia ambiental asociado a la calidad del aire.
Siguiendo la estructura en términos de índices de calidad, planteada por Samboni, et al.
(2007), la selección de variables o parámetros está entre dos (2) y n-parámetros; su elección
depende del criterio del experto, así como la información existente, los criterios de tiempo,
la localización y la importancia como estándar de calidad. Adicionalmente, es pertinente
mencionar que la elección de dichos parámetros también radica en el grado de influencia
sobre la salud humana, factores socioeconómicos y sector movilidad.
En este sentido, la selección de variables se realiza de acuerdo a los resultados de las
investigaciones a nivel global en cuanto a la influencia de la contaminación del aire en la
calidad de vida de las personas, así como las variables que inciden en el comportamiento de
los contaminantes del aire; las cuales se clasifican de acuerdo con lo sugerido por Dunnete
(2015). Para lo anterior se debe tener en cuenta el número de citaciones en las producciones
científicas encontradas por medio de la Fase 1.1.
Fase 3:Formulación del índice de justicia ambiental
asociado a la calidad del aire por agregación de subíndices
Agregación de los subíndices(Fernández y
Solano, 2005)
Escala nominal (Fernández y Solano, 2005)
Fase 4: Aplicación del índice de justicia ambiental
asociado a la calidad del aire
Representación geográfica en la zona de estudio.
Página 44 de 160
Fase 1.3: Recolección de la Información
Una vez se seleccionan las variables, se procede a recolectar la información correspondiente
al caso de estudio en la ciudad de Bogotá, por lo que los datos para cada variable se colectan
para las localidades estudiadas por medio de esta investigación.
La muestra de datos que se recolecta por medio de un modelo no probabilístico, de acuerdo
con lo expuesto por Sampieri (1991), donde afirma que este tipo de muestras también
llamadas muestras dirigidas, suponen un procedimiento de selección informal.
Según Fisher citado por Pineda et al (2007), el tamaño de la muestra debe definirse partiendo
de dos criterios: 1) De los recursos disponibles y 2) de los requerimientos que tenga el análisis
de la investigación. Por tanto, una recomendación es tomar la muestra mayor posible,
mientras más grande y representativa sea la muestra, menor será el error de la muestra
(Cfr.:1994,112).
De acuerdo con lo anterior, para el desarrollo de este proyecto de investigación, la muestra
seleccionada es igual a la población, es decir, para el análisis de la información se toman
todos los datos recolectados desde el año 2007 hasta el 2017, en relación con los
contaminantes criterios analizados por la RMCAB; esto con el fin de tener una mayor
representatividad de los datos, lo que es necesario para la formulación del índice de calidad
del aire.
La información de las variables es recolectada por medio de entidades como la Red de
Monitoreo de la Calidad del Aire de Bogotá, Observatorio Ambiental de Bogotá, Secretaría
de Planeación de Bogotá, DANE, Observatorio de Salud de Bogotá, Unidad Especial de
Catastro Distrital, Secretaría de Movilidad e IDU.
La información es almacenada en una base de datos en Excel, con el fin de facilitar la
exportación de los datos al Software SPSS. Adicionalmente, los datos obtenidos son
organizados con una frecuencia anual desde el año 2007 a 2017 y discriminados por cada
localidad que hace parte de esta investigación.
5.3.2. Fase 2: Determinación del Subíndice para cada Parámetro
Fase 2.1: Análisis de Componentes Principales SPSS
De acuerdo con lo expuesto por Samboní (2007), se lleva a cabo un diseño factorial, el cual
permite agrupar en equipos los parámetros utilizados en la investigación para conocer que
sucede con el problema a investigar. Se realiza un análisis factorial por medio del Software
SPSS Versión 23, seleccionando las herramientas de: descriptivos univariados, coeficientes,
determinantes, pruebas KMO y esfericidad. El método de extracción corresponde a
Página 45 de 160
Componentes principales, basado en un autovalor mayor a 1. Adicionalmente, para la matriz
de rotación se implementa el método Varimax.
En esta fase se obtiene la relación entre cada una de las variables, así como las agrupaciones
de las mismas por medio de la matriz de componentes.
Fase 2.2: Determinación de Subíndices para cada Parámetro
La determinación de los subíndices para cada parámetro se realiza siguiendo la metodología
expuesta por Fernández y Solano (2005), donde se estipula que estos datos se obtienen por
medio de curvas basadas en ecuaciones matemáticas, por lo que por medio de la herramienta
de análisis del Software SPSS se realizan las curvas de cada parámetro, con respecto a la
variable independiente.
5.3.3. Fase 3: Formulación del Índice de Justicia Ambiental Asociado a la Calidad
del Aire por Agregación de Subíndices
La formulación del índice se realiza por la agregación de los subíndices, la cual se realiza por
medio de fórmulas de agregación matemática que comúnmente corresponden a una función
promedio (Ver Tabla 8).
Básicamente existen dos enfoques para calcular un índice de calidad: (1) el producto
ponderado; en este método los pesos dan importancia a los puntajes y todos son ponderados
de acuerdo a la importancia de los pesos y luego multiplicados, evitando el encubrimiento
que se presenta cuando se calcula un valor satisfactorio, aunque el subíndice sea
insatisfactorio; (2) la suma ponderada; en esta cada puntaje es multiplicado por un peso y los
productos son sumados para obtener el Índice, si los pesos son iguales para cada puntaje, el
valor del Índice es llamado valor aritmético no ponderado. Si las sumas de los pesos no son
iguales entonces se conoce como valor aritmético de la calidad (Samboni, et al., 2007).
Página 46 de 160
Tabla 8. Fórmulas de agregación para la formulación de índices de calidad.
Fuente: Samboni, et al., 2007.
De otro lado, en esta fase se estipula la escala nominal, teniendo en cuenta los niveles de
clasificación expuestos por Fernández y Solano (2005) en la Tabla 9.
Tabla 9. Escala de Clasificación índice de calidad del aire.
Rango Clasificación y escala
de color
91-100 Excelente
71-90 Buena
51-70 Amarillo
26-50 Naranja
0-25 Rojo Fuente: Fernández y Solano (2005).
5.3.4. Fase 4: Aplicación del Índice de Justicia Ambiental Asociado a la Calidad
del Aire.
Con el índice de justicia ambiental asociado a la calidad del aire formulado, se establece la
justicia ambiental en las zonas de estudio de la ciudad de Bogotá, lo cual se representa
gráficamente por medio de mapas, en los que se ven detalladamente cada uno de los
componentes obtenidos por medio de esta investigación.
Página 47 de 160
6. DETERMINACIÓN DE LAS VARIABLES PARA LA MEDICIÓN DE LA
JUSTICIA AMBIENTAL
Con el fin de determinar las variables involucradas en la medición de la Justicia Ambiental,
se realiza la revisión bibliográfica utilizando una metodología de búsqueda sistemática de los
estudios realizados a nivel mundial, acerca de la justicia ambiental asociada con la calidad
del aire en áreas urbanas. Las bases de datos utilizadas para identificar los documentos
pertinentes, tales como artículos y libros, se empleó Google Academico y Science Direct para
la búsqueda de artículos. Adicionalmente, se utilizaron las siguientes palabras clave: “calidad
del aire” y “justicia ambiental”. Los documentos detectados se limitaron temporalmente entre
el año 2015 a 2019.
Por medio de esta búsqueda sistemática, se identificó un total de 154 documentos, de los
cuales, el 20,1% no aplican para la presente investigación, ya que la información
suministrada corresponde a estudios realizados en áreas rurales o investigaciones que no
arrojan variables de medición para la determinación de la justicia ambiental. En este sentido,
se cuenta con un total de 123 documentos acordes con el objeto de esta investigación, de los
cuales, el 37% corresponde a réplicas.
En los siguientes subnumerales, se presenta una descripción de las variables encontradas
durante la revisión de la producción académica a nivel global, las cuales se asocian con las
condiciones actuales a nivel local (Bogotá).
Con el fin de facilitar el acceso a la información para las variables generadas por parte de la
revisión de la producción académica, se realiza la categorización de variables siguiendo la
metodología Dunnete (1979), encontrando la siguiente clasificación: Salud, Geografía,
Población, Contaminantes, Meteorología, Educación, Economía y Transporte.
6.1. Salud.
6.1.1. Mortalidad.
En términos de salud, Morelli et al. (2019) realiza una investigación por medio de la cual
identifica los efectos en la salud en áreas urbanas, que son generados por el PM2.5 (incluyendo
la influencia por parte de las diferencias socioeconómicas de las personas con mayor
exposición al material particulado). Como resultado, entre otras variables, se identifica una
relación directa con respecto a las Muertes Prematuras.
De la misma forma, por medio del estudio realizado por Ribeiro et al. (2019), se identifican
los casos de Mortalidad, particularmente asociados al cáncer en el aparato respiratorio, en
Sao Paulo, Brasil, lo que se asocia con la exposición a la contaminación del aire, indicando
que esta situación predomina en los países de ingresos bajos, incluidos los países de América
del Sur, marcando de esta forma una condición de desigualdad; como resultado de este
estudio, se encuentra una mayor tasa de incidencia en los casos de Mortalidad asociados al
cáncer en el aparato respiratorio en lugares con una mayor densidad de tráfico, resaltando de
esta actividad, las emisiones de NO2 (Dióxido de Nitrógeno).
Página 48 de 160
Con respecto a la revisión de la producción académica, se evidencia que la variable de
Mortalidad/Mortalidad Prematura se enuncia en 3 artículos, lo que corresponde a una
proporción del 4%, con respecto al total de los documentos analizados.
Teniendo en cuenta las investigaciones realizadas por Morelli et al. (2019) y Ribeiro et al.
(2019), la variable que puede describir la Injusticia Ambiental en términos de Mortalidad
por enfermedades respiratorias para el caso de estudio en la ciudad de Bogotá hace
referencia a la Tasa de Mortalidad por enfermedad respiratoria crónica en menores de 70
años, información que es suministrada por el Observatorio de Salud de Bogotá.
Con el fin de establecer un panorama sobre la Tasa de Mortalidad por enfermedad
respiratoria crónica en menores de 70 años, en la Figura 5 se presentan dos escenarios de
esta variable, los cuales hacen referencia al comportamiento para los años 2007 y 2017 en
las localidades de la ciudad de Bogotá, por medio de lo cual se evidencia que en Kennedy y
Suba se presenta la mayor cantidad de casos para los dos periodos analizados, en contraste,
la menor Tasa de Mortalidad se presenta en la localidad de Barrios Unidos. De acuerdo con
lo anterior, se evidencia desigualdad entre cada una de las zonas de Bogotá, confirmando lo
establecido por Morelli et al. (2019) y Ribeiro et al. (2019).
De otro lado, se evidencia que las localidades de Santa Fe, Kennedy, Fontibón y Suba
presentan un comportamiento creciente en el año 2017, comparado con los resultados
obtenidos en el año 2007, mientras que las localidades de San Cristóbal, Tunjuelito, Engativá,
Barrios Unidos y Puente Aranda refieren un comportamiento inverso.
Figura 5. Mortalidad por enfermedades respiratorias en menores de 70 años. 2007 - 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio de Salud de Bogotá, 2019.
0
5
10
15
20
25
30
35
01Usaquén
03 SantaFe
04 SanCristóbal
06Tunjuelito
08Kennedy
09Fontibón
10Engativá
11 Suba 12 BarriosUnidos
16 PuenteAranda
Cas
os
Mortalidad
Mort. 70 años - 2007 Mort. 70 años - 2017
Página 49 de 160
6.1.2. Bajo Peso Al Nacer.
Citando nuevamente la investigación realizada por Morelli et al. (2019), se refleja que la
exposición al PM2.5 también genera incidencia en el Bajo Peso al Nacer, en este sentido, se
evidencia que incluso antes de poder generar algún tipo de emisión, el ser humano ya enfrenta
las consecuencias del medio ambiente, situación traducida en la Injusticia Ambiental.
De la misma forma, teniendo en cuenta la investigación de Connie et al. (2017), se identifica
que las distancias con respecto a la fuente de contaminación, las condiciones
socioeconómicas y demográficas de cada mujer en estado de embarazo, genera influencia en
el grado de exposición a los contaminantes de cada una de ellas, incidiendo en el Bajo Peso
Al Nacer.
Con respecto a la revisión de la producción académica, se evidencia que la variable de Bajo
Peso Al Nacer se enuncia en 3 artículos, lo que corresponde a una proporción del 4%, con
respecto al total de los documentos analizados.
Teniendo en cuenta las investigaciones realizadas por Morelli et al. (2019) y Connie et al.
(2017), la variable que puede describir la Injusticia Ambiental en términos de Bajo Peso Al
Nacer para el caso de estudio en la ciudad de Bogotá hace referencia al Bajo Peso Edad
Gestacional, información que es suministrada por el Observatorio de Salud de Bogotá.
Con el fin de establecer un panorama sobre el Bajo Peso Edad Gestacional, en la Figura 6 se
presentan dos escenarios de esta variable, los cuales hacen referencia al comportamiento para
los años 2007 y 2017 en las localidades de la ciudad de Bogotá; en este sentido, se evidencia
que los casos de Bajo Peso Edad Gestacional se reducen en el año 2017 para todas las
estaciones de análisis en la ciudad de Bogotá, sin embargo, para los dos periodos de análisis
los mayores casos de Bajo Peso Edad Gestacional se presentan en Kennedy y Suba. Por el
contrario, en las localidades de Santa Fe y Barrios Unidos se registran los menores casos para
dicha variable.
De acuerdo con lo anterior, la incidencia por parte del Bajo Peso Edad Gestacional refiere
una condición desigual entre los diferentes puntos analizados en la ciudad de Bogotá, lo que
es acorde con la investigación realizada por Morelli et al. (2019) y Connie et al. (2017).
Página 50 de 160
Figura 6. Bajo Peso Al Nacer. 2007 - 2017.
Fuente: Elaboración propia, datos recuperados de Observatorio de Salud de Bogotá (2019).
6.1.2.1.Enfermedades Respiratorias.
Otra variable que se encuentra dentro del grupo de salud corresponde a las Enfermedades en
el aparato respiratorio como lo es el Cáncer de Pulmón, el cual, según la investigación
realizada por Morelli et al. (2019) se relaciona con la exposición al PM2.5, ya que la presencia
de este tipo de partículas incide en los casos relacionados con dicha enfermedad.
De otro lado, por medio de la investigación realizada por Stewart (2015), se identifican los
efectos generados por vivir cerca de fuentes de contaminación, obteniendo como resultado
una relación proporcional con respecto a las enfermedades respiratorias en la población más
cercana; de la misma forma, Lai y Kontokosta (2019) evalúan los casos de enfermedades
respiratorias, encontrando una relación proporcional con respecto al Material Particulado
(PM2.5) e inversa con respecto al número de árboles.
Kim y Ahn (2018), realizab una investigación en Corea con el objetivo de mitigar la calidad
del aire desde la perspectiva de la justicia ambiental, identificando que los factores
ambientales asociados con casos de asma (Enfermedad Respiratoria) indican la influencia en
de la densidad de población y el tránsito de autobuses, que corresponden a los principales
generadores de contaminantes en la calidad del aire.
Para hablar de Desarrollo Sostenible, Zhao y Li (2017) refieren la inequidad en los problemas
de salud y contaminación, por lo que su investigación indica una relación proporcional entre
el material particulado generado por el tráfico vehícular, con respecto a los casos de
enfermedades respiratorias.
De la misma forma, en Estados Unidos, particularmente en un estudio realizado en
Tennessee, se encuentra que las fuentes puntuales de contaminación del aire corresponden a
0100200300400500600
Cas
os
Bajo Peso Edad Gestacional
Bajo Peso EG 2007 Bajo Peso EG 2017
Página 51 de 160
las principales causas de hospitalización de niños, en lo que respecta a las enfermedades
respiratorias (Moore y Hotchkiss, 2016).
Otro caso de injusticia ambiental se evidencia en el Reino Unido, donde se identifica
desigualdad entre los generadores de la contaminación atmosférica y el lugar de residencia,
evidenciando que las personas que generan menores emisiones, residen en lugares donde
experimentan las mayores cargas en la salud, asociadas a las enfermedades respiratorias
(Jephcote, Chen y Ropkins, 2016).
De acuerdo con las variables incluidas en la categoría de Salud, se evidencia que las
Enfermedades Respiratorias refieren una mayor frecuencia de citación en la producción
académica revisada, con un número de 7 artículos, que corresponde al 9% del total de los
documentos analizados.
Contextualizando para el caso de estudio en la ciudad de Bogotá, la variable que puede
describir la Injusticia Ambiental en términos de Enfermedades Respiratorias hace referencia
a la atención en el servicio de urgencias por enfermedades respiratorias en niños menores
de 14 años, información que es suministrada por el Observatorio de Salud de Bogotá.
En concordancia con lo anterior, en la Figura 7 se evidencia el comportamiento de la atención
en el servicio de urgencias por enfermedades respiratorias en niños menores de 14 años,
para los datos obtenidos en los años 2007 y 2017 se identifica que la mayor incidencia en
esta variable se presenta en las localidades de Suba y San Cristóbal, en contraste, en la
localidad de Barrios Unidos el número de casos para esta variable disminuye en alto grado;
demostrando la desigualdad en cuanto a las enfermedades respiratorias en las diferentes
localidades de la ciudad, tal como se establece en las investigaciones de Morelli et al. (2019),
Stewart (2015), Lai y Kontokosta (2019), Kim y Ahn (2018), Zhao y Li (2017), Moore y
Hotchkiss, (2016) y Jephcote, Chen y Ropkins, (2016).
Figura 7. Enfermedades Respiratorias.2007 – 2017.
Fuente: Elaboración propia, datos recuperados de Observatorio de Salud de Bogotá (2019).
02000400060008000
1000012000140001600018000
Cas
os
Enfermedades Respiratorias
ERA - 2007 ERA 2017
Página 52 de 160
6.1.2. Geográficas
6.1.2.1. Fuentes de Contaminación.
La distancia con respecto a las fuentes de contaminación incide significativamente en la
percepción, exposición y afectación de la misma en la calidad de vida de los habitantes, tal
como lo expresa Oskarsson y Bedi (2018), quien investiga la influencia en la contaminación
atmosférica por parte de las zonas de extracción y procesamiento de Carbón en la India,
encontrando que las personas en las zonas productoras de carbón están expuestas a niveles
peligrosos de contaminación, sin embargo, dichas actividades generan beneficios para toda
la población, independiente de la distancia en la que se encuentren con respecto a las zona de
carbón, ya que son el insumo para el suministro de energía en esta nación, lo que corresponde
a un caso de Injusticia Ambiental.
En concordancia con lo anterior, no es muy probable encontrar en una zona urbana (objetivo
de esta investigación) la extracción de Carbón, sin embargo, es un claro ejemplo con respecto
a la forma en que la organización de las urbes puede incidir en la sectorización de la
contaminación.
Así mismo, se tiene en cuenta la investigación realizada en Estados Unidos por Stewart
(2015), donde se analiza la carga por contaminación atmosférica que experimentan los
habitantes ubicados a distancias cortas con respecto al incinerador local de basura,
encontrando que los efectos más graves se presentan en subgrupos relacionados con la
pobreza y la edad, reflejando un caso de desigualdad ambiental.
De acuerdo con las variables incluidas en la categoría de Geografía, se evidencia que las
Fuentes de Contaminación se enuncian en 2 artículos, lo que corresponde a una proporción
del 2,6%, con respecto al total de los documentos analizados.
En este caso, para el caso de estudio en la ciudad de Bogotá, se toma la distancia que existe
entre la estación de monitoreo y las vías principales más cercanas, no obstante, este valor se
mantiene constante entre el año 2007 y 2017, ya que la ubicación no ha sido modificada.
6.1.2.2. Nivel de Urbanización.
Bravo et al. (2016) realiza una comparación entre la contaminación atmosférica en áreas
urbanas y rurales para diferentes zonas del este en Estados Unidos, encontrando que el
material particulado inferior al PM2.5 fue entre 29% y 39% más alto en áreas urbanas con
respecto a las áreas rurales.
Complementando la influencia de la tasa de urbanización de las ciudades con respecto a la
contaminación atmosférica, Fernández y Wu (2018) por medio de su investigación en
Santiago de Chile, establece que dicha urbanización refiere inequidad respecto a la
distribución espacial de la población, demostrando que los sectores más vulnerables
socioeconómicamente tienden a agruparse espacialmente, encontrando características
particulares en la calidad del aire en la zona.
Página 53 de 160
Así mismo, Zhao y Li (2017) además de encontrar que la contaminación atmosférica
presenta una relación proporcional con respecto a los problemas de la salud en la población,
determina que este comportamiento es influenciado significativamente por la urbanización
de las ciudades, ya que esto a su vez, está asociado con la sobrepoblación, menos zonas
verdes, tráfico y efectos de isla de calor.
De acuerdo con las variables incluidas en la categoría de Geografía, se evidencia que los
Niveles de Urbanización se enuncian en 3 artículos, lo que corresponde a una proporción del
4%, con respecto al total de los documentos analizados.
Contextualizando para el caso de estudio en la ciudad de Bogotá, la variable que puede
describir la Injusticia Ambiental en términos de Nivel de Urbanización hace referencia al
porcentaje de espacio urbano, información que es suministrada por la Secretaría de
Planeación de Bogotá.
En este sentido, para el caso de estudio en la ciudad de Bogotá, en la Figura 8 se presenta la
comparación para el grado de urbanización en los puntos de estudio para los años 2007 y
2017, encontrando que el porcentaje de espacio urbano mantiene una tendencia a la
homogeneidad entre los dos periodos analizados, demostrando ligeras variaciones
únicamente en las localidades de Usaquén, Santa Fe y San Cristóbal, las cuales no superan
el 3%. De la misma forma, se evidencia que en la mayoría de los casos el nivel de
urbanización supera el 80%, no obstante, se presenta una excepción en las localidades de
Usaquén, Santa Fe, San Cristóbal y Suba, donde el porcentaje de urbanización disminuye,
lo que es ocasionado la extensión de los cerros orientales en esta localidad.
Cabe mencionar que la localidad de Sumapaz corresponde a un espacio rural, sin embargo,
esta zona no se tiene en cuenta para esta investigación, por presentar una dinámica diferente
con respecto al territorio restante.
Figura 8. Nivel de Urbanización. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de Secretaría de Planeación de Bogotá (2019).
0,0%
20,0%
40,0%
60,0%
80,0%
100,0%
120,0%
01 -Usaquén
03 -Santa Fe
04 - SanCristóbal
06 -Tunjuelito
08 -Kennedy
09 -Fontibón
10 -Engativá
11 -Suba
12 -BarriosUnidos
16 -PuenteAranda
% U
rban
o
% Urbanización
% Urbano 2007 % Urbano 2017
Página 54 de 160
6.1.2.3. Uso del Suelo.
De acuerdo con las investigaciones de Fernández y Wu (2018) y Oskarsson y Bedi (2018),
uno de los factores predominantes en la desigualdad ambiental corresponde a la ausencia en
políticas gubernamentales asociadas con la distribución espacial en las ciudades, por lo que
una de las consecuencias en cuanto al crecimiento de la población urbana corresponde al
cambio en el uso del suelo, factor relacionado con la ubicación de las fuentes de
contaminación, tal como se evidencia en los estudios realizados por Gurram, Stuart y Pinjari
(2019) en Tampa Florida, así como por Xu et al. (2019) en China y Lin, Meyers y Barnett
(2015) en Australia.
En cuanto a las variables incluidas en la categoría de Geografía, se evidencia que el Uso del
Suelo se enuncia en 3 artículos, lo que corresponde a una proporción del 4%, con respecto al
total de los documentos analizados.
Contextualizando para el caso de estudio en la ciudad de Bogotá, la variable que puede
describir la Injusticia Ambiental en términos de Uso del Suelo hace referencia al área por
actividad productiva, información que es suministrada por la Secretaría Distrital de
Planeación.
De acuerdo con lo anterior, en la Figura 9 se presenta el comportamiento del área por
actividad productiva para el año 2017, donde en los puntos de análisis en la ciudad de Bogotá
predomina una mayor área destinada a las actividades industriales con respecto a las zonas
comerciales; entre tanto, dichas áreas comerciales refieren una tendencia a la homogeneidad
entre todos los puntos analizados. De otro lado, teniendo en cuenta que el uso industrial
refiere una mayor influencia en la contaminación del aire, se evidencia una mayor frecuencia
por parte de este tipo de actividades en las localidades de Tunjuelito, Fontibón, Kennedy y
Puente Aranda, en contraste, la menor proporción de área destinada a las actividades
industriales hace referencia a la localidad de Barrios Unidos.
Figura 9. Uso del Suelo por localidad. 2007-2017.
Fuente: Elaboración propia, datos recuperados de Unidad Administrativa Especial de Catastro (2019).
0,00
500,00
1000,00
1500,00
2000,00
m2
Uso del suelo
Uso Industrial - m2. 2007 Uso Industrial - m2. 2017
Uso Comercial - m2. 2007 Uso Comercial - m2. 2017
Página 55 de 160
6.1.2.4. Número de árboles.
Otro aspecto que influye en las características físicas del territorio hace referencia a la
presencia de árboles, tal como lo expresa Baró et al. (2019) en su investigación en Barcelona,
los cuales son un componente importante de la infraestructura verde de las ciudades, ya que
brindan múltiples servicios ecosistémicos, encontrando una distribución desigual de estos
beneficios, lo que conduce a las desigualdades socioambientales; así mismo, esta
investigación coincide con los resultados obtenidos del estudio realizado por Houston y
Zúñiga (2019) en Estados Unidos. De la misma forma, en Santiago de Chile se evidencia la
misma desigualdad en relación con la cobertura vegetal asociada a la presencia de árboles
(Fernández y Wu, 2016).
Así mismo, estudios en Nueva York identifican que una mayor concentración de árboles
contribuye a una mejor calidad del aire local (Lai y Kontokosta, 2019), demostrando que se
presentan los mismos resultados por medio del estudio realizado en Portugal, por Graca et
al. (2018).
En cuanto a las variables incluidas en la categoría de Geografía, se evidencia que el Número
de árboles se enuncia en 8 artículos, lo que corresponde a una proporción del 10%, con
respecto al total de los documentos analizados.
Contextualizando para el caso de estudio en la ciudad de Bogotá, la variable que puede
describir la Injusticia Ambiental en términos de Número de Árboles hace referencia a la
cantidad de árboles por localidad, información que es suministrada por el observatorio
ambiental de Bogotá.
En este sentido, en la Figura 10 se evidencia el comportamiento para la cantidad de árboles
por localidad para los años 2007 y 2017, encontrando que, en la mayoría de los puntos
evaluados en la ciudad de Bogotá, la cantidad de árboles es mayor en el 2017 con respecto al
2007, no obstante, se presenta una excepción en la localidad de Santa Fe, donde la cantidad
de árboles para el año 2017 se reduce en un 30%. Adicionalmente, se evidencia que, para los
dos periodos de tiempo analizados, el contenido de árboles es mayor en la localidad de Suba
con respecto a los demás puntos analizados, mientras que, en las zonas de Puente Aranda,
Barrios Unidos y Engativá, la cantidad de árboles es menor.
Página 56 de 160
Figura 10. Número de Árboles. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio Ambiental de Bogotá (2019).
6.1.2.5. Área Verde.
Otra forma de determinar la injusticia ambiental relacionada con la vegetación en la zona de
estudio hace referencia al área verde, tal como se evidencia en el estudio realizado en
Australia por Lin, Meyers y Barnett (2015), donde refieren que la distribución equitativa de
la infraestructura verde cerca de las viviendas, genera una mejor condición de calidad del
aire.
En cuanto a las variables incluidas en la categoría de Geografía, se evidencia que el Área
Verde se enuncia en un artículo, lo que corresponde a una proporción del 1%, con respecto
al total de los documentos analizados.
En este sentido, para el caso de estudio en la ciudad de Bogotá, por medio del Observatorio
Ambiental se evidencia la cobertura arbórea en cada una de las zonas analizadas, este
indicador refleja el valor del área de medición de la copa calculado con el diámetro ecuatorial
de cada árbol localizado en el espacio público.
De acuerdo con lo anterior, en la Figura 11 se presenta el comportamiento de la cobertura
arbórea, donde se evidencia una disminución en el año 2017 con respecto al 2007 en la
mayoría de las zonas evaluadas en la ciudad, no obstante, se presenta una excepción en las
localidades de Santa Fe y Suba, donde el comportamiento es inverso. Adicionalmente, es
pertinente mencionar que las localidades que presentan una mayor cobertura arbórea
corresponden a Usaquén y Suba.
050.000
100.000150.000200.000250.000300.000
Árb
ole
s/Lo
calid
ad
Número de Árboles
Árboles/Localidad 2007 Árboles/Localidad 2017
Página 57 de 160
Figura 11. Cobertura Arbórea.2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio Ambiental de Bogotá (2019).
6.1.2.6. Pendiente del Terreno
Con respecto a la geografía del terreno se evidencia la influencia por parte de los
microambientes que pueden ser generados por las variaciones en las pendientes del terreno,
lo que puede favorecer el aumento o la dispersión en la contaminación atmosférica; en este
sentido, por medio de la descripción del terreno en forma de la pendiente, se pueden propiciar
las desigualdades ambientales (Habilomatis y Chaloulakou, 2015).
En cuanto a las variables incluidas en la categoría de Geografía, se evidencia que la Pendiente
del terreno se enuncia en un artículo, lo que corresponde a una proporción del 1%, con
respecto al total de los documentos analizados.
De otro lado, para la zona de estudio, en la Figura 12 se evidencia que el terreno con una
menor pendiente corresponde a las localidades de Barrios Unidos y Puente Aranda; en
contraste, la mayor pendiente se presenta en las localidades de Santa Fe y San Cristóbal lo
que indica una superficie ligeramente inclinada (CAR, 2010).
0
50
100
150
200
250
ha
Cobertura Arbórea
Cobertura Arbórea (ha) 2007 Cobertura Arbórea (ha) 2017
Página 58 de 160
Figura 12. Pendiente del Terreno.
Fuente: Invías,2019.
6.1.3. Población
6.1.3.1.Densidad de Población.
De acuerdo con un estudio realizado en Gante, Bélgica; se identifica que los barrios con
menores ingresos familiares, más desempleo, más personas de origen extranjero, más casas
de alquiler y más movilidad residencial están más expuestos a la contaminación del aire
(Verbeek, 2019). Además de encontrar estas características en la población, la investigación
realizada por Morelli et al. (2019), así como por Li et al. (2018) y por Hill et al. (2019) refiere
una proporción directa entre la densidad de población y la contaminación del aire, asociada
principalmente a la presencia de material particulado con un diámetro de partícula menor a
2.5 micras. De la misma forma, los resultados descritos son homogéneos con respecto a las
investigaciones realizadas por Fernández y Wu (2016) y Kim y Ahn (2018).
En cuanto a las variables incluidas en la categoría de Población, se evidencia que la Densidad
de población se enuncia en 6 artículos, lo que corresponde a una proporción del 8%, con
respecto al total de los documentos analizados.
En este sentido, para el caso de estudio en la ciudad de Bogotá, el análisis de esta variable se
realiza por medio del número de habitantes por localidad, que es determinado por el
Observatorio de la Secretaría de Planeación Distrital.
En concordancia con lo anterior, en la Figura 13 se presenta el comportamiento para el
número de habitantes por localidad, estableciendo como punto de referencia, los valores
obtenidos para los años 2007 y 2017, donde se evidencia que la localidad de Santa Fe
corresponde a la zona con menor número de habitantes, en contraste, en las localidades de
0
1
2
3
4
5
6
7
8
Usaquén Santa Fe SanCristóbal
Tunjuelito Kennedy Engativá Suba BarriosUnidos
PuenteAranda
%
Pendiente
Pendiente
Página 59 de 160
Kennedy, Engativá y Suba la cantidad de habitantes es mayor. Adicionalmente, la mayoría
de los puntos analizados refieren un aumento en el número de habitantes por localidad en el
año 2017 con respecto al 2007, exceptuando los puntos en Santa Fe, San Cristóbal y Puente
Aranda, donde el comportamiento es inverso.
Figura 13. Habitantes por localidad.2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio de Secretaría Distrital de Planeación
(2019).
6.1.3.2.Población Vulnerable.
De otro lado, se realizan estudios que describen la población vulnerable, como lo hace
Moreno et al. (2016), quienes realizan una investigación en Madrid y Barcelona, en España,
acerca de la distribución geográfica de la población vulnerable como niños, ancianos e
inmigrantes internacionales para el año 2010, obteniendo como resultado que gran parte de
estos grupos sufren exposición a la contaminación del aire, la cual excede los niveles
máximos permitidos desproporcionadamente, lo que implica un caso de Injusticia Ambiental.
De la misma forma, en el Reino Unido se identifica que las áreas con las proporciones más
altas de menores de cinco años, tienen una relación proporcional con respecto a los mayores
niveles de contaminación, los cuales son asociados con el tráfico vehicular (Barnes,
Chatterton y Longhurst, 2019). De otro lado, en Estados Unidos se identificó por medio de
la investigación de Hernández, Collins y Grineski (2015), que la población hispana se
encuentra más expuesta a la contaminación del aire, lo que corresponde a un caso de Injusticia
Ambiental.
En cuanto a la descripción de la población se identifican grupos asociados a las comunidades
raciales, los cuales presentan desigualdad ambiental, debido a que se encuentran expuestos a
una mayor contaminación del aire (Bravo et al., 2016). En concordancia con lo anterior, se
evidencia un caso en Nueva York, donde se analiza la contaminación del aire en las escuelas
0
200000
400000
600000
800000
1000000
1200000
1400000
Hab
itan
tes
Habitantes/Localidad
Habitantes/Localidad 2007 Habitantes/Localidad 2017
Página 60 de 160
y colegios, encontrando que la mayor contaminación se presenta en los centros educativos
donde prevalece la población de raza negra o hispanohablantes (Grineski y Collins, 2018).
De la misma forma, se presenta la misma condición de desigualdad en Massachusetts, de
acuerdo con la investigación realizada por Rosofsky et al. (2018); señalando que, esta
situación se ha mantenido constante entre el año 1995 y 2004, tal como se presenta en la
investigación realizada por Ard (2015).
Adicionalmente, es pertinente mencionar que la condición de desigualdad ambiental en
relación con la presencia de comunidades raciales también se presenta en China, de acuerdo
con la investigación por Zhao et al. (2018).
En términos generales, de acuerdo con la revisión de la producción académica se evidencia
que en lo que hace referencia a la población vulnerable agrupada en los niños menores de 5
años, ancianos y comunidades migrantes, la frecuencia de citación corresponde al 4% del
total de los documentos analizados para cada caso; adicionalmente, se identifican casos de
inequidad racial, los cuales se asocian a una proporción del 10% del total de los documentos
analizados.
De acuerdo con los estudios mencionados, la vulnerabilidad fue definida por los grupos de
población conformada por niños y ancianos, en este sentido, para establecer el
comportamiento de los grupos vulnerables en cada una de las zonas analizadas en la ciudad
de Bogotá, se toman como referencia los habitantes menores de 5 años y los habitantes
mayores de 70 años, información que es suministrada por el observatorio de la Secretaría de
Planeación Distrital.
De acuerdo con lo anterior, el comportamiento de estas variables para las zonas de estudio
en la ciudad de Bogotá se presenta en la Figura 14, donde se evidencia en términos generales,
una mayor cantidad de habitantes menores a 5 años, con respecto a los adultos mayores a 70
años; en este sentido, se realiza la comparación entre los años 2007 y 2017, encontrando que
la población infantil (menores de 5 años) se reduce en el 2017 en la mayoría de las zonas de
estudio, exceptuando los puntos ubicados en Fontibón y Suba, donde el comportamiento es
inverso. Por el contrario, en cuanto a la población de adultos mayores a 70 años, en todas las
zonas de estudio, se evidencia un comportamiento creciente para el año 2017, comparado
con la cantidad de habitantes en el año 2007.
Página 61 de 160
Figura 14. Población Vulnerable. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio de Secretaría Distrital de Planeación
(2019).
6.1.4. Contaminantes
6.1.4.1.Material Particulado.
Morelli et al. (2019), Huang et al. (2019) y Ng et al. (2017) por medio de cada una de sus
investigaciones indican que la determinación de Material Paticulado con diámetro menor a
2.5 micras (PM2.5) en el aire es importante debido a sus efectos en la salud, así como la
relación con respecto al crecimiento demográfico. Así mismo, la justicia ambiental asociada
a la calidad del aire, en términos de contaminantes se determina por medio del PM2.5 para la
investigación realizada por Bravo et al. (2016), así como se evidencia en el estudio de Hill et
al. (2019).
Adicionalmente, Xu et al. (2019) establece que una de las principales fuentes de generación
de PM2.5 corresponde a las actividades de transporte, por lo que se toma el caso de estudio en
Beijing, donde se evalúa la justicia ambiental con respecto a la exposición de los viajeros y
residentes en la zona. De la misma forma, se identifica la desigualdad en cuanto a la
exposición al PM2.5 en Hong Kong, teniendo en cuenta variables de carácter socioeconómico,
educativas y ocupacionales (Li et al. 2019); mientras que en la investigación de Lai y
Kontokosta (2019) realizada en Nueva York, analiza la presencia de PM2.5 asociada con la
presencia de árboles, encontrando una proporción desigual entre los puntos evaluados.
De acuerdo con la revisión de la producción académica se evidencia que en lo que hace
referencia al Material Particulado, la frecuencia de citación corresponde al 14% del total de
los documentos analizados.
En este sentido, para el caso de estudio en Bogotá la descripción del Material Particulado se
realiza por medio de la determinación del Material Particulado inferior a 2,5 micras (PM2,5)
0100002000030000400005000060000700008000090000
Hab
itan
tes
Población Vulnerable
MENORES 5 AÑOS 2007 MENORES 5 AÑOS 2017
MAYORES 70 AÑOS 2007 MAYORES 70 AÑOS 2017
Página 62 de 160
y 10 micras (PM10), información que es suministrada por el Observatorio Ambiental de
Bogotá, por medio de la Red de Monitoreo de Calidad del Aire en la ciudad.
En la Figura 15 se evidencia el comportamiento del PM10 y PM2,5 en las diferentes zonas de
la ciudad, por medio de la comparación de las concentraciones de este tipo de material en el
aire, para los años 2007 y 2017, que corresponde al inicio y finalización del periodo estudiado
en esta investigación, encontrando que prevalece una reducción del Material Particulado en
el aire para el año 2017, tanto las partículas menores a 2,5 micras como las partículas menores
a 10 micras. Adicionalmente, para los dos periodos analizados se evidencia que la mayor
concentración de material particulado se presenta en las localidades de Kennedy, Puente
Aranda y Tunjuelito.
Figura 15. Material Particulado.2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio Ambiental – RMCAB (2019).
6.1.4.2.Umbrales Normativos.
De otro lado, por medio de la investigación de Moreno-Jiménez et al. (2016) se evidencia
que el establecimiento de los patrones que describen la injusticia ambiental son factores
importantes para la formulación de políticas y la implementación de umbrales normativos de
contaminación. En este sentido, los umbrales normativos tienen una frecuencia de citación
baja, la cual corresponde al 1% del total de los documentos analizados, por lo que en la Figura
12, se presenta la comparación de los resultados correspondientes al caso de estudio en la
ciudad de Bogotá con respecto a lo expuesto en la Resolución 2254 de 2017 del Ministerio
de Ambiente y Desarrollo Sostenible (normatividad nacional vigente).
De acuerdo con lo anterior, se evidencia que los puntos ubicados en Kennedy, Engativá,
Puente Aranda, Suba y Tunjuelito corresponden al mayor número de incumplimiento con
respecto a los niveles normativos en cuanto al PM2.5 y PM10. No obstante, es pertinente
020406080
100120
µg/
m3
Material Particulado
PM10 PM2.5
Res. 2254 de 2017 - PM10 Anual Res. 2254 de 2017 - PM2,5 Anual
Página 63 de 160
mencionar que los umbrales normativos en Bogotá son homogéneos para todas las zonas de
la ciudad, por lo que este parámetro no presenta variación entre cada uno de los sectores
objeto de estudio.
6.1.4.3.Otros contaminantes
De otro lado, en un menor número de casos, los artículos académicos revisados refieren la
medición de la Justicia Ambiental asociada a la calidad del aire en cuanto a la concentración
de Ozono, lo cual se determina por medio de las investigaciones realizadas por Morelli (2019)
y Bravo et al. (2016). Adicionalmente, en el estudio realizado por Morelli (2019) incluye las
desigualdades por parte de la presencia de Plomo y Cadmio en la atmósfera.
En términos generales, los contaminantes como Ozono, Plomo y Cadmio se enuncian en dos
artículos, que corresponde a una proporción del 3% con respecto al total de los documentos
analizados; no obstante, con respecto al caso de estudio en la ciudad de Bogotá, estos
parámetros no refieren la mayor incidencia en la condición de calidad del aire, por lo que el
Material Particulado corresponde al parámetro con mayor influencia sobre la determinación
de la contaminación de dicho recurso, de acuerdo con lo establecido por el Índice Bogotano
de Calidad del Aire (Secretaría Distrital de Ambiente).
De acuerdo con lo anterior, con el fin de determinar la Injusticia Ambiental en la ciudad de
Bogotá, en lo que refiere al grupo de los contaminantes, solamente se tiene en cuenta el
Material Particulado, expresado en cuanto al PM2,5 y PM10.
6.1.5. Meteorología
Li et al. (2018), en su estudio realizado en Hong Kong, además de determinar la influencia
del PM2.5 en la salud humana, demuestra la importancia de incluir en el análisis de Justicia
Ambiental, el comportamiento meteorológico de las zonas evaluadas. De la misma forma, la
investigación realizada en Chile por Fernández y Wu (2018) indica que además de los
contaminantes, actividades económicas, fuentes de generación y transporte que describen la
injustica ambiental, un factor fundamental en la dispersión de la contaminación atmosférica
hace referencia a la temperatura de la superficie.
De acuerdo con la revisión de la producción académica se evidencia que en lo que hace
referencia a la Meteorología, la frecuencia de citación corresponde al 3% del total de los
documentos analizados.
Para el caso de estudio en la ciudad de Bogotá, la descripción de la Meteorología se realiza
por medio de la velocidad del viento y dirección del viento, con el fin de establecer la
influencia de estas variables en la dispersión de los contaminantes en cada una de las zonas
de estudio, información que es suministrada por el Observatorio Ambiental de Bogotá, por
medio de la Red de Monitoreo de Calidad del Aire en la ciudad.
En la Figura 16 se evidencia que la velocidad del viento es mayor en Kennedy, Santa Fe y
Puente Aranda, con respecto a las demás zonas analizadas en la ciudad, en contraste, los
Página 64 de 160
menores registros para esta variable se presentan en Barrios Unidos. Adicionalmente, al
comparar el comportamiento para los años 2007 y 2017, se evidencia que prevalece una
disminución en la velocidad del viento en el año 2017, exceptuando los puntos en Kennedy,
Barrios Unidos, Engativá y San Cristóbal, donde el comportamiento es inverso.
Figura 16. Meteorología 2007 – 2017.
Fuente: Elaboración propia, datos recuperados del Observatorio Ambiental de Bogotá – RMCAB (2019).
De la misma forma, este análisis se complementa con la Rosa de Vientos, la cual muestra la
distribución de frecuencias de velocidad y dirección del viento, lo que permite identificar si
existen algunas direcciones predominantes y las velocidades correspondientes. En este
sentido, en la Figura 16a se muestra la rosa de los vientos para el periodo 2007-2017,
reflejando el comportamiento para las estaciones de Kennedy, Puente Aranda, Tunal, Suba y
Usaquén. En este sentido, predominan las mayores velocidades en la localidad de Kennedy,
donde predomina la dirección sur-sureste, presentando una frecuencia aproximada de 30% y
40%. En contraste, en la localidad de Puente Aranda presenta frecuencias por encima del
15% en la dirección oeste-noroeste.
0
0,5
1
1,5
2
2,5
3
m/s
METEOROLOGÍA
VELOCIDAD VIENTO m/s - 2007 VELOCIDAD VIENTO m/s - 2017
Página 65 de 160
Figura 16a. Rosa de Vientos 2007 – 2017.
Fuente: García (2017).
6.1.6. Educación
De acuerdo con los estudios realizados por Morelli et al. (2019), Li et al. (2018), Huang et
al. (2019) y Ng et al. (2017) se evidencia que la distribución espacial en las zonas de estudio
como Hong Kong (China), Beijing (China) y California (E.E.U.U), adicional a aspectos
económicos, se ven determinadas por el nivel educativo de los habitantes, encontrando una
condición de injusticia ambiental, ya que los grupos con un menor nivel educativo, se
encuentran más expuestos a la contaminación del aire.
Página 66 de 160
En relación con la revisión de la producción académica, se evidencia que la frecuencia de
citación para el nivel educativo corresponde al 5% del total de los documentos analizados.
En este sentido, para el caso de estudio en la ciudad de Bogotá, esta variable se describe por
medio del analfabetismo, información que es suministrada por el DANE en las encuestas de
calidad de vida presentadas anualmente.
De acuerdo con lo anterior, en la Figura 17 se evidencia que los mayores casos de
analfabetismo se presentan en Kennedy, Engativá, San Cristóbal y Suba, en contraste, el
menor registro se identifica en la localidad de Santa Fe; adicionalmente, en cuanto a la
comparación entre los años 2007 y 2017, se evidencia que los casos de analfabetismo en la
mayoría de los puntos analizados presentan un comportamiento creciente en el año 2017, no
obstante, se presenta una excepción en las localidades de Engativá, Santa Fe, San Cristóbal,
Suba y Usaquén, donde el comportamiento es inverso.
Figura 17. Educación 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de DANE – SDP, Encuesta de Calidad de Vida de Bogotá
(2019).
6.1.7. Economía
6.1.7.1.Ingresos familiares.
Las variables socioeconómicas, corresponden a unos de los factores predominantes en cuanto
a la distribución de la población, sin embargo, este comportamiento hace parte de la
desigualdad ambiental, ya que los ingresos económicos, la condición de desempleo y la
movilidad residencial de la población presentan una relación inversa con respecto a la
contaminación del aire (Hill et al., 2019), de acuerdo a la investigación realizada en Gante,
Bélgica (Verbeek, 2019), lo que se corrobora con la investigación realizada en Albuquerque
(E.E.U.U.) por Tayarani et al. (2016) y en Hong Kong (Li et al., 2018).
0
2000
4000
6000
8000
10000
12000
14000
16000
Nú
mer
o d
e C
aso
s
Analfabetismo
Analfabetismo 2007 Analfabetism 2017
Página 67 de 160
De acuerdo con la investigación realizada por (Poorfakhraei, Tayarani y Rowangould, 2017)
en Atlanta (Georgia) se identifican varios factores asociados con las desigualdades
ambientales, entre ellas, se identifica que las zonas que se caracterizan por presentar menores
ingresos, refieren los mayores casos de riesgos para la salud, en cuanto a las afecciones
respiratorias, encontrando que este factor presenta un comportamiento directamente
proporcional con respecto al material particulado en el aire. De la misma forma, con el fin
de determinar la justicia ambiental asociada a la calidad del aire en zonas urbanas de
Australia, se utiliza un modelo de regresión del uso del suelo relacionándolo con los
contaminantes en el aire, utilizando un predictor económico, obteniendo como resultado, que
las zonas donde la población se caracteriza por percibir bajos ingresos económicos, están
más expuestos a la contaminación del aire (Knibbs y Barnett, 2015).
Adicionalmente, durante las mediciones realizadas en Beijing se evidencia una correlación
negativa entre la calidad del aire y los ingresos de los hogares (entre otras variables como la
educación), de acuerdo con las investigaciones realizadas por Huang et al. (2019).
De otro lado, en Carolina del Sur (E.E.U.U.) se presenta una problemática particular que
corresponde a las altas tasas de mortalidad por cáncer, por lo que Wilson et al. (2015) refiere
que esta situación está asociada con la desproporción en las cargas ambientales,
especialmente la contaminación del aire, lo que presenta un comportamiento directamente
proporcional con respecto a las comunidades de bajos ingresos.
Adicionalmente, por medio de los estudios realizados en zonas urbanas de Londres se
evidencian patrones inversos en las desigualdades por la contaminación del aire, para las
variables entre la exposición personal y los ingresos al hogar, lo que es determinado por
Tonne et al. (2018).
En concordancia con lo anterior, por medio de la investigación de Boyce, Zwickl y Ash
(2016) se establece que el Coeficiente de Gini corresponde a un indicador individual
suficiente para describir las desigualdades ambientales relacionadas con la distribución del
ingreso, gasto y riqueza.
En este sentido, de acuerdo con la revisión de la producción académica, se evidencia que la
frecuencia de citación para los ingresos familiares corresponde al 19% del total de los
documentos analizados; señalando que, para el caso de estudio en la ciudad de Bogotá, esta
variable se describe por medio del coeficiente de Gini, información que es suministrada por
el DANE en las encuestas de calidad de vida, presentadas anualmente.
En la Figura 18 se presenta el comparativo para el comportamiento del coeficiente de Gini
entre los años 2007 y 2017, donde se evidencia que esta variable presenta un comportamiento
decreciente para el año 2017 en todos los puntos que son objeto de análisis en la ciudad de
Bogotá; adicionalmente, se evidencia que el mayor valor para el Coeficiente de Gini se
presenta en las localidades de Santa Fe y Suba, mientras que los menores registros se
presentan en la localidad de San Cristóbal.
Página 68 de 160
Figura 18. Coeficiente de Gini.2007 – 2017.
Fuente: Elaboración propia, datos recuperados de DANE – SDP, Encuesta de Calidad de Vida de Bogotá
(2019).
6.1.7.2.Adquisición de bienes.
Rivas, Kumar y Zanker (2017) realizaron una investigación en zonas urbanas de Londres,
donde las personas de zonas menos desfavorecidas, por tener uso predominante del
automóvil, reciben niveles de contaminación más bajos durante los recorridos, sin embargo,
generan un mayor contenido de emisiones por persona; en contraste, los viajeros que tienen
una mayor dependencia del bus, reciben un mayor nivel de contaminación, mientras que
generan menos emisiones por persona; adicionalmente, la investigación realizada en Bélgica
por Verbeek (2019) indica que las zonas con una mayor contaminación del aire corresponde
al mayor número de viviendas en alquiler.
En concordancia con lo anterior, se evidencia que las personas con menor nivel de
adquisición de bienes presentan injusticia ambiental asociada con una mayor exposición a
los contaminantes del aire; de acuerdo con la revisión de la producción académica, esta
variable presenta una frecuencia de citación del 3% del total de los documentos consultados.
Para el caso de estudio en la ciudad de Bogotá, la variable que describe la situación descrita
anteriormente corresponde a la Tenencia de Vivienda, presentando el comparativo del
comportamiento de esta variable en la Figura 19, para los años 2007 y 2017, donde se
evidencia que a lo largo del tiempo se identifica un aumento en la proporción de vivienda
propia en todas las zonas analizadas en la ciudad de Bogotá, exceptuando la localidad de
Tunjuelito donde la tendencia es inversa; adicionalmente, la localidad de Usaquén
corresponde a la zona con mayor proporción de vivienda propia para los años 2007 y 2017.
00,10,20,30,40,50,60,7
Coeficiente Gini
GINI 2007 GINI 2017
Página 69 de 160
Figura 19. Tenencia de Vivienda. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de DANE – SDP, Encuesta de Calidad de Vida de Bogotá
(2019).
6.1.7.3.Precio del suelo.
De acuerdo con la investigación realizada por Xu et al. (2019) en Beijing, se evidencia que
el precio de la vivienda presenta un comportamiento inverso con respecto a los factores de la
contaminación del aire.
Durante la revisión de la producción académica se evidencia que el precio del suelo es citado
por el 1% del total de los documentos, por lo que, para el caso de estudio en la ciudad de
Bogotá, esta variable es descrita por medio del precio del suelo, información que es
suministrada por la Unidad Administrativa Especial de Catastro Distrital.
En la Figura 20 se presenta el comportamiento del precio del suelo para los años 2007 y
2017, identificando que a lo largo del tiempo se presenta un aumento en el precio del suelo
para todos los puntos evaluados en la ciudad de Bogotá; adicionalmente, se evidencia que el
menor precio del suelo se presenta en las localidades de San Cristóbal, Tunjuelito y Fontibón,
en contraste, el mayor precio del suelo se presenta en Usaquén, Santa Fe y Barrios Unidos.
05
101520253035404550
%
Tenecia de Vivienda
Tenencia Vivienda 2007 Tenencia Vivienda 2017
Página 70 de 160
Figura 20. Precio del suelo. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de Unidad Administrativa Especial de Catastro Distrital
(2019).
6.1.7.4.Nivel Riqueza/Pobreza.
Dentro de las variables económicas que describen la Justicia Ambiental en zonas urbanas, se
evidencia que el Nivel de Pobreza presenta un comportamiento directo con respecto a la
contaminación del aire, tal como se expresa en las investigaciones de Xu et al. (2019), Morelli
(2017), Barnes, Chatterton y Longhurst, (2019) y Li et al. (2018).
Durante la revisión de la producción académica se evidencia que la frecuencia de citación
corresponde al 10% del total de los documentos analizados, por lo que la variable que
describe esta situación en la ciudad de Bogotá corresponde al Índice de Pobreza
Multidimensional en cada punto objeto de estudio, información que es suministrada por el
DANE por medio de la encuesta de calidad de vida y encuesta multipropósito de Bogotá,
presentadas anualmente.
En la Figura 21 se presenta el comportamiento para el nivel de pobreza en la ciudad de Bogotá
durante los años 2007 y 2017, donde se evidencia que a lo largo del tiempo el Índice de
Pobreza Multidimensional disminuye para la mayoría de los puntos analizados, no obstante,
se presenta una excepción en la localidad de Usaquén, donde la variable mencionada se
mantiene homogénea. Adicionalmente, se evidencia que el mayor Índice de Pobreza
Multidimensional se presenta en las localidades de Santa Fe y San Cristóbal, mientras que
los menores reportes se obtienen en las localidades de Usaquén y Barrios Unidos.
$-
$500.000
$1.000.000
$1.500.000
$2.000.000
$2.500.000
$/m
2
Precio del Suelo
Precio Suelo 2007 Precio Suelo 2017
Página 71 de 160
Figura 21. Nivel de Pobreza. 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de DANE - Encuesta Calidad de Vida y Encuesta
Multipropósito (2019).
6.1.7.5.Nivel Socioeconómico.
De otro lado, por medio de las investigaciones de Morelli (2017), Huang et al. (2019),
Fernández y Wu (2018) y Ribeiro et al. (2019), se encuentra que el nivel socioeconómico
está relacionado de manera inversa con la contaminación del aire, por lo que las zonas que
se caracterizan por presentar un menor nivel socioeconómico, están mayormente expuestas
a la contaminación del aire.
De acuerdo con la revisión de la producción académica se evidencia que la frecuencia de
citación para el nivel socioeconómico es del 11% con respecto al total de los documentos
revisados; a su vez, para el caso de estudio en la ciudad de Bogotá, esta situación se describe
por medio del estrato socioeconómico, información que es suministrada por el DANE.
En la Figura 22 se evidencia que el estrato socioeconómico en las zonas analizadas en la
ciudad de Bogotá demuestra que en las localidades de Kennedy, Santa Fe, San Cristóbal,
Suba y Tunjuelito predomina una mayor proporción de habitantes que corresponden al estrato
2; en contraste, en las localidades de Barrios Unidos, Fontibón, Engativá y Puente Aranda
sobresale una mayor proporción de habitantes que corresponde al estrato 3. Adicionalmente,
se destaca el comportamiento en la localidad de Usaquén, donde es una de las únicas que
presenta población de todos los estratos, sin embargo, predominan los habitantes en estrato
3.
0123456789
10
%
Índice Pobreza Multidimensional
IPM 2007 IPM 2017
Página 72 de 160
Figura 22. Nivel Socioeconómico 2007 – 2017.
Fuente: Elaboración propia, datos recuperados de DANE - Encuesta Calidad de Vida y Encuesta
Multipropósito (2019).
6.1.7.6.Desempleo.
Por medio de la investigación realizada por Verbeek (2019) en Gante (Bélgica) se identifican
variables asociadas al nivel socioeconómico de la población, la cual hace referencia al
desempleo en las zonas evaluadas, encontrando que dichas variables presentan un
comportamiento proporcional con respecto a la contaminación del aire.
De acuerdo con la revisión de la producción académica se evidencia que la frecuencia de
citación para el desempleo es del 3% con respecto al total de los documentos consultados; a
su vez, para el caso de estudio en la ciudad de Bogotá, esta situación se describe por medio
de la tasa de ocupación, información que es suministrada por el DANE, por medio de las
encuestas de calidad de vida y las encuestas multipropósito.
En este sentido, en la Figura 23 se evidencia el comportamiento de la Tasas de Ocupación
para los puntos analizados en la ciudad de Bogotá entre los años 2007 y 2017, lo que
demuestra que a lo largo del tiempo la Tasa de Ocupación aumenta en todos los puntos objeto
de estudio; adicionalmente, en las localidades de Barrios Unidos y Usaquén se presentan los
mayores niveles de ocupación, en contraste, la menor proporción de habitantes ocupados se
encuentra en la localidad de Tunjuelito para los dos periodos de tiempo analizados.
0,00
20,00
40,00
60,00
80,00
100,00
120,00
2007 2017 2007 2017 2007 2017 2007 2017 2007 2017 2007 2017 2007 2017 2007 2017 2007 2017 2007 2017
KENNEDY BARRIOSUNIDOS
FONTIBÓN ENGATIVÁ SANTAFE PUENTEARANDA
SANCRISTÓBAL
SUBA TUNJUELITO USAQUÉN
%
Estrato Socioeconómico
Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6
Página 73 de 160
Figura 23. Tasa de Ocupación 2007 – 2017.
Fuente: DANE – SDP, Encuesta de Calidad de Vida de Bogotá (2019).
6.1.8. Transporte
El transporte constituye una de las primeras causas de la contaminación del aire, tal como se
establece en Beijing (Xu et al., 2019), debido a las emisiones generadas como producto de
sus procesos de combustión; adicionalmente Barnes, Chatterton y Longhurst, (2019)
establece la influencia que se ha presentado en Gales, Reino Unido, por parte de las nuevas
rutas de transporte, lo que ha incrementado la exposición a compuestos contaminantes en el
aire, especialmente en grupos particulares de personas. Adicionalmente, estudios en
Inglaterra por Fecht et al. (2015) encuentran que las desigualdades en la contaminación del
aire fueron principalmente un problema urbano que incluyen un enfoque en las actividades
de transporte; así mismo, en las investigaciones realizadas por Tonne et al. (2018) y Gurram,
Stuart y Pinjari (2019) se encuentra una relación directa entre el transporte y la contaminación
del aire.
De otro lado, estudios realizados en el Reino Unido por Jephcote, Chen y Ropkins (2016), se
identifica una relación inversa entre contaminantes móviles (asociados al transporte) y
comunidades caracterizadas como social o ambientalmente cargadas, lo que confirma la
existencia de desigualdades ambientales.
En las investigaciones de Tayarani et al. (2016) y Barnes, Chatterton y Longhurst (2019) se
realizaron estudios de caso, donde se disminuyeron los viajes en vehículos, lo que generó
una disminución en las emisiones a la atmosfera, por lo que la relación es directamente
proporcional entre las dos variables mencionadas.
De acuerdo con (Gossling, 2016), la injusticia ambiental asociada al transporte urbano se
discute en tres dimensiones: exposición a riesgos de tráfico y contaminantes, distribución del
espacio y valoración de tiempo de transporte.
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
%
Tasa de Ocupación
Tasa Ocupación 2007 Tasa Ocupación 2017
Página 74 de 160
La revisión de la producción académica refiere que las variables asociadas al transporte
presentan una frecuencia de citación del 11% con respecto al total de los documentos
analizados; a su vez, para el caso de estudio en la ciudad de Bogotá esta situación se describe
por medio de la malla vial, que describen la circulación del transporte en cada zona. La
información que corresponde a la ciudad de Bogotá es suministrada por el Observatorio de
movilidad.
En la Figura 24 se presenta la evolución de la malla vial en la ciudad de Bogotá entre los
años 2007 y 2017, donde se evidencia que a lo largo del tiempo la malla vial refiere un
comportamiento decreciente, señalando que en la localidad de Tunjuelito se presenta la
menor extensión de la malla vial, en contraste, la mayor extensión de la malla vial se
identifica en la localidad de Suba para los dos periodos de tiempo analizados.
Figura 24. Malla Via 2007 – 2017.
Fuente: Observatorio de Movilidad de Bogotá (2019).
De acuerdo con la revisión sistemática realizada a la producción científica a nivel global, de
acuerdo con la metodología expuesta por Samboní (2007), en la Tabla 10 se encuentra la
relación de las variables que determinan la Justicia Ambiental asociada a la calidad del aire,
de acuerdo con el número de citaciones en los artículos científicos analizados previamente.
0200400600800
100012001400160018002000
km
Malla Vial
Malla Vial 2007 Malla Vial 2017
Página 75 de 160
Tabla 10. Variables Seleccionadas.
Categoría Variable
Número de
citaciones en la
producción
científica
Unidad de medida Fuente
SALUD
ERA menores 14 años (casos en urgencias) 7 Número de casos Observatorio de Salud de Bogotá
Mortalidad por ERA en menores de 70
años
5 Número de casos
Observatorio de Salud de Bogotá
Bajo Peso Edad Gestacional 3 Número de casos Observatorio de Salud de Bogotá
GEOGRAFÍA
Fuentes de Contaminación (Vías
Principales)
2 m Medición en campo
Suelo Rural (%)
3 %
Secretaría de Planeación de
Bogotá
Suelo Urbano (%)
3 %
Secretaría de Planeación de
Bogotá
Área promedio (m2) según área productiva
Comercio
3 m2
Unidad Administrativa Especial de
Catastro
Área promedio (m2) según área productiva
Industrial
3 m2
Unidad Administrativa Especial de
Catastro
Área promedio (m2) según área productiva
Servicios
3 m2
Unidad Administrativa Especial de
Catastro
# árboles/localidad 8 # árboles/localidad Observatorio Ambiental de Bogotá
Cobertura arbórea (Ha) 1 Ha Observatorio Ambiental de Bogotá
Pendiente 1 % Invías
POBLACIÓN
Habitantes/Localidad
6 Habitantes
Observatorio de la Secretaría
Distrital de Planeación.
Habitantes<5años/Localidad
3 Habitantes
Observatorio de la Secretaría
Distrital de Planeación.
Habitantes>70años/Localidad
3 Habitantes
Observatorio de la Secretaría
Distrital de Planeación.
METEOROLOGÍA
Velocidad del Viento (m/s)
2 m/s
Observatorio Ambiental –
RMCAB.
Dirección Viento
2 ° (Grados)
Observatorio Ambiental –
RMCAB.
Precipitación mm
2 mm
Observatorio Ambiental –
RMCAB.
Página 76 de 160
Fuente: Elaboración propia (2019).
Categoría Variable
Número de
citaciones en la
producción
científica
Unidad de medida Fuente
EDUCACIÓN
Matriculados Básica Primaria 4 Número de estudiantes Encuesta de Calidad de Vida
Cobertura Educación 4 Número de estudiantes Encuesta de Calidad de Vida
ECONÓMICO
Coeficiente de Gini 15 N.A. Encuesta de Calidad de Vida
Tenencia Vivienda 2 % Encuesta de Calidad de Vida
Precio Suelo Comercial
2 Pesos ($)
Unidad Administrativa Especial de
Catastro
Precio Suelo Industrial
2 Pesos ($)
Unidad Administrativa Especial de
Catastro
Precio Suelo Servicios
2 Pesos ($)
Unidad Administrativa Especial de
Catastro
Índice de Pobreza Multidimensional (IPM) 8 % Encuesta de Calidad de Vida
Estrato 1 9 % Encuesta de Calidad de Vida
Estrato 2 9 % Encuesta de Calidad de Vida
Estrato 3 9 % Encuesta de Calidad de Vida
Estrato 4 9 % Encuesta de Calidad de Vida
Estrato 5 9 % Encuesta de Calidad de Vida
Estrato 6 9 % Encuesta de Calidad de Vida
Tasa Ocupación 2 % Encuesta de Calidad de Vida
TRANSPORTE Malla Vial 9
km Observatorio de movilidad de
Bogotá
CONTAMINANTES
PM10 11
µg/m3 Observatorio Ambiental –
RMCAB.
PM2.5 11
µg/m3 Observatorio Ambiental –
RMCAB.
Página 77 de 160
6.2. Correlación de Variables.
Una vez se realiza la identificación de las variables por medio de las cuales se explica la
problemática asociada a la Justicia Ambiental, en cuanto a la calidad del aire, se procede a
clasificarlas por grupos tal como se presenta en la Tabla 11, donde a su vez, se presentan las
variables de entrada para el Software SPSS Versión 23, el cual se utiliza como herramienta
para realizar el análisis de componentes principales por medio de un modelo factorial, de
acuerdo con la metodología expuesta por Samboní (2007).
Tabla 11. Datos de entrada análisis factorial SPSS.
Variables/Estaciones 1 3 4 6 8 10 11 12 16
SALUD
ERA menores 14 años (casos en urgencias) X X X X X X X X X
Mortalidad por ERA en menores de 70 años X X X X X X X X X
Bajo Peso Edad Gestacional X X X X X X X X X
GEOGRAFÍA
Fuentes de Contaminación (Vías Principales) X X X X X X X X X
Suelo Rural (%) X X X X X X X X X
Suelo Urbano (%) X X X X X X X X X
Área promedio (m2) según área productiva Comercio X X X X X X X X X
Área promedio (m2) según área productiva Industrial X X X X X X X X X
Área promedio (m2) según área productiva Servicios X X X X X X X X X
# árboles/localidad X X X X X X X X X
Cobertura arbórea (Ha) X X X X X X X X X
Pendiente X X X X X X X X X
POBLACIÓN
Habitantes/Localidad X X X X X X X X X
Habitantes<5años/Localidad X X X X X X X X X
Habitantes>70años/Localidad X X X X X X X X X
METEOROLOGÍA
Velocidad del Viento (m/s) X X X X X X X X X
Dirección Viento X X X X X X X X X
Precipitación mm X X X X X X X X X
EDUCACIÓN Matriculados Básica Primaria X X X X X X X X X
Cobertura Educación X X X X X X X X X
ECONÓMICO
Coeficiente de Gini X X X X X X X X X
Tenencia Vivienda X X X X X X X X X
Precio Suelo Comercial X X X X X X X X X
Precio Suelo Industrial X X X X X X X X X
Precio Suelo Servicios X X X X X X X X X
IMP X X X X X X X X X
Estrato 1 X X X X X X X X X
Estrato 2 X X X X X X X X X
Estrato 3 X X X X X X X X X
Estrato 4 X X X X X X X X X
Estrato 5 X X X X X X X X X
Estrato 6 X X X X X X X X X
Tasa Ocupación X X X X X X X X X
TRANSPORTE Malla Vial X X X X X X X X X
CONTAMINANTES PM10 X X X X X X X X X
PM2.5 X X X X X X X X X
1: Usaquén; 3: Santa Fe; 4: San Cristóbal; 6: Tunjuelito; 8: Kennedy; 10: Engativá; 11: Suba; 12: Barrios
Unidos; 16: Puente Aranda
Fuente: Elaboración propia (2019).
Página 78 de 160
Análisis estadístico del diseño de componentes principales
Con el fin de identificar la relación entre cada una de las variables seleccionadas en el
numeral 6.1, se realiza el análisis estadístico del diseño de componentes principales con el
fin de obtener la reducción de dimensiones por medio de un diseño factorial, de acuerdo con
la metodología expuesta por Overall y Klett (1972), Kendall (1975), Johnson y Wichern
(1982).
Para analizar la variación entre los datos de una misma variable, inicialmente se realiza el
análisis de estadística descriptiva, el cual se presenta en la Tabla 12 e indica atributos de los
datos como la media y la desviación estándar. A partir de estos resultados se evidencia que,
en orden descendente, las variables con mayor variación a lo largo del periodo analizado
(años 2007 a 2017) son el precio del suelo para cada uno de los usos (servicio, comercial e
industrial), habitantes por localidad, número de árboles, estudiantes matriculados en el sector
educación, habitantes menores a 5 años, habitantes mayores a 70 años y casos de
enfermedades respiratorias. En contraste, la menor variación se presenta entre el coeficiente
de Gini, velocidad del viento, precipitación, pendiente y el índice de pobreza
multidimensional.
Tabla 12. Estadísticos Descriptivos
Mean1 Std. Deviation2 Analysis N3
S_MORT 13,3535 7,99147 99
S_BAJOPESO 172,4545 140,60295 99
S_ERA 2866,9495 3145,39931 99
G_FUENTESCONT 454,5556 532,37518 99
G_RURAL 25,7071 31,60053 99
G_URBANI 74,2929 31,60053 99
G_SUELOIND 535,9994 456,14308 99
G_SUELOCOMER 112,3184 16,46874 99
G_SUELOSERV 280,6408 74,32057 99
G_#ARBOLES 90289,7778 68784,89846 99
G_COBERTARB 76,0103 56,64187 99
G_PENDIENTE 2,4656 2,42666 99
P_HABITANTE 523445,1818 379977,89665 99
P_MENOR5A 34152,0909 26695,78756 99
P_MAYOR70A 19613,6667 12299,89070 99
C_PM10 49,6240 17,31568 99
C_PM2.5 19,9383 6,79793 99
M_VELOV 1,6631 ,52876 99
M_DIRECV 170,4583 45,13383 99
Página 79 de 160
Mean1 Std. Deviation2 Analysis N3
M_PRECIP 2,3493 ,99478 99
EDU_MATRICUL 39132,9899 27294,96294 99
EDU_CORTURA 102,6414 20,61563 99
EC_GINI ,4666 ,05675 99
EC_VIVI 36,6588 6,78642 99
EC_$SUELOIND 936634,0677 444946,63383 99
EC_$SUELOCOM 1054133,3616 515650,32910 99
EC_$SUELOSERV 1127505,8303 602655,74144 99
EC_IPM 5,9046 3,81323 99
EC_ESTRATO1 2,5856 3,09377 99
EC_ESTRATO2 35,9031 28,35096 99
EC_ESTRATO3 43,6205 25,61814 99
EC_ESTRATO4 8,1079 10,91132 99
EC_ESTRATO5 2,6891 4,53300 99
EC_ESTRATO6 1,9068 4,82159 99
EC_OCUP 55,6076 5,46096 99
T_MALLAVIAL 502,0505 296,15314 99 1: Promedio
2: Deviación Estándar 3: Analysis N: Número de datos totales; 11 datos anuales, cada uno por 9 localidades.
Fuente: IBM SPSS Statistics (2019).
Posteriormente, la fase del análisis corresponde a la correlación entre variables para el área
de estudio, la cual se lleva a cabo por medio del Software SPSS Versión 23, a través de un
análisis factorial, de acuerdo con la metodología propuesta por Samboní (2007). La matriz
de correlaciones se presenta en el Anexo A.
De acuerdo con los resultados obtenidos, el principal factor que se identifica es el
determinante, el cual presenta un valor de 0,000, comportamiento que indica que el grado de
intercorrelación entre las variables es alto, a su vez, evidencia que las variables analizadas
son las adecuadas para explicar el problema. La condición descrita anteriormente es
fundamental para desarrollar el análisis de componentes principales.
El primer análisis que se realiza a la matriz de correlaciones es la identificación de la diagonal
de la matriz, la cual corresponde a un valor igual a 1,0, lo que es de esperarse, ya que
corresponde a la correlación entre la misma variable. Adicionalmente, teniendo en cuenta la
Figura 23, a continuación, se describen las principales relaciones entre cada una de las
variables.
Página 80 de 160
Con respecto al grupo de la salud (Mortalidad, bajo peso edad gestacional y casos de
enfermedades respiratorias) se destaca una relación directa con respecto a las fuentes de
contaminación, el número de árboles, cobertura arbórea por localidad, el número de
habitantes (incluida la población vulnerable), las concentraciones de PM10 y PM2,5,
estudiantes matriculados, precio del suelo y malla vial. Por el contrario, se identifica un
comportamiento inverso con respecto al uso del suelo comercial, la dirección y velocidad del
viento (Figura 25).
En cuanto al grupo de las variables geográficas, sobresale una relación directa con respecto
a los habitantes (incluida la población vulnerable), por su parte, las zonas con una mayor área
destinada a las actividades industriales y servicios, así como las localidades con una mayor
urbanización refieren una mayor cantidad de material particulado en el aire. De la misma
forma, se destaca un comportamiento directo entre el número de árboles y los estudiantes
matriculados; adicionalmente, el número de árboles es mayor en el estrato 5 y en las
localidades con una mayor cantidad de malla vial. Por el contrario, el suelo destinado a las
actividades de servicios presenta una relación inversa con respecto al coeficiente de Gini.
La cuantificación de la población descrita por medio de los habitantes totales por localidad,
así como la población vulnerable (menores de 5 años y mayores de 70 años) indican que se
destaca una relación directa con respecto a los estudiantes matriculados y la malla vial. De
otro lado, con respecto al material particulado en el aire, sobresale una relación directa con
respecto a la velocidad y dirección del viento, los estudiantes matriculados y la malla vial,
mientras que la relación es inversa con respecto a la población que habita en estrato 4.
Figura 25. Principales relaciones entre las variables que determinan la justicia ambiental asociada a la
calidad del aire.
Fuente: Elaboración propia.
Principales relaciones entre las variables
Contaminantes Población Salud Pendiente terreno Geografía
INV
ERSA
DIR
ECTA
Página 81 de 160
Continuando con el análisis de los resultados obtenidos por medio del Software SPSS
Versión 23, en la Tabla 13 se presenta las comunalidades, donde los factores individuales
que se mencionan en dicha tabla, son acordes para la descripción del problema, ya que los
valores de la columna denominada “extracción” son mayores a 0,4.
Tabla 13. Comunalidades de las variables seleccionadas.
Initial Extraction
S_MORT 1,000 ,833
S_BAJOPESO 1,000 ,918
S_ERA 1,000 ,719
G_FUENTESCONT 1,000 ,878
G_RURAL 1,000 ,950
G_URBANI 1,000 ,950
G_SUELOIND 1,000 ,944
G_SUELOCOMER 1,000 ,940
G_SUELOSERV 1,000 ,883
G_#ARBOLES 1,000 ,948
G_COBERTARB 1,000 ,912
G_PENDIENTE 1,000 ,974
P_HABITANTE 1,000 ,973
P_MENOR5A 1,000 ,974
P_MAYOR70A 1,000 ,924
C_PM10 1,000 ,867
C_PM2.5 1,000 ,892
M_VELOV 1,000 ,685
M_DIRECV 1,000 ,805
M_PRECIP 1,000 ,821
EDU_MATRICUL 1,000 ,986
EDU_CORTURA 1,000 ,902
EC_GINI 1,000 ,816
EC_VIVI 1,000 ,632
EC_$SUELOIND 1,000 ,964
EC_$SUELOCOM 1,000 ,957
EC_$SUELOSERV 1,000 ,977
EC_IPM 1,000 ,762
EC_ESTRATO1 1,000 ,919
EC_ESTRATO2 1,000 ,914
EC_ESTRATO3 1,000 ,851
EC_ESTRATO4 1,000 ,838
EC_ESTRATO5 1,000 ,933
EC_ESTRATO6 1,000 ,934
EC_OCUP 1,000 ,768
T_MALLAVIAL 1,000 ,956
Extraction Method: Principal Component Analysis.
Elaboración propia (2019).
Con el fin de identificar los componentes principales de los datos analizados, en la Tabla 14
se presenta la Varianza Total Explicada, por medio de la cual, el Software SPSS Versión 23
establece el número de componentes formados, los cuales son 8, teniendo en cuenta que una
de las condiciones para realizar la extracción de esta información corresponde a autovalores
mayores a 1, aspecto que se definió inicialmente en el análisis factorial. Posteriormente, con
el fin de definir las variables que corresponden a cada componente, se tiene en cuenta la
Página 82 de 160
información suministrada por la Matriz de Componentes, presentada en la Tabla 15, por
medio de la cual se agrupan las variables de acuerdo con el mayor valor de varianza
encontrado (en valor absoluto). En este sentido, se obtienen las siguientes agrupaciones, de
acuerdo con la metodología establecida por Dunnette (1979):
- Componente 1: Habitantes/Localidad, Habitantes menores a 5 años, Matriculados Básica Primaria, Malla Vial, Arboles/Localidad, Cobertura Arbórea, Habitantes mayores
a 70 años, Bajo Peso Edad Gestacional, Casos enfermedades respiratorias, Mortalidad
por enfermedades respiratorias, Área Suelo Comercial, Estrato 5
- Componente 2: Área Suelo Servicios, Zonas Urbanizadas, Zonas Rurales, Estrato 1, Dirección del Viento, PM10, PM2.5, Estrato 3, Coeficiente Gini, Estrato 6.
- Componente 3: Estrato 2, Estrato 4, Suelo Industrial, Suelo Servicios, Pendiente, Suelo
Comercial, Tenencia de Vivienda.
- Componente 4: Velocidad del Viento, Índice de Pobreza Multidimensional, Cobertura Educación.
- Componente 5: Fuentes de Contaminación y Suelo Industrial
- Componente 6: Los valores son muy bajos para determinar relación
- Componente 7: Los valores son muy bajos para determinar relación
- Componente 8: Precipitación y Tasa de Ocupación
Tabla 14. Varianza Total Explicada
Component
Initial Eigenvalues Extraction Sums of Squared
Loadings
Rotation Sums of Squared
Loadings
Total % of
Variance
Cumulative
% Total
% of
Variance
Cumulative
% Total
% of
Variance
Cumulative
%
1 9,082 25,228 25,228 9,082 25,228 25,228 8,805 24,459 24,459
2 8,132 22,589 47,817 8,132 22,589 47,817 7,061 19,613 44,071
3 5,956 16,543 64,360 5,956 16,543 64,360 4,348 12,079 56,150
4 2,738 7,604 71,965 2,738 7,604 71,965 3,503 9,730 65,880
5 1,871 5,198 77,162 1,871 5,198 77,162 2,353 6,537 72,417
6 1,534 4,261 81,423 1,534 4,261 81,423 2,303 6,396 78,813
7 1,429 3,970 85,393 1,429 3,970 85,393 2,119 5,886 84,699
8 1,159 3,219 88,613 1,159 3,219 88,613 1,409 3,914 88,613
Extraction Method: Principal Component Analysis.
Elaboración propia (2019).
Tabla 15. Matriz de Componentes.
Componente
1 2 3 4 5 6 7 8
P_HABITANTE ,918 ,308 ,168
P_MENOR5A ,912 ,335 ,135
EDU_MATRICUL ,907 ,354 -,155 ,111
Página 83 de 160
Componente
1 2 3 4 5 6 7 8
T_MALLAVIAL ,899 ,351
G_#ARBOLES ,898 -,110 -,197 ,288
G_COBERTARB ,874 ,262 -,236
P_MAYOR70A ,853 ,189 ,298 ,188 ,103 -,153
S_BAJOPESO ,792 ,363 -,321 ,150 -,149
S_ERA ,781 -,163 -,198 -,105 ,147
S_MORT ,709 ,167 -,361 ,303 ,120 -,250
G_SUELOCOMER -,642 ,545 ,458
EC_ESTRATO5 ,566 -,380 ,395 -,526 ,159
G_SUELOSERV -,144 ,865 ,233 ,163 -,150
G_URBANI ,843 ,462
G_RURAL -,843 -,462
EC_ESTRATO1 -,104 -,726 -,500 ,135 ,196 -,272
M_DIRECV -,325 ,689 ,228 -,148 -,105 ,351 ,108
C_PM10 ,197 ,676 -,302 -,123 ,478 ,169
C_PM2.5 ,657 -,159 ,120 -,319 ,420 ,295 ,215
EC_ESTRATO3 -,252 ,612 ,594 ,172 -,129
EC_GINI ,185 -,552 ,166 -,372 -,232 ,443 ,185 ,165
EC_ESTRATO6 ,182 -,462 ,395 -,385 ,443 ,257 -,335
EC_ESTRATO2 -,292 -,813 ,153 -,228 ,240 ,151
EC_ESTRATO4 -,398 ,728 -,239 -,246 -,165
EC_$SUELOIND ,156 -,398 ,723 ,414 ,147 ,239
EC_$SUELOSERV ,100 -,550 ,654 ,279 ,293 ,171 ,191
G_PENDIENTE ,124 -,623 -,632 ,332 -,126 ,175
EC_$SUELOCOM -,492 ,626 ,426 ,197 ,164 ,260
EC_VIVI ,253 -,270 ,579 ,177 ,224 -,263
M_VELOV ,119 ,472 ,517 ,386 -,145
EC_IPM -,126 -,252 -,440 ,457 ,184 ,441 -,226
EDU_CORTURA -,297 ,322 -,235 -,532 ,578 ,142 ,128
G_FUENTESCONT ,457 ,157 -,285 -,521 -,253 ,388 -,266
G_SUELOIND -,436 ,473 -,205 -,276 ,511 -,121 ,282 ,237
M_PRECIP ,209 -,388 -,324 -,282 ,658
EC_OCUP ,194 -,177 ,341 ,363 -,336 ,202 ,541
Nota: Las celdas subrayadas en color azul corresponde al grupo de variable que corresponde a cada
componente.
Elaboración propia (2019).
6.3. Formulación y Aplicación del Índice de Justicia Ambiental Asociado a la
Calidad del Aire.
De acuerdo con la metodología expuesta por Samboní (2007), por medio del análisis de
componentes principales se evidencia que las variables preseleccionadas en el numeral 6.1
se relacionan entre sí, de tal forma que explican el problema de Justicia Ambiental Asociada
en la calidad del aire, las cuales se clasifican en:
Página 84 de 160
- Variables independientes: PM10 y PM2.5
- Variables dependientes: Casos de Enfermedades respiratorias, Mortalidad por Enfermedades respiratorias, Bajo Peso Edad Gestacional, Fuentes de Contaminación,
Suelo Rural, Suelo Urbano, Área promedio suelo comercial, Área promedio suelo
industrial, Área promedio suelo servicios, árboles, cobertura arbórea, pendiente,
habitantes, velocidad del viento, dirección del viento, precipitación, matriculados básica
primaria, cobertura en educación, coeficiente de Gini, Tenencia de Vivienda, Precio
suelo comercial, precio suelo industrial, precio suelo servicios, índice de pobreza
multidimensional, estratos, tasa de ocupación, malla vial.
Las variables independientes corresponden a los contaminantes de PM10 y PM2.5, ya que está
directamente asociado a la calidad del aire, que describe el problema de Justicia Ambiental
en la ciudad de Bogotá.
En este sentido, en los siguientes subnumerales se desarrolla la formulación y aplicación del
Índice de Justicia Ambiental asociado a la Calidad del Aire, por medio de las siguientes
etapas:
- Determinar el subíndice para cada parámetro asociado a los respectivos componentes formados en el numeral 6.2
- Determinar del índice por agregación de los subíndices
- Establecer los rangos de calidad
- Aplicar caso de estudio en la ciudad de Bogotá
- Validar el índice de justicia ambiental asociado a la calidad del aire en Bogotá
6.3.1. Determinación del Subíndice.
De acuerdo con la metodología expuesta por Fernández y Solano (2005), la determinación
de subíndices se realiza por medio de curvas basadas en ecuaciones matemáticas, por lo que
una vez se obtienen los gráficos de dispersión, es pertinente identificar el modelo de regresión
que se va a implementar. En este sentido, se realiza el análisis por medio de la prueba de
hipótesis de acuerdo con la metodología expuesta por Cayuela (2014).
En concordancia con lo anterior:
Hipótesis nula:
𝐻0: 𝑋𝑖 = 𝑌𝑖
Hipótesis alternativa:
𝐻1: 𝑋𝑖 ≠ 𝑌𝑖
En este sentido, de acuerdo con la prueba T realizada por medio del Software SPSS Versión
23, se obtiene el nivel de significancia para cada variable, el cual es mayor a 0,05 en todas
Página 85 de 160
las variables analizadas, por lo que se acepta la hipótesis nula, lo que indica que la
distribución de los datos es normal y se ajusta a un modelo lineal (Cayuela, 2014).
Teniendo en cuenta lo anterior, una vez lo datos son ajustados a un modelo lineal, se debe
tener en cuenta el valor del coeficiente de determinación R2, el cual determina el porcentaje
de la varianza de la variable dependiente que es explicado por el modelo de regresión. De
acuerdo con lo anterior, en la Tabla 16 se clasifican los valores de R2 para datos obtenidos
de manera experimental (Rojo, 2007).
Tabla 16. Clasificación valor coeficiente de determinación R2.
Valor R2 Clasificación
Mayor 0,85 Sospechoso
0,5 a 0,85 Bueno
0,4 a 0,5 Aceptable
0,3 a 0,4 Malo
Menor de 0,3 Muy malo
Fuente: Rojo, 2007.
De acuerdo con lo anterior, a continuación, se presenta el procedimiento realizado para la
determinación de subíndices, el cual se presenta para cada una de las variables analizadas.
Adicionalmente, en la Tabla 17, se relaciona el significado de las abreviaturas utilizadas en
las ecuaciones generadas.
Tabla 17. Abreviaturas para las variables.
Abreviatura Significado
𝑌𝐸𝑅𝐴−𝑃𝑀10 Enfermedad respiratoria aguda relacionada con el PM10
𝑌𝐸𝑅𝐴−𝑃𝑀2,5 Enfermedad respiratoria aguda relacionada con el PM2,5
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 Mortalidad por enfermedades respiratorias relacionada con el PM10
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2,5 Mortalidad por enfermedades respiratorias relacionada con el PM2,5
𝑌𝐵𝑃−𝑃𝑀10 Bajo peso edad gestacional relacionado con el PM10
𝑌𝐵𝑃−𝑃𝑀2,5 Bajo peso edad gestacional relacionado con el PM2,5
𝑌𝐹𝐶−𝑃𝑀10 Fuentes de contaminación relacionado con el PM10
𝑌𝐹𝐶−𝑃𝑀2.5 Fuentes de contaminación relacionado con el PM2,5
𝑌𝑆𝑅−𝑃𝑀10 Área de suelo rural relacionado con el PM10
𝑌𝑆𝑅−𝑃𝑀2,5 Área de suelo rural relacionado con el PM2,5
𝑌𝑈𝑅𝐵−𝑃𝑀10 Área de suelo urbano relacionado con el PM10
𝑌𝑈𝑅𝐵−𝑃𝑀2,5 Área de suelo urbano relacionado con el PM2,5
𝑌𝑈𝐶−𝑃𝑀10 Área de suelo uso comercial relacionado con el PM10
𝑌𝑈𝐶−𝑃𝑀2.5 Área de suelo uso comercial relacionado con el PM2,5
𝑌𝑈𝐼−𝑃𝑀10 Área de suelo uso industrial relacionado con el PM10
𝑌𝑈𝐼−𝑃𝑀2.5 Área de suelo uso industrial relacionado con el PM2,5
𝑌𝑈𝑆−𝑃𝑀10 Área de suelo uso servicios relacionado con el PM10
𝑌𝑈𝑆−𝑃𝑀2.5 Área de suelo uso servicios relacionado con el PM2,5
𝑌𝐴−𝑃𝑀10 Número de árboles relacionado con el PM10
𝑌𝐴−𝑃𝑀2.5 Número de árboles relacionado con el PM2,5
𝑌𝐶𝐴−𝑃𝑀10 Cobertura arbórea relacionado con el PM10
𝑌𝐶𝐴−𝑃𝑀2.5 Cobertura arbórea relacionado con el PM2,5
𝑌𝑃−𝑃𝑀10 Pendiente relacionado con el PM10
𝑌𝑃−𝑃𝑀2.5 Pendiente relacionado con el PM2,5
𝑌𝐻−𝑃𝑀10 Habitantes relacionado con el PM10
𝑌𝐻−𝑃𝑀2.5 Habitantes relacionado con el PM2,5
Página 86 de 160
Abreviatura Significado
𝑌𝐻5𝑎−𝑃𝑀10 Habitantes menores de 5 años relacionado con el PM10
𝑌𝐻5𝑎−𝑃𝑀2.5 Habitantes menores de 5 años relacionado con el PM2,5
𝑌𝐻70𝐴−𝑃𝑀10 Habitantes mayores de 70 años relacionado con el PM10
𝑌𝐻70𝐴−𝑃𝑀2.5 Habitantes mayores de 70 años relacionado con el PM2,5
𝑌𝑉𝑉−𝑃𝑀10 Velocidad del viento relacionado con el PM10
𝑌𝑉𝑉−𝑃𝑀2.5 Velocidad del viento relacionado con el PM2,5
𝑌𝐷𝑉−𝑃𝑀10 Dirección del viento relacionado con el PM10
𝑌𝐷𝑉−𝑃𝑀2.5 Dirección del viento relacionado con el PM2,5
𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 Precipitación relacionado con el PM10
𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 Precipitación relacionado con el PM2,5
𝑌𝐸𝑀−𝑃𝑀10 Estudiantes matriculados relacionado con el PM10
𝑌𝐸𝑀−𝑃𝑀2.5 Estudiantes matriculados relacionado con el PM2,5
𝑌𝐶𝐸−𝑃𝑀10 Cobertura en educación relacionado con el PM10
𝑌𝐶𝐸−𝑃𝑀2.5 Cobertura en educación relacionado con el PM2,5
𝑌𝐶𝐺−𝑃𝑀10 Coeficiente de Gini relacionado con el PM10
𝑌𝐶𝐺−𝑃𝑀2.5 Coeficiente de Gini relacionado con el PM2,5
𝑌𝑇𝑉−𝑃𝑀10 Tenencia de vivienda relacionado con el PM10
𝑌𝑇𝑉−𝑃𝑀2.5 Tenencia de vivienda relacionado con el PM2,5
𝑌$𝐼−𝑃𝑀10 Precio suelo industrial relacionado con el PM10
𝑌$𝐼−𝑃𝑀2.5 Precio suelo industrial relacionado con el PM2,5
𝑌$𝐶−𝑃𝑀10 Precio suelo comercial relacionado con el PM10
𝑌$𝐶−𝑃𝑀2,5 Precio suelo comercial relacionado con el PM2,5
𝑌$𝑆−𝑃𝑀10 Precio suelo servicios relacionado con el PM10
𝑌$𝑆−𝑃𝑀2.5 Precio suelo servicios relacionado con el PM2,5
𝑌𝐼𝑃𝑀−𝑃𝑀10 Índice de pobreza multidimensional relacionado con el PM10
𝑌𝐼𝑃𝑀−𝑃𝑀2.5 Índice de pobreza multidimensional relacionado con el PM2,5
𝑌𝐸1−𝑃𝑀10 Estrato 1 relacionado con el PM10
𝑌𝐸1−𝑃𝑀2.5 Estrato 1 relacionado con el PM2,5
𝑌𝐸2−𝑃𝑀10 Estrato 2 relacionado con el PM10
𝑌𝐸2−𝑃𝑀2,5 Estrato 2 relacionado con el PM2,5
𝑌𝐸3−𝑃𝑀10 Estrato 3 relacionado con el PM10
𝑌𝐸3−𝑃𝑀2,5 Estrato 3 relacionado con el PM2,5
𝑌𝐸4−𝑃𝑀10 Estrato 4 relacionado con el PM10
𝑌𝐸4−𝑃𝑀2,5 Estrato 4 relacionado con el PM2,5
𝑌𝐸5−𝑃𝑀10 Estrato 5 relacionado con el PM10
𝑌𝐸5−𝑃𝑀2,5 Estrato 5 relacionado con el PM2,5
𝑌𝐸6−𝑃𝑀10 Estrato 6 relacionado con el PM10
𝑌𝐸6−𝑃𝑀2,5 Estrato 6 relacionado con el PM2,5
𝑌𝑇𝑂𝐶−𝑃𝑀10 Tasa de ocupación relacionado con el PM10
𝑌𝑇𝑂𝐶−𝑃𝑀2.5 Tasa de ocupación relacionado con el PM2,5
𝑌𝑀𝑉−𝑃𝑀10 Malla Vial relacionado con el PM10
𝑌𝑀𝑉−𝑃𝑀2.5 Malla Vial relacionado con el PM2,5
Fuente: Elaboración propia (2019).
- Casos de enfermedades respiratorias en menores de 14 años
De acuerdo con lo establecido en la Figura 26, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de enfermedades respiratorias en menores de
14 años, por lo que la relación se describe por medio de las siguientes ecuaciones:
Página 87 de 160
Ecuación 6. Enfermedades Respiratorias.
𝑌𝐸𝑅𝐴−𝑃𝑀10 = 5,87 ∗ 102 + 45,95𝑋
𝑌𝐸𝑅𝐴−𝑃𝑀2,5 = 1,1 ∗ 103 + 88,7𝑋
Fuente: Elaboración propia (2019).
Figura 26. Casos enfermedades respiratorias.
Fuente: Elaboración propia (2019).
- Mortalidad por enfermedades respiratorias
De acuerdo con lo establecido en la Figura 27, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de enfermedades respiratorias, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 7. Mortalidad por Enfermedades Respiratorias.
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 = 6,28 + 0,14𝑋
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2,5 = 8,79 + 0,23𝑋
Fuente: Elaboración propia (2019).
Figura 27. Casos de mortalidad por enfermedades respiratorias
Fuente: Elaboración propia (2019).
Página 88 de 160
- Bajo Peso Edad Gestacional
De acuerdo con lo establecido en la Figura 28, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de bajo peso edad gestacional, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 8. Bajo Peso Edad Gestacional.
𝑌𝐵𝑃−𝑃𝑀10 = −58,18 + 4,65𝑋
𝑌𝐵𝑃−𝑃𝑀2,5 = 23,23 + 7,48𝑋
Fuente: Elaboración propia (2019).
Figura 28. Bajo Peso Edad Gestacional
Fuente: Elaboración propia (2019).
- Fuente Contaminación (Vías Principales)
De acuerdo con lo establecido en la Figura 29, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de fuentes de contaminación, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 9. Fuentes de Contaminación.
𝑌𝐹𝐶−𝑃𝑀10 = 5,58 ∗ 102 − 2,09𝑋
𝑌𝐹𝐶−𝑃𝑀2.5 = 7,15 ∗ 102 − 14,41𝑋 Fuente: Elaboración propia (2019).
Página 89 de 160
Figura 29. Fuentes de Contaminación
Fuente: Elaboración propia (2019).
- Suelo Rural
De acuerdo con lo establecido en la Figura 30, se evidencia que la influencia por parte de la
proporción del suelo rural, con respecto a las variables independientes, se describe por medio
de las siguientes ecuaciones:
Ecuación 10. Suelo Rural.
𝑌𝑆𝑅−𝑃𝑀10 = 58,69 − 0,66𝑋
𝑌𝑆𝑅−𝑃𝑀2,5 = 62,96 − 1,87𝑋
Fuente: Elaboración propia (2019).
Figura 30. Suelo Rural
Fuente: Elaboración propia (2019).
Página 90 de 160
- Suelo Urbano
De acuerdo con lo establecido en la Figura 31, se evidencia que la influencia por parte de la
proporción del suelo urbano, con respecto a las variables independientes, se describe por
medio de las siguientes ecuaciones:
Ecuación 11. Suelo Urbano.
𝑌𝑈𝑅𝐵−𝑃𝑀10 = 41,31 + 0,66𝑋
𝑌𝑈𝑅𝐵−𝑃𝑀2,5 = 37,04 + 1,87𝑋
Fuente: Elaboración propia (2019).
Figura 31. Suelo Urbano
Fuente: Elaboración propia (2019).
- Área promedio uso de suelo comercial
De acuerdo con lo establecido en la Figura 32, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de promedio de uso de suelo comercial, por
lo que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 12. Área promedio uso comercial.
𝑌𝑈𝐶−𝑃𝑀10 = 1,05 ∗ 102 + 0,15𝑋
𝑌𝑈𝐶−𝑃𝑀2.5 = 97,61 + 0,74𝑋 Fuente: Elaboración propia (2019).
Página 91 de 160
Figura 32. Área Promedio Uso Suelo Comercial
Fuente: Elaboración propia (2019).
- Área promedio uso de suelo industrial
De acuerdo con lo establecido en la Figura 33, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de área promedio uso de suelo comercial, por
lo que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 13. Área promedio uso industrial.
𝑌𝑈𝐼−𝑃𝑀10 = 1,07 ∗ 102 + 8,65𝑋
𝑌𝑈𝐼−𝑃𝑀2.5 = 2,88 ∗ 102 + 12,46𝑋 Fuente: Elaboración propia (2019).
Figura 33. Área Promedio Uso Suelo Industrial
Fuente: Elaboración propia (2019).
Página 92 de 160
- Área promedio uso de suelo servicios
De acuerdo con lo establecido en la Figura 34, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de área promedio de suelo servicios, por lo
que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 14. Área promedio uso servicios.
𝑌𝑈𝑆−𝑃𝑀10 = 1,83 ∗ 102 + 1,97𝑋
𝑌𝑈𝑆−𝑃𝑀2.5 = 1,77 ∗ 102 + 5,18𝑋 Fuente: Elaboración propia (2019).
Figura 34. Área Promedio Uso Suelo Servicios
Fuente: Elaboración propia (2019).
- Árboles
De acuerdo con lo establecido en la Figura 35, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de número de árboles, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 15. Árboles.
𝑌𝐴−𝑃𝑀10 = 9,4 ∗ 104 − 5,77 ∗ 102𝑋
𝑌𝐴−𝑃𝑀2.5 = 1,03 ∗ 105 − 2,01 ∗ 103𝑋 Fuente: Elaboración propia (2019).
Página 93 de 160
Figura 35. Árboles
Fuente: Elaboración propia (2019).
- Cobertura arbórea
De acuerdo con lo establecido en la Figura 36, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de cobertura arbórea, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 16. Cobertura Arbórea.
𝑌𝐶𝐴−𝑃𝑀10 = 89,72 − 0,68𝑋
𝑌𝐶𝐴−𝑃𝑀2.5 = 98,15 − 2,26𝑋
Fuente: Elaboración propia (2019).
Figura 36. Cobertura arbórea
Fuente: Elaboración propia (2019).
Página 94 de 160
- Pendiente
De acuerdo con lo establecido en la Figura 37, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de pendiente del terreno, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 17. Pendiente.
𝑌𝑃−𝑃𝑀10 = 3,64 − 0,02𝑋
𝑌𝑃−𝑃𝑀2.5 = 3,62 − 0,06𝑋 Fuente: Elaboración propia (2019).
Figura 37. Pendiente del terreno
Fuente: Elaboración propia (2019).
- Habitantes/Localidad
De acuerdo con lo establecido en la Figura 38, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de habitantes/localidad, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 18. Habitantes por localidad.
𝑌𝐻−𝑃𝑀10 = 1,63 ∗ 105 + 7,26 ∗ 103𝑋
𝑌𝐻−𝑃𝑀2.5 = 2,28 ∗ 105 + 1,48 ∗ 104𝑋 Fuente: Elaboración propia (2019).
Página 95 de 160
Figura 38. Habitantes/Localidad
Fuente: Elaboración propia (2019).
- Habitantes menores de 5 años
De acuerdo con lo establecido en la Figura 39, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable habitantes menores de 5 años, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 19. Habitantes menores de 5 años.
𝑌𝐻5𝑎−𝑃𝑀10 = 3,08 ∗ 103 + 6,26 ∗ 102𝑋
𝑌𝐻5𝑎−𝑃𝑀2.5 = 9,76 ∗ 103 + 1,22 ∗ 103𝑋 Fuente: Elaboración propia (2019).
Figura 39. Habitantes menores de 5 años.
Fuente: Elaboración propia (2019).
Página 96 de 160
- Habitantes mayores de 70 años
De acuerdo con lo establecido en la Figura 40, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de habitantes mayores de 70 años, por lo que
la relación se describe por medio de las siguientes ecuaciones:
Ecuación 20. Habitantes mayores a 70 años.
𝑌𝐻70𝐴−𝑃𝑀10 = 1,66 ∗ 104 + 61,43𝑋
𝑌𝐻70𝐴−𝑃𝑀2.5 = 1,73 ∗ 104 + 1,16 ∗ 102𝑋 Fuente: Elaboración propia (2019).
Figura 40. Habitantes mayores de 70 años.
Fuente: Elaboración propia (2019).
.
- Velocidad del viento
De acuerdo con lo establecido en la Figura 41, se evidencia la relación de las concentraciones
de PM10 y PM2,5 en la variable de velocidad del viento, ello permite acercarse al
entendimiento vinculado con la dispersión de contaminantes en una zona y cómo el viento
(en sus componentes de dirección y velocidad) contribuye a su mayor o menor dispersión,
por lo que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 21. Velocidad del viento.
𝑌𝑉𝑉−𝑃𝑀10 = 1,07 + 0,01𝑋
𝑌𝑉𝑉−𝑃𝑀2.5 = 0,99 + 0,03𝑋 Fuente: Elaboración propia (2019).
Página 97 de 160
Figura 41. Velocidad del viento.
Fuente: Elaboración propia (2019).
- Dirección del viento
De acuerdo con lo establecido en la Figura 42, se evidencia que la influencia por parte la
dirección del viento, con respecto a las variables independientes, se describe por medio de
las siguientes ecuaciones:
En términos generales, la Dirección del Viento en la ciudad del Bogotá refiere que la masa
de aire sopla desde el sur, resaltando que, en las localidades de Usaquén, San Cristóbal y
Suba, el viento llega en dirección sureste.
Ecuación 22. Dirección del viento.
𝑌𝐷𝑉−𝑃𝑀10 = 1,06 ∗ 102 + 1,29𝑋
𝑌𝐷𝑉−𝑃𝑀2.5 = 97,05 + 3,68𝑋 Fuente: Elaboración propia (2019).
Figura 42. Dirección del viento.
Fuente: Elaboración propia (2019).
Página 98 de 160
- Precipitación
De acuerdo con lo establecido en la Figura 43, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de precipitación, por lo que la relación se
describe por medio de las siguientes ecuaciones:
Ecuación 23. Precipitación.
𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 = 2,6 − 5,12 ∗ 10−3𝑋
𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 = 2,41 − 3,19 ∗ 10−3𝑋 Fuente: Elaboración propia (2019).
Figura 43. Precipitación.
Fuente: Elaboración propia (2019).
- Estudiantes matriculados educación básica primaria
De acuerdo con lo establecido en la Figura 44, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de estudiantes matriculados educación
básica primaria, por lo que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 24. Estudiantes matriculados educación básica primaria
𝑌𝐸𝑀−𝑃𝑀10 = 5,21 ∗ 103 + 6,84 ∗ 102𝑋
𝑌𝐸𝑀−𝑃𝑀2.5 = 1,66 ∗ 104 + 1,13 ∗ 103𝑋 Fuente: Elaboración propia (2019).
Página 99 de 160
Figura 44. Matriculados educación básica primaria.
Fuente: Elaboración propia (2019).
- Cobertura de educación
De acuerdo con lo establecido en la Figura 45, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de cobertura de educación, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 25. Cobertura de educación.
𝑌𝐶𝐸−𝑃𝑀10 = 62,09 + 0,82𝑋
𝑌𝐶𝐸−𝑃𝑀2.5 = 69,02 + 1,69𝑋 Fuente: Elaboración propia (2019).
Figura 45. Cobertura de educación.
Fuente: Elaboración propia (2019).
Página 100 de 160
- Coeficiente de Gini
El coeficiente de Gini permite analizar la desigualdad en los ingresos, en este sentido, de
acuerdo con lo establecido en la Figura 46, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de coeficiente de Gini, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 26. Coeficiente de Gini.
𝑌𝐶𝐺−𝑃𝑀10 = 0,49 − 4,13 ∗ 10−4𝑋
𝑌𝐶𝐺−𝑃𝑀2.5 = 0,48 − 8,82 ∗ 10−4𝑋 Fuente: Elaboración propia (2019).
Figura 46. Coeficiente de Gini.
Fuente: Elaboración propia (2019).
- Tenencia de Vivienda
De acuerdo con lo establecido en la Figura 47, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable tenencia de vivienda, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 27. Tenencia de vivienda
𝑌𝑇𝑉−𝑃𝑀10 = 43,32 − 0,13𝑋
𝑌𝑇𝑉−𝑃𝑀2.5 = 44,01 − 0,37𝑋 Fuente: Elaboración propia (2019).
Página 101 de 160
Figura 47. Tenencia de Vivienda.
Fuente: Elaboración propia (2019).
- Precio suelo industrial
De acuerdo con lo establecido en la Figura 48, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de precio del suelo industrial, por lo que
la relación se describe por medio de las siguientes ecuaciones:
Ecuación 28. Precio uso suelo industrial
𝑌$𝐼−𝑃𝑀10 = 1,49 ∗ 106 − 1,12 ∗ 104𝑋
𝑌$𝐼−𝑃𝑀2.5 = 1,24 ∗ 106 − 1,52 ∗ 104𝑋
Fuente: Elaboración propia (2019).
Figura 48. Precio suelo industrial.
Fuente: Elaboración propia (2019).
Página 102 de 160
- Precio suelo comercial
De acuerdo con lo establecido en la Figura 49, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de precio suelo comercial, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 29. Precio uso suelo comercial
𝑌$𝐶−𝑃𝑀10 = 1,76 ∗ 106 − 1,41 ∗ 104𝑋
𝑌$𝐶−𝑃𝑀2,5 = 1,48 ∗ 106 − 2,11 ∗ 104𝑋
Fuente: Elaboración propia (2019).
Figura 49. Precio suelo comercial.
Fuente: Elaboración propia (2019).
- Precio suelo servicios
De acuerdo con lo establecido en la Figura 50, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable precio suelo servicios, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 30. Precio uso suelo servicios
𝑌$𝑆−𝑃𝑀10 = 1,95 ∗ 106 − 1,67 ∗ 104𝑋
𝑌$𝑆−𝑃𝑀2.5 = 1,95 ∗ 106 − 1,67 ∗ 104𝑋 Fuente: Elaboración propia (2019).
Página 103 de 160
Figura 50. Precio suelo servicios.
Fuente: Elaboración propia (2019).
- Índice de Pobreza Multidimensional
De acuerdo con lo establecido en la Figura 51, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de índice de pobreza multidimensional, por
lo que la relación se describe por medio de las siguientes ecuaciones:
Ecuación 31. IPM
𝑌𝐼𝑃𝑀−𝑃𝑀10 = 6,73 − 0,02𝑋
𝑌𝐼𝑃𝑀−𝑃𝑀2.5 = 6,19 − 0,01𝑋 Fuente: Elaboración propia (2019).
Figura 51. Índice de Pobreza Multidimensional.
Fuente: Elaboración propia (2019).
Página 104 de 160
- Estrato 1
De acuerdo con lo establecido en la Figura 52, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 1, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 32. Estrato 1
𝑌𝐸1−𝑃𝑀10 = 5,25 − 0,05𝑋
𝑌𝐸1−𝑃𝑀2.5 = 6,11 − 0,18𝑋 Fuente: Elaboración propia (2019).
Figura 52. Proporción de población en estrato 1 por localidad.
Fuente: Elaboración propia (2019).
- Estrato 2
De acuerdo con lo establecido en la Figura 53, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 2, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 33. Estrato 2
𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋
𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋
Fuente: Elaboración propia (2019).
Página 105 de 160
Figura 53. Proporción de población en estrato 2 por localidad.
Fuente: Elaboración propia (2019).
- Estrato 3
De acuerdo con lo establecido en la Figura 54, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 3, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 34. Estrato 3
𝑌𝐸3−𝑃𝑀10 = −0,68 + 0,89𝑋
𝑌𝐸3−𝑃𝑀2.5 = 1,29 + 2,12𝑋
Fuente: Elaboración propia (2019).
Figura 54. Proporción de población en estrato 3 por localidad.
Fuente: Elaboración propia (2019).
Página 106 de 160
- Estrato 4
De acuerdo con lo establecido en la Figura 55, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 4, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 35. Estrato 4
𝑌𝐸4−𝑃𝑀10 = 21,09 − 0,26𝑋
𝑌𝐸4−𝑃𝑀2.5 = 18,98 − 0,55𝑋 Fuente: Elaboración propia (2019).
Figura 55. Proporción de población en estrato 4 por localidad.
Fuente: Elaboración propia (2019).
- Estrato 5
De acuerdo con lo establecido en la Figura 56, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 5, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 36. Estrato 5
𝑌𝐸5−𝑃𝑀10 = 4,73 − 0,04𝑋
𝑌𝐸5−𝑃𝑀2.5 = 6,76 − 0,2𝑋 Fuente: Elaboración propia (2019).
Página 107 de 160
Figura 56. Proporción de población en estrato 5 por localidad.
Fuente: Elaboración propia (2019).
- Estrato 6
De acuerdo con lo establecido en la Figura 57, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la población en estrato 6, por lo que la
relación se describe por medio de las siguientes ecuaciones:
Ecuación 37. Estrato 6
𝑌𝐸6−𝑃𝑀10 = 5,29 − 0,07𝑋
𝑌𝐸6−𝑃𝑀2.5 = 8,7 − 0,34𝑋 Fuente: Elaboración propia (2019).
Figura 57. Proporción de población en estrato 6 por localidad.
Fuente: Elaboración propia (2019).
Es pertinente mencionar que la dispersión de los datos en las Figuras 57 hace referencia a los
espacios del estrato 6 en los que se goza de una mejor calidad del aire, por ejemplo, las zonas
que se encuentran a una mayor distancia con respecto a las vías principales; en contraste, es
Página 108 de 160
pertinente mencionar que las facilidades de acceso en cuanto al transporte para algunas zonas
de estrato 6, generan una mayor incidencia en la contaminación.
- Tasa de Ocupación
De acuerdo con lo establecido en la Figura 58, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de Tasa de Ocupación, por lo que la relación
se describe por medio de las siguientes ecuaciones:
Ecuación 38. Tasa de ocupación
𝑌𝑇𝑂𝐶−𝑃𝑀10 = 60,18 − 0,09𝑋
𝑌𝑇𝑂𝐶−𝑃𝑀2.5 = 56,44 − 0,04𝑋 Fuente: Elaboración propia (2019).
Figura 58. Tasa de Ocupación.
Fuente: Elaboración propia (2019).
- Malla Vial
De acuerdo con lo establecido en la Figura 59, se evidencia la influencia de las
concentraciones de PM10 y PM2,5 en la variable de la Malla Vial, por lo que la relación se
describe por medio de las siguientes ecuaciones:
Ecuación 39. Malla Vial
𝑌𝑀𝑉−𝑃𝑀10 = 1,68 ∗ 102 + 6,73𝑋
𝑌𝑀𝑉−𝑃𝑀2.5 = 2,54 ∗ 102 + 12,5𝑋 Fuente: Elaboración propia (2019).
Página 109 de 160
Figura 59. Malla Vial.
Fuente: Elaboración propia (2019).
En términos generales, se obtienen los subíndices y ecuaciones que se presentan en la Tabla
18, los cuales se organizan de acuerdo a cada uno de los componentes identificados.
Página 110 de 160
Tabla 18. Subíndices organizados por componentes principales.
FACTOR COMPONENTE ECUACIÓN PM10 ECUACIÓN PM2.5
R2
Ecuación
PM10
R2
Ecuación
PM2.5
1
Habitantes 𝑌𝐻−𝑃𝑀10 = 1,63𝐸5 + 7,26𝐸3𝑋 𝑌𝐻−𝑃𝑀2.5 = 2,28𝐸5 + 1,48𝐸4𝑋 0,531 0,465
Habitantes menores a 5
años 𝑌𝐻5𝑎−𝑃𝑀10 = 3,08𝐸3 + 6,26𝐸2𝑋 𝑌𝐻5𝑎−𝑃𝑀2.5 = 9,76𝐸3 + 1,22𝐸3𝑋
0,506 0,411
Estudiantes
matriculados 𝑌𝐸𝑀−𝑃𝑀10 = 5,21𝐸3 + 6,84𝐸2𝑋 𝑌𝐸𝑀−𝑃𝑀2.5 = 1,66𝐸4
+ 1,13𝐸3𝑋 0,534 0,481
Malla vial 𝑌𝑀𝑉−𝑃𝑀10 = 1,68𝐸2 + 6,73𝑋 𝑌𝑀𝑉−𝑃𝑀2.5 = 2,54𝐸2 + 12,5𝑋 0,494 0,486
Árboles 𝑌𝐴−𝑃𝑀10 = 9,4𝐸4 − 5,77𝐸2𝑋 𝑌𝐴−𝑃𝑀2.5 = 1,03𝐸5 − 2,01𝐸3𝑋 0,586 0,639
Cobertura arbórea 𝑌𝐶𝐴−𝑃𝑀10 = 89,72 − 0,68𝑋 𝑌𝐶𝐴−𝑃𝑀2.5 = 98,15 − 2,26𝑋 0,563 0,588
Habitantes mayores a
70 años 𝑌𝐻70𝐴−𝑃𝑀10 = 1,66𝐸4 + 61,43𝑋 𝑌𝐻70𝐴−𝑃𝑀2.5 = 1,73𝐸4 + 1,16𝐸2𝑋
0,609 0,576
Bajo Peso Gestacional 𝑌𝐵𝑃−𝑃𝑀10 = −58,18 + 4,65𝑋 𝑌𝐵𝑃−𝑃𝑀2,5 = 23,23 + 7,48𝑋 0,672 0,462
Casos Enfermedades
Respiratorias 𝑌𝐸𝑅𝐴−𝑃𝑀10 = 5,87𝐸2 + 45,95𝑋 𝑌𝐸𝑅𝐴−𝑃𝑀2,5 = 1,1𝐸3 + 88,7𝑋
0,627 0,502
Casos Mortalidad por
Enfermedades
Respiratorias
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 = 6,28 + 0,14𝑋
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2,5 = 8,79 + 0,23𝑋
0,509 0,495
Área promedio suelo
comercial 𝑌𝑈𝐶−𝑃𝑀10 = 1,05𝐸2 + 0,15𝑋 𝑌𝑈𝐶−𝑃𝑀2.5 = 97,61 + 0,74𝑋
0,519 0,454
Estrato 5 𝑌𝐸5−𝑃𝑀10 = 4,73 − 0,04𝑋 𝑌𝐸5−𝑃𝑀2.5 = 6,76 − 0,2𝑋 0,500 0,523
2
Área promedio suelo
servicios 𝑌𝑈𝑆−𝑃𝑀10 = 1,83𝐸2 + 1,97𝑋 𝑌𝑈𝑆−𝑃𝑀2.5 = 1,77𝐸2 + 5,18𝑋
0,559 0,574
Zonas Urbanas 𝑌𝑈𝑅𝐵−𝑃𝑀10 = 41,31 + 0,66𝑋 𝑌𝑈𝑅𝐵−𝑃𝑀2,5 = 37,04 + 1,87𝑋 0,464 0,502
Zonas Rurales 𝑌𝑆𝑅−𝑃𝑀10 = 58,69 − 0,66𝑋 𝑌𝑆𝑅−𝑃𝑀2,5 = 62,96 − 1,87𝑋 0,464 0,502
Estrato 1 𝑌𝐸1−𝑃𝑀10 = 5,25 − 0,05𝑋 𝑌𝐸1−𝑃𝑀2.5 = 6,11 − 0,18𝑋 0,400 0,489
Dirección del viento 𝑌𝐷𝑉−𝑃𝑀10 = 1,06𝐸2 + 1,29𝑋 𝑌𝐷𝑉−𝑃𝑀2.5 = 97,05 + 3,68𝑋 0,595 0,655
Estrato 3 𝑌𝐸3−𝑃𝑀10 = −0,68 + 0,89𝑋 𝑌𝐸3−𝑃𝑀2.5 = 1,29 + 2,12𝑋 0,703 0,663
Coeficiente Gini 𝑌𝐶𝐺−𝑃𝑀10 = 0,49 − 4,13𝐸− 4𝑋
𝑌𝐶𝐺−𝑃𝑀2.5 = 0,48 − 8,82𝐸− 4𝑋
0,661 0,600
Estrato 6 𝑌𝐸6−𝑃𝑀10 = 5,29 − 0,07𝑋 𝑌𝐸6−𝑃𝑀2.5 = 8,7 − 0,34𝑋 0,506 0,581
3 Estrato 2 𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋 𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋 0,696 0,552
Estrato 4 𝑌𝐸4−𝑃𝑀10 = 21,09 − 0,26𝑋 𝑌𝐸4−𝑃𝑀2.5 = 18,98 − 0,55𝑋 0,515 0,440
Página 111 de 160
FACTOR COMPONENTE ECUACIÓN PM10 ECUACIÓN PM2.5
R2
Ecuación
PM10
R2
Ecuación
PM2.5
Precio Suelo Industrial 𝑌$𝐼−𝑃𝑀10 = 1,49𝐸6− 1,12𝐸4𝑋
𝑌$𝐼−𝑃𝑀2.5 = 1,24𝐸6− 1,52𝐸4𝑋
0,537 0,432
Precio Suelo Servicios 𝑌$𝑆−𝑃𝑀10 = 1,95𝐸6 − 1,67𝐸4𝑋 𝑌$𝑆−𝑃𝑀2.5 = 1,95𝐸6 − 1,67𝐸4𝑋 0,578 0,465
Precio Suelo
Comercial 𝑌$𝐶−𝑃𝑀10 = 1,76𝐸6 − 1,41𝐸4𝑋 𝑌$𝐶−𝑃𝑀2,5 = 1,48𝐸6
− 2,11𝐸4𝑋 0,575 0,479
Pendiente del Terreno 𝑌𝑃−𝑃𝑀10 = 3,64 − 0,02𝑋 𝑌𝑃−𝑃𝑀2.5 = 3,62 − 0,06𝑋 0,642 0,525
Tenencia de vivienda 𝑌𝑇𝑉−𝑃𝑀10 = 43,32 − 0,13𝑋 𝑌𝑇𝑉−𝑃𝑀2.5 = 44,01 − 0,37𝑋 0,635 0,503
4
Velocidad del Viento 𝑌𝑉𝑉−𝑃𝑀10 = 1,07 + 0,01𝑋 𝑌𝑉𝑉−𝑃𝑀2.5 = 0,99 + 0,03𝑋 0,489 0,535
Índice de Pobreza
Multidimensional 𝑌𝐼𝑃𝑀−𝑃𝑀10 = 6,73 − 0,02𝑋 𝑌𝐼𝑃𝑀−𝑃𝑀2.5 = 6,19 − 0,01𝑋
0,708 0,633
Cobertura de
educación 𝑌𝐶𝐸−𝑃𝑀10 = 62,09 + 0,82𝑋 𝑌𝐶𝐸−𝑃𝑀2.5 = 69,02 + 1,69𝑋
0,786 0,656
5
Fuentes de
Contaminación 𝑌𝐹𝐶−𝑃𝑀10 = 5,58𝐸2 − 2,09𝑋 𝑌𝐹𝐶−𝑃𝑀2.5 = 7,15𝐸2 − 14,41𝑋
0,576 0,422
Área promedio suelo
industrial 𝑌𝑈𝐼−𝑃𝑀10 = 1,07𝐸2 + 8,65𝑋 𝑌𝑈𝐼−𝑃𝑀2.5 = 2,88𝐸2 + 12,46𝑋
0,428 0,486
6
Precipitación 𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 = 2,6 − 5,12𝐸 − 3𝑋 𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 = 2,41 − 3,19𝐸− 3𝑋
0,511 0,481
Tasa de Ocupación 𝑌𝑇𝑂𝐶−𝑃𝑀10 = 60,18 − 0,09𝑋 𝑌𝑇𝑂𝐶−𝑃𝑀2.5 = 56,44 − 0,04𝑋 0,504 0,497
Fuente: Elaboración propia, 2019.
Página 112 de 160
6.3.2. Determinación del Índice por Agregación de Subíndices.
La agregación de subíndices se realiza por medio de las fórmulas de agregación en la Tabla
18, de acuerdo con lo establecido por Helmond y Breukel (1997); en este sentido, cada uno
de los factores analizados se agrupan por el método de promedio ponderado (Fórmula 40).
Ecuación 40. Formula de agregación.
𝐼𝐶 =1
𝑛∑ 𝑞𝑖
𝑛
𝑖=1
Fuente: Helmond y Breukel (1997)
6.3.2.1.Fórmula Índice de Justicia Ambiental Asociado a la Calidad del Aire por medio
del PM10.
En este numeral se presenta el índice de justicia ambiental por agregación de las ecuaciones
de cada uno de los componentes identificados, asociados con la determinación del PM10, en
este sentido, en la Ecuación 41 se formula el índice de justicia ambiental asociado a las
variables correspondientes al componente 1, por lo que se denomina Factor 1.
De la misma forma, en las Ecuaciones 42 a 46 se presenta el índice de justicia ambiental por
agregación de las ecuaciones de las variables correspondientes a cada uno de los
componentes, en relación con la determinación del PM10; en este sentido, se determinan los
índices de justicia ambiental asociados a la calidad del aire, denominados del Factor a 2 al 6.
Ecuación 41. Índice Justicia Ambiental Factor 1.
𝐼𝐽𝐴𝑃𝑀10−𝐹𝐴𝐶𝑇𝑂𝑅 1
=
𝑌𝐻−𝑃𝑀10 + 𝑌𝐻5𝑎−𝑃𝑀10 + 𝑌𝐸𝑀−𝑃𝑀10 + 𝑌𝑀𝑉−𝑃𝑀10 + 𝑌𝐴−𝑃𝑀10 + 𝑌𝐶𝐴−𝑃𝑀10 + 𝑌𝐻70𝐴−𝑃𝑀10 + 𝑌𝐵𝑃−𝑃𝑀10
+𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 + +𝑌𝐸𝑅𝐴−𝑃𝑀10 + 𝑌𝑈𝐶−𝑃𝑀10 + 𝑌𝐸5−𝑃𝑀10
12
Fuente: Elaboración propia (2019).
Ecuación 42. Índice Justicia Ambiental Factor 2.
𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟐
=𝑌𝑈𝑆−𝑃𝑀10 + 𝑌𝑈𝑅𝐵−𝑃𝑀10 + 𝑌𝑆𝑅−𝑃𝑀10 + 𝑌𝐸1−𝑃𝑀10 + 𝑌𝐷𝑉−𝑃𝑀10 + 𝑌𝐸3−𝑃𝑀10 + 𝑌𝐶𝐺−𝑃𝑀10 + 𝑌𝐸6−𝑃𝑀10
𝟖
Fuente: Elaboración propia (2019).
Ecuación 43. Índice Justicia Ambiental Factor 3.
𝑰𝑱𝑨𝑷𝑴𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟑
=𝑌𝐸2−𝑃𝑀10 + 𝑌𝐸4−𝑃𝑀10 + 𝑌$𝐼−𝑃𝑀10 + 𝑌$𝑆−𝑃𝑀10 + 𝑌$𝐶−𝑃𝑀10 + 𝑌𝑃−𝑃𝑀10 + 𝑌𝑇𝑉−𝑃𝑀10
𝟕
Fuente: Elaboración propia (2019).
Página 113 de 160
Ecuación 44. Índice Justicia Ambiental Factor 4.
𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟒 =𝑌𝑉𝑉−𝑃𝑀10 + 𝑌𝐼𝑃𝑀−𝑃𝑀10 + 𝑌𝐶𝐸−𝑃𝑀10
𝟑
Fuente: Elaboración propia (2019).
Ecuación 45. Índice Justicia Ambiental Factor 5.
𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟓 =𝑌𝐹𝐶−𝑃𝑀10 + 𝑌𝑈𝐼−𝑃𝑀10
𝟐
Fuente: Elaboración propia (2019).
Ecuación 46. Índice Justicia Ambiental Factor 6.
𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟔 =𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 + 𝑌𝑇𝑂𝐶−𝑃𝑀10
𝟐
Fuente: Elaboración propia (2019).
6.3.2.1. Fórmula Índice de Justicia Ambiental asociado a la Calidad del Aire por medio
del PM2.5.
En este numeral se presenta el índice de justicia ambiental por agregación de las ecuaciones
de cada uno de los componentes identificados, asociados con la determinación del PM2,5, en
este sentido, en la Ecuación 47 se formula el índice de justicia ambiental asociado a las
variables correspondientes al componente 1, por lo que se denomina Factor 1.
De la misma forma, en las Ecuaciones 48 a 52 se presenta el índice de justicia ambiental por
agregación de las ecuaciones de las variables correspondientes a cada uno de los
componentes, en relación con la determinación del PM2,5; en este sentido, se determinan los
índices de justicia ambiental asociados a la calidad del aire, denominados del Factor a 2 al 6.
Ecuación 47. Índice Justicia Ambiental Factor 1.
𝐼𝐽𝐴𝑃𝑀2.5−𝐹𝐴𝐶𝑇𝑂𝑅 1
=
𝑌𝐻−𝑃𝑀2.5 + 𝑌𝐻5𝑎−𝑃𝑀2.5 + 𝑌𝐸𝑀−𝑃𝑀2.5 + 𝑌𝑀𝑉−𝑃𝑀2.5 + 𝑌𝐴−𝑃𝑀2.5 + 𝑌𝐶𝐴−𝑃𝑀2.5 + 𝑌𝐻70𝐴−𝑃𝑀2.5 + 𝑌𝐵𝑃−𝑃𝑀2.5
+𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2.5 + 𝑌𝐸𝑅𝐴−𝑃𝑀2.5 + 𝑌𝑈𝐶−𝑃𝑀2.5 + 𝑌𝐸5−𝑃𝑀2.5
12
Fuente: Elaboración propia (2019).
Ecuación 48. Índice Justicia Ambiental Factor 2.
𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟐
=𝑌𝑈𝑆−𝑃𝑀2.5 + 𝑌𝑈𝑅𝐵−𝑃𝑀2.5 + 𝑌𝑆𝑅−𝑃𝑀2.5 + 𝑌𝐸1−𝑃𝑀2.5 + 𝑌𝐷𝑉−𝑃𝑀2.5 + 𝑌𝐸3−𝑃𝑀2.5 + 𝑌𝐶𝐺−𝑃𝑀2,5 + 𝑌𝐸6−𝑃𝑀2.5
𝟖
Fuente: Elaboración propia (2019).
Ecuación 49. Índice Justicia Ambiental Factor 3.
𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟑
=𝑌𝐸2−𝑃𝑀2.5 + 𝑌𝐸4−𝑃𝑀2.5 + 𝑌$𝐼−𝑃𝑀2.5 + 𝑌$𝑆−𝑃𝑀2.5 + 𝑌$𝐶−𝑃𝑀2.5 + 𝑌𝑃−𝑃𝑀2.5 + 𝑌𝑇𝑉−𝑃𝑀2.5
𝟕
Fuente: Elaboración propia (2019).
Página 114 de 160
Ecuación 50. Índice Justicia Ambiental Factor 4.
𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟒 =𝑌𝑉𝑉−𝑃𝑀2.5 + 𝑌𝐼𝑃𝑀−𝑃𝑀2.5 + 𝑌𝐶𝐸−𝑃𝑀2.5
𝟑
Fuente: Elaboración propia (2019).
Ecuación 51. Índice Justicia Ambiental Factor 5.
𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟓 =𝑌𝐹𝐶−𝑃𝑀2.5 + 𝑌𝑈𝐼−𝑃𝑀2.5
𝟐
Fuente: Elaboración propia (2019).
Ecuación 52. Índice Justicia Ambiental Factor 6.
𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟔 =𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 + 𝑌𝑇𝑂𝐶−𝑃𝑀2.5
𝟐
Fuente: Elaboración propia (2019).
6.3.3. Definición de Rangos de Calidad
Para definir los rangos de calidad, se tiene en cuenta la metodología establecida por Ramírez
et al. (1997), donde se tiene en cuenta los límites normativos, así como los registros del
comportamiento histórico para estudios realizados previamente. En este sentido, cada uno de
los rangos de calidad para efectos del índice de justicia ambiental asociado a la calidad del
aire se clasifican en cuatro niveles, por lo que el procedimiento para establecer dichos rangos,
se describe a continuación.
Nivel 1: El nivel 1 corresponde a la ausencia de afectación por parte de la Injusticia
Ambiental asociada a la calidad del aire, por lo que, esta condición es determinada para las
situaciones en las que no se presenta incidencia en la calidad del aire. En este sentido, el valor
numérico para el nivel 1 hace referencia al valor que toma el Índice de Justicia Ambiental
asociado a la Calidad del Aire formulado con una concentración de PM10 y PM2,5 de 0 µg/m3.
Adicionalmente, bajo estas condiciones el nivel 1 presenta una descripción cualitativa, la cual
hace referencia a una situación de Justicia Ambiental por parte de la calidad del aire.
Nivel 2: Para el nivel 2 se tienen en cuenta los límites aceptables permitidos por la
Organización Mundial de la Salud para la calidad del aire, los cuales corresponden a
concentraciones de 10 µg/m3 para el PM2,5 y 20 µg/m3 para el PM10, por lo que el rango
cuantitativo para el nivel 2 se calcula a partir del valor que toma el Índice de Justicia
Ambiental asociado a la Calidad del Aire formulado, por medio de las concentraciones
mencionadas. Para las situaciones previamente descritas, la calidad del aire no genera
afectaciones en la salud humana (OMS, 2016), por lo que la clasificación cualitativa de este
nivel demuestra una situación de Ligera Injusticia Ambiental, sin registrar incidencias en la
salud humana.
Nivel 3: En este nivel, el rango cuantitativo se calcula a partir del valor que toma el Índice
de Justicia Ambiental asociado a la Calidad del Aire formulado, por medio de los límites
normativos establecidos por la Resolución 2254 de 2017 (Ministerio de Ambiente y
Desarrollo Sostenible, 2017), los cuales corresponden a 25 µg/m3 para el PM2.5 y 40 µg/m3
Página 115 de 160
para el PM10. En este sentido, bajo estas condiciones el nivel 3 en términos cualitativos refiere
una situación de “Factores de Injusticia Ambiental”.
Nivel 4: Este nivel corresponde a la situación de mayor contaminación, por lo que el rango
cuantitativo se establece a partir del valor que toma el Índice de Justicia Ambiental asociado
a la Calidad del Aire formulado, teniendo en cuenta las mayores concentraciones de PM10 y
PM2,5 que se alcanzan en la ciudad de Bogotá en el periodo entre 2007 a 2017; los valores
son de 99 µg/m3 y 40 µg/m3 respectivamente (Secretaría Distrital de Ambiente, 2019). De
acuerdo con lo anterior, bajo estas condiciones el nivel 3 en términos cualitativos refiere una
situación de “Máxima Justicia Ambiental”.
En concordancia con lo anterior, los rangos de calidad para la interpretación del Índice de
Justicia Ambiental asociado a la calidad del aire se presentan en las Tablas 19 y 20.
Tabla 19. Rangos de Calidad. Índice de Justicia Ambiental asociado al PM10
PM10
Factor Rango Denominación calidad
1
menor a 23566 Justicia Ambiental
23567 a 37085 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
37086 - 50604 Factores de Injusticia Ambiental
50605-90485 Máxima Injusticia Ambiental
2
menor a 50 Justicia Ambiental
51 a 60 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
61 a 70 Factores de Injusticia Ambiental
71 a 100 Máxima Injusticia Ambiental
3
mayor a 742868 Justicia Ambiental
622870 a 742867 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
502872 a 622869 Factores de Injusticia Ambiental
148876 a 502871 Máxima Injusticia Ambiental
4
menor a 23 Justicia Ambiental
22 a 29 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
30 a 34 Factores de Injusticia Ambiental
35 a 50 Máxima Injusticia Ambiental
5
menor 333 Justicia Ambiental
334 a 398 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
399 a 464 Factores de Injusticia Ambiental
465 a 657 Máxima Injusticia Ambiental
6
mayor a 31 Justicia Ambiental
30 a 31 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
29 a 30 Factores de Injusticia Ambiental
27 a 29 Máxima Injusticia Ambiental
Fuente: Elaboración propia, 2019.
Tabla 20. Rangos de Calidad. Índice de Justicia Ambiental asociado al PM2.5
PM2.5
Factor Rango Denominación calidad
1
menor a 31354 Justicia Ambiental
31355 - 44157 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
44158 -63361 Factores de Injusticia Ambiental
63362-82565 Máxima Injusticia Ambiental
2
menor a 49 Justicia Ambiental
50 a 62 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
63 a 82 Factores de Injusticia Ambiental
83 a 101 Máxima Injusticia Ambiental
Página 116 de 160
PM2.5
Factor Rango Denominación calidad
3
mayor a 667152 Justicia Ambiental
591439 a
667151 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
477870 a
591438 Factores de Injusticia Ambiental
364300 a
477869 Máxima Injusticia Ambiental
4
menor a 25 Justicia Ambiental
26 a 31 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
32 a 40 Factores de Injusticia Ambiental
mayor 48 Máxima Injusticia Ambiental
5
mayor 502 Justicia Ambiental
492 a 501 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
477 a 491 Factores de Injusticia Ambiental
menor a 476 Máxima Injusticia Ambiental
6
mayor 29 Justicia Ambiental
29 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud
28 Factores de Injusticia Ambiental
menor 28 Máxima Injusticia Ambiental
Fuente: Elaboración propia, 2019.
6.3.4. Aplicación: Caso de Estudio Bogotá
De acuerdo con la formulación del Índice de Justicia Ambiental asociado a la calidad del
aire, se aplica para el caso de estudio que corresponde a las estaciones de monitoreo en la
ciudad de Bogotá (Ver puntos en la Imagen 60), obteniendo los resultados presentados en las
Tablas 21 y 22, los cuales son representados geográficamente en el Anexo B.
Figura 60. Puntos de Monitoreo.
Fuente: Modificado de Google Earth, 2019.
Página 117 de 160
El caso de estudio corresponde a las condiciones de calidad del aire en lo que respecta al
material particulado para el día 18 de noviembre de 2019 en la ciudad de Bogotá, los datos
son obtenidos por medio de la Red de Monitoreo de Calidad del Aire y son presentados en la
Tabla 21.
Tabla 21. Condiciones caso de estudio.
Parámetro PM10 PM2,5
Unidades µg/m3 µg/m3
Usaquén 28,45 7,966
Santa Fe 29,9 16,1
San Cristóbal 27,7 14,0
Tunjuelito 42,8 21,5
Kennedy 70,2 25,4
Engativá 40 18,9
Suba 50,3 18,4
Barrios Unidos 31 15,2
Puente Aranda 46,5 18,1
Fuente: Secretaria Distrital de Ambiente, 2019.
Los resultados de la aplicación del caso de estudio son presentados en las Tablas 22 y 23, las
cuales corresponden a los Factores asociados al PM10 y PM2,5 respectivamente, de la misma
forma, en el Anexo B se representan geográficamente los resultados por cada factor, mientras
que en las Figuras 61 y 62 se presentan los resultados a nivel general. Adicionalmente, en la
Tabla 24 se presenta en análisis de los resultados obtenidos por cada uno de los factores que
compone el Índice de Justicia Ambiental Asociado a la Calidad del Aire.
Página 118 de 160
Tabla 22. Resultados caso de estudio. Índice de Justicia Ambiental Asociado al PM10.
FACTOR COMPONENTE ZONA 1 ZONA 2 ZONA 3 ZONA 4 ZONA 5 ZONA 6 ZONA 7 ZONA 8 ZONA 9
1
Habitantes
42796,7 43776,8 42289,7 52496,5 71017,3 50603,8 57566,0 44520,3 54997,4
Habitantes
menores a 5 años
Estudiantes
matriculados
Malla vial
Árboles
Cobertura arbórea
Habitantes
mayores a 70 años
Bajo Peso
Gestacional
Casos
Enfermedades
Respiratorias
Casos Mortalidad
por Enfermedades
Respiratorias
Área promedio
suelo comercial
Estrato 5
2
Área promedio
suelo servicios
64,2 65,0 63,9 71,5 85,3 70,1 75,3 65,5 73,3
Zonas Urbanas
Zonas Rurales
Estrato 1
Dirección del
viento
Estrato 3
Coeficiente Gini
Estrato 6
3
Estrato 2
572170,7 563470,9 576670,7 486071,9 321674,1 502871,7 441072,5 556870,9 463872,2 Estrato 4
Precio Suelo
Industrial
Página 119 de 160
FACTOR COMPONENTE ZONA 1 ZONA 2 ZONA 3 ZONA 4 ZONA 5 ZONA 6 ZONA 7 ZONA 8 ZONA 9
Precio Suelo
Servicios
Precio Suelo
Comercial
Pendiente del
Terreno
Tenencia de
vivienda
4
Velocidad del
Viento
31,0 31,4 30,8 35 42,3 34,1 36,9 31,7 35,9 Índice de Pobreza
Multidimensional
Cobertura de
educación
5
Fuentes de
Contaminación 425,8 430,6 423,4 472,9 562,8 463,7 497,5 434,2 485,0
Área promedio
suelo industrial
6
Precipitación
30,0 30,0 30,1 29,4 28,1 29,5 29,0 29,9 29,2 Tasa de
Ocupación
Zona 1: Caso de estudio actual Usaquén. Zona 2: Caso de estudio actual Santa Fe. Zona 3: Caso de estudio actual San Cristóbal. Zona 4: Caso de estudio actual
Tunjuelito. Zona 5: Caso de estudio actual Kennedy. Zona 6: Caso de estudio actual Engativá. Zona 7: Caso de estudio actual Suba. Zona 8: Caso de estudio
actual Barrios Unidos. Zona 9: Caso de estudio actual Puente Aranda.
Fuente: Elaboración propia, 2019.
Página 120 de 160
Tabla 23. Resultados caso de estudio. Índice de Justicia Ambiental Asociado al PM2,5.
FACTOR COMPONENTE ZONA 1 ZONA 2 ZONA 3 ZONA 4 ZONA 5 ZONA 6 ZONA 7 ZONA 8 ZONA 9
1
Habitantes
41552,6 51966,3 49277,8 58879,8 63872,8 55551,1 54910,9 50814,1 54526,9
Habitantes menores a 5
años
Estudiantes
matriculados
Malla vial
Árboles
Cobertura arbórea
Habitantes mayores a 70
años
Bajo Peso Gestacional
Casos Enfermedades
Respiratorias
Casos Mortalidad por
Enfermedades
Respiratorias
Área promedio suelo
comercial
Estrato 5
2
Área promedio suelo
servicios
59,2 69,9 67,1 76,9 82,0 73,5 72,9 68,7 72,5
Zonas Urbanas
Zonas Rurales
Estrato 1
Dirección del viento
Estrato 3
Coeficiente Gini
Estrato 6
3
Estrato 2
606839,3 545254,4 561154,1 504369,3 474841,3 524054,7 527840,4 552068,5 530111,8
Estrato 4
Precio Suelo Industrial
Precio Suelo Servicios
Precio Suelo Comercial
Pendiente del Terreno
Tenencia de vivienda
Página 121 de 160
FACTOR COMPONENTE ZONA 1 ZONA 2 ZONA 3 ZONA 4 ZONA 5 ZONA 6 ZONA 7 ZONA 8 ZONA 9
4
Velocidad del Viento
29,9 34,6 33,4 37,7 39,9 36,2 35,9 34,1 35,7 Índice de Pobreza
Multidimensional
Cobertura de educación
5
Fuentes de
Contaminación 493,7 485,8 487,9 480,5 476,7 483,1 483,6 486,7 483,9
Área promedio suelo
industrial
6 Precipitación
29,3 29,1 29,1 29,0 28,9 29,0 29,0 29,1 29,0 Tasa de Ocupación
Zona 1: Caso de estudio actual Usaquén. Zona 2: Caso de estudio actual Santa Fe. Zona 3: Caso de estudio actual San Cristóbal. Zona 4: Caso de estudio actual
Tunjuelito. Zona 5: Caso de estudio actual Kennedy. Zona 6: Caso de estudio actual Engativá. Zona 7: Caso de estudio actual Suba. Zona 8: Caso de estudio
actual Barrios Unidos. Zona 9: Caso de estudio actual Puente Aranda.
Fuente: Elaboración propia, 2019.
Página 122 de 160
Figura 61. Resultados Índice de Justicia Ambiental asociado a la calidad del aire en la ciudad de Bogotá (PM10).
Fuente: Elaboración propia a partir de cartografía de la Alcaldía Mayor de Bogotá, 2019.
Página 123 de 160
Figura 62. Resultados Índice de Justicia Ambiental asociado a la calidad del aire en la ciudad de Bogotá (PM2,5).
Fuente: Elaboración propia a partir de cartografía de la Alcaldía Mayor de Bogotá, 2019.
Página 124 de 160
Tabla 24. Análisis de resultados – caso de estudio.
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
Calidad del Aire
N.A.
La condición de Ligera
Injusticia Ambiental se
presenta únicamente para el
PM2,5, donde la localidad de
Usaquén corresponde a una de
las zonas con menores
concentraciones.
Con respecto al Factor 1 se evidencia que las
zonas de Tunjuelito, Kennedy, Suba y Puente
Aranda presentan la máxima Injusticia
Ambiental lo cual hace referencia
principalmente a que en estas zonas se
presentan las mayores concentraciones de
material particulado.
Las localidades de Usaquén y
San Cristóbal refieren las
menores concentraciones de
material particulado.
Habitantes Esta condición se presenta
únicamente para la localidad
de Usaquén con respecto al
PM2,5. En este sentido, la baja
contaminación en esta
localidad se relaciona de
manera inversa con respecto a
la densidad de población, lo
que contradice la teoría
expuesta por Li et al. (2018) y
por Hill et al. (2019).
De la misma forma, se
presenta una de las mayores
longitudes de malla vial, el
número de árboles y cobertura
arbórea refiere una tendencia
inversa y la proporción de
población en estrato 5 es alto,
Las localidades de Kennedy y Suba son las
más pobladas de este estudio, lo que presenta
una relación directa por parte del material
particulado, lo que es acorde a lo establecido
por Fernández y Wu (2016) y Kim y Ahn
(2018).
En contraste, las localidades de Puente
Aranda y Tunjuelito, pese a ser una de las
zonas de mayor contaminación, presentan
uno de los menores registros de habitantes.
No obstante, el comportamiento descrito se
asocia a la población laboral que mantiene en
dicha zona.
Uno de los factores que
determina la Injusticia
Ambiental en la localidad de
Engativá hace referencia a la
población en la zona, sin que
corresponda a las zona de
mayor contaminación.
De las zonas que corresponden
a "Factores de Injusticia
Ambiental" se evidencia que la
población es mayor en
Usaquén y San Cristóbal,
mientras que las
concentraciones de material
particulado son inversas. En
contraste, el comportamiento
es inverso en la localidad de
Santa Fe.
Habitantes
menores a 5 años
Habitantes
mayores a 70
años
Página 125 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
Estudiantes
matriculados
lo que es acorde con respecto
a lo establecido por Houston y
Zúñiga (2019). Las zonas de Kennedy y Suba, una de las más
contaminadas en Bogotá, son las que
presentan una mayor tasa de estudiantes
matriculados. Lo anterior es acorde a lo
expuesto por Morelli et al. (2019).
La localidad de Engativá
presenta un alto nivel de
contaminación, al cual está
expuesta una alta población
estudiantil, de acuerdo con el
número de matrículas.
Malla vial
Los puntos con máxima injusticia ambiental
presentan una alta longitud de malla vial en
Kennedy y Suba, de acuerdo con lo
establecido por Tonne et al. (2018); en
contraste, el comportamiento es inverso en
Tunjuelito y Puente Aranda
Para las zonas clasificadas
como "Factores de Injusticia
Ambiental", la mayor longitud
de malla vial se presenta en la
localidad de Engativá,
comportamiento que es directo
con respecto al nivel de
contaminación, lo que es
acorde con respecto a Tonne et
al. (2018). En contraste, para
las localidades de Usaquén y
San Cristóbal la tendencia es
inversa.
Árboles Las localidades de Puente Aranda y
Tunjuelito corresponden a las zonas con
menor número de árboles y cobertura
arbórea, lo que demuestra un
comportamiento inverso con respecto a la
presencia de material particulado, tal como se
estipula en los estudios de Houston y Zúñiga
(2019). En contraste, la localidad de Suba
Las localidades de San
Cristóbal y Usaquén refieren la
menor contaminación del aire,
sin embargo, el número de
árboles es significativamente
menor en San Cristóbal
Cobertura
arbórea
Página 126 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
presenta un comportamiento inverso, lo que
hace referencia a la influencia por parte de los
cerros.
Bajo Peso
Gestacional
Se identifica una relación directamente
proporcional entre la presencia de material
particulado en el aire y las variables del grupo
de la salud (enfermedades respiratorias,
mortalidad y bajo peso edad gestacional) en
el caso de las localidades de Kennedy y Suba.
Lo anterior confirma lo estipulado por
Morelli et al. (2019).
Por el contrario, en Puente Aranda y
Tunjuelito, pese a la contaminación del aire,
se presentan uno de los menores casos
asociados a la salud de los habitantes.
En la localidad de Usaquén y
Engativá se presenta un factor
de Injusticia Ambiental
asociado con la alta influencia
por parte de las variables que
describen el grupo de salud.
Casos
Enfermedades
Respiratorias
Casos Mortalidad
por
Enfermedades
Respiratorias
Área promedio
suelo comercial
Las localidades de Kennedy y Puente Aranda
corresponden a las zonas con mayor área de
suelo comercial, lo que al relacionarlo con el
material particulado, refiere cumplimiento de
lo establecido por Lin, Meyers y Barnett
(2015).
En la localidad de Barrios
Unidos, Engativá, Usaquén y
Santa Fe, uno de los factores
que incide en el nivel de
injusticia ambiental hace
referencia a la alta área de
suelo comercial.
Página 127 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
Estrato 5
Las localidades de Kennedy, Puente Aranda
y Tunjuelito, las cuales presentan una
condición de máxima injusticia ambiental
refieren un 0% de población perteneciente al
Estrato 5. Lo anterior es acorde a lo
estipulado por Ribeiro et al. (2019).
En la localidad de Usaquén se
presenta la mayor cantidad de
personas en estrato 5, lo que
coincide con las
concentraciones bajas de
material particulado; en
contraste, las condiciones
ambientales en San Cristóbal
son similares, sin embargo no
se identifica población en
estrato 5
FACTOR 2
Área promedio
suelo servicios
N.A.
Esta condición se presenta
únicamente para la localidad
de Usaquén con respecto al
PM2,5, comportamiento que
refiere influencia por parte del
área rural en esta zona, así
mismo, predomina la
población en estrato 3 y 6 con
respecto al estrato 1. El
comportamiento descrito es
asociado a lo establecido en
los estudios de Ribeiro et al.
(2019).
En las localidades de Tunjuelito, Kennedy y
Puente Aranda se presentan las zonas con
mayor área destinada a las actividades de
servicio, sin embargo, se presenta la mayor
contaminación del aire.
De las localidades con
"Factores de Injusticia
Ambiental", la localidad de
Engativá refiere una relación
directa entre la contaminación
del aire y el área destinada a las
actividades de servicio
(valores altos).
Zonas Urbanas Las condiciones de máxima injusticia
ambiental coinciden con las zonas de mayor
urbanización, destacando las localidades de
Tunjuelito, Kennedy y Puente Aranda, donde
el 100% del área es urbana. La condición
Las localidades de Usaquén y
San Cristóbal se ven
favorecidas por el porcentaje
de zona rural. De otro lado,
Engativá y Barrios Unidos
presentan 100% del área
Zonas Rurales
Página 128 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
descrita es acorde a lo estipulado por Zhao y
Li (2017).
urbana, sin embargo, se
presenta una mayor incidencia
en la contaminación del aire en
la localidad de Engativá.
Estrato 1
Para las zonas de "máxima injusticia
ambiental" prevalece el estrato 3 con respecto
al 1 y 6; el comportamiento descrito es acorde
a lo establecido por Ribeiro et al. (2019).
Las localidades de Usaquén y
San Cristóbal refieren las
menores concentraciones de
material particulado, sin
embargo, se presenta una
mayor población en estrato 6
en Usaquén y estrato 1 en San
Cristóbal.
El estrato 3 está más expuesto
a la contaminación, de acuerdo
con los resultados obtenidos en
Engativá.
Estrato 3
Estrato 6
Dirección del
viento
La dirección del viento presenta una relación directa con respecto a la
contaminación del aire por material particulado. Este comportamiento es acorde
con respecto a lo expuesto por Fernández y Wu (2018).
Coeficiente Gini
El coeficiente de Gini es menor para las
estaciones con mayor incidencia en la
contaminación del aire. Este comportamiento
es inverso con respecto a lo establecido por
Boyce, Zwickl y Ash (2016).
La localidad de Usaquén
corresponde a una de las zonas
con menor contaminación, sin
embargo, el coeficiente de Gini
es el mayor de todos.
FACTOR 3
Estrato 2
N.A.
En este factor, se identifica
que las bajas concentraciones
de material particulado se
relacionan con la alta tenencia
de vivienda en esta zona.
Adicionalmente, predomina
En las zonas con mayor contaminación del
aire, predomina la población en Estrato 2 con
respecto al Estrato 4. El comportamiento
previamente descrito es acorde con lo
estipulado por Ribeiro et al. (2019).
En Engativá predomina la
población en Estrato 2
expuesta a una alta
contaminación del aire; en
contraste, en Usaquén
predomina el estrato 4 con una
baja contaminación
Estrato 4
Página 129 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
Precio Suelo
Industrial
la población en estrato 4 con
respecto al estrato 2.
Las zonas con "máxima injusticia ambiental"
demuestran que el precio del suelo es menor
en las zonas con mayor contaminación del
aire. El comportamiento descrito es acorde
con lo establecido por Xu et al. (2019).
La localidad de Usaquén
presenta una mejor calidad del
aire, por lo que el precio del
suelo es mayor.
Por el contrario, se identifican
"Factores de Injusticia
Ambiental" donde la
contaminación del aire en
Engativá están relacionados
con el menor precio del suelo
Precio Suelo
Servicios
Precio Suelo
Comercial
Pendiente del
Terreno
Las localidades de Puente Aranda y
Tunjuelito presentan una de las pendientes
más bajas, sin embargo, refiere una de las
mayores concentraciones de material
particulado
El comportamiento de la
calidad del aire es similar en
Barrios Unidos y San
Cristóbal, sin embargo, la
pendiente es mayor en la
localidad de San Cristóbal.
Tenencia de
vivienda
La menor tenencia de vivienda corresponde a
las zonas con mayor contaminación,
comportamiento que corrobora los resultados
de los estudios realizados por Rivas, Kumar y
Zanker (2017).
En la localidad de Usaquén se
presenta la mayor tenencia de
vivienda, sin embargo, se
identifica la menor
contaminación del aire. En
contraste, el San Cristóbal se
presenta una tenencia de
vivienda menor
Página 130 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
FACTOR 4
Velocidad del
Viento
N.A.
En la localidad de Usaquén la
baja concentración de
material particulado se
relaciona con el bajo nivel de
IPM, así mismo, se evidencia
una alta cobertura de
educación.
La velocidad del viento es mayor en las
localidades de Puente Aranda y Kennedy. En
este caso, se puede propiciar la dispersión de
la contaminación en la localidad de
Tunjuelito (Anexo B).
La velocidad del viento en la
localidad de Usaquén indica
una relación proporcional con
respecto a la contaminación del
aire.
Índice de Pobreza
Multidimensional
Las zonas con un mayor IPM se caracteriza por presentar una alta concentración
de contaminación, tal como se evidencia en las localidades de Suba, Puente
Aranda, Kennedy y Tunjuelito. Este comportamiento se asocia con lo expuesto
por Xu et al. (2019).
Cobertura de
educación
La cobertura en educación es proporcional con respecto a la contaminación del
aire, el comportamiento es inverso con respecto a lo establecido por Verbeek
(2019).
FACTOR 5
Página 131 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
Fuentes de
Contaminación
N.A.
En la localidad de Usaquén, la
distancia con respecto a las
fuentes de contaminación es
moderada, así como el área
promedio del suelo con fines
industriales.
Las fuentes de contaminación más cercanas
corresponden a la mayor concentración de
material particulado en las localidades de
Kennedy y Tunjuelito. Lo anterior corrobora
lo expuesto por Tayarani et al (2016).
Los factores de injusticia
ambiental se evidencia en
mayor medida en la localidad
de Engativá, donde la
contaminación identificada se
relaciona con la mínima
distancia de las fuentes de
contaminación
Área promedio
suelo industrial
La "máxima injusticia ambiental" está
asociada directamente el área de uso del suelo
industrial.
En la localidad de Engativá se
identifica que uno de los
factores que incide en la
injusticia ambiental es el área
promedio del suelo industrial
FACTOR 6
Precipitación Se presenta una
condición de
Justicia Ambiental
en Usaquén, Santa
Fe y Barrios
Unidos, por medio
del PM2,5; este
comportamiento es
generado
principalmente por
el alto nivel de
ocupación en la
zona,
La tasa de ocupación es una
de las menores del caso de
estudio en la localidad de
Usaquén, por lo que su
relación es directa con
respecto al material
particulado en el aire.
En las localidades de Kennedy y Suba se evidencia que la injusticia ambiental
se relaciona con los bajos niveles de precipitación.
Tasa de
Ocupación
La tasa de ocupación alta se relaciona con las zonas donde es mayor la
contaminación del aire, por lo que este comportamiento describe las situaciones
establecidas por Verbeek (2019).
Página 132 de 160
Variables
FACTOR 1
Justicia Ambiental Ligera Injusticia Ambiental Máxima Injusticia Ambiental Factores de Injusticia
Ambiental
comportamiento
que corrobora lo
expuesto por
Verbeek (2019).
Fuente: Elaboración propia, 2019.
Página 133 de 160
Con respecto a los resultados obtenidos por medio del Índice de Justicia Ambiental Asociado
a la Calidad del Aire en la ciudad de Bogotá, se presentan estrategias para cada factor
obtenido, con el fin de reducir las desigualdades identificadas, las cuales se presentan a
continuación:
FACTOR 1. Disminución del área y población residencial en las zonas clasificadas como
“máxima injusticia ambiental”, como corresponde a las localidades de Kennedy, Puente
Aranda, Suba y Tunjuelito; adicionalmente, la disminución de la población estudiantil en este
sector asegura la ausencia de exposición a los contaminantes del aire. Lo anterior puede estar
asociado desde el punto de vista gubernamental como una herramienta de toma de decisiones
ante los planes de desarrollo y planes de ordenamiento territorial.
FACTOR 2. Teniendo en cuenta que se evidencia que el sector de servicios se está
exponiendo a la contaminación del aire sin ser los principales generadores del material
particulado en el aire, una estrategia para disminuir esta desigualdad hace referencia a separar
el suelo destinado a las actividades de servicio del suelo destinado a las actividades
industriales (principales generadores del material particulado).
FACTOR 3. Fomentar la adquisición de vivienda para toda la población en estratos altos y
con mejor calidad del aire, por medio de la creación de proyectos de construcción en zonas
como Usaquén y Barrios Unidos.
FACTOR 4 y 6. Creación de proyectos socioeconómicos, principalmente en las localidades
de Kennedy, Suba, Tunjuelito y Puente Aranda, con el fin de aumentar las oportunidades de
un empleo estable en la población, lo que se ve reflejado en la disminución del nivel de
pobreza y aumenta la tasa de ocupación.
FACTOR 5. Aislar las zonas destinadas al uso del suelo industrial por medio de herramientas
como el plan de desarrollo o los planes de ordenamiento territorial, así mismo, organizar las
urbes lejos de las fuentes de contaminación.
Página 134 de 160
6.3.5. Validación Índice de Justicia Ambiental Asociado a la Calidad del Aire.
Teniendo en cuenta la revisión sistemática realizada en el numeral 6,1, no se evidencian
estudios a nivel global en los que se desarrolle un Índice de Justicia Ambiental asociado a la
calidad del aire; no obstante, en lo que respecta a la calidad del aire, en el área de estudio se
cuenta con el Índice Bogotano de calidad del aire, por lo que el caso de estudio es aplicado
teniendo en cuenta este indicador. En este sentido, es pertinente mencionar que las
condiciones del caso de estudio se describen en la Tabla 21.
Adicionalmente, en la Tabla 25 se presentan los resultados con respecto a la aplicación del
IBOCA en las condiciones del caso de estudio analizado en esta investigación; en este
sentido, se evidencia que el IBOCA relacionado con el PM10 presenta una mayor afectación
en las localidades de Suba y Kennedy (Figuras 63 y 64), lo cual es acorde con respecto a las
zonas que demuestran una mayor injusticia ambiental asociada a la calidad del aire
(propuesto en esta investigación).
En contraste, el IBOCA relacionado con el PM2,5 demuestra que el estado de la calidad del
aire es moderado en la mayoría de las localidades analizadas, exceptuando Usaquén, donde
la calidad el aire es favorable (Figuras 63 y 64). En este sentido, se relaciona con el Índice
de Justicia Ambiental asociado a la Calidad del Aire (propuesto en esta investigación), donde
sobresale el comportamiento de la zona de Usaquén, la cual refiere una menor incidencia con
respecto a la Injusticia Ambiental, mientras que, en el área de estudio restante, prevalece un
comportamiento homogéneo.
No obstante, entre los dos indicadores comparados se presentan fluctuaciones con respecto a
la clasificación de los rangos de calidad, encontrando una mayor flexibilidad para el caso del
IBOCA. Tabla 25. Validación del Índice de Justicia Ambiental Asociado a la Calidad del Aire.
Localidad PM10
(µg/m3)
IBOCA
PM10 IJA-PM10
PM2,5
(µg/m3) IBOCA PM2,5 IJA – PM2,5
Usaquén 28,45 Favorable Factores
Injusticia
Ambiental
7,966 Favorable
Ligera
Injusticia
Ambiental
Santa Fe 29,9 Favorable 16,1 Moderada Factores
Injusticia
Ambiental
San Cristóbal 27,7 Favorable 14 Moderada
Tunjuelito 42,8 Favorable Máxima Justicia
Ambiental
21,5 Moderada
Kennedy 70,2 Moderada 25,4 Moderada
Máxima
Justicia
Ambiental
Engativá 40 Favorable Máxima Justicia
Ambiental 18,9 Moderada
Factores
Injusticia
Ambiental
Suba 55,3 Moderada Máxima Justicia
Ambiental 18,4 Moderada
Barrios Unidos 31 Favorable Máxima Justicia
Ambiental 15,2 Moderada
Puente Aranda 46,5 Favorable Máxima Justicia
Ambiental 18,1 Moderada
Fuente: Secretaría Distrital de Ambiente – RMCAB, 2019.
Página 135 de 160
Figura 63. Validación IBOCA PM10.
Fuente: Elaboración propia a partir de cartografía de la Alcaldía Mayor de Bogotá, 2019.
Página 136 de 160
Figura 64. Validación IBOCA PM2,5.
Fuente: Elaboración propia a partir de cartografía de la Alcaldía Mayor de Bogotá, 2019.
Página 137 de 160
7. CONCLUSIONES
Por medio de la revisión sistemática de la producción académica a nivel mundial, las
variables por medio de las cuales se determina la justicia ambiental se clasifican en Salud
(Tasa de Mortalidad por enfermedad respiratoria crónica en mayores de 70 años, Bajo peso
según edad gestacional y Enfermedades Respiratorias en niños menores de 14 años),
Geografía (porcentaje de espacio urbano, uso del suelo por actividad productiva, cantidad de
árboles por localidad, cobertura arbórea y pendiente del terreno), población (densidad de
población, habitantes menores de 5 años y habitantes mayores de 70 años), Contaminantes
(Material Particulado menor a 10 micras y 2,5 micras), Meteorología (Velocidad del viento
y Dirección del viento), Educación (Analfabetismo), Economía (Ingresos Familiares,
Tenencia de Vivienda, Precio del Suelo, Índice de Pobreza Multidimensional, Estrato
Socioeconómico y Tasa de Ocupación) y Transporte (Malla Vial). De acuerdo con el número
de citaciones en las producciones científicas, las variables con mayor relevancia son: Ingresos
Familiares (8%), PM10 (6%), PM2,5 (6%), Estrato Socioeconómico (5%), Malla Vial (5%),
Índice de Pobreza Multidimensional (4%), Número de Árboles por localidad (4%) y
Enfermedades Respiratorias (4%).
El análisis de la información recolectada refiere que la mayor relación de los datos
correspondientes a una misma variable (de acuerdo con los diferentes sitios evaluados), se
presenta en el coeficiente de Gini, velocidad del viento, precipitación, pendiente y el índice
de pobreza multidimensional; posteriormente, la correlación entre variables indica que
sobresale una relación directa entre la afectación en la salud y las fuentes de contaminación,
el número de árboles, cobertura arbórea por localidad, número de habitantes y el material
particulado en el aire (PM10 y PM2,5). Por el contrario, se destaca una relación inversa entre
el área del suelo destinada en actividades de servicios y el coeficiente de Gini; así mismo, se
mantiene el mismo comportamiento entre el material particulado y las fuentes de
contaminación, espacio rural, el número de árboles, precipitación y tenencia de vivienda. Por
medio del análisis de componentes principales se identifica que las variables seleccionadas
se agrupan en seis (6) componentes, los cuales son denominados “Factores”.
La formulación del índice de justicia ambiental asociado a la calidad del aire se realiza por
medio de un modelo de regresión de lineal y la agregación de subíndices por el método de
promedio ponderado, lo que permite obtener un índice por cada factor. Una vez se aplica al
caso de estudio en la ciudad de Bogotá, se obtiene que las localidades de Kennedy, Suba,
Puente Aranda y Tunjuelito presentan las condiciones de “máxima injusticia ambiental”, tanto para el PM10 como para el PM2,5, comportamiento que se relaciona principalmente con
las zonas con mayor concentración de material particulado población, alta longitud de malla
vial, casos de afectaciones en la salud; en contraste, se identifica una baja cantidad de árboles.
Adicionalmente, con respecto al uso del suelo se evidencia que las áreas destinadas para
actividades comerciales y servicios están expuestas al material particulado en la misma
proporción con respecto a las zonas destinadas para uso industrial; de otro lado, las zonas
más marcadas por la injusticia ambiental están asociadas a la población en estrato 2 y 3.
Página 138 de 160
Las localidades de Usaquén, San Cristóbal, Santa Fe, Engativá y Barrios Unidos se clasifican
como “Factores de Injusticia Ambiental”, para los cuales las localidades de Usaquén y San
Cristóbal se ven favorecidos por los cerros orientales de la ciudad y el área rural, pese a la
longitud de su malla vial, mientras que en Barrios Unidos se identifica influencia por parte
del suelo destinado a actividades de servicios; por el contrario, Engativá refiere que los
factores de injusticia ambiental se asocian al tamaño de la población, encontrando que la
población estudiantil se encuentra expuesta a una mayor proporción de material particulado
en el aire, así mismo, se evidencia una alta longitud de malla vial y los casos de afectación
en la salud. En términos generales, la dirección del viento presenta una relación directa con
respecto a la presencia de material particulado en el aire mientras que la relación con el
coeficiente de Gini es inversa.
No obstante, con respecto al análisis de resultados, se presenta una excepción en la localidad
de Usaquén asociado a la aplicación del Índice de Justicia Ambiental por medio del PM2,5,
donde se identifica una condición de Ligera Injusticia Ambiental, lo que se ve favorecido por
los cerros orientales, encontrando que en esta zona predomina la población perteneciente al
estrato 5 y 6. De la misma forma, el Factor de análisis 6 asociado al PM2,5, demuestra que en
la zona de estudio predomina una condición de “Justicia Ambiental” y “Ligera Injusticia
Ambiental”, en este sentido, la precipitación y la tasa de ocupación con respecto al PM2,5 no
demuestra incidencia significativa en la injusticia ambiental.
Con el fin de disminuir las desigualdades ambientales asociadas con la calidad del aire para
el caso de estudio en la ciudad de Bogotá, las estrategias recomendadas de acuerdo con el
desarrollo de esta investigación hacen referencia principalmente a la intervención en las
zonas de “máxima injusticia ambiental”, donde por medio de los planes de desarrollo y planes
de ordenamiento territorial se puede organizar las áreas en las localidades de Kennedy,
Puente Aranda, Suba y Tunjuelito con el fin de disminuir la exposición al material particulado
en el aire, reduciendo la población residencial en esta zona; así mismo, organizar los sectores
productivos, separando geográficamente las zonas de uso industrial y servicios.
Adicionalmente, es pertinente aplicar proyectos en las zonas más vulnerables
económicamente, tales como el aumento de las oportunidades de tener un empleo estable, lo
que va a contribuir con el aumento en la tasa de ocupación e ingresos familiares; de otro lado,
es importante incluir en los proyectos de vivienda para la población vulnerable, las zonas de
estrato 4, 5 y 6.
Página 139 de 160
8. RECOMENDACIONES
Se recomienda a los entes gubernamentales tener en cuenta durante la toma de decisiones,
los resultados obtenidos con el Índice de Justicia Ambiental asociado a la Calidad del Aire,
con el fin de organizar los sectores productivos por medio de los planes de desarrollo y planes
de ordenamiento territorial.
Esta investigación es la base para desarrollar futuras investigaciones con el fin de identificar
la Justicia Ambiental con respecto a los demás recursos naturales, como suelo, agua, flora y
fauna; así mismo, el modelo puede ser replicado para casos de estudios ubicados
geográficamente en un lugar diferente.
Por medio de esta investigación se encontraron estrategias que permitan disminuir las
desigualdades ambientales en la zona de estudio, sin embargo, estos factores dependen de la
toma de decisiones gubernamentales y las acciones a largo plazo.
Página 140 de 160
9. REFERENCIAS
Air & Wastemanagement (2005). Fact Sheet: Ozone. Recuperado de: http://events.awma.org.
Alcaldía Mayor de Bogotá (2015). Ubicación de la Ciudad. Recuperado de
http://www.bogota.gov.co/ciudad/ubicacion. Fecha de recuperación: Enero 19 de 2017.
Arciniegas, C. Rodríguez, J. Pachón, H. Sarmiento, L. Hernández. ''Estudio de la Morbilidad
en Niños Menores a Cinco Años por Enfermedad Respiratoria Aguda y su relación con
la Concentración de Partículas en una zona industrial de la ciudad de Bogotá''. Acta
Nova. Vol. 3. 2006. pp. 145-154.
Ard, K., (2015). Trends in exposure to industrial air toxins for different racial and
socioeconomic groups: A spatial and temporal examination of environmental inequality
in the U.S. from 1995 to 2004. https://doi.org/10.1016/j.ssresearch.2015.06.019
Barnes, J., Chatterton, T. y Longhurst, J. (2019). Emissions vs exposure: Increasing injustice
from road trafficrelated air pollution in the United Kingdom. Transportation Research.
https://doi.org/10.1016/j.trd.2019.05.012.
Baró, F., et. al., (2019). Under one canopy? Assessing the distributional environmental
justice implications of street tree benefits in Barcelona.
https://doi.org/10.1016/j.envsci.2019.08.016.
Behrentz (2006). Concentraciones de Material Partículado Respirable Suspendido en el Aire
en Inmediaciones de una Vía de Transporte Público Colectivo. Universidad de los
Andes. Bogotá D.C.
Bellmont, Y. (2012). El concepto de justicia ambiental: reflexiones en torno a la
jurisprudencia constitucional colombiana del siglo XXI. Universidad Nacional de
Colombia. Bogotá D.C., Colombia.
Benjumea (2004). Análisis de Calidad de los Biogasoleos de Aceite de Palma e Higuerilla.
ISSN 0120-9833. Medellín.
Boyce, J., Zwickl, K., y Ash, M. (2016). Measuring environmental inequality.
http://dx.doi.org/10.1016/j.ecolecon.2016.01.014.
Bravo, M. et. al. (2016). Racial isolation and exposure to airborne particulate matter and
ozone in understudied US populations: Environmental justice applications of
downscaled numerical model output. Recuperado de:
https://doi.org/10.1016/j.envint.2016.04.008.
Página 141 de 160
Brugge,D.,Patton,A.P.,Bob,A.,Reisner,E.,Lowe,L.,Bright,O.-J.M.,...Zamore,W.
(2015).Developingcommunity-levelpolicyandpracticetoreducetraffic-relatedair
pollutionexposure.EnvironmentalJustice,8(3),95–104.
Castro Bonaño. J.M. (2002). Indicadores de Desarrollo Sostenible Urbano: Una Aplicación
para Andalucía, Tesis Doctoral, Universidad de Málaga. Recuperado de:
http://www.eumed.net/tesis/jmc/. Fecha de Consulta: Febrero 20 de 2017.
Cayuela (2014). Modelos lineales: Regresión, ANOVA y ANCOVA. Área de Biodiversidad
y Conservación, Universidad Rey Juan Carlos. Madrid.
Cepal (2009). Curso-Taller para la construcción de indicadores de desempeño. Ciudad de
México, México.
Chen y Ropkins, (2016). ImplementationofthePolluter-
PaysPrinciple(PPP)inlocaltransportpolicy.
http://dx.doi.org/10.1016/j.jtrangeo.2016.06.017.
Coneval (2013). Manual para el diseño y la construcción de indicadores. México.
Contraloría (2005). El Transporte Público Colectivo, Individual y Masivo de Pasajeros, el
Transporte Intermunicipal y las Terminales Satélites en Bogotá. Dirección de
Infraestructura y Transporte. Bogotá D.C.
Contreras & García (2013). Calidad del Aire: Una práctica de Vida. SEMARNAT. México.
Corona y Rojas (2009). Calidad del aire y su incorporación en la planeación urbana:
Mexicali, Baja California, México. Estudios Fronterizos versión On-line ISSN 2395-
9134versión impresa ISSN 0187-6961.
Cruz, Gómez, Quintero y Varela (2013). Evaluación de la calidad del aire respecto de
partículas suspendidas totales (PST) y metales pesados (Pb, Cd, Ni, Cu y Cr) en la ciudad
de Hermosillo, Sonora, México, durante un periodo anual. Revista Internacional de
Contaminación Ambiental. Vol. 29. N° 4.
Cutts, et. al., 2009. City structure, obesity, and environmental justice: An integrated analysis
of physical and social barriers to walkable streets and park Access. Recuperado de:
https://doi.org/10.1016/j.socscimed.2009.08.020
Daly, A. & Zannetti, P. (2007). An Introduction to Air Pollution – Definitions,
Classifications, and History. Chapter 1. Arab School for Science and Technology
(ASST).
Página 142 de 160
DANE (2010). Guía para Diseño, Construcción e Interpretación de Indicadores. Pág. 13.
Domínguez, M., (2015). La contaminación ambiental, un tema con compromiso social.
Producción más limpia. Vol.10 (N°1).
EPA (2018). Conceptos Básicos sobre el material particulado (PM, por sus siglas en inglés).
Recuperado de https://espanol.epa.gov/espanol/conceptos-basicos-sobre-el-material-
particulado-pm-por-sus-siglas-en-ingles
EPA (2019). Sulfure Dioxide Basics. Recuperado de https://www.epa.gov/so2-
pollution/sulfur-dioxide-basics#what%20is%20so2
EPA (2006). National Ambient Air Quality Standars (NAAQS) for Particule Matter (PM2.5).
Recuperado de: https://www.epa.gov/pm-pollution/2006-national-ambient-air-quality-
standards-naaqs-particulate-matter-pm25#rule-history.
Espinosa (2012). La Justicia Ambiental, hacia la igualdad en el disfrute del derecho a un
medio ambiente sano. Universitas. Revista de Filosofía, Derecho y Política, n°16. ISSN
1698-7950, pp. 51-77.
Fecht, D. et. al. (2015). Associations between air pollution and socioeconomics
characteristics, ethnicity and age profile of neighbourhoods in England and Netherlands.
Recuperado de: https://doi.org/10.1016/j.envpol.2014.12.014.
Fernández, I. y Wu, J. (2018) A GIS-based framework to identify priority areas for urban
environmental inequity mitigation and its application in Santiago de Chile. Applied
Geography. https://doi.org/10.1016/j.apgeog.2018.03.019.
Fernández, I. y Wu, J. (2016). Assessing environmental inequalities in the city of Santiago
(Chile) with a hierarchical multiscale approach.
https://doi.org/10.1016/j.apgeog.2016.07.012
Franco et. al. (2009). Niveles de material partículado en colegios distritales ubicados en vías
con alto tráfico vehicular en la ciudad de Bogotá: estudio piloto. Universidad de
Antioquia. Antioquia.
Franco, J. (2012). Contaminación atmosférica en centros urbanos: Desafío para lograr su
sostenibilidad, caso de estudio Bogotá. Revista EAN. Versión Online, recuperado de:
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
81602012000100013.
Gaffron, P. (2012). Irban transport, Environment justice and human daily activity patterns.
Recuperado de https://doi.org/10.1016/j.tranpol.2012.01.011
Gaitán, M., Cancino, J. y Behrentz, E. (2007). Análisis del estado de la calidad del aire en
Bogotá. Revista de Ingeniería [en linea] 2007, (Noviembre) : [Fecha de consulta: 8 de
Página 143 de 160
abril de 2019] Disponible
en:<http://www.redalyc.org/articulo.oa?id=121015050011> ISSN 0121-4993.
Grineski, 2007. Incorporating health outcomes into environmental justice research: The case
of children´s asthma and air pollution in Phoenix, Arizona. Recuperado de:
https://doi.org/10.1016/j.envhaz.2007.09.007
Gurram, S., Stuart, A. y Pinjari, A. (2019). Agent-based modeling to estimate exposures to
urban air pollution from transportation: Exposure disparities and impacts of high-
resolution data. Computers, Environment and Urban System.
https://doi.org/10.1016/j.compenvurbsys.2019.01.002.
Gaitán, Cancino & Behrentz (2007). Análisis del estado de la calidad del aire en Bogotá.
Revista de Ingeniería: ISNN 0121-4993.
Gossling, S. 2016. Urban transport justice. https://doi.org/10.1016/j.jtrangeo.2016.05.002
Graca, M., et. al. (2018). Street trees as cultural elements in the city: Understanding how
perception affects ecosystem services management in Porto, Portugal.
https://doi.org/10.1016/j.ufug.2018.02.001.
Grineski, S. y Collins, T., (2018). Geographic and social disparities in exposure to air
neurotoxicants at U.S. public schools. https://doi.org/10.1016/j.envres.2017.11.047.
Habilomatis, G. y Chaloulakou, A. (2015). A CFD modeling study in an urban street canyon
for ultrafine particles and population exposure: The intake fraction approach.
http://dx.doi.org/10.1016/j.scitotenv.2015.03.089.
Harner, Warner y Huber, 2004. Urban Environmental Justice Indices. Recuperado de
https://doi.org/10.1111/0033-0124.00333
Harrison, R. & Yin, J (2000). Particulate matter in the atmosphere: wich particle properties
are important for its effects on health?. The Science of the total Environment.
Hernández, M., Collins, T. y Grineski, S., (2015). Immigration, mobility, and environmental
injustice: A comparative study of Hispanic people’s residential decision-making and
exposure to hazardous air pollutants in Greater Houston, Texas.
https://doi.org/10.1016/j.geoforum.2015.01.013.
Hill, T., et. al. (2019). Air quality and life expectancy in the United States: An analysis of the
moderating effect of income inequality. https://doi.org/10.1016/j.ssmph.2018.100346
Houston, D. y Zuñiga, M. (2019). Put a park on it: How freeway caps are reconnecting and
greening divided cities. https://doi.org/10.1016/j.cities.2018.08.007.
Página 144 de 160
Huang, G., et. al. (2019). Breathing the same air? Socioeconomic disparities in PM2.5
exposureand the potential benefits from air filtration.
https://doi.org/10.1016/j.scitotenv.2018.11.428.
IES La Sagra (2013). Ciencias de la Tierra y Medioambientales Bloque III: Los Sistemas
Fluidos. Departamento de Biología y Geología. Pág. 2.
Jaramillo, et. al. (2009). Índice integrado de Calidad del aire para ciudades colombianas.
Revista Facultad Ingeniería Universidad de Antioquia N°48.
Jaramillo, S., Ballesteros, N. (2014). Documentos CEDE. ISSN 1657-7191- Universidad de
los Andes, Facultad de Economía – CEDE
Jasinski, Pereira y Braga (2011). Air pollution and pediatric hospital admissions due to
respiratory diseases in Cubatao, Sao Paulo State, Brazil, from 1997 to 2004. Artigos e
Materiais de Revistas Científicas - LIM/05. LIM/05 - Laboratório de Poluição
Atmosférica Experimental.
Jephcote, C., Chen, H., y Ropkins, K., (2016). Implementation of the Polluter-Pays Principle
(PPP) in local transport policy. Journal of Transport Geography.
http://dx.doi.org/10.1016/j.jtrangeo.2016.06.017.
Kim, D. y Ahn, Y. (2018). Built environment factors contribute to asthma morbidity in older
people: A case study of Seoul, Korea. ELSEVIER.
https://doi.org/10.1016/j.jth.2017.12.002.
Knidds, L. y Barnett, A. (2015). Assessing environmental inequalities in ambient air
pollution across urban Australia. http://dx.doi.org/10.1016/j.sste.2015.03.001.
Kolosna, C y Spurlock, D. (2018). Urban Forestry & Urban Greening. Recuperado de:
https://doi.org/10.1016/j.ufug.2018.11.010.
Lai, Y. y Kontokosta C., (2019). The impact of urban street tree species on air quality and
respiratory illness: A spatial analysis of large-scale, high-resolution urban data.
ELSEVIER. https://doi.org/10.1016/j.healthplace.2019.01.016.
Lanier, et. al. 2018. Spatial analysis of environmental inequalities caused by multiple air
pollutants: A cumulative impact screening method, applied to the north of France.
https://doi.org/10.1016/j.ecolind.2018.12.011.
Li, V., et. al., (2019). Air pollution and environmental injustice: Are the socially deprived
exposed to more PM2.5 pollution in Hong Kong?
://dx.doi.org/10.1016/j.envsci.2017.10.014.
Página 145 de 160
Lin, B., Meyers, J. y Barnett, G. (2015). Understanding the potential loss and inequities of
green space distribution with urban densification.
http://dx.doi.org/10.1016/j.ufug.2015.09.003.
Maroko (2012). Using air dispersión modeling and proximity analysis to assess chronic
exposure to fine particulate matter and environmental justice in New York City.
Recuperado de: doi:10.1016/j.apgeog.2012.02.005
Meza, L. et. al. (2010). Estimación de Factores de Emisión de PM10 y PM 2,5, en vías urbanas
en Mexicali, Baja California, Mexico. Recuperado de: http://dx.doi.org/10.4067/S0718-
07642010000400007
Ministerio de Ambiente y Desarrollo Sostenible (2017). Resolución 2254 de 2017: por la
cual se adopta la norma de calidad del aire ambiente y se dictan otras disposiciones.
Recuperado de: http://www.minambiente.gov.co.
Mitchell & Dorling (2003). An Environmental Justice Analysis of British Air Quality.
Recuperado de https://doi.org/10.1068/a35240.
Mitchell, G. 2011. Environmental Justice: An Overview. Recuperado de:
https://doi.org/10.1016/B978-0-444-52272-6.00704-2.
Moore, R. y Hotchkiss, J. (2016). The importance of toxicity in determining the impact of
hazardous air pollutants on the respiratory health of children in Tennessee.
Environmental Pollution. http://dx.doi.org/10.1016/j.envpol.2016.06.022
Morelli, X., et. al., (2019). Which decreases in air pollution should be targeted to bring health
andeconomic benefits and improve environmental justice?. ELSEVIER.
https://doi.org/10.1016/j.envint.2019.04.077.
Moreno-J., et. al., (2016). Assessing environmental justice through potential exposure to air
pollution: A socio-spatial analysis in Madrid and Barcelona, Spain.
http://dx.doi.org/10.1016/j.geoforum.2015.12.008.
Moreno-Jiménez, 2010. Justicia Ambiental, del concepto a la aplicación en planificación y
análisis de políticas territoriales. Revista Electrónica de Geografía y Ciencias Sociales.
ISSN: 1138-9788. Recuperado de: http://www.ub.edu/geocrit/sn/sn-316.html.
Nowak, D (2014). Tree and forest effects on air quality and human health in the United States.
Recuperado de: https://doi.org/10.1016/j.envpol.2014.05.028.
Observatorio Ambiental de Bogotá (2017). Recuperado de:
http://oab.ambientebogota.gov.co/esm/indicadores?id=308&v=l.
Página 146 de 160
OMS, 2004. Guías para la Calidad del Aire.
OMS, 2018. Calidad del aire y Salud – Organización Mundial de la Salud. Recuperado de:
https://www.who.int/es/news-room/fact-sheets/detail/ambient-(outdoor)-air-quality-
and-health.
Palacio, D., Zafra, C. y Rodríguez, J., 2014. Evaluación de la calidad del aire mediante un
laboratorio móvil: Puente Aranda (Bogotá D.C., Colombia).
Pérez, E. (2017). El metabolismo de la economía China: Una visión del desarrollo desde la
economía ecológica. Recuperado de:
http://www.redalyc.org/articulo.oa?id=86654076003.
Perlmutt y Cromar, 2019. Comparing associations of respiratory risk for the EPA Air Quality
Indez and health-based air quality índices. DOI:
https://doi.org/10.1016/j.atmosenv.2019.01.011.
Pineda, et. al., 2007. Metodología de la investigación, manual para el desarrollo de personal
salud. Segunda edición. Organización Panamericana de la Salud. Washington.
Polit, D. y Hungler, B. (1994). Investigación científica en ciencias de la Salud. 4 Ed. México.
Interamericana. Pág 58 – 64.
Poorfakhraei, Tayarani y Rowangould, (2017). Evaluating health outcomes from vehicle
emissions exposure in the long range regional transportation planning process.
http://dx.doi.org/10.1016/j.jth.2017.05.177.
Pui, D, Chen, S., y Zuo, Z., (2014). PM2.5 in China: Measurements, sources, visibility and
health effects, and mitigation. Recuperado de:
https://doi.org/10.1016/j.partic.2013.11.001.
Ribeiro, A., et. al. (2019). Incidence and mortality for respiratory cancer and traffic-related
air pollution in São Paulo, Brazil. Elsevier.
https://doi.org/10.1016/j.envres.2018.12.034.
Rivas, I., Kumar, P. y Zanker, A. (2017). Exposure to air pollutants during commuting in
London: Are there inequalities among different socio-economic groups?
http://dx.doi.org/10.1016/j.envint.2017.01.019.
Rohlman, et. al. (2015). A community-based approach to developing a mobile device for
measuring ambient air exposure, location, and respiratory health. Recuperado de:
https://doi.org/10.1089/env.2015.0001
Página 147 de 160
Rojo (2007). Regresión lineal múltiple. Insituto de Economía y Geografía.
Rosofsky, A., et. al., (2018). Temporal trends in air pollution exposure inequality in
Massachusetts. https://doi.org/10.1016/j.envres.2017.10.028.
Sampierini, 2014. Metodología de la Investigación. Mc Graw Hill. México.
Secretaria Distrital De Ambiente (2013). Red de Monitoreo de Calidad del Aire de Bogotá –
RMCAB. Recuperado de http://ambientebogota.gov.co/red-de-calidad-del-aire.
Schuschny y Soto (2009). Guía Metodológica: diseño de indicadores compuestos de
desarrollo sostenible. Recuperado de: https://repositorio.cepal.org.
Schwartz, et. al. 2015. “Where they (live, work and) spray”: Pesticide exposure, childhood
asthma and environmental justice among Mexican-American farmworkers.
https://doi.org/10.1016/j.healthplace.2014.12.016.
Tang et al. (2014). Air pollution effects on fetal and child development: A cohort comparison
in China. https://doi.org/10.1016/j.envpol.2013.10.019.
Tayarani, et. al. (2016). Evaluating unintended outcomes of regional smart-growth strategies:
Environmental justice and public health concerns.
http://dx.doi.org/10.1016/j.trd.2016.10.011.
Terradéz, 2013. Análisis de Componentes Principales. Universidad Abierta de Cataluña.
España.
Tonne, C., et. al. (2018). Socioeconomic and ethnic inequalities in exposure to air and noise
pollution in London. https://doi.org/10.1016/j.envint.2018.03.023.
US EPA CFR 40 (2010). Reference Method for the Determination of Sulfur Dioxide in the
Atmosphere – Appendix A to Part 50
Valderrama, Rojas Y Gómez (2006). Caracterización del Material Partículado en dos Vías
de Transporte Público Colectivo y Masivo en Bogotá. Universidad de los Andes. Bogotá
D.C.
Veenstra, G y Kellt, S. (2007). Comparing objetive and subjective status: Gender and space
(and environmental justice?). Recuperado de:
https://doi.org/10.1016/j.healthplace.2005.09.010.
Verbeek, T. (2019). Unequal residential exposure to air pollution and noise: A geospatial
environmental justice analysis for Ghent, Belgium.
https://doi.org/10.1016/j.ssmph.2018.100340.
Página 148 de 160
Walker, G. (2012). Environmental Justice Concepts, Evidence and Politics. ISBN: 978-0-
415-58973-4
Wilson, S., et. al. (2015). Assessment of sociodemographic and geographic disparities in
cancer risk from air toxics in South Carolina.
http://dx.doi.org/10.1016/j.envres.2015.05.016.
Xu, et. al., (2019). National PM2.5 and NO2 exposure models for China based on land use
regression, satellite measurements, and universal kriging.
https://doi.org/10.1016/j.scitotenv.2018.11.125
Xu, Y. et al., 2019. Unraveling environmental justice in ambient PM2,5 exposure in Beijing:
A big data approach. Recuperado de:
https://doi.org/10.1016/j.compenvurbsys.2018.12.006
Zhang et al. (2011). Long-Term Exposure to Ambient Air Pollution and Mortality Due to
Cardiovascular Disease and Cerebrovascular Disease in Shenyang,
China. doi: 10.1371/journal.pone.0020827
Zhao., X., et. al., (2018). Spatial associations between social groups and ozone air pollution
exposure in the Beijing urban area. https://doi.org/10.1016/j.envres.2018.02.014
Zhao, P., y Li, P., (2017). Rethinking the relationship between urban development, local
health and global sustainability. Environmental Sustainability.
http://dx.doi.org/10.1016/j.cosust.2017.02.009
Página 151 de 160
Tabla Matriz de Correlación.
S_MORT
S_BAJO
PESO S_ERA
G_FUENTES
CONT G_RURAL G_URBANI
G_SUELO
IND
G_SUELO
COMER
G_SUELO
SERV
G_
#ARBOLES
G_COBERT
ARB
G_
PENDIENTE
Co
rrel
atio
n
S_MORT 1,000 ,751 ,489 ,042 ,051 -,051 -,223 -,528 ,127 ,441 ,394 ,288
S_BAJOPESO ,751 1,000 ,699 ,199 -,104 ,104 -,151 -,448 ,148 ,597 ,552 ,078
S_ERA ,489 ,699 1,000 ,506 ,094 -,094 -,231 -,527 -,027 ,729 ,626 ,068
G_FUENTESCONT ,042 ,199 ,506 1,000 ,108 -,108 -,395 -,213 -,160 ,585 ,509 -,152
G_RURAL ,051 -,104 ,094 ,108 1,000 -1,000 -,398 -,718 -,676 ,194 ,041 ,857
G_URBANI -,051 ,104 -,094 -,108 -1,000 1,000 ,398 ,718 ,676 -,194 -,041 -,857
G_SUELOIND -,223 -,151 -,231 -,395 -,398 ,398 1,000 ,401 ,488 -,316 -,338 -,398
G_SUELOCOMER -,528 -,448 -,527 -,213 -,718 ,718 ,401 1,000 ,506 -,602 -,486 -,683
G_SUELOSERV ,127 ,148 -,027 -,160 -,676 ,676 ,488 ,506 1,000 -,232 -,211 -,488
G_#ARBOLES ,441 ,597 ,729 ,585 ,194 -,194 -,316 -,602 -,232 1,000 ,918 ,090
G_COBERTARB ,394 ,552 ,626 ,509 ,041 -,041 -,338 -,486 -,211 ,918 1,000 -,096
G_PENDIENTE ,288 ,078 ,068 -,152 ,857 -,857 -,398 -,683 -,488 ,090 -,096 1,000
P_HABITANTE ,750 ,811 ,659 ,289 -,225 ,225 -,260 -,413 ,153 ,755 ,749 -,044
P_MENOR5A ,788 ,881 ,690 ,277 -,192 ,192 -,228 -,445 ,164 ,734 ,704 ,011
P_MAYOR70A ,588 ,602 ,546 ,281 -,276 ,276 -,329 -,337 ,066 ,713 ,781 -,162
C_PM10 ,309 ,572 ,253 -,068 -,364 ,364 ,328 ,158 ,459 ,132 ,059 -,169
C_PM2.5 ,195 ,362 ,192 ,053 -,402 ,402 ,186 ,304 ,474 ,061 -,089 -,163
M_VELOV ,288 ,185 ,027 -,184 -,322 ,322 -,062 ,238 ,505 -,030 -,016 -,084
M_DIRECV -,248 -,016 -,158 -,155 -,664 ,664 ,413 ,699 ,482 -,305 -,316 -,575
M_PRECIP -,054 -,151 -,101 ,048 -,070 ,070 -,110 ,063 -,106 -,024 ,040 -,091
EDU_MATRICUL ,763 ,913 ,729 ,303 -,172 ,172 -,143 -,472 ,196 ,765 ,732 -,027
EDU_CORTURA -,193 -,046 -,074 -,264 -,179 ,179 ,791 ,188 ,385 -,134 -,134 -,342
EC_GINI -,212 -,060 ,155 ,256 ,461 -,461 -,336 -,285 -,698 ,402 ,335 ,263
EC_VIVI ,087 -,088 ,074 ,084 -,038 ,038 -,345 -,073 -,182 ,159 ,301 -,157
EC_$SUELOIND -,124 -,298 -,099 ,088 ,011 -,011 -,387 ,027 -,300 ,202 ,273 -,072
EC_$SUELOCOM -,240 -,433 -,235 -,086 ,120 -,120 -,300 ,057 -,352 ,054 ,110 ,049
EC_$SUELOSERV -,166 -,343 -,142 -,039 ,164 -,164 -,314 -,065 -,456 ,178 ,259 ,021
EC_IPM ,096 -,134 -,144 -,101 ,373 -,373 ,045 -,191 -,030 -,101 -,256 ,473
EC_ESTRATO1 ,073 -,128 -,119 -,246 ,854 -,854 -,339 -,547 -,539 -,132 -,222 ,843
EC_ESTRATO2 ,300 ,104 ,145 -,082 ,575 -,575 ,227 -,572 -,150 ,071 -,161 ,661
EC_ESTRATO3 -,293 -,196 -,241 -,045 -,761 ,761 ,068 ,772 ,634 -,272 -,107 -,699
EC_ESTRATO4 -,325 -,255 -,069 ,371 -,027 ,027 -,431 ,117 -,598 ,096 ,251 -,283
EC_ESTRATO5 ,053 ,201 ,421 ,461 ,217 -,217 -,285 -,397 -,522 ,699 ,778 -,141
EC_ESTRATO6 -,058 -,029 ,003 -,137 ,213 -,213 -,169 -,235 -,538 ,202 ,370 -,063
EC_OCUP ,056 -,145 ,091 ,140 ,027 -,027 -,157 -,061 -,101 ,210 ,211 ,018
T_MALLAVIAL ,721 ,844 ,691 ,301 -,212 ,212 -,284 -,379 ,215 ,729 ,748 -,077
Elaboración propia (2019).
Página 152 de 160
Continuación Tabla Matriz de Correlación.
P_
HABITANTE
P_MENOR
5A
P_MAYOR
70A C_PM10 C_PM2.5
M_
VELOV
M_
DIRECV
M_
PRECIP
EDU_
MATRICUL
EDU_
CORTURA
EC_
GINI
EC_
VIVI
Co
rrel
atio
n
S_MORT ,750 ,788 ,588 ,309 ,195 ,288 -,248 -,054 ,763 -,193 -,212 ,087
S_BAJOPESO ,811 ,881 ,602 ,572 ,362 ,185 -,016 -,151 ,913 -,046 -,060 -,088
S_ERA ,659 ,690 ,546 ,253 ,192 ,027 -,158 -,101 ,729 -,074 ,155 ,074
G_FUENTESCONT ,289 ,277 ,281 -,068 ,053 -,184 -,155 ,048 ,303 -,264 ,256 ,084
G_RURAL -,225 -,192 -,276 -,364 -,402 -,322 -,664 -,070 -,172 -,179 ,461 -,038
G_URBANI ,225 ,192 ,276 ,364 ,402 ,322 ,664 ,070 ,172 ,179 -,461 ,038
G_SUELOIND -,260 -,228 -,329 ,328 ,186 -,062 ,413 -,110 -,143 ,791 -,336 -,345
G_SUELOCOMER -,413 -,445 -,337 ,158 ,304 ,238 ,699 ,063 -,472 ,188 -,285 -,073
G_SUELOSERV ,153 ,164 ,066 ,459 ,474 ,505 ,482 -,106 ,196 ,385 -,698 -,182
G_#ARBOLES ,755 ,734 ,713 ,132 ,061 -,030 -,305 -,024 ,765 -,134 ,402 ,159
G_COBERTARB ,749 ,704 ,781 ,059 -,089 -,016 -,316 ,040 ,732 -,134 ,335 ,301
G_PENDIENTE -,044 ,011 -,162 -,169 -,163 -,084 -,575 -,091 -,027 -,342 ,263 -,157
P_HABITANTE 1,000 ,988 ,929 ,331 ,265 ,292 -,110 -,053 ,956 -,259 -,079 ,181
P_MENOR5A ,988 1,000 ,867 ,406 ,311 ,278 -,098 -,085 ,979 -,221 -,094 ,097
P_MAYOR70A ,929 ,867 1,000 ,086 ,064 ,203 -,173 ,032 ,820 -,344 -,038 ,363
C_PM10 ,331 ,406 ,086 1,000 ,788 ,389 ,495 -,089 ,434 ,253 -,126 -,343
C_PM2.5 ,265 ,311 ,064 ,788 1,000 ,435 ,555 -,022 ,281 ,023 -,106 -,369
M_VELOV ,292 ,278 ,203 ,389 ,435 1,000 ,347 -,092 ,213 -,132 -,270 ,073
M_DIRECV -,110 -,098 -,173 ,495 ,555 ,347 1,000 ,030 -,102 ,285 -,175 -,214
M_PRECIP -,053 -,085 ,032 -,089 -,022 -,092 ,030 1,000 -,115 -,161 ,071 ,058
EDU_MATRICUL ,956 ,979 ,820 ,434 ,281 ,213 -,102 -,115 1,000 -,061 -,092 ,048
EDU_CORTURA -,259 -,221 -,344 ,253 ,023 -,132 ,285 -,161 -,061 1,000 -,163 -,294
EC_GINI -,079 -,094 -,038 -,126 -,106 -,270 -,175 ,071 -,092 -,163 1,000 ,153
EC_VIVI ,181 ,097 ,363 -,343 -,369 ,073 -,214 ,058 ,048 -,294 ,153 1,000
EC_$SUELOIND ,114 -,004 ,348 -,437 -,232 ,059 -,188 -,008 -,095 -,445 ,260 ,591
EC_$SUELOCOM -,088 -,193 ,136 -,475 -,279 ,005 -,197 -,009 -,276 -,360 ,312 ,495
EC_$SUELOSERV -,003 -,111 ,226 -,478 -,365 -,050 -,241 -,027 -,177 -,314 ,364 ,574
EC_IPM -,112 -,083 -,192 -,076 -,025 -,020 -,287 -,325 -,104 -,056 -,157 -,201
EC_ESTRATO1 -,324 -,278 -,386 -,300 -,389 -,202 -,561 -,112 -,280 -,148 ,259 -,018
EC_ESTRATO2 -,022 ,055 -,194 -,014 -,077 -,256 -,457 -,127 ,084 ,138 -,051 -,331
EC_ESTRATO3 -,028 -,095 ,094 ,094 ,260 ,428 ,544 ,134 -,120 ,025 -,318 ,109
EC_ESTRATO4 -,088 -,162 ,131 -,415 -,340 -,305 -,045 ,169 -,217 -,434 ,394 ,427
EC_ESTRATO5 ,319 ,267 ,410 -,157 -,306 -,259 -,267 ,041 ,319 ,018 ,532 ,376
EC_ESTRATO6 -,014 -,062 ,112 -,245 -,481 -,204 -,191 ,024 -,025 ,117 ,385 ,460
EC_OCUP ,174 ,109 ,260 -,292 -,052 ,084 -,174 ,306 ,040 -,307 -,006 ,258
T_MALLAVIAL ,940 ,942 ,830 ,394 ,286 ,387 -,073 -,082 ,940 -,171 -,085 ,186
Elaboración propia (2019).
Página 153 de 160
Continuación Tabla Matriz de Correlación.
Elaboración propia (2019).
EC_$SUELO
IND
EC_$SUELO
COM
EC_$SUELO
SERV EC_IPM
EC_
EST1
EC_
EST2
EC_
EST3
EC_
EST4
EC_
EST5
EC_
EST6
EC_
OCUP
T_MALLA
VIAL
Co
rrel
atio
n
S_MORT -,124 -,240 -,166 ,096 ,073 ,300 -,293 -,325 ,053 -,058 ,056 ,721
S_BAJOPESO -,298 -,433 -,343 -,134 -,128 ,104 -,196 -,255 ,201 -,029 -,145 ,844
S_ERA -,099 -,235 -,142 -,144 -,119 ,145 -,241 -,069 ,421 ,003 ,091 ,691
G_FUENTESCONT ,088 -,086 -,039 -,101 -,246 -,082 -,045 ,371 ,461 -,137 ,140 ,301
G_RURAL ,011 ,120 ,164 ,373 ,854 ,575 -,761 -,027 ,217 ,213 ,027 -,212
G_URBANI -,011 -,120 -,164 -,373 -,854 -,575 ,761 ,027 -,217 -,213 -,027 ,212
G_SUELOIND -,387 -,300 -,314 ,045 -,339 ,227 ,068 -,431 -,285 -,169 -,157 -,284
G_SUELOCOMER ,027 ,057 -,065 -,191 -,547 -,572 ,772 ,117 -,397 -,235 -,061 -,379
G_SUELOSERV -,300 -,352 -,456 -,030 -,539 -,150 ,634 -,598 -,522 -,538 -,101 ,215
G_#ARBOLES ,202 ,054 ,178 -,101 -,132 ,071 -,272 ,096 ,699 ,202 ,210 ,729
G_COBERTARB ,273 ,110 ,259 -,256 -,222 -,161 -,107 ,251 ,778 ,370 ,211 ,748
G_PENDIENTE -,072 ,049 ,021 ,473 ,843 ,661 -,699 -,283 -,141 -,063 ,018 -,077
P_HABITANTE ,114 -,088 -,003 -,112 -,324 -,022 -,028 -,088 ,319 -,014 ,174 ,940
P_MENOR5A -,004 -,193 -,111 -,083 -,278 ,055 -,095 -,162 ,267 -,062 ,109 ,942
P_MAYOR70A ,348 ,136 ,226 -,192 -,386 -,194 ,094 ,131 ,410 ,112 ,260 ,830
C_PM10 -,437 -,475 -,478 -,076 -,300 -,014 ,094 -,415 -,157 -,245 -,292 ,394
C_PM2.5 -,232 -,279 -,365 -,025 -,389 -,077 ,260 -,340 -,306 -,481 -,052 ,286
M_VELOV ,059 ,005 -,050 -,020 -,202 -,256 ,428 -,305 -,259 -,204 ,084 ,387
M_DIRECV -,188 -,197 -,241 -,287 -,561 -,457 ,544 -,045 -,267 -,191 -,174 -,073
M_PRECIP -,008 -,009 -,027 -,325 -,112 -,127 ,134 ,169 ,041 ,024 ,306 -,082
EDU_MATRICUL -,095 -,276 -,177 -,104 -,280 ,084 -,120 -,217 ,319 -,025 ,040 ,940
EDU_CORTURA -,445 -,360 -,314 -,056 -,148 ,138 ,025 -,434 ,018 ,117 -,307 -,171
EC_GINI ,260 ,312 ,364 -,157 ,259 -,051 -,318 ,394 ,532 ,385 -,006 -,085
EC_VIVI ,591 ,495 ,574 -,201 -,018 -,331 ,109 ,427 ,376 ,460 ,258 ,186
EC_$SUELOIND 1,000 ,950 ,946 ,054 -,071 -,351 ,171 ,545 ,339 ,341 ,470 ,031
EC_$SUELOCOM ,950 1,000 ,958 ,165 ,073 -,262 ,116 ,461 ,231 ,333 ,427 -,167
EC_$SUELOSERV ,946 ,958 1,000 ,083 ,081 -,268 -,001 ,558 ,440 ,541 ,419 -,071
EC_IPM ,054 ,165 ,083 1,000 ,344 ,545 -,372 -,302 -,291 -,278 -,071 -,193
EC_ESTRATO1 -,071 ,073 ,081 ,344 1,000 ,493 -,651 -,142 -,033 ,229 -,076 -,290
EC_ESTRATO2 -,351 -,262 -,268 ,545 ,493 1,000 -,761 -,524 -,231 -,286 -,020 -,118
EC_ESTRATO3 ,171 ,116 -,001 -,372 -,651 -,761 1,000 ,057 -,252 -,225 ,062 ,051
EC_ESTRATO4 ,545 ,461 ,558 -,302 -,142 -,524 ,057 1,000 ,553 ,507 ,186 -,122
EC_ESTRATO5 ,339 ,231 ,440 -,291 -,033 -,231 -,252 ,553 1,000 ,753 ,139 ,351
EC_ESTRATO6 ,341 ,333 ,541 -,278 ,229 -,286 -,225 ,507 ,753 1,000 ,021 ,053
EC_OCUP ,470 ,427 ,419 -,071 -,076 -,020 ,062 ,186 ,139 ,021 1,000 ,158
T_MALLAVIAL ,031 -,167 -,071 -,193 -,290 -,118 ,051 -,122 ,351 ,053 ,158 1,000
Página 156 de 160
Con el fin de realizar un análisis estadístico de los resultados obtenidos, en la Tabla C2 se
presentan las ecuaciones con los respectivos valores obtenidos para el coeficiente de
determinación R2, el cual determina el porcentaje de la varianza de la variable dependiente
que es explicado por el modelo de regresión. De acuerdo con lo anterior, en la Tabla C1 se
clasifican los valores de R2 para datos obtenidos de manera experimental (Rojo, 2007).
Tabla C1. Clasificación valor coeficiente de determinación R2.
Valor R2 Clasificación
Mayor 0,85 Sospechoso
0,5 a 0,85 Bueno
0,4 a 0,5 Aceptable
0,3 a 0,4 Malo
Menor de 0,3 Muy malo
Fuente: Rojo, 2007.
De acuerdo con lo anterior, a partir de los resultados para el coeficiente de determinación R2
presentados en la Tabla C2 se evidencia una clasificación entre aceptable y buena, de acuerdo
con lo expuestos por Rojo, 2007 en la Tabla C1, por lo que los datos y el modelo de regresión
lineal simple cumplen con la capacidad predictiva.
De otro lado, teniendo en cuenta que la ecuación de la recta se establece por medio de la
estructura:
𝑦 = 𝑏0 + 𝑏1 ∗ 𝑋
En este sentido, el valor de 𝑏1 hace referencia a la pendiente, por lo que es pertinente mencionar la incidencia de este reporte en los resultados de la variable y, por lo que de
acuerdo con lo expuesto por Cortés (2015), se tiene:
𝑏1 = 0 La pendiente 𝑏1 NO es significativa
𝑏1 ≠ 0 La pendiente 𝑏1 SI es significativa
De acuerdo con lo anterior, en la Tabla C3 se evidencia el análisis para los datos 𝑏1.
Página 157 de 160
Tabla C2. Modelo de Regresión Lineal.
FACTOR COMPONENTE ECUACIÓN PM10 ECUACIÓN PM2.5
R2
Ecuación
PM10
R2
Ecuación
PM2.5
1
Habitantes 𝑌𝐻−𝑃𝑀10 = 1,63𝐸5 + 7,26𝐸3𝑋 𝑌𝐻−𝑃𝑀2.5 = 2,28𝐸5 + 1,48𝐸4𝑋 0,531 0,465
Habitantes menores a 5
años 𝑌𝐻5𝑎−𝑃𝑀10 = 3,08𝐸3 + 6,26𝐸2𝑋 𝑌𝐻5𝑎−𝑃𝑀2.5 = 9,76𝐸3 + 1,22𝐸3𝑋
0,506 0,411
Estudiantes
matriculados 𝑌𝐸𝑀−𝑃𝑀10 = 5,21𝐸3 + 6,84𝐸2𝑋 𝑌𝐸𝑀−𝑃𝑀2.5 = 1,66𝐸4
+ 1,13𝐸3𝑋 0,534 0,481
Malla vial 𝑌𝑀𝑉−𝑃𝑀10 = 1,68𝐸2 + 6,73𝑋 𝑌𝑀𝑉−𝑃𝑀2.5 = 2,54𝐸2 + 12,5𝑋 0,494 0,486
Árboles 𝑌𝐴−𝑃𝑀10 = 9,4𝐸4 − 5,77𝐸2𝑋 𝑌𝐴−𝑃𝑀2.5 = 1,03𝐸5 − 2,01𝐸3𝑋 0,586 0,639
Cobertura arbórea 𝑌𝐶𝐴−𝑃𝑀10 = 89,72 − 0,68𝑋 𝑌𝐶𝐴−𝑃𝑀2.5 = 98,15 − 2,26𝑋 0,563 0,588
Habitantes mayores a
70 años 𝑌𝐻70𝐴−𝑃𝑀10 = 1,66𝐸4 + 61,43𝑋 𝑌𝐻70𝐴−𝑃𝑀2.5 = 1,73𝐸4 + 1,16𝐸2𝑋
0,609 0,576
Bajo Peso Gestacional 𝑌𝐵𝑃−𝑃𝑀10 = −58,18 + 4,65𝑋 𝑌𝐵𝑃−𝑃𝑀2,5 = 23,23 + 7,48𝑋 0,672 0,462
Casos Enfermedades
Respiratorias 𝑌𝐸𝑅𝐴−𝑃𝑀10 = 5,87𝐸2 + 45,95𝑋 𝑌𝐸𝑅𝐴−𝑃𝑀2,5 = 1,1𝐸3 + 88,7𝑋
0,627 0,502
Casos Mortalidad por
Enfermedades
Respiratorias
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 = 6,28 + 0,14𝑋
𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2,5 = 8,79 + 0,23𝑋
0,509 0,495
Área promedio suelo
comercial 𝑌𝑈𝐶−𝑃𝑀10 = 1,05𝐸2 + 0,15𝑋 𝑌𝑈𝐶−𝑃𝑀2.5 = 97,61 + 0,74𝑋
0,519 0,454
Estrato 5 𝑌𝐸5−𝑃𝑀10 = 4,73 − 0,04𝑋 𝑌𝐸5−𝑃𝑀2.5 = 6,76 − 0,2𝑋 0,500 0,523
2
Área promedio suelo
servicios 𝑌𝑈𝑆−𝑃𝑀10 = 1,83𝐸2 + 1,97𝑋 𝑌𝑈𝑆−𝑃𝑀2.5 = 1,77𝐸2 + 5,18𝑋
0,559 0,574
Zonas Urbanas 𝑌𝑈𝑅𝐵−𝑃𝑀10 = 41,31 + 0,66𝑋 𝑌𝑈𝑅𝐵−𝑃𝑀2,5 = 37,04 + 1,87𝑋 0,464 0,502
Zonas Rurales 𝑌𝑆𝑅−𝑃𝑀10 = 58,69 − 0,66𝑋 𝑌𝑆𝑅−𝑃𝑀2,5 = 62,96 − 1,87𝑋 0,464 0,502
Estrato 1 𝑌𝐸1−𝑃𝑀10 = 5,25 − 0,05𝑋 𝑌𝐸1−𝑃𝑀2.5 = 6,11 − 0,18𝑋 0,400 0,489
Dirección del viento 𝑌𝐷𝑉−𝑃𝑀10 = 1,06𝐸2 + 1,29𝑋 𝑌𝐷𝑉−𝑃𝑀2.5 = 97,05 + 3,68𝑋 0,595 0,655
Estrato 3 𝑌𝐸3−𝑃𝑀10 = −0,68 + 0,89𝑋 𝑌𝐸3−𝑃𝑀2.5 = 1,29 + 2,12𝑋 0,703 0,663
Coeficiente Gini 𝑌𝐶𝐺−𝑃𝑀10 = 0,49 − 4,13𝐸− 4𝑋
𝑌𝐶𝐺−𝑃𝑀2.5 = 0,48 − 8,82𝐸− 4𝑋
0,661 0,600
Estrato 6 𝑌𝐸6−𝑃𝑀10 = 5,29 − 0,07𝑋 𝑌𝐸6−𝑃𝑀2.5 = 8,7 − 0,34𝑋 0,506 0,581
3 Estrato 2 𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋 𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋 0,696 0,552
Estrato 4 𝑌𝐸4−𝑃𝑀10 = 21,09 − 0,26𝑋 𝑌𝐸4−𝑃𝑀2.5 = 18,98 − 0,55𝑋 0,515 0,440
Página 158 de 160
FACTOR COMPONENTE ECUACIÓN PM10 ECUACIÓN PM2.5
R2
Ecuación
PM10
R2
Ecuación
PM2.5
Precio Suelo Industrial 𝑌$𝐼−𝑃𝑀10 = 1,49𝐸6− 1,12𝐸4𝑋
𝑌$𝐼−𝑃𝑀2.5 = 1,24𝐸6− 1,52𝐸4𝑋
0,537 0,432
Precio Suelo Servicios 𝑌$𝑆−𝑃𝑀10 = 1,95𝐸6 − 1,67𝐸4𝑋 𝑌$𝑆−𝑃𝑀2.5 = 1,95𝐸6 − 1,67𝐸4𝑋 0,578 0,465
Precio Suelo
Comercial 𝑌$𝐶−𝑃𝑀10 = 1,76𝐸6 − 1,41𝐸4𝑋 𝑌$𝐶−𝑃𝑀2,5 = 1,48𝐸6
− 2,11𝐸4𝑋 0,575 0,479
Pendiente del Terreno 𝑌𝑃−𝑃𝑀10 = 3,64 − 0,02𝑋 𝑌𝑃−𝑃𝑀2.5 = 3,62 − 0,06𝑋 0,642 0,525
Tenencia de vivienda 𝑌𝑇𝑉−𝑃𝑀10 = 43,32 − 0,13𝑋 𝑌𝑇𝑉−𝑃𝑀2.5 = 44,01 − 0,37𝑋 0,635 0,503
4
Velocidad del Viento 𝑌𝑉𝑉−𝑃𝑀10 = 1,07 + 0,01𝑋 𝑌𝑉𝑉−𝑃𝑀2.5 = 0,99 + 0,03𝑋 0,489 0,535
Índice de Pobreza
Multidimensional 𝑌𝐼𝑃𝑀−𝑃𝑀10 = 6,73 − 0,02𝑋 𝑌𝐼𝑃𝑀−𝑃𝑀2.5 = 6,19 − 0,01𝑋
0,708 0,633
Cobertura de
educación 𝑌𝐶𝐸−𝑃𝑀10 = 62,09 + 0,82𝑋 𝑌𝐶𝐸−𝑃𝑀2.5 = 69,02 + 1,69𝑋
0,786 0,656
5
Fuentes de
Contaminación 𝑌𝐹𝐶−𝑃𝑀10 = 5,58𝐸2 − 2,09𝑋 𝑌𝐹𝐶−𝑃𝑀2.5 = 7,15𝐸2 − 14,41𝑋
0,576 0,422
Área promedio suelo
industrial 𝑌𝑈𝐼−𝑃𝑀10 = 1,07𝐸2 + 8,65𝑋 𝑌𝑈𝐼−𝑃𝑀2.5 = 2,88𝐸2 + 12,46𝑋
0,428 0,486
6
Precipitación 𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 = 2,6 − 5,12𝐸 − 3𝑋 𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 = 2,41 − 3,19𝐸− 3𝑋
0,511 0,481
Tasa de Ocupación 𝑌𝑇𝑂𝐶−𝑃𝑀10 = 60,18 − 0,09𝑋 𝑌𝑇𝑂𝐶−𝑃𝑀2.5 = 56,44 − 0,04𝑋 0,504 0,497
Fuente: Elaboración propia.
Página 159 de 160
Tabla C3. Clasificación B1.
FACTOR COMPONENTE
Valor
𝐛𝟏 para
la
ecuación
PM10
Clasificación
Valor
𝐛𝟏 para
la
ecuación
PM2.5
Clasificación
R2
Ecuación
PM10
R2
Ecuación
PM2.5
1
Habitantes 7260 Significativo 14800 Significativo 0,531 0,465
Habitantes
menores a 5 años
626 Significativo 1220 Significativo 0,506 0,411
Estudiantes
matriculados
684 Significativo 1130 Significativo 0,534 0,481
Malla vial 6,73 Significativo 12,5 Significativo 0,494 0,486
Árboles 577 Significativo 2010 Significativo 0,586 0,639
Cobertura arbórea 0,68 Significativo 2,26 Significativo 0,563 0,588
Habitantes
mayores a 70 años
61,43 Significativo 116 Significativo 0,609 0,576
Bajo Peso
Gestacional
4,65 Significativo 7,48 Significativo 0,672 0,462
Casos
Enfermedades
Respiratorias
45,95 Significativo 88,7 Significativo
0,627 0,502
Casos Mortalidad
por Enfermedades
Respiratorias
0,14
No
Significativo
0,23 No Significativo
0,509 0,495
Área promedio
suelo comercial
0,15 No
Significativo
0,74 Significativo 0,519 0,454
Estrato 5 0,04 0,2 0,500 0,523
2
Área promedio
suelo servicios
1,97 Significativo 5,18 Significativo 0,559 0,574
Zonas Urbanas 0,66 Significativo 1,87 Significativo 0,464 0,502
Zonas Rurales 0,66 Significativo 1,87 Significativo 0,464 0,502
Estrato 1 0,05 0,18 0,400 0,489
Dirección del
viento
1,29 Significativo 3,68 Significativo 0,595 0,655
Estrato 3 0,89 Significativo 2,12 Significativo 0,703 0,663
Coeficiente Gini 0,000413 0,000882 0,661 0,600
Estrato 6 0,07 0,34 0,506 0,581
3
Estrato 2 0,97 Significativo 1,87 Significativo 0,696 0,552
Estrato 4 0,26 0,55 0,515 0,440
Precio Suelo
Industrial
11200 Significativo 15200 Significativo 0,537 0,432
Precio Suelo
Servicios
16700 Significativo 16700 Significativo 0,578 0,465
Precio Suelo
Comercial
14100 Significativo 21100 Significativo 0,575 0,479
Pendiente del
Terreno
0,02 No
Significativo
0,06 No Significativo 0,642 0,525
Tenencia de
vivienda
0,13 No
Significativo
0,37 No Significativo 0,635 0,503
4
Velocidad del
Viento
0,01 No
Significativo
0,03 No Significativo 0,489 0,535
Índice de Pobreza
Multidimensional
0,02 No
Significativo
0,01 No Significativo 0,708 0,633
Página 160 de 160
FACTOR COMPONENTE
Valor
𝐛𝟏 para
la
ecuación
PM10
Clasificación
Valor
𝐛𝟏 para
la
ecuación
PM2.5
Clasificación
R2
Ecuación
PM10
R2
Ecuación
PM2.5
Cobertura de
educación
0,82 Significativo 1,69 Significativo 0,786 0,656
5
Fuentes de
Contaminación
2,09 Significativo 14,41 Significativo 0,576 0,422
Área promedio
suelo industrial
8,65 Significativo 12,46 Significativo 0,428 0,486
6
Precipitación 0,00512 No
Significativo
0,00319 No Significativo 0,511 0,481
Tasa de
Ocupación
0,09 No
Significativo
0,04 No Significativo 0,504 0,497
Fuente: Elaboración propia.
De acuerdo con lo anterior, se evidencia que las variables de pendiente del terreno, tenencia
de vivienda, velocidad del viento, Índice de Pobreza Multidimensional, Precipitación y Tasa
de Ocupación no demuestran una influencia significativa en las ecuaciones asociados al
modelo de regresión lineal, encontrando que su comportamiento principalmente es atribuido
al valor constante, lo que es acorde con los datos obtenidos entre el año 2007 y 2017, los
cuales mantienen una tendencia homogénea a lo largo del tiempo determinada por las
mediciones de desviación estándar, tal como se presenta en la Tabla 12.