CAMBIO CLIMÁTICO 2014 Impactos, adaptación y vulnerabilidad - Informe IPCC
Evaluación espacial de la vulnerabilidad al cambio ...
Transcript of Evaluación espacial de la vulnerabilidad al cambio ...
Evaluación espacial de la vulnerabilidad al cambio climático en la cuenca del río Blanco ubicado en
el departamento de Nariño
Diego Fernando Rosero Portilla
Universidad Nacional de Colombia
Facultad de Ingeniería y Arquitectura
Manizales, Colombia
2018
II
II
Evaluación espacial de la vulnerabilidad al cambio climático en la cuenca del río Blanco ubicado en
el departamento de Nariño
Diego Fernando Rosero Portilla
Tesis de investigación presentada como requisito parcial para optar al título de:
Magister en Ingeniería- Recursos Hidráulicos
Directora:
Ph. D., Viviana Vargas Franco
Línea de Investigación:
Gestión de cuencas hidrográficas
Grupo de Investigación:
Monitoreo, Modelación y Gestión de Cuencas Hidrográficas
Universidad Nacional de Colombia
Facultad de Ingeniería y Arquitectura
Manizales, Colombia
2018
IV
IV
Resumen
El objetivo general de este trabajo es proponer una estrategia metodológica para evaluar
espacialmente la vulnerabilidad al Cambio Climático (CC). Como eje principal de la
estrategia metodológica se utilizó el modelo conceptual de riesgo y vulnerabilidad sugerido
por el IPCC (2014), del cual se desarrolló un índice compuesto basado en un sistema
difuso denominado Índice de Vulnerabilidad al Cambio Climático (IVUCC). También, se
desarrolló una propuesta de subdivisión de zonas para espacializar la vulnerabilidad,
denominada Áreas Homogéneamente Vulnerables (AHV), las cuales se utilizaron para
subdividir la cuenca hidrográfica del río Blanco y generar datos de vulnerabilidad
distribuidos resultantes del índice IVUCC. Adicionalmente, se realizó la exploración de
evaluación del riesgo representando las amenazas mediante modelos morfométricos e
interpolación de datos hidrometeorológicos. Posteriormente, se operaron los resultados
espacializados generados con el índice IVUCC y las amenazas de anomalías climáticas,
inundación y deslizamiento de tierra. Como resultado de este trabajo, se generó un índice
de evaluación de vulnerabilidad para la cuenca del río Blanco el cual puede ser distribuido
utilizando las AHV y diferenciar tres niveles de vulnerabilidad (alto, medio y bajo). La
aplicación del índice muestra los patrones de distribución de la vulnerabilidad en la cuenca
del río Blanco. La incorporación del riesgo a este trabajo permitió ver la facilidad de
articular el índice propuesto con otros indicadores que representan amenazas
exacerbadas por el CC.
Palabras clave: índice compuesto, vulnerabilidad, riesgo, Lógica difusa, Sistemas de
Información Geográfica, cuenca hidrográfica.
VI
VI
Spatial evaluation of vulnerability to climate change
in the Blanco River basin located in the department
of Nariño
Abstract
The general objective of this work is to propose a methodological strategy to spatially
assess vulnerability to Climate Change (CC). The conceptual model of risk and vulnerability
suggested by the IPCC (2014) was used as the main axis of the methodological strategy,
from which a composite index based on a diffuse system called the Climate Change
Vulnerability Index (IVUCC) was developed. Also, a proposal was developed for the
subdivision of zones to spatialize the vulnerability, called Homogeneously Vulnerable
Areas (AHV), which were used to subdivide the river basin of the Blanco River and generate
distributed vulnerability data resulting from the IVUCC index. Additionally, the risk
assessment exploration was carried out, representing the threats using morphometric
models and interpolation of hydrometeorological data. Subsequently, the spatialized results
generated with the IVUCC index and the threats of climatic anomalies, flood and landslide
were operated. As a result of this work, a vulnerability assessment index was generated
for the Blanco river basin, which can be distributed using AHVs and differentiate three
levels of vulnerability (high, medium and low). The application of the index shows the
distribution patterns of vulnerability in the Blanco River basin. The incorporation of risk into
this work allowed us to see the ease of articulating the proposed index with other indicators
that represent threats exacerbated by the CC.
Keywords: composite index, vulnerability, risk, Fuzzy Logic, Geographic Information
Systems, watershed.
VII
Contenido
Pág.
1. Planteamiento y justificación del problema ........................................................... 5
2. Objetivos ................................................................................................................. 15 2.1 Objetivo general ............................................................................................... 15 2.2 Objetivos específicos ....................................................................................... 15
3. Antecedentes .......................................................................................................... 16 3.1 Nivel mundial .................................................................................................... 16 3.2 Nivel de la región andina colombiana ............................................................... 19 3.3 Nivel de la región andina del departamento de Nariño ..................................... 22
4. Marco teórico .......................................................................................................... 26 4.1 Variabilidad climática ........................................................................................ 26 4.2 Cambio climático .............................................................................................. 26 4.3 Riesgo .............................................................................................................. 27 4.4 Vulnerabilidad .................................................................................................. 28 4.5 Amenaza y exposición ..................................................................................... 29 4.6 Lógica difusa .................................................................................................... 30 4.7 Índice e Indicadores ambientales ..................................................................... 34 4.8 Sistemas computacionales ............................................................................... 34 4.9 Información de sensores remotos .................................................................... 36
Modelo de Elevación Digital SRTM ................................................................ 36 Imágenes satelitales Landsat ......................................................................... 37 Imágenes satelitales ASTER ......................................................................... 37
4.10 Indicadores morfométricos basados en teledetección ...................................... 38 Índice Topográfico de Humedad (ITH) ........................................................... 38 Factor LS ....................................................................................................... 39
5. Metodología ............................................................................................................ 40 5.1 Zona de estudio: cuenca del río Blanco ............................................................ 40 5.2 Estructura general de la metodología ............................................................... 45 5.3 Definición de indicadores ................................................................................. 46 5.4 Construcción de un índice basado en un sistema difuso .................................. 47 5.5 Aplicación del índice IVUCC en la cuenca del río Blanco- Nariño, Colombia .... 50 5.6 Exploración de la posibilidad de evaluar el riesgo por CC en la cuenca del río Blanco......................................................................................................................... 51
6. Resultados .............................................................................................................. 55 6.1 Definición de indicadores ................................................................................. 55
VIII
VIII
Indicadores .................................................................................................... 55 Ficha técnica indicadores de susceptibilidad ................................................. 64 Ficha técnica indicadores de capacidad adaptativa ....................................... 70
6.2 Construcción de un índice basado en un sistema difuso. .................................. 80 Fuzzificación de variables de entrada y salida del sistema difuso ................. 80 Reglas de decisión y desfuzzificación indicadores de susceptiblidad ............ 94 Ficha técnica índice IVUCC ......................................................................... 101 Subdivisión de la cuenca del río Blanco en Áreas Homogéneamente
vulnerables ............................................................................................................ 102 6.3 Aplicación índice IVUCC ................................................................................. 103
Delimitación y codificación de las AHV ........................................................ 103 Recolección de información......................................................................... 104 Representación espacial de indicadores de susceptibilidad ........................ 106 Representación espacial de indicadores de capacidad adaptativa .............. 110 Evaluación espacial de la vulnerabilidad al CC en la cuenca del río Blanco 115
6.4 Exploración de la posibilidad para evaluar el riesgo por CC en la cuenca del río Blanco. ...................................................................................................................... 119
Indicadores de amenaza ............................................................................. 119 Representación espacial del riesgo ............................................................. 121
7. Conclusiones ....................................................................................................... 129
8. Limitaciones ......................................................................................................... 132
9. Recomendaciones ............................................................................................... 134
10. Anexo .................................................................................................................... 146 10.1 Información del SIG-OT disponible en la zona de estudio. .............................. 146 10.2 Vuelo con Drone Phanton 3 en la cuenca del río Blanco................................. 149 10.3 Entrevistas semiestructuradas ........................................................................ 150 10.4 Reglas de decisión indicadores de susceptibilidad.......................................... 155 10.5 Diagrama de cajas y alambres ........................................................................ 168
IX
Lista de figuras
Pág. Figura 1.1 Mapa de tendencia de la precipitación acumulada anual (mm/año) en Colombia.
Fuente: IDEAM (2011). ....................................................................................... 7
Figura 1.2 Tendencia de las precipitaciones fuertes o intensas en Colombia. Fuente:
IDEAM (2011). .................................................................................................... 8
Figura 1.3 Tendencia de la temperatura máxima. Fuente: IDEAM (2011). ...................... 9
Figura 1.4 Indicador relacionado con la tendencia de la temperatura mínima. Fuente:
IDEAM (2011). .................................................................................................. 10
Figura 3.1 Ubicación de la microcuenca Dolores. Fuente: Rosero (2015). ..................... 23
Figura 3.2 Departamento de Nariño. Fuente: Guevara et al (2016). ............................... 24
Figura 4.1 Esquema de la interacción entre el sistema climático físico, la exposición, la
vulnerabilidad y el riesgo. Fuente: IPCC (2014). ............................................... 27
Figura 4.2 Diagrama general de un sistema difuso. Fuente: Vargas y Restrepo (2018). 31
Figura 4.3 Esquema general de una función de pertenencia: Henao (2016). ................. 31
Figura 4.4 Funciones de pertenencia: a) triangular, b) trapezoidal. Fuente: Maguiña (2010).
......................................................................................................................... 32
Figura 5.1 Ubicación cuenca del río Blanco. Fuente: elaboración propia. ....................... 40
Figura 5.2 Actividades económicas en la cuenca del río Blanco. Fuente: elaboración propia.
......................................................................................................................... 42
Figura 5.3 Imágenes del río Blanco. Fuente: elaboración propia. ................................... 42
Figura 5.4 Imágenes de diferentes sistemas ecosistémicos presentes en la cuenca del río
Blanco. Fuente: elaboración propia................................................................... 43
Figura 5.5 Esquema metodológico general. Fuente: elaboración propia. ....................... 45
Figura 5.6 Esquema metodológico para la definición de indicadores. Fuente: elaboración
propia. .............................................................................................................. 46
Figura 5.7 Esquema metodológico para la construcción de un índice basado en un sistema
difuso. Fuente: elaboración propia. ................................................................... 48
Figura 5.8 Esquema general del índice IVUCC. Fuente: elaboración propia. ................. 49
X
X
Figura 5.9 Estaciones hidrometeorológica del IDEAM que influyen en la cuenca del río
Blanco. Fuente: adaptado de geovisor IDEAM. ................................................. 53
Figura 6.1 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia. .... 82
Figura 6.2 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia. .... 83
Figura 6.3 Indicadores del grupo Susceptibilidad ecológica. Fuente: elaboración propia. 84
Figura 6.4 Indicadores del grupo Susceptibilidad socioeconómica. Fuente: elaboración
propia. ............................................................................................................... 85
Figura 6.5 Indicadores del grupo Susceptibilidad general. Fuente: elaboración propia. .. 86
Figura 6.6 Indicadores del grupo Capacidad adaptativa Social. Fuente: elaboración propia.
.......................................................................................................................... 88
Figura 6.7 Indicadores del grupo Capacidad adaptativa productiva. Fuente: elaboración
propia. ............................................................................................................... 90
Figura 6.8 Indicadores del grupo Capacidad adaptativa ecológica. Fuente: elaboración
propia. ............................................................................................................... 91
Figura 6.9 Indicadores del grupo Capacidad adaptativa socioeconómica. Fuente:
elaboración propia. ............................................................................................ 92
Figura 6.10 Indicadores del grupo capacidad adaptativa general. Fuente: elaboración
propia. ............................................................................................................... 93
Figura 6.11 Funciones de pertenencia índice IVUCC. Fuente: elaboración propia. ......... 94
Figura 6.12 Subdivisión de la cuenca en AHV. Fuente: elaboración propia. .................. 103
Figura 6.13 División y codificación de AHV de la cuenca del río Blanco. Fuente: elaboración
propia. ............................................................................................................. 104
Figura 6.14 Aplicación del subíndice de susceptibilidad en el AHV 200_3100_3400. Fuente:
elaboración propia. .......................................................................................... 106
Figura 6.15 Resultados distribuidos de la susceptibilidad social frente al cambio climático.
Fuente: elaboración propia. ............................................................................. 107
Figura 6.16 Resultados distribuidos de la susceptibilidad social frente al cambio climático.
Fuente: elaboración propia. ............................................................................. 108
Figura 6.17 Resultados distribuidos de la susceptibilidad ecológica frente al cambio
climático. Fuente: elaboración propia. ............................................................. 109
Figura 6.18 Resultados distribuidos de la susceptibilidad socioeconómica frente al cambio
climático. Fuente: elaboración propia. ............................................................. 110
Figura 6.19 Aplicación del subíndice de capacidad adaptativa en el AHV 200_3100_3400.
Fuente: elaboración propia. ............................................................................. 111
XI
XI
Figura 6.20 Resultados distribuidos de la capacidad adaptativa social frente al cambio
climático. Fuente: elaboración propia. ..............................................................112
Figura 6.21 Resultados distribuidos de la capacidad adaptativa productiva frente al cambio
climático. Fuente: elaboración propia. ..............................................................113
Figura 6.22 Resultados distribuidos de la capacidad adaptativa ecológica frente al cambio
climático. Fuente: elaboración propia. ..............................................................114
Figura 6.23 Resultados distribuidos de la capacidad adaptativa socioeconómica frente al
cambio climático. Fuente: elaboración propia. .................................................115
Figura 6.24 Aplicación del índice de IVUCC en el AHV 200_3100_3400. Fuente:
elaboración propia. ..........................................................................................116
Figura 6.25 Resultados distribuidos de la susceptibilidad de la cuenca del río Blanco al CC.
Fuente: elaboración propia. .............................................................................117
Figura 6.26 Resultados distribuidos de la capacidad adaptativa de la cuenca del río Blanco
al CC. Fuente: elaboración propia. ..................................................................117
Figura 6.27 Resultados distribuidos de la aplicación del índice IVUCC en la cuenca del río
Blanco. Fuente: elaboración propia..................................................................118
Figura 6.28 Amenazas exacerbadas por el CC en la cuenca del río Blanco. Fuente:
elaboración propia. ..........................................................................................120
Figura 6.29 Resultados de la evaluación del riesgo por inundación en la cuenca del río
Blanco. Fuente: elaboración propia..................................................................122
Figura 6.30 Resultados de la evaluación del riesgo por deslizamiento de tierra en la cuenca
del río Blanco. Fuente: elaboración propia. ......................................................123
Figura 6.31 Resultados de la evaluación del riesgo por anomalía de precipitación en la
cuenca del río Blanco. Fuente: elaboración propia. .........................................124
Figura 6.32 Resultados de la evaluación del riesgo por anomalía de temperatura en la
cuenca del río Blanco. Fuente: elaboración propia. .........................................125
Figura 6.33 Evaluación espacial del riesgo por CC. Fuente: elaboración propia. ...........127
Figura 10.1 Recorrido de la cuenca del río Blanco realizado con Drone. Fuente: elaboración
propia. .............................................................................................................149
Figura 10.2 Diagrama cajas y alambres de precipitación estación Chiles. Fuente:
elaboración propia. ..........................................................................................168
Figura 10.3 Diagrama cajas y alambres de precipitación estación Cumbal. Fuente:
elaboración propia. ..........................................................................................169
XII
XII
Figura 10.4 Diagrama cajas y alambres de precipitación estación San Luis. Fuente:
elaboración propia. .......................................................................................... 169
Figura 10.5 Diagrama cajas y alambres de temperatura estación San Luis. Fuente:
elaboración propia. .......................................................................................... 170
xiii
Lista de tablas
Pág. Tabla 1.1 Caminos de Forzamiento Radiativos (FR). Fuente: IDEAM et al (2015). .......... 5
Tabla 1.2 índices de cambio climático en la región andina nariñense. Fuente: adaptado de
Mayorga et al (2011). ........................................................................................ 11
Tabla 3.1 Antecedentes de evaluación de componentes de vulnerabilidad a nivel mundial.
Fuente: elaboración propia. .............................................................................. 16
Tabla 5.1 Cobertura por nivel de educación. Fuente: adaptado de Corponariño (2008). 41
Tabla 5.2 Documentos técnicos realizados dentro de la cuenca del río Blanco. Fuente:
elaboración propia. ........................................................................................... 44
Tabla 5.3 Información satelital de libre acceso y fácil de procesar para la cuenca
hidrográfica del río Blanco. Fuente: elaboración propia. ................................... 45
Tabla 6.1 Indicadores de susceptibilidad social. Fuente: elaboración propia. ................. 56
Tabla 6.2 Indicadores de susceptibilidad productiva. Fuente: elaboración propia. .......... 57
Tabla 6.3 Indicadores de susceptibilidad ecológica. Fuente: elaboración propia. ........... 58
Tabla 6.4 Indicadores de susceptibilidad socioeconómica. Fuente: elaboración propia. . 59
Tabla 6.5 Indicadores de capacidad adaptativa social. Fuente: elaboración propia. ....... 60
Tabla 6.6 Indicadores de capacidad adaptativa productiva. Fuente: elaboración propia. 62
Tabla 6.7 Indicadores de capacidad adaptativa ecológica. Fuente: elaboración propia. . 63
Tabla 6.8 Indicadores de capacidad adaptativa socioeconómica. Fuente: elaboración
propia. .............................................................................................................. 64
Tabla 6.9 Ficha técnica indicador de relación de dependencia. Fuente: elaboración propia.
......................................................................................................................... 64
Tabla 6.10 Ficha técnica indicador de Minorías raciales/ étnicos. Fuente: elaboración
propia. .............................................................................................................. 65
Tabla 6.11 Ficha técnica indicador de Dependencia de recursos forestales. Fuente:
elaboración propia. ........................................................................................... 66
Tabla 6.12 Ficha técnica indicador de Ocupaciones sensibles al clima. Fuente: elaboración
propia. .............................................................................................................. 67
xiv
Tabla 6.13 Ficha técnica indicador de Tierras de cultivo que necesitan irrigación. Fuente:
elaboración propia. ............................................................................................ 67
Tabla 6.14 Ficha técnica indicador de Perdida de salud ecosistemas. Fuente: elaboración
propia. ............................................................................................................... 68
Tabla 6.15 Porcentaje forestal en zonas con alta pendiente. Fuente: elaboración propia.
.......................................................................................................................... 69
Tabla 6.16 Ficha técnica indicador de Necesidades Básicas Insatisfechas sector rural y
urbano. Fuente: elaboración propia. .................................................................. 69
Tabla 6.17 Ficha técnica indicador de Proyectos de mitigación y adaptación a la variación
climática y cambio climático. Fuente: elaboración propia. ................................. 71
Tabla 6.18 Ficha técnica indicador de Área cubierta por niveles de educación. Fuente:
elaboración propia. ............................................................................................ 71
Tabla 6.19 Ficha técnica indicador de Hogares conectados a combustibles para cocinar de
forma eficiente. Fuente: elaboración propia. ...................................................... 72
Tabla 6.20 Ficha técnica indicador de Área que tiene acceso a carreteras. Fuente:
elaboración propia. ............................................................................................ 73
Tabla 6.21 Ficha técnica indicador de Acceso a información sobre VC y CC. Fuente:
elaboración propia. ............................................................................................ 73
Tabla 6.22 Ficha técnica indicador de Cambio de variedades de cultivo. Fuente:
elaboración propia. ............................................................................................ 74
Tabla 6.23 Ficha técnica indicador de Cambio de tipo de cultivo. Fuente: elaboración
propia. ............................................................................................................... 75
Tabla 6.24 Ficha técnica indicador de Diversificación de cultivos. Fuente: elaboración
propia. ............................................................................................................... 76
Tabla 6.25 Cooperación dentro de la comunidad agropecuaria. Fuente: elaboración propia.
.......................................................................................................................... 76
Tabla 6.26 Ficha técnica indicador de Trabajos secundarios al agrícola. ........................ 77
Tabla 6.27 Ficha técnica indicador de Aumento de cobertura forestal. Fuente: elaboración
propia. ............................................................................................................... 78
Tabla 6.28 Ficha técnica indicador de Márgenes de protección ribereña. Fuente:
elaboración propia. ............................................................................................ 78
Tabla 6.29 Ficha técnica indicador de Porcentaje de propiedad de la vivienda. Fuente:
elaboración propia. ............................................................................................ 79
xv
Tabla 6.30 Ficha técnica indicador de Diversificación fuentes de ingreso. Fuente:
elaboración propia. ........................................................................................... 80
Tabla 6.31 Reglas de decisión para el subíndice específico SS. Fuente: elaboración propia.
......................................................................................................................... 95
Tabla 6.32 Reglas de decisión para el subíndice específico SP. Fuente: elaboración propia.
......................................................................................................................... 96
Tabla 6.33 Reglas de decisión para el subíndice específico SE. Fuente: elaboración propia.
......................................................................................................................... 96
Tabla 6.34 Reglas de decisión para el subíndice específico SSE. Fuente: elaboración
propia. .............................................................................................................. 97
Tabla 6.35 Reglas de decisión para el subíndice S. Fuente: elaboración propia. ........... 97
Tabla 6.36 Reglas de decisión para el subíndice específico CS. Fuente: elaboración propia.
......................................................................................................................... 98
Tabla 6.37 Reglas de decisión para el subíndice específico CP. Fuente: elaboración propia.
......................................................................................................................... 98
Tabla 6.38 Reglas de decisión para el subíndice específico CE. Fuente: elaboración propia.
......................................................................................................................... 99
Tabla 6.39 Reglas de decisión para el subíndice específico CSE. Fuente: elaboración
propia. .............................................................................................................. 99
Tabla 6.40 Reglas de decisión para el subíndice C. Fuente: elaboración propia. ..........100
Tabla 6.41 Reglas de decisión para el índice IVUCC. Fuente: elaboración propia. .......101
Tabla 6.42 Ficha técnica del índice de vulnerabilidad IVUCC. Fuente: elaboración propia.
........................................................................................................................101
Tabla 6.43 Datos de entrada. Fuente: elaboración propia. ............................................105
Tabla 10.1 Datos DANE SIG-OT. Fuente: elaboración propia. ......................................146
Tabla 10.2 Datos Departamento Administrativo para la Prosperidad Social SIG-OT. Fuente:
elaboración propia. ..........................................................................................147
Tabla 10.3 Datos Departamento Nacional de Planeación SIG-OT. Fuente: elaboración
propia. .............................................................................................................148
Tabla 10.4 Reglas de decisión subíndice susceptibilidad social. Fuente: elaboración propia.
........................................................................................................................155
Tabla 10.5 Reglas de decisión subíndice susceptibilidad productiva. Fuente: elaboración
propia. .............................................................................................................156
xvi
Tabla 10.6 Reglas de decisión subíndice susceptibilidad ecológica. Fuente: elaboración
propia. ............................................................................................................. 156
Tabla 10.7 Reglas de decisión subíndice susceptibilidad socioeconómica. Fuente:
elaboración propia. .......................................................................................... 157
Tabla 10.8 Reglas de decisión subíndice general de Susceptibilidad. Fuente: elaboración
propia. ............................................................................................................. 157
Tabla 10.9 Reglas de decisión subíndice de capacidad adaptativa social. Fuente:
elaboración propia. .......................................................................................... 159
Tabla 10.10 Reglas de decisión subíndice de capacidad adaptativa productiva. Fuente:
elaboración propia. .......................................................................................... 162
Tabla 10.11 Reglas de decisión subíndice de capacidad adaptativa ecológica. Fuente:
elaboración propia. .......................................................................................... 165
Tabla 10.12 Reglas de decisión subíndice de capacidad adaptativa socioeconómico.
Fuente: elaboración propia. ............................................................................. 166
Tabla 10.13 Reglas de decisión subíndice general de capacidad adaptativa. Fuente:
elaboración propia. .......................................................................................... 166
Tabla 10.14 Reglas de decisión índice IVUCC. Fuente: elaboración propia. ................. 168
1
Introducción
La Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC)
definió el Cambio Climático (CC) como el “cambio del clima atribuido directa o
indirectamente a la actividad humana que altera la composición de la atmósfera global y
que se suma a la variabilidad natural del clima observada durante períodos de tiempo
comparables”. Estos cambios producidos en las condiciones climáticas han causado
impactos en los sistemas naturales y humanos en todo el mundo, alterando los sistemas
hidrológicos y generando impactos negativos en los rendimientos de los cultivos y la salud
humana (IPCC, 2014). El Cuarto Informe de Evaluación del IPCC (2007) afirma que los
efectos del CC variarán no solo según el clima y la geografía, sino también por grupos
sociodemográficos, debido a la variación en la capacidad de las comunidades humanas
para anticipar, resistir y recuperarse de los desastres naturales.
A pesar de las mejoras significativas en la reducción del riesgo de desastres a nivel local,
nacional, regional y global, como se refleja en distintos informes efectuados por
organizaciones relacionadas con las Naciones Unidas, los daños causados por los
desastres naturales también han aumentado (Almeida, Welle, y Birkmann, 2016). Aun con
todos los avances en el conocimiento y la reciente evolución en términos de mapeo,
evaluación de riesgo, satélites, alertas tempranas, Sistemas de Información Geográfica
(SIG), teledetección, técnicas de construcción, etc., todavía se producen desastres con un
gran número de muertes y heridos (Almeida et al., 2016).
A nivel mundial, en los últimos 20 años se han presentado grandes catástrofes
hidrometereológicas como los huracanes Mitch y George en 1998, el tsunami en el océano
indico en 2004, así como los huracanes Katrina y Stan en el 2005 (Aldunce, Neri, y
Szlafsztein, 2008). Si bien, en la ocurrencia de la catástrofes mencionadas no se puede
negar la contribución de los factores hidrometeorológicos, dichos sucesos no se habrían
convertido en grandes desastres de no ser por la presencia de factores humanos como el
2
crecimiento de la población, exposición de la población, manejo inadecuado del ambiente,
procesos marginalistas (exclusión social y desplazamiento) y problemas de gobernabilidad
(Aldunce et al., 2008; Almeida et al., 2016; IPCC, 2014).
Para Colombia, se estima que, si los niveles de emisiones globales de Gases de Efecto
Invernadero incrementa, la temperatura media anual podría aumentar gradualmente para
fin del siglo XXI (2100) en 2.14 °C; para el periodo 2071- 2100 la precipitación media
disminuiría entre 10 a 30% en cerca del 27% del territorio nacional (Amazonas, Vaupés,
sur del Caquetá, San Andrés y Provincia, Bolívar, Magdalena, Sucre y norte del Cesar) y
en cerca del 14% del territorio nacional la precipitación podría aumentar entre 10 a 30%
(Nariño, Cauca, Huila, Tolima, Eje Cafetero, Occidente de Antioquia, norte de
Cundinamarca, Bogotá y centro de Boyacá) (IDEAM, PNUD, MADS, DNP, y
CANCILLERÍA, 2015).
El cambio paulatino en la precipitación y temperatura de Colombia generado por el CC
podría ocasionar que los efectos de fenómenos de variabilidad climática tengan mayor
impacto en el territorio nacional (IDEAM et al., 2015). En Colombia, los desastres
hidrometereológicos están estrechamente vinculados con la Variación Climática (VC)
interanual, puesto que está depende del fenómeno Niño-Oscilación del Sur (ENSO) que
comprende una fase cálida (El Niño) y una fase fría (La Niña) (MADS, 2015). Este
fenómeno produce importantes efectos debido a que determinan los eventos hidrológicos
extremos en términos de sequía e inundaciones y en la oferta hídrica del país (IDEAM,
2015).
Como evidencia de los desastres producidos por el fenómeno ENSO, específicamente por
su etapa de enfriamiento o de alta precipitación (La Niña) ocurrida en el periodo 2010-
2011, que afectó a cuatro millones de personas, causó 491 muertes, destruyó 16.269
viviendas y afectó otras 545.940 en todo el país; en cuanto al sector productivo, se
afectaron cerca de un millón de hectáreas de tierra productiva y 115.000 cabezas de
ganado; en cuanto al trasporte, se afectaron noventa y ocho vías principales (IDEAM,
MADS, y UNDP, 2012). Las pérdidas mencionadas equivalen a casi el 2% del Producto
Interno Bruto (PIB) Colombiano (IDEAM et al., 2012). Por lo tanto, el fenómeno ENSO no
solo tiene repercusiones en la circulación atmosférica y oceánica del planeta, sino que
también repercute en los factores socioeconómicos que está muy relacionado con la
3
vulnerabilidad de las poblaciones y de los sectores productivos (Turbay, Nates, Jaramillo,
Velez, y Ocampo, 2014).
De acuerdo con los escenarios de CC para Colombia 2011-2100 los cambios esperados
en la temperatura y en la precipitación no serían los mismos para todo el territorio nacional,
lo cual indica que las medidas para hacer frente a posibles fenómenos deben ser diferentes
para cada región del territorio nacional (IDEAM et al., 2015). Por lo tanto, es más importante
que antes, desarrollar mecanismos de evaluación del riesgo y vulnerabilidad, que
contribuyen en la adaptación, comprensión de los riesgos de las amenazas naturales y
potenciales impactos del CC en la sociedad humana, en todos los niveles (local, nacional,
regional, mundial) (Almeida et al., 2016).
En este trabajo se pretende proponer una estrategia metodológica para la evaluación
espacial de la vulnerabilidad de una cuenca hidrográfica al CC, la estrategia se basa en la
integración de diferentes herramientas de análisis y espacialización. Como eje principal de
la estrategia metodológica se utilizó el modelo conceptual de riesgo y vulnerabilidad
sugerido por el IPCC (2014), del cual se desarrolló un índice compuesto basado en un
sistema difuso denominado Índice de Vulnerabilidad al Cambio Climático (IVUCC).
Además, se desarrolló una propuesta de subdivisión de zonas, para espacializar la
vulnerabilidad, denominada Áreas Homogéneamente Vulnerables (AHV) la cual se utilizó
para subdividir la cuenca hidrográfica del río Blanco y generar datos de vulnerabilidad
distribuidos resultantes del índice IVUCC.
El índice IVUCC fue desarrollado principalmente para las condiciones de la cuenca del río
Blanco ubicado en la región andina del departamento de Nariño. El índice IVUCC se
compone de dos categorías (susceptibilidad y capacidad adaptativa) que a su vez se
dividen en 8 subíndices, dos por cada tema: social, productivo, ecológico y
socioeconómico. Los subíndices se denominan: susceptibilidad social (SS), susceptibilidad
productiva (SP), susceptibilidad ecológica (SE), susceptibilidad socioeconómica (SSE),
capacidad adaptativa social (CS), capacidad adaptativa productiva (CP), capacidad
adaptativa ecológica (CE) y capacidad adaptativa socioeconómica (CSE). El subíndice SS
se compone de 3 indicadores, el subíndice SP se compone de 2 indicadores, el subíndice
SE se compone de 2 indicadores, el subíndice SSE se compone de 1 indicador, el
subíndice CS se compone de 5 indicadores, el subíndice CP se compone de 5 indicadores,
4
el subíndice CE se compone de 2 indicadores y el subíndice CSE se compone de 2
indicadores. En total, se utilizaron 22 indicadores.
El índice IVUCC puede ser utilizado como una herramienta para los tomadores de
decisiones a la hora de seleccionar y ubicar medidas de adaptación de forma más eficiente,
ya que el índice no sólo evalúa la vulnerabilidad desde temas sociales, productivos,
ecológicos y socioeconómicos sino que también patrones espaciales de vulnerabilidad.
Si bien el índice IVUCC fue desarrollado para una cuenca específica, tiene el potencial de
ser aplicada en las cuencas de la región Andina del departamento de Nariño ya que
presentan condiciones climáticas, hidrológicas, de relieve, culturales, sociales y
económicas similares. También, el índice IVUCC puede ser articulado con indicadores de
amenaza de inundación, deslizamiento de tierra, anomalías de precipitación y anomalías
de temperatura para generar mapas de riesgo por amenazas exacerbadas por el CC.
5
1. Planteamiento y justificación del problema
Desde la publicación de su primer informe de evaluación en el año 1990, el
Intergovernamental Panel on Climate Change (IPCC) ha presentado evidencias
incontrovertibles de los cambios observados y previstos del clima y sus impactos sobre
sociedades y ecosistemas (IPCC, 2007).
De acuerdo con la información dada en el quinto informe de evaluación del IPCC, para
finales del siglo XXl es probable que la temperatura global en superficie sea superior en
1.5°C con respecto a la del período entre 1850 y 1900 para todos los caminos de
forzamiento de concentración (por sus siglas en íngles RCP), salvo el RCP2.6. Es probable
que esa temperatura sea superior en 2°C para los escenarios RCP6.0 y RCP8.5, y más
probable que improbable que sea superior en 2°C para el escenario RCP4.5. El
calentamiento continuará después de 2100 en todos los escenarios RCP, excepto para el
RCP2.6. El calentamiento continuará mostrando una variabilidad entre interanaul y
decenal, y no será uniforme entre las regiones (IPCC, 2013). La Tabla (1.1) muestra los
cuatro caminos de Forzamiento Radiativos (FR) seleccionados por el IPCC para evaluar el
comportamiento de la concentración de emisión de Gases de Efecto Invernadero en el
planeta a 2100.
Tabla 1.1 Caminos de Forzamiento Radiativos (FR). Fuente: IDEAM et al (2015).
Escenario
Forzamiento Radiamento
(W/m2)
CO2eq atmosférico
(ppm)
Anomalía de
temperatura
Trayectoria
RCP8.5 8.5 >1370 4.9 2100, en aumento
RCP6.0 6.0 850 3 Estabilización después de 2100
RCP4.5 4.5 650 2.4 Estabilización después de 2100
6
Escenario
Forzamiento Radiamento
(W/m2)
CO2eq atmosférico
(ppm)
Anomalía de
temperatura
Trayectoria
RCP2.6 2.6 490 1.5 Picos antes de 2100 y después declina
Los principales efectos que se esperan por el CC según el IPCC (2013) son: en la mayoría
de las regiones del planeta habrá más episodios relacionados con extremos de alta
temperatura y menos relacionados con extremos de bajas temperaturas, olas de calor más
frecuentes y tendrán mayor duración, en algunas áreas aumentara la frecuencia,
intensidad y/o cantidad de precipitaciones fuertes.
El riesgo de desastres por variabilidad y extremos climáticos en el mundo a evolucionado
con el tiempo debido al CC y el desarrollo humano (IPCC, 2014). El costo del CC alcanzó
pérdidas abrumadoras no sólo en bienes materiales, sino también en biodiversidad y vidas
humanas, que los economistas calculan en billones de dólares, independientemente de
que la vida no pueda tasarse en dinero (Yepes-Mayorga, 2012).
El estudio realizado en el 2011 por el Instituto de Hidrología, Meteorología y Estudios
Ambientales (IDEAM) presentó la evidencia de CC en Colombia utilizando cuatro índices:
tendencia de la precipitación acumulada anual, tendencia de las precipitaciones fuertes,
tendencia de la temperatura máxima y tendencia de la temperatura mínima.
La tendencia con el mayor aumento de la precipitación acumulada anual se observa en el
noroccidente del país (en Antioquia y Chocó), en Vichada, el Piedemonte de Putumayo y
en la isla de Providencia y en cuanto a la mayor reducción de la precipitación anual se
observa en el suroccidente del país, especialmente en el occidente de Nariño, así como
en sectores del medio Magdalena, Boyacá y en sectores de Guainía (IDEAM, 2011) (Figura
1.1).
7
Figura 1.1 Mapa de tendencia de la precipitación acumulada anual (mm/año) en
Colombia. Fuente: IDEAM (2011).
El comportamiento de las precipitaciones de alta intensidad (tormentas o aguaceros) es
casi similar al de la precipitación total anual, en que la mayoría de las estaciones tienen
una tendencia al aumento (flechas azules), especialmente en amplios sectores de la
regiones Caribe, Andina, Pacífica y Orinoquía (IDEAM, 2011) (Figura 1.2).
La reducción de los eventos extremos ocurre en zonas aisladas de la Cordillera Oriental
(cuenca del río Sogamoso, Sabana de Bogotá el Piedemonte Amazónico) y Nariño
(IDEAM, 2011).
8
Figura 1.2 Tendencia de las precipitaciones fuertes o intensas en Colombia. Fuente:
IDEAM (2011).
Extensas zonas del territorio colombiano presentan una tendencia general al incremento
de las temperaturas máximas (flechas rojas), lo que repesenta que los días son más
calientes (IDEAM, 2011) (Figura 1.3).
El calentamiento bien definido se presenta a lo largo de la zona costera de la región Caribe,
en gran parte de la Orinoquía, los departamentos de Santander, Antioquia, Chocó, los
altiplanos Cundiboyacense y Nariñense, y a lo largo de los piedemontes Llanero y
Amazónico (IDEAM, 2011).
9
Figura 1.3 Tendencia de la temperatura máxima. Fuente: IDEAM (2011).
En extensas regiones del país existe una tendencia al aumento de la temperatura mínima
(flechas rojas) (Figura 1.4). Especialmente en la zona centro y sur del litoral Caribe, a lo
largo de la región Pacífica, la Amazonía, en amplios sectores de los departamentos de
Antioquia y Santander (IDEAM, 2011).
Gran parte del área de la Cordillera Oriental presenta disminución en la temperatura
mínima (flechas azules), lo cual se observa en las zonas de altiplano y páramo de los
departamentos de Cundinamarca, Boyacá y Santanderes (IDEAM, 2011).
10
Figura 1.4 Indicador relacionado con la tendencia de la temperatura mínima. Fuente:
IDEAM (2011).
Se presenta un aumento general en la tendencia de la temperatura máxima de la región
andina del departamento de Nariño. A diferencia de la temperatura máxima, la intensidad
de la precipitación, precipitación acumulada y temperatura mínima muestran tendencias
heterogéneas en las distintas estaciones distribuidas en la región andina del departamento
de Nariño. En la Tabla (1.2) se muestran los resultados de los cuatro índices aplicados en
el estudio del IDEAM (2011) para la región andina del departamento de Nariño.
11
Tabla 1.2 índices de cambio climático en la región andina nariñense. Fuente: adaptado
de Mayorga et al (2011).
Código estación
Municipio Altitud
(m.s.n.m) Precipitación Total al año
Tendencia Precipitaci
ón Acumulad
anual (mm/año)
Precipitación Intensidad
Temperatura Mínima
Temperatura Máxima
5204503 Alban 2190 + 1.8 + + +
5205507 Consaca 1700 - -3.5 + +
5205501 Ipiales 2961 + 3 - + +
5205504 Pasto 2820 + 2.7 + - +
4701510 Pasto 2830 + 2.1 - - +
5204501 Pasto 2710 + 3.4 + - +
5204502 Pasto 1796 - -3.4 - - +
4701508 Puerres 2710 - -2.8 - + +
5205506 Samaniego 1500 + 3.9 - - -
5205509 Tangua 2800 + 2.6 + +
5205502 Tuquerres 3120 - -0.4 + +
La evidencia de CC en Colombia presentada por el IDEAM muestra que si bien la
temperatura máxima en la región andina de Colombia tiende a incrementar, la intensidad
de la precipitación, la precipitación acumulada y la temperatura mínima tienen tendencias
espacialmente heterogéneas, incluso en la región andina nariñense (IDEAM, 2011). Esta
información permite reconocer que los cambios del clima no presentan tendencias
similares en la región andina nariñense. Lo cual, desde el punto de vista meteorológico es
reflejado en la heterogeneidad espacial de los niveles de exposición y vulnerabilidad social.
El 46% de la población del departamento de Nariño se encuentra ubicada en la región
andina, y de esta el 53% vive en zonas rurales cuyo principal sector económico es el
agropecuario, el cual es influenciado por las variables climáticas (CEPAL, 2007; Viloria,
2007). Debido a la alta influencia del clima en el desarrollo económico de gran parte de la
región andina, adaptarse a las nuevas condiciones generadas por el CC es una necesidad
para garantizar la sostenibilidad económica, social y ambiental de la región. Para lo cual
es necesario fijar una línea base la cual se establece comprendiendo los factores que
modifican la vulnerabilidad, de esta forma se puede seleccionar las mejores alternativas
de adaptación.
12
El fenómeno ENOS causa alteraciones climáticas sobre todo el territorio colombiano que
afecta el medio natural y el ciclo hidrológico; este fenómeno causa situaciones extremas
principalmente, en la distribución de la temperatura del aire y de la precipitación (Quintero-
Angel, Carvajal-Escobar, y Aldunce, 2012).
En Colombia, durante El Niño (fase cálida), se presenta una disminución en la precipitación
y un incremento en la temperatura media del aire; se considera que sus efectos son más
fuertes sobre el occidente del país (Quintero-Angel et al., 2012). Durante La Niña (fase
fría), ocurren anomalías contrarias, con eventos de precipitación muy intensos;
estrechamente asociados al aumento de caudales. El impacto de la fase fría es
representado por crecientes, inundaciones, avalanchas y derrumbes que repercuten en la
pérdida de vidas humanas, cosechas, infraestructura, entre otros bienes económicos.
(Quintero-Angel et al., 2012).
Colombia no ha sido ajena a las variaciones drásticas del clima global; en el año 2010, el
país evidenció uno de los períodos más críticos en términos de anomalías en precipitación
frente al promedio anual (García, Piñeros, Bernal, y Ardila, 2012). El mes de julio de 2010
fue el más lluvioso de los últimos 30 años, debido a que se presentaron lluvias por encima
de lo normal en la región Caribe, Andina y Pacífica (García et al., 2012). Asimismo, en
diciembre de 2010, se presentaron inundaciones severas por los efectos de la Niña y
también tuvo una actividad significativa durante el año 2011 (García et al., 2012).
Hoy más que nunca es importante desarrollar evaluaciones de vulnerabilidad que
contribuyan en la comprensión de los impactos potenciales de la amenazas naturales y del
CC en la sociedad humana en todos los niveles (local, nacional, regional, global) ya que
sin una acción de adaptación a estos impactos decidida en todos los niveles en el futuro
será mucho más difícil y costosa, no solo para la generación actual sino que también para
las futuras (Almeida et al., 2016; Robinson, 2018). Al mismo tiempo, comprender los
impactos potenciales del CC ayudará en la toma de las mejores decisiones al momento de
generar medidas de adaptación y mitigación, las cuales no solo repercuten en la
actualidad, sino que también en generaciones futuras (IPCC, 2014).
Como respuesta a los problemas generados por el CC, se propusieron dos grandes tipos
de medidas: la mitigación (disminuir en la atmosfera la concentración de gases de efecto
invernadero) y la adaptación (reducir la vulnerabilidad de comunidades y ecosistemas
frente al CC) (CATIE, 2010). Hasta ahora, los acuerdos internacionales, como la CMNUCC
13
ha puesto énfasis en la mitigación. Sin embargo, con las evidencias de que unos grados
de calentamiento global son inevitables, se está poniendo cada vez más atención en la
adaptación a nivel internacional, nacional y local (CATIE, 2010).
En la literatura científica existen varios métodos para evaluar la vulnerabilidad frente al CC,
los cuales difieren en su complejidad y escala de aplicación, debido a su alta complejidad
(Almeida et al., 2016; Satta, Snoussi, Puddu, Flayou, y Hout, 2016).
A pesar que los índices compuestos pueden evaluar la vulnerabilidad en diferentes escalas
y sistemas geográficos diversos, han sido criticados porque son discutiblemente
insensibles a las diferencias contextuales y a las distribuciones espaciales y temporales de
los impactos, produciendo valores simplificados (Neset, Wiréhn, Opach, Glaas, y Linnér,
2018).
Al comparar los resultados de varios índices aplicados en la misma área geográfica de la
región andina del departamento de Nariño, se encontró que los resultados difirieron
significativamente debido a la selección de indicadores y a su ponderación. El estudio de
la WWF (2013) realizado a nivel nacional, subdividido en 9 nodos, dió como resultado que
la región andina del departamento de Nariño presenta vulnerabilidad de “Alto” a “Muy Alto”.
A nivel del departamento de Nariño, Guevara et al (2016) realizó la evaluación de
vulnerabilidad al CC generando resultados a escala municipal en el cual el municipio de
Pasto presenta un nivel de vulnerabilidad “Muy Alto”. Finalmente, en la cuenca Dolores
ubicada en la región andina del departamento de Nariño se realizó la evaluación de
vulnerabilidad al CC a escala de cuenca dejando como resultado un nivel regular de
vulnerabilidad (Rosero, 2015). La región andina del departamento de Nariño cuenta con
tres estudios de vulnerabilidad al cambio climático realizado en diferentes escalas y
metodologías: Ocampo (2012), Vargas (2014) y Rosero (2015). Ninguna de las
investigaciones de vulnerabilidad al CC realizadas en la región Nariñense evalúa la
vulnerabilidad y el riesgo social al CC utilizando el modelo conceptual del IPCC (2014), lo
cual no permite clasificar los niveles de susceptibilidad y capacidad de adaptación.
La cuenca del río Blanco se caracteriza por información limitada relacionada con las
amenazas naturales. Si bien, esta cuenca cuenta con un Plan de Ordenamiento de
Recurso Hídrico (PORH) y un Plan de Ordenación y Manejo de la Cuenca hidrográfica
(POMCA), los documentos se concentran en la descripción de la cantidad y calidad del
14
recurso hídrico, contienen poca información cartográfica y la información de amenazas
naturales no es profundizada, solo es mencionada.
Teniendo en cuenta lo anterior, surge la siguiente pregunta de investigación:
¿Cómo se puede evaluar espacialmente la vulnerabilidad por cambio climático en la
cuenca del río Blanco, teniendo en cuenta la disponibilidad de información existente?
Ahora bien, es evidente que muchas investigaciones han estudiado por separado la
vulnerabilidad y el riesgo social, como conceptos sin relación entre ellos, como lo explica
Díaz (2018). Cuando no se considera la relación entre vulnerabilidad y riesgo existe la
tendencia a no valorar en su totalidad la capacidades analíticas de los dos conceptos (Díaz,
2018). Por una parte, el concepto de vulnerabilidad puede ser utilizado como una etiqueta
para determinados grupos sociales, sin evidenciar las características que le dan esa
etiqueta y, por otra parte, los estudios de riesgo se pueden enfocar en estimaciones
probabilísticas, pero sin tener en cuenta los procesos sociales que lo produce (Díaz, 2018).
En tal sentido, en este estudio se considera necesario incluir como objetivo específico el
realizar una exploración de la posibilidad de evaluar el riesgo frente al CC incorporando la
estrategia metodológica para la evaluación espacial de la vulnerabilidad, por tanto surge
la siguiente pregunta:
¿Cómo articular los resultados de la evaluación espacial de la vulnerabilidad de la cuenca
del río Blanco con indicadores de amenazas exacerbados por el cambio climático de bajos
requisitos para elaborar mapas de riesgo por el cambio climático?
Por tanto, debido a las características particulares de las comunidades rurales, de las
condiciones naturales, de los servicios ecosistémicos y de la disposición de información de
la cuenca del río Blanco, es relevante realizar esta investigación por el potencial en la toma
de decisiones en la adaptación social que representa. Los resultados de esta investigación
permiten que los tomadores de decisiones seleccionen estrategias de adaptación basadas
en la distribución espacial y en el nivel de la vulnerabilidad y riesgo por CC en la cuenca
del río Blanco. De esta forma, también se aporta en la compresión de la vulnerabilidad y el
riesgo por CC; en la futura planeación del territorio (lo cual reducirá costos por evacuación,
desplazamiento y re-ubicación de comunidades); en el mejoramiento en la toma de
decisiones de adaptación de las comunidades y generar medidas de mitigación de acuerdo
con las condiciones de la zona.
15
2. Objetivos
2.1 Objetivo general
Proponer una estrategia metodológica para evaluar espacialmente la vulnerabilidad al
Cambio Climático en la cuenca del río Blanco.
2.2 Objetivos específicos
Desarrollar indicadores para evaluar la vulnerabilidad frente a cambio climático de
una cuenca andina del departamento de Nariño.
Construir un índice de evaluación de la vulnerabilidad frente a cambio climático
para la cuenca del río Blanco- Nariño.
Aplicar el índice de evaluación de vulnerabilidad frente al cambio climático en la
cuenca del río Blanco ubicada en el departamento de Nariño.
Explorar la posibilidad de evaluar el riesgo por cambio climático en la cuenca del
río Blanco.
16
3. Antecedentes
Se han realizado diversos estudios de evaluación de vulnerabilidad y riesgo tanto a escala
mundial, nacional e incluso a nivel de la región andina del departamento de Nariño. A
continuación, se muestran antecedentes de herramientas y escalas utilizadas para la
evaluación de vulnerabilidad y riesgo frente al CC.
3.1 Nivel mundial
A nivel mundial se ha realizado una gran cantidad de estudios relacionados con la
evaluación del riesgo y la vulnerabilidad al CC, con escalas de aplicación, metodologías e
incluso objetivos diferentes.
En la literatura se encuentran estudios de evaluación de la vulnerabilidad al CC desde
escalas grandes como la realizada por Mapplecroft (2014), en la cual se evaluó la región
de América Latina y el Caribe, hasta escalas pequeñas como fincas agrícolas y hogares
(Abid, Schilling, Scheffran, y Zulfiqar, 2016; Pandey y Bardsley, 2015) (Tabla 3.1).
Tabla 3.1 Antecedentes de evaluación de componentes de vulnerabilidad a nivel mundial.
Fuente: elaboración propia.
Autor Escala País Metodología
Abid et al (2016)
Finca agrícola
Pakistán
Cuestionario (entrevistas dirigidas a científicos y comunidad)
Concepto de vulnerabilidad al cambio climático por el IPCC (2007)
Lista de riesgos por eventos climáticos
Almeida et al (2016)
Distrito Brasil Índice sistémico
SIG
Batisha (2015) Delta río Nilo Egipto Índice sistémico
17
Autor Escala País Metodología
Fuzzy Decisión Making Technique
Bär, Rouholahnejad,
Rahman, Abbaspour, y
Lehmann (2015)
Cuenca del Mar negro
Más de un país
Indicadores
Modelo Fuerza motriz - Presión-Estado- Impacto - Respuesta (FPEIR)
Concepto de vulnerabilidad al cambio climático por el IPCC (2007)
Modelación hidrológica con SWAR
Buotte, Peterson,
McKelvey, y Hicke (2016)
Subregión (Sistema
nacional de tierras
forestales )
Estados Unidos
Cuestionario (entrevistas dirigidas a científicos)
Lista de seguimiento de especies
Dong et al (2015)
Condado (4885 km)
China ( Mongolia Interior)
Índice sistémico
Indicador cuantitativo
Concepto de vulnerabilidad al cambio climático por el IPCC (2007)
Dumenu y Obeng (2016)
Comunidades rurales
Ghana
Indicadores
Entrevistas
El-Zein y Tonmoy (2015)
15 áreas de la ciudad de
Sídney Australia
Indicadores cuantitativos y semi-cuantitativos
Lógica difusa
KC, Shepherd, y Gaither
(2015)
Estado (Georgia)
Estados Unidos
SIG
Análisis estadístico de precipitación y temperatura
Kumar, Geneletti, y Nagendra
(2016)
Ciudad metropolitana de Bangalore
India
Indicadores recolectados con revisión de literatura
Entrevistas semi-estructuradas (grupos focales) y encuestas exploratorias
Liu, Willems, Bao, Wang, y Chen (2016)
Zona árida (1.972.765
km 2)
China (noroeste)
Índice sintético
Indicador cuantitativo
SIG
Mapplecroft (2014)
Región de América
Latina y el Caribe
Distintos países
Concepto de vulnerabilidad al cambio climático por el IPCC (2007)
Índice sistémico
SIG
Nguyen, Liou, Li, y Tran
(2016) Provincia Vietnam
SIG
Proceso de análisis jerárquico (AHP)
Información satelital
18
Autor Escala País Metodología
Pandey y Bardsley (2015)
Hogares en Cuencas
hidrográficas Nepal Entrevistas cara a cara
Satta et al (2016)
Zonas costeras (40
km) Marruecos
Índice sistémico
SIG
Concepto de riesgo al cambio climático por el IPCC (2014)
van Wesenbeeck, Sonneveld, y
Voortman (2016)
Comunidades rurales (varios países)
África Subsahariana
Encuestas georreferenciadas de demografía y salud
Por lo general, las herramientas metodológicas utilizadas en la valoración de la
vulnerabilidad en los anteriores estudios son: índices sintéticos, indicadores, SIG, modelos
analíticos como Fuerza motriz - Presión-Estado-Impacto –Respuesta, concepto de riesgo
sugeridos por el IPCC, cuestionarios, entrevistas, modelación hidrológica, lógica difusa,
antecedentes históricos de desastres e información satelital.
La literatura científica muestra que las investigaciones realizadas concernientes a la
evaluación de la vulnerabilidad y el riesgo frente a CC no siempre tienen la misma finalidad.
Por tanto, con la revisión de literatura realizada en este estudio se identificaron 4
finalidades de los estudios de evaluación de la vulnerabilidad y el riesgo al CC: medir los
impactos, generar medidas, realizar seguimiento y finalmente apoyar la toma de
decisiones.
Dong et al (2015) y Buotte et al (2016) enfocaron sus estudios de evaluación en medir los
impactos del CC en sistemas productivos, económicos, sociales y ecológicos. El estudio
realizado por Buotte et al (2016) consistió en evaluar la sensibilidad de especies o recursos
a los efectos directos e indirectos del CC. Por otra parte Vargas (2014), Pandey y Bardsley
(2015) y KC et al (2015) realizan la evaluación de la vulnerabilidad de un sistema al CC
con el fin de establecer qué tan sustentable son ambiental y socialmente.
Estudios como los de Liu et al (2016), Dong et al (2015) y Buotte et al (2016) realizaron la
evaluación de la vulnerabilidad y el riesgo con el objetivo de desarrollar y aplicar estrategias
de adaptación y mitigación adecuadas frente al CC. De forma adicional, Bär et al (2015),
El-Zein y Tonmoy (2015), Nguyen et al (2016), Pandey y Bardsley (2015) mencionaron en
sus estudios la importancia de la evaluación de la vulnerabilidad y el riesgo en la tarea de
19
priorizar zonas con mayor necesidad de acciones de adaptación, de tal forma que se
mejore la asignación de recursos en adaptación frente al CC como lo mencionan El-Zein y
Tonmoy (2015) Nguyen et al (2016). Así mismo Buotte et al (2016), Batisha (2015)
utilizaron la evaluación de la vulnerabilidad y el riesgo para proporcionar un marco de
referencia para proyecciones de futuras condiciones climáticas y realizar la planeación a
largo plazo con la finalidad de contribuir con el aprovechamiento de las oportunidades que
surjan del CC (modificación sistema natural o humano).
Bär et al (2015), Van Wesenbeeck et al (2016) mencionan que la evaluación de la
vulnerabilidad y el riesgo frente al CC sirve para guiar la toma de decisiones y dar prioridad
a las intervenciones de adaptación y mitigación. Estudios como los de Dong et al (2015),
Bär et al (2015), Abid et al (2016), Kumar et al (2016) y Pandey y Bardsley (2015) explican
la importancia de la evaluación de la vulnerabilidad y el riesgo frente al CC para guiar a los
responsables políticos y facilitar el análisis normativo de las acciones para mejorar el
bienestar mediante la reducción del riesgo por CC basado en evidencia científica. Dumenu
y Obeng (2016) utilizó su estudio de evaluación de la vulnerabilidad para demostrar la
necesidad de políticas específicas en un área determinada para reducir la vulnerabilidad y
mejorar la adaptación dentro de las comunidades rurales.
Como se menciona anteriormente, la evaluación de la vulnerabilidad y el riesgo puede
tener distintos objetivos; sin embargo, un estudio de evaluación uno o varios objetivos
(medir los impactos, generar medidas, realizar seguimiento y finalmente apoyar la toma de
decisiones). Por tanto, este estudio fue desarrollado con la finalidad de proponer un marco
de referencia para generar medidas de adaptación y apoyar la toma de decisiones de los
actores institucionales y sociales de la cuenca del río Blanco.
3.2 Nivel de la región andina colombiana
A partir del 2010, el IDEAM, en conjunto con cabildos indígenas de Kokonuco, Paletará,
Poblazón, Puracé, Quintana, y las organizaciones campesinas Asocampo y
Asoproquintana plantearon el “Programa de Integración de Ecosistemas y Adaptación al
Cambio Climático en el Macizo Colombiano” en el cual se evaluó la vulnerabilidad al CC y
a la Variación Climática del Macizo colombiano. Este estudio se basó en la definición de
vulnerabilidad del IPCC (2001) en la cual se estableció que la vulnerabilidad está en
función de la exposición, sensibilidad y la capacidad de adaptación. Además, se utilizaron
20
indicadores en función del eje de la gestión del recurso hídrico, del eje de sistema
productivo y el eje de ecosistemas. En este estudio también se utilizan los SIG para
representar la vulnerabilidad en los resguardos ubicados en el macizo colombiano (IDEAM,
2010). En conclusión, en este estudio se utilizó el modelo conceptual de vulnerabilidad del
IPCC (2001) y los SIG.
El Comprehensive Approach to Probabilistic Risk Assessment (CAPRA) es una
metodología y una plataforma de información técnico-científica, que integra una serie de
herramientas para la evaluación y comunicación del riesgo de desastres debido a eventos
naturales (Cardona, Ordaz, Reinoso, y Barbat, 2011). Se desarrolló para amenazas como
sismos, tsunamis, huracanes, inundaciones, deslizamientos y volcanes (Cardona et al.,
2011). Este modelo interactúa con los SIG y permite la evaluación de pérdidas por
elementos expuestos utilizando métricas probabilísticas como la curva de probabilidad de
excedencia, la pérdida anual esperada y la pérdida máxima probable. CAPRA ha sido
aplicado en Colombia, México, Perú, Bolivia, Ecuador, Guayana, Jamaica, Países de
Centro América, España, Nepal (Cardona et al., 2011). En Colombia, esta metodología ha
sido aplicada en la evaluación de riesgo sísmico como es el caso de Bogotá y Manizales
(Salgado, Zuloaga, y Cardona, 2013). También, se ha realizado una aplicación a nivel de
cuenca como se expresa en el Plan de Ordenación de la Cuenca del río Chinchiná, en el
cual se evaluó el riesgo a diferentes amenazas como deslizamientos, inundación, sismos
y volcánica (CORPOCALDAS y UNAL, 2013).
Ocampo (2012) realizó el análisis de vulnerabilidad del recurso hídrico de la cuenca del río
Chinchiná para condiciones estacionarias y de CC. Esta cuenca está ubicada en el
departamento de Caldas, andes centrales. En este estudio se utilizaron herramientas de
modelación hidrológica, SIG, análisis estadístico y escenarios de CC futuros.
En el 2012 se inició el proyecto denominado “Reducción del riesgo y de la vulnerabilidad
frente al CC en la región de la Depresión Momposina en Colombia”. Este proyecto tuvo
como objetivo reducir la vulnerabilidad de las comunidades y de los humedales en la región
de la Depresión Momposina a los riesgos de inundación y de sequía asociados con el CC
y la VC. La Depresión Momposina se encuentra en contacto con las provincias
biogeográficas del Chocó- Magdalena, Andes del Norte y el Caribe (IDEAM et al., 2012).
Para la evaluación de la vulnerabilidad, se utilizó el modelo metodológico desarrollado por
el IDEAM et al (2012), el cual se basa en el concepto de vulnerabilidad del IPCC (2007).
21
Esta metodología busca suministrar aportes para el diseño y la evaluación de medidas de
adaptación para la subregión de la Mojana y los municipios del área objetivo, con la
posibilidad de incluir criterios gerenciales que ayuden a reducir la vulnerabilidad (IDEAM
et al., 2012).
En este estudio se utilizaron escenarios de CC (variación proyectada de lluvia y
temperatura), se analizaron los cambios de escorrentía en los escenarios de CC y VC, se
analizó la tendencia de la vulnerabilidad y se elaboraron mapas de riesgo de inundación
con información de radar de alta resolución (LIDAR) e imágenes ópticas como (RapidEye,
GeoEye y/o Quick Bird) (IDEAM et al., 2012).
En el 2013 la WWF publicó el documento “Nodos Regionales de Cambio Climático” en el
cual se propuso una línea base de análisis de riesgos climáticos y necesidades de
adaptación climática. En este documento se reportaron los resultados de la evaluación de
la vulnerabilidad climática de mediano y largo plazo del país, basado en el concepto de
vulnerabilidad del IPCC (2007). En este estudio, Colombia se dividió en 9 nodos: en primer
lugar el Nodo Caribe, en segundo lugar el Nodo Pacifico Norte, en tercer lugar el Nodo
Antioquia, en cuarto lugar el Nodo Norandino, en quinto lugar el Nodo Orinoquia, en sexto
lugar el Nodo Centroandino, en séptimo lugar el Nodo Eje Cafetero, en octavo lugar el
Nodo Amazonia y por último lugar el Nodo Pacifico Sur (WWF, 2013).
En el departamento del Huila ubicada en la cordillera oriental de los andes se desarrolló
en el 2014 el “Plan de Cambio climático Huila 2050: preparándose para el cambio
climático”. En este estudio se realizó la evaluación de la vulnerabilidad del departamento
del Huila al CC con un índice de resolución municipal basado en la definición de
vulnerabilidad del IPCC (2001), la cual define la vulnerabilidad en función del impacto
potencial y la capacidad de adaptación, donde el impacto potencial es la suma de la
sensibilidad del sistema y la exposición del sistema a cambios climáticos. Además, el
estudio cuenta la dimensión social, dimensión biofísica, político-institucional y la
económico-productiva. Adicionalmente, se utilizan los SIG para representar en el mapa
departamental la vulnerabilidad de cada uno de los municipios (Gobernacion del Huila et
al., 2014).
El prototipo Wep CUENCANDINA 1.0 es un sistema soporte a las decisiones basado en
conocimiento, diseñado para apoyar la toma de decisiones en una microcuenca andina
(Vargas, 2014). El prototipo está basado en 6 índices compuestos: en primer lugar el índice
22
de calidad de agua superficial (ICASup), en segundo lugar el índice de degradación del
suelo (IDS), en tercer lugar índice de cambio climático (ICC), en cuarto lugar índice de
educación y cultura del agua (IEDCA), en quinto lugar índice de gobernanza del agua
(IGBA), en sexto lugar índice de datos, información y conocimiento (IDIC). Los índices
integran los modelos analíticos, indicadores PER (presión, estado, respuesta) y lógica
difusa (Vargas, 2014).
Entre los 6 índices del prototipo CUENCANDINA se encuentra el Índice de vulnerabilidad
al Cambio Climático (ICC). El índice se compone de 6 indicadores: emisión de bióxido de
carbono (ICO2), variación de la precipitación (VPA), variación de la temperatura (VTA),
Ocurrencia de eventos naturales extremos (IEN), medidas de mitigación y adaptación al
cambio climático (MACC) y finalmente el indicador inversión en el abatimiento y control de
la contaminación del aire (IMA) (Vargas y Restrepo, 2018).
El índice fue aplicado por primera vez en la microcuenca el Chocho ubicada en la cuenca
del río Cali, Valle del Cauca (Vargas y Restrepo, 2018). Los resultados obtenidos en la
aplicación del índice ICC en la cuenca el Chocho muestran una aproximación de la
vulnerabilidad de la cuenca, la cual se subdividió en parte alta, media y baja. La primera
aplicación del índice ICC muestra su facilidad de uso debido a que gran parte de la
información utilizada es secundaria.
Además de los documentos mencionados, en la región andina colombiana también se
presentan otros estudios como los planes de adaptación al CC de los municipios de Tuluá,
Buga, Pitalito y del departamento de Risaralda, ubicados en la plataforma del Ministerio de
Ambiente y Desarrollo Sostenible.
3.3 Nivel de la región andina del departamento de Nariño
En el 2015, Rosero (2015) efectuó la evaluación de la microcuenca Dolores ubicada en
parte alta de la cuenca del río Pasto, región andina del departamento de Nariño (Figura
3.1). La evaluación de la vulnerabilidad se realizó aplicando el índice ICC propuesto en el
prototipo Web CUENCANDINA 1.0 mencionado anteriormente y trabajado por Vargas y
Restrepo (2018).
En el estudio de Rosero (2015) se subdivide la micro cuenca en 3 zonas, la parte alta que
es la que contiene una mayor densidad poblacional, la parte media en la cual se desarrollan
23
las actividades agropecuarias y la parte baja la cual presenta coberturas forestales densas
y fragmentadas. La aplicación del índice ICC en la cuenca Dolores muestra la facilidad de
conseguir la información útil para su ejecución, debido a que sus indicadores pueden ser
aplicados tanto con información secundaria como primaria. Sin embargo, los indicadores
que componen el índice no contemplan la susceptibilidad social, limitando la comprensión
y la toma de decisiones hacia ese sector.
Figura 3.1 Ubicación de la microcuenca Dolores. Fuente: Rosero (2015).
La Corporación Autónoma Regional del departamento de Nariño junto con World Wildlife
Fund (WWF) publicaron en el 2016 el Plan Territorial de Adaptación Climática (PTAC) del
departamento de Nariño cuyo objetivo general es “brindar lineamientos técnicos y políticos
que faciliten la adopción de los principios y elementos de una adaptación climática
planificada dentro de la gestión de Corponariño y de los demás actores regionales en el
departamento de Nariño con competencia en el tema” (Figura 3.2). El PTAC Nariño es la
primera experiencia de planificación de adaptación climática para los departamentos del
Nodo Pacífico Sur de Cambio Climático (Cauca, Valle del Cauca y Nariño) (Guevara et al.,
2016).
24
Figura 3.2 Departamento de Nariño. Fuente: Guevara et al (2016).
En la hoja de ruta para la elaboración de los planes de adaptación al CC se establece que
la vulnerabilidad se encuentra en función de la exposición, sensibilidad y la capacidad
adaptativa de un sistema, y el riesgo está en función de la amenaza, la exposición y la
vulnerabilidad (DNP, MADS, IDEAM, y UNGRD, 2013), a diferencia de lo mencionado en
el Plan Territorial de Adaptación Climática del departamento de Nariño, donde establecen
que la vulnerabilidad está en función del riesgo, sensibilidad y la capacidad de adaptación.
Tanto a nivel mundial, nacional como local se ha tratado de estimar la vulnerabilidad y el
riesgo al CC utilizando escalas y metodologías diferentes. Esto se puede deber a la
complejidad que la vulnerabilidad y el riesgo al CC representa, ya que no sólo varían por
las condiciones naturales o sociales (tomadas de forma separada), sino que también varían
por las relaciones de lo social y lo natural.
Si bien, en la región andina, tanto a nivel nacional como departamental se han realizado
evaluaciones de vulnerabilidad y riesgo en cuencas hidrográficas, ninguna de las
investigaciones evalúa la vulnerabilidad y el riesgo social al CC utilizando el modelo
25
conceptual del IPCC (2014), lo cual no permite clasificar los niveles de susceptibilidad y
capacidad de adaptación. Por otra parte, los estudios de vulnerabilidad al CC no superan
el detalle de una escala 1:50.000 reduciendo la posibilidad de especificar y optimizar las
medidas necesarias para reducir la vulnerabilidad. Igualmente, no se ha implementado la
lógica difusa en los indicadores utilizados para evaluar la vulnerabilidad social en las
cuencas de la región andina de Nariño lo cual ha limitado la selección de indicadores al no
poder representar fácilmente la incertidumbre.
26
4. Marco teórico
4.1 Variabilidad climática
De acuerdo a la CMNUCC la VC se define como la “variación del clima por causas
naturales”(IPCC, 2014; Naciones Unidas, 1992).
Colombia tiene regímenes de precipitación y de VC muy significativos a lo largo y ancho
del país: en el sur de Colombia, la estacionalidad entre lluvia y menos lluvia está invertida
con respecto a la del centro del país, mientras que, en la región Andina, los regímenes de
precipitación tienen una tendencia bimodal y en la región Caribe la tendencia es unimodal
(García et al., 2012). Con un régimen climático que varía significativamente entre regiones,
los efectos de las alteraciones climáticas no se perciben de manera homogénea en el
territorio nacional (García et al., 2012). La VC se representa por fenómenos naturales como
el evento cálido El Niño y su enfriamiento, La Niña, conocidos conjuntamente como El Niño
Oscilación Sur (ENOS) (Quintero-Angel et al., 2012).
4.2 Cambio climático
El concepto de CC está sujeto a distintas interpretaciones que suele ocasionar la confusión
con VC, el efecto invernadero, o el calentamiento global (Quintero-Angel et al., 2012). En
este estudio se tienen en cuenta solo la definición de la CMNUCC y del IPCC: En 1992 la
CMNUCC define el CC como “el cambio del clima atribuido directa o indirectamente a las
actividad humana que altera la composición de la atmósfera global y que se suma a la
variabilidad natural del clima observada durante periodos de tiempo comparables”. En
cuanto a los informes del IPCC, se refieren al CC como todo cambio en el clima, ya sea
por la variabilidad natural o como resultado de las actividades antrópicas, como la
alteración de la composición atmosférica o al uso de la tierra (IPCC, 2007; Yepes-Mayorga,
2012).
27
4.3 Riesgo
De acuerdo con el IPCC (2014), el riesgo al CC es “la probabilidad de acaecimiento de
sucesos o tendencias peligrosos multiplicada por los impactos en caso de que ocurran
tales sucesos o tendencias”. Los riesgos resultan de la interacción de la vulnerabilidad, la
exposición y los peligros (amenazas)” (IPCC, 2014) (Figura 4.1).
Figura 4.1 Esquema de la interacción entre el sistema climático físico, la exposición, la
vulnerabilidad y el riesgo. Fuente: IPCC (2014).
El riesgo se puede considerar como una función de tres factores:
Riesgo = f (amenaza, la vulnerabilidad, la exposición)
De acuerdo con varias investigaciones en las cuales se utilizaron índices para evaluar el
riesgo (Satta et al., 2016) el riesgo (R) sigue una fórmula multiplicativa, basada en la
formula estándar de riesgo como el producto (o más correctamente la convolución) de
amenaza, exposición, y la vulnerabilidad como se describe en la siguiente ecuación
simplificada (Ecuación 1):
𝑹 = 𝑨 ∗ 𝑽 ∗ 𝑬 (Ec. 1)
Donde:
R= riesgo
28
A= amenaza
V= vulnerabilidad
E= exposición
4.4 Vulnerabilidad
Existen gran variedad de definiciones de vulnerabilidad, es por esto que en este estudio
se identificaron algunas a nivel nacional como las proporcionadas por la Ley 1523 del 2012
y MADS (2014) y definiciones internacionales como las que se proponen en los estudios
de Adger (2006) e IPCC (2007, 2014):
De acuerdo con la Ley 1523 (2012) en su artículo 4, numeral 27 se define la vulnerabilidad
como la: “Susceptibilidad o fragilidad física, económica, social, ambiental o institucional
que tiene una comunidad de ser afectada o de sufrir efectos adversos en caso de que un
evento físico peligrosos se presente. Corresponde a la predisposición a sufrir pérdidas o
daños de los seres humanos y sus medios de subsistencia, así como de sus sistemas
físicos, sociales, económicos y de apoyo que pueden ser afectados por eventos físicos
peligrosos”
En el marco de los Planes de Ordenamiento y Manejo Ambiental de Cuencas Hidrográficas
(POMCA), Colombia, la vulnerabilidad es comprendida como la susceptibilidad a que se
presenten daños en actividades productivas, localización de establecimientos humanos y
la infraestructura estratégica y de la sostenibilidad ambiental del territorio y de sus recursos
naturales renovables (MADS, 2014).
Adger (2006) realiza una revisión en cuanto a la vulnerabilidad a los cambios ambientales
y los desafíos para la investigación de vulnerabilidades presentes en la integración con la
capacidad de recuperación y adaptación. Este autor define la vulnerabilidad como el estado
de la susceptibilidad a daño por la exposición a las tensiones asociadas con el cambio
ambiental y social, y de las ausencias de capacidad de adaptación.
En el 2007, el IPCC define la vulnerabilidad al CC y a la VC como el “nivel al que un sistema
es susceptible, o no es capaz de soportar, los efectos adversos del cambio climático,
incluida la variabilidad climática y los fenómenos extremos. La vulnerabilidad está en
función del carácter, magnitud y velocidad de la VC al que se encuentra expuesto un
sistema, su sensibilidad, y su capacidad de adaptación”.
29
Las definiciones a nivel nacional tenidas en cuenta en esta tesis, comprenden la
vulnerabilidad en función de un solo componente como lo es la susceptibilidad de un
sistema a ser dañado. Adger (2006) y el IPCC (2007) incluyen 3 componentes en la
definición de vulnerabilidad (susceptibilidad, exposición y capacidad de adaptación). Ya en
el 2014, el IPCC se centra sólo en dos componentes, en la sensibilidad y la capacidad de
adaptación, implicando que un sistema sea más vulnerable si es más sensible y su
capacidad de adaptarse es limitada al mismo tiempo. Por lo tanto, la Vulnerabilidad puede
ser considerada como una función de dos factores:
Vulnerabilidad= f(susceptibilidad, capacidad de adaptación)
En este estudio se utilizó un enfoque realizado por el IPCC (2014) para realizar el análisis
de la vulnerabilidad, expresado en la Ecuación (2).
V = S – CA (Ec. 2)
Donde:
V= vulnerabilidad
S= susceptibilidad
CA= Capacidad de adaptación
El IPCC (2014) menciona que la adaptación es "El proceso de ajuste al clima real o
esperado y sus efectos. En los sistemas humanos, la adaptación busca moderar o evitar
el daño o explotar oportunidades beneficiosas. En algunos sistemas naturales, la
intervención humana puede facilitar el ajuste al clima esperado y sus efectos”. La definición
del IPCC (2014) también sugiere que la adaptación no solo incluye ajustes físicos (como
los requeridos en los sistemas naturales) sino también ajustes políticos, sociales,
económicos e institucionales, como los requeridos en los sistemas humanos (Robinson,
2018).
4.5 Amenaza y exposición
De acuerdo con el IPCC (2014) una amenaza se define como el “acaecimiento potencial
de un suceso o tendencia físico de origen natural o humano, o un impacto físico, que puede
causar pérdidas de vidas, lesiones u otros efectos negativos sobre la salud, así como
30
daños y pérdidas en propiedades, infraestructuras, medios de subsistencia, prestaciones
de servicios, ecosistemas y recursos ambientales”.
En el quinto informe del IPCC (2014) se definió la exposición como “la presencia de
personas; medios de subsistencia; especies o ecosistemas; funciones, servicios y recursos
ambientales; infraestructura; o activos económicos, sociales o culturales en lugares y
entornos que podrían verse afectados negativamente”.
4.6 Lógica difusa
Se considera a Lotfi A. Zadeh como el padre de la lógica difusa, considerando que en 1965
publicó el artículo Fuzzy Sets en la revista Information and Control (Barragán, 2009). Esta
herramienta es distinta a la lógica clásica porque pretende introducir un grado de
incertidumbre en el razonamiento y pensamiento humano, para tener respuestas basadas
en conceptos más coherentes (Arango, Urán, y Pérez, 2008).
La aplicación más conocida de la lógica difusa es Fuzzy inference Systems (FIS), que es
una manera de representar conocimientos y datos inexactos en forma similar a como lo
hace el pensamiento humano (Arango et al., 2008). Además los FIS corresponden a las
herramientas computacionales que permiten el manejo de incertidumbre con alto nivel de
abstracción, puesto que entrega respuestas validas a pesar de que la información
suministrada al sistema este incompleta (Correa, 2004).
Los principales componentes de un sistema de inferencia difuso son 3, en primer lugar, la
fuzzificación, el cual tiene el efecto de transformar los datos concretos de la medición en
valores lingüísticos apropiados, en segundo lugar, la base de reglas de inferencia, en las
cuales se almacena el conocimiento empírico de la operación del proceso, y por último, el
proceso de desfuzzificación, el cual se usa para producir una decisión no difusa o adecuar
los valores difusos en valores no difusos útiles para el proceso de toma de decisiones
(Arango et al., 2008; Vargas y Restrepo, 2018). En la Figura (4.2) se observa la estructura
general de un sistema difuso.
31
Figura 4.2 Diagrama general de un sistema difuso. Fuente: Vargas y Restrepo (2018).
El conjunto borroso es un conjunto que puede contener elementos en el que su pertenencia
al mismo no es absoluta sino gradual, es decir que la propiedad μA(x) ϵ A puede ser cierta
con un grado de verdad (Maguiña, 2010).
Para cada conjunto borroso, existe asociada una función de pertenencia para sus
elementos, lo que muestra en qué medida el elemento forma parte de ese conjunto difuso
(Maguiña, 2010). El conjunto borroso definido en notación matemática como: A = {(x, µA(x)
⁄ x ∈ U}, donde, A es el conjunto borroso, X es el universo de discurso (discreto o continúo)
y μA(x) es la función de pertenencia para el conjunto difuso A (Vargas y Restrepo, 2018)
(Figura 4.3).
Figura 4.3 Esquema general de una función de pertenencia: Henao (2016).
32
Ejemplo: Dado el universo de hogares X = {h1, h2, h3, h4} y el predicado S= “susceptible”,
el subconjunto J= {hogares susceptibles} se puede definir por: H= {h1|0.5, h2|,0.9, h3|0.2,
h4|0.4}, mediante la función de pertenencia con los valores: µS(h1)= 0.5; µS(h2)= 0.9;
µS(h3)= 0.2; µS(h4)= 0.4.
Por ejemplo, el hogar h1 es susceptible con un grado 0.5 mientras que el hogar h4 lo es
con grado 0.4.
Los elementos de un conjunto borroso A se pueden definir mediante la función de
pertenencia, denotada mediante µA(x) ∈ [0,1], el grado con el que un elemento x pertenece
a A (Maguiña, 2010). Entre más cerca esté µA(x) del valor 1, mayor será la pertenencia del
objeto x al conjunto A, dado que 1 representa la pertenencia total, por el contrario, entre
más cerca µA(x) a cero el objeto x dejara de pertenecer al conjunto A (Maguiña, 2010).
Las funciones de pertenencia más utilizadas son la trapezoidal y triangular debido a que
son sencillas y facilitan los cálculos de fuzzificación y desfuzzificación (Maguiña, 2010;
Vargas y Restrepo, 2018) (Figura 4.4).
Figura 4.4 Funciones de pertenencia: a) triangular, b) trapezoidal. Fuente: Maguiña
(2010).
La fuzzificación consiste en tomar los datos de entrada y determinar el grado en que
pertenecen a cada uno de los conjuntos difusos a través de las funciones de pertenencia
(Barragán, 2009; Maguiña, 2010). La conversión de los datos de entrada a valores
33
lingüísticos expresa la proporción de la similitud del dato a cada término lingüístico de la
variable (Maguiña, 2010).
Las reglas de inferencia difusa pueden ser definidas como la combinación de uno o más
conjuntos borrosos de entrada llamados antecedentes y a los que se les asocia un conjunto
borroso de salida llamado consecuente (Maguiña, 2010). Los conjuntos borrosos de
entrada se asocian mediante operadores borrosos y al aplicar un operador en los conjuntos
borrosos se obtiene otro conjunto borroso (Maguiña, 2010).
Los FIS más conocidos son: sistemas de inferencia basados en reglas de tipo Mamdani,
Relacionales o Pedryckz y Takagi- Sugeno (Arango et al., 2008). El sistema Mandani
representa el conocimiento a través de reglas lingüísticas “SI……ENTONCES” y tiene el
objetivo de representar valores reales en valores lingüísticos utilizando una operación
denominada fuzzificación (Vargas y Restrepo, 2018). Cada una de las reglas tiene un lado
izquierdo formado por uno o varios antecedentes (SI) y un lado derecho llamado
consecuente (ENTONCES).
En cuanto a las reglas de tipo Takagi- Sugeno que en lugar de emplear reglas
completamente linguisticas, utiliza como consecuente una función de las variables de
entrada del sistema (Barragán, 2009). La desfuzzificación es el proceso de transformar
mediante un proceso matemático un conjunto difuso de las variables de salida que resultan
del proceso de inferencia en un valor real (Henao, 2016; Maguiña, 2010; Vargas y
Restrepo, 2018).
Existen varios métodos para realizar el proceso de desfuzificación, entre los cuales se
encuentran: método bisector, método de centroide, el máximo medio, el máximo mínimo,
máximo, el centro de suma y el centro de grandes áreas, entre otros (Vargas y Restrepo,
2018). Aunque el método del centroide es el más costoso computacionalmente que otros
métodos de desfuzzificación, es el más empleado ya que proporciona variaciones suaves
y continuas de los valores de salida (Barragán, 2009; Henao, 2016; Maguiña, 2010; Vargas
y Restrepo, 2018).
El método del centroide consiste en la obtención del valor numérico de salida calculando
el centro de gravedad del conjunto borroso de salida (Barragán, 2009). El centroide se
calcula utilizando la Ecuación (3) siendo D(y) el conjunto difuso de salida y Y0 el valor
numérico de salida.
34
𝑦0 = ∫ 𝑦𝜇𝐷(𝑦)𝑑𝑦
∫ 𝜇𝐷(𝑦)𝑑𝑦 (Ec. 3)
4.7 Índice e Indicadores ambientales
Los indicadores ambientales son aquellos indicadores que cobijan temáticas propias de
los hábitos y modos antrópicos de producción y consumo, tales como demanda y uso de
recursos naturales, generación y aprovechamiento de residuos sólidos y líquidos,
contaminación acústica, las tecnologías y los tipos de energía utilizados en la producción
de bienes y servicios y sus problemas concomitantes como el adelgazamiento de la capa
de ozono, entre otros (Súarez, 2003).
Los indicadores ambientales son herramientas para realizar el monitoreo a través de la
recolección sistemática de datos obtenidos mediante mediciones u observaciones en
series de espacio y tiempo; proporcionan de manera rápida el conocimiento de la
evaluación del estado de un sistema, tanto en un punto espacial y temporal como en una
posible transformación en el tiempo y en el área, generando información que permite el
análisis y la adopción de decisiones, como también rescatar información existente sobre
un área específica (Therburg, D ’Inca, y López, 2005).
El IDEAM define los indicadores ambientales como “aquellos que informan de manera
sintética sobre aspectos ecosistémicos y del entorno físico biótico, o sobre la relación de
estos con la estructura sociocultural de un lugar geográfico en el tiempo, brindando señales
sobre los cambios que en esta materia suceden y que son de interés para determinados
actores” (IDEAM, 2014).
Un índice se define como la combinación de indicadores ambientales, los cuales suelen
abarcar múltiples dimensiones del concepto de vulnerabilidad, susceptibilidad y capacidad
de adaptación de un sistema (Neset et al., 2018).
4.8 Sistemas computacionales
En este trabajo se utilizaron varios sistemas computacionales para facilitar la recolección
de información, reducir el tiempo de cálculo, digitalización de información y visualización
de resultados. Los sistemas computacionales utilizados para la recolección, digitalización
35
y visualización de resultados fueron tres sistemas de información geográfica. Debido al
acceso y facilidad que sus herramientas proporcionan se seleccionó ArcGis, Qgis y SAGA
GIS.
ArcGis es un SIG, el cual posee una interface gráfica sencilla que puede ser manejada
únicamente con el ratón, permite cargar datos espaciales y tabulares para ser mostrados
en forma de mapas, tablas y gráficos, también provee herramientas necesarias para
consultar y analizar datos y presentar resultados en formato de mapas (Puerta-Tuesta,
Rengifo, y Bravo, 2013).
Qgis es un SIG de código abierto licenciado bajo General Public License. Qgis es un
proyecto oficial de Open Source Geospatial Foundation (OSGeo); corre sobre Linux, Unix,
Mac OSX, Windows y Android y se pueden cargar en el numerosos formatos y
funcionalidades de datos vector, ráster y bases de datos (Qgis, 2018). En este software se
puede realizar la interacción entre los códigos de los software SAGA GIS y GRASS GIS
para realizar procesos de corrección de información raster de forma más rápida y eficiente.
El software GRASS GIS es un sistema soporte de análisis de recursos geográficos de
código libre y gratuito, es utilizado para la gestión y análisis de datos geoespaciales,
procesamiento de imágenes, producción de gráficos y mapas, modelado espacial y
visualización (GRASS, 2018).
SAGA (por sus siglas en ingés System for Automated Geoscientific Analyses) es un SIG
con inmensas capacidades para el procesamiento de datos geográficos y análisis
(Cimmery, 2010). Este, se encuentra programado en lenguaje C++ y soporta la
implementación de nuevas funciones con una interfaz de programación de aplicación muy
eficaz (Cimmery, 2010).
En cuanto a los sistemas computacionales utilizados para reducir el tiempo de cálculo y
tratamiento de datos se utilizó el software Matlab con su herramienta Fuzzy Logic que
facilitó la fuzificación y defuzificación de la información y el software estadístico R que se
utilizó para realizar el cálculo de estadística descriptiva de datos climatológicos.
MATLAB (MaTrix LABoratory) es un sistema computacional de tipo funcional,
especialmente desarrollado para apoyar la gestión científico- tecnológica en forma
eficiente, amigable y sencilla; su estructura provee de un conjunto de poderosas funciones
36
numéricas y gráficas, que cubren un amplio espectro de las exigencias matemáticas y de
imagen de una aplicación en el campo de la ingeniería (Ortegón, 2011).
MATLAB presenta la herramienta Fuzzy Logic Toolbox, la cual permite modelar
comportamientos de sistemas complejos mediante reglas lógicas simples y funciones de
decisión.
R es un lenguaje y entorno de computación y gráficos estadísticos que puede ser
descargado de forma gratuita (r-project, 2016). Es un proyecto GNU, que es similar al
lenguaje S y el medio ambiente, que fue desarrollado en los Laboratorios Bell (antes de
AT y T, ahora Lucent Technologies) por John Chambers y sus colegas (r-project, 2016). R
se puede considerar como una implementación diferente de S. Existen algunas diferencias
importantes, pero mucho código escrito para S se ejecuta inalterada bajo R (r-project,
2016).
4.9 Información de sensores remotos
De acuerdo al IPCC en la guía de buenas prácticas (IPCC, 2003), las técnicas de
teledetección favorecen la posibilidad de cubrir áreas grandes, así como remotas que son
difíciles de acceder de otra manera y también pueden ser utilizadas para reconstruir series
temporales pasadas de cobertura de la tierra y usos del suelo (IPCC, 2003).
En síntesis, la teledetección se ha considerado un enfoque relativamente rápido, fiable y
rentable en la identificación de parámetros de la tierra como cobertura y uso del suelo y
geomorfológica (Fernández-Manso, Fernández-Manso, y Quintano, 2014; Yousefi,
Pourghasemi, Hooke, Navratil, y Kidová, 2016).
En este estudio se utilizaron 3 imágenes satelitales para la recolección de información
topográfica y de cobertura del suelo. Para la recolección de información topográfica se
utilizó el Modelo de Elevación Digital (MED) Shttle Radar Topography Mission (SRTM). En
cuanto a la recolección de información de coberturas del suelo se utilizó la información de
los satélites Landsat y Aster.
Modelo de Elevación Digital SRTM
Un Modelo de Elevación Digital se define como una representación numérica del terreno
(Akbari, Abu Samah, y Othman, 2012). Con la llegada de los DEM basados en satélites,
37
en el campo de la hidrología y recursos hídricos, se ha facilitado la obtención de los límites
de una cuenca hidrográfica y sus parámetros asociados (Akbari et al., 2012). Existen varios
tipos de DEM basados en satélites, entre los cuales, los datos de la misión SRTM son una
de las mejores alternativas de libre acceso disponibles para la modelación hidrográfica de
cuencas (Akbari et al., 2012).
La misión SRTM produjo el MED más completo y de mayor resolución de la Tierra (Farr et
al., 2008). El proyecto fue un esfuerzo conjunto de la NASA, la Agencia Nacional de
Inteligencia Geoespacial y las Agencias Espaciales Alemanas e Italianas, y voló en febrero
de 2000 (Farr et al., 2008). Utilizó antenas de radar dual para adquirir datos radar
interferométricos, procesados a datos topográficos digitales a 1 segundo de arco (30
metros) de resolución (Farr et al., 2008).
El DEM SRTM puede ser utilizado para la generación de los límites de la cuenca,
identificación de la red de drenaje, cálculo de parámetros morfométricos entre otros (Akbari
et al., 2012; Capachero, García, y Obregón, 2015).
Imágenes satelitales Landsat
El satélite Landsat proporciona imágenes con una resolución espacial media de 30m y
proporcionan un archivo de paisajes terrestres del planeta de más de 40 años de forma
continua (Baumann, Ozdogan, Richardson, y Radeloff, 2017).
En los últimos años, el acceso libre a la información Landsat ha dado lugar a una
proliferación de numerosos estudios en el campo medio ambiental terrestre (Baumann et
al., 2017). Por tanto, se han generado notables contribuciones en el desarrollo y control
socio económico (Nguyen et al., 2016), monitoreo de vegetación (Baumann et al., 2017),
distribución urbana (Xu, Huang, y Zhang, 2013), estudios morfométricos de ríos (Yousefi
et al., 2016) e incluso en estudios de riesgos fluviales (Dewan et al., 2016).
Imágenes satelitales ASTER
ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) es un
sensor de recolección de información multiespectral visible, infrarrojo cercano e imágenes
infrarrojas térmicas, destinado para monitorear el balance energético de la superficie
terrestre, procesos hidrológicos y el clima (Han, Ma, Chen, y Su, 2016). El sensor ASTER
recoge imágenes de alta resolución espacial (15 metros de resolución) en 3 bandas
38
visibles, 6 bandas de infrarrojo cercano (30 metros) y 5 bandas del infrarrojo térmico (90
metros) (Han et al., 2016).
Las imágenes ASTER son utilizadas para la identificación de la cobertura boscosa
(Fernández-Manso et al., 2014; Xu y Zhang, 2013), identificación de distribución urbana
(Xu et al., 2013) entre otras aplicaciones.
4.10 Indicadores morfométricos basados en teledetección
Existen indicadores que tienen la finalidad de ser simples y fácilmente derivables de mapas
básicos de topografía como lo son el índice Topográfico de Humedad y el Factor longitud
pendiente o Factor LS, denominados indicadores morfométricos. Si bien la capacidad
predictiva de estos indicadores es inferior a los modelos físicos robustos, estos requieren
una menor cantidad de datos y son menos limitados en el acceso de información para su
aplicación (Marchi y Dalla Fontana, 2005). La baja demanda de información que requieren
estos modelos para su aplicación hace que sean útiles en aplicaciones que por su tamaño
y alta variabilidad de características sean económicamente viables y generan resultados
aceptables (Marchi y Dalla Fontana, 2005).
Índice Topográfico de Humedad (ITH)
El índice ITH está relacionado con la humedad edáfica y refleja la tendencia del suelo a
generar escorrentía, así, cuando más elevado es el valor del índice, mayor humedad
presenta la celda en función de su configuración topográfica la cual es extraída de un MED
(Roa-Lobo y Kamp, 2012).
El ITH combina la contribución al escurrimiento de un área local drenada con su pendiente,
es usualmente utilizado para cuantificar el control topográfico sobre los procesos
hidrológicos y está definido por la Ecuación (4) (Roa-Lobo y Kamp, 2012):
ITH = ln (𝑎𝑓
tan 𝛽) (Ec. 4)
Donde:
af= Área local drenada para un punto de cálculo
Tang β= Pendiente direccional de la celda de interés.
39
Factor LS
El factor LS de la ecuación universal de pérdida de suelo (USLE, por sus siglas en inglés)
fue desarrollado por Wischmeier y Smith en 1978 con la finalidad de valorar la influencia
de la longitud y la inclinación de la pendiente en la intensidad de la erosión hídrica (Böhner
y Selige, 2006; Geler, Penteado, y Perez, 2017). Las variables longitud y la inclinación de
la pendiente han sido estudiadas de forma separada, sin embargo para la aplicación es
más conveniente considerarlos juntos como un factor topográfico (Geler et al., 2017), como
se muestra en la Ecuación (5).
𝐿𝑆 = ((𝐿
12
100) ∗ 1.36 + 0.97 𝑆 + 0.1385 𝑆2) (Ec.5)
Donde:
L= longitud de la pendiente en metros
S= gradiente de la pendiente en %
Debido a que el gradiente como la longitud de la vertiente influyen sobre las pérdidas de
suelo por efecto de la escorrentía, mientras mayor sea la longitud y el gradiente, mayor es
la pérdida de suelo, ya que el agua de escorrentía adquiere mayor velocidad y energía y
el tiempo de contacto del agua con el suelo es menor (reduciendo la posibilidad de que el
agua infiltre en el suelo) (Geler et al., 2017).
40
5. Metodología
5.1 Zona de estudio: cuenca del río Blanco
La cuenca del Río Blanco se encuentra ubicada al sur occidente de Colombia en el
departamento de Nariño, sobre las estribaciones de la Cordillera de Los Andes
Colombianos, en el accidente orográfico conocido como el Nudo de Los Pastos (Figura
5.1). El río Blanco es el principal afluente del Río Carchi-Guáitara, que demarca la frontera
y comparte su Cuenca Alta con Ecuador (CORPONARIÑO, 2011).
Figura 5.1 Ubicación cuenca del río Blanco. Fuente: elaboración propia.
41
El 81% de la población ubicada en la cuenca del río Blanco se desarrolla en el medio rural
(Corponariño, 2008). Gran parte de la población de la cuenca del río Blanco es de origen
indígena, aproximadamente 21.068 personas, siendo el 61% de esta población indígena
perteneciente al resguardo del Gran Cumbal (Corponariño, 2008).
Los municipios de Ipiales, Cumbal y Cuaspud tienen un rango de alfabetismo que va del
91% (Ipiales) al 83.4% (Cumbal) (Corponariño, 2008). En la Tabla (5.1) se puede observar
la cobertura por nivel de educación en los municipios de Cumbal, Cuaspud y, por su
cercanía e influencia en la cuenca, el municipio de Ipiales.
Tabla 5.1 Cobertura por nivel de educación. Fuente: adaptado de Corponariño (2008).
Municipio Alfabetismo Cobertura por
nivel de educación primaria (%)
Cobertura por nivel de educación
secundaria (%)
Cobertura por nivel de educación superior (%)
Ipiales 91 46.9 29.3 4.8
Cuaspud 83.4 61.3 21.3 1.3
Cumbal 83.4 60.10% 17.8 1.4
Las principales actividades económicas son: agricultura, ganadería, cría de especies
menores (porcicultura, curicultura y avicultura), pesca y artesanías (Corponariño, 2008),
como se muestra en la Figura (5.2). En los últimos 10 años, la ganadería desplazó un
amplio sector agrícola de la cuenca del río Blanco; sin embargo, el tamaño de los
minifundios se conservaron con un 90% del tamaño los predios de la cuenca están entre
0.5 y 5 hectáreas por familia (Corponariño, 2008).
42
Figura 5.2 Actividades económicas en la cuenca del río Blanco. Fuente: elaboración
propia.
En la Figura (5.3) se muestra imágenes de la parte alta, media y baja de la cuenca, en las
que se puede observar el relieve, usos del suelo y la distribución poblacional en el sector
rural. Las imágenes se tomaron en varios puntos de la cuenca utilizando un Drone
Phantom 3 con el fin de visualizar el estado de la cuenca.
Figura 5.3 Imágenes del río Blanco. Fuente: elaboración propia.
43
En la Figura (5.4) se evidencian los diferentes sistemas ecológicos presentes en la cuenca
del río Blanco. En las imágenes se puede visualizar la presencia de páramo Chiles-
Cumbal, del volcán nevado del Cumbal, la laguna de la Bolsa y el cauce principal del río
Blanco. La cuenca del río Blanco es de suma importancia para el abastecimiento de agua
ya que de ésta se abastece aproximadamente a una población de 105.868 habitantes de
áreas urbanas y rurales pertenecientes a los municipios de Cumbal, Cuaspud, Aldana e
Ipiales (CORPONARIÑO, 2009).
Figura 5.4 Imágenes de diferentes sistemas ecosistémicos presentes en la cuenca del río
Blanco. Fuente: elaboración propia.
La variedad de ecosistemas, fuentes de ingreso económico y gran población indígena hace
de la cuenca del río Blanco una gran fuente de servicios ecosistémicos de apoyo (hábitat
de vida silvestre, producción de materias primas etc.), suministro (abastecimiento de agua,
producción agropecuaria, leña etc.), regulación (regulación de caudales hídricos,
mantenimiento de caudales base, etc.) y servicios culturales (estética del paisaje,
patrimonio cultural, recreación y turismo, etc.). Sin embargo los estudios técnicos
realizados en la cuenca del río Blanco (Tabla 5.2) son limitados y no proporcionan la
44
suficiente información para la adaptación de las comunidades presentes frente a la VC y
el CC.
Tabla 5.2 Documentos técnicos realizados dentro de la cuenca del río Blanco. Fuente:
elaboración propia.
Autor Nombre Tipo Relación
Minambiente y HUMBOLDT, 2012
Complejo de Páramos Chiles-Cumbal Distrito Nariño-
Putumayo, Sector Nariño-Putumayo Mapa
Comprende el área de la cuenca del río
Blanco
Alcaldía de Cuaspud
Dimensiones y Atributos, Esquema de Ordenamiento
Territorial Municipio de Cuaspud
Documento técnico
Municipio dentro de la cuenca del río Blanco
Corponariño, 2009
Indice de Escasez de Agua superficial de la cuenca del Río
Blanco. Documento
técnico Cuenca en estudio
Alcaldía de Cumbal
diagnóstico, Esquema de Ordenamiento Territorial
Municipio de Cumbal Documento
técnico Municipio dentro de la cuenca del río Blanco
Alcaldía de Cuaspud
Monografia del municipio de Cuaspud
Documento técnico
Municipio dentro de la cuenca del río Blanco
Alcaldía de Cumbal
Plan de desarrollo del municipio de Cumbal
Documento técnico
Municipio dentro de la cuenca del río Blanco
Corponariño, 2008
Plan de Ordenamiento y Manejo de la Cuenca
Hidrográfica del Río Blanco Documento
técnico Cuenca en estudio
Alcaldía de Cuaspud, 2016
Plan de Desarrollo Cuaspud- Carlosama 2016 - 2019
Documento técnico
Municipio dentro de la cuenca del río Blanco
Corponariño, 2011 Plan de Ordenamiento del
Recurso Hídrico Río Blanco Documento
técnico Cuenca en estudio
Corponariño, 2013 Plan de Ordenamiento del
Recurso Hídrico Río Chiquito Documento
técnico Afluente del río
Blanco
La zona de estudio también cuenta con información libre disponible en la plataforma del
SIG- OT a escala municipal y departamental (Anexo 10.1).
Para complementar información no encontrada en los documentos técnicos efectuados
dentro del área de la cuenca del río Blanco se identificaron diferentes satélites con
información de alta resolución disponible y fácil de procesar (Tabla 5.3).
45
Tabla 5.3 Información satelital de libre acceso y fácil de procesar para la cuenca
hidrográfica del río Blanco. Fuente: elaboración propia.
Nombre Resolución
(m) Aplicación
Landsat 30 Identificación de cobertura y usos del suelo y sus aplicaciones.
Aster 15 Identificación de cobertura y usos del suelo y sus aplicaciones.
Sentinel 2 20 Identificación de cobertura y usos del suelo y sus aplicaciones.
SRTM (DEM)
30 Información topográfica y sus aplicaciones.
Aster (DEM) 30 Información topográfica y sus aplicaciones.
Alos Palsar (DEM)
12.5 Información topográfica y sus aplicaciones.
5.2 Estructura general de la metodología
De acuerdo con los objetivos específicos propuestos en este estudio, se estableció una
estructura general de la metodología (Figura 5.5). La estructura se fundamentó en 4 fases:
la primera fase es la identificación de indicadores de evaluación de la vulnerabilidad frente
al CC, la segunda fase consistió en la construcción de un índice de evaluación espacial de
la vulnerabilidad por CC para la cuenca del río Blanco, Nariño, la tercera fase consistió en
la aplicación del índice construido en la fase dos y finalmente la fase 4 consistió en explorar
la posibilidad de evaluar riesgo por cambio climático en la cuenca del río Blanco.
Figura 5.5 Esquema metodológico general. Fuente: elaboración propia.
46
5.3 Definición de indicadores
A continuación, se presenta un esquema metodológico construido a partir de revisión de
literatura, desarrollado con el propósito de guiar la construcción de los indicadores
necesarios para conformar el índice de evaluación de vulnerabilidad al CC (Figura 5.6).
Figura 5.6 Esquema metodológico para la definición de indicadores. Fuente: elaboración
propia.
En primer lugar, se realizó una contextualización del área de estudio como mecanismo
para brindar una visión general de las características sociales, productivas, ecológicas y
socioeconómicas que se van a tener en cuenta para la definición de indicadores.
Posteriormente, se conformaron dos bases de datos, la primera consistió de información
disponible de la zona de estudio (cartografía e investigaciones científicas) y la segunda
base de datos consistió de indicadores de evaluación de la vulnerabilidad por CC. Una vez
47
se conformaron las dos bases de datos, se seleccionaron los indicadores y se clasificaron
en dos categorías: susceptibilidad y capacidad adaptativa. Los criterios que se tuvieron en
cuenta para seleccionar los indicadores son: disponibilidad de información secundaria, fácil
recolección de información a través de entrevistas semi estructuradas y su posible
representación espacial. Los indicadores de susceptibilidad y capacidad adaptativa se
subdividieron nuevamente en 4 temas: social, productivo, ecológico y socioeconómico.
Finalmente, se realizó la respectiva ficha técnica para cada indicador en la cual se tuvo en
cuenta el nombre, la sigla, una breve descripción, zona de aplicación, su respectiva forma
de calcular y estimar, categoría de respuesta y la posible fuente de información para
alimentar el indicador.
5.4 Construcción de un índice basado en un sistema difuso
A partir de la definición de indicadores diseñados en la Fase 1 de este trabajo se construyó
el índice compuesto basado en lógica difusa, para lo cual se realizó la fuzzificación
(vinculación de funciones de pertenencia y rangos difusos) de los indicadores de entrada
y de salida del sistema difuso, se formularon las reglas de decisión y la desfuzzificacció de
los indicadores. La formulación de funciones de pertenencia, rangos difusos y reglas de
decisión se realizaron a partir de revisión de literatura científica o gestión de conocimiento.
Adicionalmente, se estableció una estrategia para distribuir los valores resultantes del
índice de vulnerabilidad. En la Figura (5.7) se muestra un diagrama metodológico para el
diseño de un índice basado en lógica difusa.
48
Figura 5.7 Esquema metodológico para la construcción de un índice basado en un
sistema difuso. Fuente: elaboración propia.
Teniendo en cuenta que los indicadores anteriormente definidos son las variables
lingüísticas de entrada en un sistema difuso y que los subíndices y el índice de
vulnerabilidad a CC son las variables lingüísticas de salida se definieron: los
correspondientes rangos de valores que puede tomar la variable lingüística (universos de
discurso), conjuntos difusos y las respectivas funciones de pertenencia de tipo triangular y
trapezoidal.
Se definieron reglas de decisión basadas en el tipo “SI…. ENTONCES” para cada uno de
los subíndices específicos que conforman los subíndices generales y a su vez el índice
general. Por tanto, para los subíndices específicos los antecedentes (SI) son los
indicadores y el consecuente (ENTONCES) representa la conclusión de cada subíndice
49
especifico, para los subíndices generales los antecedentes son los subíndices específicos
y el consecuente la conclusión de cada subíndice general y finalmente para el índice los
antecedentes son los subíndices generales y el consecuente la conclusión del índice de
vulnerabilidad al CC. En la Figura (5.8) se presenta el esquema general del proceso de
formulación de reglas de decisión del índice IVUCC.
Figura 5.8 Esquema general del índice IVUCC. Fuente: elaboración propia.
Debido a la complejidad para representar espacialmente los indicadores de vulnerabilidad
articulados con la lógica difusa, fue necesario establecer Áreas Homogéneamente
Vulnerables (AHV). Una vez se analizaron las características de distribución de la
vulnerabilidad de la cuenca del río Blanco se planteó el desarrollo de unas. Las AHV se
forman del cruce de zonas homogéneamente hidrológicas que son las subcuencas y fajas
de elevación que van a marcar las zonas con temperatura y actividades agrícolas
semejantes, para lo cual se realizó un mapa de fajas de elevación y uno de subcuencas a
partir de un DEM SRTM.
50
5.5 Aplicación del índice IVUCC en la cuenca del río Blanco- Nariño, Colombia
La aplicación del índice IVUCC consistió en 4 pasos: en primer lugar se delimitaron las
Áreas Homogéneamente Vulnerables; en segundo lugar, se recolectaron y organizaron los
datos por indicador y por AHV necesarias para la aplicación del índice IVUCC; en tercer
lugar, se realizó la aplicación respectiva del índice en el software MATLAB y, finalmente,
en cuarto lugar, se representaron los resultados del índice en mapas.
En primer lugar, se realizó la subdivisión de la cuenca del río Blanco en AHV. Las AHV se
formaron del cruce de las subcuencas de los ríos Blanco parte baja, Río San Francisco,
Quebrada El Coleto, Río Chiquito, Río Blanco parte alta y Río Cuaces con las fajas de
elevación cada 300 metros. La delimitación de las subcuencas y de las fajas de elevación
se realizó a partir de un MED SRTM de 30 metros junto con la información de la red de
drenaje sencilla del IGAC a escala 1:25.000. El proceso se realizó utilizando el SIG Qgis
en el cual se incorporaron los códigos de GRASS GIS para la corrección del MED. Como
resultado final, se obtuvo un archivo Shapefile (.shp) tipo polígono con las AHV delimitadas.
Los datos necesarios para la aplicación del índice IVUCC se recolectaron de información
secundaria y primaria para cada AHV. La información secundaria consiste en la revisión
de geoportales institucionales, documentos técnicos y académicos, el Plan de
Ordenamiento del Municipio de Cumbal y Cuaspud, el Plan de Ordenamiento y Manejo de
la Cuenca Hidrográfica del río Blanco, el Plan de Ordenamiento del Recurso Hídrico de la
cuenca del río Blanco y río Chiquito, imágenes satelitales. La información primaria consiste
en registro fotográfico, entrevistas semi estructuradas (Anexo 10.2) y vuelos realizados con
un Drone (Anexo 10.3). Los datos recolectados se organizaron en una tabla en la que se
cruzan las AHV (filas) y los valores necesarios para aplicar cada indicador (columna).
La aplicación del índice formulado en la fase anterior se realizó utilizando la herramienta
Fuzzy Logic del software MATLAB, para lo cual se realizaron los siguientes pasos: se
programaron las variables de entrada y de salida con sus respectivas funciones de
pertenencia, rangos y variables lingüísticas; se programaron las reglas de decisión con los
antecedentes y consecuentes respectivos; se ingresaron los valores recolectados teniendo
en cuenta el AHV, el indicador, el subíndice especifico y el subíndice general. Finalmente,
los resultados numéricos resultantes de cada aplicación se transpusieron en las gráficas
de las variables de salida respectivamente y se les dio el valor lingüístico (alto, medio o
51
bajo). Los resultados obtenidos se depositaron en una tabla en la cual las AHV son las filas
y los resultados por indicador son las columnas.
La espacialización de los resultados se realizó utilizando la herramienta Join de ArcGis
para adicionar la tabla de resultados de la aplicación del índice IVUCC como atributo al
Shapefile de AHV para, posteriormente, ser representada en varios mapas.
5.6 Exploración de la posibilidad de evaluar el riesgo por CC en la cuenca del río Blanco.
A través de la revisión de literatura se identificaron 4 amenazas naturales exacerbadas por
el CC, las cuales se pretenden representar con los siguientes indicadores: en primer lugar,
se encuentra el Índice Topográfico de Humedad (ITH) el cual es empleado para
representar el desborde fluvial (Roa-Lobo y Kamp, 2012); en segundo lugar, el Factor LS
o factor de relieve de la Ecuación Universal de Perdida de Suelo (por sus siglas en inglés
USLE), la cual es utilizada para estimar las pérdidas de suelo ocasionadas por la erosión
hídrica de tipo laminar, El factor LS se seleccionó como indicador de las zonas con
potencial de ocurrencia de deslizamiento de tierra (Geler et al., 2017; Soto, Märker,
Arriagada, Castro, y Rodolfi, 2010); en tercer y cuarto lugar se encuentran los indicadores
de variación de precipitación y temperatura utilizados en los estudios de KC et al (2015) y
Vargas y Restrepo (2018). Debido a sus zonas de desarrollo y aplicación, en este estudio
se utilizan los indicadores de variación de precipitación y temperatura desarrollados por
Vargas y Restrepo (2018).
Amenaza de inundación
En primer lugar, se descargó un MED SRTM de 30 metros de la plataforma Global
Visualization Viewer (GloVis) del Servicio Geológico de los Estados Unidos el cual fue
corregido (datos faltantes y sumideros) utilizando la herramienta GRASS GIS. En segundo
lugar, se utilizó el MED corregido para delimitar la cuenca del río Blanco en ArcGis; una
vez se delimitó la cuenca fue utilizada para cortar el MED y se exportó al software SAGA
GIS para aplicar el algoritmo del ITH y obtener un archivo raster. En tercer lugar, se
realizaron 3 recorridos de campo en la cuenca estudiada para tomar puntos GPS (de
llanuras inundables y otras evidencias de desborde del río) en diferentes días, desde la
parte baja hasta la parte alta; adicionalmente, se utilizó un drone Phantom 3 para tomar
fotos de diferentes tramos del cauce principal y del río Chiquito. Finalmente los puntos
52
GPS, lo mosaicos realizados con las fotos del drone y el archivo raster ITH fueron
importado al software ArcGis en el sistema de coordenadas Magna Colombia Oeste donde
se contrastaron y se ajustaron los valores del ITH en tres niveles de amenaza (alto, medio
y bajo).
Amenaza de deslizamiento
Como insumo para la generación del mapa de amenaza de deslizamiento se utilizó el MED
SRTM corregido y cortado de la cuenca del río Blanco. El MED fue importado en el software
SAGA GIS y, aplicando el algoritmo del factor LS, se generó un archivo raster que fue
exportado al software ArcGis. En los recorridos de campo realizados en la cuenca se
identificaron las zonas donde se presentaban deslizamientos de tierra y se tomaron puntos
GPS y registro fotográfico. El archivo raster del factor LS junto con los puntos GPS y el
mosaico realizado con las fotografías del drone fueron importados en ArcGis utilizando el
sistema de coordenadas Magna Colombia Oeste para realizar el ajuste de los valores del
raster factor LS en 3 niveles (alto, medio y bajo).
Variación de la temperatura y precipitación
Como insumo principal se empleó la información de precipitación y temperatura anual
descargada de la página del IDEAM.
La cuenca del río Blanco cuenta con 3 estaciones meteorológicas que influyen en ella
(Figura 5.9). Se utilizó la información de precipitación anual de las estaciones San Luis,
Cumbal y Chiles desde 1972 hasta el 2015. Se utilizó la información de temperatura media
mensual de la estación San Luis desde 1982 hasta el 2015 debido a que las estaciones
Chiles y Cumbal no contienen medidores de temperatura. Los años de información
escogidos se seleccionaron a partir del año en que los datos eran más consistentes y los
datos faltantes eran mínimos, sin reducir un periodo de 30 años de información. Los datos
faltantes de precipitación se corrigieron utilizando el método de la razón normal
mencionado por Carrera et al (2016) y, en cuanto a los datos de temperatura, debido a que
en zonas aledañas no hay presencia de estaciones con datos de temperatura, se decidió
a rellenar los datos mensuales faltantes con el promedio aritmético de los demás años de
la misma estación. Los datos de temperatura y precipitación fueron importados al software
R para realizar el diagrama de cajas y alambres con el fin de identificar y corregir datos
extremos que puedan influir en la estadística descriptiva y generar conclusiones erradas.
La información climática fue depositada en un archivo Excel y, posteriormente, fue
53
importada como archivo vector en ArcGis para su respectiva interpolación utilizando el
método de la distancia inversa ponderada (IDW, por sus siglas en inglés). La información
interpolada fue guardada en archivos raster y posteriormente se calculó la desviación
estándar de la precipitación anual y temperatura anual en la calculadora raster de ArcGis.
Una vez se obtuvo la desviación estándar de la precipitación y temperatura se aplicaron
los indicadores de variación de la precipitación y temperatura propuestos por Vargas y
Restrepo (2018).
Figura 5.9 Estaciones hidrometeorológica del IDEAM que influyen en la cuenca del río
Blanco. Fuente: adaptado de geovisor IDEAM.
Representación espacial del riesgo.
Teniendo en cuenta que los criterios que definen el nivel de vulnerabilidad varían de
acuerdo con la amenaza a la cual se encuentra relacionada (Cardona, 2001), ya sea
inundaciones, deslizamiento de tierra, anomalía de temperatura o anomalías de
precipitación, fue considerado adaptar el peso de cada indicador del índice IVUCC de
acuerdo con el tipo de amenaza. Sin embargo, teniendo en cuenta la escasez de expertos
en los indicadores que componen el índice desarrollado en este estudio, se establecieron
pesos similares para todos los indicadores, pero se considera importante que estos deben
ajustarse de acuerdo con el tipo de amenaza.
54
En primer lugar, para realizar la operación entre amenazas y vulnerabilidad por CC fue
necesario transformar los resultados del índice IVUCC a formato raster de celdas de 30
metros de ancho por 30 metros de alto al igual que los mapas de amenaza. En segundo
lugar, se calculó la información de vulnerabilidad y amenaza de inundación, amenaza de
deslizamiento, de variación en la precipitación y variación en la temperatura utilizando la
calculadora raster de ArcGis y la ecuación de riesgo definida por el IPCC (2014). La
exposición se encuentra implícita en la combinación entre las amenazas y la vulnerabilidad
debido a que representa la presencia de un AHV en un lugar en el espacio que puede
verse afectado negativamente por una amenaza. La operación entre amenazas y
vulnerabilidad da como resultado 4 mapas de riesgo, por inundación, por deslizamiento de
tierra, por anomalía de precipitación y por anomalía de temperatura.
Finalmente, los 4 tipos de riesgos generados por separado se unen y forman el riesgo por
cambio climático en la cuenca del río Blanco. Los niveles de riesgo resultantes pueden ser
Alto, Medio y Bajo.
55
6. Resultados
6.1 Definición de indicadores
Con base en la revisión de literatura hecha en este estudio se definieron 22 indicadores,
de los cuales 8 son de susceptibilidad y 14 de capacidad adaptativa. Adicionalmente, se
subdividieron en 4 temas: social, productivo, ecológico y socioeconómico.
Indicadores
Indicadores de susceptibilidad
Los indicadores de susceptibilidad fueron separados en cuatro temas para evaluar el
sistema social, sistema productivo, sistema ecológico y el sistema socioeconómico de la
cuenca del río Blanco. Se establecieron 3 indicadores para el tema de susceptibilidad
social, 2 indicadores para el tema de susceptibilidad productiva, 2 indicadores de
susceptibilidad ecológica y 1 indicador de susceptibilidad socioeconómica.
Indicadores de susceptibilidad social:
En primer lugar, se estableció el indicador de Relación de dependencia-SSRD, el cual ya
existe en la literatura y es mencionado en los estudios de Almeida et al (2016), Dumenu y
Obeng (2016), Van Wesenbeeck et al (2016), entre otros. La relación de dependencia es
un indicador que se basa en que los hogares con mayor número de integrantes tienden a
tener más integrantes económicamente inactivos o dependientes, lo que a su vez aumenta
la susceptibilidad de estos. Este indicador evalua la relación de dependencia según grupos
etáreos, el cual se estima la relación entre la población considerada como dependiente
(menores de 15 años y mayores de 65 años) y la población que se define como
económicamente productiva o potencialmente activa (15 a 65 años) (DANE, 2018a). El
rango del indicador de relación de dependencia se estableció de acuerdo a los siguientes
estudios: El-Zein y Tonmoy (2015), Almeida et al (2016), Torresan et al (2016), Satta et al
56
(2016), Kumar et al (2016), Pandey y Bardsley (2015), KC et al (2015), van Wesenbeeck
et al (2016) y Dumenu y Obeng (2016).
Como segundo indicador, se estableció el porcentaje de organización de minorías raciales
y étnicas propuesto por KC et al (2015). Si bien el indicador de minorías raciales no es muy
utilizado en estudios de vulnerabilidad frente a cambio climático, en este estudio se
considera relevante debido a la existencia, organización, derechos ancestrales y
distribución en el departamento de Nariño. El rango del indicador de minorías raciales/
étnicas se estableció teniendo en cuenta la información disponible en los planes de
ordenamiento territorial y visitas de campo.
El tercer indicador de susceptibilidad social es el porcentaje de dependencia de recursos
forestales de un hogar adaptado del estudio de Dumenu y Obeng (2016). El indicador se
basa en que la fuerte dependencia de los recursos naturales indica un rango estrecho de
opciones de subsistencia. El rango del indicador se establece de acuerdo a la revisión de
literatura, en estudios que consideran el indicador de dependencia de recursos forestales
o similares: Kumar et al (2016), Dumenu y Obeng (2016) y Van Wesenbeeck et al (2016).
La información de los indicadores de Susceptibilidad social se deposita en la Tabla (6.1).
Tabla 6.1 Indicadores de susceptibilidad social. Fuente: elaboración propia.
Susceptibilidad social
ID Código Indicador Rango Rango de valores
1 SSRD Relación de dependencia
Bajo <=60
Medio 60.1-80
Alto >80.1
2 SSMR Minorías
raciales/étnicos
Bajo 0-33.3
Medio 29-66
Alto >60
3 SSDF Dependencia de
recursos forestales
Bajo 0-33.3
Medio 29-66
Alto >60
57
Indicadores de susceptibilidad productiva:
Como primer indicador de susceptibilidad productiva se estableció el indicador de
ocupaciones sensibles al clima. El indicador y su rango fue adaptado de los estudios
Panadey y Bardsley (2015) y Kc et al (2015), los cuales mencionan en sus trabajos que
las actividades económicas más susceptibles son la agricultura, silvicultura, pesquería y
minería.
El segundo indicador es el porcentaje de tierras de cultivo que necesitan irrigación. El
indicador ya existe y es mencionado en el estudio de Pandey y Bardsley (2015), su rango
se define teniendo como base los estudios Liu et al (2016), Bär et al (2015), Abid et al
(2016), Pandey y Bardsley (2015) y KC et al (2015) en donde se trabaja con este indicador
o con indicadores similares.
La información de los indicadores de susceptibilidad productiva se deposita en la Tabla
(6.2).
Tabla 6.2 Indicadores de susceptibilidad productiva. Fuente: elaboración propia.
Susceptibilidad productiva
ID Código Indicador Rango Rango de valores
4 SPO Ocupaciones sensibles
al clima
Bajo 0-33.3
Medio 29-66
Alto >60
5 SPI Tierras de cultivo que necesitan irrigación
Bajo 0-33.3
Medio 29-66
Alto >60
Indicadores de susceptibilidad ecológica:
Como primer indicador de susceptibilidad ecológica se propuso la perdida de lagos, zonas
húmedas y salud ecosistémica. El indicador ya existe y es adaptado de los estudios de
Satta et al (2016), Torresan et al (2016), Lyalomhe et al (2015) y Kumar et al (2016), se
basa en que la cuenca del río Blanco comprende dos ecosistemas importantes para la
población de la cuenca del río Blanco: el páramo de Chiles-Cumbal y la laguna de la Bolsa.
El rango del indicador se establece teniendo en cuenta los estudios realizados por Sata et
al (2016) y kumar et al (2016).
58
El segundo indicador consiste en evaluar el porcentaje forestal que cubre las zonas con
alta pendiente de la cuenca. El indicador y el rango es adaptado de los estudios de Almeida
et al (2016), Nguyen et al (2016) y Lyalomhe et al (2015) y se basa en que la cobertura
vegetal influye en la dirección del flujo del agua y en la susceptibilidad a deslizamiento de
tierra.
La información de los indicadores de susceptibilidad ecológica se deposita en la Tabla
(6.3).
Tabla 6.3 Indicadores de susceptibilidad ecológica. Fuente: elaboración propia.
Susceptibilidad ecológica
ID Código Indicador Rango Rango de valores
6 SEP Perdida de lagos, zonas
húmedas y salud ecosistemas
Bajo 0-33.3
Medio 29-66
Alto >60
7 SEFP Cobertura forestal en
zonas con alta pendiente
Bajo 0-33.3
Medio 29-66
Alto >60
Indicadores de susceptibilidad socioeconómica:
Autores como Almeida et al (2016), Torresan et al (2016), Kumar et al (2016), Van
Wesenbeeck et al (2016) y KC et al (2015) mencionan el indicador de necesidades
insatisfechas (NBI) o los indicadores que lo conforman como indicadores de susceptibilidad
socioeconómica. El NBI es un indicador existente y aplicado en Colombia, su selección
como indicador en este estudio se basa en la disponibilidad de sus resultados a nivel
municipal en la plataforma del SIG-OT, DANE con acceso libre. El NBI del DANE
contempla indicadores de vivienda inadecuada, servicios básicos insuficientes,
hacinamiento, inasistencia escolar y dependencia económica. Debido a que es un
indicador de susceptibilidad socioeconómico, en este estudio, se le da las siglas SSENBI.
La información del indicador de susceptibilidad socioeconómica se deposita en la Tabla
(6.4).
59
Tabla 6.4 Indicadores de susceptibilidad socioeconómica. Fuente: elaboración propia.
Susceptibilidad socioeconómica
ID Código Indicador Rango Rango de valores
8 SSENBI NBI sector rural y
urbano
Bajo 0-35
Medio 20-65
Alto >50
Indicadores de capacidad adaptativa
Los indicadores de capacidad adaptativa comprenden cuatro temas utilizados para evaluar
el sistema social, sistema productivo, sistema ecológico y el sistema socioeconómico de la
cuenca del río Blanco. Se propusieron 5 indicadores para el tema de capacidad adaptativa
social, 5 indicadores para el tema de capacidad adaptativa productiva, 2 indicadores de
capacidad adaptativa ecológica y 2 indicadores de capacidad adaptativa socioeconómica.
Indicadores de capacidad adaptativa social:
En cuanto al primer indicador de capacidad adaptativa social se propuso un indicador para
establecer el porcentaje de avance de proyectos de mitigación y adaptación a la VC y CC,
adaptado de estudios como Almeida et al., (2016), Pandey y Bardsley (2015) y Vargas
(2014). El indicador surge de varios estudios entre los cuales se puede nombrar a Pandey
y Bardsley (2015) con su indicador "nivel de adopción de estrategias de adaptación" y
Vargas (2014) con su indicador "Medidas de mitigación y adaptación al cambio climático"
que abarcan de forma general las actividades de adaptación y mitigación frente a cambio
climático. Por otro lado, Almeida et al (2016) especifica los indicadores de acuerdo al tipo
de amenaza, los indicadores que utilizó son: "medidas estructurales para reducir el riesgo
de desastres", "Gestión del riesgo de desastres a las inundaciones", "Gestión del riesgo
de desastres a deslizamientos". El rango de valores se definió y adaptó con base en
revisión de literatura.
En segundo lugar, se propone el porcentaje de área cubierta por niveles de educación
adaptado de estudios realizados por Almeida et al (2016), Pandey y Bardsley (2015),
Kumar et al., (2016) y KC et al (2015). El indicador se basa en que la educación es un
aspecto crucial de la concienciación sobre el cambio climático, es vital para los medios de
60
subsistencia y facilita el desarrollo e implementación de diversas respuestas al CC. El
rango de valores se definió y adoptó con base en la revisión de literatura de acuerdo a lo
considerado por los autores: Almeida et al (2016), Satta et al (2016), Torresan et al (2016),
Kumar et al (2016), Dumenu y Obeng (2016), van Wesenbeeck et al (2016), Pandey y
Bardsley (2015) y KC et al (2015).
Teniendo en cuenta que la conexión de los hogares a combustibles para cocinar alimentos
de forma eficiente puede hacer que una zona sea menos vulnerable a los efectos del CC
y posteriormente pueda reducir cargas financieras y ambientales (Kumar et al., 2016; Van
Wesenbeeck et al., 2016). Este estudio propone como tercer indicador el porcentaje de
área con hogares conectados a combustibles para cocinar de forma eficiente.
El cuarto indicador es el porcentaje de área que tiene acceso a carreteras que junto con el
rango es adaptado de los estudios de Nguyen et al (2016), Kumar et al (2016) y El-Zein y
Tonmoy (2015). El indicador se basa en la facilidad y dificultad que se puede dar en una
evacuación de la zona afectada y en la facilidad de transporte suministro.
Dumenu y Obeng (2016) establecen el acceso a información sobre VC y CC como una
medida de adaptación ya que la difusión de información al público y el acceso a la
información relevante sobre CC promueve la resiliencia frente a los eventos relacionados
con el CC. Por lo tanto el quinto indicador consiste en evaluar el porcentaje de área con
acceso a información sobre VC y CC que junto con el rango se basan en el estudio de
Dumenu y Obeng (2016). La información de los indicadores de capacidad adaptativa social
se deposita en la Tabla (6.5).
Tabla 6.5 Indicadores de capacidad adaptativa social. Fuente: elaboración propia.
Capacidad adaptativa social
ID Código Indicador Rango Rango de valores
9 CSP
Proyectos de mitigación y adaptación a la
variación climática y cambio climático
Bajo 0-33.3
Medio 29-66
Alto >60
10 CSAE Área cubierta por
niveles de educación
Bajo 0-33.3
Medio 29-66
Alto >60
61
Capacidad adaptativa social
ID Código Indicador Rango Rango de valores
11 CSH
Hogares conectados a combustibles para cocinar de forma
eficiente
Bajo 0-33.3
Medio 29-66
Alto >60
12 CSAC Área que tiene acceso a
carreteras
Bajo 0-33.3
Medio 29-66
Alto >60
13 CSAI Acceso a información
sobre VC y CC
Bajo 0-33.3
Medio 29-66
Alto >60
Indicadores de capacidad adaptativa productiva:
En cuanto al tema de capacidad adaptativa productiva, se estableció como primer indicador
el cambio de variedades de cultivo. Este indicador es adaptado de Abid et al (2016) y se
basa en que el cambio de la variedad del cultivo funciona como una medida de adaptación
contra las temperaturas máximas extremas y las plagas en los cultivos.
Como segundo indicador se plantea el cambio de tipos de cultivo, teniendo en cuenta los
estudios realizados por Abid et al (2016) y Liyalomhe et al (2015). La utilización de este
indicador se debe a que existen tipos de cultivos cuyo requerimiento de agua es bajo y se
adapta fácilmente a la variación de la temperatura.
Como tercer indicador se plantea la diversificación de cultivos teniendo en cuenta que es
una medida de adaptación contra el deterioro del suelo y enfermedades en las plantas
(Abid et al., 2016; Dumenu y Obeng, 2016). Debido a las características agrícolas y
minifundistas de la cuenca del río Blanco, cada familia tiene técnicas distintas en el manejo
de sus cultivos.
El cuarto indicador es adaptado del estudio de Abid et al (2016) en el cual se menciona
que la cooperación dentro de la comunidad agropecuaria es una medida para mejorar la
adaptación dentro de las comunidades agrícolas y facilita el intercambio de información y
de insumos como: mano de obra, agua, semillas y fertilizante.
62
Dumenu y Obeng (2016) y Van Wesenbeeck et al (2016) proponen que los trabajos
secundarios al agrícola en un hogar se puede utilizar como el quinto indicador de
adaptación al CC, el indicador se basa en que los trabajos diferentes al agrícola no son
directamente influenciados por el clima y su producción no va a ser afectada. Tanto el
indicador como el rango fueron adaptados de los estudios Dumenu y Obeng (2016) y Van
Wesenbeeck et al (2016) en los que el indicador se mide cualitativamente (ej: profesional,
técnico, servicios y agricultura como el menos adaptado). La información de los indicadores
de capacidad adaptativa social se deposita en la Tabla (6.6).
Tabla 6.6 Indicadores de capacidad adaptativa productiva. Fuente: elaboración propia.
Capacidad adaptativa Productiva
ID Código Indicador Rango Rango de valores
14 CPVC Cambio de variedades
de cultivo
Bajo 0-33.3
Medio 29-66
Alto >60
15 CPCC Cambio de tipos de
cultivo
Bajo 0-33.3
Medio 29-66
Alto >60
16 CPDC Diversificación de
cultivos
Bajo 0-33.3
Medio 29-66
Alto >60
17 CPCA Cooperación dentro de
la comunidad agropecuaria
Bajo 0-33.3
Medio 29-66
Alto >60
18 CPTS Trabajos secundarios al
agrícola
Bajo 0-33.3
Medio 29-66
Alto >60
Indicadores de capacidad adaptativa ecológica:
En cuanto al tema de capacidad adaptativa ecológica se propuso como primer indicador el
aumento de cobertura forestal con respecto a la cuenca en los últimos 10 años. Autores
como Almeida et al (2016), Nguyen et al (2016) y Satta et al (2016) mencionan que la
plantación de árboles funciona como medida de adaptación.
63
La plantación de árboles en zonas específicas de la cuenca se considera como una medida
de adaptación de acuerdo a Abid et al (2016) y Lyalomhe et al (2015) es por esto que se
plantea la evaluación de márgenes de protección ribereña del como segundo indicador.
La información de los indicadores de capacidad adaptativa ecológica se deposita en la
Tabla (6.7).
Tabla 6.7 Indicadores de capacidad adaptativa ecológica. Fuente: elaboración propia.
Capacidad adaptativa Ecológica
ID Código Indicador Rango Rango de valores
19 CECF
Aumento de cobertura forestal con respecto a la cuenca en los últimos
10 años
Bajo 0-33.3
Medio 29-66
Alto >60
20 CEMR Márgenes de protección
ribereña del cauce principal
Bajo 0-33.3
Medio 29-66
Alto >60
Indicadores de capacidad adaptativa socioeconómicos:
El primer indicador del tema capacidad adaptativa socioeconómico es el porcentaje de
propiedad de la vivienda adaptado de los estudios de El-Zein y Tonmoy et al (2015) y
Kumar et al (2015). El indicador se basa en que la propiedad de los activos físicos es una
parte vital de la construcción de la resistencia de las personas. La acumulación y
asignación de activos está relacionada con la estrategia de medios de subsistencia y
proporciona rendimiento financiero a las carteras de activos, así como capacidad de
afrontar varios problemas.
El rango se establece de acuerdo a la revisión de literatura, especialmente se tiene en
cuenta las investigaciones realizadas por Kumar et al (2016) y El-Zein y Tonmoy et al
(2015) en las cuales se realizaron la aplicación del indicador anteriormente mencionado.
El segundo indicador de capacidad adaptativa socioeconómica es la diversificación de
fuentes de ingreso en los hogares, este indicador es adaptado de la investigación realizada
por Dumenu y Obeng (2016).
64
La información de los indicadores de capacidad adaptativa socioeconómico se deposita en
la Tabla (6.8).
Tabla 6.8 Indicadores de capacidad adaptativa socioeconómica. Fuente: elaboración
propia.
Capacidad adaptativa socioeconómica
ID Código Indicador
21 CSEPV Porcentaje propiedad de
la vivienda
Bajo 0-33.3
Medio 29-66
Medio >60
22 CSEFI Diversificación fuente de
ingresos
Bajo 0-33.3
Medio 29-66
Alto >60
Ficha técnica indicadores de susceptibilidad
A continuación, se presentan las fichas técnicas de los indicadores de susceptibilidad. De
la Tabla (6.9) a la Tabla (6.11) se presentan las fichas técnicas de los indicadores de la
dimensión Susceptibilidad Social: SSRD, SSMR y SSDF, de la Tabla (6.12) a la Tabla
(6.13) se presenta las fichas técnicas de los indicadores de la dimensión Susceptibilidad
Productiva: SPO y SPI, de la Tabla (6.14) a la Tabla (6.15) se presenta las fichas técnicas
de los indicadores de la dimensión Susceptibilidad Ecológica: SEP y SEFP. Por último, en
la Tabla (6.16) se presentan la ficha técnica del indicador SSENBI de la dimensión
Susceptibilidad- Socioeconómica.
Tabla 6.9 Ficha técnica indicador de relación de dependencia. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR SSRD
Nombre Relación de dependencia- SSRD
Descripción
Este indicador consiste en evaluar la relación de dependencia según grupos etáreos, el cual determina la relación entre la población considerada como dependiente y la que se define como económicamente productiva o potencialmente activa (DANE, 2018a).
Dimensión Susceptibilidad Social
65
FICHA TÉCNICA INDICADOR SSRD
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝐷𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 =(𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 < 15 𝑎ñ𝑜𝑠 + 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 65 𝑎ñ𝑜𝑠 𝑦 𝑚á𝑠) ∗ 100
𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 15 𝑎 64 𝑎ñ𝑜𝑠
Categoría de respuesta
Categoría Criterio
Bajo Bajo nivel de dependencia (<=60)
Medio Niveles medios de dependencia (60.1-80)
Alto Altos niveles de dependencia (>80.1)
Posibles fuentes de información
Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
Tabla 6.10 Ficha técnica indicador de Minorías raciales/ étnicos. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR SSMR
Nombre Minorías raciales/étnicos- SSMR
Descripción
Este indicador consiste en evaluar el nivel de organización de las minorías raciales. De acuerdo con KC et al (2015) las minorías raciales y étnicas son frágiles a los cambios en las condiciones del clima debido a sus arraigos culturales y medios de subsistencia basados en actividades agropecuarias.
Dimensión Susceptibilidad Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador se estima a partir de los tres criterios definidos para la categorización de susceptibilidad social alta, media o baja. Es decir, si en el área evaluada existe la presencia de minorías raciales o étnicas no organizadas, la población presente en el área se clasifica con un nivel alto de susceptibilidad social.
Categoría de respuesta
Categoría Criterio
Bajo Minorías organizadas y consolidadas
Medio Minorías en proceso de organización
Alto Minorías sin organización
66
FICHA TÉCNICA INDICADOR SSMR
Posibles fuentes de información
Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
Tabla 6.11 Ficha técnica indicador de Dependencia de recursos forestales. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR SSDF
Nombre Dependencia de recursos forestales- SSDF
Descripción
Este indicador consiste en evaluar el grado de dependencia de la población presente en una zona específica con respecto al recurso forestal.
Dimensión Susceptibilidad Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo No hay dependencia de los recursos forestales.
Medio En la zona de estudio existe dependencia indirecta de los recursos forestales como los artesanos.
Alto En la zona de estudio existe una alta dependencia de los recursos forestales, por ejemplo, actividades económicas como el carboneo y la cocción de alimentos basada en leña.
Posibles fuentes de información
Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
67
Tabla 6.12 Ficha técnica indicador de Ocupaciones sensibles al clima. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR SPO
Nombre Ocupaciones sensibles al clima- SPO
Descripción
Este indicador hace referencia a evaluar cualitativamente el nivel de susceptibilidad de acuerdo con las ocupaciones desarrolladas en el hogar, siendo la agricultura, silvicultura y pesquería actividades más sensibles al CC (Panadey y Bardsley, 2015; Kc et al., 2015).
Dimensión Susceptibilidad Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Profesionales, técnicos y oficios varios.
Medio Ganaderos
Alto Familias cuya actividad económica principal es la agricultura, pesca y silvicultura.
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
Tabla 6.13 Ficha técnica indicador de Tierras de cultivo que necesitan irrigación. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR SPI
Nombre Tierras de cultivo que necesitan irrigación- SPI
Descripción
El indicador hace referencia a la estimación de las tierras que necesitan irrigación y a la tecnificación del riego.
Dimensión Susceptibilidad Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales, balance hídrico y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Tierras sin necesidad de irrigación o con necesidad de irrigación y con riego bien tecnificado.
Medio Tierra con necesidad de riego con riego no tecnificado.
68
FICHA TÉCNICA INDICADOR SPI
Alto Tierra con necesidad de riego sin riego.
Posibles fuentes de información
Geoportales institucionales Índice de escasez de agua superficial Balance hídrico Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
Tabla 6.14 Ficha técnica indicador de Perdida de salud ecosistemas. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR SEP
Nombre Perdida de lagos, zonas húmedas y salud ecosistemas- SEP
Descripción
Este indicador hace referencia a la perdida de salud de los ecosistemas presentes en la zona de estudio.
Dimensión Susceptibilidad Ecológica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Ecosistemas sin deterioro visual y ubicado en zona protegida.
Medio Humedal con deterioro ubicado en zona protegida.
Alto Humedal deteriorado
Posibles fuentes de información
Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Manejo Ambiental Recorridos de campo
69
Tabla 6.15 Porcentaje forestal en zonas con alta pendiente. Fuente: elaboración propia.
FICHA TÉCNICA INDICADOR SEFP
Nombre Porcentaje forestal en zonas con alta pendiente- SEFP
Descripción
Este indicador hace referencia a la proporción de áreas de alta pendiente que no cuenta con cobertura vegetal, que amarre el suelo y lo proteja del impacto de la precipitación.
Dimensión Susceptibilidad Ecológica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta un mapa de pendientes clasificado en dos categorías (pendientes altas y pendientes moderadas – bajas) y un mapa de cobertura forestal actual.
Categoría de respuesta
Categoría Criterio
Bajo Zonas con alta pendiente totalmente llenas de cobertura vegetal.
Medio Zonas con altas pendientes con poca cobertura de protección.
Alto Zonas con altas pendientes sin cobertura forestal
Posibles fuentes de información
Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Manejo Ambiental Recorridos de campo
Tabla 6.16 Ficha técnica indicador de Necesidades Básicas Insatisfechas sector rural y
urbano. Fuente: elaboración propia.
FICHA TÉCNICA INDICADOR SSENBI
Nombre
Necesidades Básicas Insatisfechas sector rural y urbano- SSENBI
Descripción
Este indicador hace referencia a las necesidades básicas insatisfechas, en el cual se contemplan indicadores de vivienda inadecuada, servicios básicos insuficientes, hacinamiento, inasistencia escolar y dependencia económica.
Dimensión Susceptibilidad Socioeconómica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
La estimación del indicador se realiza a partir de los resultados obtenidos en la aplicación del NBI realizada por el DANE en el 2010 y publicada en Instituto Geográfico Agustín Codazzi en la
70
FICHA TÉCNICA INDICADOR SSENBI
plataforma Sistema de Información Geográfica para la Planeación y el Ordenamiento Territorial (SIG- OT). La metodología NBI utilizada por el DANE (2018b) consiste en determinar, con ayuda de 5 indicadores simples, si las necesidades básicas de la población se encuentran cubiertas y medir el nivel e intensidad de la pobreza de los hogares. Los grupos que no alcance un umbral mínimo fijado, son clasificados como pobres. Los indicadores simples seleccionados son: Viviendas inadecuadas, Viviendas con hacinamiento crítico, Viviendas con servicios inadecuados, Viviendas con alta dependencia económica y Viviendas con niños en edad escolar que no asisten a la escuela.
Categoría de respuesta
Categoría Criterio
Bajo El nivel de hogares y personas pobres en la zona de estudio es bajo.
Medio El nivel de hogares y personas pobres en la zona de estudio es medio.
Alto El nivel de hogares y personas pobres en la zona de estudio es alto.
Posibles fuentes de información
Geoportales institucionales. Informes DANE. Plan de Ordenamiento Municipal. Plan de Ordenamiento y Manejo de Cuencas Hidrográficas.
Ficha técnica indicadores de capacidad adaptativa
En seguida se presentan las fichas técnicas de los indicadores de capacidad adaptativa.
De la Tabla (6.17) a la Tabla (6.21) se presentan las fichas técnicas de los indicadores de
la dimensión Capacidad adaptativa Social: CSP, CSAE, CSH, CSAC y CSAI. De la Tabla
(6.22) a la Tabla (6.26) se presentan las fichas técnicas de los indicadores de la dimensión
Capacidad adaptativa Productiva: CPVC, CPCC, CPDC, CPCA y CPTS. De la Tabla (6.27)
a la Tabla (6.28) se presentan las fichas técnicas de los indicadores de la dimensión
Capacidad adaptativa Ecológica: CECF, CEMR. Por último, de la Tabla (6.29) a la Tabla
(6.30) se presenta la ficha técnica del indicador de la dimensión Capacidad adaptativa
Socioeconómica: CSEPV y CSEFI.
71
Tabla 6.17 Ficha técnica indicador de Proyectos de mitigación y adaptación a la variación
climática y cambio climático. Fuente: elaboración propia.
FICHA TÉCNICA INDICADOR CSP
Nombre
Proyectos de mitigación y adaptación a la variación climática y cambio climático- CSP
Descripción
El indicador permite medir el porcentaje de avance con respecto a la implementación de proyectos de mitigación y adaptación a la variación climática y cambio climático.
Dimensión Capacidad adaptativa Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
Para lo cual se tendrá en cuenta la información recolectada de documentos técnicos y revisión de literatura.
Categoría de respuesta
Categoría Criterio
Bajo No existen estudios relacionados
Medio
Existen estudios técnicos relacionados; sin embargo, no se han ejecutado los proyectos expuestos.
Alto
Existen estudios técnicos relacionados y se ha realizado la ejecución de los proyectos que se formularon.
Posibles fuentes de información
Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico
Tabla 6.18 Ficha técnica indicador de Área cubierta por niveles de educación. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CSAE
Nombre Área cubierta por niveles de educación- CSAE
Descripción
Este indicador hace referencia a la cobertura de acuerdo con el nivel de educación. Se basa en que la educación es un aspecto crucial para los medios de subsistencia y el desarrollo e implementación de diversas respuestas frente al CC.
Dimensión Capacidad adaptativa Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, entrevistas y el mapeo de la información.
Categoría de respuesta
Categoría Criterio
Bajo La zona en estudio tiene cobertura de educación primaria.
72
Medio Los colegios que influyen en la zona de estudio son de nivel de educación secundaria.
Alto La zona en estudio cuenta con fácil acceso a instituciones de educación tecnológica o superior
Posibles fuentes de información
Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.19 Ficha técnica indicador de Hogares conectados a combustibles para cocinar
de forma eficiente. Fuente: elaboración propia.
FICHA TÉCNICA INDICADOR CSH
Nombre
Hogares conectados a combustibles para cocinar de forma eficiente- CSH
Descripción
El indicador permite estimar el nivel de adaptación basado en el tipo de combustible utilizado para realizar la cocción de alimentos.
Dimensión Capacidad adaptativa Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Hogares que utilizan madera como combustible para la cocción de alimentos.
Medio Hogares que utilizan gas de cilindro para cocinar sus alimentos.
Alto Hogares conectados al gas domiciliario para realizar la cocción de alimentos.
Posibles fuentes de información
Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
73
Tabla 6.20 Ficha técnica indicador de Área que tiene acceso a carreteras. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CSAC
Nombre Área que tiene acceso a carreteras- CSAC
Descripción
Este indicador hace referencia a la facilidad de evacuación de la zona afectada y a la facilidad de transportar suministros.
Dimensión Capacidad adaptativa Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se utilizara Sistemas de Información Geográfica para ver la influencia de las carreteras en la zona de estudio.
Categoría de respuesta
Categoría Criterio
Bajo Presencia sólo de caminos
Medio Carretera sin pavimentar
Alto Carretera pavimentada
Posibles fuentes de información
Cartografía escala 1:10.000 o 1:25.000 del IGAC Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.21 Ficha técnica indicador de Acceso a información sobre VC y CC. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CSAI
Nombre Acceso a información sobre VC y CC- CSAI
Descripción
Este indicador hace referencia al nivel de acceso a información sobre VC y CC, teniendo en cuenta que la difusión de información al público y el acceso a información relevante sobre CC promueve la resiliencia frente a los eventos relacionados con el CC (Dumenu y Obeng, 2016).
Dimensión Capacidad adaptativa Social
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Sin difusión
74
Medio Difusión de temas de adaptación al CC en grupos cerrados sin posibilidad de difusión
Alto Difusión de temas de adaptación al CC en colegios y difundidos por medios de comunicación como radio, televisión y periódico.
Posibles fuentes de información
Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.22 Ficha técnica indicador de Cambio de variedades de cultivo. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CPVC
Nombre Cambio de variedades de cultivo- CPVC
Descripción
Este indicador hace referencia a la evaluación del nivel de aceptación de variedades de cultivo más resistentes como medida de adaptación a la variación de la temperatura y precipitación. La agricultura en el departamento de Nariño no sólo es una forma de vida sino que también es una forma de subsistencia; por tanto, los agricultores se capacitan para tener un mejor rendimiento en sus cultivos. Sin embargo, existen agricultores que se aferran a costumbres heredadas que no siempre son las más adecuadas.
Dimensión Capacidad adaptativa Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Los agricultores de la zona en estudio no realizan una planificación para la siembra y utilizan variedades de cultivos no adaptadas
Medio Los agricultores utilizan una de las dos acciones de adaptación, siembra en fechas planificadas o sólo utilizan variedades de cultivos adaptadas.
Alto Los agricultores utilizan variedades de cultivo adaptadas a variaciones climáticas y realizan la planificación de siembra, cambiando las fechas de siembra según sea necesario.
75
FICHA TÉCNICA INDICADOR CPVC
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.23 Ficha técnica indicador de Cambio de tipo de cultivo. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR CPCC
Nombre Cambio de tipos de cultivos- CPCC
Descripción
Este indicador hace referencia a la evaluación de adopción de tipos de cultivos mejor adaptados a las variaciones climáticas.
Dimensión Capacidad adaptativa Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Los agricultores de la zona no tienen en cuenta el tipo de cultivo de acuerdo con una planificación, por el contrario, utilizan cultivos susceptibles a la variación del clima.
Medio Los agricultores realizan una selección del tipo de cultivo basada en una planificación con conocimientos ancestrales.
Alto Los agricultores seleccionan el tipo de cultivo a sembrar de acuerdo con una planificación técnica y con conocimientos ancestrales.
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
76
Tabla 6.24 Ficha técnica indicador de Diversificación de cultivos. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR CPDC
Nombre Diversificación de cultivos- CPDC
Descripción
Este indicador hace referencia al nivel de implementación de la diversificación de cultivos como medida de adaptación a variaciones climáticas.
Dimensión Capacidad adaptativa Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Mono cultivo en latifundios
Medio Minifundios
Alto Diversificación de cultivos en minifundios
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.25 Cooperación dentro de la comunidad agropecuaria. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR CPCA
Nombre Cooperación dentro de la comunidad agropecuaria- CPCA
Descripción
Este indicador hace referencia al nivel de organización y cooperación existente dentro de las comunidades agropecuarias de la zona. La cooperación se refiere al intercambio de información e insumos, por ejemplo, la mano de obra, agua, semillas y fertilizantes entre otros.
Dimensión Capacidad adaptativa Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo No existen asociaciones en el sector agrícola y pecuario en la zona de estudio.
77
Medio Existen asociaciones en la comunidad agropecuaria; sin embargo no se encuentra conformada.
Alto Existen asociaciones conformadas en el sector agropecuario de la zona.
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas
Tabla 6.26 Ficha técnica indicador de Trabajos secundarios al agrícola. Fuente: elaboración propia.
FICHA TÉCNICA INDICADOR CPTS
Nombre Trabajos secundarios al agrícola- CPTS
Descripción
Este indicador hace referencia a evaluar el tipo de fuentes de ingresos económicos diferentes al agrícola.
Dimensión Capacidad adaptativa Productiva
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo La actividad económica principal del núcleo familiar es el agrícola.
Medio Familias de agricultores con miembros que trabajan en oficios varios.
Alto Familias con miembros en trabajos técnicos y profesionales
Posibles fuentes de información
Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
78
Tabla 6.27 Ficha técnica indicador de Aumento de cobertura forestal. Fuente: elaboración
propia.
FICHA TÉCNICA INDICADOR CECF
Nombre Aumento de cobertura forestal- CECF
Descripción
Este indicador hace referencia al porcentaje de reforestación en los últimos 10 años.
Dimensión Capacidad adaptativa Ecológica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta un mapa de reforestación el cual será contrastado con mapas de pendiente y red de drenaje.
Categoría de respuesta
Categoría Criterio
Bajo No existe reforestación
Medio Reforestación no planificada o con fines de extracción.
Alto Reforestación con planificación técnica. Reforestación en zonas de alta pendiente y fuentes de agua.
Posibles fuentes de información
Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas
Tabla 6.28 Ficha técnica indicador de Márgenes de protección ribereña. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CEMR
Nombre Márgenes de protección ribereña- CEMR
Descripción
Este indicador hace referencia a la evaluación de la presencia de márgenes protectoras del río. Las márgenes de protección rivereña reducen la exposición al restringir el paso y los asentamientos en zonas aledañas al río.
Dimensión Capacidad adaptativa Ecológica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta el contraste de la red de drenaje y un mapa de cobertura forestal actual.
Categoría de respuesta
Categoría Criterio
79
FICHA TÉCNICA INDICADOR CEMR
Bajo Sin margen de protección.
Medio Margen de protección igual o menor a treinta metros.
Alto Margen de protección rivereña bien planificada en la cual se tenga en cuenta la amenaza por inundación, amenaza por deslizamiento de taludes y zona de prestación de servicios ambientales.
Posibles fuentes de información
Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo
Tabla 6.29 Ficha técnica indicador de Porcentaje de propiedad de la vivienda. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CSEPV
Nombre Porcentaje de propiedad de la vivienda- CSEPV
Descripción
Este indicador hace referencia al porcentaje de tenencia de las viviendas en una zona específica.
Dimensión Capacidad adaptativa Socioeconómica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Sin propiedad
Medio >70% propiedad de la vivienda
Alto 100% de propiedad de la vivienda
Posibles fuentes de información
Geoportales institucionales Informes DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas no estructuradas
80
Tabla 6.30 Ficha técnica indicador de Diversificación fuentes de ingreso. Fuente:
elaboración propia.
FICHA TÉCNICA INDICADOR CSEFI
Nombre Diversificación fuentes de ingreso- CSEFI
Descripción
Este indicador hace referencia a la evaluación cualitativa de la diversificación de fuentes de ingreso presentes en la zona de estudio.
Dimensión Capacidad adaptativa Socioeconómica
Zona de aplicación Región andina del departamento de Nariño
Cálculo/estimación
El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.
Categoría de respuesta
Categoría Criterio
Bajo Todas las fuentes de ingreso se relacionan con el clima.
Medio Una fuente de ingresos (oficios varios) no relacionada con el clima
Alto Más de una fuente de ingresos no relacionada con el clima (técnicos y profesionales).
Posibles fuentes de información
Geoportales institucionales Informes DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo
6.2 Construcción de un índice basado en un sistema difuso.
Fuzzificación de variables de entrada y salida del sistema difuso
Para cada uno de los indicadores comprendidos en las 8 dimensiones: susceptibilidad
social, susceptibilidad productiva, susceptibilidad ecológica y susceptibilidad
socioeconómica, se definieron funciones de pertenencia.
Funciones de pertenencia indicadores de susceptibilidad social.
81
Las funciones que se utilizaron para definir las variables de entrada son de tipo trapezoidal
y para definir la variable de salida, de tipo triangular.
El indicador SSRD se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 60%, para la calificación “MEDIO” se utilizó un rango entre 60.1% y 80% y para la
calificación “ALTO” se define un rango de valores mayores a 80.1. El indicador SSMR se
compone de 3 funciones trapezoidales con los siguientes rangos: para la calificación
“BAJO” se utilizó una función con rango de valores inferiores o iguales a 33.3%, para la
calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la calificación “ALTO” se
define un rango de valores mayores a 60%. El indicador SSDF se compone de 3 funciones
trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó una función
con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó
un rango entre 29% y 66% y para la calificación “ALTO” se define un rango de valores
mayores a 60%.
El subíndice específico Susceptibilidad Social (SS) se compone de 3 funciones triangulares
que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre 1 y 3 y
“ALTO” con valores entre 2 y 4. Se consideran como variables de entrada los indicadores
SSRD, SSMR y SSDF y como variable de salida el subíndice específico SS al cambio
climático (Figura 6.1).
82
Figura 6.1 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia.
Funciones de pertenencia indicadores de susceptibilidad productiva.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular. El indicador SPO se compone de 3 funciones
trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó una función
con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó
un rango entre 29% y 66% y para la calificación “ALTO” se define un rango de valores
mayores a 60. El indicador SPI se compone de 3 funciones trapezoidales con los siguientes
rangos: para la calificación “BAJO” se utilizó una función con rango de valores inferiores o
iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para
la calificación “ALTO” se define un rango de valores mayores a 60%.
83
El subíndice específico Susceptibilidad Productiva (SP) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los
indicadores SPO y SPI y como variable de salida el subíndice específico SP al cambio
climático (Figura 6.2).
Figura 6.2 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia.
Funciones de pertenencia indicadores de susceptibilidad ecológica.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular. El indicador SEP se compone de 3 funciones
trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó una función
con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó
un rango entre 29% y 66% y para la calificación “ALTO” se define un rango de valores
mayores a 60%. El indicador SEFP se compone de 3 funciones trapezoidales con los
siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de valores
inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y
66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.
84
El subíndice específico Susceptibilidad Ecológica (SE) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los
indicadores SEP y SEFP y como variable de salida el subíndice específico SE al cambio
climático (Figura 6.3).
Figura 6.3 Indicadores del grupo Susceptibilidad ecológica. Fuente: elaboración propia.
Funciones de pertenencia indicadores de susceptibilidad socioeconómica.
Las funciones utilizadas para definir la variable de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular. El indicador SSENBI se compone de 3
funciones trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó
una función con rango de valores inferiores o iguales a 35%, para la calificación “MEDIO”
se utilizó un rango entre 20% y 65% y para la calificación “ALTO” se define un rango de
valores mayores a 50%.
El subíndice específico Susceptibilidad Socioeconómico (SSE) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variable de entrada el indicador
85
SSENBI y como variable de salida el subíndice específico SSE al cambio climático (Figura
6.4).
Figura 6.4 Indicadores del grupo Susceptibilidad socioeconómica. Fuente: elaboración
propia.
Funciones de pertenencia Subíndice de susceptibilidad.
La susceptibilidad general se conforma de cuatro variables de entrada que son SS, SP, SE
y SSE de tipo triangular y una variable de salida que es la Susceptibilidad (S) de tipo
triangular y con 3 funciones clasificadas como: “ALTO” con valores de 0 a 2, “MEDIO” con
valores de 1 a 3 y “BAJO” con valores de 2 a 4 (Figura 6.5).
86
Figura 6.5 Indicadores del grupo Susceptibilidad general. Fuente: elaboración propia.
Funciones de pertenencia indicadores de capacidad adaptativa social.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular.
El indicador CSP se compone de 3 funciones trapezoidales con los siguientes rangos: para
la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales a
33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CSAE se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
87
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CSH se compone de 3 funciones trapezoidales con los siguientes rangos: para
la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales a
33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CSAC se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CSAI se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El subíndice específico Capacidad adaptativa Social (CS) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los
indicadores CSP, CSAE, CSH, CSAC y CSAI y como variable de salida el subíndice
específico CS al cambio climático (Figura 6.6).
88
Figura 6.6 Indicadores del grupo Capacidad adaptativa Social. Fuente: elaboración
propia.
Funciones de pertenencia indicadores de capacidad adaptativa productiva.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular.
89
El indicador CPVC se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CPCC se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CPDC se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CPCA se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El indicador CPTS se compone de 3 funciones trapezoidales con los siguientes rangos:
para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales
a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la
calificación “ALTO” se define un rango de valores mayores a 60%.
El subíndice específico Capacidad adaptativa Productiva (CP) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los
indicadores CPVC, CPCC, CPDC, CPCA y CPTS y como variable de salida el subíndice
específico CP al cambio climático (Figura 6.7).
90
Figura 6.7 Indicadores del grupo Capacidad adaptativa productiva. Fuente: elaboración
propia.
91
Funciones de pertenencia indicadores de capacidad adaptativa ecológico.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular. El indicador CECF se compone de 3
funciones trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó
una función con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO”
se utilizó un rango entre 29% y 66% y para la calificación “ALTO” se define un rango de
valores mayores a 60%. El indicador CEMR se compone de 3 funciones trapezoidales con
los siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de
valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre
29% y 66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.
El subíndice específico Capacidad adaptativa Ecológica (CE) se compone de 3 funciones
triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre
1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los
indicadores CECF y CEMR y como variable de salida el subíndice específico CP al cambio
climático (Figura 6.8).
Figura 6.8 Indicadores del grupo Capacidad adaptativa ecológica. Fuente: elaboración
propia.
92
Funciones de pertenencia indicadores de capacidad adaptativa
socioeconómico.
Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para
definir la variable de salida de tipo triangular. El indicador CSEPV se compone de 3
funciones trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó
una función con rango de valores inferiores o iguales a 70%, para la calificación “MEDIO”
se utilizó un rango entre 65% y 98% y para la calificación “ALTO” se define un rango de
valores mayores a 95. El indicador CSEFI se compone de 3 funciones trapezoidales con
los siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de
valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre
29% y 66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.
El subíndice específico Capacidad adaptativa Socioeconómica (CSE) se compone de 3
funciones triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con
valores entre 1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de
entrada los indicadores CSEPV y CSEFI y como variable de salida el subíndice específico
CP al cambio climático (Figura 6.9).
Figura 6.9 Indicadores del grupo Capacidad adaptativa socioeconómica. Fuente:
elaboración propia.
93
Funciones de pertenencia subíndice de capacidad adaptativa.
La capacidad adaptativa general está conformada de cuatro variables de entrada que son
CS, CP, CE y CSE de tipo triangular y una variable de salida que es la capacidad adaptativa
(C) también de tipo triangular y con 3 funciones clasificadas como: “ALTO” con valores de
0 a 2, “MEDIO” con valores de 1 a 3 y “BAJO” con valores de 2 a 4 (Figura 6.10).
Figura 6.10 Indicadores del grupo capacidad adaptativa general. Fuente: elaboración
propia.
94
Funciones de pertenencia índice IVUCC
La vulnerabilidad se genera utilizando dos variables de entrada S y C y una variable de
salida que es el índice IVUCC, el cual se encuentra conformado por 3 funciones de tipo
triangular clasificadas como: “ALTO” con valores de 0 a 2, “MEDIO” con valores de 1 a 3 y
“BAJO” con valores de 2 a 4 (Figura 6.11).
Figura 6.11 Funciones de pertenencia índice IVUCC. Fuente: elaboración propia.
Reglas de decisión y desfuzzificación indicadores de susceptiblidad
En este estudio se utilizó el método Mamdani basado en reglas de decisión de tipo SI-
ENTONCES (IF-ELSE). En el método Mamdani, tanto el antecedente como el consecuente
son expresiones lingüísticas. Las reglas se pueden aplicar en cada una de las AHV de la
cuenca, presentando probablemente diversos valores para cada área. Las reglas
combinan conjuntos difusos de entrada denominados antecedente con un conjunto difuso
de salida llamado consecuente. El total de las reglas de decisión se encuentra en el Anexo
(4).
95
Reglas de decisión para el subíndice de susceptibilidad
En la Tabla (6.31), se presentan algunas de las reglas de decisión que dan valor al nivel
del subíndice específico SS, el total de reglas es de 27, las cuales pueden ser aplicadas
en cada una de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en
cuenta como antecedente los indicadores SSRD, SSMR y SSDF y como consecuente el
subíndice especifico SS. Las reglas de decisión del subíndice especifico susceptibilidad
social tienen los siguientes porcentajes en los resultados de la variable de salida: 37% un
valor Alto, un 26% con valor Medio y un 37% con valor Bajo.
Tabla 6.31 Reglas de decisión para el subíndice específico SS. Fuente: elaboración
propia.
No. REGLAS
1 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS ALTO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO
2 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO
3 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS BAJO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO
… ….
… ….
26 IF (SSRD IS BAJO) AND (SSMR IS BAJO) AND (SSDF IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIAL IS BAJO
27 IF (SSRD IS BAJO) AND (SSMR IS BAJO) AND (SSDF IS BAJO) THEN SUSCEPTIBILIDAD-SOCIAL IS BAJO
En la Tabla (6.32), se presentan algunas de las reglas de decisión que darán valor al nivel
del subíndice específico SP, con un total de 9 reglas. Las reglas de decisión se definieron
teniendo en cuenta como antecedente los indicadores SPO y SPI y como consecuente el
subíndice especifico SP. Las reglas de decisión del subíndice especifico susceptibilidad
productiva tienen los siguientes porcentajes en los resultados de la variable de salida:
33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.
96
Tabla 6.32 Reglas de decisión para el subíndice específico SP. Fuente: elaboración
propia.
No. REGLAS
1 IF (SPO IS ALTO) AND (SPI IS ALTO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS ALTO
2 IF (SPO IS ALTO) AND (SPI IS MEDIO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS ALTO
3 IF (SPO IS ALTO) AND (SPI IS BAJO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS MEDIO
… ….
… ….
8 IF (SPO IS BAJO) AND (SPI IS MEDIO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS BAJO
9 IF (SPO IS BAJO) AND (SPI IS BAJO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS BAJO
En la Tabla (6.33), se presentan algunas de las reglas de decisión que darán valor al nivel
del subíndice específico SE, con un total de 9 reglas. Las reglas de decisión se definieron
teniendo en cuenta como antecedente los indicadores SEP y SEFP y como consecuente
el subíndice especifico SE. Las reglas de decisión del subíndice especifico susceptibilidad
ecológica tienen los siguientes porcentajes en los resultados de la variable de salida:
33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.
Tabla 6.33 Reglas de decisión para el subíndice específico SE. Fuente: elaboración
propia.
No. REGLAS
1 IF (SEP IS ALTO) AND (SEFP IS ALTO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS ALTO
2 IF (SEP IS ALTO) AND (SEFP IS MEDIO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS ALTO
3 IF (SEP IS ALTO) AND (SEFP IS BAJO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS MEDIO
… ….
… ….
8 IF (SEP IS BAJO) AND (SEFP IS MEDIO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS BAJO
9 IF (SEP IS BAJO) AND (SEFP IS BAJO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS BAJO
En la Tabla (6.34), se presentan las 3 reglas de decisión que darán valor al subíndice
específico SSE. Las reglas de decisión se definieron teniendo en cuenta como antecedente
el indicador SSENBI y como consecuente el subíndice especifico SSE. Las reglas de
decisión del subíndice especifico susceptibilidad socioeconómica tienen los siguientes
97
porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un 33.3% con
valor Medio y un 33.3% con valor Bajo.
Tabla 6.34 Reglas de decisión para el subíndice específico SSE. Fuente: elaboración
propia.
No. REGLAS
1 IF (SSENBI IS ALTO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS ALTO
2 IF (SSENBI IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS MEDIO
3 IF (SSENBI IS BAJO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS BAJO
En la Tabla (6.35), se presentan algunas de las reglas de decisión que dan valor al nivel
del Subíndice S, el total de reglas es de 81, las cuales pueden ser aplicadas en cada una
de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como
antecedente los subíndices específicos SS, SP, SE y SSE y como consecuente el
subíndice S. Las reglas de decisión del subíndice general de susceptibilidad tienen los
siguientes porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un
63% con valor Medio y un 18.5% con valor Bajo dando como resultado una mayor
tendencia de los resultados de la variable de salida hacia el resultado Medio de
susceptibilidad.
Tabla 6.35 Reglas de decisión para el subíndice S. Fuente: elaboración propia.
No. REGLAS
1 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS ALTO) THEN SUSCEPTIBILIDAD IS ALTO
2 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS MEDIO) THEN SUSCEPTIBILIDAD IS ALTO
3 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS BAJO) THEN SUSCEPTIBILIDAD IS ALTO
… ….
… ….
80 IF (SS IS BAJO) AND (SP IS BAJO) AND (SE IS BAJO) AND (SSE IS MEDIO) THEN SUSCEPTIBILIDAD IS BAJO
81 IF (SS IS BAJO) AND (SP IS BAJO) AND (SE IS BAJO) AND (SSE IS BAJO) THEN SUSCEPTIBILIDAD IS BAJO
Reglas de decisión para el subíndice capacidad adaptativa
En la Tabla (6.36), se presentan algunas de las reglas de decisión que dan valor al nivel
del subíndice específico CS, con un total de reglas de 243, las cuales pueden ser aplicadas
en cada una de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en
98
cuenta como antecedente los indicadores CSP, CSAE, CSH, CSAC y CSAI y como
consecuente el subíndice CS. Las reglas de decisión del subíndice de capacidad
adaptativa social tienen los siguientes porcentajes en los resultados de la variable de
salida: 21% un valor Alto, un 58% con valor Medio y un 21% con valor Bajo.
Tabla 6.36 Reglas de decisión para el subíndice específico CS. Fuente: elaboración
propia.
No. REGLAS
1
IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS ALTO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO
2
IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO
3
IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO
… ….
… ….
242
IF (CSP IS BAJO) AND (CSAE IS BAJO) AND (CSH IS BAJO) AND (CSAC IS BAJO) AND (CSAI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS BAJO
243
IF (CSP IS BAJO) AND (CSAE IS BAJO) AND (CSH IS BAJO) AND (CSAC IS BAJO) AND (CSAI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS BAJO
En la Tabla (6.37), se presentan algunas de las reglas de decisión que darán valor al nivel
del indicador de capacidad adaptativa productiva, con un total de 243 reglas. Las reglas
de decisión se definieron teniendo en cuenta como antecedente los indicadores CPVC,
CPCC, CPDC, CPCA y CPTS y como consecuente el subíndice CP. Las reglas de decisión
del subíndice de capacidad adaptativa productiva tienen los siguientes porcentajes en los
resultados de la variable de salida: 21% un valor Alto, un 58% con valor Medio y un 21%
con valor Bajo.
Tabla 6.37 Reglas de decisión para el subíndice específico CP. Fuente: elaboración
propia.
No. REGLAS
1 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS ALTO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO
2 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS MEDIO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO
3 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS BAJO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO
… ….
… ….
242 IF (CPVC IS BAJO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS MEDIO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS BAJO
99
No. REGLAS
243 IF (CPVC IS BAJO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS BAJO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS BAJO
En la Tabla (6.38), se presentan las 3 reglas de decisión que darán valor al nivel del
indicador de capacidad adaptativa ecológica. Las reglas de decisión se definieron teniendo
en cuenta como antecedente los indicadores CEMR y CECF y como consecuente el
subíndice CP. Las reglas de decisión del subíndice de capacidad adaptativa ecológica
tienen los siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor
Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.
Tabla 6.38 Reglas de decisión para el subíndice específico CE. Fuente: elaboración
propia.
No. REGLAS
1 IF (CEMR IS ALTO) AND (CECF IS ALTO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS ALTO
2 IF (CEMR IS ALTO) AND (CECF IS MEDIO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS ALTO
3 IF (CEMR IS ALTO) AND (CECF IS BAJO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS MEDIO
… ….
… ….
8 IF (CEMR IS BAJO) AND (CECF IS MEDIO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS BAJO
9 IF (CEMR IS BAJO) AND (CECF IS BAJO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS BAJO
En la Tabla (6.39), se presentan algunas de las reglas de decisión que darán valor al nivel
del indicador de capacidad adaptativa socioeconómica, en total son 9. Las reglas de
decisión se definieron teniendo en cuenta como antecedente los indicadores CSEPV y
CSEFI y como consecuente el subíndice CSE. Las reglas de decisión del subíndice de
capacidad adaptativa socioeconómica tienen los siguientes porcentajes en los resultados
de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con
valor Bajo.
Tabla 6.39 Reglas de decisión para el subíndice específico CSE. Fuente: elaboración
propia.
No. REGLAS
1 IF (CSEPV IS ALTO) AND (CSEFI IS ALTO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS ALTO
2 IF (CSEPV IS ALTO) AND (CSEFI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS ALTO
3 IF (CSEPV IS ALTO) AND (CSEFI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO
100
No. REGLAS
… ….
… ….
8 IF (CSEPV IS BAJO) AND (CSEFI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO
9 IF (CSEPV IS BAJO) AND (CSEFI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO
En la Tabla (6.40), se presentan algunas de las reglas de decisión que dan valor al nivel
del Subíndice C, el total de reglas es de 81, las cuales pueden ser aplicadas en cada una
de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como
antecedente los subíndices específicos CS, CP, CE y CSE y como consecuente el
subíndice C. Las reglas de decisión del subíndice general de capacidad adaptativa tienen
los siguientes porcentajes en los resultados de la variable de salida: 18.5% un valor Alto,
un 63% con valor Medio y un 18.5% con valor Bajo dando como resultado más de la mitad
del total de reglas de decisión que resultan en una valoración Medio.
Tabla 6.40 Reglas de decisión para el subíndice C. Fuente: elaboración propia.
No. REGLAS
1
IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS ALTO) THEN CAPACIDAD ADAPTATIVA IS ALTO
2
IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS MEDIO) THEN CAPACIDAD ADAPTATIVA IS ALTO
3
IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS BAJO) THEN CAPACIDAD ADAPTATIVA IS ALTO
… ….
… ….
80
IF (CS IS BAJO) AND (CP IS BAJO) AND (CE IS BAJO) AND (CSE IS MEDIO) THEN CAPACIDAD ADAPTATIVA IS BAJO
81
IF (CS IS BAJO) AND (CP IS BAJO) AND (CE IS BAJO) AND (CSE IS BAJO) THEN CAPACIDAD ADAPTATIVA IS BAJO
Reglas de decisión para el índice IVUCC
En la Tabla (6.41) se presentan las 9 reglas de decisión que van a dar valor al nivel de
vulnerabilidad al cambio climático las cuales pueden ser aplicadas en cada una de las AVH
de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como antecedente
los subíndices de susceptibilidad y capacidad adaptativa y como consecuente el índice
IVUCC. Las reglas de decisión del índice IVUCC tienen los siguientes porcentajes en los
resultados de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un
33.3% con valor Bajo.
101
Tabla 6.41 Reglas de decisión para el índice IVUCC. Fuente: elaboración propia.
No. REGLAS
1 IF (VS IS ALTO) AND (VC IS ALTO) THEN VULNERABILIDAD IS MEDIO
2 IF (VS IS MEDIO) AND (VC IS ALTO) THEN VULNERABILIDAD IS BAJO
3 IF (VS IS BAJO) AND (VC IS ALTO) THEN VULNERABILIDAD IS BAJO
4 IF (VS IS ALTO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS MEDIO
5 IF (VS IS MEDIO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS BAJO
6 IF (VS IS BAJO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS BAJO
7 IF (VS IS ALTO) AND (VC IS BAJO) THEN VULNERABILIDAD IS ALTO
8 IF (VS IS MEDIO) AND (VC IS BAJO) THEN VULNERABILIDAD IS MEDIO
9 IF (VS IS BAJO) AND (VC IS BAJO) THEN VULNERABILIDAD IS BAJO
Ficha técnica índice IVUCC
En la Tabla (6.42) se muestra la ficha técnica del índice IVUCC que está compuesta de la
descripción, zona de aplicación, cálculo, categorías de respuesta y posibles fuentes de
información.
Tabla 6.42 Ficha técnica del índice de vulnerabilidad IVUCC. Fuente: elaboración propia.
FICHA TÉCNICA ÍNDICE IVUCC
Nombre Índice de Vulnerabilidad por Cambio Climático- IVUCC
Descripción
Este indicador consiste en evaluar el nivel de vulnerabilidad en una cuenca hidrográfica de la región andina del departamento de Nariño. El índice se aplica en zonas denominadas Áreas Homogéneamente Vulnerables las cuales se subdividen de una cuenca.
Zona de aplicación Cuencas de la región andina del departamento de Nariño
Cálculo/estimación
El valor del índice se genera a partir de la operación de un modelo de lógica difusa cuyas variables de entrada son indicadores agrupados en ocho (8) subíndices divididos en dos (2) dimensiones; susceptibilidad y capacidad adaptativa; los que a su vez alimentan el índice IVUCC. Los subíndices son: susceptibilidad- social, susceptibilidad- productiva, susceptibilidad- ecológica, susceptibilidad socioeconómica, capacidad adaptativa- social, capacidad adaptativa- productiva, capacidad adaptativa- ecológica y capacidad adaptativa socioeconómica. El siguiente esquema muestra la conformación del índice IVUCC.
102
FICHA TÉCNICA ÍNDICE IVUCC
Categoría de respuesta
Categoría Criterio
Bajo El nivel de vulnerabilidad es baja.
Medio El nivel de vulnerabilidad es medio.
Alto La zona tiene un alto nivel de vulnerabilidad
Posibles fuentes de información
Geoportales institucionales Documentos técnicos y académicos Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Plan de Manejo Imágenes satelitales Recorridos de campo Entrevistas
Subdivisión de la cuenca del río Blanco en Áreas Homogéneamente vulnerables
Para la generación de las Áreas AHV se realizó el contraste entre la subdivisión en sub
cuencas y las fajas de elevación cada 300 metros (Figura 6.12). En total, resultaron 6
divisiones hidrológicas o subcuencas y 5 fajas de elevación. La codificación de las AHV
tiene en cuenta el código de la subcuenca de origen y el rango de la faja de elevación.
103
Figura 6.12 Subdivisión de la cuenca en AHV. Fuente: elaboración propia.
6.3 Aplicación índice IVUCC
Delimitación y codificación de las AHV
En la Figura (6.13) se muestra los resultados de la división de la cuenca hidrográfica del
río Blanco en áreas homogéneamente vulnerables. Se obtuvo un total de 19 AHV (Figura
6.13).
104
Figura 6.13 División y codificación de AHV de la cuenca del río Blanco. Fuente:
elaboración propia.
Recolección de información
La información recolectada por cada AHV se encuentra depositada en la Tabla (6.43), la
cual se obtuvo de la revisión de documentos técnicos (planes de ordenamiento territorial y
de manejo ambiental), revisión de geo portales institucionales, imágenes satelitales, vuelos
con dron y recorridos de campo.
105
Tabla 6.43 Datos de entrada. Fuente: elaboración propia.
AHV
Social Productivo Ecológico Socioeconómico
Capacidad adaptativa Susceptibilidad Capacidad adaptativa Susceptibili
dad Capacidad adaptativa
Susceptibilidad
Capacidad adaptativa
Susceptibilidad
CSP (%)
CSAE (%)
CSH (%)
CSAC (%)
CSAI
(%)
SSRD (%)
SSMR (%)
SSDF (%)
CPVC (%)
CPCC (%)
CPDC (%)
CPCA (%)
CPTS (%)
SPO (%)
SPI (%)
CECF (%)
CEMR (%)
SEP (%)
SEFP (%)
CSEPV (%)
CSEFI (%)
SSENBI (%)
100_2800_3100 55 55 55 45 15 64.3 20 20 45 80 55 50 40 100 40 10 40 20 39 50 50 42.25
100_3100_3400 20 55 55 30 15 64.3 90 40 20 20 20 50 10 100 40 20 40 20 70 100 10 42.25
200_2800_3100 20 55 25 30 15 64.3 55 40 20 20 20 50 10 100 20 40 40 20 70 100 10 42.25
200_3100_3400 20 20 25 45 15 64.3 90 90 80 80 90 50 10 100 40 10 40 20 39 100 10 42.25
210_2800_3100 20 55 25 45 15 64.3 90 40 20 20 20 50 10 100 40 10 40 40 10 100 10 42.25
210_3100_3400 20 20 55 30 15 64.3 90 40 80 45 55 50 10 55 40 20 15 20 20 100 10 42.25
210_3400_3700 20 55 25 30 15 81.7 90 40 20 20 20 20 10 55 40 10 40 20 70 100 10 42.25
220_2800_3100 20 55 25 30 15 64.3 20 20 80 80 90 50 10 55 40 45 40 40 20 20 10 42.25
220-3100_3400 20 55 25 45 15 64.3 90 90 80 20 90 50 10 55 40 25 40 40 20 100 10 42.25
220_3400_3700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 100 20 10 40 40 20 50 10 42.25
220_3700_4700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 20 20 10 15 20 70 20 10 42.25
230_2800_3100 55 55 55 45 15 64.3 90 20 80 80 90 50 10 55 40 40 15 40 20 20 10 42.25
230_3100_3400 55 80 55 70 15 56.2 20 20 45 45 20 50 40 55 40 20 40 40 20 20 50 16.69
230_3400_3700 20 55 25 30 15 81.7 90 40 20 20 20 50 10 20 20 25 40 40 39 100 10 42.25
230_3700_4700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 20 20 40 15 40 70 0 10 42.25
240_2800_3100 55 55 55 45 15 64.3 20 40 45 45 55 90 10 55 40 40 15 20 20 100 10 42.25
240_2800_3400 55 80 25 70 15 56.2 20 20 45 45 20 50 90 55 40 20 40 40 20 50 50 16.69
240_3400_3700 20 55 25 45 15 81.7 55 40 20 20 20 20 10 100 20 10 40 40 39 100 10 42.25
240_3700_4700 20 80 25 30 15 81.7 55 40 20 20 20 20 10 10 20 10 40 20 39 0 10 42.25
106
Representación espacial de indicadores de susceptibilidad
Para cada AHV se evaluó la Susceptibilidad frente al CC utilizando el software Matlab. La
Figura (6.14) muestra la aplicación del subíndice S en una de las AHV, en la cual, la
susceptibilidad social es baja, la susceptibilidad productiva es media, la susceptibilidad
ecológica es media y la susceptibilidad socioeconómica es alta, dando como resultado un
nivel medio de susceptibilidad general frente al Cambio Climático.
Figura 6.14 Aplicación del subíndice de susceptibilidad en el AHV 200_3100_3400.
Fuente: elaboración propia.
Las AHV con niveles altos de susceptibilidad social se encuentran principalmente al Sur-
Oeste de la cuenca, dado principalmente por la ubicación de minorías raciales en la zona
rural, a la alta relación de dependencia y a la dependencia alta de recurso forestales tanto
para la cocción de alimentos como para realizar otras actividades.
De acuerdo con los resultados, los centros poblados Cumbal y Cuaspud influyen
positivamente en los niveles bajos de susceptibilidad social. La facilidad de organizarse y
la poca densidad de minorías étnicas ubicadas en los centros poblados de la cuenca del
río Blanco generan valores bajos de susceptibilidad por minorías raciales. Debido a la
diversidad de empleos y a la facilidad para adquirir diferente combustible para cocción de
107
alimento, en los centros poblados, los niveles de relación de dependencia y dependencia
de recursos forestales son más bajos que en la zona rural de la cuenca. En la Figura (6.15)
se muestra los resultados de los indicadores del grupo de Susceptibilidad Social
representados espacialmente.
Figura 6.15 Resultados distribuidos de la susceptibilidad social frente al cambio climático.
Fuente: elaboración propia.
De acuerdo con los resultados, la susceptibilidad productiva frente al cambio climático de
la cuenca del río Blanco presenta los mayores niveles de susceptibilidad al Sur-Este de la
cuenca. Los niveles altos de susceptibilidad productiva de la cuenca se deben, en primer
lugar, a que en la cuenca se desarrollan actividades agrícolas en la parte baja y actividades
de pesca y turismo en la parte alta de la cuenca, en segundo lugar se debe a la necesidad
de irrigación de los cultivos y a su tecnificación.
108
Los niveles bajos de susceptibilidad productiva se concentran en la región Sur-Oeste de la
cuenca, la cual presenta las cotas más altas de la cuenca, superior a los 3700 msnm. Los
niveles bajos se deben a la ausencia de población y de actividades agropecuarias en estas
AHV. En la Figura (6.16) se presentan los resultados de los indicadores de susceptibilidad
productiva frente al CC espacializados.
Figura 6.16 Resultados distribuidos de la susceptibilidad social frente al cambio climático.
Fuente: elaboración propia.
La cuenca presenta niveles altos de susceptibilidad ecológica en un AHV ubicada al Nor-
Oeste de la cuenca, la cual se encuentra en zona de páramo e influencia de la laguna de
Cumbal. Los niveles altos de susceptibilidad, en primer lugar se deben a la pérdida del
páramo de Cumbal por la intervención antrópica en esta zona, en segundo lugar se deben
109
a la ausencia de cobertura forestal en cotas por encima de los 3700 metros, las cuales
corresponden a pendientes muy elevadas.
Los niveles bajos de susceptibilidad ecológica se deben a la presencia de zonas protegidas
como el páramo y la laguna de Cumbal y a las pendientes bajas y moderadas
predominantes en la cuenca. En la Figura (6.17) se muestran los resultados distribuidos
de los indicadores del grupo de susceptibilidad ecológica.
Figura 6.17 Resultados distribuidos de la susceptibilidad ecológica frente al cambio
climático. Fuente: elaboración propia.
Los niveles más bajos de susceptibilidad socioeconómica se deben a la presencia de la
cabecera municipal de Cumbal, lo cual influye en los bajos niveles de hogares y personas
110
pobres y en miseria. La Figura (6.18) presenta los resultados distribuidos del grupo de
indicadores de susceptibilidad socioeconómica.
Figura 6.18 Resultados distribuidos de la susceptibilidad socioeconómica frente al cambio
climático. Fuente: elaboración propia.
Representación espacial de indicadores de capacidad adaptativa
Para cada AHV se evaluó la capacidad adaptativa frente al CC utilizando el software
Matlab. La Figura (6.19) muestra la aplicación del subíndice C en una de las AHV, en la
cual, la capacidad adaptativa social es baja, la capacidad adaptativa productiva es media,
la capacidad adaptativa ecológica es media y la capacidad adaptativa socioeconómica es
baja, dando como resultado un nivel bajo de capacidad adaptativa general.
111
Figura 6.19 Aplicación del subíndice de capacidad adaptativa en el AHV 200_3100_3400.
Fuente: elaboración propia.
En la cuenca del río Blanco predominan los niveles bajos de capacidad adaptativa social
frente al cambio climático. Sin embargo, existen AHV que presentan niveles medios de
capacidad adaptativa, lo cual se debe a la presencia de los centros poblados Cumbal y
Cuaspud. Los centros poblados de la cuenca del río Blanco proporcionan equipamiento
educativo de nivel de secundaria, técnica y tecnológica sumado a la facilidad de transporte
que proporciona la densidad de carreteras pavimentadas presentes. En la Figura (6.20) se
muestran los resultados distribuidos de los indicadores del grupo de capacidad adaptativa
social.
112
Figura 6.20 Resultados distribuidos de la capacidad adaptativa social frente al cambio
climático. Fuente: elaboración propia.
Los niveles altos de capacidad adaptativa productiva frente al cambio climático se ubican
en la zona Este de la cuenca. Los niveles altos de capacidad adaptativa productiva se
deben principalmente a las actividades de adaptación realizadas por los campesinos,
como: la utilización de variedades adaptadas, cambio de cultivos y diversificación de
113
cultivos. Los niveles bajos de capacidad adaptativa productiva encontrada al Oeste de la
cuenca se deben a la baja o nula producción agropecuaria. En la Figura (6.21) se
presentan los resultados distribuidos de los indicadores de capacidad adaptativa
productiva aplicado a las condiciones de la cuenca del río Blanco.
Figura 6.21 Resultados distribuidos de la capacidad adaptativa productiva frente al
cambio climático. Fuente: elaboración propia.
Gran parte de la cuenca del río Blanco presenta niveles bajos de capacidad adaptativa
ecológica; sin embargo, en la parte Sur- Este de la cuenca se presentan niveles medios
de capacidad adaptativa ecológica, lo cual se debe al aumento de la cobertura forestal en
los últimos años y la existencia de márgenes de protección ribereña del cauce principal del
114
río Blanco. La Figura (6.22) muestra los resultados distribuidos de la aplicación de los
indicadores de capacidad adaptativa ecológica frente a cambio climático.
Figura 6.22 Resultados distribuidos de la capacidad adaptativa ecológica frente al cambio
climático. Fuente: elaboración propia.
Gran parte de la cuenca del río Blanco presenta niveles de capacidad adaptativa
socioeconómica media, dada principalmente por la posibilidad de tener una vivienda
propia. Por otra parte, se evidencia en la zona Oeste de la cuenca AHV con niveles de
capacidad adaptativa socioeconómica baja debido a la reducida o nula población presente.
En la Figura (6.23) se presentan los resultados de la aplicación de los indicadores de
capacidad adaptativa socioeconómica frente a cambio climático.
115
Figura 6.23 Resultados distribuidos de la capacidad adaptativa socioeconómica frente al
cambio climático. Fuente: elaboración propia.
Evaluación espacial de la vulnerabilidad al CC en la cuenca del río Blanco
Para cada AHV se realizó la evaluación de la vulnerabilidad frente al CC utilizando el
software Matlab. La Figura (6.24) muestra la aplicación del índice IVUCC en una de las
AHV, en la cual, la susceptibilidad tiene un nivel medio y la capacidad de adaptación un
nivel bajo, dando como resultado un nivel de vulnerabilidad medio.
116
Figura 6.24 Aplicación del índice de IVUCC en el AHV 200_3100_3400. Fuente:
elaboración propia.
Gran parte de la cuenca del río Blanco presenta una susceptibilidad general media (Figura
6.25), solo un AHV es evaluada con niveles altos de vulnerabilidad que principalmente se
debe a los altos valores de susceptibilidad social y productiva encontrada en la zona. Por
otro lado, en su mayoría la cuenca presenta valores de capacidad adaptativa baja (Figura
6.26) debido principalmente a su baja capacidad de adaptación social y ecológica.
Finalmente, una alta proporción de la cuenca presenta una vulnerabilidad media; sin
embargo, existen zonas influenciadas por los centros poblados como Cumbal y Cuaspud
que influyen en la reducción de la susceptibilidad y aportan capacidad de adaptación,
dando como resultado una vulnerabilidad baja, como se puede ver en la Figura (6.27). En
el caso del AHV 100_2800_3100, si bien su susceptibilidad es media, su capacidad
adaptativa y de afrontar los cambios del clima es media, lo cual reduce la vulnerabilidad
frente a CC. Si bien la zona Este de la cuenca presenta susceptibilidad alta, se identifica
que las actividades de adaptación desarrolladas en esta zona contribuyen a que su
vulnerabilidad no sea tan alta.
117
Figura 6.25 Resultados distribuidos de la susceptibilidad de la cuenca del río Blanco al
CC. Fuente: elaboración propia.
Figura 6.26 Resultados distribuidos de la capacidad adaptativa de la cuenca del río
Blanco al CC. Fuente: elaboración propia.
118
Figura 6.27 Resultados distribuidos de la aplicación del índice IVUCC en la cuenca del río Blanco. Fuente: elaboración propia.
119
A partir de la evaluación de la vulnerabilidad presentada anteriormente, es evidente la
necesidad de expertos que manejen el tema del riesgo, para así robustecen este tipo de
herramientas metodológicas brindando información necesaria para establecer ponderados
en los indicadores y reduciendo la subjetividad de los indicadores.
6.4 Exploración de la posibilidad para evaluar el riesgo por CC en la cuenca del río Blanco.
Indicadores de amenaza
Entre las amenazas exacerbadas por el CC sobre una cuenca hidrográfica de la región
andina encontramos las inundaciones, deslizamientos de tierra por altas precipitaciones,
cambios en la temperatura y finalmente cambios en la precipitación. De acuerdo con el
Plan Territorial de Adaptación Climática del departamento de Nariño publicada en el año
2016, los eventos naturales que generan más pérdidas humanas y económicas en el
departamento de Nariño son: en primer lugar, se encuentra los deslizamientos de tierra
seguido de las inundaciones y en menor proporción los incendios forestales, las sequías,
heladas, granizadas y lluvias intensas (Guevara et al., 2016).
La Figura (6.28) muestra la aplicación de los indicadores utilizados para representar
amenazas como las inundaciones, deslizamiento de tierra y anomalías climáticas. Debido
a la baja información presente en la zona de estudio, la aplicación de modelos robustos no
es posible; por tanto, se aplican indicadores simples que representan las amenazas, sin la
precisión de un modelo robusto, pero con menores requisitos de información de entrada y
con resultados confiables siempre y cuando se verifiquen en campo.
120
Figura 6.28 Amenazas exacerbadas por el CC en la cuenca del río Blanco. Fuente:
elaboración propia.
En cuanto a la representación de las amenazas de inundación y deslizamiento de tierra se
realizó un posterior ajuste de los niveles teniendo en cuenta los recorridos de campo y los
antecedentes de inundación y deslizamientos que ha tenido la cuenca del río Blanco. En
la elaboración de los mapas de anomalías climáticas se realizó un tratamiento previo a los
datos, en primer lugar, relleno de datos faltantes y en segundo, utilizando una gráfica de
cajas y alambres; se identificaron los datos extremos (Anexo 5).
Debido a la topografía de la cuenca, las partes planas de la parte alta, media y baja tienden
a retener una alta humedad e incluso a desbordarse, generando inundaciones. La zona
media presenta varias zonas amenazadas por inundación debido a sus bajas pendientes,
a diferencia de la parte baja donde el río se encuentra encañonado.
121
La presencia de altas pendientes tanto en la parte alta (volcán Cumbal) como en la zona
baja (encañonamiento del río) favorece la ocurrencia de deslizamientos por lluvias
intensas.
Debido a las bajas temperaturas presentes en esta cuenca, tanto personas, animales y
plantas no adaptadas pueden ser afectados por las variaciones drásticas de la
temperatura. El resultado de amenaza por variación de la temperatura muestra un nivel de
variación bajo en la cuenca.
La cuenca presenta un nivel de amenaza por anomalía de precipitación media, la cual
puede afectar de forma directa o indirecta a personas, animales y cultivos.
Representación espacial del riesgo
Los resultados de la evaluación espacial del riesgo, por inundación se muestran en la
Figura (6.29), por deslizamiento de tierra se muestra en la Figura (6.30), por anomalía de
precipitación en la Figura (6.31) y por anomalía de temperatura en la Figura (6.32).
El cálculo de los mapas de riesgo se realizó utilizando el SIG ArcGis con su calculadora
para archivos de tipo raster con resolución de 30 metros de ancho por 30 de largo.
122
Figura 6.29 Resultados de la evaluación del riesgo por inundación en la cuenca del río
Blanco. Fuente: elaboración propia.
123
Figura 6.30 Resultados de la evaluación del riesgo por deslizamiento de tierra en la
cuenca del río Blanco. Fuente: elaboración propia.
124
Figura 6.31 Resultados de la evaluación del riesgo por anomalía de precipitación en la
cuenca del río Blanco. Fuente: elaboración propia.
125
Figura 6.32 Resultados de la evaluación del riesgo por anomalía de temperatura en la
cuenca del río Blanco. Fuente: elaboración propia.
126
Los resultados de la evaluación del riesgo por inundación muestran que los niveles más
altos se dan en cercanía al cauce principal de la cuenca del río Blanco, resultado de la
combinación de niveles de vulnerabilidad media y niveles de amenaza alto. Caso contrario
se da en las AVH en zonas cuyo nivel de vulnerabilidad es bajo y la amenaza presente es
alta.
La evaluación del riesgo por deslizamiento de tierra muestra que los valores más altos se
encuentran en la parte alta y baja de la cuenca. En la parte alta se debe a los niveles de
vulnerabilidad medio y la amenaza de deslizamiento de tierra alto debido a las altas
pendientes del volcán Chiles. El nivel alto de riesgo en la parte baja se debe a los niveles
de vulnerabilidad media y de amenaza alta de deslizamiento de tierra dado por el
encañonamiento del río Blanco.
Los resultados de la evaluación del riesgo por anomalía de precipitación muestran niveles
medios y bajos en la cuenca del río Blanco. Los niveles bajos se deben a una vulnerabilidad
baja frente a las anomalías de precipitación y una amenaza de nivel medio.
La evaluación del riesgo por anomalía de temperatura muestra que la cuenca presenta un
nivel de riesgo bajo. El nivel bajo de riesgo se debe a los niveles bajos de amenaza por
anomalías de temperatura. Sin embargo, hay que tener en cuenta que gran parte de la
población distribuida en la cuenca tiene como principal actividad económica la agricultura,
la cual es sensible a las variaciones de la temperatura. En esta cuenca se han presentado
casos de granizadas e incluso heladas, no muy frecuentes pero que pueden causar
grandes daños en los cultivos.
En la Figura (6.33) se muestra los resultados de la evaluación del riesgo frente a Cambio
Climático en la cuenca del río Blanco ubicada en la región andina del departamento de
Nariño.
127
Figura 6.33 Evaluación espacial del riesgo por CC. Fuente: elaboración propia.
128
Los resultados de la evaluación del riesgo frente al CC mostraron que los niveles altos de
riesgo se concentran principalmente en el cauce principal del río Blanco y en la parte alta
de la cuenca, donde se encuentra el volcán Cumbal. Los niveles altos de riesgo frente a
CC corresponden principalmente a la afectación por inundación y por deslizamiento de
tierra.
Gran parte de las zonas con niveles bajos de riesgo frente al CC se encuentra en zonas
aledañas a los centros poblados de Cumbal y Carlosama.
La desagregación espacial realizada en este estudio utilizando las AHV permite tener
información más detallada de la vulnerabilidad y a su vez permite identificar tendencias
espaciales.
Si bien el índice puede ser aplicado en varias cuencas de la región andina, se puede
considerar ajustar el peso de cada indicador ya que cada región tiene condiciones
específicas. Por tanto, hay que tener precaución al aplicar ponderaciones uniformes de
indicadores en todas las cuencas de la región andina de Nariño.
129
7. Conclusiones
Los indicadores desarrollados en este trabajo se basan en la adaptación y ajuste de
indicadores existentes recolectados a través de revisión de literatura, lo cual permitió
captar la vulnerabilidad no sólo teniendo en cuenta el punto de vista local sino que también
desde un panorama global. Los indicadores se desarrollaron de tal forma que la
recolección de información sea fácil y que se encuentre disponible en su mayoría de forma
libre en plataformas de entidades públicas o que su recolección pueda realizarse mediante
entrevistas. Esto se debe a que no muchas instituciones como universidades, alcaldías y
la corporación autónoma del departamento de Nariño tienen presupuesto e incluso
convenios para disponer de información que otros modelos de evaluación de vulnerabilidad
requieren.
Actualmente, existen muchas estrategias metodológicas para la evaluación de la
vulnerabilidad; sin embargo, no todas se adaptan a la región andina del departamento de
Nariño y a la disponibilidad de información. En este trabajo de maestría se estableció como
objetivo general realizar y aplicar a un caso de estudio una estrategia metodológica para
evaluar espacialmente la vulnerabilidad al CC, a través de la construcción y el cálculo de
un índice de vulnerabilidad al cambio climático IVUCC basado en el concepto de
vulnerabilidad y riesgo del IPCC y el uso de herramientas técnicas y analíticas como la
lógica difusa y los SIG para la recolección, espacialización y análisis de los datos. El índice
IVUCC permitió profundizar en las causas específicas de la vulnerabilidad partiendo de la
susceptibilidad y la capacidad adaptativa de un sistema social, junto con el punto de vista
de temas sociales, productivos, ecológicos y socioeconómicos.
La aplicación del índice IVUCC no solo permitió valorar los niveles de vulnerabilidad, sino
que también su distribución y tendencia espacial de las zonas más y menos vulnerables.
La cuenca presenta niveles medios y bajos de vulnerabilidad al CC, del cual más del 60%
130
de la cuenca presenta niveles medios. Los resultados muestran que la vulnerabilidad baja
tiene una tendencia a darse en zonas aledañas a los centros poblados debido a los muchos
beneficios que esto representa en la reducción de la vulnerabilidad (mayor diversidad en
la oferta laboral, menor dependencia de recursos forestales, acceso a educación, acceso
a insumos y transporte vial).
Al igual que los indicadores de vulnerabilidad desarrollados en este trabajo, los indicadores
que representan las amenazas de inundación, deslizamiento, anomalías de precipitación
y anomalías de temperatura fueron seleccionados debido a la fácil adquisición de los
insumos y a su facilidad de aplicación. En cuanto a la exposición, si bien en este trabajo
no es mencionado en muchas partes, se considera uno de los aspectos más relevantes en
la evaluación del riesgo, y fue representado en la superposición de las capas de
vulnerabilidad y de amenaza puesto que la exposición representa la ubicación espacial de
un sistema expuesto, representado por las AHV, frente a un grado de amenaza
determinado.
El presente estudio reveló desafíos relacionados con la escala espacial de los datos y la
selección de indicadores. El índice de vulnerabilidad y los subíndices construidos podrían
no ser muy concluyentes, sin embargo muestran una aproximación aceptable a la
evaluación de la vulnerabilidad al cambio climático en una cuenca hidrográfica.
La literatura académica demuestra una falta de una conceptualización clara de la
vulnerabilidad, lo que conduce a que la evaluación de la vulnerabilidad sea más compleja
y mucho más cuando debe ser entendida en el ámbito de las políticas. Oculi y Stephenson,
(2018) sustenta la falta de conceptos claros de vulnerabilidad utilizando dos cuestiones: en
primer lugar, los académicos y los formuladores de políticas comúnmente invocan
definiciones e interpretaciones del término que compiten entre sí. En segundo lugar, las
metodologías para comprender y medir la vulnerabilidad son muy variadas, lo que complica
el uso del término en la academia y la política.
La exploración de la posibilidad de evaluar el riesgo frente a CC en la cuenca del río Blanco
permitió representar el riesgo teniendo en cuenta procesos sociales que lo producen y no
solo el proceso físico de la amenaza. La evaluación del riesgo utilizando el índice IVUCC
e indicadores de amenaza basados en teledetección e interpolación permitieron valorar los
niveles y la distribución del riesgo y de sus componentes de forma separada (vulnerabilidad
y amenaza). La representación espacial del riesgo permitió entender mejor el riesgo, dando
131
a conocer las características de la población y de las condiciones naturales de la cuenca
del río Blanco. Los resultados de este trabajo muestran que estrategias metodológicas
como el modelo conceptual de vulnerabilidad y riesgo del IPCC, la lógica difusa, índices
compuestos y SIG se pueden complementar tanto para el análisis de información de la
vulnerabilidad como del riesgo.
132
8. Limitaciones
Una de las grandes limitaciones en la construcción del índice IVUCC fue la consolidación
de reglas de decisión y de funciones difusas debido a la escasez de profesionales con
dominio del tema de vulnerabilidad, inteligencia artificial, cambio climático, región andina
del departamento de Nariño y sistemas de información geográfico. Por tanto, el índice
IVUCC se limitó a ser construido con base en revisión de literatura científica y en
verificación e campo.
Si bien las técnicas para espacializar eventos de amenazas naturales son amplias, se
evidencia una alta limitación de los estudios revisados al espacializar la vulnerabilidad
teniendo en cuenta una distribución homogénea que siga patrones espaciales. Por tanto,
este estudio se limita a seguir una distribución de vulnerabilidad al CC basada en
aproximaciones de cambios en las actividades económicas e hidrológicas al utilizar fajas
de elevación que limitan las actividades agropecuarias desarrolladas, junto con la
subdivisión en subcuencas que definen características hidrológicas como la dirección del
escurrimiento, caudal, red de drenaje, entre otros.
En este estudio se realizó una combinación de información de diferente resolución, la
información resultante de los indicadores del índice IVUCC distribuidos en AHV y los
indicadores morfométricos y de variación de parámetros climáticos con resolución de 30
metros de ancho por 30 metros de largo. No se alcanza a definir la combinación de escalas
adecuadas, pero se tiene en cuenta que para la toma de decisiones en la cuenca del río
Blanco es mejor conservar la mejor resolución, que consiste en pixeles de 30 x 30 metros,
ya que ayuda a diferenciar mejor los sistemas ubicados en zonas expuestas.
La escasa presencia de estaciones meteorológicas con información de temperatura no
deja ver claramente cómo es la distribución de la variación en la temperatura de la cuenca
del río Blanco. Por otra parte, la falta de expertos con conocimiento de la zona y el tema
133
de estudio no permitió dar pesos detallados a cada indicador para realizar su combinación
y generar la vulnerabilidad y el riesgo frente a Cambio Climático.
134
9. Recomendaciones
En este trabajo se realiza una propuesta de evaluación de la vulnerabilidad frente a CC
que genera resultados confiables; sin embargo, se recomienda seguir con un proceso de
análisis de sensibilidad en los rangos, funciones de pertenencia, reglas de decisión y pesos
proporcionados a cada indicador de vulnerabilidad.
Para futuros estudios se recomienda realizar un proceso de validación espacial para
ajustar los indicadores de vulnerabilidad frente a CC para ser aplicados en otras cuencas
del departamento de Nariño. Para la validación es necesario ajustar las funciones y reglas
de decisión utilizando un panel de expertos; sin embargo, debido a la escasez de
profesionales especializados en esta rama que incluye la inteligencia artificial, lógica difusa
y sistemas de información geográfica, se recomienda ser sustituido por revisión de
literatura científica y verificación en campo.
Si bien en este trabajo se hace una aproximación a la distribución espacial de la
vulnerabilidad frente al CC de forma homogénea para la toma de decisiones a nivel de
cuenca hidrográfica, es necesario ajustar esta metodología en cuencas que presentan
industrias y otro tipo de actividades distintas a las agropecuarias, ya que pueden modificar
en gran medida la distribución de la vulnerabilidad.
Al igual que es necesario ajustar los pesos de los indicadores de vulnerabilidad, también
es necesario ajustar los indicadores de amenaza debido a que amenazas como los
deslizamientos y las inundaciones han tenido mayores repercusiones sociales que las
anomalías climáticas. En este estudio se les dio el mismo peso a los 4 tipos de amenaza
para lograr realizar la exploración al tema de riesgo.
135
Bibliografía
Abid, M., Schilling, J., Scheffran, J., & Zulfiqar, F. (2016). Climate change vulnerability,
adaptation and risk perceptions at farm level in Punjab, Pakistan. Science of the Total
Environment, 547, 447–460. http://doi.org/10.1016/j.scitotenv.2015.11.125
Adger, W. N. (2006). Vulnerability. Global Environmental Change, 16(3), 268–281.
http://doi.org/10.1016/j.gloenvcha.2006.02.006
Akbari, a., Abu Samah, a., & Othman, F. (2012). Integration of SRTM and TRMM date into
the GIS-based hydrological model for the purpose of flood modelling. Hydrology and
Earth System Sciences Discussions, 9(4), 4747–4775. http://doi.org/10.5194/hessd-
9-4747-2012
Aldunce, P., Neri, C., & Szlafsztein, C. (2008). Hacia la evaluación de prácticas de
adaptación ante La variabilidad y el cambio climático. Facultad de Ciencias
Agronómicas, Universidad de Chile. Retrieved from
http://environmentalmigration.iom.int/hacia-la-evaluación-de-prácticas-de-
adaptación-ante-la-variabilidad-y-el-cambio-climático
Almeida, L. Q., Welle, T., & Birkmann, J. (2016). Disaster risk indicators in Brazil: A proposal
based on the world risk index. International Journal of Disaster Risk Reduction,
17(March 2015), 251–272. http://doi.org/10.1016/j.ijdrr.2016.04.007
Arango, M., Urán, C., & Pérez, G. (2008). Applicability of fuzzy logic to supply chains.
Avances En Sistemes E Informatica, 5, 117–126. Retrieved from
http://revistas.unal.edu.co/index.php/avances/article/view/10105/10630
Bär, R., Rouholahnejad, E., Rahman, K., Abbaspour, K. C., & Lehmann, A. (2015). Climate
change and agricultural water resources: A vulnerability assessment of the Black Sea
catchment. Environmental Science & Policy, 46, 57–69.
136
http://doi.org/10.1016/j.envsci.2014.04.008
Barragán, A. (2009). Síntesis de sistemas de control borroso estables por diseño. Tesis
para optar el grado de doctorado. Universidad de Huelva, España. Retrieved from
http://rabida.uhu.es/dspace/bitstream/handle/10272/2629/b15480549.pdf?sequence
=1
Batisha, A. F. (2015). Implementing fuzzy decision making technique in analyzing the Nile
Delta resilience to climate change. Alexandria Engineering Journal, 54(4), 1043–1056.
http://doi.org/10.1016/j.aej.2015.05.019
Baumann, M., Ozdogan, M., Richardson, A. D., & Radeloff, V. C. (2017). Phenology from
Landsat when data is scarce: Using MODIS and Dynamic Time-Warping to combine
multi-year Landsat imagery to derive annual phenology curves. International Journal
of Applied Earth Observation and Geoinformation, 54, 72–83.
http://doi.org/10.1016/j.jag.2016.09.005
Böhner, J., & Selige, T. (2006). Spatial prediction of soil attributes using terrain analysis
and climate regionalisation. SAGA - Analyses and Modelling Applications,
115(January 2002), 13–28.
Buotte, P. C., Peterson, D. L., McKelvey, K. S., & Hicke, J. A. (2016). Capturing subregional
variability in regional-scale climate change vulnerability assessments of natural
resources. Journal of Environmental Management, 169, 313–318.
http://doi.org/10.1016/j.jenvman.2015.12.017
Capachero, C., García, P., & Obregón, N. (2015). Análisis de la exactitud del Modelo Digital
de Terreno SRTM-30 para Colombia usando datos IGAC e IDEAM. Revista de
Investigaciones, Universidad Del Quindío, 27(1), 30–38. Retrieved from
http://repositorio.uniquindio.edu.co/bitstream/123456789/537/1/30-38.pdf
Cardona. (2001). La necesidad de repensar de manera holistica los conceptos de
vulnerabilidad y riesgo “Una Crítica y una Revisión Necesaria para la Gestión.”
International WorkConference on Vulnerability in Disaster Theory and Practice,
(March), 1–18. Retrieved from
http://www.desenredando.org/public/articulos/2003/rmhcvr/rmhcvr_may-08-2003.pdf
Cardona, Ordaz, M. G., Reinoso, E., & Barbat, A. (2011). Enfoque Integral Para La
137
Evaluación Probabilista Del Riesgo ( Capra ): Iniciativa Para Mejorar La Efectividad
De La Gestión Del Riesgo De Desastre. Granada, España: 4° Congreso Nacional de
Ingeniería Sísmica. Retrieved from
http://repositorio.gestiondelriesgo.gov.co/bitstream/20.500.11762/19783/1/IniciativaC
APRA(Cardona_2011).pdf
Carrera, D. V., Guevara García, P. V., Tamayo Bacacela, L. C., Balarezo Aguilar, A. L.,
Narváez Rivera, C. A., & Morocho López, D. R. (2016). Relleno de series anuales de
datos meteorológicos mediante métodos estadísticos en la zona costera e interandina
del Ecuador, y cálculo de la precipitación media. Idesia (Arica), 34(3), 81–90.
http://doi.org/10.4067/S0718-34292016000300010
CATIE. (2010). Adaptación al cambio climático y servicios ecosistémicos en América
Latina: libro de actas del seminario internacional SIASSE 2008. (A. Celia, B. Locatelli,
R. Vignola, & P. Imbach, Eds.). Centro Agronómo Tropical de Investigación y
Enseñanza. Retrieved from
http://repositorio.bibliotecaorton.catie.ac.cr/handle/11554/7274
CEPAL. (2007). Departamento de Nariño , Colombia Perfil sociodemográfico básico.
Comisión Económica para América Latina y el Caribe. Retrieved from
http://www.cepal.org/celade/noticias/paginas/2/40392/2_narino.pdf
Cimmery, V. (2010). User Guide for SAGA (version 2.0.5), Vol. 2. SAGA User Guide.
Retrieved from http://mirror.ufs.ac.za/sagagis/SAGA - Documentation/SAGA 2 User
Guide/SAGA_User_Guide_Vol2_Cimmery_version_2.0.5_20101209.pdf
CORPOCALDAS, & UNAL. (2013). Plan De Ordenación y Manejo Ambiental de la Cuenca
Hidrográfica del Río Chinchiná en el Departamento de Caldas. Corporación Autónoma
Regional de Caldas. Retrieved from
http://www.corpocaldas.gov.co/publicaciones/1508/1-
SintesisPOMCARioChinchina_.pdf
Corponariño. (2008). Plan de Ordenamiento y Manejo de la Cuenca del río Blanco.
Colombia: Corporación Autónoma Regional de Nariño.
CORPONARIÑO. (2009). Índice de Escasez de Agua Superficial Cuenca del Río Blanco.
Colombia: Corporación Autónoma Regional de Nariño.
138
CORPONARIÑO. (2011). Plan de Ordenamiento del Recurso Hídrico- PORH del Río
Blanco. Pasto, Nariño: Corporación Autónoma Regional de Nariño. Retrieved from
http://corponarino.gov.co/expedientes/descontaminacion/porhrioblanco.pdf
Correa, G. (2004). Aproximaciones metodológicas para la toma de decisiones, apoyadas
en modelos difusos. Tesis de grado para optar el título de Magister en Ingeniería de
Sistemas. Universidad Nacional de Colombia.
DANE. (2018a). Metadatos_ Mapa Municipal de Relación de Dependencia según Grupos
Etareos. Escala 1:500.000. Republica de Colombia. Año 2005. Instituto Geográfico
Agustin Codazzi- Plataforma Sistema de Información Geográfica para la planeación y
el Ordenamiento Territorial (SIG- OT). Retrieved from
http://sigotn.igac.gov.co/sigotn/frames_metadato.aspx?id=170195
DANE. (2018b). Necesidades Básicas Insatisfechas (NBI). Departamento Nacional de
Planeación. Retrieved from https://www.dane.gov.co/index.php/estadisticas-por-
tema/pobreza-y-condiciones-de-vida/necesidades-basicas-insatisfechas-nbi
Dewan, A., Corner, R., Saleem, A., Rahman, M. M., Haider, M. R., Rahman, M. M., &
Sarker, M. H. (2016). Assessing channel changes of the Ganges-Padma River system
in Bangladesh using Landsat and hydrological data. Geomorphology, 276, 257–279.
http://doi.org/10.1016/j.geomorph.2016.10.017
Díaz, R. (2018). Vulnerabilidad y riesgo como conceptos indisociables para el estudio del
impacto del cambio climático en la salud. Región Y Sociedad, 73.
http://doi.org/http://dx.doi.org/10.22198/rys.2018.73.a968
DNP, MADS, IDEAM, & UNGRD. (2013). Hoja De Ruta Para La Elaboración De Los Planes
De Adaptación Dentro Del Plan Nacional De Adaptación Al Cambio Climático. Bogotá,
Colombia. Retrieved from
http://www.minambiente.gov.co/images/cambioclimatico/pdf/Plan_nacional_de_adap
tacion/2._hoja_ruta_planes_adaptacion_v_0.pdf
Dong, Z., Pan, Z., An, P., Wang, L., Zhang, J., He, D., … Pan, X. (2015). A novel method
for quantitatively evaluating agricultural vulnerability to climate change. Ecological
Indicators, 48, 49–54. http://doi.org/10.1016/j.ecolind.2014.07.032
Dumenu, W. K., & Obeng, E. A. (2016). Climate change and rural communities in Ghana:
139
Social vulnerability, impacts, adaptations and policy implications. Environmental
Science and Policy, 55, 208–217. http://doi.org/10.1016/j.envsci.2015.10.010
El-Zein, A., & Tonmoy, F. N. (2015). Assessment of vulnerability to climate change using a
multi-criteria outranking approach with application to heat stress in Sydney. Ecological
Indicators, 48, 207–217. http://doi.org/10.1016/j.ecolind.2014.08.012
Farr, T., Rosen, P. a, Caro, E., Crippen, R., Duren, R., Hensley, S., … Burbank, D. (2008).
The Shuttle Radar Topography Mission. NASA. Retrieved from
http://www3.jpl.nasa.gov/srtm/SRTM_paper.pdf
Fernández-Manso, O., Fernández-Manso, A., & Quintano, C. (2014). Estimation of
aboveground biomass in Mediterranean forestsby statistical modelling of ASTER
fraction images. International Journal of Applied Earth Observation and
Geoinformation, 31(1), 45–56. http://doi.org/10.1016/j.jag.2014.03.005
García, M. claudia, Piñeros, A., Bernal, F., & Ardila, E. (2012). Variabilidad climática ,
cambio climático y el recurso hídrico en Colombia *. Revista de Ingenieria, Universidad
de Los Andes, 60–64. Retrieved from
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-
49932012000100012
Geler, T., Penteado, A., & Perez, A. (2017). LS-Factor analysis in different prediction
models of water soil erosion. Observatorio Geográfico America Latina, 5, 226–233.
Retrieved from
http://observatoriogeograficoamericalatina.org.mx/egal15/Nuevastecnologias/Sig/18.
Gobernacion del Huila, CAM, E3, USAID, FCMC, & 4D. (2014). Análisis de Vulnerabilidad
al Cambio Climático. Plan Huila 2050., 122. Retrieved from
http://www.minambiente.gov.co/images/cambioclimatico/pdf/nodo_centro_andino/Hui
la_2050-_Plan_de_Cambio_Climatico_2x1.pdf
GRASS. (2018). GRASS GIS - Inicio. Retrieved July 14, 2018, from https://grass.osgeo.org/
Guevara, O., Abud, M., Trujillo, A., Suárez, C., Cuadros, L., López, C., & Flórez, C. (2016).
Plan Territorial de Adaptación Climática del deparamento de Nariño. Cali, Colombia.
Retrieved from
140
http://d2ouvy59p0dg6k.cloudfront.net/downloads/plan_territorial_de_adaptacion_clim
atica_del_departamento_de_narino.pdf
Han, C., Ma, Y., Chen, X., & Su, Z. (2016). Estimates of land surface heat fluxes of the Mt.
Everest region over the Tibetan Plateau utilizing ASTER data. Atmospheric Research,
168, 180–190. http://doi.org/10.1016/j.atmosres.2015.09.012
Henao, J. (2016). Propuesta de un índice de vulnerabilidad a sequía de fuentes de agua
superficial en subcuencas andinas. Tesis presentada como requisito para optar al
título de Magister en Ingeniería Ambiental. Universidad Nacional de Colombia.
IDEAM. (2010). Programa de Integración de Ecosistemas y Adaptación al Cambio
Climático en el Macizo Colombiano. Instituto de Hidrología, Meteorología y Estudios
Ambientales. Retrieved from
http://www.minambiente.gov.co/images/cambioclimatico/pdf/Plan_nacional_de_adap
tacion/Programa_de_Integración_de_Ecosistemas_y.pdf
IDEAM. (2011). Evidencias de cambio climático en colombia con base en información
estadística. Nota Técnica Del IDEAM. Intituto de Hidrología, Meteorología y Estudios
Ambientales. Retrieved from
http://www.ideam.gov.co/documents/21021/21138/Evidencias+de+Cambio+Climátic
o+en+Colombia+con+base+en+información+estadística.pdf/1170efb4-65f7-4a12-
8903-b3614351423f
IDEAM. (2014). Indicadores Ambientales Nacionales del IDEAM. Retrieved from
http://www.ideam.gov.co/web/ecosistemas/indicadores
IDEAM. (2015). Informe del estado del Medio Ambiente y de los Recursos Naturales
Renovables 2012, 2013 y 2014. Instituto de Hidrología, Meteorología y Estudios
Ambientales. Retrieved from
http://documentacion.ideam.gov.co/openbiblio/bvirtual/023235/IEARN_primera_parte
_clima_2014.pdf
IDEAM, MADS, & UNDP. (2012). Reducción del riesgo y de la vulnerabilidad frente al
cambio climático en la región de La Depresión Momposina en Colombia. Ministerio de
Ambiente y Desarrollo Sostenible. Retrieved from
https://info.undp.org/docs/pdc/Documents/COL/00068537-
141
00083662_10102012_PRODOC_Mojana.pdf
IDEAM, PNUD, MADS, DNP, & CANCILLERÍA. (2015). Nuevos Escenarios de Cambio
Climático para Colombia 2011-2100 Herramientas Científica para los Tomadores de
Decisione- Enfoque Nacional - Departamental: Tercera Comunicación Nacional de
Cambio Climático. BMC Genetics (Vol. 13). Bogotá, Colombia: Instituto de Hidrología,
Meteorología y Estudios Ambientales. http://doi.org/10.1186/1471-2156-13-58
IPCC. (2003). Good Practice Guidance for Land Use, Land-Use Change and Forestry.
Intergovernmental Panel on Climate Change, Good Practice Guidelines on Land Use,
Land Use Change and Forestry. Hayama, Japan: IPCC National Greenhouse Gas
Inventories Programme. Retrieved from http://www.ipcc-
nggip.iges.or.jp/public/gpglulucf/gpglulucf_files/GPG_LULUCF_FULL.pdf
IPCC. (2007). Cambio climático 2007: Informe de síntesis. Conribución de los Grupos de
trabajo I, II y III al Cuarto Informe de evaluación del Grupo Intergubernamental de
Expertos sobre el Cambio Climático. (R. . Pachauri & A. Reisinger, Eds.). Ginebra,
Suiza: IPCC. http://doi.org/10.1256/004316502320517344
IPCC. (2013). Resumen para responsables de políticas. En: Cambio Climático 2013: Bases
físicas. Contribución del Grupo de trabajo I al Quinto Informe de Evaluación del Grupo
Intergubernamental de Expertos sobre el Cambio Climático. Cambio Climático 2013:
Bases Físicas. Contribución Del Grupo de Trabajo I Al Quinto Informe de Evaluación
Del Grupo Intergubernamental de Expertos Sobre El Cambio Climático, 27.
http://doi.org/10.1256/004316502320517344
IPCC. (2014). Cambio Climático 2014: Impactos, adaptación y vulnerabilidad- Resumen
para responsables de politicas. Contribución del Grupo de trabajo II al Quinto Informe
de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático.
(C. . Field, V. R. Barros, D. J. Dokken, K. J. Mach, M. D. Mastrandrea, T. E. Bilir, … L.
L. White, Eds.). Ginebra, Suiza: IPCC. Retrieved from
https://www.ipcc.ch/pdf/assessment-report/ar5/wg2/ar5_wgII_spm_es.pdf
KC, B., Shepherd, J. M., & Gaither, C. J. (2015). Climate change vulnerability assessment
in Georgia. Applied Geography, 62, 62–74.
http://doi.org/10.1016/j.apgeog.2015.04.007
142
Kumar, P., Geneletti, D., & Nagendra, H. (2016). Spatial assessment of climate change
vulnerability at city scale: A study in Bangalore, India. Land Use Policy, 58, 514–532.
http://doi.org/10.1016/j.landusepol.2016.08.018
Liu, H. L., Willems, P., Bao, A. M., Wang, L., & Chen, X. (2016). Effect of climate change
on the vulnerability of a socio-ecological system in an arid area. Global and Planetary
Change, 137, 1–9. http://doi.org/10.1016/j.gloplacha.2015.12.014
MADS. (2014). Guía Técnica para la Formulación de los Planes de Ordenación y Manejo
de cuencas Hidrográficas POMCAS. Aneo B. Gestión del Riesgo. MADS.
http://doi.org/10.1017/CBO9781107415324.004
MADS, A. (2015). Cartilla: Incorporación de Cambio Climático en Planes Estratégicos de
Macrocuenca y Planes de Ordenación y manejo de cuencas hidrográficas. Bogotá,
Colombia: MADS. Retrieved from http://cambioclimaticorh.wix.com/cclim-cuencas
Maguiña, R. (2010). Sistemas de Inferencia Basado en Logica Borrosa: Fundamentos y
casos de estudio. Revista de Investigacion de Sistemas E Informatica, 7(1), 91–104.
http://doi.org/ISSN 1816-3823
Mapplecroft. (2014). Índice de vulnerabilidad y adaptación al cambio climático en la región
de América Latina y el Caribe. (CAF, Ed.). Retrieved from
http://www19.iadb.org/intal/intalcdi/PE/2014/15019es.pdf
Marchi, L., & Dalla Fontana, G. (2005). GIS morphometric indicators for the analysis of
sediment dynamics in mountain basins. Environmental Geology, 48(2), 218–228.
http://doi.org/10.1007/s00254-005-1292-4
Naciones Unidas. (1992). Convención marco de las Naciones Unidas sobre el cambio
climático. Retrieved from
http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Convenci?n+marco
+de+las+naciones+unidas+sobre+el+cambio+clim?tico#1
Neset, T.-S., Wiréhn, L., Opach, T., Glaas, E., & Linnér, B.-O. (2018). Evaluation of
indicators for agricultural vulnerability to climate change: The case of Swedish
agriculture. Ecological Indicators, (April), 0–1.
http://doi.org/10.1016/J.ECOLIND.2018.05.042
143
Nguyen, A. K., Liou, Y. A., Li, M. H., & Tran, T. A. (2016). Zoning eco-environmental
vulnerability for environmental management and protection. Ecological Indicators, 69,
100–117. http://doi.org/10.1016/j.ecolind.2016.03.026
Ocampo, O. (2012). Análisis de Vulnerabilidad de la cuenca del río Chinchiná. Manizales,
Colombia: Universidad Nacional de Colombia. Retrieved from
http://www.bdigital.unal.edu.co/6100/3/8109507.2012_Parte1.pdf
Oculi, N., & Stephenson, S. R. (2018). Conceptualizing climate vulnerability: Understanding
the negotiating strategies of Small Island Developing States. Environmental Science
and Policy, 85(August 2017), 72–80. http://doi.org/10.1016/j.envsci.2018.03.025
Ortegón, M. (2011). Disenesu , interfaz grafica conmatlab. Ingeniería E Investigación.
Retrieved from
https://revistas.unal.edu.co/index.php/ingeinv/article/view/21049/22002
Pandey, R., & Bardsley, D. K. (2015). Social-ecological vulnerability to climate change in
the Nepali Himalaya. Applied Geography, 64, 74–86.
http://doi.org/10.1016/j.apgeog.2015.09.008
Puerta-Tuesta, R., Rengifo, J., & Bravo, N. (2013). Manual de ArcGIS 10 Nivel Intermedio.
Universidad Nacional Agraria de la Selva. Retrieved from
http://arcgeek.com/descargas/MAG10I.pdf
Qgis. (2018). Descubre QGIS. Retrieved May 15, 2018, from
https://www.qgis.org/es/site/about/index.html
Quintero-Angel, M., Carvajal-Escobar, Y., & Aldunce, P. (2012). Adaptación a La
Variabilidad Y El Cambio Climático: Intersecciones Con La Gestión Del Riesgo.
Revista Luna Azul, 34, 257–271. Retrieved from
http://www.redalyc.org/articulo.oa?id=321727348015
Roa-Lobo, J., & Kamp, U. (2012). Use of the topographic wetness index (TWI) for the
diagnosis of the river overflow threat, Trujillo State-Venezuela. Revista Geográfica
Venezolana, 53 (1), 109–126. http://doi.org/10.1017/CBO9781107415324.004
Robinson, S. ann. (2018). Climate change adaptation in small island developing states:
Insights and lessons from a meta-paradigmatic study. Environmental Science and
144
Policy, 85(March), 172–181. http://doi.org/10.1016/j.envsci.2018.03.030
Rosero, D. (2015). Aplicación y evaluación de un índice de cambio climático ( ICC ) para
evaluar la vulnerabilidad de la microcuenca Dolores ubicada en el Departamento de
Nariño. Palmira, Valle del CAuca: Universidad Nacional de Colombia.
r-project. (2016). R: ¿Qué es R? Retrieved from https://www.r-project.org/about.html
Salgado, Zuloaga, & Cardona. (2013). Evaluación probabilista del riesgo sísmico de
Bogotá y Manizales con y sin la influencia de la Caldas Tear. Revista de Ingeniería,
38, 6–13. Retrieved from http://www.scielo.org.co/pdf/ring/n38/n38a02.pdf
Satta, A., Snoussi, M., Puddu, M., Flayou, L., & Hout, R. (2016). An index-based method
to assess risks of climate-related hazards in coastal zones: The case of Tetouan.
Estuarine, Coastal and Shelf Science, 175, 93–105.
http://doi.org/10.1016/j.ecss.2016.03.021
Soto, M. V., Märker, M., Arriagada, J., Castro, C. P., & Rodolfi, G. (2010). Evaluación de la
amenaza natural en ambiente semiárido, sustentada en la geomorfología y el
modelamiento de índices topográficos. Salamanca, Región de Coquimbo, Chile.
Investigaciones Geográficas, 42, 19–36.
Súarez. (2003). Sumario de indicadores e índices relacionados con la evaluación de la
vulnerabilidad, la amenaza y el riesgo por eventos naturales. Manizales, Colombia:
BID, CEPAL, IDEA UNAL. Retrieved from www.iadb.org/sds/env
Therburg, A., D ’Inca, V., & López, M. (2005). Modelo de indicadores ambientales.
Observatorio ambiental. Revista Proyección, 1, 1–17. Retrieved from
http://bdigital.uncu.edu.ar
Turbay, S., Nates, B., Jaramillo, F., Velez, J. J., & Ocampo, O. L. (2014). Adaptacion a la
variabilidad climatica entre los caficultores de las cuencas de los rios Porce y
Chinchina, Colombia. Investigaciones Geograficas, 85, 95–112.
http://doi.org/10.14350/rig.42298
Van Wesenbeeck, C. F. A., Sonneveld, B. G. J. S., & Voortman, R. L. (2016). Localization
and characterization of populations vulnerable to climate change: Two case studies in
Sub-Saharan Africa. Applied Geography, 66, 81–91.
145
http://doi.org/10.1016/j.apgeog.2015.11.001
Vargas, V. (2014). Modelo Basado En Conocimiento Para La Planeación De Cuencas
Hidrográficas Con El Uso De Inteligencia Artificial. Tesis presentada para optar el título
de Doctor en Ingeniería. Universidad Del Valle, 166.
Vargas, V., & Restrepo, I. (2018). Construction of index with artificial intelligence to evaluate
vulnerability to climate change in Andean tropical micro-watersheds . Study case in
Colombia Construcción de índice con inteligencia artificial para evaluar vulnerabilidad
al cambio climático, 85(204), 194–203.
Viloria, J. (2007). Economía Del Departamento De Nariño : Ruralidad Y Aislamiento
Geográfico. Cartagena, Colombia: Banco de la República. Retrieved from
http://www.banrep.gov.co/docum/Lectura_finanzas/pdf/DTSER-87.pdf
WWF. (2013). Nodos regionales de cambio climatico: Reporte consolidado de línea base
análisis de riesgos climáticos y necesidades de adaptación climática. Cali, Colombia:
WWF. Retrieved from
http://www.minambiente.gov.co/images/BosquesBiodiversidadyServiciosEcosistemic
os/pdf/nodos_territoriales/250314_inf_linea_base_adaptacion_cambio_clima.pdf
Xu, H., Huang, S., & Zhang, T. (2013). Built-up land mapping capabilities of the ASTER
and Landsat ETM+ sensors in coastal areas of southeastern China. Advances in
Space Research, 52(8), 1437–1449. http://doi.org/10.1016/j.asr.2013.07.026
Xu, H., & Zhang, T. (2013). Assessment of consistency in forest-dominated vegetation
observations between ASTER and Landsat ETM+ images in subtropical coastal areas
of southeastern China. Agricultural and Forest Meteorology, 168, 1–9.
http://doi.org/10.1016/j.agrformet.2012.08.012
Yepes-Mayorga, A. (2012). Cambio Climático: estrategias de gestión con el tiempo en
contra... Orinoquia, 16(1), 77–92. Retrieved from
http://www.scielo.org.co/pdf/rori/v16n1/v16n1a09.pdf
Yousefi, S., Pourghasemi, H. R., Hooke, J., Navratil, O., & Kidová, A. (2016). Changes in
morphometric meander parameters identified on the Karoon River, Iran, using remote
sensing data. Geomorphology, 271, 55–64.
http://doi.org/10.1016/j.geomorph.2016.07.034
146
10. Anexo
10.1 Información del SIG-OT disponible en la zona de estudio.
Teniendo en cuenta la fácil visualización y acceso a la información proporcionada por la
plataforma del Sistema de Información Geográfico para la planeación y el Ordenamiento
Territorial (SIG-OT) se obtuvo la siguiente información a nivel municipal y diferenciada
entre zona rural y urbana.
En la Tabla (10.1) se recopila la información del DANE disponible en la plataforma del SIG-
OT a escala municipal.
Tabla 10.1 Datos DANE SIG-OT. Fuente: elaboración propia.
DANE
1 Cobertura rural de acueducto
15 Densidad de población 18 Población de 3 años y
más por nivel educativo _prescolar
32 Población
urbana/rural
2 cobertura rural
de alcantarillado 16
Hogares en hacinamiento
19
Población de 3 años y más por nivel educativo normalista_ superior y
postgrado
33 Relación de dependencia
3 Cobertura rural
de energía eléctrica
17 Hogares por vivienda 20 Población rural 34 Tamaño
promedio del hogar
4 Cobertura rural de gas natural
18 Hogares urbano/rural 21 población según
pertenencia étnica indígena rural
35 Tasa de
alfabetismo rural
5 Cobertura total de acueducto
19 Necesidades básicas
insatisfechas NBI 22
Población según pertenencia étnica
indígena total 36
Tasa de alfabetismo
total
6 Cobertura total
de alcantarillado 20
Necesidades básicas insatisfechas NBI rural
23 Población según
pertenencia étnica indígena urbano
37 Tasa de
alfabetismo urbano
7 Cobertura total
de energía eléctrica
21 Necesidades básicas
insatisfechas- NBI urbano
24 Población según
pertenencia étnica negro, 38
Tasa de analfabetismo
total
147
DANE
mulato, afrocolombiano_ rural
8 Cobertura total de gas natural
22 Nivel educativo técnico
y profesional 25
Población según pertenencia étnica negro, mulato, afrocolombiano_
total
39 Tasa de
crecimiento intercensal
9 Cobertura urbana de acueducto
23 Omisión censal 26
Población según pertenencia étnica negro, mulato, afrocolombiano_
urbano
40 Tasa de
variación del PIB
10 Cobertura urbana de
alcantarillado 24
Población de 3 años y más por nivel educativo
básica primaria 27
Población según pertenencia étnica
rom_rural 41 Viviendas total
11 Cobertura urbana de
energía eléctrica 25
Población de 3 años y más por nivel educativo
básica secundaria 28
Población según pertenencia étnica
rom_Total 42
Viviendas urbano/rural
12 Cobertura
urbana de gas natural
26
Población de 3 años y más por nivel educativo
media académica clásica
29 Población según
pertenencia étnica rom_Urbano
13 Déficit de
vivienda por zona
27 Población de 3 años y
más por nivel educativo media técnica
30 Población total
14 Déficit de
vivienda total 28
Población de 3 años y más por nivel educativo
normalista 31 Población urbana
En la Tabla (10.2) encontramos la información de varias instituciones como el IGAC,
Ministerio de protección social y del Departamento administrativo para la prosperidad
social, la cual se encuentra en formato vector en la plataforma del SIG-OT.
Tabla 10.2 Datos Departamento Administrativo para la Prosperidad Social SIG-OT.
Fuente: elaboración propia.
Departamento Administrativo para la prosperidad social IGAC
1 Atención
humanitaria desplazados
7 Familias en acción-
desplazados 13
Laboratorios de paz
1 Resguardos indígenas
2 Desplazamiento forzado- hogares
expulsados 8
Familias en acción- indígenas
14 Programa de
desarrollo y paz
Ministerio de protección social
3 Desplazamiento forzado- hogares
recibidos 9
Familias en acción- SISBEN 1
15 Protección de
tierras y bienes patrimoniales
1 Infraestructura disponible (#
camas/hospital)
4 Desplazamiento
forzado- personas expulsado
10 Familias
guardabosques 16
ReSA- Red de seguridad alimentaria
148
Departamento Administrativo para la prosperidad social IGAC
5 Desplazamiento
forzado- personas recibidas
11 Grupo móvil de
erradicación 17
6 Atención a víctimas de la violencia 40
SMMLV 12
UNIDOS (Familia con acompañamiento
social) 18
La Tabla (10.3) contiene información correspondiente al Departamento Nacional de
Planeación, la cual se puede descargar en formato vector a escala municipal de la
plataforma del SIG-OT.
Tabla 10.3 Datos Departamento Nacional de Planeación SIG-OT. Fuente: elaboración
propia.
Departamento Nacional de Planeación
1
Adecuación de tierras 11 Educación y capital humano rural
21 Factor de ponderación ICV- acceso y calidad de los servicios urbano
31 Ingresos públicos per- cápita
2
Calidad de la vivienda total
12 Educación y capital humano total
22 Gestión municipal 32
Inversión en agua potable y saneamiento básico
3
Calidad de la vivienda urbano
13 Educación y capital humano urbano
23 Índice de capacidad administrativa
33 Inversión en salud
4
Calidad de la vivienda rural
14 Entorno de desarrollo departamental
24 Índice de condiciones de vida- ICV
34 Inversión municipal en educación
5
Capacidad de ahorro 15 Entorno desarrollo municipal
25 Índice de condiciones de vida- ICV RURAL
35
Porcentaje de los ingresos corrientes destinados a funcionamiento
6
Cubrimiento de vías pavimentadas
16 Esfuerzo para el desarrollo municipal
26 Índice de condiciones de vida- ICV URBANO
36
Porcentaje de participación en capacitación técnica laboral
7
Cumplimiento en la ejecución de recursos del SGP en agua potable y saneamiento básico
17 Estándar de vida de la población pobre SISBEN- rural
27 Índice de desarrollo humano- IDH
37 Tamaño y composición del hogar rural
8
Cumplimiento en la ejecución de recursos del SGP en educación
18 Estándar de vida de la población pobre SISBEN- total
28 Índice de desempeño fiscal
38 Tamaño y composición del hogar total
9
Cumplimiento en la ejecución de recursos del SGP en salud
19
Factor de ponderación ICV-acceso y calidad de los servicios rurales
29 Índice de eficacia de la gestión municipal
39 Tamaño y composición del hogar urbano
10
Déficit de cobertura en salud
20
Factor de ponderación ICV- acceso y calidad de los servicios total
30 Índice de eficiencia de la gestión municipal
40 Tasa de crecimiento promedio del PIB
149
10.2 Vuelo con Drone Phanton 3 en la cuenca del río Blanco.
Los vuelos se realizaron con una programación anterior en la cual se tuvo en cuenta puntos
clave del cauce principal donde las imágenes satelitales libres no permitían un buen detalle
por su grado de nubosidad y los puntos permitieron ver gran parte de la cuenca utilizando
fotos panorámicas. La faja de protección de los ríos, los muros vivos y la expansión de la
población hacia los ríos son características que se querían captar cuando se planificaron
los vuelos con drone (Figura 10.1).
Figura 10.1 Recorrido de la cuenca del río Blanco realizado con drone. Fuente:
elaboración propia.
150
10.3 Entrevistas semiestructuradas
COMUNIDAD
Entrevista semiestructurada indicadores de susceptibilidad
1 ¿El sector donde vive y las actividades económicas desarrolladas actualmente son afectado por inundaciones, deslizamientos, variación de la temperatura o variación de la precipitación?
SI____ NO___
Cuales
______________________________________________________________________
2 ¿De cuántos integrantes conforman su familia y las familias en su sector y de ellos cuantos trabajan?
SI____ NO___
Cuales
______________________________________________________________________
2 ¿En sus sector se encuentran familias de minorías raciales o étnicas y que tipo de organización tienen?
SI____ NO___
Cuales
______________________________________________________________________
3. ¿Su familia y las familias ubicadas en el sector dependen de recursos forestales para la preparación de alimentos, construcción, venta u otra actividad?
151
SI____ NO___
Cuales
____________________________________________________________________
4. ¿Algún miembro de su familia trabaja en actividades agrícolas, pecuarias, piscícolas entre otras que pueden ser sensibles al clima?
SI____ NO___
Cuales
_____________________________________________________________________
5. ¿En su sector existen tierras cultivadas en las se utilice irrigación en los cultivos?
SI____ NO___
Cuales
_____________________________________________________________________
6. ¿Ha notado el deterioro en lagos, ríos, paramo entre otros en su sector?
SI____ NO___
Cuales
______________________________________________________________________
7. ¿Ha notado la falta de cobertura forestal en zonas con alta pendiente en su sector?
SI____ NO___
Cuales
8. ¿En su sector ha notado hogares en condiciones de pobreza extrema?
SI____ NO___
Cuales
152
_______________________________________________________________________
Entrevista semiestructurada indicadores de capacidad adaptativa
9. ¿En su sector se han desarrollado proyectos de mitigación y adaptación frente a los desastres que pueden ocasionar inundaciones, deslizamientos y variaciones en el clima?
SI____ NO___
Cuales
______________________________________________________________________
10. ¿La población en su sector tiene acceso a educación primaria, secundaria, técnica y universitaria?
SI____ NO___
Cuales
______________________________________________________________________
11. ¿Qué tipo de combustible utiliza su familia y las familias del sector para realizar la cocción de alimentos?
SI____ NO___
Cuales
______________________________________________________________________
12. ¿En el sector se encuentra alguna carretera o camino y en qué estado se encuentra?
SI____ NO___
Cuales
153
______________________________________________________________________
13. ¿En su sector tienen acceso a información sobre variación climática o cambio climático?
SI____ NO___
Cómo
______________________________________________________________________
14. ¿En su sector se realiza cambio de variedades de cultivos a variedades mejor adaptadas al clima?
SI____ NO___
Cuales
______________________________________________________________________
15. ¿En su sector se realiza cambio de tipos de cultivos a tipos mejor adaptados al climá?
SI____ NO___
Cuales
______________________________________________________________________
16. ¿Los agricultores de su sector siembran las tierras con diversos cultivos?
SI____ NO___
Cuales
______________________________________________________________________
17. ¿En su sector existe cooperación dentro de la comunidad agropecuaria o ganadera?
SI____ NO___
Cómo
______________________________________________________________________
154
18. ¿En su familia y en familias de su sector los miembros que trabajan realizan actividades económicas secundarias al agrícola?
SI____ NO___
Cuales
______________________________________________________________________
19. ¿En los últimos 10 años a notado aumento en la cobertura forestal de su sector?
SI____ NO___
Cuanto
______________________________________________________________________
20. ¿Los ríos ubicados en su sector tienen márgenes de protección en la ribera de los cauces?
SI____ NO___
Cuales
______________________________________________________________________
21 ¿Qué porcentaje de la vivienda es de propiedad de su familia y que familias del sector tienen en el total de propiedad de la vivienda?
SI____ NO___
Cuales
______________________________________________________________________
22. ¿Su familia y las familias de su sector tienen miembros que trabajan en diferentes actividades económicas?
SI____ NO___
Cuales
______________________________________________________________________
155
10.4 Reglas de decisión indicadores de susceptibilidad
A continuación se presentan las reglas de decisión utilizadas para programar el índice
IVUCC, y sus subíndices específicos y generales. Las categorías de evaluación de las
variables de salida y las variables de entrada son Alto (A), Medio (M) y Bajo (B)
Subíndice Susceptibilidad social
Las reglas de decisión del subíndice especifico susceptibilidad social tienen los siguientes
porcentajes en los resultados de la variable de salida: 37% un valor Alto, un 26% con valor
Medio y un 37% con valor Bajo (Tabla 10.4).
Tabla 10.4 Reglas de decisión subíndice susceptibilidad social. Fuente: elaboración
propia.
N°
Susceptibilidad Social
N°
Susceptibilidad Social
Variables de entrada
Variable de salida
Variables de entrada
Variable de salida
SSRD SSMR SSDF SS SSRD SSMR SSDF SS
1 A A A A 15 M M B B
2 A A M A 16 M B A M
3 A A B A 17 M B M B
4 A M A A 18 M B B B
5 A M M A 19 B A A A
6 A M B M 20 B A M M
7 A B A A 21 B A B B
8 A B M M 22 B M A M
9 A B B B 23 B M M B
10 M A A A 24 B M B B
11 M A M A 25 B B A B
12 M A B M 26 B B M B
13 M M A A 27 B B B B
14 M M M M
Subíndice Susceptibilidad productiva
Las reglas de decisión del subíndice especifico susceptibilidad productiva tienen los
siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un
33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.5).
156
Tabla 10.5 Reglas de decisión subíndice susceptibilidad productiva. Fuente: elaboración
propia.
N°
Susceptibilidad Productiva
Variables de entrada
Variable de salida
SPO SPI SP
1 A A A
2 A M A
3 A B M
4 M A A
5 M M M
6 M B B
7 B A M
8 B M B
9 B B B
Subíndice Susceptibilidad ecológica
Las reglas de decisión del subíndice especifico susceptibilidad ecológica tienen los
siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un
33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.6).
Tabla 10.6 Reglas de decisión subíndice susceptibilidad ecológica. Fuente: elaboración
propia.
N°
Susceptibilidad Ecológica
Variables de entrada
Variable de salida
SEP SEFP SE
1 A A A
2 A M A
3 A B M
4 M A A
5 M M M
6 M B B
7 B A M
8 B M B
9 B B B
157
Subíndice Susceptibilidad socioeconómica
Las reglas de decisión del subíndice especifico susceptibilidad socioeconómica tienen los
siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un
33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.7).
Tabla 10.7 Reglas de decisión subíndice susceptibilidad socioeconómica. Fuente:
elaboración propia.
N°
Susceptibilidad Socioeconómico
Variables de entrada
Variables de salida
SSENBI SSE
1 A A
2 M M
3 B B
Subíndice Susceptibilidad
Las reglas de decisión del subíndice general de susceptibilidad tienen los siguientes
porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un 63% con
valor Medio y un 18.5% con valor Bajo (Tabla 10.8).
Tabla 10.8 Reglas de decisión subíndice general de Susceptibilidad. Fuente: elaboración
propia.
N°
Susceptibilidad
N°
Susceptibilidad
Variables de entrada
Variables de salida Variables de entrada
Variables de salida
SS SP SE SSE S SS SP SE SSE S
1 A A A A A 42 M M M B M
2 A A A M A 43 M M B A M
3 A A A B A 44 M M B M M
4 A A M A A 45 M M B B B
5 A A M M A 46 M B A A M
6 A A M B M 47 M B A M M
7 A A B A A 48 M B A B M
8 A A B M M 49 M B M A M
9 A A B B M 50 M B M M M
10 A M A A A 51 M B M B B
11 A M A M A 52 M B B A M
12 A M A B M 53 M B B M B
158
N°
Susceptibilidad
N°
Susceptibilidad
Variables de entrada
Variables de salida Variables de entrada
Variables de salida
SS SP SE SSE S SS SP SE SSE S
13 A M M A A 54 M B B B B
14 A M M M M 55 B A A A A
15 A M M B M 56 B A A M M
16 A M B A M 57 B A A B M
17 A M B M M 58 B A M A M
18 A M B B M 59 B A M M M
19 A B A A A 60 B A M B M
20 A B A M M 61 B A B A M
21 A B A B M 62 B A B M M
22 A B M A M 63 B A B B B
23 A B M M M 64 B M A A M
24 A B M B M 65 B M A M M
25 A B B A M 66 B M A B M
26 A B B M M 67 B M M A M
27 A B B B B 68 B M M M M
28 M A A A A 69 B M M B B
29 M A A M A 70 B M B A M
30 M A A B M 71 B M B M B
31 M A M A A 72 B M B B B
32 M A M M M 73 B B A A M
33 M A M B M 74 B B A M M
34 M A B A M 75 B B A B B
35 M A B M M 76 B B M A M
36 M A B B M 77 B B M M B
37 M M A A A 78 B B M B B
38 M M A M M 79 B B B A B
39 M M A B M 80 B B B M B
40 M M M A M 81 B B B B B
41 M M M M M
Subíndice Capacidad adaptativa social
Las reglas de decisión del subíndice de capacidad adaptativa social tienen los siguientes
porcentajes en los resultados de la variable de salida: 21% un valor Alto, un 58% con valor
Medio y un 21% con valor Bajo (Tabla 10.9).
159
Tabla 10.9 Reglas de decisión subíndice de capacidad adaptativa social. Fuente:
elaboración propia.
N°
Capacidad adaptativa Social
N°
Capacidad adaptativa Social
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CSP CSAE CSH CSAC CSAI CS CSP CSAE CSH CSAC CSAI CS
1 A A A A A A 123 M M M M B M
2 A A A A M A 124 M M M B A M
3 A A A A B A 125 M M M B M M
4 A A A M A A 126 M M M B B B
5 A A A M M A 127 M M B A A M
6 A A A M B A 128 M M B A M M
7 A A A B A A 129 M M B A B M
8 A A A B M A 130 M M B M A M
9 A A A B B M 131 M M B M M M
10 A A M A A A 132 M M B M B B
11 A A M A M A 133 M M B B A M
12 A A M A B A 134 M M B B M B
13 A A M M A A 135 M M B B B B
14 A A M M M A 136 M B A A A A
15 A A M M B M 137 M B A A M M
16 A A M B A A 138 M B A A B M
17 A A M B M M 139 M B A M A M
18 A A M B B M 140 M B A M M M
19 A A B A A A 141 M B A M B M
20 A A B A M A 142 M B A B A M
21 A A B A B M 143 M B A B M M
22 A A B M A A 144 M B A B B B
23 A A B M M M 145 M B M A A M
24 A A B M B M 146 M B M A M M
25 A A B B A M 147 M B M A B M
26 A A B B M M 148 M B M M A M
27 A A B B B M 149 M B M M M M
28 A M A A A A 150 M B M M B B
29 A M A A M A 151 M B M B A M
30 A M A A B A 152 M B M B M B
31 A M A M A A 153 M B M B B B
32 A M A M M A 154 M B B A A M
33 A M A M B M 155 M B B A M M
34 A M A B A A 156 M B B A B B
35 A M A B M M 157 M B B M A M
36 A M A B B M 158 M B B M M B
37 A M M A A A 159 M B B M B B
38 A M M A M A 160 M B B B A B
39 A M M A B M 161 M B B B M B
160
N°
Capacidad adaptativa Social
N°
Capacidad adaptativa Social
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CSP CSAE CSH CSAC CSAI CS CSP CSAE CSH CSAC CSAI CS
40 A M M M A A 162 M B B B B B
41 A M M M M M 163 B A A A A A
42 A M M M B M 164 B A A A M A
43 A M M B A M 165 B A A A B M
44 A M M B M M 166 B A A M A A
45 A M M B B M 167 B A A M M M
46 A M B A A A 168 B A A M B M
47 A M B A M M 169 B A A B A M
48 A M B A B M 170 B A A B M M
49 A M B M A M 171 B A A B B M
50 A M B M M M 172 B A M A A A
51 A M B M B M 173 B A M A M M
52 A M B B A M 174 B A M A B M
53 A M B B M M 175 B A M M A M
54 A M B B B B 176 B A M M M M
55 A B A A A A 177 B A M M B M
56 A B A A M A 178 B A M B A M
57 A B A A B M 179 B A M B M M
58 A B A M A A 180 B A M B B B
59 A B A M M M 181 B A B A A M
60 A B A M B M 182 B A B A M M
61 A B A B A M 183 B A B A B M
62 A B A B M M 184 B A B M A M
63 A B A B B M 185 B A B M M M
64 A B M A A A 186 B A B M B B
65 A B M A M M 187 B A B B A M
66 A B M A B M 188 B A B B M B
67 A B M M A M 189 B A B B B B
68 A B M M M M 190 B M A A A A
69 A B M M B M 191 B M A A M M
70 A B M B A M 192 B M A A B M
71 A B M B M M 193 B M A M A M
72 A B M B B B 194 B M A M M M
73 A B B A A M 195 B M A M B M
74 A B B A M M 196 B M A B A M
75 A B B A B M 197 B M A B M M
76 A B B M A M 198 B M A B B B
77 A B B M M M 199 B M M A A M
78 A B B M B B 200 B M M A M M
79 A B B B A M 201 B M M A B M
80 A B B B M B 202 B M M M A M
161
N°
Capacidad adaptativa Social
N°
Capacidad adaptativa Social
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CSP CSAE CSH CSAC CSAI CS CSP CSAE CSH CSAC CSAI CS
81 A B B B B B 203 B M M M M M
82 M A A A A A 204 B M M M B B
83 M A A A M A 205 B M M B A M
84 M A A A B A 206 B M M B M B
85 M A A M A A 207 B M M B B B
86 M A A M M A 208 B M B A A M
87 M A A M B M 209 B M B A M M
88 M A A B A A 210 B M B A B B
89 M A A B M M 211 B M B M A M
90 M A A B B M 212 B M B M M B
91 M A M A A A 213 B M B M B B
92 M A M A M A 214 B M B B A B
93 M A M A B M 215 B M B B M B
94 M A M M A A 216 B M B B B B
95 M A M M M M 217 B B A A A M
96 M A M M B M 218 B B A A M M
97 M A M B A M 219 B B A A B M
98 M A M B M M 220 B B A M A M
99 M A M B B M 221 B B A M M M
100 M A B A A A 222 B B A M B B
101 M A B A M M 223 B B A B A M
102 M A B A B M 224 B B A B M B
103 M A B M A M 225 B B A B B B
104 M A B M M M 226 B B M A A M
105 M A B M B M 227 B B M A M M
106 M A B B A M 228 B B M A B B
107 M A B B M M 229 B B M M A M
108 M A B B B B 230 B B M M M B
109 M M A A A A 231 B B M M B B
110 M M A A M A 232 B B M B A B
111 M M A A B M 233 B B M B M B
112 M M A M A A 234 B B M B B B
113 M M A M M M 235 B B B A A M
114 M M A M B M 236 B B B A M B
115 M M A B A M 237 B B B A B B
116 M M A B M M 238 B B B M A B
117 M M A B B M 239 B B B M M B
118 M M M A A A 240 B B B M B B
119 M M M A M M 241 B B B B A B
120 M M M A B M 242 B B B B M B
121 M M M M A M 243 B B B B B B
162
N°
Capacidad adaptativa Social
N°
Capacidad adaptativa Social
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CSP CSAE CSH CSAC CSAI CS CSP CSAE CSH CSAC CSAI CS
122 M M M M M M
Subíndice Capacidad adaptativa productiva
Las reglas de decisión del subíndice de capacidad adaptativa productiva tienen los
siguientes porcentajes en los resultados de la variable de salida: 21% un valor Alto, un
58% con valor Medio y un 21% con valor Bajo (Tabla 10.10).
Tabla 10.10 Reglas de decisión subíndice de capacidad adaptativa productiva. Fuente:
elaboración propia.
N°
Capacidad adaptativa Productiva
N°
Capacidad adaptativa Productiva
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CPVC CPCC CPDC CPCA CPTS CP CPVC CPCC CPDC CPCA CPTS CP
1 A A A A A A 123 M M M M B M
2 A A A A M A 124 M M M B A M
3 A A A A B A 125 M M M B M M
4 A A A M A A 126 M M M B B B
5 A A A M M A 127 M M B A A M
6 A A A M B A 128 M M B A M M
7 A A A B A A 129 M M B A B M
8 A A A B M A 130 M M B M A M
9 A A A B B M 131 M M B M M M
10 A A M A A A 132 M M B M B B
11 A A M A M A 133 M M B B A M
12 A A M A B A 134 M M B B M B
13 A A M M A A 135 M M B B B B
14 A A M M M A 136 M B A A A A
15 A A M M B M 137 M B A A M M
16 A A M B A A 138 M B A A B M
17 A A M B M M 139 M B A M A M
18 A A M B B M 140 M B A M M M
19 A A B A A A 141 M B A M B M
20 A A B A M A 142 M B A B A M
21 A A B A B M 143 M B A B M M
22 A A B M A A 144 M B A B B B
23 A A B M M M 145 M B M A A M
24 A A B M B M 146 M B M A M M
25 A A B B A M 147 M B M A B M
163
N°
Capacidad adaptativa Productiva
N°
Capacidad adaptativa Productiva
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CPVC CPCC CPDC CPCA CPTS CP CPVC CPCC CPDC CPCA CPTS CP
26 A A B B M M 148 M B M M A M
27 A A B B B M 149 M B M M M M
28 A M A A A A 150 M B M M B B
29 A M A A M A 151 M B M B A M
30 A M A A B A 152 M B M B M B
31 A M A M A A 153 M B M B B B
32 A M A M M A 154 M B B A A M
33 A M A M B M 155 M B B A M M
34 A M A B A A 156 M B B A B B
35 A M A B M M 157 M B B M A M
36 A M A B B M 158 M B B M M B
37 A M M A A A 159 M B B M B B
38 A M M A M A 160 M B B B A B
39 A M M A B M 161 M B B B M B
40 A M M M A A 162 M B B B B B
41 A M M M M M 163 B A A A A A
42 A M M M B M 164 B A A A M A
43 A M M B A M 165 B A A A B M
44 A M M B M M 166 B A A M A A
45 A M M B B M 167 B A A M M M
46 A M B A A A 168 B A A M B M
47 A M B A M M 169 B A A B A M
48 A M B A B M 170 B A A B M M
49 A M B M A M 171 B A A B B M
50 A M B M M M 172 B A M A A A
51 A M B M B M 173 B A M A M M
52 A M B B A M 174 B A M A B M
53 A M B B M M 175 B A M M A M
54 A M B B B B 176 B A M M M M
55 A B A A A A 177 B A M M B M
56 A B A A M A 178 B A M B A M
57 A B A A B M 179 B A M B M M
58 A B A M A A 180 B A M B B B
59 A B A M M M 181 B A B A A M
60 A B A M B M 182 B A B A M M
61 A B A B A M 183 B A B A B M
62 A B A B M M 184 B A B M A M
63 A B A B B M 185 B A B M M M
64 A B M A A A 186 B A B M B B
65 A B M A M M 187 B A B B A M
66 A B M A B M 188 B A B B M B
164
N°
Capacidad adaptativa Productiva
N°
Capacidad adaptativa Productiva
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CPVC CPCC CPDC CPCA CPTS CP CPVC CPCC CPDC CPCA CPTS CP
67 A B M M A M 189 B A B B B B
68 A B M M M M 190 B M A A A A
69 A B M M B M 191 B M A A M M
70 A B M B A M 192 B M A A B M
71 A B M B M M 193 B M A M A M
72 A B M B B B 194 B M A M M M
73 A B B A A M 195 B M A M B M
74 A B B A M M 196 B M A B A M
75 A B B A B M 197 B M A B M M
76 A B B M A M 198 B M A B B B
77 A B B M M M 199 B M M A A M
78 A B B M B B 200 B M M A M M
79 A B B B A M 201 B M M A B M
80 A B B B M B 202 B M M M A M
81 A B B B B B 203 B M M M M M
82 M A A A A A 204 B M M M B B
83 M A A A M A 205 B M M B A M
84 M A A A B A 206 B M M B M B
85 M A A M A A 207 B M M B B B
86 M A A M M A 208 B M B A A M
87 M A A M B M 209 B M B A M M
88 M A A B A A 210 B M B A B B
89 M A A B M M 211 B M B M A M
90 M A A B B M 212 B M B M M B
91 M A M A A A 213 B M B M B B
92 M A M A M A 214 B M B B A B
93 M A M A B M 215 B M B B M B
94 M A M M A A 216 B M B B B B
95 M A M M M M 217 B B A A A M
96 M A M M B M 218 B B A A M M
97 M A M B A M 219 B B A A B M
98 M A M B M M 220 B B A M A M
99 M A M B B M 221 B B A M M M
100 M A B A A A 222 B B A M B B
101 M A B A M M 223 B B A B A M
102 M A B A B M 224 B B A B M B
103 M A B M A M 225 B B A B B B
104 M A B M M M 226 B B M A A M
105 M A B M B M 227 B B M A M M
106 M A B B A M 228 B B M A B B
107 M A B B M M 229 B B M M A M
165
N°
Capacidad adaptativa Productiva
N°
Capacidad adaptativa Productiva
Variables de entrada
Variable de salida Variables de entrada
Variable de salida
CPVC CPCC CPDC CPCA CPTS CP CPVC CPCC CPDC CPCA CPTS CP
108 M A B B B B 230 B B M M M B
109 M M A A A A 231 B B M M B B
110 M M A A M A 232 B B M B A B
111 M M A A B M 233 B B M B M B
112 M M A M A A 234 B B M B B B
113 M M A M M M 235 B B B A A M
114 M M A M B M 236 B B B A M B
115 M M A B A M 237 B B B A B B
116 M M A B M M 238 B B B M A B
117 M M A B B M 239 B B B M M B
118 M M M A A A 240 B B B M B B
119 M M M A M M 241 B B B B A B
120 M M M A B M 242 B B B B M B
121 M M M M A M 243 B B B B B B
122 M M M M M M
Subíndice Capacidad adaptativa ecológica
Las reglas de decisión del subíndice de capacidad adaptativa ecológica tienen los
siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un
33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.11).
Tabla 10.11 Reglas de decisión subíndice de capacidad adaptativa ecológica. Fuente:
elaboración propia.
N°
Capacidad adaptativa Ecológica
Variables de entrada
Variable de salida
CECF CEMR CE
1 A A A
2 A M A
3 A B M
4 M A A
5 M M M
6 M B B
7 B A M
8 B M B
9 B B B
166
Subíndice Capacidad adaptativa socioeconómica
Las reglas de decisión del subíndice de capacidad adaptativa socioeconómica tienen los
siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un
33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.12).
Tabla 10.12 Reglas de decisión subíndice de capacidad adaptativa socioeconómico.
Fuente: elaboración propia.
Capacidad adaptativa Socioeconómico
Variables de entrada
Variable de salida
CSEPV CSEFI CSE
A A A
A M A
A B M
M A A
M M M
M B B
B A M
B M B
B B B
Subíndice Capacidad de adaptación
Las reglas de decisión del subíndice general de capacidad adaptativa tienen los siguientes
porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un 63% con
valor Medio y un 18.5% con valor Bajo (Tabla 10.13).
Tabla 10.13 Reglas de decisión subíndice general de capacidad adaptativa. Fuente:
elaboración propia.
N°
Capacidad adaptativa
N°
Capacidad adaptativa
Variables de entrada
Variables de salida Variables de entrada
Variables de salida
CS CP CE CSE C CS CP CE CSE C
1 A A A A A 42 M M M B M
2 A A A M A 43 M M B A M
3 A A A B A 44 M M B M M
4 A A M A A 45 M M B B B
5 A A M M A 46 M B A A M
6 A A M B M 47 M B A M M
167
N°
Capacidad adaptativa
N°
Capacidad adaptativa
Variables de entrada
Variables de salida Variables de entrada
Variables de salida
CS CP CE CSE C CS CP CE CSE C
7 A A B A A 48 M B A B M
8 A A B M M 49 M B M A M
9 A A B B M 50 M B M M M
10 A M A A A 51 M B M B B
11 A M A M A 52 M B B A M
12 A M A B M 53 M B B M B
13 A M M A A 54 M B B B B
14 A M M M M 55 B A A A A
15 A M M B M 56 B A A M M
16 A M B A M 57 B A A B M
17 A M B M M 58 B A M A M
18 A M B B M 59 B A M M M
19 A B A A A 60 B A M B M
20 A B A M M 61 B A B A M
21 A B A B M 62 B A B M M
22 A B M A M 63 B A B B B
23 A B M M M 64 B M A A M
24 A B M B M 65 B M A M M
25 A B B A M 66 B M A B M
26 A B B M M 67 B M M A M
27 A B B B B 68 B M M M M
28 M A A A A 69 B M M B B
29 M A A M A 70 B M B A M
30 M A A B M 71 B M B M B
31 M A M A A 72 B M B B B
32 M A M M M 73 B B A A M
33 M A M B M 74 B B A M M
34 M A B A M 75 B B A B B
35 M A B M M 76 B B M A M
36 M A B B M 77 B B M M B
37 M M A A A 78 B B M B B
38 M M A M M 79 B B B A B
39 M M A B M 80 B B B M B
40 M M M A M 81 B B B B B
41 M M M M M
168
Índice IVUCC
Las reglas de decisión del índice IVUCC tienen los siguientes porcentajes en los resultados
de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con
valor Bajo (Tabla 10.14).
Tabla 10.14 Reglas de decisión índice IVUCC. Fuente: elaboración propia.
N°
Vulnerabilidad
Variable de entrada
Variable de salida
S C IVUCC
1 A A M
2 M A B
3 B A B
4 A M M
5 M M B
6 B M B
7 A B A
8 M B M
9 B B B
10.5 Diagrama de cajas y alambres
Los diagramas de cajas y alambres de precipitación de las estaciones Chiles (Figura 10.2),
Cumbal (Figura 10.3) y San Luis (Figura 10.4) se muestran a continuación.
Figura 10.2 Diagrama cajas y alambres de precipitación estación Chiles. Fuente:
elaboración propia.
169
Figura 10.3 Diagrama cajas y alambres de precipitación estación Cumbal. Fuente:
elaboración propia.
Figura 10.4 Diagrama cajas y alambres de precipitación estación San Luis. Fuente:
elaboración propia.
El diagrama de cajas y alambres de la variable temperatura de la estación San Luis se
muestra a continuación (Figura 10.5).
170
Figura 10.5 Diagrama cajas y alambres de temperatura estación San Luis. Fuente:
elaboración propia.