UNIVERSIDAD CENTRAL DEL ECUADOR … · ambiental carrera de ingenierÍa ambiental “modelizaciÓn...
Transcript of UNIVERSIDAD CENTRAL DEL ECUADOR … · ambiental carrera de ingenierÍa ambiental “modelizaciÓn...
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA EN GEOLOGÍA, MINAS, PETRÓLEOS Y
AMBIENTAL
CARRERA DE INGENIERÍA AMBIENTAL
“MODELIZACIÓN DE PROBLEMAS AMBIENTALES EN ENTORNOS
GANADEROS A PARTIR DEL ESTUDIO DE LAS INTERACCIONES
ENTRE LAS DIMENSIONES SOCIALES, AMBIENTALES Y SALUD,
MEDIANTE EL USO DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA
Y TELEDETECCIÓN, EN EL CANTÓN SAN MIGUEL DE LOS
BANCOS”
EVELYN GABRIELA VILLARROEL VILLARROEL
ANDRÉS IGNACIO PETROCHE VILLA
Quito, septiembre, 2015
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA EN GEOLOGÍA, MINAS, PETRÓLEOS Y
AMBIENTAL
CARRERA DE INGENIERÍA AMBIENTAL
“MODELIZACIÓN DE PROBLEMAS AMBIENTALES EN ENTORNOS
GANADEROS A PARTIR DEL ESTUDIO DE LAS INTERACCIONES
ENTRE LAS DIMENSIONES SOCIALES, AMBIENTALES Y SALUD,
MEDIANTE EL USO DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA
Y TELEDETECCIÓN, EN EL CANTÓN SAN MIGUEL DE LOS
BANCOS”
Tesis de Grado presentado como requisito parcial para optar el Título de Ingeniero
Ambiental Grado Académico de Tercer Nivel
EVELYN GABRIELA VILLARROEL VILLARROEL
ANDRÉS IGNACIO PETROCHE VILLA
TUTOR
Ing. Susana ARCINIEGAS Ortega, MSc.
Quito, septiembre, 2015
ii
AGRADECIMIENTO
Agradecemos al Centro Internacional de Zoonosis de la Universidad Central del
Ecuador por darnos la apertura y el apoyo necesario para la realización del
presente Trabajo de Titulación, fomentando la investigación y el trabajo
multidisciplinario.
Al Doctor Richard Rodríguez, Director del Centro Internacional de Zoonosis, por
su orientación, colaboración y entrega, para la realización de la investigación.
A la Facultad de Ingeniería en Geología, Minas, Petróleos y Ambiental y a todos
sus docentes, por su enseñanza, motivación y conocimientos impartidos durante
estos años de formación profesional.
Un especial agradecimiento a las siguientes instituciones, las cuales nos
proporcionaron valiosa información para el desarrollo del Trabajo de Titulación,
en primer lugar al MAGAP por facilitarnos las fotografías aéreas del Cantón en
donde se realizó la investigación, al INAMHI por suministrar la información
correspondiente a las estaciones meteorológicas ubicadas en la zona de estudio, al
GOBIERNO DE LA PROVINCIA DE PICHINCHA por su aporte con la
información cartográfica de la Provincia de Pichincha, al INEC por facilitarnos la
información del VII Censo de Población y VI de Vivienda 2010.
A la Ingeniera Susana Arciniegas, Tutora del Trabajo de Titulación, quién con su
esfuerzo y dedicación nos guío en el presente trabajo y nos brindó sus
conocimientos y experiencia, así como sus sugerencias y observaciones, siempre
inteligentes y oportunas, lo cual ha sido un pilar fundamental para la culminación
de la presente investigación.
A los revisores, docentes de nuestra facultad, por todas sus aportaciones y
asesorías recibidas para la realización del Trabajo de Titulación.
Evelyn V. V.
Andrés P. V.
iii
DEDICATORIA
A mis padres, quienes han sido mi ejemplo de lucha y de superación, por estar
siempre junto a mí, y por enseñarme a esforzarme cada día.
A mis abuelitos, ejemplo de vida, por estar en buenos y malos momentos.
A mis maestros, por el apoyo, experiencia y orientación que me brindaron para
culminar este último paso en mi carrera profesional.
Evelyn V.V.
iv
DEDICATORIA
A mi Madre, la persona más importante en mi vida, y que siempre ha estado junto
a mí compartiendo buenos y malos momentos, que con su amor, comprensión,
consejos y apoyo me da fuerzas para seguir adelante.
A mi Hermana, mi amiga y razón de existir, por su apoyo incondicional en mi
vida estudiantil, y por ser mi ejemplo de lucha y superación.
A Margarita, por sus bendiciones, cariños y cuidados, y que ahora me guía desde
el cielo.
A mi sobrina Andrea Valentina, por su amor y cariño, por ser mi fortaleza y razón
de vivir.
Andrés P.V.
v
AUTORIZACIÓN DE LA AUTORÍA INTELECTUAL
Nosotros, EVELYN GABRIELA VILLARROEL VILLARROEL y ANDRÉS
IGNACIO PETROCHE VILLA, en calidad de autores de la Tesis de Pregrado
realizada sobre: “MODELIZACIÓN DE PROBLEMAS AMBIENTALES EN
ENTORNOS GANADEROS A PARTIR DEL ESTUDIO DE LAS
INTERACCIONES ENTRE LAS DIMENSIONES SOCIALES,
AMBIENTALES Y SALUD, MEDIANTE EL USO DE SISTEMAS DE
INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN, EN EL CANTÓN SAN
MIGUEL DE LOS BANCOS”, por la presente autorizamos a la UNIVERSIDAD
CENTRAL DEL ECUADOR, hacer uso de todos los contenidos que nos
pertenecen o parte de los que contienen esta obra, con fines estrictamente
académicos o de investigación.
Los derechos que como autores nos corresponden, con excepción de la presente
autorización, seguirán vigentes a nuestro favor, de conformidad con lo establecido
en los artículos 5, 6, 8; 19 y demás pertinentes de la Ley de Propiedad Intelectual
y su Reglamento.
Quito, a los 25 días del mes de septiembre de 2015.
_________________________ _________________________
EVELYN VILLARROEL ANDRÉS PETROCHE
C.C. 1721116190 C.C. 1724229057
vi
INFORME DE APROBACIÓN DEL TUTOR
En mi carácter de Tutor de Grado, presentado por la señorita EVELYN
GABRIELA VILLARROEL VILLARROEL y el señor ANDRÉS IGNACIO
PETROCHE VILLA, para optar el Título o Grado de INGENIERO
AMBIENTAL cuyo título es de “MODELIZACIÓN DE PROBLEMAS
AMBIENTALES EN ENTORNOS GANADEROS A PARTIR DEL
ESTUDIO DE LAS INTERACCIONES ENTRE LAS DIMENSIONES
SOCIALES, AMBIENTALES Y SALUD, MEDIANTE EL USO DE
SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN,
EN EL CANTÓN SAN MIGUEL DE LOS BANCOS”, considero que dicho
Trabajo reúne los requisitos y méritos suficientes para ser sometido a la
presentación pública y evaluación por parte del jurado examinador que se designe.
En la ciudad de Quito, a los 25 días del mes de septiembre de 2015.
___________________________
TUTOR DE TESIS
Ing. Susana ARCINIEGAS Ortega, MSc.
Cd. No 1705179511
vii
INFORME DE APROBACIÓN DEL TRIBUNAL
El Tribunal constituido por los Señores Profesores:
- Ing. Paúl Malacatus, MSc.
- Ing. Diana Fabara, MSc.
- Dr. Carlos Ordoñez
DECLARAN: Que la presente tesis denominada: “MODELIZACIÓN DE
PROBLEMAS AMBIENTALES EN ENTORNOS GANADEROS A PARTIR
DEL ESTUDIO DE LAS INTERACCIONES ENTRE LAS DIMENSIONES
SOCIALES, AMBIENTALES Y SALUD, MEDIANTE EL USO DE SISTEMAS
DE INFORMACIÓN GEOGRÁFICA Y TELEDETECCIÓN, EN EL CANTÓN
SAN MIGUEL DE LOS BANCOS”, ha sido elaborada íntegramente por la
señorita Evelyn Gabriela Villarroel Villarroel y el señor Andrés Ignacio Petroche
Villa, egresados de la Carrera de Ingeniería Ambiental, ha sido revisada y
verificada, dando fe de la originalidad del presente trabajo.
Ha emitido el siguiente veredicto: Se ha aprobado el Proyecto de Tesis para su
Defensa Oral.
En la ciudad de Quito, a los 25 días del mes de septiembre del 2015.
Para constancia de lo actuado
_____________________
Dr. Carlos Ordoñez
MIEMBRO DEL TRIBUNAL
_____________________ _____________________
Ing. Paúl Malacatus, MSc. Ing. Diana Fabara, MSc.
MIEMBRO DEL TRIBUNAL MIEMBRO DEL TRIBUNAL
viii
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA EN GEOLOGÍA, MINAS, PETRÓLEOS Y
AMBIENTAL
CARRERA DE INGENIERÍA AMBIENTAL
“MODELIZACIÓN DE PROBLEMAS AMBIENTALES EN ENTORNOS
GANADEROS A PARTIR DEL ESTUDIO DE LAS INTERACCIONES ENTRE
LAS DIMENSIONES SOCIALES, AMBIENTALES Y SALUD, MEDIANTE
EL USO DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y
TELEDETECCIÓN, EN EL CANTÓN SAN MIGUEL DE LOS BANCOS”
Autores: Evelyn Villarroel
Andrés Petroche
Tutor: Ing. Susana ARCINIEGAS, MSc.
Fecha: Septiembre 2015
RESUMEN
Tesis: “Modelización de problemas ambientales en entornos ganaderos a partir
del estudio de las interacciones entre las dimensiones sociales, ambientales y
salud, mediante el uso de sistemas de información geográfica y teledetección, en
el Cantón San Miguel de los Bancos”.
Objetivo General: Realizar la modelización de problemas ambientales en
entornos ganaderos a partir del estudio de las interacciones entre las dimensiones
sociales, ambientales y salud, en el Cantón San Miguel de los Bancos, mediante el
uso de sistemas de información geográfica y teledetección.
Problema: El área de estudio requiere una propuesta metodológica para
modelizar los problemas ambientales, generar escenarios de impacto y formular
soluciones. Hipótesis: ¿Se puede realizar la modelización de problemas
ix
ambientales en entornos ganaderos a partir del estudio de las interacciones entre
las dimensiones sociales, ambientales y salud, considerando variables ambientales
mediante el uso de sistemas de información geográfica y teledetección? Marco
Teórico: Problemas ambientales, modelización de problemas ambientales,
ecosistema, enfoque ecosistémico o ecosalud, sistemas de información geográfica,
teledetección, unidades de producción agropecuaria, garrapatas, gusano
barrenador del ganado, variables ambientales o biofísicas, interpolación. Diseño
Metodológico: La modelización de problemas ambientales se basa en la
recopilación de información en visitas de campo así como en instituciones
públicas. Se realizó un análisis multicriterio con el enfoque de ecosalud,
basándose en ponderaciones de criterios con el método de jerarquías analíticas de
SAATY, para realizar los modelos con el uso de los interpoladores kriging e IDW.
Adicionalmente se generó modelos para precipitación y temperatura, con esta
información se realizó el cruce de los diferentes modelos generados e
interpretación de resultados. Conclusión: La investigación de la ecosalud o
enfoque ecosistémico de la salud, actualmente se usa para promover la
conservación de los recursos naturales y fomentar la salud pública y el cuidado al
ambiente, tomando a la sociedad como un punto clave para encontrar las
interrelaciones sociedad – salud – ambiente. Recomendación: En el país se
debería realizar los estudios de gestión del territorio, relacionando las variables
sociedad – salud – ambiente, con el fin de evitar la degradación de los ecosistemas
y generar una mejor relación entre individuo y entorno natural.
DESCRIPTORES:
MODELIZACIÓN
SISTEMAS DE INFORMACIÓN GEOGRÁFICA
TELEDETECCIÓN
VARIABLES AMBIENTALES
VISIÓN ECOSISTÉMICA
CATEGORÍAS TEMÁTICAS: <INGENIERÍA AMBIENTAL>
<MODELIZACIÓN> <PROBLEMAS AMBIENTALES> <TELEDETECCIÓN>
x
UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA EN GEOLOGÍA, MINAS, PETRÓLEOS Y
AMBIENTAL
CARRERA DE INGENIERÍA AMBIENTAL
“MODELIZACIÓN DE PROBLEMAS AMBIENTALES EN ENTORNOS
GANADEROS A PARTIR DEL ESTUDIO DE LAS INTERACCIONES ENTRE
LAS DIMENSIONES SOCIALES, AMBIENTALES Y SALUD, MEDIANTE
EL USO DE SISTEMAS DE INFORMACIÓN GEOGRÁFICA Y
TELEDETECCIÓN, EN EL CANTÓN SAN MIGUEL DE LOS BANCOS”
Authors: Evelyn Villarroel
Andrés Petroche
Tutor: Eng. Susana Arciniegas, MSc.
Date: September 2015
ABSTRACT
Thesis: “Modeling of environmental problems in livestock environments by the
study of the interactions between social, environmental and health dimensions,
using geographic information systems and remote sensing in the Canton San
Miguel de los Bancos”.
General Objective: Perform modeling environmental problems in livestock
environments from the study of the interactions between social, environmental
and health dimensions, in the Canton San Miguel de los Bancos, using GIS and
remote sensing. Problem: The field of study requires a methodological approach
for modeling environmental problems, generate impact scenarios and formulate
solutions. Hypothesis: Is it possible to achieve modeling of environmental
problems in livestock environments from the study of the interactions between
xi
social, environmental and health dimensions, considering environmental variables
using GIS and remote sensing? Theoretical Framework: Environmental
problems, modeling of environmental problems, ecosystem, ecosystem or Eco-
health approaches, geographic information systems, remote sensing, agricultural
production units, ticks, screwworm, environmental or biophysical variables,
interpolation. Methodological Design: The modeling of environmental problems
is based on information collection field visits as well as public institutions. A
multi-criteria analysis with an ecosystem approach, based on criteria weights
method of Saaty Analytical Hierarchy, for models with the use of kriging and
IDW interpolator was performed. In addition to precipitation and temperature
patterns, with this information crossing the different generated models and
interpretation of results it was generated. Conclusion: Ecohealth research or
ecosystem`s health approach currently used to promote the conservation of natural
resources and development of public health care also foucusing on the
environment, taking into society as a key point to find the interrelationships
between society - health – environment. Recommendation: The country should
perform studies about territory management relating the variables between society
- health - environment, in order to prevent degradation of ecosystems and create a
better relationship between the individual and the natural environment.
DESCRIPTORS:
MODELING
GEOGRAPHIC INFORMATION SYSTEMS
REMOTE SENSING
ENVIRONMENTAL VARIABLES
ECOSYSTEM VISION
THEMATICS CATEGORIES: <ENVIRONMENTAL ENGINEERING>
<MODELLING> <ENVIRONMENTAL PROBLEMS> <REMOTE SENSING>
xii
ABREVIATURAS Y SIGLAS
AME Asociación de Municipalidades Ecuatorianas
CIZ Centro Internacional de Zoonosis
FAO Food and Agriculture Organization of the United Nations
FMVZ Facultad de Medicina Veterinaria y Zootecnia
GAD Gobierno Autónomo Descentralizado
GBG Gusano barrenador del ganado
GPP Gobierno Provincial de Pichincha
IDRC Centro Internacional de Investigaciones para el
Desarrollo de Canadá
IGM Instituto Geográfico Militar
INAMHI Instituto Nacional de Meteorología e Hidrología
INEC Instituto Nacional de Estadística y Censos
MAE Ministerio del Ambiente del Ecuador
MAGAP Ministerio de Agricultura, Ganadería, Acuacultura y Pesca
OMS Organización Mundial de la Salud
ONU Organización de las Naciones Unidas
SAGA Sistema para Análisis Automatizados Geocientíficos
SIG’s Sistemas de Información Geográfica
UPA’s Unidades de Producción Agropecuaria
xiii
CONTENIDO
INTRODUCCIÓN .................................................................................................. 1
CAPÍTULO I ........................................................................................................... 3
1. PLANTEAMIENTO DEL PROBLEMA ....................................................... 3
1.1 ENUNCIADO DEL TEMA ...................................................................... 3
1.2 DESCRIPCIÓN DEL PROBLEMA ......................................................... 3
1.3 FORMULACIÓN DEL PROBLEMA ...................................................... 4
1.3.1 HIPÓTESIS ........................................................................................ 5
1.3.2 DEFINICIÓN DE VARIABLES ....................................................... 5
1.3.2.1 VARIABLES INDEPENDIENTES............................................ 5
1.3.2.2 VARIABLE DEPENDIENTE .................................................... 5
1.4 OBJETIVOS ............................................................................................. 5
1.4.1 OBJETIVO GENERAL ..................................................................... 5
1.4.2 OBJETIVOS ESPECÍFICOS ............................................................. 6
1.5 JUSTIFICACIÓN ..................................................................................... 6
CAPÍTULO II ......................................................................................................... 8
2. MARCO TEÓRICO ........................................................................................ 8
2.1 MARCO LEGAL ...................................................................................... 8
2.1.1 CONSTITUCIÓN DE LA REPÚBLICA DEL ECUADOR ............. 8
2.1.2 LEY DE GESTIÓN AMBIENTAL ................................................... 9
2.1.3 LEY ORGÁNICA DE SALUD ......................................................... 9
2.1.4 CÓDIGO ORGÁNICO DE ORGANIZACIÓN TERRITORIAL,
AUTONOMÍA Y DESCENTRALIZACIÓN (COOTAD) ..................... 9
2.2 MARCO INSTITUCIONAL .................................................................. 10
2.2.1 GOBIERNO DE LA PROVINCIA DE PICHINCHA (GPP) ......... 10
2.2.2 MINISTERIO DE AGRICULTURA, GANADERÍA,
ACUACULTURA Y PESCA (MAGAP) ................................................. 10
2.2.3 MINISTERIO DEL AMBIENTE DEL ECUADOR (MAE) .......... 10
2.2.4 ASOCIACIÓN DE MUNICIPALIDADES ECUATORIANAS
(AME) ....................................................................................................... 11
2.2.5 INSTITUTO NACIONAL DE METEOROLOGÍA E
HIDROLOGÍA (INAMHI) ....................................................................... 11
xiv
2.2.6 INSTITUTO NACIONAL DE ESTADÍSTICA Y CENSOS (INEC)
................................................................................................................... 11
2.2.7 INSTITUTO GEOGRÁFICO MILITAR (IGM) ............................. 12
2.2.8 CENTRO INTERNACIONAL DE ZOONOSIS (CIZ) ................... 12
2.3 MODELIZACIÓN DE PROBLEMAS AMBIENTALES...................... 13
2.3.1 FUNDAMENTACIÓN TEÓRICA .................................................. 13
2.3.1.1 ANTECEDENTES .................................................................... 13
2.3.1.2 PROBLEMAS AMBIENTALES.............................................. 14
2.3.1.3 ECOSISTEMA .......................................................................... 15
2.3.1.4 SISTEMAS DE INFORMACIÓN GEOGRÁFICA ................ 15
2.3.1.5 TELEDETECCIÓN .................................................................. 15
2.3.1.6 UNIDADES DE PRODUCCIÓN AGROPECUARIA ............. 16
2.3.1.7 GARRAPATAS ........................................................................ 17
2.3.1.8 GUSANO BARRENADOR DEL GANADO .......................... 17
2.3.1.9 VARIABLES AMBIENTALES O BIOFÍSICAS .................... 18
2.3.1.10 INTERPOLACIÓN ................................................................. 18
2.3.1.11 EVALUACIÓN MULTICRITERIO ...................................... 19
2.3.2 DESCRIPCIÓN DEL CANTÓN DE ESTUDIO ............................. 19
2.3.2.1 UBICACIÓN............................................................................. 19
2.3.2.2 LÍMITES ................................................................................... 22
2.3.2.3 SUPERFICIE TERRITORIAL, TEMPERATURA,
PRECIPITACIÓN Y CLIMA ............................................................ 22
2.3.2.4 DEMOGRAFÍA ........................................................................ 23
2.3.2.5 POBLACIÓN POR SEXO Y GRUPOS DE EDAD................. 23
2.3.2.6 ASPECTOS ECONÓMICOS ................................................... 24
2.3.2.7 RECURSO AGUA .................................................................... 24
2.3.2.8 USOS DEL AGUA ................................................................... 28
2.3.2.9 USO Y OCUPACIÓN DEL SUELO ........................................ 29
2.4 ECOSALUD ........................................................................................... 31
CAPÍTULO III ...................................................................................................... 35
3. DETERMINACIÓN DEL MODELO........................................................... 35
3.1 PROCESAMIENTO DE DATOS........................................................... 35
3.1.1 CÁLCULO DEL TAMAÑO DE LA MUESTRA ........................... 35
xv
3.1.1.1 CÁLCULO DEL TAMAÑO DE MUESTRA EN UNA
POBLACIÓN INFINITA...................................................................... 36
3.1.1.2 CÁLCULO DEL TAMAÑO DE MUESTRA EN UNA
POBLACIÓN FINITA .......................................................................... 37
3.1.2 ENCUESTAS Y UNIDADES DE MUESTREO EN LAS UPA’S . 37
3.1.3 ANÁLISIS MULTICRITERIO Y EVALUACIÓN DE
ALTERNATIVAS .................................................................................... 41
3.1.3.1 MÉTODO DE JERARQUÍAS ANÁLITICAS DE T. L. SAATY
(AHP- The Analytic Hierarchy Process) PARA LA PONDERACIÓN
DE ALTERNATIVAS Y CRITERIOS ................................................ 44
3.1.3.1.1 MÉTODO AHP PARA LA PONDERACIÓN DE LA
VARIABLE ELIMINACIÓN DE LOS DESECHOS. ....................... 45
3.1.3.1.2 MÉTODO AHP PARA LA PONDERACIÓN DE LA
VARIABLE PROCEDENCIA DEL AGUA RECIBIDA .................. 54
3.1.3.1.3 MÉTODO AHP PARA LA PONDERACIÓN DE LA
VARIABLE ELIMINACIÓN DE AGUAS SERVIDAS ................... 61
3.1.3.1.4 MÉTODO AHP PARA LA PONDERACIÓN DE LA
VARIABLE NIVEL DE INSTRUCCIÓN AL QUE ASISTE O
ASISTIÓ. ............................................................................................ 70
3.2 CÁLCULO DEL MODELO ................................................................... 77
3.2.1 MODELOS DE PRECIPITACIÓN Y TEMPERATURA EN EL
CANTÓN SAN MIGUEL DE LOS BANCOS. ....................................... 77
3.2.1.1 ANÁLISIS DEL MÉTODO DE INTERPOLACIÓN IDW
(INVERSE DISTANCE WEIGHTED) PARA LA GENERACIÓN DE
MODELOS DE PRECIPITACIÓN Y TEMPERATURA. ................... 80
3.2.2 MAPA DE PENDIENTES ............................................................... 87
3.2.2.1 RECLASIFICACIÓN DEL MAPA DE PENDIENTES SEGÚN
LA VARIACIÓN DE LOS DATOS ..................................................... 87
3.2.3 MAPA DE USO DE SUELO ........................................................... 89
3.2.4 INTERPOLACIÓN DE PONDERACIONES MEDIANTE LOS
MÉTODOS IDW Y KRIGING ................................................................. 90
3.2.4.1 INTRODUCCIÓN .................................................................... 90
3.2.4.2 PROPUESTA METODOLÓGICA PARA LA
CUANTIFICACIÓN DE LAS PONDERACIONES............................ 91
3.2.5 COMPARACIÓN ENTRE LOS INTERPOLADORES IDW Y
KRIGING .................................................................................................. 98
xvi
3.2.6 CÁLCULO DEL ÍNDICE DE VEGETACIÓN CON EL USO DE
IMÁGENES RAPID EYE ...................................................................... 102
CAPÍTULO IV .................................................................................................... 105
4. ANÁLISIS Y DETERMINACIÓN PRELIMINAR DEL MODELO ........ 105
4.1 PRUEBAS Y VALIDACIÓN ............................................................... 105
4.1.1 ANÁLISIS DE LOS MODELOS OBTENIDOS DE LAS
VARIABLES AMBIENTE, SOCIEDAD Y SALUD ............................ 105
4.1.1.1 MODELO DE LA VARIABLE ELIMINACIÓN DE
DESECHOS ........................................................................................ 105
4.1.1.1.1 MODELO IDW ................................................................. 105
4.1.1.1.2 MODELO KRIGING ........................................................ 107
4.1.1.2 MODELO DE LA VARIABLE PROCEDENCIA DEL AGUA
RECIBIDA .......................................................................................... 113
4.1.1.2.1 MODELO IDW ................................................................. 113
4.1.1.2.2 MODELO KRIGING ........................................................ 114
4.1.1.3 MODELO DE LA VARIABLE ELIMINACIÓN DE AGUAS
SERVIDAS ......................................................................................... 121
4.1.1.3.1 MODELO IDW ................................................................. 121
4.1.1.3.2 MODELO KRIGING ........................................................ 122
4.1.1.4 MODELO DE LA VARIABLE NIVEL DE INSTRUCCIÓN
AL QUE ASISTE O ASISTIÓ ........................................................... 128
4.1.1.4.1 MODELO IDW ................................................................. 128
4.1.1.4.2 MODELO KRIGING ........................................................ 130
4.2 OBTENCIÓN DEL MODELO FINAL ................................................ 136
4.2.1 RESULTADOS DEL ANÁLISIS DE LOS MODELOS
OBTENIDOS DE LAS VARIABLES AMBIENTE, SOCIEDAD Y
SALUD ................................................................................................... 136
4.2.1.1 VARIABLE ELIMINACIÓN DE LOS DESECHOS ............ 136
4.2.1.2 VARIABLE PROCEDENCIA DEL AGUA RECIBIDA ...... 137
4.2.1.3 VARIABLE ELIMINACIÓN DE AGUAS SERVIDAS ....... 138
4.2.1.4 VARIABLE NIVEL DE INSTRUCCIÓN AL QUE ASISTE O
ASISTIÓ ............................................................................................. 139
4.2.2 OBTENCIÓN DE MODELOS FINALES MEDIANTE
INTERSECCIÓN .................................................................................... 141
4.2.2.1 MODELO DE NDVI – ECOSISTEMA - USO DE SUELO .. 141
xvii
4.2.2.2 MODELO DE ELIMINACIÓN DE DESECHOS – NDVI –
ECOSISTEMA – USO DE SUELO ................................................... 143
4.2.2.3 MODELO DE USO DE SUELO – PENDIENTE .................. 145
4.2.2.4 MODELO DE NIVEL DE INSTRUCCIÓN – ELIMINACIÓN
DE DESECHOS – PRESENCIA DE GARRAPATAS Y MOSCA DEL
GUSANO BARRENADOR DEL GANADO .................................... 147
CAPÍTULO V ..................................................................................................... 152
5. CONCLUSIONES Y RECOMENDACIONES .......................................... 152
5.1 CONCLUSIONES ................................................................................ 152
5.2 RECOMENDACIONES ....................................................................... 155
CAPÍTULO VI .................................................................................................... 158
6. REFERENCIAS BIBLIOGRÁFICAS ........................................................ 158
6.1 BIBLIOGRAFÍA................................................................................... 158
6.2 WEBGRAFÍA ....................................................................................... 162
CAPÍTULO VII .................................................................................................. 164
7. APÉNDICE Y ANEXOS ............................................................................ 164
7.1 ANEXO A: GLOSARIO DE TÉRMINOS ........................................... 164
7.2 ANEXO B: ENCUESTA ...................................................................... 166
7.3 ANEXO C: UNIDADES DE MUESTREO EN LAS UPAs ................ 171
7.4 ANEXO D: DATOS OBTENIDOS DE LAS ENCUESTAS ............... 176
7.5 ANEXO E: REPORTES DE LA INTERPOLACIÓN KRIGING
ELIMINACIÓN DE LOS DESECHOS...................................................... 179
7.6 ANEXO F: REPORTES DE LA INTERPOLACIÓN KRIGING
PROCEDENCIA DEL AGUA RECIBIDA................................................ 180
7.7 ANEXO G: REPORTES DE LA INTERPOLACIÓN KRIGING
ELIMINACIÓN DE AGUAS SERVIDAS ................................................ 181
7.8 ANEXO H: REPORTES DE LA INTERPOLACIÓN KRIGING NIVEL
DE INSTRUCCIÓN AL QUE ASISTE O ASISTIÓ ................................. 182
7.9 ANEXO I: CARTA COMPROMISO CIZ – FIGEMPA ...................... 183
7.10 ANEXO J: ACTA DE ENTREGA DE INFORMACIÓN CONSEJO
PROVINCIAL DE PICHINCHA ............................................................... 185
7.11 ANEXO K: ACTA DE ENTREGA DE INFORMACIÓN INSTITUTO
ECUATORIANO DE ESTADÍSTICA Y CENSOS................................... 187
7.12 ANEXO L: ACTA DE ENTREGA DE INFORMACIÓN INSTITUTO
NACIONAL DE METEOROLOGÍA E HIDROLOGÍA ........................... 188
xviii
7.13 ANEXO M: ACTA DE ENTREGA DE INFORMACIÓN
MINISTERIO DE AGRICULTURA, GANADERÍA, ACUACULTURA Y
PESCA ........................................................................................................ 189
TABLAS
Tabla No. 1 Límites del Cantón San Miguel de Los Bancos ................................ 22
Tabla No. 2 Superficie territorial, temperatura y precipitación ............................ 22
Tabla No. 3 Población por Sexo y Grupos de edad .............................................. 23
Tabla No. 4 Información Hidrográfica.................................................................. 25
Tabla No. 5 Uso y ocupación del suelo................................................................. 29
Tabla No. 6 Matriz de comparación por pares de la variable eliminación de los
desechos paso 1 ..................................................................................................... 46
Tabla No. 7 Matriz de comparación por pares de la variable eliminación de los
desechos paso 2 ..................................................................................................... 49
Tabla No. 8 Matriz de comparación por pares de la variable eliminación de los
desechos paso 3 ..................................................................................................... 49
Tabla No. 9 Matriz de comparación por pares de la variable eliminación de los
desechos paso 4 ..................................................................................................... 50
Tabla No. 10 Matriz de comparación por pares de la variable eliminación de los
desechos paso 5 ..................................................................................................... 50
Tabla No. 11 Matriz de comparación por pares de la variable eliminación de los
desechos paso 6 ..................................................................................................... 51
Tabla No. 12 Pesos finales de la ponderación de la variable eliminación de
desechos ................................................................................................................ 53
Tabla No. 13 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 1....................................................................................................... 55
Tabla No. 14 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 2....................................................................................................... 56
Tabla No. 15 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 3....................................................................................................... 57
Tabla No. 16 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 4....................................................................................................... 57
Tabla No. 17 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 5....................................................................................................... 58
Tabla No. 18 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 6....................................................................................................... 58
Tabla No. 19 Pesos finales de la ponderación de la variable procedencia del agua
recibida .................................................................................................................. 60
Tabla No. 20 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 1 ...................................................................................................... 62
xix
Tabla No. 21 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 2 ...................................................................................................... 65
Tabla No. 22 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 3 ...................................................................................................... 65
Tabla No. 23 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 4 ...................................................................................................... 66
Tabla No. 24 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 5 ...................................................................................................... 66
Tabla No. 25 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 6 ...................................................................................................... 67
Tabla No. 26 Pesos finales de la ponderación de la variable eliminación de aguas
servidas .................................................................................................................. 69
Tabla No. 27 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 1 .................................................................................. 72
Tabla No. 28 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 2 .................................................................................. 72
Tabla No. 29 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 3 .................................................................................. 73
Tabla No. 30 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 4 .................................................................................. 73
Tabla No. 31 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 5 .................................................................................. 74
Tabla No. 32 Matriz de comparación por pares de la variable nivel de instrucción
al que asiste o asistió paso 6 .................................................................................. 74
Tabla No. 33 Pesos finales de la ponderación de la variable nivel de instrucción al
que asiste o asistió ................................................................................................. 76
Tabla No. 34 Datos de estaciones meteorológicas ................................................ 78
Tabla No. 35 Reclasificación de pendientes ......................................................... 87
Tabla No. 36 Resumen de los criterios ponderados .............................................. 91
Tabla No. 37 Resumen de los criterios ponderados de la Cooperativa El Cisne .. 92
Tabla No. 38 Índice del peso final de las ponderaciones ...................................... 93
FIGURAS
Figura No. 1 Mapa de Ubicación del Cantón San Miguel de Los Bancos............ 21
Figura No. 2 Mapa de Red Hidrográfica del Cantón San Miguel de Los Bancos 27
Figura No. 3 Mapa de Uso del Suelo del Cantón San Miguel de Los Bancos...... 30
Figura No. 4 Mapa de Ubicación de las Unidades de Muestreo en el Cantón San
Miguel de Los Bancos ........................................................................................... 40
xx
Figura No. 5 Mapa de Ubicación de los Sectores y Unidades de Muestreo ......... 42
Figura No. 6 Mapa de Ubicación de las localidades del Cantón San Miguel de los
Bancos ................................................................................................................... 43
Figura No. 7 Puntos training y test........................................................................ 79
Figura No. 8 Modelo de precipitación máxima a nivel de provincia .................... 80
Figura No. 9 Modelo de precipitación mínima a nivel de provincia .................... 81
Figura No. 10 Modelo de precipitación media a nivel de provincia ..................... 81
Figura No. 11 Modelo de temperatura máxima a nivel de provincia.................... 82
Figura No. 12 Modelo de temperatura mínima a nivel de provincia .................... 82
Figura No. 13 Modelo de temperatura media a nivel de provincia ....................... 83
Figura No. 14 Modelo de precipitación máxima a nivel de cantón ...................... 83
Figura No. 15 Modelo de precipitación mínima a nivel de cantón ....................... 84
Figura No. 16 Modelo de precipitación media a nivel de cantón ......................... 84
Figura No. 17 Modelo de temperatura máxima a nivel de cantón ........................ 85
Figura No. 18 Modelo de temperatura mínima a nivel de cantón ......................... 85
Figura No. 19 Modelo de temperatura media a nivel de cantón ........................... 86
Figura No. 20 Mapa de pendientes reclasificadas ................................................. 88
Figura No. 21 Mapa de pendientes vectorizadas .................................................. 89
Figura No. 22 Mapa de uso de suelo ..................................................................... 90
Figura No. 23 Mapa de Índice de vegetación normalizada ................................. 104
Figura No. 24 Modelo IDW Eliminación de desechos ....................................... 106
Figura No. 25 Modelo Ordinario Primer Orden ................................................. 110
Figura No. 26 Modelo Ordinario Segundo Orden .............................................. 111
Figura No. 27 Modelo Ordinario Tercer Orden .................................................. 113
Figura No. 28 Modelo IDW Procedencia del Agua Recibida ............................. 114
Figura No. 29 Modelo Ordinario Primer Orden ................................................. 117
Figura No. 30 Modelo Ordinario Segundo Orden .............................................. 119
Figura No. 31 Modelo Ordinario Tercer Orden .................................................. 120
Figura No. 32 Modelo IDW Eliminación de Aguas Servidas ............................. 121
Figura No. 33 Modelo Ordinario Primer Orden ................................................. 125
Figura No. 34 Modelo Ordinario Segundo Orden .............................................. 126
Figura No. 35 Modelo Ordinario Tercer Orden .................................................. 128
Figura No. 36 Modelo IDW Nivel de Instrucción al que asiste o asistió............ 129
Figura No. 37 Modelo ordinario primer orden.................................................... 132
Figura No. 38 Modelo ordinario segundo orden ................................................. 134
Figura No. 39 Modelo ordinario tercer orden ..................................................... 135
Figura No. 40 Modelo NDVI – Ecosistema - Suelo ........................................... 142
Figura No. 41 Modelo Eliminación de desechos – NDVI – Ecosistema – Uso de
suelo .................................................................................................................... 144
Figura No. 42 Modelo Uso de suelo - Pendiente ................................................ 146
Figura No. 43 Modelo Nivel de instrucción – Eliminación de desechos –
Presencia de garrapatas y mosca del gusano barrenador del ganado .................. 148
xxi
GRÁFICOS
Gráfico No. 1 Pesos finales de la ponderación de la variable eliminación de
desechos ................................................................................................................ 53
Gráfico No. 2 Pesos finales de la ponderación de la variable procedencia del agua
recibida .................................................................................................................. 61
Gráfico No. 3 Pesos finales de la ponderación de la variable eliminación de aguas
servidas .................................................................................................................. 69
Gráfico No. 4 Pesos finales de la ponderación de la variable nivel de instrucción al
que asiste o asistió ................................................................................................. 77
Gráfico No. 5 Semivariograma típico y sus componentes .................................. 101
Gráfico No. 6 Histograma Eliminación de desechos .......................................... 107
Gráfico No. 7 Normal QQPlot Eliminación de desechos ................................... 107
Gráfico No. 8 Trend Analysis Eliminación de desechos .................................... 108
Gráfico No. 9 Modelo Exponencial Cálculo Primer Orden ................................ 109
Gráfico No. 10 Modelo Exponencial Resultado Primer Orden .......................... 109
Gráfico No. 11 Modelo Exponencial Cálculo Segundo Orden ........................... 110
Gráfico No. 12 Modelo Exponencial Resultado Segundo Orden ....................... 111
Gráfico No. 13 Modelo Exponencial Cálculo Tercer Orden .............................. 112
Gráfico No. 14 Modelo Exponencial Resultado Tercer Orden ........................... 112
Gráfico No. 15 Histograma Procedencia del Agua Recibida .............................. 115
Gráfico No. 16 Normal QQPlot Procedencia del Agua Recibida ....................... 115
Gráfico No. 17 Trend Analysis Procedencia del Agua Recibida ........................ 115
Gráfico No. 18 Modelo Exponencial Cálculo Primer Orden .............................. 116
Gráfico No. 19 Modelo Exponencial Resultado Primer Orden .......................... 117
Gráfico No. 20 Modelo Exponencial Cálculo Segundo Orden ........................... 118
Gráfico No. 21 Modelo Exponencial Resultado Segundo Orden ....................... 118
Gráfico No. 22 Modelo Exponencial Cálculo Tercer Orden .............................. 119
Gráfico No. 23 Modelo Exponencial Resultado Tercer Orden ........................... 120
Gráfico No. 24 Histograma Eliminación de Aguas Servidas .............................. 122
Gráfico No. 25 Normal QQPlot Eliminación de Aguas Servidas ....................... 122
Gráfico No. 26 Trend Analysis Eliminación de Aguas Servidas ........................ 123
Gráfico No. 27 Modelo Exponencial Cálculo Primer Orden .............................. 124
Gráfico No. 28 Modelo Exponencial Resultado Primer Orden .......................... 124
Gráfico No. 29 Modelo Exponencial Cálculo Segundo Orden ........................... 125
Gráfico No. 30 Modelo Exponencial Resultado Segundo Orden ....................... 126
Gráfico No. 31 Modelo Exponencial Cálculo Tercer Orden .............................. 127
Gráfico No. 32 Modelo Exponencial Resultado Tercer Orden ........................... 127
Gráfico No. 33 Histograma Nivel de instrucción al que asiste o asistió ............. 130
Gráfico No. 34 Normal QQPlot Nivel de instrucción al que asiste o asistió ...... 130
xxii
Gráfico No. 35 Trend Analysis Nivel de instrucción al que asiste o asistió ....... 130
Gráfico No. 36 Modelo exponencial calculo primer orden................................. 131
Gráfico No. 37 Modelo exponencial resultado primer orden ............................. 132
Gráfico No. 38 Modelo exponencial calculo segundo orden .............................. 133
Gráfico No. 39 Modelo exponencial resultado segundo orden ........................... 133
Gráfico No. 40 Modelo exponencial calculo tercer orden .................................. 134
Gráfico No. 41 Modelo exponencial resultado tercer orden ............................... 135
FOTOGRAFÍAS
Foto No. 1 Socialización del Proyecto .................................................................. 38
Foto No. 2 Encuesta a dueño de una UPA ............................................................ 38
ECUACIONES
Ecuación No. 1 Cálculo del tamaño de muestra de una población infinita .......... 36
Ecuación No. 2 Cálculo del tamaño de muestra en una población finita ............. 37
Ecuación No. 3 Índice de consistencia variable eliminación de los desechos ..... 51
Ecuación No. 4 Razón de consistencia variable eliminación de los desechos ..... 52
Ecuación No. 5 Índice de consistencia variable procedencia del agua recibida .. 59
Ecuación No. 6 Razón de consistencia variable procedencia del agua recibida .. 60
Ecuación No. 7 Índice de consistencia variable eliminación de aguas servidas .. 67
Ecuación No. 8 Razón de consistencia variable eliminación de aguas servidas .. 68
Ecuación No. 9 Índice de consistencia variable nivel de instrucción al que asiste o
asistió..................................................................................................................... 75
Ecuación No. 10 Razón de consistencia variable nivel de instrucción al que asiste
o asistió.................................................................................................................. 76
Ecuación No. 11 Ejemplo peso final de las ponderaciones por localidad
“Propuesta metodológica” ..................................................................................... 93
Ecuación No. 12 Ecuación del valor estimado en un punto interpolado ............. 99
Ecuación No. 13 Ecuación Kriging ...................................................................... 99
Ecuación No. 14 Ecuación Semivarianza ............................................................ 99
Ecuación No. 15 Ecuación IDW ........................................................................ 101
Ecuación No. 16 Cálculo del NDVI ................................................................... 103
Ecuación No. 17 Ecuación del modelo ordinario de segundo orden variable
eliminación de desechos ...................................................................................... 136
Ecuación No. 18 Ecuación del modelo ordinario de primer orden variable
procedencia del agua recibida ............................................................................. 137
xxiii
Ecuación No. 19 Ecuación del modelo ordinario de tercer orden variable
eliminación de aguas servidas ............................................................................. 138
Ecuación No. 20 Ecuación del modelo ordinario de primer orden variable nivel
de instrucción al que asiste o asistió ................................................................... 140
1
INTRODUCCIÓN
La modelización de problemas ambientales es una propuesta metodológica para la
solución de problemas ambientales en entornos urbanos y rurales, generados por
la creciente actividad humana y el manejo inadecuado de recursos naturales,
utilizando sistemas de información geográfica, para crear escenarios de impacto y
de riesgo que permitan desarrollar una correcta gestión del territorio y proteger el
entorno natural donde las personas se desarrollan (Londoño, Cifuentes & Blanch,
2007).
Conesa (2005, p.38) encontró lo siguiente: El crecimiento y desarrollo de las
poblaciones rurales y urbanas (asentamientos, agricultura, servicios, protección)
ha creado retos y desafíos, que en cierto modo obligan a los investigadores,
planificadores y gestores a planificar y ordenar el uso de los espacios,
optimizando la explotación de los recursos naturales, con el fin de reducir el
riesgo de desastres y lograr en definitiva un desarrollo sostenible. La mayor parte
de las decisiones que se toman para establecer un desarrollo sostenible son
intrínsecamente multidisciplinares o corresponden a varios sectores enfrentados.
Sin embargo, la mayoría de las instituciones encargadas del desarrollo de los
recursos naturales están orientadas desde el punto de vista de un solo sector. La
tecnología del sistema de información geográfica (SIG) puede ayudar a establecer
la comunicación entre ellas, proporcionando no sólo las herramientas de gran
alcance para el almacenamiento y análisis de datos espaciales y estadísticos
multisectoriales, sino también integrando las bases de datos de los diversos
sectores en un mismo formato, estructura y representación cartográfica.
Conesa (2005, p.37) encontró lo siguiente: La oferta y demanda de espacios son
aspectos que los gobiernos nacionales, regionales y locales, así como
planificadores y propietarios, deben analizar cada vez con mayor visión de
ordenación, planificando los usos y buscando las mejores alternativas compatibles
con el desarrollo social, económico y ambiental. Tradicionalmente, las
herramientas, instrumentos, técnicas y metodologías para la ordenación territorial
se han sustentado en el análisis de la relación espacio-tierra; esto ha evolucionado
integrando variables económicas, sociales y ambientales, conformando modelos
de escenarios o unidades territoriales, que se realizan con el apoyo de técnicas
2
como la teledetección y aplicación de los sistemas de información geográficos
(SIG), análisis de paisajes y variables multicriterio.
El desarrollo del área rural del Cantón San Miguel de los Bancos se enfoca en las
actividades agropecuarias, siendo estas el eje del progreso social y económico, por
este motivo, ésta área requiere de un análisis de las condiciones en las que se
desarrollan dichas actividades, para el análisis de estas condiciones es necesario
buscar relaciones entre sociedad – salud – ambiente, dicha relación se la conoce
como ecosalud (PDOT Cantón San Miguel de Los Bancos).
La investigación se profundiza a nivel de localidades, análisis de imágenes
satelitales, toma de unidades de muestreo, encuestas, análisis multicriterios,
ponderaciones, elaboración de modelos y variables biofísicas o ambientales
(Londoño et al, 2007).
3
CAPÍTULO I
1. PLANTEAMIENTO DEL PROBLEMA
1.1 ENUNCIADO DEL TEMA
“Modelización de problemas ambientales en entornos ganaderos a partir del
estudio de las interacciones entre las dimensiones sociales, ambientales y salud,
mediante el uso de sistemas de información geográfica y teledetección, en el
Cantón San Miguel de los Bancos”.
1.2 DESCRIPCIÓN DEL PROBLEMA
Los cambios que ocurren en los sistemas naturales o ecosistemas tienen como
resultado variaciones en el clima y la reducción de la productividad del mismo, las
malas condiciones de los ecosistemas impide que un área determinada se
desarrolle en óptimas condiciones (Centro Internacional de Zoonosis (CIZ),
(2014), Epidemiología molecular de parásitos y microorganismos de interés
zoonósico: gusano barrenador del ganado, garrapatas).
La solución o mitigación de cualquier problema de tipo ambiental debe tener
como punto de partida el hecho de asumir cada problema como algo real, de
dimensiones enormes, y con consecuencias importantes para las sociedades
presentes y futuras. Modelizar los diferentes escenarios, llevar la realidad de los
entornos rurales a modelos simplificados para su análisis, constituye el primer
paso hacia la búsqueda de soluciones (Londoño et al, 2007).
4
El Ecuador es un país internamente muy diverso, y su estructura socio ambiental
está afectada por grandes desequilibrios espaciales. “La búsqueda de un desarrollo
humano, socialmente incluyente y ambientalmente sustentable, requiere, entre
otros factores, de un conocimiento y análisis desagregado de las condiciones
sociales y ambientales del país, no solamente a escala local, sino también a nivel
nacional” (Universidad Andina Simón Bolívar. Unidad de Investigación Socio
ambiental del Ecuador)
Las UPA’s del Cantón San Miguel de los Bancos, se ven afectadas por vectores
como garrapatas y la mosca del gusano barrenador del ganado, lo que genera que
las condiciones de salud animal, no contribuyan al desarrollo sustentable del
Cantón, y por ende, existan pérdidas económicas para los dueños de las fincas
(Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología molecular de
parásitos y microorganismos de interés zoonósico: gusano barrenador del ganado,
garrapatas).
“Debido a esto es importante realizar un estudio multidisciplinario, para relacionar
la dinámica poblacional de este tipo de vectores con variables ambientales y así
poder generar un modelo, que permita determinar cómo son las condiciones
actuales” (Charron, 2014).
Para mejorar las condiciones de las poblaciones que se encuentran formando parte
de los ecosistemas, es necesario mejorar las condiciones de los mismos y para esto
se debe relacionar a las personas en su entorno utilizando variables ambientales, y
teniendo en cuenta el impacto que puede tener el ambiente, los aspectos sociales y
la prestación de servicios públicos (Lomas, 2014).
1.3 FORMULACIÓN DEL PROBLEMA
En el área geográfica del Cantón San Miguel de los Bancos, en la Provincia de
Pichincha, existen varias asociaciones ganaderas las cuales se ven afectadas
debido a la incidencia de enfermedades transmitidas por vectores como garrapatas
y la mosca del gusano barrenador del ganado; las mismas que se propagan por la
existencia de problemas ambientales presentes en las fincas que conforman las
5
asociaciones (Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología
molecular de parásitos y microorganismos de interés zoonósico: gusano
barrenador del ganado, garrapatas).
Debido a esto es necesario determinar una propuesta metodológica para la
modelización de los problemas ambientales con una visión ecosistémica de la
salud para generar escenarios probables de impacto (Lebel, 2005).
1.3.1 HIPÓTESIS
¿Se puede realizar la modelización de problemas ambientales en entornos
ganaderos a partir del estudio de las interacciones entre las dimensiones sociales,
ambientales y salud, considerando variables ambientales mediante el uso de
sistemas de información geográfica y teledetección?
1.3.2 DEFINICIÓN DE VARIABLES
1.3.2.1 VARIABLES INDEPENDIENTES
Variables ambientales, encuestas, unidades de muestreo en las UPA’s, normas y
leyes ambientales vigentes, fotografías aéreas y satelitales.
1.3.2.2 VARIABLE DEPENDIENTE
Generación de modelos y escenarios probabilísticos en las unidades de producción
agropecuaria del Cantón San Miguel de los Bancos.
1.4 OBJETIVOS
1.4.1 OBJETIVO GENERAL
Realizar la modelización de problemas ambientales en entornos ganaderos a partir
del estudio de las interacciones entre las dimensiones sociales, ambientales y
salud, en el Cantón San Miguel de los Bancos, mediante el uso de sistemas de
información geográfica y teledetección.
6
1.4.2 OBJETIVOS ESPECÍFICOS
Aplicar encuestas epidemiológicas y ambientales a los miembros de las
asociaciones ganaderas para determinar factores de riesgo.
Recopilar información sobre variables ambientales en instituciones públicas,
privadas y GAD municipal.
Georeferenciar unidades de producción agropecuaria presentes en el Cantón
San Miguel de los Bancos.
Interpretar las variables ambientales con el uso de sistemas de información
geográfica y teledetección.
Generar modelos y escenarios de los problemas ambientales existentes en el
Cantón.
1.5 JUSTIFICACIÓN
Las UPA’s del Cantón San Miguel de los Bancos, requieren un estudio detallado
de las condiciones ambientales a las que las personas están expuestas y de los
vectores que están afectando a la salud humana y animal, así como su relación con
los ecosistemas y el ambiente (Londoño et al, 2007).
El presente proyecto de investigación es importante ya que se busca la
interrelación de las variables ambiente-sociedad-salud, lo que se conoce como
“Ecosalud” o enfoque ecosistémico para la salud, es decir, mejorar la salud de las
presentes y futuras generaciones protegiendo los ecosistemas y mejorando los
ambientes que se han degradado por actividades antrópicas (Lomas, 2014).
“La sustentabilidad (ecológica y social) es parte de este cambio que se procura a
través de la investigación y acción de ecosalud” (Soskolne, 2007; Waltner-Toews,
2008).
“La investigación conjunta de las relaciones ambiente – sociedad – salud, genera
cambios positivos, sustentables, responsables y sanos, lo que ayuda a vivir en
armonía con el ambiente” (Lomas, 2014).
Con esta investigación, se introduce una metodología para la generación de
escenarios prospectivos de problemas ambientales basada en la utilización de
7
sistemas de información geográfica y teledetección para la búsqueda, generación y
manipulación de información multivariante, y métodos de geo-estadística para el
procesamiento de esta información y la generación de modelos predictivos
(Londoño et al, 2007).
“Las variables ambientales se enfocan en aspectos biofísicos, como temperatura,
precipitación, cobertura vegetal, uso de suelo, modelos de elevación, entre otras.
Las cuales son usadas como inputs en la obtención y validación de modelos
ambientales” (Muguruza, 2013).
8
CAPÍTULO II
2. MARCO TEÓRICO
2.1 MARCO LEGAL
La elaboración de la tesis de pregrado se basa en instrumentos jurídicos legales
suscritos por el Estado Ecuatoriano.
2.1.1 CONSTITUCIÓN DE LA REPÚBLICA DEL ECUADOR
La Constitución de la República del Ecuador fue publicada en el Registro Oficial
No.449 del 20 de octubre de 2008.
Los artículos de la Constitución de la República del Ecuador que amparan el tema
de estudio son:
Título II Derechos, Capítulo segundo Derechos del Buen Vivir, Sección
segunda, Ambiente Sano, Art.14 y 16
Título II Derechos, Capítulo segundo Derechos del Buen Vivir, Sección
séptimo Salud, Art. 32
Título II Derechos, Capítulo cuarto Derechos de las comunidades, pueblos
y nacionalidades, Art. 56 y 57
Título II Derechos, Capítulo séptimo Derechos de la naturaleza, Art. 71,
72, 74
Título VII Régimen del Buen Vivir, Capítulo segundo Biodiversidad y
Recursos Naturales, Sección primera Naturaleza y Ambiente, Art. 396 y
397
Título VII Régimen del Buen Vivir, Capítulo segundo Biodiversidad y
Recursos Naturales, Sección tercera Patrimonio Natural y ecosistemas,
Art. 404, 405 y 406
9
Título VII Régimen del Buen Vivir, Capítulo segundo Biodiversidad y
Recursos Naturales, Sección quinta Suelo, Art. 409 y 410
2.1.2 LEY DE GESTIÓN AMBIENTAL
La Codificación a la Ley de Gestión Ambiental fue publicada en el Suplemento
del Registro Oficial No 418 de 10 de septiembre de 2004.
El artículo de la Ley de Gestión Ambiental del Ecuador, que ampara el tema de
estudio son:
Título VI De La Protección de los Derechos Ambientales, Art.41.
2.1.3 LEY ORGÁNICA DE SALUD
La Ley Orgánica de Salud, fue publicada en el Suplemento del Registro Oficial
No. 423 del 22 de diciembre de 2006.
Los artículos de la Ley de Gestión Ambiental del Ecuador, que amparan el tema
de estudio son:
Capítulo II: Salud y seguridad ambiental, Artículos 97; 98; 99; 100; 133;
147.
2.1.4 CÓDIGO ORGÁNICO DE ORGANIZACIÓN TERRITORIAL,
AUTONOMÍA Y DESCENTRALIZACIÓN (COOTAD)
El COOTAD fue publicado en el Registro Oficial Suplemento 303 de fecha 19 de
Octubre de 2010.
Los artículos del Código Orgánico de Organización Territorial, Autonomía y
Descentralización, que amparan el tema de estudio son:
Título III Gobiernos autónomos descentralizados, Capítulo III Gobierno
autónomo descentralizado municipal.
10
2.2 MARCO INSTITUCIONAL
2.2.1 GOBIERNO DE LA PROVINCIA DE PICHINCHA (GPP)
El Gobierno de la Provincia de Pichincha, promueve el desarrollo sustentable de
la Provincia, para garantizar la realización del buen vivir a través de la
implementación de políticas públicas provinciales en el marco de sus
competencias constitucionales y legales. Diseña e implementa políticas de
promoción y construcción de equidad e inclusión en su territorio, en el marco de
sus competencias constitucionales y legales (Recuperado de:
http://www.pichincha.gob.ec/).
2.2.2 MINISTERIO DE AGRICULTURA, GANADERÍA, ACUACULTURA
Y PESCA (MAGAP)
El Ministerio de Agricultura, Ganadería, Acuacultura y Pesca es la institución
rectora del multisector, para regular, normar, facilitar, controlar, y evaluar la
gestión de la producción agrícola, ganadera, acuícola y pesquera del país;
promoviendo acciones que permitan el desarrollo rural y propicien el crecimiento
sostenible de la producción y productividad del sector impulsando al desarrollo de
productores, en particular representados por la agricultura familiar campesina,
manteniendo el incentivo a las actividades productivas en general (Recuperado de:
http://www.agricultura.gob.ec/).
2.2.3 MINISTERIO DEL AMBIENTE DEL ECUADOR (MAE)
Es la autoridad ambiental del Ecuador, que ejerce el rol rector de la gestión
ambiental, que permita garantizar un ambiente sano y ecológicamente equilibrado
con el objetivo de hacer del país, una nación que conserva y usa sustentablemente
su biodiversidad, mantiene y mejora su calidad ambiental, promoviendo el
desarrollo sustentable y la justicia social, reconociendo al agua, suelo y aire como
recursos naturales estratégicos (Recuperado de: http://www.ambiente.gob.ec/).
11
2.2.4 ASOCIACIÓN DE MUNICIPALIDADES ECUATORIANAS (AME)
La Asociación de Municipalidades Ecuatorianas es una instancia asociativa de
GAD’s municipales y metropolitanos que promueve la construcción de un modelo
de gestión local descentralizado y autónomo, con base en la planificación
articulada y la gestión participativa del territorio, a través del ejercicio de la
representación institucional, asistencia técnica de calidad y la coordinación con
otros niveles de gobierno y organismos del Estado (Recuperado de:
http://www.ame.gob.ec/).
2.2.5 INSTITUTO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA
(INAMHI)
Es el Servicio Meteorológico e Hidrológico Nacional del Ecuador creado por Ley,
como una necesidad y un derecho fundamental de la comunidad, con capacidad y
la obligación de suministrar información vital sobre el tiempo, el clima y los
recursos hídricos del pasado, presente y futuro, que necesita conocer el país para
la protección de la vida humana y los bienes materiales. Es una Institución con
representación nacional e internacional, miembro de la Organización
Meteorológica Mundial, OMM, organización intergubernamental especializada de
las Naciones Unidas para la Meteorología (el tiempo y el clima), la Hidrología
Operativa y las ciencias conexas. Es un organismo técnico que en el contexto
nacional está adscrito a la Secretaria de Gestión de Riesgos; con personal técnico
y profesional especializado en Meteorología e Hidrología, que contribuye al
desarrollo económico y social del país (Recuperado de:
http://www.serviciometeorologico.gob.ec/).
2.2.6 INSTITUTO NACIONAL DE ESTADÍSTICA Y CENSOS (INEC)
Es el órgano rector de la estadística nacional y el encargado de generar las
estadísticas oficiales del Ecuador para la toma de decisiones en la política pública.
Su misión institucional es coordinar, normar y evaluar la producción de la
información estadística oficial proveniente del Sistema Estadístico Nacional,
12
mediante la planificación, ejecución y análisis de operaciones estadísticas
oportunas y confiables, así como de la generación de estudios especializados que
contribuyan a la toma de decisiones públicas y privadas y a la planificación
nacional (Recuperado de: http://www.ecuadorencifras.gob.ec/).
2.2.7 INSTITUTO GEOGRÁFICO MILITAR (IGM)
Es una institución ligada al Ministerio de Defensa Nacional, que gestiona y
ejecuta las actividades de investigación, generación y control de geoinformación y
transferencia de conocimiento y tecnología, en los ámbitos de geodesia,
geomática, cartografía y desarrollo tecnológico, siendo partícipes en líneas de
investigación de las ciencias de la tierra; y en seguridad documentaria; en apoyo a
la defensa, seguridad y desarrollo nacional (Recuperado de:
http://www.igm.gob.ec/).
2.2.8 CENTRO INTERNACIONAL DE ZOONOSIS (CIZ)
El Centro Internacional de Zoonosis (CIZ) de la Universidad Central del Ecuador,
es un Centro de Excelencia, transdisciplinario e interinstitucional, encargado de
dar respuesta a los problemas relacionados con las enfermedades zoonóticas más
importantes del país y de la Región Andina. Fue creado el 15 de enero de 2002,
por Resolución del Honorable Consejo Universitario y es una Institución adscrita
al Rectorado (Recuperado de: http://www.uce.edu.ec/web/internacional-de-
zoonisi).
13
2.3 MODELIZACIÓN DE PROBLEMAS AMBIENTALES
2.3.1 FUNDAMENTACIÓN TEÓRICA
2.3.1.1 ANTECEDENTES
La modelización de problemas ambientales es una metodología para la generación
de escenarios prospectivos de problemas ambientales basada en la utilización de
sistemas de información geográfica y teledetección para la búsqueda, generación y
manipulación de información multivariante, y métodos de geo-estadística para el
procesamiento de esta información y la generación de modelos predictivos
(Londoño et al, 2007).
Una ventaja de aplicar la modelización a problemas ambientales es la generación
y agregación de información existente, para analizar y dar soluciones relacionadas
con la población y el manejo de ecosistemas. Otra ventaja es combinar modelos,
espacializarlos y llevarlos a la realidad. Es preferible usar el formato Raster
porque éste es fácilmente extrapolable a matrices numéricas (Londoño et al,
2007).
En el país, la relación ser humano – ecosistemas, ha desencadenado varios
problemas ambientales, como contaminación de fuentes hídricas, contaminación
del suelo por el mal manejo de los desechos y proliferación de vectores por
ejemplo las garrapatas y la mosca del gusano barrenador del ganado, que afectan a
la salud humana y animal (Lomas, 2014).
En el Ecuador existen pocas investigaciones sobre garrapatas, basado en estos
antecedentes, el Centro Internacional de Zoonosis, desde el año 2011 ha venido
ejecutando el proyecto de la Encuesta Nacional de Brucelosis, Tuberculosis y
Garrapatas a nivel nacional; en cuanto a las garrapatas se han identificado 4
diferentes especies: Rhipicephalus (Boophilus) microplus, Amblyomma
cajennense, Amblyomma maculatum e Ixodes boliviensis (Enríquez S., 2014).
El aumento de las actividades ganaderas en el mundo, ha desencadenado el uso
frecuente de plaguicidas y recursos hídricos, lo que ha llevado a un deterioro de
los ecosistemas y el descuido del uso del suelo. Motivo por el cual se debe
14
analizar la relación entre individuo – ambiente, para formular soluciones que
contribuyan a la gestión ambiental (Charrón, 2014).
En 1997, aprovechando décadas de experiencias varias en investigación en salud y
medio ambiente, el Centro Internacional de Investigaciones para el
Desarrollo (IDRC) inició el programa de investigación llamado Enfoques
Ecosistémicos para la Salud Humana (o Ecosalud) (Charrón, 2014).
Su objetivo inicial fue apoyar la investigación innovadora acerca de cómo lograr
una mejor salud humana a partir de una mejor gestión ambiental y de los recursos
naturales. Este enfoque fue más allá del entonces dominante paradigma de los
factores «determinantes ambientales de la salud»; aprovechó los avances en salud
pública e internacional y puso su énfasis en 3 pilares: transdisciplinariedad,
participación de actores múltiples y análisis social y de género (Charron, 2014).
Para entender mejor la relación sociedad – ambiente – salud, es necesario realizar
un estudio multidisciplinario, con el objetivo de evaluar cada una de estas
variables, y así, poder formular soluciones que contribuyan al buen manejo de los
recursos. Para hacer este trabajo, es necesario el uso de sistemas de información
geográfica y teledetección, ya que permiten, generar nueva información con
múltiples variables, y combinar información ya existente (Charron, 2014).
2.3.1.2 PROBLEMAS AMBIENTALES
Los problemas ambientales son ocasionados por actividades antrópicas que dañan
los ecosistemas y ocasionan impactos negativos sobre en las comunidades,
poblaciones, salud humana y economía. Es por este motivo, que se debe modelizar
con un enfoque ecosistémico utilizando técnicas y métodos de ponderación
cuantitativos (Londoño, et al, 2007).
15
2.3.1.3 ECOSISTEMA
“Complejo dinámico de comunidades de plantas, animales y microorganismos y
su ambiente abiótico, que interactúa como unidad funcional” (Normas
Internacionales para Medidas Fitosanitarias nº 05, 2010).
Unidad funcional compuesta por todos los organismos vivos (plantas, animales y
microbios) de una zona determinada y todos los factores físicos y químicos de su
medio que no están vivos, relacionados por el ciclo de los nutrientes y el flujo de
energía. Un ecosistema puede tener cualquier tamaño —un rollo, un estanque, un
campo, un bosque o la biosfera terrestre—, pero siempre funciona como una
unidad completa. Los ecosistemas se suelen definir en función del tipo principal
de vegetación (es decir, bosque, rodal viejo o ecosistema de pastoreo) (Ministerio
de Bosques y Pastizales de Columbia Británica, 2008).
2.3.1.4 SISTEMAS DE INFORMACIÓN GEOGRÁFICA
Un Sistema de Información Geográfica (SIG) se puede definir ampliamente como:
un sistema de hardware, software y procedimientos, diseñado para realizar la
captura, almacenamiento, manipulación, análisis, modelización y presentación de
datos georeferenciados espacialmente para la resolución de problemas complejos
de planificación y gestión (NCGIA, 1990).
“Los SIG pueden ser utilizados para un sin número de aplicaciones, entre ellas, la
reproducción de mapas, valoración de impactos, etc.” (Valenzuela, 1994, citado
por Jiménez, 2001).
“Una característica importante de un SIG es la alta capacidad de generación de
modelos de simulación, predicción y decisión, que pueden ser utilizados en la
elaboración de escenarios” (Valenzuela, 1994, citado por Jiménez, 2001).
2.3.1.5 TELEDETECCIÓN
Teledetección es la técnica que permite obtener información a distancia de objetos
sin que exista un contacto material. Para que ello sea posible es necesario que,
16
aunque sin contacto material, exista algún tipo de interacción entre los objetos
observados; situados sobre la superficie terrestre, marina o en la atmósfera; y un
sensor situado en una plataforma, por ejemplo satélites o avión (Chuvieco, 2000).
La Teledetección espacial dispone de una serie de ventajas indiscutibles en
comparación con otros sistemas convencionales de observación de la Tierra como
la fotografía aérea o la observación directa, a través de trabajos de campo. Entre
las principales ventajas, se resaltan las siguientes: (i) visión global, (ii)
observación de información en regiones no visibles del espectro, (iii) observación
a distintas escalas, (iv) frecuencia y (v) homogeneidad en la adquisición. Gracias a
estas aptitudes, la Teledetección espacial se convierte en una herramienta de
información espacial de gran interés para la producción y actualización
cartográfica, como fuente de entrada en Sistemas de Información Geográfica de
carácter multipropósito, para los estudios ambientales y para las Ciencias de la
Tierra, en general (Vega, Barredo, Camacho, Asensio, Riaño, Romero & otros,
2010).
2.3.1.6 UNIDADES DE PRODUCCIÓN AGROPECUARIA
Es una extensión de tierra de 500 m2 o más, dedicada total o parcialmente a la
producción agropecuaria, considerada como una unidad económica, que desarrolla
su actividad bajo una dirección o gerencia única, independientemente de su forma
de tenencia y de su ubicación geográfica; utilizando indistintamente los medios de
producción en la superficie que la conforma. Superficies menores de 500 m2 que
mantengan las características de UPA descritas, solo fueron consideradas como
tales por el Censo, sí durante el año censal generaron algún producto para la
venta. En la práctica una UPA es toda finca, hacienda, quinta, granja, fundo o
predio dedicados total o parcialmente a la producción agropecuaria. En general
una UPA está conformada por uno o varios terrenos dedicados a la producción
agropecuaria, los cuales están bajo una gerencia única y comparten los mismos
medios de producción como: mano de obra, maquinaria, etc. La gerencia de los
terrenos puede ser ejercida por una persona, un hogar, una empresa, una
cooperativa o cualquier otra forma de dirección (III Censo Nacional
Agropecuario).
17
2.3.1.7 GARRAPATAS
Las Garrapatas (ACARI: Ixodidae) son parásitos que afectan a todas las especies
animales de sangre fría y caliente. Los animales de producción como los bovinos,
ovinos, porcinos y aves se encuentran afectados en áreas donde la ecología de las
especies permite su supervivencia; el hombre también puede ser afectado por las
garrapatas cuando convive con estos animales (Guglielmone, 1995; Montenegro-
James, 1992; Vannier y Krause, 2009).
Las garrapatas, por su característica de parásitos hematófagos, por si solas causan
problemas asociados a cuadros anémicos que inciden directamente en la
productividad y reproductividad de los animales. Por otro lado, las garrapatas son
potenciales vectores de enfermedades parasitarias entre las que se encuentran la
anaplasmosis, babeiosis, piroplasmosis, boreliosis y West Nilo entre las
principales; muchas de ellas son de tipo zoonósico y de prevalencia en el Ecuador
(Guglielmone, 1995; Montenegro-James, 1992; Vannier y Krause, 2009).
2.3.1.8 GUSANO BARRENADOR DEL GANADO
El GBG constituye la etapa larvaria de la mosca Cochliomyia hominivorax
(Coquerel), la cual parasita a los animales de sangre caliente, incluidos los seres
humanos. Hasta hace poco, según la FAO, (2012), este gusano se ha limitado al
Nuevo Mundo, desde el sur de México al Norte de Argentina y el Uruguay y en
algunas islas del Caribe. El GBG es parásito obligado que necesita de tejidos
vivos durante las etapas larvarias de su ciclo de vida y, es considerado como una
de las principales causas de miasis; la cual, produce grandes pérdidas económicas
en el sector pecuario debido a disminuciones severas de la producción de leche,
carne y daño de la calidad de las pieles, a más del costo de tratamiento y muerte
de animales. La parasitosis está directamente relacionada con el bienestar
humano, consecuentemente se constituye en un problema de Salud Pública (FAO,
1993).
18
2.3.1.9 VARIABLES AMBIENTALES O BIOFÍSICAS
Muguruza y Borderías (2013) encontraron lo siguiente: Se definen como aquellos
parámetros que describen las condiciones climáticas, hidrográficas, geológicas,
biológicas (flora y fauna) y de contaminación de un área determinada.
Para conocer el territorio y su valor ambiental, en relación con su aptitud y su
capacidad para acoger determinados proyectos, hay que analizar y ponderar los
atributos ambientales (variables que representan características del medio
ambiente) del espacio natural y del espacio socioeconómico, los cuales están
estrechamente ligados e interrelacionados, aunque cuentan con potencialidades
diferentes. Igualmente, para cada componente del medio, se analizan todos
aquellos atributos o características que actúen como indicadores de impactos. Así,
no todos los datos que se analizan tienen la misma finalidad, unos son necesarios
para la descripción del medio, otros se requieren sólo para la valoración de
impactos, otros son específicos para valorar la aptitud, y otros tienen una utilidad
más amplia. Tener esto en cuenta al iniciar el análisis, simplifica la labor de
recogida de información (Muguruza, 2013).
Igualmente relevante es que las variables que se analicen sean significativas para
el estudio, seleccionando aquellas que pueden ser alteradas por el proyecto; que
sean operativas, es decir, que sean fácilmente utilizables e integrables en el
proceso de estudio; que sean fáciles de obtener, y que sean modelizables, de forma
que el conocimiento del funcionamiento del sistema facilite la posibilidad de
predecir con cierta fiabilidad su comportamiento a futuro (Muguruza, 2013).
2.3.1.10 INTERPOLACIÓN
La interpolación es un procedimiento matemático utilizado para determinar el
valor de un atributo en una localización precisa a partir de valores del atributo
obtenidos de puntos vecinos ubicados al interior de la misma región. A la
estimación del valor de un atributo en lugares fuera de la región cubierta por las
observaciones se le llama extrapolación. (FAO, 2003)
19
Se utiliza la interpolación para transformar un número finito de observaciones
obtenidas de ubicaciones geográficas precisas, en un espacio continuo de manera
que el patrón espacial presentado por las observaciones puntuales pueda ser
comparado con los patrones espaciales de los valores generados. (FAO, 2003)
Una aproximación de interpolación viene dado por la teoría de los métodos geo-
estadísticos, la cual se basa en el concepto de correlación espacial de los datos
geográficos. Es usada principalmente cuando la variación del atributo es tan
irregular y la densidad de puntos es tan grande que los dos grupos de métodos de
interpolación locales y globales, no se pueden aplicar. La geo-estadística
proporciona estimaciones probabilísticas de la calidad de la interpolación. (FAO,
2003)
2.3.1.11 EVALUACIÓN MULTICRITERIO
Se basa en la asignación y ponderación de pesos para alcanzar un análisis
individual de cada uno de los parámetros requeridos, de modo que califica la
importancia o potencialidad que tiene un elemento determinado dentro del
conjunto, ya que no todos los parámetros contribuyen de igual manera. (Castillo &
Ruíz, 2012)
2.3.2 DESCRIPCIÓN DEL CANTÓN DE ESTUDIO
2.3.2.1 UBICACIÓN
El Cantón San Miguel de Los Bancos está ubicado a 94 Km al Noroccidente de
Quito, se accede por la vía a la Costa, Calacalí-La Independencia. El cantón tiene
un clima bastante húmedo - lluvioso y se observa con frecuencia la formación de
neblina por su ubicación geográfica en ceja de montaña con una humedad
promedio de 95 % (PDOT Cantón San Miguel de Los Bancos).
El cantón está ubicado en medio de la exuberante vegetación propia del bosque
húmedo en las estribaciones del ramal occidental de la cordillera de Los Andes,
dentro de la subcuenca hidrográfica del río Blanco y del río Guayllabamba, y de la
20
cuenca hidrográfica mayor del río Esmeraldas (PDOT Cantón San Miguel de Los
Bancos).
San Miguel de los Bancos es uno de las 8 cantones de la Provincia de Pichincha
ubicado en la zona noroccidental de la misma, consta de dos Parroquias, Mindo y
la Cabecera cantonal San Miguel de Los Bancos. (PDOT Cantón San Miguel de
Los Bancos).
21
Figura No. 1 Mapa de Ubicación del Cantón San Miguel de Los Bancos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Geográfico Militar
22
2.3.2.2 LÍMITES
El Cantón San Miguel de Los Bancos limita con los siguientes Cantones y
Provincia, como se muestra en la Tabla No.1:
Tabla No. 1 Límites del Cantón San Miguel de Los Bancos
Límites Cantones y Provincia
Norte Distrito Metropolitano de Quito y Cantón
Pedro Vicente Maldonado
Sur Provincia de Santo Domingo de los
Tsáchilas
Este Distrito Metropolitano de Quito
Oeste Provincia de Santo Domingo de los
Tsáchilas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: PDOT Cantón San Miguel de Los Bancos
2.3.2.3 SUPERFICIE TERRITORIAL, TEMPERATURA,
PRECIPITACIÓN Y CLIMA
El clima predominante de la zona es cálido húmedo registrándose una humedad
media atmosférica de 91% a 94% con temperaturas que varían desde una mínima
de 12ºC hasta una temperatura máxima de 24ºC. En la Tabla No.2, se indica los
valores de altura, temperatura y precipitación (PDOT Cantón San Miguel de Los
Bancos).
Tabla No. 2 Superficie territorial, temperatura y precipitación
Cantón Parroquias Área
(Has)
Altura
Promedio
(m.s.n.m)
Temperatura
Media Anual
(ºC)
Precipitación
(mm/año)
San
Miguel de
Los
Bancos
Mindo 26.390,00
De 460 a
4700
De 18 a 22
De 1.500 a
3.500 San Miguel
de Los
Bancos
58.790,00
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Censos INEC 2010
23
2.3.2.4 DEMOGRAFÍA
La población del Cantón San Miguel de Los Bancos según el VII censo de
Población y VI de Vivienda 2010 del INEC, es de 17.573 habitantes, la mayor
proporción que corresponde al 72,63% se asienta en el área rural, es decir en la
zona que no está consolidada; la población restante de 27.37% se ubica en el área
urbana de forma casi ordenada, la misma que ocupa la menor extensión del
territorio (PDOT Cantón San Miguel de Los Bancos).
2.3.2.5 POBLACIÓN POR SEXO Y GRUPOS DE EDAD
De acuerdo al VII censo de Población y VI de Vivienda 2010 del INEC, en el
Cantón San Miguel de los Bancos de los 17.573 habitantes, 9.413 son hombres y
8.160 son mujeres, además, la tasa de natalidad es muy alta, y los nacimientos de
mujeres son mayores que los nacimientos de hombres, como se muestra en la
Tabla No.3 (PDOT Cantón San Miguel de Los Bancos).
Tabla No. 3 Población por Sexo y Grupos de edad
POBLACIÓN POR SEXO Y GRUPOS DE EDAD
GRUPOS DE EDAD SEXO
HOMBRE MUJER TOTAL
Menor de 1 año 187 208 395
De 1 a 4 años 885 760 1645
De 5 a 9 años 1014 921 1935
De 10 a 14 años 1057 988 2045
De 15 a 19 años 1015 957 1972
De 20 a 24 años 850 754 1604
De 25 a 29 años 831 697 1528
De 30 a 34 años 765 601 1366
De 35 a 39 años 622 500 1122
De 40 a 44 años 506 382 888
De 45 a 49 años 408 322 730
De 50 a 54 años 307 278 585
De 55 a 59 años 253 220 473
De 60 a 64 años 208 177 385
De 65 a 69 años 192 147 339
De 70 a 74 años 134 102 236
24
POBLACIÓN POR SEXO Y GRUPOS DE EDAD
GRUPOS DE EDAD SEXO
HOMBRE MUJER TOTAL
De 75 a 79 años 77 68 145
De 80 a 84 años 60 42 102
De 85 a 89 años 30 20 50
De 90 a 94 años 9 9 18
De 95 a 99 años 2 3 5
De 100 años y más 1 4 5
Total 9,413 8,16 17,573
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Censos INEC 2010
2.3.2.6 ASPECTOS ECONÓMICOS
De acuerdo al VII censo de Población y VI de Vivienda 2010 del INEC, en el
Cantón San Miguel de los Bancos la población económicamente activa (PEA) es
de 7.037 habitantes, la población económicamente inactiva (PEI) es de 6.561
habitantes y la población en edad de trabajar (PET) es de 13598 habitantes (PDOT
Cantón San Miguel de Los Bancos).
De los 17.573 habitantes del Cantón San Miguel de los Bancos, 3.533 habitantes
corresponde a población no pobres lo que equivale al 20,10% de la población
total, mientras que 14.040 habitantes corresponde a población pobres lo que
equivale al 79,90% de la población total (PDOT Cantón San Miguel de Los
Bancos).
2.3.2.7 RECURSO AGUA
“El relieve que predomina en las unidades hidrográficas del cantón son: Vertientes
abruptas e irregulares con un 17,67 %, el uso de suelo predominante es pastos
cultivados con una extensión de 43.000 has, que corresponde al 50,30% del
territorio” (PDOT Cantón San Miguel de Los Bancos).
“Mientras que en la Parroquia de Mindo las unidades hidrográficas son escarpado
con pendientes abruptas mayores a 70%. En pequeños sectores existen pendientes
fuertes de 50 a 70%, por lo que la mayoría del área tiene aptitud únicamente para
conservación” (PDOT Cantón San Miguel de Los Bancos).
25
“Las playas de los ríos presentan pequeñas áreas con pendientes menores que
oscilan entre 5 y 25%. Los sitios más altos están al este del Guagua Pichincha con
4.776 m.s.n.m y 4.561 m.s.n.m. al oeste del Rucu Pichincha” (PDOT Cantón San
Miguel de Los Bancos).
El territorio cantonal cuenta con un importante sistema hidrográfico que
pertenecen a las sub cuencas: Río Blanco y Rio Guayllabamba, conformadas por
las microcuencas que se detalla en la Tabla No.4:
Tabla No. 4 Información Hidrográfica
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: PDOT Cantón San Miguel de Los Bancos
Las subcuencas del Río Blanco y Guayllabamba forman el sistema hidrográfico
del río Esmeradas. Las micro cuencas de los ríos: Mindo, Nambillo, Cinto,
Saloya, Estero, La Sucia, El Bagazal y Milpe, son los afluentes más importantes
INFORMACIÓN HIDROGRÁFICA
SUBCUENCA No. MICROCUENCA SUPERFICIE
(has)
% DEL
TERRITORIO
Sub Cuenca del
Río Blanco
1 R. Virginia 211,22 0,24
2 R. Verde 1,54 0,001
3 R. Mindo 7906,47 9,24
4 Drenajes Menores 22192,20 25,95
5 R. Nambillo 6589,55 7,70
6 Est. Piedroso 1129,87 1,32
7 R. Nuevo Mundo 2351,33 2,75
8 R. Cocaniguas 3494,13 4,08
9 R. Espejo 3634,71 4,25
10 R. Sabaleta 1619,61 1,89
11 Est. La Sucia 3283,05 3,83
12 Est. Tumba Vacas 1863,33 2,17
13 R. Caoní 9031,75 10,56
14 R. Abundancia 1443,95 1,68
15 R. Salazar 3364,99 3,93
16 Est. Santa Rosa 731,30 0,85
17 R. Macas 4620,84 5,40
Sub Cuenca del
Río
Guayllabamba
1 R. Pachijal 5119,97 5,98
2 Drenajes Menores 1117,67 1,30
3 R. Pitzará 972,82 1,13
4 R. Tatalá 1460,07 1,70
5 R. Chalguayacu Chi 2554,35 2,98
6 R. Alambi 789,39 0,92
TOTAL 85502,1125 100
26
que conforman la subcuenca del río Blanco, inicia en los 4700 msnm en las
estribaciones del volcán Guagua Pichincha, desciende hasta los 420 msnm a la
altura de Santa Rosa del Mulaute. El río Caoní tiene sus afluentes en más de 6
quebradas diferentes y nace en la cabecera cantonal a una altura de 1060 msnm.
En el sector norte del territorio nacen el río del Oso, Poza Honda, Tatalá, Estero
San Luis, Chalguayacu Chico y Chalguayacu Grande que alimentan al Pachijal y
este a su vez al Guayllabamba al igual que el río Pitzará. La microcuenca del río
Macas nace a 1695 msnm, tiene alrededor de 30 quebradas afluentes desemboca
en la Cuenca del río Cocaniguas a 600 msnm, este se une al río Mulaute a 540
msnm a la altura de la Cooperativa El Cisne y con la Cooperativa Unión
Bolivarense. Las micro cuencas de los Ríos Caoni, Mindo, Nambillo y Pachijal
son las de mayor superficie en el territorio, representando un 10,56% el Rio
Caoni, 9,24 % el Rio Mindo, 7,70% el Rio Nambillo y 5,98 % el Rio Pachijal
(PDOT Cantón San Miguel de Los Bancos).
27
Figura No. 2 Mapa de Red Hidrográfica del Cantón San Miguel de Los Bancos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Geográfico Militar
28
2.3.2.8 USOS DEL AGUA
Dentro del territorio del cantón existen las siguientes captaciones:
- De la microcuenca del río Chalguayacu grande y Poza Honda se realiza
la captación de agua para la distribución de consumo en la cabecera
cantonal, San José de Milpe, Recintos San Francisco de Chipal y San Juan
de Puerto Quito.
- Quebrada del Tatalá que abastece de agua al cantón Pedro Vicente
Maldonado.
- Quebrada Espejo para los recintos Los Andes, Paisaje del río Blanco y
Santa Rosa del Mulaute.
- Quebrada sin nombre afluente del río Macas abastecedor de agua para la
Cooperativas Río Macas. Luz de América y los recintos Amanecer
Campesino y Ganaderos Orenses.
- El río Jordán para los recintos San Pedro.
- Quebrada San Bernabé para el recinto San Bernabé.
- Estero San José Chico recinto Primero de Mayo.
- Ojos subterráneos sin nombre ubicadas en la parte baja de la “Y” de
Mindo.
- A la parroquia de Mindo, cobertura de un 40%.
- Estero Saguambi ubicado en la propiedad del Sr. Moncayo, abastece en un
60% de agua al centro poblado de la Parroquia de Mindo.
- Estero Canchupí abastece de agua al recinto San Tadeo Pueblo Nuevo y
Saloya.
Las captaciones ubicadas en el Rio Chalguayacu Grande, Poza Honda, Quebrada
Tatalá y San José Chico pertenecen a la subcuenca del río Guayllabamba
mientras que las capitaciones en el río Espejo, Macas, Jordán, Saguambi y
Canchupí pertenecen a la subcuenca del río Blanco (PDOT Cantón San Miguel de
Los Bancos).
29
2.3.2.9 USO Y OCUPACIÓN DEL SUELO
En la parroquia existen bosques naturales, que constituyen los últimos remanentes
de bosques del Choco Andino Ecuador y son parte del bosque protector Mindo
Nambillo, Cuenca Alta del Río Guayllabamba; hacia el occidente existe otra
franja de bosques naturales con cultivos y luego están los cultivos en las zonas
más bajas. En la parte alta predomina el pastoreo de ganado. En la zona de
estribaciones de la cordillera, por la topografía del suelo, predomina la cobertura
boscosa y arbustiva; y conforme se desciende se observa asociaciones de pastos y
cultivos; Hacia el sector occidental en la zona baja existen cultivos, pastizales y
ganadería (PDOT Cantón San Miguel de Los Bancos).
Predominando el uso de suelo forestal y agrícola, afectado últimamente por la
proliferación de lotizaciones de carácter urbano en el área rural los mismos que
aún no se han consolidado, como se muestra en la Tabla No.5 (PDOT Cantón San
Miguel de Los Bancos).
Tabla No. 5 Uso y ocupación del suelo
Fuente: Catastro GADMSMB
Elaboración: ETP-GADMSMB
USO ACTUAL DE SUELO
USOS Área ha. %
Islote 163,41 0,19
Área Urbana 17,65 0,02
Bosques intervenidos 16.054,62 18,78
Bosque natural 4.533,18 5,30
Cuerpos de agua 691,44 0,81
Cultivos 982,67 1,15
Pastos cultivados 47.028,23 55,01
Vegetación Arbórea 9.659,60 11,30
Vegetación arbustiva 5.745,65 6,72
Vegetación arbórea con
palmito
427,41 0,50
Cultivos y pastos
cultivados
187,63 0,22
TOTAL 85.491,47 100,00
30
Figura No. 3 Mapa de Uso del Suelo del Cantón San Miguel de Los Bancos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Sistema Único de Información Ambiental (SUIA)
31
2.4 ECOSALUD
El enfoque ecosistémico o Ecosalud, es una estrategia generada en el seno del
Convenio de Diversidad Biológica de las Naciones Unidas, para promover la
conservación y el uso de manera equitativa de los recursos de la tierra, el agua y
los seres vivos (Smith & Maltby, 2003).
“Surge como respuesta a la crisis de extinción de especies y se fundamenta en una
visión holística, buscando integrar la conservación de la biodiversidad – en sus
múltiples escalas – con el desarrollo socio – económico”. (Wilkie, 2003)
El enfoque ecosistémico o Ecosalud, es promover la conservación y el uso
sostenible de los recursos agua, aire y suelo, aplicando procesos y funciones e
integrando a las personas como un componente principal en los ecosistemas. La
Ecosalud analiza la interacción entre los factores ecológicos y socioeconómicos, y
cómo estos inciden en la salud humana, con el objetivo de determinar la calidad
de los ecosistemas y su sustentabilidad. La investigación de Ecosalud apunta al
logro de cambios éticos, positivos y duraderos (Charron, 2014).
Las enfermedades zoonósicas son enfermedades que se transmiten de los animales
al hombre o viceversa; actualmente también se incluyen a las enfermedades
transmitidas por vectores y, que afectan directamente a la producción y al
bienestar del hombre. Consecuentemente, y en base al impacto social y económico
que tienen este tipo de enfermedades, deben ser manejadas por los organismos
oficiales estatales que deben establecer, a través de los sistemas de vigilancia
epidemiológica, medidas de control con el fin de evitar brotes epidemiológicos
que afecten a la población humana y generen pérdidas económicas o, sí estos se
presentan, minimizar el impacto. El Ministerio de Agricultura, Ganadería,
Acuacultura y Pesca (MAGAP) dentro de sus competencias, ha venido
desarrollando programas de control y/o erradicación de fiebre aftosa, brucelosis,
tuberculosis, entre las principales, sin tomar en cuenta a las “enfermedades
olvidadas” o de difícil control que podrían causar serios daños a la producción y a
la salud humana en el país. Las políticas gubernamentales, respecto a estas
enfermedades, adolecen de soporte técnico que permitan dar soluciones
emergentes ante la presencia o sospecha de un brote epidemiológico o, en su
32
efecto, se apoya de organismos internacionales de referencia que brindan soporte
en el control de las enfermedades (Centro Internacional de Zoonosis (CIZ),
(2014), Epidemiología molecular de parásitos y microorganismos de interés
zoonósico: gusano barrenador del ganado, garrapatas).
Las enfermedades parasitarias de interés zoonósico y de Salud Pública,
identificadas en la línea de investigación, son enfermedades netamente de interés
productivo en el ganado bovino. Las garrapatas de la familia Ixodidae y del
género Rhipicephalus spp. Es un problema sanitario en el país de cuya
prevalencia, frecuencia, distribución geográfica, variantes genéticas, resistencias
farmacológicas y su importancia en Salud Pública es aún, desconocida o poco
estudiada (Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología
molecular de parásitos y microorganismos de interés zoonósico: gusano
barrenador del ganado, garrapatas).
Las garrapatas, por su característica de parásitos hematófagos, por si solas causan
problemas asociados a cuadros anémicos que inciden directamente en la
productividad y reproductividad de los animales. Por otro lado, las garrapatas son
potenciales vectores de enfermedades parasitarias entre las que se encuentran la
anaplasmosis, babebiosis, piroplasmosis, Boreliosis y West Nilo entre las
principales; muchas de ellas son de tipo zoonósico y de prevalencia en el Ecuador
(Guglielmone, 1995; Montenegro – James, 1992; Vannier y Krause, 2009).
Por otro lado, Cochliomyia hominovorax es una mosca, que sugún la FAO, es de
mucha importancia en producción animal, en el continente sudamericano y que,
ha sido erradicada desde los Estados Unidos hasta Panamá. Hasta el año 2023, la
FAO espera erradicarla en todo el continente americano; sin embargo, en el
Ecuador no existen estudios de su presencia, densidad y no se conoce su
importancia en la producción animal y en la Salud Pública (Centro Internacional
de Zoonosis (CIZ), (2014), Epidemiología molecular de parásitos y
microorganismos de interés zoonósico: gusano barrenador del ganado,
garrapatas).
De acuerdo al Centro de Proyectos de Inversión (CEPI) del Instituto
Interamericano de Cooperación para la Agricultura se encontró lo siguiente: El
33
gusano barrenador es un parásito obligado de los animales de sangre caliente,
incluyendo el hombre. El huevo eclosiona alrededor de 12 horas después y la
pequeña larva entra en la herida y se alimenta de carne viva. Muchas otras
especies de mosca se alimentan de carne muerta, pero solamente el Gusano
Barrenador ataca al tejido vivo. Conforme la herida crece y otras masas de huevo
son ovipositadas, la herida se hace más grande y frecuentemente puede llegar a
producir la muerte, en caso que no sean tratadas con insecticidas. Muchos son los
efectos de este parásito sobre la ganadería, pero entre los más importantes cabe
destacar la pérdida de peso, el ser puerta de entrada para muchas infecciones
bacterianas, así como puede ocurrir la muerte del animal por el ataque directo del
parásito. Además, de los efectos negativos antes apuntados, hay que considerar el
gasto que ocasionan los pesticidas para su control, la mano de obra para aplicarlo
y las prácticas de manejo para la conservación diaria de los animales.
La Oficina Regional de la FAO para América Latina y el Caribe indica: La miasis
causada por el Gusano Barrenador del Ganado, Cochliomyia hominivorax,
(Coquerel), es considerada como una de las enfermedades parasitarias que
mayores daños causa a la industria pecuaria del Continente Americano, afectando
por lo tanto su desarrollo económico. La problemática suscitada por esta plaga es
tan importante, que si se desea obtener una actividad pecuaria rentable resulta
esencial su control y erradicación.
La miasis se define como la invasión de tejidos de humanos y animales por larvas
de dípteros, las cuales pueden causar perjuicios temporales o permanentes en sus
hospederos. En casos extremos, los daños extensos en tejidos internos pueden
resultar en la muerte del paciente. Es así que para abordar el tema de las miasis
estas se pueden clasificar desde diferentes enfoques, ya sean médicos, biológicos,
ecológicos o epidemiológicos. El enfoque multidisciplinar favorece la
comprensión de la epidemiología de la enfermedad parasitaria, fortalece el
conocimiento integral de estos parásitos y contribuye al desarrollo de programas
nacionales de vigilancia y control. A partir de una revisión de literatura extensa en
bases de datos y bibliotecas locales se discuten algunos tipos de miasis con el
propósito de recalcar las relaciones reales y potenciales entre la salud pública y la
salud pública veterinaria. (Forero – Becerra, 2011).
34
También, se ha identificado la falta de colaboración institucional entre los
organismos del Estado, las universidades, el sector público y privado, en el
planteamiento de políticas de investigación y control de las distintas enfermedades
que afectan a nuestro país. La falta de recursos para investigación en nuestro país
es evidente, limitando el desarrollo de proyectos puntuales que favorecerían a un
mejor entendimiento de la dinámica de las enfermedades y consecuentemente su
control (Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología
molecular de parásitos y microorganismos de interés zoonósico: gusano
barrenador del ganado, garrapatas).
En la actualidad no existen estudios concretos sobre epidemiología molecular,
resistencias a los productos químicos, distribución geográfica, modelización
ambiental, variabilidad genética, impacto social y económico (Centro
Internacional de Zoonosis (CIZ), (2014), Epidemiología molecular de parásitos y
microorganismos de interés zoonósico: gusano barrenador del ganado,
garrapatas).
35
CAPÍTULO III
3. DETERMINACIÓN DEL MODELO
3.1 PROCESAMIENTO DE DATOS
3.1.1 CÁLCULO DEL TAMAÑO DE LA MUESTRA
Es muy importante considerar, que las unidades de muestreo nos ayudan a
identificar los elementos básicos requeridos para el desarrollo de cualquier
investigación, a su vez, nos ayudan a obtener información de múltiples variables
como por ejemplo: variables sociales, ambientales, de salud humana y animal,
comportamiento de vectores, entre otras (Vivanco, 2005).
Para determinar la población objeto de estudio, primero se consideró que en el
Cantón San Miguel de los Bancos existen 3500 Unidades de Producción
Agropecuaria y que la participación de pasturas en la superficie agrícola es del
56,1%, por lo tanto el número de Unidades de Producción Agropecuaria con
pasturas se estimó en 1964; también se estimó que a nivel provincial, el pasto más
utilizado es la Saboya, con un 25% de la superficie destinada a la ganadería
tropical (III Censo Nacional Agropecuario, 2000; INEC, 2010; GAD San miguel
de los Bancos, 2014).
De acuerdo a estos datos, se podrá calcular el número de encuestas y unidades de
muestreo que servirán para el proyecto de investigación.
36
3.1.1.1 CÁLCULO DEL TAMAÑO DE MUESTRA EN UNA POBLACIÓN
INFINITA
Para el cálculo de la población infinita se utiliza la siguiente fórmula (Thrusfield,
2007)
𝒏 =𝒁𝟐 . 𝒑 . 𝒒
δ𝟐
Ecuación No. 1 Cálculo del tamaño de muestra de una población infinita
Fuente: (Thrusfield, 2007)
Donde:
n = Tamaño de la muestra.
Z = Distancia de la media del valor de significación propuesto. Para el proyecto es
un valor de 1,96, es decir el 95% de confianza.
p = Proporción de unidades portadoras del pasto en estudio, es decir, 0,25.
q = (1 – p).
δ = Precisión o magnitud del error. Para el proyecto adoptamos el valor de 0,08.
𝑛 =1,962 . 0,25 . (1 − 0,25)
0,082
𝑛 = 112
El cálculo de la población infinita, nos permite calcular la población finita, con el
objetivo de determinar nuestras unidades de muestreo (Vivanco, 2005).
37
3.1.1.2 CÁLCULO DEL TAMAÑO DE MUESTRA EN UNA POBLACIÓN
FINITA
Para el cálculo de la población finita se utiliza la siguiente fórmula (Thrusfield,
2007):
𝒏 =𝑵 . 𝒏∞
𝑵 + 𝒏∞
Ecuación No. 2 Cálculo del tamaño de muestra en una población finita
Fuente: (Thrusfield, 2007)
Donde:
n = Tamaño de la muestra.
N = Tamaño de la población.
n∞ = Tamaño de la muestra en una población infinita.
𝑛 =1964 . 112
1964 + 112
𝑛 = 106
3.1.2 ENCUESTAS Y UNIDADES DE MUESTREO EN LAS UPA’S
Para la realización de las encuestas, se socializó el proyecto, indicando a la
población el motivo de la investigación y lo importante que es su colaboración en
la obtención de información. El cálculo del tamaño de la muestra en una
población finita indica que se debería realizar 106 encuestas, de las cuales se logró
obtener 98 encuestas. Se obtuvo este número de encuestas debido a las
facilidades, colaboración e interés de los pobladores para la realización del
estudio, a pesar de haber obtenido las 98 encuestas, estas continúan siendo una
muestra representativa.
38
Foto No. 1 Socialización del Proyecto
Fuente: Epidemiologia molecular de parásitos y microorganismos de interés zoonósico:
gusano barrenador del ganado, garrapatas.
Las encuestas desde el punto de vista investigativo, proporcionan información
cuantitativa y cualitativa para el análisis de la situación actual del lugar de estudio.
Foto No. 2 Encuesta a dueño de una UPA
Fuente: Epidemiologia molecular de parásitos y microorganismos de interés zoonósico:
gusano barrenador del ganado, garrapatas.
39
Los datos cuantitativos y cualitativos, obtenidos de las 98 encuestas realizadas a
los propietarios de las UPA’s, son los siguientes:
- Número de cabezas de ganado.
- Presencia de garrapatas
- Presencia de Gusanera
De acuerdo a las visitas realizadas a las UPA’s en el Cantón San Miguel de los
Bancos, se evidenció el manejo de los desechos, la eliminación de aguas servidas
y la procedencia del agua recibida. Esto permitió establecer una línea base de
estas variables, lo que servirá para contrastar esta información obtenida en campo
con la información proporcionada por el INEC, que permita la generación de
modelos probabilísticos.
40
Figura No. 4 Mapa de Ubicación de las Unidades de Muestreo en el Cantón San Miguel de Los Bancos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
41
3.1.3 ANÁLISIS MULTICRITERIO Y EVALUACIÓN DE
ALTERNATIVAS
El proyecto de investigación, recurrió a numerosas variables que fueron
analizadas desde el punto de vista ambiental, socio – ambiental y de salud. Se
utilizó información cartográfica proporcionada por el Instituto Nacional de
Estadística y Censos – INEC, esta información por sectores se encuentra
distribuida en formato Shapefile que contienen datos de población y vivienda
georeferenciados del VII Censo de Población y VI de vivienda – 2010.
Se utilizó información dispersa debido a que las unidades de muestreo se
encuentran dentro de estos sectores, para la obtención de las variables por sector
fue necesario manejar el software Redatam+SP, ya que es una herramienta para
administrar bases de datos de gran volumen como por ejemplo los censos de
población y vivienda bajo una estructura jerárquica de ordenamiento, lo que
permite procesar información para áreas pequeñas como las manzanas o radios
censales (Manual de Resumen Redatam+SP, INEC).
Las variables ambientales, socio – ambientales y de salud obtenidos del INEC,
nos permitieron comparar los datos del programa Redatam+SP, con los datos de
las encuestas realizadas en campo.
Debido a que la información del VII Censo de Población y VI de vivienda – 2010
proporcionada por el INEC, se encuentra sólo a nivel de sector, ya que a nivel de
localidad es de acceso restringido, se utilizó la información por localidades del
año 2001 para las ponderaciones.
Para el análisis de las variables se realizó ponderaciones con el objetivo de asignar
pesos y demostrar matemáticamente la evaluación, análisis de alternativas,
variables y criterios, debido a que los métodos de ponderaciones cuantitativos son
los más empleados para el análisis y evaluación de información.
42
Figura No. 5 Mapa de Ubicación de los Sectores y Unidades de Muestreo
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
43
Figura No. 6 Mapa de Ubicación de las localidades del Cantón San Miguel de los Bancos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
44
3.1.3.1 MÉTODO DE JERARQUÍAS ANÁLITICAS DE T. L. SAATY
(AHP- The Analytic Hierarchy Process) PARA LA PONDERACIÓN DE
ALTERNATIVAS Y CRITERIOS
Se trata de un procedimiento de comparación por pares de los criterios, que parte
de una matriz cuadrada en la cual el número de filas y columnas está definido por
el número de criterios a ponderar. Así se establece una matriz de comparación
entre pares de criterios, comparando la importancia de cada uno de ellos con los
demás, posteriormente se calcula el eigenvector principal, el cual establece los
pesos (wj) que a su vez proporciona una medida cuantitativa de la consistencia de
los juicios de valor entre pares de factores (Saaty, 1980).
Las alternativas y sus correspondientes criterios, que se analizó con esta
metodología son las siguientes:
- Eliminación de los desechos:
C1: Un camión recolector recoge los desechos
C2: Arrojan los desechos en un terreno baldío o quebrada
C3: Incineran o entierran
C4: Arrojan los desechos al río, acequia o canal
- Procedencia del agua recibida:
C1: Reciben agua de pozo
C2: Reciben agua de río, vertiente, acequia o canal
C3: Reciben agua lluvia o albarrada
C4: Reciben agua de carro repartidor
C5: Reciben agua de red pública
- Sistema de eliminación de aguas servidas:
C1: Conectado a red pública de alcantarillado
C2: Conectado a pozo ciego
C3: Conectado a pozo séptico
C4: Con descarga directa al mar, río, lago o quebrada
45
- Nivel de instrucción al que asiste o asistió:
C1: Ninguno
C2: Ciclo post-bachillerato
C3: Secundario (bachillerato)
C4: Inferior al nivel secundario
3.1.3.1.1 MÉTODO AHP PARA LA PONDERACIÓN DE LA VARIABLE
ELIMINACIÓN DE LOS DESECHOS.
Para la ponderación de esta variable, el primer paso consistió en indicar cuales son
las alternativas o criterios para poder establecer las comparaciones entre los
mismos. Las alternativas o criterios en los que las personas eliminan los desechos
en el área de estudio, son los siguientes:
C1: Un carro recolector recoge los desechos
C2: Arrojan los desechos en un terreno baldío o quebrada
C3: Incineran o entierran
C4: Arrojan los desechos al río, acequia o canal
El siguiente paso fue generar la matriz de comparación por pares, para lo cual
Saaty elaboró una escala de medida que se divide en 9 intervalos con el siguiente
significado:
1= Igualmente significativo
3= ligeramente más significativo
5= notablemente más significativo
7= demostrablemente más significativo
9= absolutamente más significativo
Para realizar la ponderación se utilizó la escala propuesta por Saaty, en esta escala
se realizó la siguiente modificación, teniendo en cuenta que la variable a analizar
son los impactos ambientales que genera la eliminación de desechos:
1= Impacto ambiental igualmente significativo
3= Impacto ambiental ligeramente más significativo
46
5= Impacto ambiental notablemente más significativo
7= Impacto ambiental demostrablemente más significativo
9= Impacto ambiental absolutamente más significativo
Para llenar la matriz se inició con el criterio 1; es decir, C1 es igual de importante
o significativo que el mismo criterio, por lo tanto ubicamos en la matriz el número
1 asignado en la escala de Saaty, realizando lo mismo con los demás criterios,
como se muestra en la Tabla No.6:
Tabla No. 6 Matriz de comparación por pares de la variable eliminación de los desechos
paso 1
C1 C2 C3 C4
C1 1
C2 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para comparar criterios diferentes, se analizó bibliografía correspondiente a
manejo de desechos con el objetivo de que la comparación no sea de manera
subjetiva.
En un estudio FAO riego y drenaje realizado por Ongley (1997) se encontró lo
siguiente: Los contaminantes o desechos generados de las actividades ganaderas y
de la agricultura consiguen abrirse paso por ríos en formas de sedimentos y cargas
químicas, los problemas ambientales y las consecuencias que pueden generar
estos contaminantes tienen repercusiones tanto en salud pública como en salud
animal. La eliminación de desechos en ríos, acequias o canales, puede generar la
contaminación de alimentos por el lavado o riego con agua de estos ríos,
contaminados por la eliminación de desechos. La eliminación de residuos sólidos
produce contaminación de aguas superficiales y subterráneas por los productos
lixiviados y gases, generando contaminantes orgánicos, agentes patógenos,
lixiviados tóxicos y efectos ambientales graves que deterioren la calidad del
recurso hídrico.
47
La acumulación de desechos en terrenos baldíos o quebradas dan como resultado
sitios insalubres debido a que los desechos se encuentran mezclados, orgánicos e
inorgánicos, y en su descomposición proliferan hongos, bacterias y muchos otros
microorganismos causantes de enfermedades o infecciones. La acumulación de
desechos sólidos al aire libre es el ambiente propicio para que ratas, moscas y
mosquitos, hongos y bacterias se desarrollen en grandes cantidades y en periodos
de tiempo cortos; como consecuencia se generan focos de infección. (Recuperado
de: http://www.elnuevodiario.com.ni)
Los desechos sólidos perse son materiales que tienen valor económico, si son
manejados de forma adecuada o son reciclados, sin embargo en el país son pocos
los lugares en los que se aprovechan los desechos sólidos, por esto en la mayoría
de los casos se acumulan en botaderos al aire libre, como primera opción. En estos
lugares existen plagas de roedores e insectos que ocasionan alteraciones al
ecosistema y especies valiosas de flora y fauna, además se contamina las aguas
subterráneas y superficiales con los vertidos y exudados de los lixiviados, mismos
que aportan con una carga contaminante extrema (Armas & Yaselga, 2005).
Según datos provistos por el Programa Nacional de Gestión integral de Desechos
Sólidos, el MIDUVI y otras instituciones, se determinó que el servicio de
recolección de residuos sólidos tiene una cobertura nacional promedio del 84.2%
en las áreas urbanas y de 54.1% en el área rural, la fracción no recolectada
contribuye directamente a la creación de micro basurales descontrolados. Apenas
un 24% de los Gobiernos Autónomos Descentralizados ha iniciado procesos de
separación en la fuente, 26% procesos de recuperación de materia orgánica y 32%
de recolección diferenciada de desechos hospitalarios. El 73,4% de los vehículos
de recolección del país son compactadores y se tiende a no utilizar equipos
abiertos. El 70% de los equipos supera la vida útil de 10 años. Solo el 28% de los
residuos son dispuestos en rellenos sanitarios, sitios inicialmente controlados que
con el tiempo y por falta de estabilidad administrativa y financiera, por lo general,
terminan convirtiéndose en botaderos a cielo abierto. El 72% de los residuos
restante es dispuesto en botaderos a cielo abierto (quebradas, ríos, terrenos
baldíos, etc.), que provocan inconvenientes e impactos de diferente índole como
taponamiento de cauces de agua y alcantarillados, generación de deslaves,
48
proliferación de insectos y roedores; que traen consigo problemas ambientales y
de salud a la población. (Recuperado de: http://www.ambiente.gob.ec/programa-
pngids-ecuador/).
De acuerdo a la Semarnat (Secretaría de Medio Ambiente y Recursos Naturales)
de los Estados Unidos Mexicanos, en su libro Minimización y Manejo Ambiental
de los Residuos Sólidos, indica lo siguiente: En el proceso de incineración de
residuos se pueden generar problemas como la emisión de gases ácidos, CO2,
metales compuestos orgánicos, aumento en la concentración de contaminantes al
aire, efectos de CO2 en el cambio climático, NO2 y SO2 en vegetación y salud,
metales y compuestos orgánicos a través de la cadena alimentaria. Al enterrar los
desechos, se pueden generar los siguientes impactos; aumento en la concentración
de contaminantes, efectos en la salud, efectos en la vegetación, aumento en
concentración de sustancias en aguas receptoras por lixiviación, transferencia de
contaminantes en aguas subterráneas.
Para indicar con un ejemplo, de acuerdo a estos análisis de los párrafos
anteriormente citados, se consideró que el criterio C2 comparando con el criterio
C1, es notablemente más significativo, debido a que los impactos ambientales
que se producen al arrojar los desechos en un terreno baldío o quebrada son:
contaminación de aguas subterráneas y acuíferos, contaminación del suelo,
generación de lixiviados, suelo no apto para cultivo, problemas a la salud,
generación de vectores, malos olores, descomposición de los desechos y
proliferación de plagas. Por lo tanto, arrojar los desechos en un terreno baldío o
quebrada genera más impactos ambientales que eliminar los desechos a través de
un carro recolector. En la comparación, el criterio 2, genera más impactos
ambientales que el criterio 1, por este motivo se introdujo el valor de 5 como lo
establece Saaty en su escala, correspondiente a notablemente más significativo, en
la comparación, como se muestra en la Tabla No.7:
49
Tabla No. 7 Matriz de comparación por pares de la variable eliminación de los desechos
paso 2
C1 C2 C3 C4
C1 1
C2 5 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
De la comparación se obtuvo que 5 C2 = C1, por lo tanto si comparamos en forma
inversa, es decir, el criterio C1 (eliminar los desechos en un camión recolector) es
notablemente menos significativo que el criterio C2 (arrojar los desechos en un
terreno baldío o quebrada), obtenemos la siguiente ecuación C2 = C1/5.
De esta manera se completó el valor de 1/5 en la parte que corresponde de la
matriz. En el caso de querer asignar un valor que no se encuentra en la escala pero
está en los tramos definidos por ésta, se puede introducir un número par, como se
muestra en la Tabla No.8:
Tabla No. 8 Matriz de comparación por pares de la variable eliminación de los desechos
paso 3
C1 C2 C3 C4
C1 1 1/5
C2 5 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para llenar la matriz (A), es necesario establecer las comparaciones, dándose
cuenta de los impactos ambientales que generan cada uno de los criterios, como se
indica en la Tabla No.9
50
Tabla No. 9 Matriz de comparación por pares de la variable eliminación de los desechos
paso 4
C1 C2 C3 C4
C1 1 1/5 1/3 1/7
C2 5 1 3 1/3
C3 3 1/3 1 1/5
C4 7 3 5 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
El siguiente paso fue normalizar la matriz a suma 1, es decir se suma la primera
columna y se divide cada elemento de esta columna por la referida suma, de igual
manera con el resto de las columnas, como se detalla en la Tabla No.10
Tabla No. 10 Matriz de comparación por pares de la variable eliminación de los desechos
paso 5
C1 C2 C3 C4
C1 0,0625 0,0442 0,0357 0,0850
C2 0,3125 0,2208 0,3215 0,1984
C3 0,1875 0,0736 0,1072 0,1190
C4 0,4375 0,6623 0,5359 0,5952
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
A continuación se procedió a calcular la sumatoria de cada una de las filas, para
posteriormente dividir cada una de estas por el valor del orden de la matriz, en
este caso la matriz es de orden 4. El valor obtenido corresponde al peso de cada
uno de los criterios, como se establece en la Tabla No.11
51
Tabla No. 11 Matriz de comparación por pares de la variable eliminación de los desechos
paso 6
C1 C2 C3 C4 Ʃ/4 W %
C1 0,0625 0,0442 0,0357 0,0850 0,2274/4 0,06 6
C2 0,3125 0,2208 0,3215 0,1984 1,0532/4 0,26 26
C3 0,1875 0,0736 0,1072 0,1190 0,4873/4 0,12 12
C4 0,4375 0,6623 0,5359 0,5952 2,2309/4 0,56 56
Ʃ 100
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para comprobar que los pesos obtenidos son correctos, se procedió a calcular el
eigenvalor principal de dicha matriz, el cual nos proporciona una medida
cuantitativa de los juicios de valor asignados a los elementos de la matriz de
comparación por pares (Saaty, 1980). Esta medida se consigue mediante la
siguiente expresión:
𝑪. 𝑰. =𝝀𝒎á𝒙 − 𝒏
𝒏 − 𝟏
Ecuación No. 3 Índice de consistencia variable eliminación de los desechos
Fuente: Saaty, 1980.
Donde:
C.I.: Índice de consistencia
𝝀𝒎á𝒙: representa al eigenvalor principal de la matriz de comparación por pares
n: es el número de filas o de columnas de la matriz
Para el cálculo del eigenvalor, se realizó la multiplicación entre la matriz inicial y
los pesos, de la siguiente forma:
52
𝐴 𝑥 𝑊 = [
1537
1/51
1/33
1/3315
1/71/31/51
] [
0,060,260,120,56
] = [
0,22981,09910,49182,3549
]
𝜆𝑚á𝑥 = [0,22980,06 +
1,09910,26 +
0,49180,12 +
2,35490,56
]
4
𝜆𝑚á𝑥 = 4,11
Una vez calculado el eigenvalor se puede calcular el índice de consistencia.
𝐶. 𝐼. =𝜆𝑚á𝑥 − 𝑛
𝑛 − 1
𝐶. 𝐼. =4,11 − 4
4 − 1
𝐶. 𝐼. = 0,0394
La razón de consistencia R.C. es el resultado de la división entre el índice de
consistencia C.I. y el índice aleatorio R.I.
Para Saaty, R.I toma el valor de 0,90 para una matriz de orden 4.
𝑅. 𝐶.=𝐶. 𝐼.
𝑅. 𝐼.=
0,0394
0,90= 0,064
Ecuación No. 4 Razón de consistencia variable eliminación de los desechos
Fuente: Saaty, 1980.
53
Para que la consistencia de los juicios emitidos en la matriz de comparación por
pares sea aceptable, no se debe sobrepasar el 0,10 de razón de consistencia (R.C.).
El valor obtenido en el cálculo de la razón de consistencia R.C. indica que los
pesos en la matriz de comparación por pares son aceptables (Saaty, 1980), de este
análisis cuantitativo se obtiene el siguiente peso de cada uno de los criterios, como
se detalla en la Tabla No.12
Tabla No. 12 Pesos finales de la ponderación de la variable eliminación de desechos
N° CRITERIOS PESO FINAL-
PORCENTAJE
C1 Eliminan los desechos por camión recolector 6%
C2 Arrojan los desechos en un terreno baldío o
quebrada
26%
C3 Incineran o entierran los desechos 12%
C4 Arrojan los desechos al río, acequia o canal 56%
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Gráfico No. 1 Pesos finales de la ponderación de la variable eliminación de desechos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
6%
26%
12%
56%
PESO FINAL-PORCENTAJE
Eliminan los desechos porcamión recolector
Arrojan los desechos enun terreno baldío oquebrada
Incineran o entierran losdesechos
Arrojan los desechos alrío, acequia o canal
54
3.1.3.1.2 MÉTODO AHP PARA LA PONDERACIÓN DE LA VARIABLE
PROCEDENCIA DEL AGUA RECIBIDA
Para el análisis de esta variable, nos basamos en los impactos a la salud que
genera el recibir agua lluvia, albarrada, de carro repartidor, de pozo, de red
pública, de río, vertiente, acequia o canal. Estos criterios fueron ponderados
comparando con los datos obtenidos en campo, y con los datos del INEC, los
criterios para la ponderación de esta variable se describen a continuación:
C1: reciben agua de pozo
C2: reciben agua de río, vertiente, acequia o canal
C3: reciben agua lluvia o albarrada
C4: reciben agua de carro repartidor
C5: reciben agua de red pública
Para la ponderación de esta variable se utilizó la escala de Saaty, teniendo en
cuenta que la variable a analizar son los impactos a la salud que genera la
procedencia del agua que recibe la población en el área de estudio:
1= Impacto a la salud igualmente significativo
3= Impacto a la salud ligeramente más significativo
5= Impacto a la salud notablemente más significativo
7= Impacto a la salud demostrablemente más significativo
9= Impacto a la salud absolutamente más significativo
Para llenar la matriz se inició con el criterio 1; es decir, C1 es igual de importante
o significativo que el mismo criterio, por lo tanto se ubica en la matriz el número
1 asignado en la escala de Saaty, realizando lo mismo con los demás criterios,
como se indica en la Tabla No.13
55
Tabla No. 13 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 1
C1 C2 C3 C4 C5
C1 1
C2 1
C3 1
C4 1
C5 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Al igual que la variable anterior, se realizó un análisis de los criterios de esta
variable, con el objetivo de que los números que se asignen en la matriz de
comparación por pares no sean subjetivos.
Reynolds (2002) encontró lo siguiente: Los factores más importantes que ponen
en riesgo el uso de aguas subterráneas son: La contaminación derivada de
actividades humanas, es decir, la contaminación de acuíferos con lixiviados
generados por enterrar los desechos. El recibir agua de pozo puede generar
problemas a la salud por la concentración de compuestos como nitratos, los cuales
son altamente solubles en agua y fácilmente transportados por la lluvia a través
del suelo hasta los acuíferos. Los ríos por lo general, son los depósitos de
desechos sólidos y líquidos, lo que genera la contaminación de los mismos, es por
esto, que recibir agua de estos recursos puede generar problemas a la salud,
enfermedades causadas por agentes biólogicos, además, la eliminación de
desechos en ríos, genera contaminación microbiológica debido a la presencia de
organismos patógenos.
Noji (1997) afirma que el factor más importante de considerar cuando se buscan
nuevas formas de suministro de agua es la fuente. El agua superficial puede estar
rápidamente disponible pero está sujeta a una constante contaminación por
excretas, agentes químicos o desechos. Las aguas de manantiales y pozos pueden
tener mejor calidad microbiológica comparada con las superficiales. Si el agua de
manantial se va a utilizar para el consumo humano una buena medida es dotar su
fuente de una barrera para protegerla de la contaminación superficial. Las aguas
56
de pozo poco profundos se pueden contaminar fácilmente por drenajes
superficiales o por extravasación de aguas pútridas de pozos sépticos o letrinas, si
los pozos no están situados, mantenidos o recubiertos apropiadamente. El agua de
pozos muy profundos puede ser turbia y ocasionalmente dañina por tener
minerales disueltos. El agua lluvia puede estar contaminada a menos que se tomen
ciertas medidas para mantener su calidad durante los procesos de recolección y
almacenamiento (es decir, mantener el cloro residual durante el almacenamiento).
Las aguas lluvia son menos confiables que las fuentes de ríos o de la capa freática,
ya que son susceptibles a los cambios estacionales.
En la comparación entre el criterio 2 y el criterio 1, de acuerdo al análisis
mencionado en los párrafos anteriores, se puede establecer que recibir agua de río,
acequia o canal genera impactos a la salud ligeramente más significativos que
recibir agua de pozo, por lo tanto se calificó el criterio conforme a la escala de
Saaty, como se detalla en la Tabla No.14
Tabla No. 14 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 2
C1 C2 C3 C4 C5
C1 1
C2 3 1
C3 1
C4 1
C5 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
De la comparación se obtuvo que 3 C2 = C1, por lo tanto si se compara en forma
inversa, es decir, el criterio C1 es ligeramente menos significativo que el criterio
C2, se obtiene la siguiente ecuación C2 = C1/3.
De esta manera se completa el valor de 1/3 en la parte que corresponde de la
matriz. En el caso de querer asignar un valor que no se encuentra en la escala pero
está en los tramos definidos por ésta, se puede introducir un número par, como se
muestra en la Tabla No.15
57
Tabla No. 15 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 3
C1 C2 C3 C4 C5
C1 1 1/3
C2 3 1
C3 1
C4 1
C5 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para llenar la matriz (A), es necesario establecer las comparaciones dándose
cuenta de los impactos a la salud que genera la procedencia del agua recibida,
como se establece en la Tabla No.16
Tabla No. 16 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 4
C1 C2 C3 C4 C5
C1 1 1/3 3 5 7
C2 3 1 5 6 7
C3 1/3 1/5 1 3 4
C4 1/5 1/6 1/3 1 2
C5 1/7 1/7 1/4 1/2 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
El siguiente paso fue normalizar la matriz a suma 1, es decir se suma la primera
columna y se divide cada elemento de esta columna por la referida suma, de igual
manera con el resto de las columnas, como se indica en la Tabla No.17
58
Tabla No. 17 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 5
C1 C2 C3 C4 C5
C1 0,2137 0,1812 0,3132 0,3226 0,3333
C2 0,6410 0,5435 0,5219 0,3871 0,3333
C3 0,0712 0,1087 0,1044 0,1935 0,1905
C4 0,0427 0,0906 0,0348 0,0645 0,0952
C5 0,0305 0,0776 0,0261 0,0323 0,0476
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
A continuación se procedió a calcular la sumatoria de cada una de las filas, para
posteriormente dividir cada una de las sumatorias de las filas por el valor del
orden de la matriz, en este caso la matriz es de orden 5. El valor obtenido
corresponde al peso de cada uno de los criterios, como se indica en la Tabla No.18
Tabla No. 18 Matriz de comparación por pares de la variable procedencia del agua
recibida paso 6
C1 C2 C3 C4 C5 Ʃ/5 W %
C1 0,2137 0,1812 0,3132 0,3226 0,3333 1,364/5 0,273 27
C2 0,6410 0,5435 0,5219 0,3871 0,3333 2,427/5 0,485 49
C3 0,0712 0,1087 0,1044 0,1935 0,1905 0,6683/5 0,134 13
C4 0,0427 0,0906 0,0348 0,0645 0,0952 0,3278/5 0,065 7
C5 0,0305 0,0776 0,0261 0,0323 0,0476 0,0214/5 0,043 4
Ʃ 100
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para comprobar que los pesos obtenidos son correctos, se procedió a calcular el
eigenvalor principal de dicha matriz el cual nos proporciona una medida
cuantitativa de los juicios de valor asignados a los elementos de la matriz de
comparación por pares (Saaty, 1980). Esta medida se consigue mediante la
siguiente expresión:
59
𝑪. 𝑰. =𝝀𝒎á𝒙 − 𝒏
𝒏 − 𝟏
Ecuación No. 5 Índice de consistencia variable procedencia del agua recibida
Fuente: Saaty, 1980.
Donde:
C.I.: Índice de consistencia
𝝀𝒎á𝒙: representa al eigenvalor principal de la matriz de comparación por pares
n: es el número de filas o de columnas de la matriz
Para el cálculo del eigenvalor, se realiza una multiplicación, entre la matriz inicial
y los pesos, de la siguiente forma:
𝐴 𝑥 𝑊 =
[
13
1/31/51/7
1/31
1/51/61/7
351
1/31/4
5631
1/2
77421]
[ 0,2730,4850,1340,0650,043]
=
[ 1,46332,66550,68970,33120,2173]
𝜆𝑚á𝑥 = [1,46330,273 +
2,66550,485 +
0,68970,134 +
0,33120,065 +
0,21730,043
]
5
𝜆𝑚á𝑥 = 5,23
Una vez calculado el eigenvalor se puede calcular el índice de consistencia.
𝐶. 𝐼. =𝜆𝑚á𝑥 − 𝑛
𝑛 − 1
𝐶. 𝐼. =5,23 − 5
5 − 1
60
𝐶. 𝐼. = 0,0575
La razón de consistencia R.C. es el resultado de la división entre el índice de
consistencia C.I. y el índice aleatorio R.I.
Para Saaty, R.I toma el valor de 1,12 para una matriz de orden 5.
𝑅. 𝐶.=𝐶. 𝐼.
𝑅. 𝐼.=
0,0575
1,12= 0,05
Ecuación No. 6 Razón de consistencia variable procedencia del agua recibida
Fuente: Saaty, 1980.
Para que la consistencia de los juicios emitidos en la matriz de comparación por
pares sea aceptable, no se debe sobrepasar el 0,10 de R.C.
El valor obtenido en el cálculo de la razón de consistencia R.C. indica que los
pesos en la matriz de comparación por pares son aceptables (Saaty, 1980), como
se establece en la Tabla No.19
Tabla No. 19 Pesos finales de la ponderación de la variable procedencia del agua recibida
N° CRITERIOS PESO FINAL-
PORCENTAJE
C1 Reciben agua de pozo 27%
C2 Reciben agua de río, vertiente, acequia o canal 49%
C3 Reciben agua lluvia o albarrada 13%
C4 Reciben agua de carro repartidor 7%
C5 Reciben agua de red pública 4%
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
61
Gráfico No. 2 Pesos finales de la ponderación de la variable procedencia del agua
recibida
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
3.1.3.1.3 MÉTODO AHP PARA LA PONDERACIÓN DE LA VARIABLE
ELIMINACIÓN DE AGUAS SERVIDAS
Para la ponderación de esta variable, el primer paso consistió en indicar cuáles son
las alternativas o criterios para poder establecer las comparaciones entre los
mismos. De acuerdo a las encuestas realizadas en campo y según los datos
otorgados por el INEC los criterios a analizar respecto a cómo es la eliminación
de las aguas servidas son los siguientes:
C1: Conectado a red pública de alcantarillado
C2: Conectado a pozo ciego
C3: Conectado a pozo séptico
C4: Con descarga directa al mar, río, lago o quebrada
Para realizar la ponderación se utilizó la escala propuesta por Saaty, en esta escala
se realizó la siguiente modificación, teniendo en cuenta que la variable a analizar
son los impactos al ambiente y a la salud que genera la eliminación de las aguas
servidas.
49%
27%
13% 7%
4%
PESO FINAL-PORCENTAJE Reciben agua de río,vertiente, acequia ocanalReciben agua de pozo
Reciben agua lluvia oalbarrada
Reciben agua de carrorepartidor
Reciben agua de redpública
62
1= Impacto ambiental y a la salud igualmente significativo
3= Impacto ambiental y a la salud ligeramente más significativo
5= Impacto ambiental y a la salud notablemente más significativo
7= Impacto ambiental y a la salud demostrablemente más significativo
9= Impacto ambiental y a la salud absolutamente más significativo
Para llenar la matriz se inició con el criterio 1; es decir, C1 es igual de importante
o significativo que el mismo criterio, por lo tanto ubicamos en la matriz el número
1 asignado en la escala de Saaty, realizando lo mismo con los demás criterios,
como se detalla en la Tabla No.20
Tabla No. 20 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 1
C1 C2 C3 C4
C1 1
C2 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para la comparación de criterios diferentes, es necesario realizar un análisis de la
eliminación de aguas servidas mediante pozo ciego, pozo séptico, red pública de
alcantarillado y con descargas directas a ríos.
Paz (1971) indica que: La contaminación del agua impide su aprovechamiento y
esto equivale a una pérdida parcial de los recursos de agua de un país; de ahí que
exista una estrecha relación entre la lucha contra la contaminación y la
administración de los recursos de agua existentes. En algunas regiones, las aguas
subterráneas han sido contaminadas en tal medida por las aguas residuales
domésticas y los efluentes industriales que ha sido necesario abandonarlas como
fuente de abastecimiento. Si no está muy contaminada, el agua se purifica por sí
misma. Pero si la contaminación es mucha este proceso de purificación es lento e
inseguro. La eliminación de aguas servidas puede generar la contaminación de la
tierra, cultivos alimenticios, incluso la infección de animales.
63
Muchas enfermedades, incluidas el cólera, la fiebre tifoidea y las diarreas
causadas por virus u por bacterias, pueden difundirse cuando las aguas residuales,
portadoras de microorganismos patógenos, contaminan los suministros de aguas
potables. La transmisión de enfermedades a través del agua puede prevenirse
mediante los tratamientos adecuados de las aguas residuales y de las aguas de
consumo humano. Hasta finales del siglo XIX, las ciudades no eran lugares
seguros para vivir porque las aguas residuales se acumulaban en pozos negros
abiertos y no se disponía de agua potable que hubiera recibido un tratamiento
adecuado (Ingraham, J. & Ingraham, C., 1998)
Noji (1997) indica que: El manejo inapropiado de los desechos humanos, afecta
adversamente la salud pública. Sin una adecuada cantidad de agua, los ‘sistemas
húmedos’ de disposición de excretas que requieren chorros de agua, no son
prácticos. El manejo inapropiado de aguas de desecho genera problemas de olores
y vectores.
“Los efectos negativos que contrarrestará la construcción de pozos sépticos son el
aporte de aguas residuales sin tratamiento al subsuelo, la contaminación de
corrientes hídricas superficiales y subterráneas, el inadecuado saneamiento básico,
alta mortalidad en sectores rurales” (Villarreal, 2000, p.212).
De acuerdo al Manual de autoconstrucción de un sistema de tratamiento de aguas
residuales domiciliarias: Las aguas residuales domiciliarias, tal como salen de la
casa, contienen distintos contaminantes que, de no ser tratados, pueden afectar
nuestra salud y la calidad del ambiente en el que vivimos. Entre estos
contaminantes encontramos: Microorganismos patógenos (bacterias, virus,
parásitos) que producen enfermedades como la hepatitis, cólera, disentería,
diarreas, giardiasis, etc. Materia orgánica (materia fecal, papel higiénico, restos de
alimentos, jabones y detergentes) que consume el oxígeno del agua y produce
malos olores. Nutrientes que propician el desarrollo desmedido de algas y malezas
acuáticas en arroyos, ríos y lagunas. Otros contaminantes como aceites, ácidos,
pinturas, solventes, venenos, etc., que alteran el ciclo de vida de las comunidades
acuáticas. En las zonas sin servicio de cloacas, las aguas residuales de las
viviendas, se vuelcan en pozos absorbentes, conocidos también como pozos
ciegos o negros. Éstos no siempre funcionan correctamente. A veces se
64
impermeabilizan con grasas y jabones y pierden su capacidad de trabajo. Otro
problema que se produce cuando el fondo de los pozos absorbentes se pone en
contacto con la napa freática es la contaminación de las aguas subterráneas. Esto
tiene graves consecuencias para quienes utilizan la primera napa como fuente de
agua de consumo diario, ya que muchas infecciones intestinales se transmiten por
esta vía. (Recuperado de: http://www.osmgp.gov.ar)
Isch (2011) señala lo siguiente: La descarga no controlada de los desechos hacia
cuerpos receptores ha causado una serie de inconvenientes en el país,
mencionando los siguientes: Contaminación de suelos agrícolas y por ende de los
cultivos, al emplear como agua de riego una fuente contaminada, incremento del
parasitismo y potenciación de enfermedades de origen hídrico, lo que a su vez ha
generado índices de morbilidad y mortalidad infantil alarmantes, limitaciones para
usos en piscifactorías, imposibilidad de emplear las fuentes contaminadas para
abastecimiento de agua potable para otras poblaciones aguas abajo de la descarga,
así como restricciones para uso en riego, daños en la biota, que en muchos casos
es irreversible, deterioro significativo del paisaje, deterioro de la calidad de vida
de las personas directamente ubicadas en el área de influencia de la
contaminación, riesgos alimenticios a la población en general, situaciones críticas
de contaminación en épocas de estiaje y condiciones propicias para el incremento
de poblaciones de vectores (roedores, insectos).
Del análisis realizado en los párrafos anteriores, se argumenta que el criterio C2
comparando con el criterio C1 es notablemente más significativo, debido a que
eliminar las aguas servidas por pozo ciego genera más impactos ambientales y a la
salud que eliminar las aguas servidas en la red pública de alcantarillado. Por este
motivo se introduce el valor de 5 establecido en la escala de Saaty,
correspondiente a notablemente más significativo en la comparación, como se
muestra en la Tabla No.21
65
Tabla No. 21 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 2
C1 C2 C3 C4
C1 1
C2 5 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
De la comparación se obtuvo que 5 C2 = C1, por lo tanto si comparamos en forma
inversa, es decir, el criterio C1 (eliminar las aguas servidas en la red pública de
alcantarillado) es notablemente menos significativo que el criterio C2 (eliminar
las aguas servidas mediante pozo ciego), obtenemos la siguiente ecuación C2 =
C1/5.
De esta manera se completó el valor de 1/5 en la parte que corresponde de la
matriz. En el caso de querer asignar un valor que no se encuentra en la escala pero
está en los tramos definidos por ésta, se puede introducir un número par, como se
indica en la Tabla No.22
Tabla No. 22 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 3
C1 C2 C3 C4
C1 1 1/5
C2 5 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para llenar la matriz (A), es necesario establecer las comparaciones, dándose
cuenta de los impactos al ambiente y a la salud, que generan cada uno de los
criterios, como se muestra en la Tabla No.23
66
Tabla No. 23 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 4
C1 C2 C3 C4
C1 1 1/5 1/3 1/7
C2 5 1 3 1/3
C3 3 1/3 1 1/5
C4 7 3 5 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
El siguiente paso fue normalizar la matriz a suma 1, es decir se suma la primera
columna y se divide cada elemento de esta columna por la referida suma, de igual
manera con el resto de las columnas, como se muestra en la Tabla No.24
Tabla No. 24 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 5
C1 C2 C3 C4
C1 0,0625 0,0442 0,0357 0,0850
C2 0,3125 0,2208 0,3215 0,1984
C3 0,1875 0,0736 0,1072 0,1190
C4 0,4375 0,6623 0,5359 0,5952
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
A continuación se procedió a calcular la sumatoria de cada una de las filas, para
posteriormente dividir cada una de estas por el valor del orden de la matriz, en
este caso la matriz es de orden 4. El valor obtenido corresponde al peso de cada
uno de los criterios, como se detalla en la Tabla No.25
67
Tabla No. 25 Matriz de comparación por pares de la variable eliminación de aguas
servidas paso 6
C1 C2 C3 C4 Ʃ/4 W %
C1 0,0625 0,0442 0,0357 0,0850 0,2274/4 0,06 6
C2 0,3125 0,2208 0,3215 0,1984 1,0532/4 0,26 26
C3 0,1875 0,0736 0,1072 0,1190 0,4873/4 0,12 12
C4 0,4375 0,6623 0,5359 0,5952 2,2309/4 0,56 56
Ʃ 100
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para comprobar que los pesos obtenidos son correctos, se procedió a calcular el
eigenvalor principal de dicha matriz, el cual nos proporciona una medida
cuantitativa de los juicios de valor asignados a los elementos de la matriz de
comparación por pares (Saaty, 1980). Esta medida se consigue mediante la
siguiente expresión:
𝑪. 𝑰. =𝝀𝒎á𝒙 − 𝒏
𝒏 − 𝟏
Ecuación No. 7 Índice de consistencia variable eliminación de aguas servidas
Fuente: Saaty, 1980
Donde:
C.I.: Índice de consistencia
𝝀𝒎á𝒙: representa al eigenvalor principal de la matriz de comparación por pares
n: es el número de filas o de columnas de la matriz
Para el cálculo del eigenvalor, se realizó una multiplicación, entre la matriz inicial
y los pesos, de la siguiente forma:
68
𝐴 𝑥 𝑊 = [
1537
1/51
1/33
1/3315
1/71/31/51
] [
0,060,260,120,56
] = [
0,22981,09910,49182,3549
]
𝜆𝑚á𝑥 = [0,22980,06 +
1,09910,26 +
0,49180,12 +
2,35490,56
]
4
𝜆𝑚á𝑥 = 4,11
Una vez calculado el eigenvalor se puede calcular el índice de consistencia.
𝐶. 𝐼. =𝜆𝑚á𝑥 − 𝑛
𝑛 − 1
𝐶. 𝐼. =4,11 − 4
4 − 1
𝐶. 𝐼. = 0,0394
La razón de consistencia R.C. es el resultado de la división entre el índice de
consistencia C.I. y el índice aleatorio R.I.
Según Saaty, R.I toma el valor de 0,90 para una matriz de orden 4.
𝑅. 𝐶.=𝐶. 𝐼.
𝑅. 𝐼.=
0,0394
0,90= 0,064
Ecuación No. 8 Razón de consistencia variable eliminación de aguas servidas
Fuente: Saaty, 1980
69
Para que la consistencia de los juicios emitidos en la matriz de comparación por
pares sea aceptable, no se debe sobrepasar el 0,10 de razón de consistencia (R.C.).
El valor obtenido en el cálculo de la razón de consistencia R.C. indica que los
pesos en la matriz de comparación por pares son aceptables (Saaty, 1980), de este
análisis cuantitativo se obtiene el siguiente peso de cada uno de los criterios, como
se muestra en la Tabla No.26
Tabla No. 26 Pesos finales de la ponderación de la variable eliminación de aguas
servidas
N° CRITERIOS PESO FINAL-
PORCENTAJE
C1 Con red pública de alcantarillado 6%
C2 Pozo ciego 26%
C3 Pozo séptico 12%
C4 Con descarga directa al río o quebrada 56%
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Gráfico No. 3 Pesos finales de la ponderación de la variable eliminación de aguas
servidas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
6% 26%
12%
56%
PESO FINAL-PORCENTAJE
Con red pública dealcantarillado
Pozo ciego
Pozo séptico
Con descarga directa alrío o quebrada
70
3.1.3.1.4 MÉTODO AHP PARA LA PONDERACIÓN DE LA VARIABLE
NIVEL DE INSTRUCCIÓN AL QUE ASISTE O ASISTIÓ.
Para la ponderación de esta variable, el primer paso consistió en indicar cuáles son
las alternativas o criterios para poder establecer las comparaciones entre los
mismos. Según los datos otorgados por el INEC los criterios a analizar respecto
nivel de instrucción que asisten o asistieron las personas en las localidades de
estudio son los siguientes:
C1: Ninguno
C2: Ciclo post-bachillerato
C3: Secundario (bachillerato)
C4: Inferior al nivel secundario
Para llenar la matriz de comparación por pares, es necesario analizar la relación
entre educación – ambiente, como explica en los párrafos siguientes, con el
objetivo de que la comparación de criterios sea correcta.
Mientras las propuestas internacionales tienden a asumir la educación como una
herramienta para lograr objetivos predeterminados, lo que permanece en la
sombra de tal visión instrumental es la necesidad de reflexionar sobre las
realidades del medio ambiente y del desarrollo que son vistas como problemas.
Una omisión aún más importante es la idea de una educación que reflexiona sobre
las nociones de medio ambiente y de desarrollo. (CNUMAD, 1993)
González (2008, p.32) encontró lo siguiente: Podemos mencionar también que si
bien se admite la importancia de la problemática social, las propuestas
internacionales valoran mucho la ciencia –más específicamente las Ciencias
Ambientales- y la transferencia de tecnología como condiciones del crecimiento
económico sostenido y como soluciones clave para los problemas ambientales
son, por lo tanto, el núcleo del aprendizaje en “educación ambiental”.
La educación ya no es vista como un objetivo en y por sí mismo, sino como un
medio para lograr cambios en los comportamientos y los estilos de vida, para
diseminar el conocimiento y desarrollar habilidades, así como para preparar al
71
público a apoyar los cambios hacia la sustentabilidad que emanan de otros
sectores de la sociedad (UNESCO, 1997).
La Educación Ambiental está llamada a jugar un papel fundamental en la
formación de los valores y de las competencias ciudadanas que permitan valorar
los estilos de vida –los nuestros y los de otros- para encaminarnos hacia la
preservación del medio ambiente y para alcanzar un mejor nivel de vida en el
planeta (a nivel global) y en los propios Municipios (a nivel local). De este modo,
la toma de conciencia sobre el deterioro del ambiente local y global, y sobre las
consecuencias que se pueden derivar de él, debe implicar también reflexiones y
acciones sobre los cambios que la ciudadanía y la sociedad precisa asumir, que
tienen en lo <<local >> una de sus primeras esferas de referencia. En este sentido,
precisamente, reconocer la dimensión política de la Educación Ambiental como
práctica pedagógica es lo que ha de contribuir a formar el espíritu crítico y a
promover el cambio social. Esta visión supone una planificación con metas a
corto, medio y largo plazo, para la que es preciso establecer estrategias vinculadas
a las características específicas de cada comunidad y posteriormente, orientar y
concretar las acciones a desarrollar desde los propios entes locales y los agentes
sociales, públicos y privados, individuos u organizaciones, que están implicados
en el proceso. (Melendro, Murga, & Cano, 2011)
Para realizar la ponderación se utilizó la escala propuesta por Saaty, en esta escala
se realizó la siguiente modificación, teniendo en cuenta que la variable a analizar
es el nivel de instrucción que asisten o asistieron las personas del área de estudio,
y cómo en el medio ambiente.
1= El grado de contaminación que puede generar es igualmente significativo
3= El grado de contaminación que puede generar es ligeramente más significativo
5= El grado de contaminación que puede generar es notablemente más
significativo
7= El grado de contaminación que puede generar es demostrablemente más
significativo
9= El grado de contaminación que puede generar es absolutamente más
significativo
72
Para llenar la matriz se inició con el criterio 1; es decir, C1 es igual de importante
o significativo que el mismo criterio, por lo tanto se ubicó en la matriz el número
1 asignado en la escala de Saaty, realizando lo mismo con los demás criterios,
como se indica en la Tabla No.27
Tabla No. 27 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 1
C1 C2 C3 C4
C1 1
C2 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para la comparación entre el criterio 2 y el criterio 1, se consideró del análisis
anterior, que si el nivel de instrucción al que asiste o asistió es el ciclo post-
bachillerato, correspondiente al criterio 2, comparando con el criterio 1 que
corresponde a que no ha asistido a ningún nivel de educación, las personas que
asisten o asistieron al nivel de instrucción del ciclo post-bachillerato tienen una
mayor educación ambiental a diferencia con aquellas personas que no asistieron a
ningún nivel de educación, por lo tanto probablemente el grado de contaminación
que genera el criterio C2, es demostrablemente menos significativo que el criterio
C1. De acuerdo a este análisis se colocó el número 1/7 en la casilla que
corresponde, como se detalla en la Tabla No.28
Tabla No. 28 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 2
C1 C2 C3 C4
C1 1
C2 1/7 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
73
De la comparación se obtiene que 1/7 C2 = C1, por lo tanto si se compara en
forma inversa, se obtiene la siguiente ecuación C2 = 7 C1 De esta manera se
completa el valor de 7 en la parte que corresponde de la matriz. En el caso de
querer introducir un número par que no se encuentra en la escala pero está en los
tramos definidos por ésta, podemos hacerlo, como se establece en la Tabla No.29
Tabla No. 29 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 3
C1 C2 C3 C4
C1 1 7
C2 1/7 1
C3 1
C4 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para llenar la matriz (A), es necesario establecer las comparaciones, dándose
cuenta del grado de contaminación que generan las personas, de acuerdo a su
nivel de instrucción, como se muestra en la Tabla No.30
Tabla No. 30 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 4
C1 C2 C3 C4
C1 1 7 5 3
C2 1/7 1 1/3 1/4
C3 1/5 3 1 1/3
C4 1/3 4 3 1
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
El siguiente paso es normalizar la matriz a suma 1, es decir se suma la primera
columna y se divide cada elemento de esta columna por la referida suma, de igual
manera con el resto de las columnas, como se detalla en la Tabla No.31
74
Tabla No. 31 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 5
C1 C2 C3 C4
C1 0,5966 0,4667 0,5357 0,6546
C2 0,0852 0,0667 0,0357 0,0545
C3 0,1193 0,2000 0,1071 0,0727
C4 0,1989 0,2667 0,3214 0,2182
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
A continuación se procede a calcular la sumatoria de cada una de las filas, para
posteriormente dividir cada una de estas por el valor del orden de la matriz, en
este caso la matriz es de orden 4. El valor obtenido corresponde al peso de cada
uno de los criterios, como se indica en la Tabla No.32
Tabla No. 32 Matriz de comparación por pares de la variable nivel de instrucción al que
asiste o asistió paso 6
C1 C2 C3 C4 Ʃ/4 W %
C1 0,5966 0,4667 0,5357 0,6546 0,5634 56,3 56
C2 0,0852 0,0667 0,0357 0,0545 0,0605 6,1 6
C3 0,1193 0,2000 0,1071 0,0727 0,1248 12,5 13
C4 0,1989 0,2667 0,3214 0,2182 0,2513 25,1 25
Ʃ 100
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Saaty, 1980.
Para comprobar que los pesos obtenidos son correctos, se procede a calcular el
eigenvalor principal de dicha matriz, el cual nos proporciona una medida
cuantitativa de los juicios de valor asignados a los elementos de la matriz de
comparación por pares (Saaty, 1980). Esta medida se consigue mediante la
siguiente expresión:
75
𝑪. 𝑰. =𝝀𝒎á𝒙 − 𝒏
𝒏 − 𝟏
Ecuación No. 9 Índice de consistencia variable nivel de instrucción al que asiste o asistió
Fuente: Saaty, 1980
Donde:
C.I.: Índice de consistencia
𝝀𝒎á𝒙: representa al eigenvalor principal de la matriz de comparación por pares
n: es el número de filas o de columnas de la matriz
Para el cálculo del eigenvalor, se realiza una multiplicación, entre la matriz inicial
y los pesos, de la siguiente forma:
𝐴 𝑥 𝑊 = [
11/71/51/3
7134
51/313
31/41/31
] [
0,56340,06050,12480,2513
] = [
2,36480,23580,50271,0555
]
𝜆𝑚á𝑥 = [2,36480,054 +
0,23580,156 +
0,50270,030 +
1,05550,2513
]
4
𝜆𝑚á𝑥 = 4,0808
Una vez calculado el eigenvalor se puede calcular el índice de consistencia.
𝐶. 𝐼. =𝜆𝑚á𝑥 − 𝑛
𝑛 − 1
𝐶. 𝐼. =4,08 − 4
4 − 1
𝐶. 𝐼. = 0,0269
76
La razón de consistencia R.C. es el resultado de la división entre el índice de
consistencia C.I. y el índice aleatorio R.I.
Para Saaty, R.I toma el valor de 0,90 para una matriz de orden 4.
𝑅. 𝐶.=𝐶. 𝐼.
𝑅. 𝐼.=
0,0269
0,90= 0,03
Ecuación No. 10 Razón de consistencia variable nivel de instrucción al que asiste o
asistió
Fuente: Saaty, 1980
Para que la consistencia de los juicios emitidos en la matriz de comparación por
pares sea aceptable, no se debe sobrepasar el 0,10 de razón de consistencia (R.C.).
El valor obtenido en el cálculo de la razón de consistencia R.C. indica que los
pesos en la matriz de comparación por pares son aceptables (Saaty, 1980), de este
análisis cuantitativo se obtiene el siguiente peso de cada uno de los criterios, como
se detalla en la Tabla No.33
Tabla No. 33 Pesos finales de la ponderación de la variable nivel de instrucción al que
asiste o asistió
N° CRITERIOS PESO FINAL-
PORCENTAJE
C1 Ninguno 56%
C2 Ciclo post-bachillerato 6%
C3 Secundario (bachillerato) 13%
C4 Inferior al nivel secundario 25%
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
77
Gráfico No. 4 Pesos finales de la ponderación de la variable nivel de instrucción al que
asiste o asistió
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
3.2 CÁLCULO DEL MODELO
3.2.1 MODELOS DE PRECIPITACIÓN Y TEMPERATURA EN EL
CANTÓN SAN MIGUEL DE LOS BANCOS.
Para realizar los modelos de precipitación y temperatura, se recopiló información
correspondiente a datos de precipitación y temperatura de las estaciones
meteorológicas de las Provincias de Pichincha y Santo Domingo de los Tsáchilas.
Posteriormente se tabuló y se revisó la información con el fin de georeferenciar
las estaciones con sus correspondientes datos de precipitación máxima,
precipitación mínima, precipitación media, temperatura máxima, temperatura
mínima y temperatura media.
Los datos de estaciones meteorológicas que se utilizaron para la investigación, se
muestran a continuación en la Tabla No.34
56% 25%
13% 6%
PESO FINAL-PORCENTAJE
Ninguno
Inferior al nivelsecundario
Secundario (bachillerato)
Ciclo post-bachillerato
78
Tabla No. 34 Datos de estaciones meteorológicas
CODIGO NOMBRE PROVINCIA PREC_ MED
PREC_ MAX
PREC_ MIN
TEM_ MED
TEM_ MIN
TEM_ MAX
M1176 SAN MIGUEL DE LOS BANCOS –HCCP
PICHINCHA 308,1 1088,5 2,0 14,9 19,1 20,3
M0025 LA CONCORDIA SANTO
DOMINGO 273,1 1197,3 0,0 24,1 22,2 26,5
M0026 PUERTO ILA SANTO
DOMINGO 230,1 960,2 0,0 24,2 21,9 26,8
M0339 NANEGALITO PICHINCHA 205,9 651,1 0,0 0,0 0,0 0,0
M0098 SAN MARCOS PICHINCHA 162,6 265,5 76,5 8,3 7,6 8,4
M0593 PEDRO VICENTE MALDONADO - INECEL
PICHINCHA 400,7 1328,1 0,0 0,0 0,0 0,0
M1190 SAN BERNABE PICHINCHA 303,3 766,5 21,5 0,0 0,0 0,0
M0216 SAN MIGUEL DE LOS BANCOS
PICHINCHA 338,8 1070,5 0,0 20,1 19,3 22,0
m0117 MACHACHI PICHINCHA 78,8 256,5 0,0 12,7 11,2 14,1
m0055 QUITO AEROPUERTO
PICHINCHA 91,1 364,9 0,0 13,7 11,9 15,5
m0115 SAN ANTONIO DE PICHINCHA
PICHINCHA 37,6 200,3 0,0 15,6 13,7 17,6
m1200 POMASQUI PICHINCHA 47,2 136,0 0,0 15,4 14,5 16,3
m0212 MINDO PICHINCHA 220,6 647,3 8,6 19,3 18,1 20,6
m0116 CHIRIBOGA PICHINCHA 264,4 922,9 0,0 16,2 15,2 17,3
m0112 CONOCOTO PICHINCHA 121,5 574,6 0,0 15,3 14,0 16,9
m0009 LA VICTORIA INHERI
PICHINCHA 45,8 162,2 0,0 17,2 15,9 18,6
m0024 QUITO INAMHI PICHINCHA 89,2 372,9 0,0 14,8 12,3 17,0
m0003 IZOBAMBA PICHINCHA 120,5 367,9 0,0 11,7 10,2 13,7
m0002 LA TOLA PICHINCHA 71,4 263,8 0,0 15,6 14,1 17,3
m1094 TOMALON TABACUNDO
PICHINCHA 51,8 198,2 0,0 14,8 13,3 16,9
m1156 NAYON GRANJA SANTA ANA
PICHINCHA 76,2 345,6 0,0 16,8 15,4 18,3
m0023 OLMEDO PICHINCHA
PICHINCHA 68,6 539,7 0,0 11,7 8,6 13,4
m0214 PERUCHO INECEL PICHINCHA 46,0 164,4 0,0 18,4 17,2 19,9
m0054 QUITO OBSERVATORIO
PICHINCHA 101,9 349,2 0,0 13,2 11,1 15,6
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Haciendo uso de la herramienta geostatistical analyst, la opción create subsets
(training y test), sugiere qué estaciones se deberían usar y cuales excluir para
generar los mapas de precipitación y temperatura, a su vez esta información
79
generada por el programa se analizó y se realizaron ciertos cambios en la
selección de estaciones para training y test.
El primer paso para la generación de mapas de precipitación y temperatura en el
área de estudio es hacer un análisis de entrenamiento (training) y prueba (test),
utilizando la herramienta Create Subsets, ubicada en la barra de herramientas
Geostatistical Analyst.
Haciendo uso de esta herramienta, se pudo validar la información escogiendo el
ochenta por ciento de training para construir el modelo y producir una superficie;
y el veinte por ciento de test que sirve para comparar y validar la superficie de
salida; estos valores se sugieren para construir estos modelos.
Se realizó un análisis a partir de los puntos obtenidos de training y test para definir
si la distribución realizada por la herramienta es correcta. La distribución de las
estaciones meteorológicas en la investigación, son las siguientes:
Figura No. 7 Puntos training y test
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
80
3.2.1.1 ANÁLISIS DEL MÉTODO DE INTERPOLACIÓN IDW (INVERSE
DISTANCE WEIGHTED) PARA LA GENERACIÓN DE MODELOS DE
PRECIPITACIÓN Y TEMPERATURA.
Una vez definidas las estaciones para el modelo, se realizó la interpolación usando
el método IDW, el cual interpola una superficie de raster a partir de puntos
utilizando una técnica de distancia inversa ponderada, en la herramienta Spatial
analyst tools, además el IDW utiliza un método de interpolación que estima los
valores de las celdas calculando promedios de los valores de los puntos de datos
de muestra en la vecindad de cada celda de procesamiento. Cuanto más cerca está
un punto del centro de la celda que se está estimando, más influencia o peso
tendrá en el proceso de cálculo del promedio (ESRI, 2012).
Se realizaron mapas de precipitación y temperatura a nivel de Provincia, y de
Cantón tomando un buffer de tres kilómetros, con la finalidad de contrastar los
resultados. Se consideró que para la elaboración de los mapas de temperatura se
excluyeron tres estaciones meteorológicas, ya que estas solo presentan datos de
precipitación.
Figura No. 8 Modelo de precipitación máxima a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
81
Figura No. 9 Modelo de precipitación mínima a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Figura No. 10 Modelo de precipitación media a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
82
Figura No. 11 Modelo de temperatura máxima a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Figura No. 12 Modelo de temperatura mínima a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
83
Figura No. 13 Modelo de temperatura media a nivel de provincia
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Figura No. 14 Modelo de precipitación máxima a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
84
Figura No. 15 Modelo de precipitación mínima a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Figura No. 16 Modelo de precipitación media a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
85
Figura No. 17 Modelo de temperatura máxima a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
Figura No. 18 Modelo de temperatura mínima a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
86
Figura No. 19 Modelo de temperatura media a nivel de cantón
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Meteorología e Hidrología
En función del análisis de los mapas de precipitación y temperatura, se estableció
trabajar con los mapas a nivel de cantón ya que no presentan variaciones en los
datos en comparación con los mapas a nivel de provincia.
Con la finalidad de determinar el comportamiento de la precipitación y
temperatura en el Cantón San Miguel de los Bancos, se realizó un análisis de los
diferentes modelos de precipitación máxima, mínima y media, y se determinó que
en el modelo de precipitación máxima presenta una mejor distribución de datos y
no hay pérdida de información, por el contrario el modelo de precipitación
mínima no refleja las condiciones reales del cantón debido a que la mayor parte de
las estaciones meteorológicas registran valores de cero en la mayoría de meses del
año.
De igual manera se realizó un análisis de los modelos de temperatura máxima,
mínima y media, y se determinó trabajar con el modelo de temperatura media,
debido a que no existe perdida de datos, ya que las estaciones meteorológicas
registran datos validos de temperatura máxima, mínima y media.
87
3.2.2 MAPA DE PENDIENTES
“Un mapa de pendientes representa los diferentes grados de pendiente de un
territorio, cuya finalidad es identificar mediante colores zonas del área de estudio
con pendiente similar” (ESRI, 2012).
El mapa de pendiente se realizó a partir de un TIN del área de estudio del Cantón
San Miguel de Los Bancos, tomado en cuenta las curvas de nivel y puntos
acotados del Cantón, información recuperada del Geoportal del Instituto
Geográfico Militar.
3.2.2.1 RECLASIFICACIÓN DEL MAPA DE PENDIENTES SEGÚN LA
VARIACIÓN DE LOS DATOS
Las herramientas de reclasificación cambian o reclasifican los valores de las
celdas a valores alternativos mediante diversos métodos. Se puede reclasificar un
valor a la vez o grupos de valores de una sola vez utilizando campos alternativos,
basándose en criterios, como intervalos especificados (por ej. agrupar los valores
en 10 intervalos), o por área (por ej. agrupar los valores en 10 grupos que
contienen la misma cantidad de celdas) (ESRI, 2012).
Se realizó una reclasificación de pendientes en porcentaje con el fin de permitir
simplificar la información; basándose en la distribución de los datos del raster de
entrada se reclasifico en cuatro intervalos que se muestran a continuación en la
Tabla No.35
Tabla No. 35 Reclasificación de pendientes
Pendiente % Intervalos
0-11 11
11-27 27
27-45 45
>45 200
Elaboración: Evelyn Villarroel, Andrés Petroche
88
Figura No. 20 Mapa de pendientes reclasificadas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Geográfico Militar
Posteriormente, se realizó la vectorización del mapa de pendientes con la finalidad
de facilitar la intersección con el uso de suelo
89
Figura No. 21 Mapa de pendientes vectorizadas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Geográfico Militar
3.2.3 MAPA DE USO DE SUELO
El mapa de uso de suelos, representa una distribución espacial de las zonas de
protección, zonas productivas y zonas de vegetación natural del Cantón San
Miguel de Los bancos. Esta información fue recuperada del Sistema Único de
Información Ambiental del Ministerio del Ambiente (SUIA, 2014).
De acuerdo al Ministerio del Ambiente: El instrumento está dividido en cuatro
niveles, que va desde el más general en el cual se identifican unidades de bosque,
vegetación arbustiva/herbácea, páramo, tierras agropecuarias; hasta el particular
donde se detalla, de manera exclusiva, la especificidad de las tierras
agropecuarias, esto es a nivel del cultivo: maíz, arroz, palma africana, café,
pastizales, entre otros.
90
Figura No. 22 Mapa de uso de suelo
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Sistema Único de Información Ambiental (SUIA)
3.2.4 INTERPOLACIÓN DE PONDERACIONES MEDIANTE LOS
MÉTODOS IDW Y KRIGING
3.2.4.1 INTRODUCCIÓN
Del análisis cuantitativo realizado mediante el método de jerarquías analíticas de
SAATY; el resultado fue la obtención de pesos validados en cada uno de los
criterios de las cuatro variables analizadas. Este trabajo de investigación es una
propuesta metodológica, para ponderar los criterios tomados en cuenta en el
capítulo 3, con la finalidad de que los datos obtenidos generen modelos
probabilísticos reales que permitirán comprender el manejo ambiental que
actualmente se está realizando en el cantón, así como temas relacionados con la
salud pública y la relación sociedad – ecosistema.
91
Además se realizaron los modelos utilizando los métodos de interpolación IDW y
Kriging para compararlos entre sí, y determinar cuál de estos es el más adecuado
para la generación de escenarios reales.
3.2.4.2 PROPUESTA METODOLÓGICA PARA LA CUANTIFICACIÓN
DE LAS PONDERACIONES
Una vez obtenidos los pesos de cada criterio como se muestra en la Tabla N°13,
se procede a analizar la información por localidades proporcionada por el INEC,
es decir el número de casos presentes en cada localidad, como se indica en la
Tabla No.36
Tabla No. 36 Resumen de los criterios ponderados
N° CRITERIOS PESO FINAL-
PORCENTAJE
ELIMINACIÓN DE DESECHOS
C1 Eliminan los desechos por camión recolector 6%
C2 Arrojan los desechos en un terreno baldío o
quebrada
26%
C3 Incineran o entierran los desechos 12%
C4 Arrojan los desechos al río, acequia o canal 56%
PROCEDENCIA DEL AGUA RECIBIDA
C1 Reciben agua de pozo 27%
C2 Reciben agua de río, vertiente, acequia o
canal
49%
C3 Reciben agua lluvia o albarrada 13%
C4 Reciben agua de carro repartidor 7%
C5 Reciben agua de red pública 4%
ELIMINACIÓN DE AGUAS SERVIDAS
C1 Con red pública de alcantarillado 6%
C2 Pozo ciego 26%
C3 Pozo séptico 12%
C4 Con descarga directa al río o quebrada 56%
NIVEL DE INSTRUCCIÓN AL QUE ASISTE O ASISTIÓ
C1 Ninguno 56%
C2 Ciclo post-bachillerato 6%
92
N° CRITERIOS PESO FINAL-
PORCENTAJE
C3 Secundario (bachillerato) 13%
C4 Inferior al nivel secundario 25%
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
Por ejemplo; en la localidad Cooperativa El Cisne, las personas eliminan los
desechos de acuerdo a los siguientes criterios:
C1: Un carro recolector recoge los desechos
C2: Arrojan los desechos en un terreno baldío o quebrada
C3: Incineran o entierran
C4: Arrojan los desechos al río, acequia o canal
El número de casos presentes en la localidad Cooperativa El Cisne se muestran en
la Tabla No.37
Tabla No. 37 Resumen de los criterios ponderados de la Cooperativa El Cisne
C1 C2 C3 C4
Casos:
Cooperativa El
Cisne
0 9 7 0
Pesos de cada
criterios 6 % = 0,06 26% = 0,26 12% = 0,12 56% = 0,56
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
Para cuantificar los valores de los pesos finales que irán en cada una de las
localidades, se realizó el siguiente procedimiento para cada una de las localidades,
en este caso el número de localidades son 115.
Wfinal localidad el Cisne = (Caso 1x WC1) + (Caso 2 x WC2) + (Caso 3 x WC3) + (Caso 4 x WC4)
Wfinal localidad el Cisne = (0 x 0,06) + (9 x 0,26) + (7 x 0,12) + (0 x 0,56)
93
Wfinal localidad el Cisne = 3,18
Ecuación No. 11 Ejemplo peso final de las ponderaciones por localidad “Propuesta
metodológica”
El mismo procedimiento se realizó para cada una de las 115 localidades,
analizando los correspondientes criterios. Los resultados de los pesos finales se
muestran en la Tabla No.38
Tabla No. 38 Índice del peso final de las ponderaciones
LOCALIDAD
ÍNDICE
PROCEDENCIA
DE AGUA
RECIBIDA
ÍNDICE
ELIMINACIÓN
DE AGUAS
SERVIDAS
ÍNDICE
ELIMINACIÓN
DE LOS
DESECHOS
ÍNDICE NIVEL DE
INSTRUCCIÓN
Cooperativa Rio
Cocaniguas 2,94 3,06 1,56 8,76
Cooperativa El
Cisne Del Mulaute 2,45 0,60 0,60 3,50
Cooperativa El
Cisne Del Mulaute 0,49 0,26 0,26 2,63
Cooperativa Los
Andes 1,05 1,38 0,58 0,88
Recinto El
Mirador Del
Cocaniguas 2,94 2,18 1,56 6,27
28 De Marzo 1,47 1,68 1,08 4,12
Nuevo Mundo 2,45 1,90 1,16 7,44
Cooperativa Unión
Bolivarense 2,45 2,50 1,30 3,51
Cooperativa Unión
Bolivarense 8,95 8,28 8,70 20,32
Cooperativa
Bernardo
Valdivieso 10,04 10,74 7,04 23,06
Cooperativa Unión
Bolivarense 0,98 0,24 0,52 0,37
Cooperativa Santa
Rosa De Mulaute 13,87 6,94 7,50 36,78
Blanca Nieves 0,49 0,56 0,26 0,26
Cooperativa El
Cisne 6,96 4,26 3,18 15,05
Cooperativa
Nuevo Mundo 13,79 15,34 7,56 46,43
94
LOCALIDAD
ÍNDICE
PROCEDENCIA
DE AGUA
RECIBIDA
ÍNDICE
ELIMINACIÓN
DE AGUAS
SERVIDAS
ÍNDICE
ELIMINACIÓN
DE LOS
DESECHOS
ÍNDICE NIVEL DE
INSTRUCCIÓN
Nambillo 1,47 1,08 0,64 2,82
Cooperativa Unión
Ganadera Orense 26,78 15,66 11,62 48,54
Cooperativa Unión
Ganadera Orense 19,21 10,90 9,14 42,77
Recinto Mirador
Lojano 14,71 13,18 9,80 43,29
El Aserrio 0,00 0,00 0,00 0,00
Nambillo 1,47 0,64 0,64 4,12
Mindo Garden 1,51 1,06 0,90 4,77
Saloya Monterrey 1,96 1,80 0,90 4,13
El Salado 1,02 0,74 0,88 5,21
Unión Ganadera
Orense 3,48 1,84 1,82 9,98
Paquisha 4,90 4,72 2,46 4,65
Mirador Lojano 0,98 1,12 0,52 2,25
Hostería El
Carmelo 1,47 1,08 0,64 3,43
Saloya 7,89 8,04 5,96 21,67
Agrupación El
Carmen 1,96 0,48 1,04 4,88
Hacienda Yaguira 0,98 1,12 0,24 2,38
Hacienda San
Carlos 2,21 2,00 1,46 4,30
Saguambi 0,51 1,64 1,64 3,71
La Isla 0,66 0,44 0,78 2,04
Cooperativa
Paisaje Del Rio
Blanco 17,49 5,58 17,80 35,48
Cooperativa
Paisaje Del Rio
Blanco 10,29 14,00 13,70 33,42
El Cinto 8,51 9,16 7,20 18,93
Hacienda San
Vicente 0,49 0,56 0,12 1,13
Hacienda San
Rene 0,49 0,12 0,12 0,88
Cooperativa
Bernardo
Valdivieso 2,06 3,06 3,36 9,44
Las Orquídeas 0,49 0,56 0,26 2,02
Cooperativa
Bernardo
Valdivieso 14,31 6,46 13,34 37,13
95
LOCALIDAD
ÍNDICE
PROCEDENCIA
DE AGUA
RECIBIDA
ÍNDICE
ELIMINACIÓN
DE AGUAS
SERVIDAS
ÍNDICE
ELIMINACIÓN
DE LOS
DESECHOS
ÍNDICE NIVEL DE
INSTRUCCIÓN
Saloya Alta 0,00 0,00 0,00 0,00
Cooperativa 23 De
Junio 13,23 9,68 5,84 28,67
Chiguilpe 1,47 0,78 0,18 2,83
Mindo 3,63 3,02 2,06 14,22
Cooperativa Rio
Macas 3,43 3,92 1,82 10,02
Cooperativa Luz
De América 0,76 0,38 0,38 1,57
Cooperativa Playas
Del Blanco 2,85 2,78 2,02 12,26
Cooperativa Grupo
Los Andes 0,54 0,32 0,82 1,38
Rio Macas 0,98 0,68 0,38 1,38
Luz De América 4,32 4,86 2,62 9,65
Cooperativa Grupo
Los Andes 2,63 3,92 3,62 4,87
Finca El Corazón
De Jesús 0,53 0,24 0,62 1,31
Rio Macas 2,58 3,36 1,30 8,48
Mindo 1,96 1,36 1,20 1,88
23 De Junio 1,60 1,80 1,06 4,69
San Tadeo 8,82 4,24 3,86 17,68
Amanecer
Campesino 12,62 13,70 9,74 31,91
Conuco 5,39 2,72 2,06 12,65
Amanecer
Campesino 2,78 1,10 1,46 8,39
Playas Del Rio
Blanco 4,41 6,10 2,96 12,45
La Y De Mindo 0,04 0,56 0,56 3,67
Hacienda
Alahambra 0,00 0,00 0,00 0,00
Hacienda La
Colina 0,00 0,00 0,00 0,00
Hacienda La
Carolina 0,28 3,48 1,52 4,46
23 De Junio 0,98 0,38 0,38 1,63
Pueblo Nuevo 1,53 11,48 4,22 19,81
Cooperativa Rio
Salazar 1,25 1,08 0,64 4,01
Hacienda La
Escalera 0,12 1,68 0,68 2,91
San José 0,49 0,26 0,26 2,12
96
LOCALIDAD
ÍNDICE
PROCEDENCIA
DE AGUA
RECIBIDA
ÍNDICE
ELIMINACIÓN
DE AGUAS
SERVIDAS
ÍNDICE
ELIMINACIÓN
DE LOS
DESECHOS
ÍNDICE NIVEL DE
INSTRUCCIÓN
Cooperativa 11 De
Junio 0,80 0,50 0,50 2,57
La Sucia 1,47 0,94 0,50 4,44
Cooperativa
Pichincha (Pueblo
Nuevo) 1,46 6,94 1,96 16,26
Cooperativa 11 De
Junio 0,88 1,48 1,76 5,70
Saloya Baja 0,49 0,12 0,26 0,38
San Bernabe 8,64 4,62 3,90 21,73
Primero De Mayo 3,14 1,90 2,14 9,75
San Bernabe 4,09 5,68 3,28 11,70
Primero De Mayo 20,04 10,44 7,96 48,09
San Bernabe 0,49 0,12 0,12 0,50
Cooperativa La
Caoni 0,76 0,68 0,52 2,50
Playas De
Piedritas Dos 4,02 4,70 2,90 8,69
Cooperativa
Pichincha 0,00 0,00 0,00 0,00
La Florida 16,51 15,14 8,04 40,70
Hacienda La
Unión 0,12 1,38 0,18 1,26
Virgen De
Guadalupe 3,21 3,48 1,40 7,37
Cooperativa Los
Dos Ríos 6,57 7,28 4,00 14,75
Cooperativa Playas
De Piedrita 0,54 0,68 0,24 1,25
Guadalupe 4,68 2,18 2,04 11,48
Guadalupe 0,98 1,12 0,52 3,63
La Loma 1,96 1,36 1,36 2,38
Cooperativa Playas
Del Piedritas 0,49 0,26 0,12 1,81
Finca San
Francisco 1,15 2,36 1,62 4,94
Saloya 5,02 4,84 2,92 11,65
Rio Blanco 2,86 2,06 2,36 9,73
Rio Blanco 7,69 3,88 3,10 17,07
Rio Blanco 4,46 3,82 2,64 8,81
San Pedro De
Pueblo Arrecho 1,96 1,80 1,34 4,50
Rio Blanco 3,03 2,56 1,64 11,52
San Jose De 7,71 5,58 3,44 30,10
97
LOCALIDAD
ÍNDICE
PROCEDENCIA
DE AGUA
RECIBIDA
ÍNDICE
ELIMINACIÓN
DE AGUAS
SERVIDAS
ÍNDICE
ELIMINACIÓN
DE LOS
DESECHOS
ÍNDICE NIVEL DE
INSTRUCCIÓN
Saloya
Quebrada Honda 1,30 0,62 0,84 3,00
Milpe 0,61 1,30 0,30 5,60
San Miguel De
Los Bancos 2,12 3,14 1,54 9,28
Los Bancos 4,71 5,20 1,82 13,55
Cooperativa Unión
Provincial 4,73 5,86 5,26 8,87
Milpe 1,67 10,98 3,72 32,71
San Miguel De
Los Bancos 2,88 4,56 1,78 12,77
El Chipal 16,71 21,32 7,66 43,42
San Jose De Milpe 1,96 1,64 0,90 3,63
Cooperativa 9 De
Octubre 1,02 1,08 0,58 3,43
El Chipal 9,37 8,36 5,40 25,35
San Juan De
Puerto Quito 5,96 21,64 13,14 48,49
San Juan De
Puerto Quito 4,88 5,66 4,70 21,30
San Francisco De
Pachijal 0,98 0,82 0,38 2,32 Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
98
3.2.5 COMPARACIÓN ENTRE LOS INTERPOLADORES IDW Y
KRIGING
“La interpolación de datos ofrece la ventaja de proyectar mapas o superficies
continuas a partir de datos discretos; sin embargo, la utilización de una buena
cantidad de puntos del área en estudio limita su utilización” (Johnston, 2001).
Dependiendo del tipo de datos analizados, su costo y dificultad de obtención
determinan que tan valioso es finalmente el uso de la interpolación. Otro aspecto a
mencionar, es que la precisión en el mapa generado, a partir de las características
de un suelo en particular, depende en gran medida de la estructura espacial de los
datos, donde entre más fuerte la correlación espacial, mejor la calidad del mapeo
(Kravchenko, 2003).
Dentro de los interpoladores usados existe un grupo llamado Kriging, nombre
dado por su creador, el ingeniero en minas surafricano D.G. Krige. Hasta el día de
hoy, todos los interpoladores geoestadísticos están en el grupo de los Kriging (con
sus variantes), los cuales ofrecen no solo predicciones y superficies de respuesta
requeridas, sino también mapas de probabilidades y cuantiles (Johnston, 2001).
El método Kriging cuantifica la estructura espacial de los datos -mediante el uso
de variogramas llamados algunas veces semivariogramas debido a su similitud en
el cálculo- y los predice mediante la interpolación, usando estadística. Se asume
que los datos más cercanos a un punto conocido tienen mayor peso o influencia
sobre la interpolación, influencia que va disminuyendo conforme se aleja del
punto de interés. La medición de la probabilidad, efectuada por los métodos
Kriging, hace la diferencia con respecto a los métodos determinísticos para
interpolaciones espaciales, de los cuales los más usados son el de ponderación de
distancias inversas (IDW: inverse distance weighting) y “splines” o ajuste por
curvas (Burrough & McDonnell 1998).
“El método IDW es similar al Kriging ordinario, ya que da más peso a los valores
cercanos a un punto, pero posee una menor complejidad del cálculo. El IDW
utiliza un algoritmo simple basado en distancias” (Johnston, 2001).
99
“Ambos modelos, Kriging ordinario e IDW, asumen que las predicciones son una
combinación lineal de los datos, como lo muestra la siguiente ecuación” (Gotway,
1996, Schloeder, 2001).
Ζ ̂(𝑆𝑜) = ∑𝜆𝑖
𝑛
𝑖=1
𝑍 (𝑆𝑖) 𝑖 = 1, … , 𝑛
Ecuación No. 12 Ecuación del valor estimado en un punto interpolado
Fuente: (Gotway, 1996, Schloeder, 2001).
Donde Ζ ̂(𝑆𝑜) es el valor estimado en el punto interpolado 𝑆𝑜 ; 𝑛 es el número de
observaciones vecinas usadas para la estimación y 𝜆𝑖 es el peso dado al valor
observado 𝑍 (𝑆𝑖) en las cercanías del valor 𝑆𝑜 (Lozano et al. 2004). Este último
parámetro hace la diferencia entre Kriging y el IDW.
El método ordinario de Kriging obtiene los pesos (o influencia) de los valores,
resolviendo la ecuación Kriging mostrada en la siguiente ecuación (Schloeder,
2001).
∑𝜆𝑖
𝑛
𝑖=1
𝛾[𝑑(𝑆𝑖 , 𝑆𝑗)] + 𝑚 = 𝛾 [𝑑(𝑆𝑜, 𝑆𝑖)], 𝑖 = 1,… , 𝑛 ; ∑𝜆𝑖
𝑛
𝑖=1
= 1
Ecuación No. 13 Ecuación Kriging
Fuente: (Schloeder, 2001).
Donde n es el número de observaciones, m es el multiplicador Lagrange usado
para la minimización de las restricciones, λ es el peso dado a cada una de las
observaciones y la suma de todos los λ es igual a uno. Los subíndices i y j denotan
los puntos muestreados, el subíndice 0 es el punto en estimación, 𝑆 simboliza la
medición efectuada (variable medida) y 𝑑(𝑆𝑜, 𝑆𝑖) es la distancia entre 𝑆𝑖 y 𝑆𝑜 a
partir del semivariograma:
𝛾 [𝑑(𝑆𝑖 , 𝑆𝑜)] = 𝑣𝑎𝑟 [𝑍(𝑆𝑖 ) − 𝑍(𝑆𝑜 )]
Ecuación No. 14 Ecuación Semivarianza
Fuente: (Lozano, 2004)
100
Esta semivarianza calculada es una medida para determinar la similitud entre
observaciones, en donde a mayor similitud, menor semivarianza (Lozano, 2004).
Los pesos (λ) o las relevancias de los valores, son determinados con el fin de
asegurar que el error promedio para el modelo sea cero y además la varianza del
error es minimizada (Schloeder, 2001), lo cual ofrece una predicción no sesgada.
Pese a ello y como menciona Benmostefa (2006), este método requiere de
supuestos estadísticos muy fuertes, como que la hipótesis intrínseca de
estacionalidad sea aceptada, lo cual raramente se observa en la naturaleza.
Los parámetros utilizados en el análisis del semivariograma son mostrados en la
siguiente figura, en donde Co es la variancia de discontinuidad espacial también
llamada el efecto pepita o ruido espacialmente no correlacionado (Burrough &
McDonnell 1998). C es la varianza estructural o espacialmente dependiente, en
donde entre mayor participación tenga en la suma de C+Co, las estimaciones son
mejores (Muñoz, 2006). El ámbito o rango es el valor de la correlación espacial o
punto (en distancia), a partir del cual los datos no tienen influencia sobre el punto
en comparación (Demmers 1999). C+Co llamado meseta o cima representa donde
las varianzas de las diferencias son máximas y de obtenerse el variograma este
sería inadecuado (Demmers 1999). lag(h) representa la distancia de los puntos
circundantes a cada uno de los puntos en comparación. El Lag puede ser definido
con una distancia dada (a criterio de quién analiza) antes de calcular y graficar el
variograma (Demmers 1999).
Kravchenko y Bullock (1999), encontraron que para la mayoría de análisis de
datos, teniendo un número de puntos vecinos óptimo, una selección cuidadosa del
modelo para el variograma y una transformación logarítmica es necesaria para
normalizar los datos, en este caso el Kriging hace mejores estimaciones que el
IDW.
Otro aspecto involucrado en el análisis del Kriging es la tendencia de isotropía o
anisotropía, esta última indica si una variable tiene dependencia espacial hacia una
o varias direcciones. Si la anisotropía fuese más fuerte, esta puede servir para
determinar el área más homogénea según la variable medida, lo cual puede ser útil
al determinar parcelas experimentales (Lozano, 2004).
101
Por otro lado, el IDW calcula el peso de los valores de acuerdo a la relación
inversa de la distancia (Schloeler, 2001) con la siguiente ecuación:
𝜆𝑖 =[𝑑(𝑆𝑖 , 𝑆𝑜)]
−𝑝
∑ [[𝑑(𝑆𝑖, 𝑆𝑜)]−𝑝]𝑛𝑖=1
𝑖 = 1,… , 𝑛
Ecuación No. 15 Ecuación IDW
Fuente: (Schloeler, 2001)
Donde p es el parámetro del exponente que controla que tan rápido los pesos de
los puntos tienden a cero (al aumentar su valor) conforme aumenta la distancia del
sitio de interpolación. Entre mayor sea p, mayor peso es dado a los puntos más
cercanos y por consiguiente se obtiene superficies más continuas o suaves y las
predicciones tienden hacia el promedio de la muestra (Schloeder, 2001). Los
valores p usualmente están entre 1 y 3, donde 2 es el más común (Gotway, 1996);
de acuerdo a resultados de este mismo autor, la exactitud del IDW tiende a
aumentar conforme p aumenta (1, 2, y 4) en el uso de datos con coeficientes de
variación menores al 25%.
Gráfico No. 5 Semivariograma típico y sus componentes
Fuente: (Villatoro, Henríquez & Sanchpo, 2008)
102
3.2.6 CÁLCULO DEL ÍNDICE DE VEGETACIÓN CON EL USO DE
IMÁGENES RAPID EYE
Martín, Corbera, Marchan y González, indican que: RapidEye es una constelación
de cinco pequeños satélites desarrollados por RapidEye AG, que destaca tanto por
la resolución espacial ofrecida (6.5 metros) como por el tiempo de revisita (1 día).
RapidEye lleva como carga útil un sensor multiespectral, que aparte de las 4
bandas clásicas (azul, verde, rojo e infrarrojo cercano), incorpora una quinta
banda centrada en la red edge. La banda red edge es una banda centrada
estratégicamente en el inicio de la porción donde la reflectividad presenta valores
altos debido a la respuesta de la vegetación, radicando su interés en el hecho de
que se encuentra en la zona de transición entre la reflectancia mínima y máxima,
pudiendo ser útil en la medición del estado de la vegetación. Recientes estudios
llegan a sugerir el red edge como alternativa al canal rojo, en base a que este
podría ser más sensible a cambios en el estado de la salud de la planta (Corbera, et
al, 2009).
Básicamente los índices de vegetación permiten realizar una estimación de la
abundancia de vegetación utilizando datos espectrales, basándose para ello en las
diferencias espectrales dadas entre la vegetación y otros componentes de la
superficie terrestre. Los índices de vegetación más simples son aquellos que se
basan en la respuesta espectral dada en ciertas bandas (Corbera, et al, 2009).
El NDVI ha sido uno de los índices de vegetación más empleados como indicador
del estado de la vegetación, donde se está aprovechando la máxima absorción
producida en el canal rojo debido a los pigmentos de la clorofila y a la máxima
reflectividad producida en el infrarrojo debida a la estructura celular de las hojas
(Corbera, et al, 2009).
El pigmento de las hojas de las plantas, la clorofila, absorbe con fuerza la luz
visible (de 0,4 a 0,7 micras) para su uso en la fotosíntesis. La estructura celular de
las hojas, por otro lado, refleja intensamente luz infrarroja cercana (de 0,7 a 1,1
micras). Si hay mucha más radiación reflejada en el infrarrojo cercano que en las
longitudes de onda visibles, es probable que la vegetación de ese píxel sea densa y
contenga algún tipo de bosque. Si hay muy poca diferencia en la intensidad
reflejada de las longitudes de onda de luz visible y del infrarrojo cercano, la
103
vegetación es probablemente escasa y puede consistir en pastizales, tundra o
desierto (Recuperado de: http://www.esa.int).
Los cálculos del NDVI para un píxel dado siempre dan como resultado un número
de -1 a +1. Sin embargo, la ausencia de hojas verdes da un valor cercano a cero.
Un cero significa que no hay vegetación y cerca de 1 (0,8 - 0,9) indica la mayor
densidad posible de hojas verdes (Recuperado de: http://www.esa.int).
Gracias a la Colaboración del Consejo Provincial de Pichincha, se pudo trabajar
con las imágenes Rapid Eye del Cantón San Miguel de Los Bancos.
Para el cálculo del índice de vegetación normalizada, se utilizó el Software
ArcGIS 10.1, aplicando la siguiente fórmula:
𝑵𝑫𝑽𝑰 = 𝑩𝒂𝒏𝒅𝒂 𝟒 − 𝑩𝒂𝒏𝒅𝒂 𝟑
𝑩𝒂𝒏𝒅𝒂 𝟒 + 𝑩𝒂𝒏𝒅𝒂 𝟑
Ecuación No. 16 Cálculo del NDVI
Fuente: (Corbera et al, 2009)
104
El resultado fue el siguiente:
Figura No. 23 Mapa de Índice de vegetación normalizada
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Consejo Provincial de Pichincha
105
CAPÍTULO IV
4. ANÁLISIS Y DETERMINACIÓN PRELIMINAR DEL MODELO
4.1 PRUEBAS Y VALIDACIÓN
4.1.1 ANÁLISIS DE LOS MODELOS OBTENIDOS DE LAS VARIABLES
AMBIENTE, SOCIEDAD Y SALUD
4.1.1.1 MODELO DE LA VARIABLE ELIMINACIÓN DE DESECHOS
4.1.1.1.1 MODELO IDW
106
Figura No. 24 Modelo IDW Eliminación de desechos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Según la distribución del modelo en cuatro localidades del Cantón, se evidencia
un alto impacto ambiental por la mala eliminación de desechos.. El criterio con
mayor ponderación es la eliminación de desechos en ríos, acequias o canales.
107
4.1.1.1.2 MODELO KRIGING
Gráfico No. 6 Histograma Eliminación de desechos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 7 Normal QQPlot Eliminación de desechos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
108
Gráfico No. 8 Trend Analysis Eliminación de desechos
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Interpretación de resultados: De acuerdo a los resultados obtenidos del
histograma, la Skewness nos indica que los datos presentan una distribución
normal, gracias a la calidad en la ponderación de los datos. Se muestra una
distribución sesgada a la izquierda.
Analizando el gráfico de la Normal QQPlot se evidencia que los datos están muy
cercanos a la recta de referencia; por lo tanto la figura nos indica que la
distribución es normal.
Mediante el análisis de la figura Trend Analysis, se observa una tendencia
exponencial
109
Gráfico No. 9 Modelo Exponencial Cálculo Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 10 Modelo Exponencial Resultado Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
110
Figura No. 25 Modelo Ordinario Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Gráfico No. 11 Modelo Exponencial Cálculo Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
111
Gráfico No. 12 Modelo Exponencial Resultado Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 26 Modelo Ordinario Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
112
Gráfico No. 13 Modelo Exponencial Cálculo Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 14 Modelo Exponencial Resultado Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
113
Figura No. 27 Modelo Ordinario Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
4.1.1.2 MODELO DE LA VARIABLE PROCEDENCIA DEL AGUA
RECIBIDA
4.1.1.2.1 MODELO IDW
114
Figura No. 28 Modelo IDW Procedencia del Agua Recibida
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Según la distribución del modelo en nueve localidades del Cantón, se evidencia un
impacto significativo en temas de salud pública, ya que se estima que la mayor
parte de la población de las localidades no cuenta con una adecuada procedencia
del agua para consumo humano, dicho modelo se asemeja a la información
recopilada en campo. El criterio con mayor ponderación es la procedencia de agua
para consumo humano de ríos, acequias o canales.
4.1.1.2.2 MODELO KRIGING
115
Gráfico No. 15 Histograma Procedencia del Agua Recibida
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 16 Normal QQPlot Procedencia del Agua Recibida
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 17 Trend Analysis Procedencia del Agua Recibida
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
116
Interpretación de resultados: De acuerdo a los resultados obtenidos del
histograma, la Skewness nos indica que los datos presentan una distribución
normal, gracias a la calidad en la ponderación de los datos. Se muestra una
distribución sesgada a la izquierda. Analizando el gráfico de la Normal QQ Plot se
evidencia que los datos están muy cercanos a la recta de referencia; por lo tanto la
figura nos indica que la distribución es normal. Mediante el análisis de la figura
Trend Analysis, se observa una tendencia exponencial.
Gráfico No. 18 Modelo Exponencial Cálculo Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
117
Gráfico No. 19 Modelo Exponencial Resultado Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 29 Modelo Ordinario Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
118
Gráfico No. 20 Modelo Exponencial Cálculo Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 21 Modelo Exponencial Resultado Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
119
Figura No. 30 Modelo Ordinario Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
Gráfico No. 22 Modelo Exponencial Cálculo Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
120
Gráfico No. 23 Modelo Exponencial Resultado Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 31 Modelo Ordinario Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
121
4.1.1.3 MODELO DE LA VARIABLE ELIMINACIÓN DE AGUAS
SERVIDAS
4.1.1.3.1 MODELO IDW
Figura No. 32 Modelo IDW Eliminación de Aguas Servidas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Según la distribución del modelo en seis localidades del Cantón, se evidencia un
notable impacto al ambiente, debido a que en la parte central del cantón se maneja
de manera equivocada la eliminación de aguas servidas, lo que ocasiona una cierta
contaminación del suelo, este comportamiento fue comprobado con las encuestas
realizadas en campo. El criterio con mayor ponderación es la eliminación de aguas
servidas con descarga directa al río.
122
4.1.1.3.2 MODELO KRIGING
Gráfico No. 24 Histograma Eliminación de Aguas Servidas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 25 Normal QQPlot Eliminación de Aguas Servidas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
123
Gráfico No. 26 Trend Analysis Eliminación de Aguas Servidas
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Interpretación de resultados: De acuerdo a los resultados obtenidos del
histograma, la Skewness nos indica que los datos presentan una distribución
normal, gracias a la calidad en la ponderación de los datos. Se muestra una
distribución sesgada a la izquierda. Analizando el gráfico de la Normal QQ Plot se
evidencia que los datos están muy cercanos a la recta de referencia; por lo tanto la
figura nos indica que la distribución es normal. Mediante el análisis de la figura
Trend Analysis, se observa una tendencia exponencial.
124
Gráfico No. 27 Modelo Exponencial Cálculo Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 28 Modelo Exponencial Resultado Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
125
Figura No. 33 Modelo Ordinario Primer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Gráfico No. 29 Modelo Exponencial Cálculo Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
126
Gráfico No. 30 Modelo Exponencial Resultado Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 34 Modelo Ordinario Segundo Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
127
Gráfico No. 31 Modelo Exponencial Cálculo Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 32 Modelo Exponencial Resultado Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
128
Figura No. 35 Modelo Ordinario Tercer Orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
4.1.1.4 MODELO DE LA VARIABLE NIVEL DE INSTRUCCIÓN AL QUE
ASISTE O ASISTIÓ
4.1.1.4.1 MODELO IDW
129
Figura No. 36 Modelo IDW Nivel de Instrucción al que asiste o asistió
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
Según la distribución del modelo en 15 localidades del Cantón, se evidencia baja
asistencia a centros educativos por parte de la población, lo que está directamente
relacionado a la cultura y educación ambiental. El criterio con mayor ponderación
es ningún tipo de nivel de instrucción.
130
4.1.1.4.2 MODELO KRIGING
Gráfico No. 33 Histograma Nivel de instrucción al que asiste o asistió
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 34 Normal QQPlot Nivel de instrucción al que asiste o asistió
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 35 Trend Analysis Nivel de instrucción al que asiste o asistió
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
131
Interpretación de resultados: De acuerdo a los resultados obtenidos del
histograma, la Skewness nos indica que los datos presentan una distribución
normal, gracias a la calidad en la ponderación de los datos. Se muestra una
distribución sesgada a la izquierda. Analizando el gráfico de la Normal QQ Plot se
evidencia que los datos están muy cercanos a la recta de referencia; por lo tanto la
figura nos indica que la distribución es normal. Mediante el análisis de la figura
Trend Analysis, se observa una tendencia exponencial.
Gráfico No. 36 Modelo exponencial calculo primer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
132
Gráfico No. 37 Modelo exponencial resultado primer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 37 Modelo ordinario primer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos - INEC
133
Gráfico No. 38 Modelo exponencial calculo segundo orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Gráfico No. 39 Modelo exponencial resultado segundo orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
134
Figura No. 38 Modelo ordinario segundo orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
Gráfico No. 40 Modelo exponencial calculo tercer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
135
Gráfico No. 41 Modelo exponencial resultado tercer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: ArcGIS (Versión 9.3)
Figura No. 39 Modelo ordinario tercer orden
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Instituto Nacional de Estadística y Censos – INEC
136
4.2 OBTENCIÓN DEL MODELO FINAL
4.2.1 RESULTADOS DEL ANÁLISIS DE LOS MODELOS OBTENIDOS
DE LAS VARIABLES AMBIENTE, SOCIEDAD Y SALUD
El método IDW es una alternativa de interpolación; sin embargo, tiende a producir
patrones poco reales conocidos como tipo “ojo de buey” alrededor de los puntos
muestreados. Lo anterior expresa el peso que se le puede dar a la variación
particular del valor de un punto de muestreo sobre los que están alrededor
(Gotway 1996).
Kravchenko y Bullock (1999) mencionan que a pesar de que el uso correcto del
valor p y del número de valores vecinos más cercanos puede mejorar la
interpolación, estos valores no pueden ser obtenidos con base en las propiedades
estadísticas de los datos. Kravchenko (2003), recomienda el IDW para bases de
datos pequeñas, en donde los parámetros del variograma no son conocidos,
también cuando la distancia de muestreo es muy grande e incluso para cuando la
distancia de muestreo es mayor al rango de la correlación espacial. Con relación a
esto es importante mencionar que la precisión de las estimaciones es influenciada
por la varianza aleatoria, la estructura de variación, y por la intensidad de
muestreo (Lozano et al. 2004).
4.2.1.1 VARIABLE ELIMINACIÓN DE LOS DESECHOS
Del análisis de ésta variable, se escogió el modelo ordinario de segundo orden
realizado con el interpolador kriging, debido a que proporciona un análisis más
elaborado y con un fundamento estadístico. Los modelos restantes de primer y
tercer orden presentaron mayor error. La ecuación que corresponde a este modelo
es:
𝟎, 𝟗𝟔𝟓𝟒𝟑∗𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒂𝒍(𝟓𝟏𝟔𝟕,𝟕) + 𝟑, 𝟐𝟎𝟓𝟒∗𝑵𝒖𝒈𝒈𝒆𝒕
Ecuación No. 17 Ecuación del modelo ordinario de segundo orden variable eliminación
de desechos
Fuente: ArcGIS (Versión 9.3)
137
El modelo refleja que en la mayor parte del cantón existe un mal manejo de los
desechos, lo que origina impactos ambientales significativos, principalmente en
las localidades Cooperativa Paisaje del Río Blanco, Cooperativa Bernardo
Valdivieso, Santa Rosa de Mulaute, San Juan de Puerto Quito, las mismas que se
ubican en zonas donde existen ríos perennes como por ejemplo el Río Sabaleta,
Río Blanco, Estero Piedroso, entre los más cercanos.
Se generan impactos ambientales bajos en las localidades El Aserrio, 23 de Junio,
Cooperativa Los Andes, Blanca Nieves, Cooperativa 9 de Octubre.
4.2.1.2 VARIABLE PROCEDENCIA DEL AGUA RECIBIDA
Se escogió el modelo ordinario de primer orden realizado por el interpolador
Kriging, debido a que proporciona un análisis más elaborado y con un fundamento
estadístico. Los modelos restantes de segundo y tercer orden presentaron mayor
error. La ecuación que corresponde a este modelo es:
𝟏𝟗, 𝟏𝟓𝟏∗𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒂𝒍(𝟑𝟓𝟐𝟎) + 𝟎, 𝟖𝟎𝟗𝟔𝟖∗𝑵𝒖𝒈𝒈𝒆𝒕
Ecuación No. 18 Ecuación del modelo ordinario de primer orden variable procedencia
del agua recibida
Fuente: ArcGIS (Versión 9.3)
De acuerdo al análisis de los modelos, los pobladores que están en mayor riesgo
de sufrir enfermedades relacionadas con la mala calidad del agua de consumo,
son los siguientes; aquellos que habitan en las localidades:
- Cooperativa Paisaje del Río Blanco
- Cooperativa Santa Rosa de Mulaute
- Recinto Mirador Lojano
- Cooperativa Unión Ganadera Orenses
- Cooperativa 23 de Junio
- El Chipal
- Cooperativa El Cisne
- San Tadeo
138
- Primero de Mayo
Se generan menores impactos a la Salud de los pobladores, en las siguientes
localidades:
- Hacienda La Escalera
- Hacienda La Unión
- Cooperativa Pichincha
- Hacienda La Alahambra
- Hacienda La Colina
- El Aserrio
4.2.1.3 VARIABLE ELIMINACIÓN DE AGUAS SERVIDAS
Se escogió el modelo ordinario de tercer orden realizado por el interpolador
Kriging, debido a que proporciona un análisis más elaborado y con un fundamento
estadístico. Los modelos restantes de primer y segundo orden presentaron mayor
error. La ecuación que corresponde a este modelo es:
𝟒, 𝟐𝟑𝟓𝟗∗𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒂𝒍(𝟔𝟗𝟕𝟗,𝟑) + 𝟖, 𝟕𝟒𝟑𝟔∗𝑵𝒖𝒈𝒈𝒆𝒕
Ecuación No. 19 Ecuación del modelo ordinario de tercer orden variable eliminación de
aguas servidas
Fuente: ArcGIS (Versión 9.3)
Este modelo, se analizó desde el punto de vista de contaminación ambiental y de
problemas a la salud pública y animal. Desde el punto de vista ambiental se
consideró la contaminación al agua y al suelo, desde el punto de vista de salud
pública, se consideró enfermedades, proliferación de vectores, debido a que el
criterio que mayor porcentaje se le asigno es a la ausencia de un sistema de
eliminación de aguas servidas, ya que en la encuesta realizada en campo hubo
pobladores que manifestaron que no poseían ningún tipo de sistema de
eliminación de aguas servidas. Desde el punto de vista de salud animal, existe un
riesgo elevado debido a que los pobladores manifestaron que, al no poseer un
139
sistema de eliminación de aguas servidas, se ven obligados a realizar sus
necesidades a campo abierto, y cabe recalcar que el ganado se desarrolla en estos
ecosistemas.
Las localidades y sus pobladores que se ven afectados en mayor parte, a la vez
generan mayor contaminación ambiental y riesgos a la salud animal son las
siguientes:
- Cooperativa Santa Rosa de Mulaute
- Cooperativa Bernardo Valdivieso
- Cooperativa Paisaje del Río Blanco
- Recinto Mirador Lojano
- Cooperativa Unión Ganadera Orense
- Unión Ganadera Orense
- Cooperativa Nuevo Mundo
- Amanecer Campesino
- La Florida
- Los Bancos
- El Chipal
- San Juan de Puerto Quito
Las localidades y sus pobladores que se ven afectados en menor parte son:
- Localidad La Sucia
- Nambillo
- El Aserrio
4.2.1.4 VARIABLE NIVEL DE INSTRUCCIÓN AL QUE ASISTE O
ASISTIÓ
Se escogió el modelo ordinario de primer orden realizado por el interpolador
Kriging, debido a que proporciona un análisis más elaborado y con un fundamento
estadístico. Los modelos restantes de segundo y tercer orden presentaron mayor
error. La ecuación que corresponde a este modelo es:
140
𝟏𝟏𝟒, 𝟕𝟑∗𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒂𝒍(𝟑𝟖𝟓𝟔,𝟏) + 𝟏𝟐, 𝟏𝟓𝟓∗𝑵𝒖𝒈𝒈𝒆𝒕
Ecuación No. 20 Ecuación del modelo ordinario de primer orden variable nivel de
instrucción al que asiste o asistió
Fuente: ArcGIS (Versión 9.3)
En este modelo, se analizó el nivel de instrucción que tienen los pobladores de las
distintas localidades del cantón, dando como resultado un nivel bajo de estudios,
de los pobladores, lo que se relaciona directamente con el nivel de educación
ambiental y cultura, que poseen los pobladores de las localidades.
Se consideró al criterio “Ningún nivel de instrucción”, como el que presenta
mayor peso de las ponderaciones de esta variable. Las localidades, en donde los
pobladores no poseen ningún nivel de instrucción o poseen el más bajo nivel de
instrucción, son las siguientes:
- Cooperativa Santa Rosa de Mulaute
- Cooperativa Paisaje del Río Blanco
- Cooperativa Bernardo Valdivieso
- Recinto Mirador Lojano
- Cooperativa Unión Ganadera Orense
- Cooperativa Nuevo Mundo
- La Florida
- San Juan de Puerto Quito
- El Chipal
- Cooperativa 23 de Junio
- Milpe
- San José de Saloya
- Saloya
- El Cinto
- Pueblo Nuevo
- Primero de Mayo
- San Tadeo
141
Por otra parte, las localidades en donde se encuentra pobladores que poseen un
nivel más alto de instrucción, son las siguientes:
- Cooperativa Los andes
- Blanca Nieves
- Saloya alta
- Cooperativa Pichincha
- El Aserrio
- La Isla
4.2.2 OBTENCIÓN DE MODELOS FINALES MEDIANTE
INTERSECCIÓN
4.2.2.1 MODELO DE NDVI – ECOSISTEMA - USO DE SUELO
143
De acuerdo al análisis realizado, se determina que la mayor parte del área del
Cantón San Miguel de los Bancos se encuentra intervenida por actividades
antrópicas, ya que el mapa de ecosistemas refleja la presencia de bosques pero al
cruzar esta información con el mapa de uso de suelo del cantón, fácilmente se
puede evidenciar que las condiciones de uso han cambiado ya que actualmente la
mayor parte del territorio del cantón corresponde a pastizales o cultivos.
Esto claramente se puede evidenciar al cruzar nuevamente el modelo de
ecosistema vs uso de suelo con el índice de vegetación normalizado calculado
anteriormente a partir de imágenes satelitales; este índice varía su valor entre -1 y
1 con lo cual permite identificar la presencia de vegetación verde en la superficie
y caracterizar su distribución espacial.
Los valores del NDVI para la mayor parte del Cantón Dan Miguel de los Bancos
están entre -1 y 0, lo que evidencia que la calidad de la vegetación existente no es
óptima ya que refleja la presencia de zonas con escasa presencia de vegetación
primaria (Recuperado de: http://www.esa.int).
4.2.2.2 MODELO DE ELIMINACIÓN DE DESECHOS – NDVI –
ECOSISTEMA – USO DE SUELO
144
Figura No. 41 Modelo Eliminación de desechos – NDVI – Ecosistema – Uso de suelo
Elaboración: Evelyn Villarroel, Andrés Petroche
145
El análisis del presente modelo refleja que en las zonas en las cuales el uso de
suelo determina la presencia de pastizales, existe un deficiente manejo en la
eliminación de desechos, ya que de acuerdo a las ponderaciones realizadas el
criterio con mayor peso fue el de arrojar los desechos directamente al río, cabe
recalcar que los pastizales se riegan con las aguas de los ríos más cercanos; lo que
de acuerdo al modelo evidencia que podría existir contaminación de las aguas de
estos ríos; lo que puede estar relacionado con la presencia de garrapatas en mayor
o menor proporción en los pastizales, lo que afecta directamente al ganado,
ocasionando pérdidas económicas a los propietarios de las unidades de producción
agropecuaria por el mal manejo en la eliminación de desechos.
De igual manera, el modelo arroja como resultado que las zonas destinadas a
cultivos anuales, permanentes y semipermanentes, se ubican en las zonas del
cantón en las cuales se evidencia un índice elevado del mal manejo en la
eliminación de desechos, ya que se reflejan valores que indican que los pobladores
de las localidades como Cooperativa Paisaje del Río Blanco, Cooperativa
Bernardo Valdivieso y Cooperativa Santa Rosa de Mulaute, arrojan los desechos
directamente al río, lo que es preocupante ya que en esta zona existe la mayor
concentración de áreas de cultivo, las que muy probablemente son regadas con
aguas de estos ríos, lo que representa un riesgo para la salud pública.
4.2.2.3 MODELO DE USO DE SUELO – PENDIENTE
147
Al analizar el modelo uso de suelo vs pendiente, se evidencia que muchas de las
zonas de cultivo se ubican en terrenos que presentan una pendiente que va de 11%
a 27% los que corresponde a terrenos fuertemente inclinados, lo que se convierte
en un factor determinante en la erosión de los suelos agrícolas debido al arrastre
de las partículas de suelo por la lluvia, irrigación o por acción del viento.
Es importante mencionar que en estos cultivos se utilizan cantidades de
fertilizantes, plaguicidas y materia orgánica, lo que debido a la escorrentía genera
contaminación de las fuentes de agua en el sector.
4.2.2.4 MODELO DE NIVEL DE INSTRUCCIÓN – ELIMINACIÓN DE
DESECHOS – PRESENCIA DE GARRAPATAS Y MOSCA DEL GUSANO
BARRENADOR DEL GANADO
148
Figura No. 43 Modelo Nivel de instrucción – Eliminación de desechos – Presencia de garrapatas y mosca del gusano barrenador del ganado
Elaboración: Evelyn Villarroel, Andrés Petroche
149
Del análisis del modelo, se puede concluir que el nivel de instrucción de la
población influye de manera directa en el manejo de la eliminación de desechos,
ya que en las zonas en donde existe un alto índice de inasistencia a ningún tipo de
centro educativo es donde hay mayores problemas de contaminación ambiental
debido al inadecuado manejo de desechos. Esto desencadenaría un problema de
salud pública debido a la contaminación ambiental que genera el inadecuado
manejo de los desechos, afectando directamente a los pobladores como se
mencionó en la interpretación de los modelos anteriores.
Por otro lado no se evidencia una tendencia marcada de la presencia de garrapatas
y la mosca del gusano barrenador del ganado con relación al inadecuado manejo
de los desechos.
De acuerdo al análisis del modelo, se ha contrastado los resultados de las
encuestas obtenidas en campo y el enfoque en salud pública, obteniéndose lo
siguiente:
- En las áreas en las que existe un mayor problema debido al mal manejo de
desechos y al bajo nivel de instrucción, se ubican treinta unidades de
producción agropecuaria, en las que se registra un 72% de casos de
gusanera por la presencia de la mosca del gusano barrenador del ganado, y
un 28% de presencia de garrapatas.
- Al contrario, en las áreas en las que existe un mejor manejo de los
desechos y nivel de instrucción, se ubican veinte y dos unidades de
producción agropecuaria, en las que se registra un 81% de casos de
gusanera por la presencia de la mosca del gusano barrenador del ganado, y
un 19% de presencia de garrapatas.
Es de suma importancia tomar en cuenta el enfoque de la ecosalud, ya que analiza
la interacción entre los factores ecológicos y socioeconómicos, y cómo estos
inciden en la salud humana (Charron, 2014).
En base a la interpretación del modelo generado, se evidencia que en la zona de
estudio hay una mayor presencia de casos de miasis o gusanera, que son causados
por la mosca del gusano barrenador del ganado, por lo tanto es relevante tomar
medidas correctivas ya que esta enfermedad a parte de atacar al ganado también
150
puede afectar a los seres humanos (Caissie, Beaulieu, Giroux, Berthod, Landry,
2008).
De acuerdo con Caissie et ál. (2008) los principales grupos de riesgo para miasis
en humanos están constituidos por indigentes, ancianos o personas débiles. Por lo
anterior, los servicios de salud deberían enfocar una atención especial hacia el
cuidado de las heridas, promoción de la higiene bucal, instalación de mosquiteros
en albergues y hospitales, y manejo apropiado de la basura (Felices y Ogbureke,
1996; Szakacs et ál., 2007; Chan et ál., 2005; Wall y Shearer, 2001).
Adicionalmente, las personas que viajan a áreas endémicas de moscas
responsables de miasis, deben ser advertidas y entrenadas en las medidas de
atención efectivas (Tamir et ál., 2003). No existe ninguna especie de mosca de
miasis que sea específica de humanos, por lo que la miasis humana es, por
definición, oportunista o incidental.
“Por otro lado, se afirma que la miasis humana es principalmente una enfermedad
rural, que puede ocurrir en habitaciones urbanas cuando existen animales
callejeros, como los perros, que pueden actuar como reservorios de este tipo de
zoonosis” (Chan et al., 2005). En los seres humanos, los niños y los ancianos, bajo
condiciones de abandono, desaseo y descuido son los más parasitados por el
GBG. Se han reportado casos de miasis por el GBG en la región periodontal
(Gómez et al., 2003), en la región ocular (De Tarso et al., 2004), en la cavidad
vaginal (Da Silva et al., 2005), en el útero (Rojas et al., 1974) y en la región
parietal derecha de la cabeza por una rara asociación miasis-pediculosis
(Visciarelli et al., 2003), entre otras.
De igual manera se deben tomar medidas de control para la presencia de
garrapatas en la zona de estudio, ya que este parasito también llega a afectar a los
seres humanos, debido a que las garrapatas (ACARI: Ixodidae) son parásitos que
afectan a todas las especies animales de sangre fría y caliente. Los animales de
producción como los bovinos, ovinos, porcinos y aves se encuentran afectados en
áreas donde la ecología de las especies permite su supervivencia; el hombre
también puede ser afectado por las garrapatas cuando convive con estos animales.
(Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología molecular de
152
CAPÍTULO V
5. CONCLUSIONES Y RECOMENDACIONES
5.1 CONCLUSIONES
1.- Se pudo realizar la modelización de problemas ambientales en entornos
ganaderos en el Cantón San Miguel de los Bancos, mediante el uso de sistemas de
información geográfica, teledetección y el análisis las dimensiones sociales,
ambientales y salud.
2.- Se aplicó encuestas epidemiológicas y ambientales a los miembros de las
asociaciones ganaderas, las mismas que se sirvieron para contrastar con la
información proporcionada por las instituciones.
3.- Para el trabajo de investigación, se recopiló información en instituciones
públicas como el MAGAP, CONSEJO PROVINCIAL DE PICHINCHA,
INAMHI, INEC. Información que sirvió como inputs para la generación de
modelos. No se recopiló información en instituciones privadas ni GAD municipal
debido a que no hubo la necesidad y en ocasiones no contaban con la información
requerida.
4.- Se georeferenciaron unidades de producción agropecuaria en el Cantón San
Miguel de los Bancos, de las cuales se obtuvieron datos de presencia de
garrapatas, gusanera y número de cabezas de ganado. Los puntos
georeferenciados y los datos fueron proporcionados por el Centro Internacional de
Zoonósis de la Universidad Central del Ecuador.
5.- Para la modelización de problemas ambientales en entornos ganaderos se
interpretaron variables ambientales con el uso de la herramienta ArcGIS, la misma
153
que permitió el análisis e interpretación de datos mediante el uso de
geoestadística.
6.- Se generó modelos y escenarios de los problemas ambientales existentes en el
Cantón San Miguel de los Bancos, enfocados en la eliminación de desechos,
eliminación de aguas servidas, además, problemas de salud pública por la
procedencia del agua recibida.
7.- La investigación de Salud - Ambiente o enfoque ecosistémico de la salud,
actualmente se usa para promover la conservación de los recursos naturales y
fomentar la salud pública y el cuidado al ambiente, tomando a la sociedad como
un punto clave para encontrar las interrelaciones sociedad – salud – ambiente.
8.- En la elaboración de mapas de precipitación y temperatura de un área de
estudio, es indispensable conseguir datos de estaciones meteorológicas
actualizados, con el fin de generar un modelo ajustado a la realidad y que sea
vigente en el tiempo.
9.- Para el análisis de la información de las unidades de muestreo, se estableció
una propuesta metodológica de ponderaciones para la valoración de criterios y
alternativas que permitieron cuantificar y obtener una valoración numérica real de
las situaciones y problemas actuales de salud – ambiente que presenta el Cantón
San Miguel de los Bancos.
10.- Para que la consistencia de los juicios emitidos en las ponderaciones sea
aceptable, no se debe sobrepasar el 0,10 de razón de consistencia, de acuerdo al
método propuesto por SAATY. Si la razón de consistencia es menor a 0,10 los
datos son aceptables, y al momento de realizar las interpolaciones en kriging, nos
determinó una distribución normal y una tendencia exponencial.
11.- La teledetección por medio de las imágenes satelitales permiten realizar
aplicaciones dentro de teledetección ambiental mediante el análisis en un área,
lugar o sitio de manera puntual y a su vez proporcionan una variedad de
información. Son necesarias para la verificación de información obtenida en
campo y para el cálculo numérico de índices y variables.
154
12.- La información proporcionada por el INEC del VII Censo de Población y VI
de vivienda – 2010, se encuentra desagregada a nivel de sector censal, la misma
que se utilizó para comparar con los datos del 2001 que se encuentra por
localidades. En la investigación se utilizó la información del 2001 del INEC por
localidades, necesarias como puntos de muestreo para desarrollo de la
investigación y elaboración de modelos.
13.- El método de interpolación Kriging, nos permitió hacer un análisis de
primero, segundo y tercer orden de los modelos generados, con la finalidad de
elegir el modelo probabilístico con menor error, a través del análisis de la
predicción de errores obtenidos en el cálculo de los modelos.
14.- En las localidades; Cooperativa Paisaje del Río Blanco, Cooperativa
Bernardo Valdivieso y Santa Rosa de Mulaute se evidencia problemas graves de
contaminación al recurso agua, aire y suelo, los mismos que ocasionan impactos
ambientales significativos. También los pobladores de estas localidades están en
mayor riesgo de sufrir enfermedades relacionadas con la mala calidad del agua de
consumo, lo que genera problemas en la salud pública a los pobladores de las
localidades anteriormente mencionadas. Estas localidades se encuentran en riesgo
de contraer enfermedades transmitidas por vectores debido a que poseen una mala
eliminación de aguas servidas y por ende, son las localidades que más contaminan
en el Cantón.
15.- El Centro Internacional de Zoonosis de la Universidad Central del Ecuador,
cuenta con un proyecto de investigación que va hasta el 2016, por medio de una
carta de compromiso con la Carrera de Ingeniería Ambiental. Gracias a la carta de
compromiso firmada entre el Centro Internacional de Zoonosis y la Facultad de
Ingeniería en Geología, Minas, Petróleos y Ambiental, se ha podido tener la
oportunidad como tesistas de incursionar en un estudio interdisciplinario, con el
objetivo de analizar la relación ambiente – sociedad – salud.
155
5.2 RECOMENDACIONES
1.- Para la modelización de problemas ambientales, es necesario el enfoque de
Ecosalud, debido a que esto genera una información válida y busca la relación
sociedad – ambiente – salud.
2.- Para realizar trabajos de investigación sobre modelización, se recomienda
realizar visitas de campo con el objetivo de contrastar dicha información, con la
obtenida por instituciones.
3.- Al recibir la información de instituciones públicas se debe analizar, y
determinar el grado de confiabilidad de los datos, debido a que en ocasiones estos
datos no poseen la confiabilidad necesaria.
4.- Se recomienda que se vinculen estudiantes de la Carrera de Ingeniería
Ambiental a proyectos del Centro Internacional de Zoonósis con el objetivo de
generar estudios multidisciplinarios enfocados en Ecosalud.
5.- Se recomienda el uso del software ArcGIS, para la generación de modelos
ambientales, análisis geoestadístico, interpretación de variables, análisis
multicriterio, etc.
6.- Se recomienda incluir la generación de modelos y escenarios de problemas
ambientales en los planes de desarrollo y ordenamiento territorial, ya que esto
brinda información importante del manejo ambiental, social y de salud pública
que se lleva a cabo en el territorio.
7.- En el país se debería realizar los estudios de gestión del territorio, relacionando
las variables sociedad – salud – ambiente, con el fin de evitar la degradación de
los ecosistemas y generar una mejor relación entre individuo y entorno natural.
8.- Es necesario que las instituciones públicas que proveen material educativo e
investigativo analicen la información antes de proporcionar al público en general.
Para realizar cualquier investigación es necesario datos actuales por parte de los
organismos del Estado, ya que esto se convirtió en un inconveniente a la hora de
realizar esta investigación.
156
9.- Se debe evitar hacer valoraciones de carácter cualitativo, debido a que no se
ejerce un juicio de valor razonable, que permita que los datos sean consistentes. El
análisis multicriterio es una herramienta clave y se recomienda para la
ponderación de variables y criterios. Dentro de este estudio, el análisis de
ponderaciones es parte de la propuesta investigativa, la misma que permitió el
cálculo de los modelos en los métodos de interpolación.
10.- Al momento de utilizar la escala propuesta por SAATY, es necesario evaluar
los criterios desde diferentes puntos de vista, con el objetivo de asignar buenas
valores propuestos en la escala. Al momento de asignar valores correctos la razón
de consistencia tendrá lógica y los pesos de los criterios serán reales. Caso
contrario se debe realizar nuevamente el procedimiento cambiando los valores a la
matriz de comparación por pares.
11.- Se recomienda a las Universidades, hacer uso de imágenes satelitales en la
enseñanza de asignaturas relacionadas con la gestión del territorio, ambiente, y
salud pública, por lo cual la Universidad Central del Ecuador debería establecer
convenios con instituciones públicas que posean estas imágenes, para que los
estudiantes puedan beneficiarse con esta información.
12.- Para generar modelos más puntuales se recomienda usar la información por
localidades de INEC que nos permite partir de puntos de muestreo, debido a que
esta es más desagregada que la información a nivel de sector censal. La
información por localidades permite contar con una buena distribución de puntos
de muestreo en la zona de estudio, lo que permitió calcular los indicadores para
luego generar los modelos con error promedio estándar que sean mínimos, dentro
de este estudio.
13.- Se recomienda usar el método de interpolación kriging para este tipo de
estudios, ya que presenta un mejor ajuste de los datos debido a que predice
mediante la interpolación, usando estadística.
14.- Se recomienda al GAD del Cantón San Miguel de los Bancos, elaborar
estudios de contaminación en las localidades Cooperativa Paisaje del Río Blanco,
Cooperativa Bernardo Valdivieso y Santa Rosa de Mulaute, también es necesario
elaborar programas de educación ambiental para los pobladores de estas
157
localidades. Es necesario que investigaciones como éstas se realicen para que el
GAD ejecute una correcta gestión del territorio y sus recursos.
15.- Se recomienda que la Carrera de Ingeniería Ambiental conjuntamente con el
Centro Internacional de Zoonosis, continúen trabajando en proyectos de
investigación para que los estudiantes puedan intercambiar criterios y realizar
proyectos de investigación enfocados en Salud Pública, Ecosistemas y Vectores,
Manejo de recursos, etc.
158
CAPÍTULO VI
6. REFERENCIAS BIBLIOGRÁFICAS
6.1 BIBLIOGRAFÍA
1. Andrade, A. & Vides, R. Enfoque ecosistémico y políticas públicas:
aportes para la conservación de la biodiversidad y la adaptación al
cambio climático en Latinoamérica. Disponible en URL:
http://www.ceppia.com.co/Documentos-tematicos/CAMBIO-
CLIMATICO/Politicas-Publicas-EE-cambio-climatico.pdf. [consulta 17
de Junio de 2015]
2. Armas, Y. & Yaselga, G. (2005) Estudio de la evaluación de impactos
ambientales que generará la construcción del relleno sanitario de san
miguel de ibarra, en el sector las tolas de socapamba. Tesis de Ingeniería
en Recursos Naturales Renovables Presentada al Comité asesor como
requisito parcial para obtener el Título de: Ingeniero en recursos naturales
renovables. Universidad Técnica del Norte: Ibarra, Ecuador.
3. Caissie, R.; Beaulieu, F.; Giroux, M.; Berthod, F.; Landry, P. E.
“Cutaneous myiasis: diagnosis, treatment, and prevention”. Journal of
Oral and Maxillofacial Surgery 66.3 (2008): 560-568. Impreso.
4. Castillo, L. & Ruíz, M. (2012) Metodología para el diseño sísmico 2D en
Colombia. Colombia: Editorial Universidad Nacional de Colombia.
5. CEPI. (1983). Centro de Proyectos de Inversión del Instituto
Interamericano de Cooperación para la Agricultura. Estudio de factibilidad
económica y técnica de la erradicación del gusano barrenador en
Centroamérica y Panamá.
159
6. Centro Internacional de Zoonosis (CIZ), (2014), Epidemiología molecular
de parásitos y microorganismos de interés zoonosico: gusano barrenador
del ganado, garrapatas.
7. Chan, J.; Lee, J.; Dai, D.; Woo, J. “Unusual cases of human myiasis due to
Old World Screwworm Fly acquired indoors in Hong Kong”. Transactions
of the Royal Society of Tropical Medicine and Hygiene 99.12 (diciembre
2005): 914-918. Impreso.
8. Charron, D. (2014) La Investigación de Ecosalud en la Práctica. España:
Una coedición con International Development Research Center (IDRC)
9. Chuvieco, E. (2008) Teledetección Ambiental. España: Editorial Ariel S.A.
10. Conesa, C. (2005) Tecnologías de la información geográfica: Territorio y
Medio Ambiente. (1° edición). España: Universidad de Murcia. Servicio de
publicaciones.2005
11. Da Silva, B.; Borges, U.; Pimentel, I. “Human vaginal myiasis caused by
Cochliomyia hominivorax”. Brief Communication. International Journal of
Gynecology and Obstetrics. 89. (2005): 152 - 153.
12. De Tarso, P.; Pierre-Filho, P.; Minguini, N.; Pierre, L.; Pierre, A. “Use of
Ivermectin in the Treatment of Orbital Myiasis Caused by Cochliomyia
hominivorax”. Scandinavian Journal of Infectious Diseases. 36. (2004):
503 - 505.
13. D. F. Charron (ed.), Ecohealth Research in Practice: Innovative
Applications of an Ecosystem Approach to Health, Insight and Innovation.
14. FAO. (2007). La cooperación internacional en el control, erradicación y
prevención del gusano barrenador del ganado. Oficina Regional de la
FAO para América Latina y el Caribe.
15. Felices, R. R. & Ogbureke K. U. “Oral myiasis: report of case and review
of management”. Journal of Oral and Maxillofacial Surgery 54.2 (1996):
219-220. Impreso
16. Forero, E. (2011) Miasis en Salud Pública y Salud Pública Veterinaria.
17. Forero, E. Cortés, J. Villamil, L. (2007) Ecología y epidemiología del
Gusano Barrenador del Ganado, Cochliomyia hominivorax. Revista de
Medicina Veterinaria No 14:37-49/Julio – diciembre 2007.
160
18. Gómez, R.; Perdigão, P.; Pimenta, F.J; Rios Leite, A.; Tanos De Lacerda,
J.; Custódio Neto, A. “Oral myiasis by screwworm Cochliomyia
hominivorax”. Short Communication. British Journal of Oral and
Maxillofacial Surgery. 41. (2003): 115 - 116.
19. González, E. J. (2008) Educación, medio ambiente y sustentabilidad: once
lecturas críticas. México: Siglo XXI Editores: Universidad Autónoma de
Nuevo León.
20. Guglielmone, A.A., 1995. Epidemiology of babesiosis and anaplasmosis
in South and Central America. Vet. Parasitol. 57, 109-119
21. IDCR. International Development Research Centre. Centro Internacional
de Investigaciones para el Desarrollo, 2012
22. Ingraham, J. & Ingraham, C. (1998) Introducción a la microbiología.
España: Editorial Reverté, S.A.
23. Instituto Geográfico Militar (IGM). (2015). Cartografía Temática Cantón
San Miguel de Los Bancos.
24. Instituto Nacional de Estadística y Censos (INEC). (2010). VII Censo de
Población y VI de vivienda – 2010.
25. Instituto Nacional de Meteorología e Hidrología (INAMHI). (2014).
Estaciones Meteorológicas de la Provincia de Pichincha y Santo Domingo
de los Tsáchilas
26. Isch, E. (2011) Foro de los Recursos Hídricos. Contaminación de las
aguas y políticas para enfrentarla. Ecuador. URL:
http://www.camaren.org/documents/contaminacion.pdf
27. Lebel, J. (2005) Salud. Un enfoque ecosistémico. Ottawa: Centro
Internacional de Investigaciones para el Desarrollo.
28. Lomas, P. (2014). “Tendiendo puentes entre la sociedad y los ecosistemas
para el buen vivir”. Conferencia llevada a cabo en el auditorio de la
Universidad de Postgrado de Estado, Quito.
29. Londoño-Linares, J. Cifuentes-Ruiz, P. & Blanch,J. (2007) Modelización
de problemas ambientales en entornos urbanos utilizando sistemas de
información geográfica y métodos multivariantes. España: Revista
Internacional de Sostenibilidad, Tecnología y Humanismo, p.23.
30. Manual de autoconstrucción de un sistema de tratamiento de aguas
residuales domiciliarias (2006). Primera edición. Mariñelarena -
161
FREPLATA Editores. La Plata, Provincia de Buenos Aires, República
Argentina. (Recuperado de: http://www.osmgp.gov.ar)
31. Márquez, H. (1999) Método Matemáticos de Evaluación de Factores de
Riesgo Para el Patrimonio arqueológico: Una aplicación GIS del Método
de Jerarquías Analíticas de T.L. SAATY.
32. Martín, F., Corbera, J., Marchan, J. F., González, A. Mapping. RapidEye
and the Rededge band for modelling the vegetation and the recovery of the
soil moisture. (2009). núm. 50, pàg. 10‐ 20.
33. Melendro, M. Murga, M. Cano, A. (2011) IDEAS: Iniciativas de
Educación Ambiental para la Sostenibilidad. Madrid: Universidad
Nacional de Educación a Distancia.
34. Montenegro – James, S., 1992. Prevalence and control of babesiosis in the
Americas. Mem. Inst. Oswaldo Cruz 87 Suppl 3, 27-36
35. Noji, E. (1997) Impacto de los Desastres en La Salud Pública.
Organización Panamericana de la Salud. División de Biblioteca y
Publicaciones. Instituto Nacional de Salud. Bogotá, D.C., Colombia.
36. Ongley, E. D. (1997) Estudio FAO riego y drenaje: lucha contra la
contaminación agrícola de los recursos hídricos. Roma.
37. Paz, J. (1971). La contaminación ambiental y sus problemas. Madrid: Real
Academia Nacional de Medicina
38. Plan de Desarrollo y Ordenamiento Territorial Del Cantón San Miguel de
Los Bancos 2012 - 2025 (PDOT).
39. Reynolds, J. (2002) El Manejo Integrado de Aguas Subterráneas un reto
para el futuro.
40. Rojas, L.; Cantillo, J.; Osorno-Mesa, E. “Miasis Uterina: Un caso de
miasis uterina por Callitroga americana (Cushing y Patón, 1933)”.
Revista Colombiana de Obstetricia y Ginecología. 24. 1. (1974).
41. Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT).
Minimización y Manejo Ambiental de los Residuos Sólidos. Estados
Unidos Mexicanos.
42. Sistema Único de Información Ambiental (SUIA). (2015). Cartografía
Temática Cantón San Miguel de Los Bancos.
162
43. Szakacs, T. A.; MacPherson, P.; Sinclair, B. J.; Gill, B. D.; McCarthy, A.
E. “Nosocomial myiasis in a Canadian intensive care unit”. Canadian
Medical Association Journal 177.7 (2007): 719-720. Impreso.
44. Vannier, E. Krause, P.J., 2009. Update on babesiosis. Interdiscip.
Perspect. Infect. Dis. 2009, 984568.
45. Vega, M. Barredo, J. Camacho, C. Asensio, L. Riaño, D. Romero, R. &
otros (2001). Métodos para la Planificación de Espacios Naturales
Protegidos. España
46. Villarreal, M. J. (2000). Cucunubá: modelo para un desarrollo sostenible.
Bogotá, D.C. Fundación Universidad de Bogotá Jorge Tadeo Lozano.
47. Villatoro, M. Henríquez, C. & Sancho, F. (2008) Comparación de los
interpoladores idw y kriging en la variación espacial de ph, ca, cice y p
del suelo. Costa Rica.
48. Visciarelli, E.; García, S.; Salomón, C.; Jofré, C.; Costamagna, S. “Un
caso de miasis humana por Cochliomyia hominivorax (Díptera:
Calliphoridae) asociado a pediculosis en Mendoza, Argentina”.
Experiencia Clínica. Parasitología Latinoaméricana. 58. (2003): 166 - 168.
49. Wall, R. & Shearer, D. Veterinary ectoparasites: biology, pathology and
control (2a Ed.) (pp. 114-142). Londres: Blackwell Science Ltd., 2001.
Impreso.
6.2 WEBGRAFÍA
50. EcosaludETV Colombia. (2011). Iniciativa liderazgo ecosaludETV.
URL://www.ecosaludetvcolombia.org/iniciativa/antecedentes.
(27/11/2015)
51. El Nuevo Diario. (2010). De la contaminación y la despreocupación
Impacto provocados por la Basura. URL:
http://www.elnuevodiario.com.ni)
52. ESRI. (2012). ArcGIS Desktop URL:
http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//009z00000
0st000000
163
53. ESA. (2014). European Space Agency. URL:
http://www.esa.int/SPECIALS/Eduspace_Global_ES/SEMJH5TWT1H_0.
html
54. IDRC. (2014). Centro Internacional de Investigaciones para el Desarrollo.
URL: http://www.idrc.ca/EN/Resources/Publications/openebooks/233-
4/index.html. (03/08/2015)
55. NCGIA. (1990). National Centre of Geographic Information and Analysis.
URL:
http://www.geogra.uah.es/gisweb/1modulosespanyol/IntroduccionSIG/GI
SModule/GISTheory.htm. (10/02/2015)
56. NIMF. (2010). Normas Internacionales para medidas fitosanitarias. URL:
http://www.fao.org/docrep/015/i2080s/i2080s09.pdf. (07/05/2015)
57. Organización de las Naciones Unidas para la Alimentación y la
Agricultura (FAO). (1993). Manual para el control de la mosca del gusano
barrenador del ganado. URL:
http://www.fao.org/alc/file/media/pubs/1993/control2_gbg.pdf.
58. PNGIDS. (2014). Programa Nacional para la Gestión Integral de Desechos
Sólidos (Ministerio del Ambiente). URL:
http://www.ambiente.gob.ec/programa-pngids-ecuador/. (20/08/2015)
59. Sinagap. (2015). Sistema de Información Nacional de Agricultura,
Ganadería, Acuacultura y Pesca. URL:
http://sinagap.agricultura.gob.ec/censo-nacional-agropecuario.
(13/05/2015)
60. Universidad Andina Simón Bolívar. Unidad de Investigación Socio
ambiental del Ecuador. URL:http://www.uasb.edu.ec/web/area-de-
estudios-sociales-y globales/programa?unidad-de-investigacion-
socioambiental-del-ecuador. (02/12/2015)
164
CAPÍTULO VII
7. APÉNDICE Y ANEXOS
7.1 ANEXO A: GLOSARIO DE TÉRMINOS
Análisis Multicriterio: Conjunto de conceptos, aproximaciones, modelos y
métodos, para ayudar a las entidades responsables a describir, evaluar, ordenar,
jerarquizar, seleccionar o rechazar objetos, en base a una evaluación (expresada
por puntuaciones, valores o intensidades de preferencia) de acuerdo a varios
criterios.
Ecosalud: Es una estrategia generada en el seno del Convenio de Diversidad
Biológica de las Naciones Unidas, para promover la conservación y el uso de
manera equitativa de los recursos de la tierra, el agua y los seres vivos.
Ecosistema: Unidad funcional compuesta por todos los organismos vivos
(plantas, animales y microbios) de una zona determinada y todos los factores
físicos y químicos de su medio que no están vivos, relacionados por el ciclo de los
nutrientes y el flujo de energía.
Interpolación: La interpolación es un procedimiento matemático utilizado para
determinar el valor de un atributo en una localización precisa a partir de valores
del atributo obtenidos de puntos vecinos ubicados al interior de la misma región.
Modelización: Metodología para la generación de escenarios prospectivos de
problemas ambientales basada en la utilización de sistemas de información
geográfica y teledetección para la búsqueda, generación y manipulación de
165
información multivariante, y métodos de geo-estadística para el procesamiento de
esta información y la generación de modelos predictivos.
Ponderación: Es asignar pesos a valores cualitativos, con el objetivo de generar
índices que permitan calificar a las variables o criterios que se utilizan en las
ponderaciones.
Problemas ambientales: Se refieren a situaciones ocasionadas por actividades,
procesos o comportamientos humanos, económicos, sociales, culturales y
políticos, entre otros; que trastornan el entorno y ocasionan impactos negativos
sobre el ambiente, la economía y la sociedad.
Teledetección: Es la técnica que permite obtener información a distancia de
objetos sin que exista un contacto material. Para que ello sea posible es necesario
que, aunque sin contacto material, exista algún tipo de interacción entre los
objetos observados; situados sobre la superficie terrestre, marina o en la
atmósfera; y un sensor situado en una plataforma, por ejemplo satélites o avión.
Unidades de producción agropecuaria: Es toda finca, hacienda, quinta, granja,
fundo o predio dedicados total o parcialmente a la producción agropecuaria. En
general una UPA está conformada por uno o varios terrenos dedicados a la
producción agropecuaria, los cuales están bajo una gerencia única y comparten los
mismos medios de producción como: mano de obra, maquinaria, etc.
Variables ambientales: Se definen como aquellos parámetros que describen las
condiciones climáticas, hidrográficas, geológicas, biológicas (flora y fauna) y de
contaminación de un área determinada.
166
7.2 ANEXO B: ENCUESTA
MINISTERIO DE AGRICULTURA, GANADERIA, ACUACULTURA Y PESCA
UNIVERSIDAD CENTRAL DEL ECUADOR
CENTRO INTERNACIONAL DE ZOONOSIS (CIZ)
ENCUESTA DE LA EXPLOTACION (UPA)
COCLHIOMIASIS-GARRAPATAS
IDENTIFICACION Y LOCALIZACION DE LA EXPLOTACION
No. general encuesta: ___/___/___
Código: _________________
Coordenadas (gg/mm/ss): Lat N(_) S(_)______________Long W(_)____________ Altitud
(msnm): ______________
Código de la UPA (provincia/cantón/parroquia/tipo de finca/número): ___/___/___/___/_____
Fecha: ___/___/20___ Nombre del Encuestador: _____________________________________________________
Nombre de la explotación
(UPA):____________________________________________________________________
PROPIETARIO
Nombres:
______________________________________Apellidos:_________________________________
________
Teléfono: __/__/__/__/__/__/__/__/__ Celular: __/__/__/__/__/__/__/__/__/_
Provincia: __________________ Cantón: ______________________Parroquia:
_____________________________
Localidad:
_______________________________________________________________________________
_______
Nombre de la persona encuestada: _________________________________________ Edad:
_______________
Cargo: _____________________ Años de trabajo en la UPA: _____________________
Nombre del médico veterinario responsable de la sanidad de la explotación:
__________________________________
¿Realiza control veterinario permanente?
Sí No
Datos Generales de la Explotación
1. ¿Cuál es la superficie total de la explotación? _____________________ hectáreas
cuadras
167
2. ¿Cuál es la superficie de pastos? ___________________________ hectáreas
cuadras
3. ¿Tiene en su finca cultivos? Sí No
Cuáles ____________________________________________________________________
4. ¿A qué distancia se encuentra la finca de un bosque
natural?_______________________________ (metros)
5. ¿A qué distancia se encuentra la finca de una cuenca hidrográfica?
Río ______ Riachuelo_______ Acequia _______Quebrada_______ (metros)
6. ¿En que condiciones se encuentran actualmente las instalaciones de su explotación?
Exelente Buena Mala
7. ¿Qué tipo de producción bovina tiene su finca?
Leche Carne Mixta Animales de trabajo Sementales
8. ¿Con qué frecuencia realiza inspecciones físicas a sus animales?
Diario Semanal Quincenal Mensual Ninguna
9. Inventario total de Bovinos para LECHE:
Terneros (0 a 6 meses): ___/___/__
Vaquillas o medias (6 a 12meses) ___/___/___ Vacas (rejo y seco): ___/___/___
Fierros (12 a 18 meses): ___/___/___ Toretes: ___/___/___
Vientres (más de 18 meses) ___/___/___ Toros: ___/___/___
Inventario total de bovinos CARNE: ___/___/___ Vacas (más de 34 meses)
___/___/___
Cría (0 a 9 meses): ___/___/___ Toretes:
___/___/___
Levante (9 a 24 meses) ___/___/___ Toros:
___/___/___
Vientres (24 a 34 meses) ___/___/___
Inventario de otros animales:
Ovejas ___/___/___ Cabras ___/___/___ Cerdos ___/___/___ Perros ___/___/___
Búfalos ___/___/___ Gatos___/___/___ Caballos ___/___/___ Camélidos
___/___/___
Mulares ___/___/___ Aves ___/___/___ Otros:
___________________________________
SECCIÓN A: GARRAPATAS
10. ¿El ganado de su finca tiene garrapatas?
Sí No No sabe
Especifique una proporción: 25% 50% 75% 100%
11. ¿En qué zona del cuerpo de los bovinos son más frecuentes las garrapatas?
(Marque con una X) VULVA PATAS POSTERIORES
Si responde Sí, continúe.
Si responde No o No
sabe pase a la pregunta
15
168
INGLE PATAS ANTERIORES
UBRES AXILAS TESTÍCULOS OREJAS
COLA OTRAS
12. ¿El ganado infestado con garrapatas, ha tenido los siguientes síntomas? a) Fiebre b) Sangre en la orina c) Parálisis d) Muerte e) No
13. ¿En qué época del año ha visto estos síntomas?
Invierno Verano Todo el año
14. ¿En qué época hay más garrapatas en el ganado de su finca?
Invierno Verano Todo el año
Especifique los meses: ______________________________________________________
SECCIÓN B: GUSANO BARRENADOR DEL GANADO
15. ¿Han presentado gusanera (miasis, queresas) sus animales en el último año?
Sí No No sabe
Especifique heridas u orificios naturales:
¿Cuántos y cuáles animales han sido afectados por gusanera en el último año?
(Marque con una X)
ESPECIE CUANTOS ESPECIE CUANTOS ESPECIE CUANTOS
BOVINOS CAMELIDOS CONEJOS
OVINOS CAPRINOS CUYES
EQUINOS CANINOS AVES
PORCINOS FELINOS OTROS
16. ¿Qué tipo de gusanera ha observado en sus animales?
Única (1 parásito) Múltiple (más de 1 parásito)
17. ¿Qué forma tiene esta herida?
Bolsillo (profunda) Superficial
18. ¿En qué lugar se encuentran ubicadas las larvas (gusanos)?
En la parte interna de la herida En la parte superficial de la herida Orificios
naturales
19. ¿En qué época ha visto gusaneras múltiples?
Época de lluvia Época seca Ambas
20. ¿En qué edad usted ha visto gusaneras múltiples en los animales?
a) Terneros b) Jóvenes c) Adultos c1) En Seco c2) En
producción
21. Marque con una X las posibles causas de miasis y la ubicación
Causas Nº Casos Ubicación Nº Casos
Abrasión por alambre de púas Escroto
Ombligo no desinfectado (neonato) Ombligo (neonato)
Castración Vulva
Descornado Cuernos
Si responde Sí, continúe.
Si responde No o No
sabe pase a la pregunta
25
Si responde Sí, continúe.
Si responde No o No
sabe pase a la pregunta
14
169
NOMBRE DEL PRODUCTO FRECUENCIA DOSIS Y VIA DE ADMINISTRACION
Peleas Otros
Picadura de garrapatas Orejas
Otros Orificios naturales
22. ¿Quién realiza los tratamientos a los animales con gusanera?
a) Médico Veterinario b) Dueño c) Administrador d) Obrero
23. ¿Cuál es la duración del tratamiento con gusanera?
a) 1 día b) 1 semana c) 2 semanas d) 1 mes
24. ¿Cuál es el costo aproximado por tratamiento de gusaneras?
Especifique: 5 a 10$ 10 a 15$ 15 a 20$ >20$
SECCIÓN C: CONTROL DE ECTOPARÁSITOS
25. ¿Realiza control químico sobre ectoparásitos (incluidas gusaneras) en el ganado de
su finca?
Sí No No sabe
26. ¿Cada qué tiempo aplica el producto al ganado contra los ectoparásitos?
a) Semanal b) Quincenal c) Mensual d) Trimestral e) Semestral f)
Anual
g) Otra (Especifique) _________________
27. ¿Utiliza algún tratamiento adicional para el tratamiento de las gusaneras?
Sí No
Especificar tratamiento:
________________________________________________________________________
28. ¿Realiza trashumancia del ganado (llevar el ganado de un lugar a otro) y en qué
meses lo hace?
Sí No
Especificar los meses:
__________________________________________________________________________
SECCIÒN C: PASTOREO DEL GANADO
29. División de potreros
a) Cerca eléctrica b) Alambre de púas c) Cercas vivas d)
Otros
30. ¿Qué tipo de pastoreo tiene el ganado de su finca?
a) Libre b) Terreno Comunal c) Estabulación d) Rotación de potreros
0
Si responde Sí, continúe.
Si responde No o No
sabe pase a la pregunta
28
170
e) Sogueo f) Rastrojo g) Barbecho
31. ¿Qué tipo de suplemento alimenticio da al ganado de su finca?
a) Silo b) Heno c) Balanceado d) Sal e) Corte
cuál___________________
Otro
(Especifique):___________________________________________________________________
____
32. ¿El pasto de su finca está bajo algún sistema silvopastoril (árboles, pasto y ganado en
una misma unidad de área)?
Sí No
33. ¿En qué tipo de hierba pasta el ganado de su finca?
a) Hierba natural b) Hierba natural + sembrada c) Hierba sembrada
34. ¿Cuáles son las pasturas que hay en su finca?
Nombre pasto/hierba Tipo Uso
% de uso Gram Leg Pastoreo Corte
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Gram = Gramínea; Leg = Leguminosa
35. ¿Qué tipo de manejo da a la hierba de su finca?
a) Pastoreo b) Corte c) Quema la hierba
171
7.3 ANEXO C: UNIDADES DE MUESTREO EN LAS UPAs
PUNTOS DE MUESTREO EN LAS UPA`s
No. LOCALIDAD COORDENADAS
Y X ALTITUD PROPIETARIO
1 Recinto Mirador de
Cocanihuas
-0,10061667 -78,9783833 738 Rodrigo Hurtado
2 Amanecer
Campesino
-0,02253333 -78,94385 947 Manuel Rojas
3 Ganaderos Orenses -0,07001667 -78,9825 771 Evangelina Ramón
4 Ganaderos Orenses -0,07725 -78,98965 748 Manuel Marcelo
Pacheco Aguirre
5 Ganaderos Orenses -0,07041667 -78,9787333 796 Polibio Naranjo
6 Ganaderos Orenses -0,08295 -78,97295 795 José Isaías Macas
Vera
7 Ganaderos Orenses -0,07658333 -78,9892 762 María Inés Macas
8 Mirador del
Cocanihua
-0,09991667 -78,98195 710 María Naula
9 Paisaje de Rio
Blanco
-0,06031667 -79,0754333 732 Oscar Manuel Cajas
Cedeño
10 Cooperativa Luz
de América
-0,04285 -79,0019167 773 Lilia Elizabeth
Ceballos Flores
11 Grupo los Andes -0,04563333 -79,0316167 683 Luis Vicente Ríos
Rodríguez
12 Grupo los Andes -0,04563333 -79,0316167 715 Guido Condolo
13 Paisaje Rio Blanco -0,06145 -79,0771 606 Gabriel Condo
14 Grupo los Andes -0,04361667 -79,0278333 702 Santos Jaya
15 Paisaje Rio Blanco -0,05038333 -79,0502833 648 Jorge Quevedo
16 Paisaje Rio Blanco -0,05485 -79,0699167 618 Santos Celso
Ramírez
17 Recinto Santa Rosa -0,04361667 -79,0278333 567 Ramón Suarez
18 Paisaje Rio Blanco -0,0524 -79,0603833 629 Ángel Reyes
19 Amanecer
Campesino
-0,05238333 -78,9721167 832 Arsenio Pizarro
Yanza
20 Ganaderos Orenses -0,06880556 -78,9775833 814 Alonso Naranjo
21 Recinto 23 de
Junio
-0,00486667 -78,89215 1127 Segundo Maza
22 Vía los andes km 4
aprox. (desde el
asfalto)
-0,03128333 -78,9773167 857 Walter Coronel
23 Ganaderos Orenses -0,07358333 -78,9680333 807 Segundo José
Macas
24 Cooperativa Luz
de América
-0,03988333 -78,9946333 795 Wilson Rey
25 Amanecer
Campesino
-0,04258333 -78,9598833 858 Asunción Mera
Campoverde Luna
26 Ganaderos Orenses -0,07335 -78,9594333 784 Rosa María Moreno
27 Ganaderos Orenses -0,0934 -79,0033 695 Simón Bolívar
Olalla Colón
28 Ganaderos Orenses -0,03105 -79,0211667 718 Ismael Moreno
172
PUNTOS DE MUESTREO EN LAS UPA`s
No. LOCALIDAD COORDENADAS
Y X ALTITUD PROPIETARIO
Villalta
29 Grupo los Andes -0,03926667 -79,0177 707 Franco Celi Reyes
30 Grupo los Andes -0,04413333 -79,0073833 756 Cesar Estuardo
Estrada Guerrero
31 Grupo los Andes -0,03848333 -79,0130667 737 Francisco Pedrera
Ortiz
32 Lomas del Blanco -0,03658333 -79,0376 678 Angel Telmo Celi
Valle (Respondió a
la encuesta Gladis
Rosales)
33 Luz de América -0,03216667 -78,9830167 822 Elías Rafael
Berzosa Pizarro
34 Grupo los Andes -0,03933333 -79,0177333 708 Enrique Solano
(Respondió a la
encuesta segundo
enrique solano)
35 Grupo los Andes -0,03901667 -79,0187667 712 Floresmilo Javia
Rosario Vargas
36 Ganaderos Orenses -0,0586 -78,96175 843 Ángel Pizarro
Yanza
37 Paisaje de Rio
Blanco
-0,0541 -79,0672667 627 Carlos Mijas
38 Lomas del Blanco -0,0351 -79,0298833 701 Pedro Guillermo
Condolo Lapo
39 Paisaje de Rio
Blanco
-0,04908333 -79,04235 668 Tatiana Guamán
Guzman
(Respondió a la
encuesta Iván
Quiroz)
40 Vía Santa Rosa del
Mulaute
-0,06181667 -79,0774667 600 Vicente Guerrero
41 Cooperativa 23 de
Junio
-0,04455 -78,8753 1223 Eduardo Maza
42 Cooperativa 23 de
Junio
-0,04131667 -78,8757833 1205 Ibelida Maza
43 Cooperativa 23 de
Junio
-0,0332 -78,8783 1126 Wilson David Maza
44 Ganaderos Orenses -0,03166667 -78,8766833 1133 Elgio Pinzón
45 Recinto 23 de
Junio
-0,03391667 -78,87525 1158 Bernardillo
Chamba
46 Recinto 23 de
Junio
-0,03368333 -78,86675 1190 Segundo Andrade
47 Recinto 23 de
Junio
-0,0314 -78,8712 1133 Pepe Ajila
48 Recinto 23 de
Junio
-0,03546667 -78,8653333 1241 Santiago Maza
49 Recinto 23 de
Junio
-0,03171667 -78,87655 1111 Luis Ajila
50 Grupo el Carnen -0,05008333 -78,8591667 1542 Ruperto Sarango
51 Cooperativa 23 de
Junio
-0,03166667 -78,8767778 1133 Luis Quezada
173
PUNTOS DE MUESTREO EN LAS UPA`s
No. LOCALIDAD COORDENADAS
Y X ALTITUD PROPIETARIO
52 Agrupación el
Carmen
-0,05125 -78,86025 1523 Enrique Ajila
53 Paquisha -0,065 -78,8647222 1695 Libio Sarango
54 El Carmen -0,05008333 -78,8591667 1542 Gavino Pinzón
Romero (Respondió
a la encuesta
Geovana Quezada)
55 Cooperativa 23 de
Junio
-0,04558333 -78,8754333 1223 Vicente Carrión
56 Paquisha -0,05666667 -78,8652778 1600 Luis Antenor
Sarango Gonzaga
(Respondió a la
encuesta Byron
Sarango)
57 Saloya Monterrey -0,05369444 -78,8606389 1555 Salustino Ajila
Maza
58 Cooperativa 23 de
Junio
-0,0262 -78,8823333 1163 Fredy Ordoñez
(Respondió a la
encuesta José
Alcivar)
59 Cooperativa Saloya -0,02405 -78,8851833 1218 (Respondió a la
encuesta Cristian
Lapa)
60 La Loma -0,0048 -78,9131167 1006 Soila Maita
(Respondió a la
encuesta Elsa
Lituma)
61 Vía a la 23 de
Junio
-0,01431667 -78,88935 1163 Pia (Respondió a la
encuesta Jennifer
Cusme)
62 Amanecer
Campesino
-0,00425 -78,9036333 1092 Rosa Lucero
63 La Loma -0,00288333 -78,90585 1040 César Guamán
64 El Carmen 0 0 1542 Efren Lapo
(Respondió a la
encuesta Eda Maza)
65 Luz de América -0,03926667 -78,9920167 801 Fidel Benigno
Calero
66 Luz de América -0,04193333 -78,9980333 793 Yolanda López
67 Grupo los Andes -0,04738333 -79,0359167 672 Amelia Ramirez
68 Bernado
Valdivieso
0 0 Juan José Cano
Cuenca (Respondió
a la encuesta Imelda
Lojan)
69 Bernado
Valdivieso
-0,04931667 -79,0401 683 Elva Cabrera
(Respondió a la
encuesta Ramiro
Vera)
70 Luz de América -0,02778333 -78,9667 870 daris kleber
jaramillo chiquito
(jhanet trujillo)
71 Santa Rosa del -0,07493333 -79,1046667 540 Felix Artus
174
PUNTOS DE MUESTREO EN LAS UPA`s
No. LOCALIDAD COORDENADAS
Y X ALTITUD PROPIETARIO
Mulaute
72 Santa Rosa del
Mulaute
-0,07621667 -79,10785 525 Alicia Chuque
73 Santa Rosa del
Mulaute
-0,07815 -79,1103833 525 Jovino Cueva
74 Paisaje de Rio
Blanco
-0,06543333 -79,0834167 601 Angel Humberto
Pacheco
75 Paisaje de Rio
Blanco
-0,05981667 -79,0728 605 Jaime Eladio
Betancourt
76 Paisaje de Rio
Blanco
-0,05795 -79,06985 617 Santos Celso
Ramírez
77 Paisaje de Rio
Blanco
-0,05253333 -79,0627 633 Segundo Francisco
Ortiz (Respondió a
la encuesta Jeordi
Ramírez)
78 Paisaje de Rio
Blanco
-0,05196667 -79,0600167 651 Antoliano Merino
79 Santa Rosa del
Mulaute
-0,07558333 -79,0984167 555 Jaime Baque
80 Paisaje de Rio
Blanco
-0,05061667 -79,0532333 640 Medardo Valverde
81 Bernardo -0,05183333 -79,0568333 633 Faustino Jiménez
(Respondió a la
encuesta Efrén
Jiménez)
82 Via los Andes -
Sto. Domingo
-0,07965 -79,1059 538 Alexis Tacuri
83 Ganaderos Orenses -0,09338889 -78,9846389 745 Alfonso Adilberto
Vega Masache
84 Nuevo Mundo -0,09566667 -78,95 657 Mariana Jácome
85 Mirador del
Cocanihuas
-0,09197222 -78,9786111 779 Ángeles Cando
86 Monte Real -0,09338889 -78,9846389 745 Enaa Macas Cando
87 Nuevo Mundo -0,10091667 -78,97625 756 Klever Verdesoto
(Respondió a la
encuesta Verónica
Encarnación)
88 Monte Real -0,09916667 -78,9864722 746 Manuel de Jesús
Morocho
89 Monte Real -0,10311667 -78,9916 701 Gloria Macas
(Respondió a la
encuesta Tania
Vásquez)
90 Monte Real -0,0995 -78,9872833 734 Mariana Guanuche
(Respondió a la
encuesta José
Roberto Hurtado)
91 Ganaderos Orenses -0,08777778 -78,9800278 778 Amalia Macas
(Respondió a la
encuesta Maribel
Miño)
92 Ganaderos Orenses -0,08201667 -78,9885 737 Gabriel Macas
175
PUNTOS DE MUESTREO EN LAS UPA`s
No. LOCALIDAD COORDENADAS
Y X ALTITUD PROPIETARIO
(Respondió a la
encuesta Santos
Solorzano)
93 Cooperativa 23 de
Junio
-0,0552 -78,9773167 1300 Ángel Heleodoro
Ajila Ácaro
94 Cooperativa 23 de
Junio
-0,03153333 -78,8762667 1136 Raul Ajila Ajila
95 Cooperativa 23 de
Junio
-0,03153333 -78,8762667 1136 Segundo Andrade
96 Cooperativa 23 de
Junio/
Blancanieves
-0,03153333 -78,8762667 1136 Jaime Rigoberto
Ajila Maza
97 El Progreso -0,03153333 -78,8762667 1136 Carlos Chela
98 Santa Rosa del
Mulaute
-0,06651667 -79,08495 692 Lorenzo
Maldonado Mijas
Timizarae
Elaboración: Evelyn Villarroel, Andrés Petroche
Fuente: Centro Internacional de Zoonosis - UCE
176
7.4 ANEXO D: DATOS OBTENIDOS DE LAS ENCUESTAS
N° PROPIETARIO N° CABEZAS
DE GANADO
GARRAPATAS GUSANERA
1 RODRIGO HURTADO 42 SI SI
2 MANUEL ROJAS 35 SI SI
3 EVANGELINA RAMON 27 SI SI
4 MANUEL MARCELO
PACHECO AGUIRRE
21 SI SI
5 POLIBIO NARANJO 139 SI SI
6 JOSÉ ISAÍAS MACAS VERA 70 SI SI
7 MARÍA INÉS MACAS 28 NO SI
8 MARIA NAULA 27 NO SI
9 OSCAR MANUEL CAJAS
CEDEÑO
61 NO SI
10 LILIA ELIZABETH CEBALLOS
FLORES
15 SI SI
11 LUIS VICENTE RIOS
RODRIGUEZ
22 NO SI
12 GUIDO CONDOLO 7 NO SI
13 GABRIEL CONDO 20 NO SI
14 SANTOS JAYA 3 NO NO
15 JORGE QUEVEDO 14 NO SI
16 SANTOS CELSO RAMÍREZ 78 NO SI
17 RAMÓN SUAREZ 86 NO SI
18 ÁNGEL REYES 21 NO SI
19 ARSENIO PIZARRO YANZA 53 SI SI
20 ALONSO NARANJO 39 SI SI
21 SEGUNDO MAZA 14 NO SI
22 WALTER CORONEL 50 NO SI
23 SEGUNDO JOSÉ MACAS 25 SI NO
24 WILSON REY 0 NO NO
25 ASUNCIÓN MERA
CAMPOVERDE LUNA
25 SI NO
26 ROSA MARÍA MORENO 20 NO SI
27 SIMÓN BOLIVAR OLALLA
COLÓN
7 NO SI
28 ISMAEL MORENO VILLALTA 71 NO SI
29 FRANCO CELI REYES 24 SI SI
30 CESAR ESTUARDO ESTRADA
GUERRERO
22 NO SI
31 FRANCISCO PEDRERA ORTIZ 26 NO NO
32 GLADIS ROSALES 22 SI SI
33 ELÍAS RAFAEL BERZOSA
PIZARRO
41 SI NO
34 ENRIQUE SOLANO 68 NO SI
35 FLORESMILO JAVIA ROSARIO
VARGAS
29 SI SI
177
N° PROPIETARIO N° CABEZAS
DE GANADO
GARRAPATAS GUSANERA
36 ÁNGEL PIZARRO YANZA 60 NO SI
37 CARLOS MIJAS 79 SI NO
38 PEDRO GUILLERMO
CONDOLO LAPO
14 SI NO
39 IVÁN QUIROZ 69 SI NO
40 VICENTE GUERRERO 105 NO SI
41 EDUARDO MAZA 25 SI SI
42 IBELIDA MAZA 23 SI SI
43 WILSON DAVID MAZA 40 NO SI
44 ELGIO PINZON 26 NO SI
45 BERNARDILLO CHAMBA 28 NO NO
46 SEGUNDO ANDRADE 7 SI SI
47 PEPE AJILA 37 NO SI
48 SANTIAGO MAZA 25 SI NO
49 LUIS AJILA 40 NO SI
50 RUPERTO SARANGO 33 NO SI
51 LUIS QUEZADA 5 NO SI
52 ENRIQUE AJILA 43 NO SI
53 LIBIO SARANGO 62 NO SI
54 GEOVANA QUEZADA 13 NO NO
55 VICENTE CARRIÓN 33 NO SI
56 BYRON SARANGO 51 NO SI
57 SALUSTINO AJILA MAZA 90 NO SI
58 JOSÉ ALCIVAR 15 NO NO
59 CRISTIAN LAPA 30 NO NO
60 ELSA LITUMA 29 NO SI
61 JENNIFER CUSME) 159 SI SI
62 ROSA LUCERO 38 SI SI
63 CÉSAR GUAMÁN 58 SI SI
64 EFREN LAPO (EDA MAZA) 34 SI NO
65 FIDEL BENIGNO CALERO 36 SI NO
66 YOLANDA LÓPEZ 28 SI NO
67 AMELIA RAMIREZ 16 NO NO
68 JUAN JOSÉ CANO CUENCA
(IMELDA LOJAN)
17 SI NO
69 ELVA CABRERA (RAMIRO
VERA)
30 SI SI
70 DARIS KLEBER JARAMILLO
CHIQUITO (JHANET
TRUJILLO)
31 SI SI
71 FELIX ARTUS 60 SI SI
72 ALICIA CHUQUE 56 NO SI
73 JOVINO CUEVA 12 NO SI
74 ANGEL HUMBERTO
PACHECO
108 NO SI
178
N° PROPIETARIO N° CABEZAS
DE GANADO
GARRAPATAS GUSANERA
75 JAIME ELADIO BETANCOURT 36 NO SI
76 SANTOS CELSO RAMÍREZ 60 SI SI
77 SEGUNDO FRANCISCO ORTIZ
(JEORDI RAMIREZ)
12 NO NO
78 ANTOLIANO MERINO 22 NO NO
79 JAIME BAQUE 25 NO SI
80 MEDARDO VALVERDE 5 NO NO
81 FAUSTINO JIMENEZ (EFREN
JIMENEZ)
7 SI SI
82 ALEXIS TACURI 52 NO SI
83 ALFONSO ADILBERTO VEGA
MASACHE
39 NO SI
84 MARIANA JÁCOME 200 NO SI
85 ÁNGELES CANDO 5 NO NO
86 ENAA MACAS CANDO 5 NO NO
87 KLEVER VERDESOTO
(VERÓNICA ENCARNACIÓN)
12 NO SI
88 MANUEL DE JESUS
MOROCHO
3 NO NO
89 GLORIA MACAS (TANIA
VASQUEZ)
60 NO SI
90 MARIANA GUANUCHE (JOSÉ
ROBERTO HURTADO)
3 NO NO
91 AMALIA MACAS (MARIBEL
MIÑO)
63 SI NO
92 GABRIEL MACAS (SANTOS
SOLORZANO)
113 SI NO
93 ÁNGEL HELEODORO AJILA
ÁCARO
33 NO SI
94 RAUL AJILA AJILA 47 NO NO
95 SEGUNDO ANDRADE 7 SI SI
96 JAIME RIGOBERTO AJILA
MAZA
29 SI SI
97 CARLOS CHELA 14 NO SI
98 LORENZO MALDONADO
MIJAS TIMIZARAE
0 NO NO
189
7.13 ANEXO M: ACTA DE ENTREGA DE INFORMACIÓN MINISTERIO
DE AGRICULTURA, GANADERÍA, ACUACULTURA Y PESCA
190
CURRICULUM VITAE
DATOS PERSONALES
Nombre y Apellidos: Evelyn Gabriela Villarroel Villarroel
Documento de Identidad: 172111619-0
Fecha y Lugar de Nacimiento: 02 de diciembre de 1991.
Quito/Ecuador.
Edad: 23 años
Nacionalidad: Ecuatoriana
Estado Civil: Soltera
Dirección: Av. Manuel Córdova Galarza y 13 de
junio, Conjunto Laguna Azul, #71
Teléfono: 022398529 / 0983166606
Dirección Electrónica: [email protected]
FORMACIÓN ACADÉMICA
Superior: Ingeniería Ambiental
Universidad Central del Ecuador
CURSOS REALIZADOS
Curso “AutoCAD 2D”.
Universidad Central del Ecuador.
Del 2015-04-13 al 2015-04-27.
Curso “Gestión Integral de
Residuos Sólidos Urbanos”.
Instituto Nacional de Preinversión,
GIZ y Universidad Central del
Ecuador. Del 2015-02-05 al 2015-
02-10.
Curso “Aprovechamiento
Hidroeléctrico y Energías
Limpias”.
Instituto Nacional de Preinversión y
Universidad Central del Ecuador.
Del 2014-08-04 al 2014-08-08.
191
Curso “Suficiencia del Idioma
Inglés”.
Centro de Idiomas - Universidad
Central del Ecuador. Del 2012-09 al
2014-10
Curso “Suficiencia en Manejo de
Herramientas Informáticas”.
Universidad Central del Ecuador.
Del 2013-10-14 al 2013-11-13.
Participante “Congreso & Expo de
Hidrocarburos y Medio
Ambiente”.
Universidad Estatal Amazónica del
Ecuador. Del 2014-05-23 al 2014-
05-24.
Participante “Jornadas Nacionales
de Estudiantes en Ciencias
Ambientales”.
Red Ecuatoriana de Carreras en
Ciencias Ambientales y Universidad
Nacional de Chimborazo. Del 2014-
01-30 al 2014-01-31.
Seminario – Taller “Calidad del
Aire y Técnicas de Medición”.
Escuela Politécnica Nacional del
Ecuador. Del 2013-11-21 al 2013-
11-22.
Seminario “Tratamiento de Aguas
Residuales en la Industria y
Residuos Sólidos”.
Escuela Politécnica Nacional del
Ecuador. Del 2013-09-26 al 2013-
09-27.
EXPERIENCIA LABORAL
Consultoría Ambiental Ing. Jorge Bonilla 02-2015
Proambiente Cía. Ltda. 07-2014 / 09-2014
Sociedad Minera Liga de Oro SOMILOR S.A 08-2013
IDIOMAS Y CONOCIMIENTOS
Inglés: Nivel Medio
Microsoft Office: Manejo Avanzado
AutoCAD 2D: Manejo Avanzado
Sistemas de Información Geográfica: Manejo Intermedio
192
CURRICULUM VITAE
DATOS PERSONALES
Nombre y Apellidos: Andrés Ignacio Petroche Villa
Documento de Identidad: 172422905-7
Fecha y Lugar de Nacimiento: 26 de septiembre de 1989.
Quito/Ecuador.
Edad: 25 años
Nacionalidad: Ecuatoriana
Estado Civil: Soltero
Dirección: Joaquín López s18-34 y Simón
Guerra. Solanda
Teléfono: 022681750 / 0992761960
Dirección Electrónica: [email protected]
FORMACIÓN ACADÉMICA
Superior: Ingeniería Ambiental
Universidad Central del Ecuador
CURSOS REALIZADOS
Curso “AutoCAD 2D”.
Universidad Central del Ecuador.
Del 2015-04-13 al 2015-04-27.
Curso “Gestión Integral de
Residuos Sólidos Urbanos”.
Instituto Nacional de Preinversión,
GIZ y Universidad Central del
Ecuador. Del 2015-02-05 al 2015-
02-10.
Curso “Aprovechamiento
Hidroeléctrico y Energías
Limpias”.
Instituto Nacional de Preinversión y
Universidad Central del Ecuador.
Del 2014-08-04 al 2014-08-08.
193
Curso “Suficiencia del Idioma
Inglés”.
Centro de Idiomas - Universidad
Central del Ecuador. Del 2012-09 al
2014-10
Curso “Suficiencia en Manejo de
Herramientas Informáticas”.
Universidad Central del Ecuador.
Del 2013-10-14 al 2013-11-13.
Participante “Congreso & Expo de
Hidrocarburos y Medio
Ambiente”.
Universidad Estatal Amazónica del
Ecuador. Del 2014-05-23 al 2014-
05-24.
Participante “Jornadas Nacionales
de Estudiantes en Ciencias
Ambientales”.
Red Ecuatoriana de Carreras en
Ciencias Ambientales y Universidad
Nacional de Chimborazo. Del 2014-
01-30 al 2014-01-31.
Seminario – Taller “Calidad del
Aire y Técnicas de Medición”.
Escuela Politécnica Nacional del
Ecuador. Del 2013-11-21 al 2013-
11-22.
Seminario “Tratamiento de Aguas
Residuales en la Industria y
Residuos Sólidos”.
Escuela Politécnica Nacional del
Ecuador. Del 2013-09-26 al 2013-
09-27.
EXPERIENCIA LABORAL
Consultoría Ambiental Ing. Jorge Bonilla 02-2015
Proambiente Cía. Ltda. 07-2014 / 09-2014
Sociedad Minera Liga de Oro SOMILOR S.A 08-2013
IDIOMAS Y CONOCIMIENTOS
Inglés: Nivel Medio
Microsoft Office: Manejo Avanzado
AutoCAD 2D: Manejo Avanzado
Sistemas de Información Geográfica: Manejo Intermedio