El Llactalab sigue fortaleciendo la investigación sobre ciudades sustentables. En esta ocasión Pablo Osorio, en representación del grupo, participó el 9 y 10 de noviembre en la Jornada Urbenere CG en Campo Grande – Brasil, en donde presentó una ponencia sobre patrones de movilidad para una ciudad sustentable. Además se realizó la reunión de coordinación Urbenere en la que se trataron cinco grandes temas: 1) Informe de reuniones de la coordinación: Porto y París, 2) Perspectiva de los Indicadores URBENERE – BIOSPLENA, 3) Acuerdos para el Congreso final URBENERE, 4) Libro 2 URBENERE y 5) Medidas administrativas.
El día 10 de noviembre de 2017 hemos tenido una entrevista radial en Radio Francia Internacional, RFI 104.9fm, platicando junto con José Luis Arnal -RFI Cuenca- con Daniel Orellana -investigador principal de LlactaLAB- y con Tomás Galindo –Investigador en LlactaLAB- respecto de los aportes positivos que el laboratorio interdisciplinario de la Universidad de Cuenca está logrando en la sociedad cuencana, con expansión al Ecuador, en términos de desarrollo urbano sustentable.
La búsqueda de relaciones entre variables es un proceso muy utilizado en la investigación. Ocurre luego de la descripción general de indicadores y ayuda como un paso previo a la búsqueda de causalidad entre variables.
A veces este paso suele realizarse de forma mecánica, encontrando correlación entre variables sin una conexión aparente. Es ahí donde interviene el investigador, quien con su conocimiento del fenómeno puede discriminar aquellas relaciones útiles de las que no tienen sentido.
En el Proyecto de Modelos de Densificación Sustentable dividimos nuestra zona de estudio en una cuadrícula compuesta por 85 celdas de 200m x 200m, y levantamos en cada una de ellas información de 19 indicadores que miden compacidad, diversidad de uso, verde urbano e integración socio-espacial. En el equipo nos preguntamos: ¿qué herramienta nos puede ayudar a dar sentido a las relaciones existentes? Aparte de nuestro conocimiento del fenómeno investigado, necesitábamos una técnica que nos ayude a explorar relaciones multivariadas en distintos niveles.
Nos decidimos a usar componentes principales, una técnica estadística cuyo propósito principal es la reducción de variables a través de la conformación de componentes que vinculan todas las variables con un peso específico. Por medio de estos coeficientes, caracterizamos los componentes, sacando a la luz las relaciones que tienen algunas variables entre sí.
Por ejemplo, el primer componente que obtuvimos nos ayudó a vincular ocho de las diecinueve variables iniciales con distintos valores:
Valor muy alto: Compacidad absoluta.
Valor alto:Complejidad urbana, Actividades comerciales cotidianas, Continuidad espacial y funcional de la calle corredor.
Valor bajo: Índice de verde, Volumen de verde en el espacio público.
Valor muy bajo: Área de predios vacíos. Permeabilidad de suelo público
Este componente nos muestra lugares densos en edificación, con actividades comerciales y productivas, facilidades para el peatón y baja cantidad de verde urbano, todas ellas características de lugares con vocación comercial.
Al representar estos valores en el mapa, podemos observar que los valores altos en este componente están vinculados a las grandes vías y a los lugares más comerciales de la zona de estudio.
Valores que toman las observaciones en el Componente 1 por cuartiles.
Las técnicas estadísticas, cuando se aplican a observaciones espaciales, nos permiten observar patrones que pudieron pasar desapercibidos. En este caso, el análisis de componentes principales se realizó por medio del programa IBM SPSS Statistics 20, aunque también es posible realizarlo con STATA en sus versiones más recientes. ¡Lo recomendamos!
Una explicación detallada sobre el método de componentes principales se puede encontrar en este documento de la Universitat Oberta de Catalunya.
