Heterogeneity

DESCRIPCIÓN PESO

1 - 110 clientes 0,2 110 - 310 clientes 0,3 > 310 clientes 0,5

Crear Modelo de trabajo con secuencia de comandos:

Se utilizaron las herramientas de ArcGis Desktop para diseñar un modelo de consultas consecutivas por medio de la herramienta Model Builder considerando la siguiente información:

 Lo primero que se generó antes de iniciar con el modelo de trabajo fue crear una Personal Geodatabase para agrupar la información consultada que será manipulada:

Ilustración 9. Creación Geodatabase. Fuente: Elaboración Propia

 La primera fase del modelo de trabajo consistió en transformar a raster por medio de la herramienta Euclidiane Distance las variables que tienen como geometría puntos (CARCELES, CENTROS_COMERCIALES, CLIENTES, COLEGIOS, SALUD, USO_SUELO):

Ilustración 11. Creación Euclidiane Distance. Fuente: Elaboración Propia

 La segunda fase del modelo de trabajo consistió en transformar a raster por medio de la herramienta Feature to Raster las variables que tienen como geometría polígonos (AMENA_INUNDA, LOCALIDADES, MOV_MASA_RURAL,

MOV_MASA_URBA, RES_SISMICA):

Ilustración 13. Creación Raster de Polígonos. Fuente: Elaboración Propia

 La tercera fase del modelo de trabajo consistió en reclasificar las variables de las consecuencias con la herramienta reclassify, este proceso se realizó para cambiar los valores de las variables de entrada por los valores ya definidos en el escenario inicial.

Ilustración 15. Visualización Clasificación inicial. Fuente: Elaboración Propia

 La cuarta fase del modelo de trabajo consistió en calcular por medio de la herramienta Raster Calculator el análisis geográfico de las probabilidades y consecuencias para finalmente lograr el resultado del factor del riesgo:

Ilustración 17. Visualización proceso Raster Calculator. Fuente: Elaboración Propia

 La quinta fase del modelo de trabajo consistió en calcular nuevamente por medio de la herramienta Raster Calculator el análisis geográfico la multiplicación de las probabilidades y consecuencias para finalmente lograr el resultado del factor del riesgo:

Ilustración 19. Visualización Factor del Riesgo. Fuente: Elaboración Propia

Análisis modelo propuesto

Los variables utilizadas para el modelo nos permitieron identificar rangos de riesgo en las distintas localidades de la ciudad de Bogotá, lo cual ayuda a percibir un espacio geográfico más cercano a la realidad; por lo cual es importante destacar los diferentes cálculos matemáticos que se realizaron con ayuda del software de ArcGis Desktop que sirvieron para llegar a un modelo capaz de albergar los datos de cualquier empresa de servicio público sin importar la cantidad de datos que pueda llegar a tener dicha empresa.

RESULTADOS

El impacto de este análisis, se obtuvo en un entorno práctico, ya que proporcionó una alternativa que muestra la realidad, enfocando las zonas en las que la comunidad puede estar en riesgo, por lo tanto este análisis de resultados sirve de referente para que las empresas de servicio público tengan en cuenta los sectores en los que la probabilidad de riesgo aumenta debido a las variables que se determinaron en la matriz, ya que estas están directamente relacionadas con la calidad de vida de las personas a las cuales se les ofrecen los diferentes servicios públicos.

Como resultado final se obtuvo un mapa temático en el cual se visualiza la información para la toma de decisiones respecto al manejo del riesgo en las localidades, para así facilitar a las empresas de servicios públicos sus decisiones con respecto a los servicios en dichas zonas.

El mapa de riesgo combina los atributos de consecuencias y probabilidades, en el cual se identifican las zonas de alto, medio y bajo riesgo lo que hace que las empresas tomen mayor interés para un mejor servicio.

Ilustración 22. Matriz del Riesgo. Fuente: Elaboración Propia

LOCALIDAD CONSUMO HOSPITALE

S COLEGIOS

CENTROS COMERCIAL

ES

CARCELES CLIENTES FACTOR DE AMENAZAS RIESGO SISMICO USO DE SUELO RIESGO INUNDACIO N RIESGO MOVIMIENT O EN MASA FACTOR DE VULNERABI LIDAD FACTOR DEL RIESGO SUMAPAZ 0,09 0,05 0,05 0,05 0,07 0,2 0,51 0,01 0,3 0,25 0,15 0,71 0,36 CANDELARIA 0,09 0,05 0,05 0,05 0,07 0,2 0,51 0,03 0,4 0,25 0,1 0,78 0,40 SAN CRISTOBAL 0,17 0,05 0,14 0,05 0,07 0,2 0,68 0,01 0,4 0,15 0,1 0,66 0,45 CIUDAD BOLIVAR 0,25 0,05 0,14 0,05 0,07 0,2 0,76 0,01 0,4 0,1 0,1 0,61 0,46 USME 0,17 0,05 0,07 0,05 0,07 0,3 0,71 0,03 0,4 0,25 0,1 0,78 0,55 TUNJUELITO 0,17 0,05 0,07 0,05 0,07 0,2 0,61 0,04 0,4 0,1 0,38 0,92 0,56 ANTONIO NARIÑO 0,17 0,05 0,05 0,05 0,07 0,2 0,59 0,04 0,4 0,15 0,37 0,96 0,57 LOS MARTIRES 0,17 0,05 0,05 0,05 0,07 0,2 0,59 0,04 0,4 0,2 0,37 1,01 0,60 RAFAEL URIBE URIBE 0,25 0,05 0,14 0,05 0,07 0,2 0,76 0,01 0,4 0,05 0,38 0,84 0,64 BARRIOS UNIDOS 0,17 0,07 0,07 0,05 0,07 0,2 0,63 0,1 0,4 0,15 0,37 1,02 0,64 CHAPINERO 0,25 0,07 0,05 0,07 0,07 0,2 0,71 0,01 0,4 0,15 0,38 0,94 0,67 SANTA FE 0,17 0,05 0,05 0,07 0,15 0,2 0,69 0,01 0,4 0,25 0,38 1,04 0,72 PUENTE ARANDA 0,25 0,05 0,14 0,05 0,07 0,2 0,76 0,05 0,4 0,15 0,37 0,97 0,74 TEUSAQUILLO 0,25 0,07 0,07 0,05 0,07 0,2 0,71 0,1 0,4 0,2 0,37 1,07 0,76 BOSA 0,25 0,05 0,14 0,05 0,07 0,3 0,86 0,05 0,4 0,1 0,37 0,92 0,79 ENGATIVA 0,35 0,05 0,14 0,05 0,07 0,2 0,86 0,09 0,4 0,1 0,37 0,96 0,83 KENNEDY 0,35 0,05 0,14 0,05 0,07 0,2 0,86 0,05 0,4 0,15 0,37 0,97 0,83 USAQUEN 0,25 0,14 0,14 0,07 0,07 0,3 0,97 0,01 0,4 0,15 0,38 0,94 0,91 FONTIBON 0,35 0,05 0,14 0,05 0,07 0,3 0,96 0,09 0,4 0,15 0,37 1,01 0,97 SUBA 0,35 0,07 0,14 0,14 0,07 0,5 1,27 0,12 0,4 0,15 0,1 0,77 0,98 CONSECUENCIAS CLIENTES ESPECIALES PROBABILIDADES

Tabla 17. Valores Raster. Elaboración Propia LOCALIDADES PIXEL VALUE SUBA 0.150 USAQUEN 0.150 BARRIOS UNIDOS 0.150 SANTAFE 0.825 PUENTE ARANDA 0.150 CIUDAD BOLIVAR 0.150 ANTONIO NARIÑO 0.150 CANDELARIA 0.075 ENGATIVA 0.150 FONTIBON 0.150 SAN CRITOBAL 0.825 TEUSAQUILLO 0.150 CHAPINERO 0.550 USME 0.000

SUMAPAZ 0.000 RAFAEL URIBE 0.075 TUNJUELITO 0.150 LOS MARTIRES 0.150 KENNEDY 0.150 BOSA 0.300

Tabla 18. Valores Raster. Elaboración Propia

El resultado final muestra variaciones con respecto a la matriz y los valores del raster generado, debido a que en el análisis geográfico no se tiene en cuenta la variable de consumo mientras que en la matriz de riesgo si se maneja, lo que hace que se vea afectado directamente el nivel del riesgo de cada localidad.

Se tuvo en cuenta la variable de consumo debido a la relevancia que tiene para los servicios públicos, con esta se identifica de manera más acertada las zonas de riesgo y así ver con claridad las comunidades que se ven afectadas por las fallas en el servicio.

También se pueden apreciar los diferentes niveles de riesgo que se podrían presentar en la ciudad de Bogotá por la falta del servicio público, esto destacando la cantidad de clientes especiales que se presentan por cada localidad ya que dichos clientes son los que se verían más afectados en caso de un corte en el servicio.

CONCLUSIONES

 El estudio realizado permite generar medidas de prevención, para los usuarios que se ven afectados por cortes en los servicios públicos, gracias a que identifica las zonas con mayor afectación.

 Las variables de probabilidad son las detonantes para generar fallas y las variables de consecuencias son los clientes que generan mayor demanda y los que se ven directamente afectados si se produce alguna suspensión de los servicios públicos.  Incluir el consumo de cada uno de los servicios públicos permite mejorar la

identificación de las zonas de riesgo lo que hace que se pueda enfocar mejor, e interpretar las medidas a utilizar, puesto que se ve afectado el factor económico de las empresas si surge alguna falla en un lugar de la ciudad en el que haya gran cantidad de clientes y por lo tanto un mayor consumo.

 La matriz de riesgo generada utiliza las variables establecidas para que cualquier empresa de servicio público pueda hacer uso de ella, esto con el fin de determinar el riesgo directo que sufre la población que cuenta con cada uno de los servicios, ya que las variables se encuentran en un ámbito general y así todas las empresas deben contar con esta información para la determinación de sus acciones frente al posible riesgo.

BIBLIOGRAFÍA

Maskrey, A. (1998). La Aplicacion de los Sistemas de Informacion Geografica al analisis de riesgo en América Latina. Obtenido de http://bvpad.indeci.gob.pe/html/es/maestria- grd/documentos/GPR/aplicacion-de-los-SIG-al-analisis-de-riesgo.pdf

Monsalve, C. (s.f.). Sistemas de Informacion Geograficos. Obtenido de https://dds.cepal.org/infancia/guia-para-estimar-la-pobreza- infantil/bibliografia/capitulo-

IV/Carmona%20Alvaro%20y%20Monsalve%20Jhon%20%281999%29%20Sistem as%20de%20informacion%20geografica.pdf

Teruel, S. (s.f.). Herramientas para la mejora de procesos. Obtenido de

https://www.captio.net/blog/5-herramientas-para-la-mejora-de-procesos ArcGIS for Desktop-Que es ArcMap. (s.f.).

Áreas actividad. (s.f.). Obtenido de http://recursos.ccb.org.co/ccb/pot/PC/files/2areas.html Caracol Radio. (2017). Obtenido de

https://caracol.com.co/emisora/2017/02/21/bogota/1487696448_059081.html Centro Informacion ONU. (s.f.). Obtenido de http://www.onunoticias.mx/falta-del-agua-

saneamiento-e-higiene-en-las-escuelas-perjudica-la-educacion-de-los-ninos/

Conexion Capital. (2019). Obtenido de https://conexioncapital.co/denuncian-crisis-sanitaria- carcel-picota/

Evaluacion de la amenaza, la vulnerabilidad y el riesgo. (s.f.). En O. D. Cardona, Los desastres no son naturales.

El tiempo. (2004). Obtenido de https://www.eltiempo.com/archivo/documento/MAM-150503 IDIGER. (2019). Obtenido de https://www.idiger.gov.co/rsismico

IDIGER INUNDACIONES. (2019). Obtenido de https://www.idiger.gov.co/rinundacion#bogota IDIGER MMASA. (2019).

IDIGER, S. D. (2015). PLAN DISTRITAL DE GESTIÓN DE RIESGOS Y CAMBIO CLIMÁTICO PARA BOGOTÁ D.C., 2015 – 2050. Bogotá.

Noticias ONU. (2019). Obtenido de https://news.un.org/es/story/2019/04/1453811 RED, L. (s.f.). LOS DESASTRES NO SON NATURALES.

Sistemas de Informacion Geografica. (s.f.). Obtenido de

https://langleruben.wordpress.com/%C2%BFque-es-un-sig/

USOS DE LOS SIG. (s.f.). Obtenido de https://gersonbeltran.com/2018/10/02/10-usos-de-los- sistemas-de-informacion-geografica/