DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL …

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

de 160

Nota de aceptación

_________________________

_________________________

_________________________

_________________________

_________________________

_________________________

_________________________

_________________________

______________________

MSc. Omar F. Patiño Silva

Director de tesis

_________________________

Jurado 1

_________________________

Jurado 2

Bogotá D.C., 2019

de 160

Dedicatoria

Especialmente, a mi ángel en el cielo.

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,

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

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

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

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

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 58. Tasa de Ocupación. .......................................................................................... 108

Figura 59. Malla Vial......................................................................................................... 109

Figura 60. Puntos de Monitoreo. ....................................................................................... 116

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

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 38. Tasa de ocupación......................................................................................... 108

Ecuación 39. Malla Vial ..................................................................................................... 108

Ecuación 40. Formula de agregación. ................................................................................ 112

de 160

Ecuación 41. Índice Justicia Ambiental Factor 1. .............................................................. 112












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

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

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?

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.

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.

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.

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

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?

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).

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.

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)


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]


Los indicadores de desigualdad horizontal dividen a la población en grupos basados en

características distintas de la variable de distribución.

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


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

}


Donde;

K= valor calculado de acuerdo con la desigualdad

�̅�= promedio de población expuesta

𝑥n= valor escalar de la población expuesta N=Total población expuesta

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.

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

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

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

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.

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

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

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

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.

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,

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.

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.

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.

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.

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

de 160

Localidad-



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.


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






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


uno de los territorios borde Las Ferias

de 160

Localidad-



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.




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.






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


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


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.

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)

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.

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

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).

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.

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).

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

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).

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

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

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.

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.


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

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.


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

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



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.

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

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


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

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


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

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

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.

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

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

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

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

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.

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

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.

de 160

Figura 18. Coeficiente de Gini.2007 – 2017.


(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

de 160

Figura 19. Tenencia de Vivienda. 2007 – 2017.


(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

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

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

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

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

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

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


Industrial

3 m2


Catastro


Servicios

3 m2


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



Habitantes>70años/Localidad

3 Habitantes



METEOROLOGÍA

Velocidad del Viento (m/s)

2 m/s

Observatorio Ambiental –

RMCAB.

Dirección Viento

2 ° (Grados)


RMCAB.

Precipitación mm

2 mm


RMCAB.

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 ($)


Catastro

Precio Suelo Industrial

2 Pesos ($)


Catastro

Precio Suelo Servicios

2 Pesos ($)


Catastro

Índice de Pobreza Multidimensional (IPM) 8 % Encuesta de Calidad de Vida

Estrato 1 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.

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






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


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

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.

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

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_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

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.


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

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.


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:

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

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

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−𝑃𝑀2,5 Estrato 2 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


- 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:

de 160

Ecuación 6. Enfermedades Respiratorias.

𝑌𝐸𝑅𝐴−𝑃𝑀10 = 5,87 ∗ 102 + 45,95𝑋

𝑌𝐸𝑅𝐴−𝑃𝑀2,5 = 1,1 ∗ 103 + 88,7𝑋


Figura 26. Casos enfermedades respiratorias.


- Mortalidad por enfermedades respiratorias


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


Figura 27. Casos de mortalidad por enfermedades respiratorias


de 160

- Bajo Peso Edad Gestacional


concentraciones de PM10 y PM2,5 en la variable de bajo peso edad gestacional, por lo que la


Ecuación 8. Bajo Peso Edad Gestacional.

𝑌𝐵𝑃−𝑃𝑀10 = −58,18 + 4,65𝑋

𝑌𝐵𝑃−𝑃𝑀2,5 = 23,23 + 7,48𝑋


Figura 28. Bajo Peso Edad Gestacional


- Fuente Contaminación (Vías Principales)


concentraciones de PM10 y PM2,5 en la variable de fuentes de contaminación, por lo que la


Ecuación 9. Fuentes de Contaminación.

𝑌𝐹𝐶−𝑃𝑀10 = 5,58 ∗ 102 − 2,09𝑋

𝑌𝐹𝐶−𝑃𝑀2.5 = 7,15 ∗ 102 − 14,41𝑋 Fuente: Elaboración propia (2019).

de 160

Figura 29. Fuentes de Contaminación


- 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


Figura 30. Suelo Rural


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


Figura 31. Suelo Urbano


- Área promedio uso de suelo comercial


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).

de 160

Figura 32. Área Promedio Uso Suelo Comercial


- Área promedio uso de suelo industrial


concentraciones de PM10 y PM2,5 en la variable de área promedio uso de suelo comercial, por


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


de 160

- Área promedio uso de suelo servicios


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


- Árboles


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).

de 160

Figura 35. Árboles


- Cobertura arbórea


concentraciones de PM10 y PM2,5 en la variable de cobertura arbórea, por lo que la relación


Ecuación 16. Cobertura Arbórea.

𝑌𝐶𝐴−𝑃𝑀10 = 89,72 − 0,68𝑋

𝑌𝐶𝐴−𝑃𝑀2.5 = 98,15 − 2,26𝑋


Figura 36. Cobertura arbórea


de 160

- Pendiente


concentraciones de PM10 y PM2,5 en la variable de pendiente del terreno, por lo que la relación


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


- Habitantes/Localidad


concentraciones de PM10 y PM2,5 en la variable de habitantes/localidad, por lo que la relación


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).

de 160

Figura 38. Habitantes/Localidad


- Habitantes menores de 5 años


concentraciones de PM10 y PM2,5 en la variable habitantes menores de 5 años, por lo que la


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.


de 160

- Habitantes mayores de 70 años


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.


.

- 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).

de 160

Figura 41. Velocidad del viento.


- 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.


de 160

- Precipitación


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.


- Estudiantes matriculados educación básica primaria


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).

de 160

Figura 44. Matriculados educación básica primaria.


- Cobertura de educación


concentraciones de PM10 y PM2,5 en la variable de cobertura de educación, por lo que la


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.


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


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.


- Tenencia de Vivienda


concentraciones de PM10 y PM2,5 en la variable tenencia de vivienda, por lo que la


Ecuación 27. Tenencia de vivienda

𝑌𝑇𝑉−𝑃𝑀10 = 43,32 − 0,13𝑋

𝑌𝑇𝑉−𝑃𝑀2.5 = 44,01 − 0,37𝑋 Fuente: Elaboración propia (2019).

de 160

Figura 47. Tenencia de Vivienda.


- Precio suelo industrial


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


Figura 48. Precio suelo industrial.


de 160

- Precio suelo comercial


concentraciones de PM10 y PM2,5 en la variable de precio suelo comercial, por lo que la


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


Figura 49. Precio suelo comercial.


- Precio suelo servicios


concentraciones de PM10 y PM2,5 en la variable precio suelo servicios, por lo que la relación


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).

de 160

Figura 50. Precio suelo servicios.


- Índice de Pobreza Multidimensional


concentraciones de PM10 y PM2,5 en la variable de índice de pobreza multidimensional, por


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.


de 160

- Estrato 1


concentraciones de PM10 y PM2,5 en la variable de la población en estrato 1, por lo que la


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.


- Estrato 2





𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋

𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋


de 160



- Estrato 3





𝑌𝐸3−𝑃𝑀10 = −0,68 + 0,89𝑋

𝑌𝐸3−𝑃𝑀2.5 = 1,29 + 2,12𝑋




de 160

- Estrato 4





𝑌𝐸4−𝑃𝑀10 = 21,09 − 0,26𝑋




- Estrato 5





𝑌𝐸5−𝑃𝑀10 = 4,73 − 0,04𝑋


de 160



- Estrato 6





𝑌𝐸6−𝑃𝑀10 = 5,29 − 0,07𝑋




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

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


concentraciones de PM10 y PM2,5 en la variable de Tasa de Ocupación, por lo que la relación


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.


- Malla Vial


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).

de 160

Figura 59. Malla Vial.


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.

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


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


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


3 Estrato 2 𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋 𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋 0,696 0,552


de 160


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


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.

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



𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟐

=𝑌𝑈𝑆−𝑃𝑀10 + 𝑌𝑈𝑅𝐵−𝑃𝑀10 + 𝑌𝑆𝑅−𝑃𝑀10 + 𝑌𝐸1−𝑃𝑀10 + 𝑌𝐷𝑉−𝑃𝑀10 + 𝑌𝐸3−𝑃𝑀10 + 𝑌𝐶𝐺−𝑃𝑀10 + 𝑌𝐸6−𝑃𝑀10

𝟖



𝑰𝑱𝑨𝑷𝑴𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟑

=𝑌𝐸2−𝑃𝑀10 + 𝑌𝐸4−𝑃𝑀10 + 𝑌$𝐼−𝑃𝑀10 + 𝑌$𝑆−𝑃𝑀10 + 𝑌$𝐶−𝑃𝑀10 + 𝑌𝑃−𝑃𝑀10 + 𝑌𝑇𝑉−𝑃𝑀10

𝟕


de 160


𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟒 =𝑌𝑉𝑉−𝑃𝑀10 + 𝑌𝐼𝑃𝑀−𝑃𝑀10 + 𝑌𝐶𝐸−𝑃𝑀10

𝟑



𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟓 =𝑌𝐹𝐶−𝑃𝑀10 + 𝑌𝑈𝐼−𝑃𝑀10

𝟐



𝑰𝑱𝑨𝑷𝑴𝟏𝟎−𝑭𝑨𝑪𝑻𝑶𝑹𝟔 =𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀10 + 𝑌𝑇𝑂𝐶−𝑃𝑀10

𝟐


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.


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



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



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


de 160


𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟒 =𝑌𝑉𝑉−𝑃𝑀2.5 + 𝑌𝐼𝑃𝑀−𝑃𝑀2.5 + 𝑌𝐶𝐸−𝑃𝑀2.5

𝟑



𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟓 =𝑌𝐹𝐶−𝑃𝑀2.5 + 𝑌𝑈𝐼−𝑃𝑀2.5

𝟐



𝑰𝑱𝑨𝑷𝑴𝟐.𝟓−𝑭𝑨𝑪𝑻𝑶𝑹𝟔 =𝑌𝑃𝑅𝐸𝐶𝑃−𝑃𝑀2.5 + 𝑌𝑇𝑂𝐶−𝑃𝑀2.5

𝟐


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

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



61 a 70 Factores de Injusticia Ambiental

71 a 100 Máxima Injusticia Ambiental

3

mayor a 742868 Justicia Ambiental




4





5

menor 333 Justicia Ambiental




6






Tabla 20. Rangos de Calidad. Índice de Justicia Ambiental asociado al PM2.5

PM2.5


1


31355 - 44157 Se presenta ligera Injusticia Ambiental, sin afectaciones en la salud

44158 -63361 Factores de Injusticia Ambiental

63362-82565 Máxima Injusticia Ambiental

2





de 160

PM2.5


3


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




mayor 48 Máxima Injusticia Ambiental

5

mayor 502 Justicia 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


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.

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.

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

de 160


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.


de 160

Tabla 23. Resultados caso de estudio. Índice de Justicia Ambiental Asociado al PM2,5.


1

Habitantes

41552,6 51966,3 49277,8 58879,8 63872,8 55551,1 54910,9 50814,1 54526,9


años

Estudiantes

matriculados

Malla vial

Árboles

Cobertura arbórea

Habitantes mayores a 70

años

Bajo Peso Gestacional

Casos Enfermedades

Respiratorias


Enfermedades

Respiratorias


comercial

Estrato 5

2


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

de 160


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


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.


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.

de 160

Figura 62. Resultados Índice de Justicia Ambiental asociado a la calidad del aire en la ciudad de Bogotá (PM2,5).


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

de 160

Variables

FACTOR 1


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

de 160

Variables

FACTOR 1


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.

de 160

Variables

FACTOR 1


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


San Cristóbal se ven

favorecidas por el porcentaje

de zona rural. De otro lado,

Engativá y Barrios Unidos

presentan 100% del área

Zonas Rurales

de 160

Variables

FACTOR 1


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).


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

de 160

Variables

FACTOR 1


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

de 160

Variables

FACTOR 1


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

de 160

Variables

FACTOR 1


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).

de 160

Variables

FACTOR 1


Ambiental

comportamiento

que corrobora lo

expuesto por

Verbeek (2019).


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.

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


Barrios Unidos 31 Favorable Máxima Justicia


Puente Aranda 46,5 Favorable Máxima Justicia


Fuente: Secretaría Distrital de Ambiente – RMCAB, 2019.

de 160

Figura 63. Validación IBOCA PM10.


de 160

Figura 64. Validación IBOCA PM2,5.


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.

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.

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.

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.

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.ssresearch.2015.06.019

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.envint.2016.04.008

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).

http://dx.doi.org/10.1016/j.jtrangeo.2016.06.017

https://doi.org/10.1016/j.socscimed.2009.08.020

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

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.envpol.2014.12.014

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.tranpol.2012.01.011

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.

https://www.redalyc.org/articulo.oa

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.envhaz.2007.09.007

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.jtrangeo.2016.05.002

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.envres.2017.11.047

https://doi.org/10.1111/0033-0124.00333

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.

http://observatorio.fm.usp.br/handle/OPI/3615

http://observatorio.fm.usp.br/handle/OPI/3615

https://doi.org/10.1016/j.jth.2017.12.002

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.ufug.2018.11.010

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.

https://doi.org/10.1068%2Fa35240

https://doi-org.bdigital.udistrital.edu.co/10.1016/B978-0-444-52272-6.00704-2

http://www.ub.edu/geocrit/sn/sn-316.html

https://doi.org/10.1016/j.envpol.2014.05.028

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

https://doi.org/10.1016/j.partic.2013.11.001

https://doi.org/10.1089/env.2015.0001

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.


https://repositorio.cepal.org/

https://doi.org/10.1016/j.envpol.2013.10.019

https://doi-org.bdigital.udistrital.edu.co/10.1016/j.healthplace.2005.09.010

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

https://doi.org/10.1016/j.compenvurbsys.2018.12.006

https://dx.doi.org/10.1371%2Fjournal.pone.0020827


de 160

10. ANEXOS

de 160

ANEXO A. MATRIZ DE CORRELACIÓN.

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


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


de 160

Continuación Tabla Matriz de Correlación.


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

de 160

ANEXO B. RESULTADOS CASO DE ESTUDIO BOGOTÁ.

de 160

ANEXO C. ANÁLISIS ESTADÍSTICO

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.

de 160

Tabla C2. Modelo de Regresión Lineal.


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


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


Enfermedades

Respiratorias

𝑌𝑀𝑂𝑅𝑇−𝑃𝑀10 = 6,28 + 0,14𝑋

𝑌𝑀𝑂𝑅𝑇−𝑃𝑀2,5 = 8,79 + 0,23𝑋

0,509 0,495


comercial 𝑌𝑈𝐶−𝑃𝑀10 = 1,05𝐸2 + 0,15𝑋 𝑌𝑈𝐶−𝑃𝑀2.5 = 97,61 + 0,74𝑋

0,519 0,454


2


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


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


3 Estrato 2 𝑌𝐸2−𝑃𝑀10 = 11,18 + 0,97𝑋 𝑌𝐸2−𝑃𝑀2,5 = −0,37 + 1,87𝑋 0,696 0,552


de 160


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


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


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


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


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


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


Precio Suelo

Servicios


Precio Suelo

Comercial


Pendiente del

Terreno

0,02 No

Significativo

0,06 No Significativo 0,642 0,525

Tenencia de

vivienda

0,13 No

Significativo


4

Velocidad del

Viento

0,01 No

Significativo


Índice de Pobreza

Multidimensional

0,02 No

Significativo


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


5

Fuentes de

Contaminación


Área promedio

suelo industrial


6

Precipitación 0,00512 No

Significativo


Tasa de

Ocupación

0,09 No

Significativo



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.

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

JUSTICIA AMBIENTAL ASOCIADA A LA CALIDAD DEL AIRE EN BOGOTA

AutoCAD SHX Text

UBICACION DE LAS ESTACIONES DE MONITOREO

AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 1-PM

AutoCAD SHX Text

FACTORES DE INJUSTICIA AMBIENTAL

AutoCAD SHX Text

LIGERA INJUSTICIA AMBIENTAL

AutoCAD SHX Text

2,5

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

MAXIMA INJUSTICIA AMBIENTAL

AutoCAD SHX Text

NOTA: GRAFICO SIN ESCALA

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 1-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

10

AutoCAD SHX Text


AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 2-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text


AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

6-KE

AutoCAD SHX Text


AutoCAD SHX Text

2,5

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 2-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text


AutoCAD SHX Text

10

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 3-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

2,5

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 3-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

10

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

FACTOR 4-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text


AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

4-BU

AutoCAD SHX Text


AutoCAD SHX Text

2,5

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 4-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text


AutoCAD SHX Text

10

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 5-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

2,5

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 5-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

10

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

FACTOR 6-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

JUSTICIA AMBIENTAL

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

1-US

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

6-KE

AutoCAD SHX Text


AutoCAD SHX Text

2,5

AutoCAD SHX Text

NARIÑO

AutoCAD SHX Text

ENGATIVA

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

FONTIBON

AutoCAD SHX Text

SUBA

AutoCAD SHX Text

USAQUEN

AutoCAD SHX Text

UNIDOS

AutoCAD SHX Text

BARRIOS

AutoCAD SHX Text

CHAPINERO

AutoCAD SHX Text

TEUSAQUILLO

AutoCAD SHX Text

MARTIRES

AutoCAD SHX Text

LOS

AutoCAD SHX Text

CANDELARIA

AutoCAD SHX Text

SANTAFE

AutoCAD SHX Text

KENNEDY

AutoCAD SHX Text

BOSA

AutoCAD SHX Text

SUMAPAZ

AutoCAD SHX Text

USME

AutoCAD SHX Text

RAFAEL

AutoCAD SHX Text

CRISTOBAL

AutoCAD SHX Text

SAN

AutoCAD SHX Text

CIUDAD

AutoCAD SHX Text

BOLIVAR

AutoCAD SHX Text

URIBE

AutoCAD SHX Text

ANTONIO

AutoCAD SHX Text

1-US

AutoCAD SHX Text

2-SU

AutoCAD SHX Text

3-EN

AutoCAD SHX Text

4-BU

AutoCAD SHX Text

5-FO

AutoCAD SHX Text

6-KE

AutoCAD SHX Text

8-SA

AutoCAD SHX Text

9-SC

AutoCAD SHX Text

10-TU

AutoCAD SHX Text

FACTOR 6-PM

AutoCAD SHX Text


AutoCAD SHX Text


AutoCAD SHX Text

TUNJUELITO

AutoCAD SHX Text

ARANDA

AutoCAD SHX Text

PUENTE

AutoCAD SHX Text

7-PA

AutoCAD SHX Text


AutoCAD SHX Text

10

DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL …

Documents

Transcript of DESARROLLO DE UN ÍNDICE DE JUSTICIA AMBIENTAL …