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



AMBIENTAL



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

[email protected]

ANDRÉS IGNACIO PETROCHE VILLA

[email protected]

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



AMBIENTAL



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



AMBIENTAL



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


VARIABLE PROCEDENCIA DEL AGUA RECIBIDA .................. 54


VARIABLE ELIMINACIÓN DE AGUAS SERVIDAS ................... 61


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


desechos paso 2 ..................................................................................................... 49


desechos paso 3 ..................................................................................................... 49


desechos paso 4 ..................................................................................................... 50


desechos paso 5 ..................................................................................................... 50


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


recibida paso 2....................................................................................................... 56


recibida paso 3....................................................................................................... 57


recibida paso 4....................................................................................................... 57


recibida paso 5....................................................................................................... 58


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


servidas paso 2 ...................................................................................................... 65


servidas paso 3 ...................................................................................................... 65


servidas paso 4 ...................................................................................................... 66


servidas paso 5 ...................................................................................................... 66


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. 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. 32 Modelo IDW Eliminación de Aguas Servidas ............................. 121




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. 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. 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


“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


Recursos Naturales, Sección tercera Patrimonio Natural y ecosistemas,

Art. 404, 405 y 406

9


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


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

http://es.wikipedia.org/wiki/Cordillera_de_Los_Andes

http://es.wikipedia.org/wiki/R%C3%ADo_Guayllabamba

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).

http://es.wikipedia.org/w/index.php?title=R%C3%ADo_Esmeraldas&action=edit&redlink=1

http://es.wikipedia.org/wiki/Provincia_de_Pichincha

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


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


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


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


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



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


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



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



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


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



43

Figura No. 6 Mapa de Ubicación de las localidades del Cantón San Miguel de los Bancos



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




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


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,

http://www.elnuevodiario.com.ni/especiales/83270-impacto-provocados-basura/

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:

http://www.ambiente.gob.ec/programa-pngids-ecuador/


49


paso 2

C1 C2 C3 C4

C1 1

C2 5 1

C3 1

C4 1



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:


paso 3

C1 C2 C3 C4

C1 1 1/5

C2 5 1

C3 1

C4 1



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


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



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


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



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


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



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


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


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%



Gráfico No. 1 Pesos finales de la ponderación de la variable eliminación de desechos



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


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


o significativo que el mismo criterio, por lo tanto se ubica en la matriz el número


como se indica en la Tabla No.13

55


recibida paso 1

C1 C2 C3 C4 C5

C1 1

C2 1

C3 1

C4 1

C5 1



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


recibida paso 2

C1 C2 C3 C4 C5

C1 1

C2 3 1

C3 1

C4 1

C5 1



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



muestra en la Tabla No.15

57


recibida paso 3

C1 C2 C3 C4 C5

C1 1 1/3

C2 3 1

C3 1

C4 1

C5 1



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


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





manera con el resto de las columnas, como se indica en la Tabla No.17

58


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




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


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




eigenvalor principal de dicha matriz el cual nos proporciona una medida




59


𝒏 − 𝟏

Ecuación No. 5 Índice de consistencia variable procedencia del agua recibida


Donde:




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



𝑛 − 1

𝐶. 𝐼. =5,23 − 5

5 − 1

60

𝐶. 𝐼. = 0,0575




𝑅. 𝐶.=𝐶. 𝐼.

𝑅. 𝐼.=

0,0575

1,12= 0,05

Ecuación No. 6 Razón de consistencia variable procedencia del agua recibida



pares sea aceptable, no se debe sobrepasar el 0,10 de R.C.


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


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%



61

Gráfico No. 2 Pesos finales de la ponderación de la variable procedencia del agua

recibida


Fuente: Instituto Nacional de Estadística y Censos – INEC


ELIMINACIÓN DE AGUAS SERVIDAS

Para la ponderación de esta variable, el primer paso consistió en indicar cuáles son


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



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


o significativo que el mismo criterio, por lo tanto ubicamos en la matriz el número


como se detalla en la Tabla No.20


servidas paso 1

C1 C2 C3 C4

C1 1

C2 1

C3 1

C4 1



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

http://www.osmgp.gov.ar/osse/PDF/Hidricos/Manualautoconstrucciontratamiento.pdf

65


servidas paso 2

C1 C2 C3 C4

C1 1

C2 5 1

C3 1

C4 1



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



indica en la Tabla No.22


servidas paso 3

C1 C2 C3 C4

C1 1 1/5

C2 5 1

C3 1

C4 1




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


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





manera con el resto de las columnas, como se muestra en la Tabla No.24


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






uno de los criterios, como se detalla en la Tabla No.25

67


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









𝒏 − 𝟏

Ecuación No. 7 Índice de consistencia variable eliminación de aguas servidas

Fuente: Saaty, 1980

Donde:




Para el cálculo del eigenvalor, se realizó una multiplicación, entre la matriz inicial


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



𝑛 − 1

𝐶. 𝐼. =4,11 − 4

4 − 1

𝐶. 𝐼. = 0,0394



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






se muestra en la Tabla No.26

Tabla No. 26 Pesos finales de la ponderación de la variable eliminación de aguas

servidas


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%



Gráfico No. 3 Pesos finales de la ponderación de la variable eliminación de aguas

servidas



6% 26%

12%

56%


Con red pública dealcantarillado

Pozo ciego

Pozo séptico

Con descarga directa alrío o quebrada

70


NIVEL DE INSTRUCCIÓN AL QUE ASISTE O ASISTIÓ.

Para la ponderación de esta variable, el primer paso consistió en indicar cuáles son


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)



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


o significativo que el mismo criterio, por lo tanto se ubicó en la matriz el número


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



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



C1 C2 C3 C4

C1 1

C2 1/7 1

C3 1

C4 1



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



C1 C2 C3 C4

C1 1 7

C2 1/7 1

C3 1

C4 1




cuenta del grado de contaminación que generan las personas, de acuerdo a su

nivel de instrucción, como se muestra en la Tabla No.30



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



El siguiente paso es normalizar la matriz a suma 1, es decir se suma la primera


manera con el resto de las columnas, como se detalla en la Tabla No.31

74



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



A continuación se procede a calcular la sumatoria de cada una de las filas, para



uno de los criterios, como se indica en la Tabla No.32



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



Para comprobar que los pesos obtenidos son correctos, se procede a calcular el





75


𝒏 − 𝟏

Ecuación No. 9 Índice de consistencia variable nivel de instrucción al que asiste o asistió

Fuente: Saaty, 1980

Donde:




Para el cálculo del eigenvalor, se realiza una multiplicación, entre la matriz inicial


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



𝑛 − 1

𝐶. 𝐼. =4,08 − 4

4 − 1

𝐶. 𝐼. = 0,0269

76




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






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


PORCENTAJE

C1 Ninguno 56%

C2 Ciclo post-bachillerato 6%

C3 Secundario (bachillerato) 13%

C4 Inferior al nivel secundario 25%



77

Gráfico No. 4 Pesos finales de la ponderación de la variable nivel de instrucción al que

asiste o asistió



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%


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


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



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



81

Figura No. 9 Modelo de precipitación mínima a nivel de provincia



Figura No. 10 Modelo de precipitación media a nivel de provincia



82

Figura No. 11 Modelo de temperatura máxima a nivel de provincia



Figura No. 12 Modelo de temperatura mínima a nivel de provincia



83

Figura No. 13 Modelo de temperatura media a nivel de provincia



Figura No. 14 Modelo de precipitación máxima a nivel de cantón



84

Figura No. 15 Modelo de precipitación mínima a nivel de cantón



Figura No. 16 Modelo de precipitación media a nivel de cantón



85

Figura No. 17 Modelo de temperatura máxima a nivel de cantón



Figura No. 18 Modelo de temperatura mínima a nivel de cantón



86

Figura No. 19 Modelo de temperatura media a nivel de cantón



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


88

Figura No. 20 Mapa de pendientes reclasificadas



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



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


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


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%


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%


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


PORCENTAJE

C3 Secundario (bachillerato) 13%

C4 Inferior al nivel secundario 25%



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




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



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


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


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



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


Fuente: ArcGIS (Versión 9.3)

Gráfico No. 7 Normal QQPlot Eliminación de desechos



108

Gráfico No. 8 Trend Analysis Eliminación de desechos



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



Gráfico No. 10 Modelo Exponencial Resultado Primer Orden



110

Figura No. 25 Modelo Ordinario Primer Orden



Gráfico No. 11 Modelo Exponencial Cálculo Segundo Orden



111

Gráfico No. 12 Modelo Exponencial Resultado Segundo Orden



Figura No. 26 Modelo Ordinario Segundo Orden



112

Gráfico No. 13 Modelo Exponencial Cálculo Tercer Orden



Gráfico No. 14 Modelo Exponencial Resultado Tercer Orden



113

Figura No. 27 Modelo Ordinario Tercer Orden



4.1.1.2 MODELO DE LA VARIABLE PROCEDENCIA DEL AGUA

RECIBIDA


114

Figura No. 28 Modelo IDW Procedencia del Agua Recibida



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.


115

Gráfico No. 15 Histograma Procedencia del Agua Recibida



Gráfico No. 16 Normal QQPlot Procedencia del Agua Recibida



Gráfico No. 17 Trend Analysis Procedencia del Agua Recibida



116




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.




117







118







119







120







121

4.1.1.3 MODELO DE LA VARIABLE ELIMINACIÓN DE AGUAS

SERVIDAS


Figura No. 32 Modelo IDW Eliminación de Aguas Servidas



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


Gráfico No. 24 Histograma Eliminación de Aguas Servidas



Gráfico No. 25 Normal QQPlot Eliminación de Aguas Servidas



123

Gráfico No. 26 Trend Analysis Eliminación de Aguas Servidas










124







125







126







127







128




4.1.1.4 MODELO DE LA VARIABLE NIVEL DE INSTRUCCIÓN AL QUE

ASISTE O ASISTIÓ


129

Figura No. 36 Modelo IDW Nivel de Instrucción al que asiste o asistió



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


Gráfico No. 33 Histograma Nivel de instrucción al que asiste o asistió



Gráfico No. 34 Normal QQPlot Nivel de instrucción al que asiste o asistió



Gráfico No. 35 Trend Analysis Nivel de instrucción al que asiste o asistió



131








Gráfico No. 36 Modelo exponencial calculo primer orden



132

Gráfico No. 37 Modelo exponencial resultado primer orden



Figura No. 37 Modelo ordinario primer orden



133

Gráfico No. 38 Modelo exponencial calculo segundo orden



Gráfico No. 39 Modelo exponencial resultado segundo orden



134

Figura No. 38 Modelo ordinario segundo orden



Gráfico No. 40 Modelo exponencial calculo tercer orden



135

Gráfico No. 41 Modelo exponencial resultado tercer orden



Figura No. 39 Modelo ordinario tercer orden



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


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


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


estadístico. Los modelos restantes de primer y segundo orden presentaron mayor


𝟒, 𝟐𝟑𝟓𝟗∗𝑬𝒙𝒑𝒐𝒏𝒆𝒏𝒕𝒊𝒂𝒍(𝟔𝟗𝟕𝟗,𝟑) + 𝟖, 𝟕𝟒𝟑𝟔∗𝑵𝒖𝒈𝒈𝒆𝒕

Ecuación No. 19 Ecuación del modelo ordinario de tercer orden variable eliminación de

aguas servidas


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 Bernardo Valdivieso



- 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


estadístico. Los modelos restantes de segundo y tercer orden presentaron mayor


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


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 Bernardo Valdivieso


- 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

142

Figura No. 40 Modelo NDVI – Ecosistema - 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


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

146

Figura No. 42 Modelo 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


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

151

parásitos y microorganismos de interés zoonósico: gusano barrenador del ganado,

garrapatas).

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.

http://www.ceppia.com.co/Documentos-tematicos/CAMBIO-CLIMATICO/Politicas-Publicas-EE-cambio-climatico.pdf

http://www.ceppia.com.co/Documentos-tematicos/CAMBIO-CLIMATICO/Politicas-Publicas-EE-cambio-climatico.pdf

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.

http://www.osmgp.gov.ar/osse/PDF/Hidricos/Manualautoconstrucciontratamiento.pdf

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

http://www.elnuevodiario.com.ni/especiales/83270-impacto-provocados-basura/

http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//009z000000st000000

http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//009z000000st000000

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)

http://www.idrc.ca/EN/Resources/Publications/openebooks/233-4/index.html

http://www.idrc.ca/EN/Resources/Publications/openebooks/233-4/index.html

http://www.geogra.uah.es/gisweb/1modulosespanyol/IntroduccionSIG/GISModule/GISTheory.htm

http://www.geogra.uah.es/gisweb/1modulosespanyol/IntroduccionSIG/GISModule/GISTheory.htm

http://www.fao.org/docrep/015/i2080s/i2080s09.pdf

http://www.fao.org/alc/file/media/pubs/1993/control2_gbg.pdf


http://sinagap.agricultura.gob.ec/censo-nacional-agropecuario

http://www.uasb.edu.ec/web/area-de-estudios-sociales-y%20globales/programa?unidad-de-investigacion-socioambiental-del-ecuador



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


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 No o No


25


Si responde No o No


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 No o No


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




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


Junio

-0,04131667 -78,8757833 1205 Ibelida Maza


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


Junio

-0,03166667 -78,8767778 1133 Luis Quezada

173




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)


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


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




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




(Respondió a la

encuesta Santos

Solorzano)


Junio

-0,0552 -78,9773167 1300 Ángel Heleodoro

Ajila Ácaro


Junio

-0,03153333 -78,8762667 1136 Raul Ajila Ajila


Junio

-0,03153333 -78,8762667 1136 Segundo Andrade


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


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


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


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

179

7.5 ANEXO E: REPORTES DE LA INTERPOLACIÓN KRIGING

ELIMINACIÓN DE LOS DESECHOS

180

7.6 ANEXO F: REPORTES DE LA INTERPOLACIÓN KRIGING


181

7.7 ANEXO G: REPORTES DE LA INTERPOLACIÓN KRIGING


182

7.8 ANEXO H: REPORTES DE LA INTERPOLACIÓN KRIGING NIVEL

DE INSTRUCCIÓN AL QUE ASISTE O ASISTIÓ

183

7.9 ANEXO I: CARTA COMPROMISO CIZ – FIGEMPA

185

7.10 ANEXO J: ACTA DE ENTREGA DE INFORMACIÓN CONSEJO

PROVINCIAL DE PICHINCHA

187

7.11 ANEXO K: ACTA DE ENTREGA DE INFORMACIÓN INSTITUTO

ECUATORIANO DE ESTADÍSTICA Y CENSOS

188

7.12 ANEXO L: ACTA DE ENTREGA DE INFORMACIÓN INSTITUTO

NACIONAL DE METEOROLOGÍA E HIDROLOGÍA

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


Del 2014-08-04 al 2014-08-08.

mailto:[email protected]

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”.


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”.


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”.


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


Del 2014-08-04 al 2014-08-08.

mailto:[email protected]

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”.


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”.


Ecuador. Del 2013-11-21 al 2013-

11-22.

Seminario “Tratamiento de Aguas

Residuales en la Industria y

Residuos Sólidos”.


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

UNIVERSIDAD CENTRAL DEL ECUADOR … · ambiental carrera de ingenierÍa ambiental “modelizaciÓn...

Documents

Transcript of UNIVERSIDAD CENTRAL DEL ECUADOR … · ambiental carrera de ingenierÍa ambiental “modelizaciÓn...