evaluación espacial de la vulnerabilidad al cambio

Evaluación espacial de la vulnerabilidad al cambio climático en la cuenca del río Blanco ubicado en

el departamento de Nariño

Diego Fernando Rosero Portilla

Universidad Nacional de Colombia

Facultad de Ingeniería y Arquitectura

Manizales, Colombia

2018

II

II

Evaluación espacial de la vulnerabilidad al cambio climático en la cuenca del río Blanco ubicado en

el departamento de Nariño

Diego Fernando Rosero Portilla

Tesis de investigación presentada como requisito parcial para optar al título de:

Magister en Ingeniería- Recursos Hidráulicos

Directora:

Ph. D., Viviana Vargas Franco

Línea de Investigación:

Gestión de cuencas hidrográficas

Grupo de Investigación:

Monitoreo, Modelación y Gestión de Cuencas Hidrográficas

Universidad Nacional de Colombia

Facultad de Ingeniería y Arquitectura

Manizales, Colombia

2018

IV

IV

Resumen

El objetivo general de este trabajo es proponer una estrategia metodológica para evaluar

espacialmente la vulnerabilidad al Cambio Climático (CC). Como eje principal de la

estrategia metodológica se utilizó el modelo conceptual de riesgo y vulnerabilidad sugerido

por el IPCC (2014), del cual se desarrolló un índice compuesto basado en un sistema

difuso denominado Índice de Vulnerabilidad al Cambio Climático (IVUCC). También, se

desarrolló una propuesta de subdivisión de zonas para espacializar la vulnerabilidad,

denominada Áreas Homogéneamente Vulnerables (AHV), las cuales se utilizaron para

subdividir la cuenca hidrográfica del río Blanco y generar datos de vulnerabilidad

distribuidos resultantes del índice IVUCC. Adicionalmente, se realizó la exploración de

evaluación del riesgo representando las amenazas mediante modelos morfométricos e

interpolación de datos hidrometeorológicos. Posteriormente, se operaron los resultados

espacializados generados con el índice IVUCC y las amenazas de anomalías climáticas,

inundación y deslizamiento de tierra. Como resultado de este trabajo, se generó un índice

de evaluación de vulnerabilidad para la cuenca del río Blanco el cual puede ser distribuido

utilizando las AHV y diferenciar tres niveles de vulnerabilidad (alto, medio y bajo). La

aplicación del índice muestra los patrones de distribución de la vulnerabilidad en la cuenca

del río Blanco. La incorporación del riesgo a este trabajo permitió ver la facilidad de

articular el índice propuesto con otros indicadores que representan amenazas

exacerbadas por el CC.

Palabras clave: índice compuesto, vulnerabilidad, riesgo, Lógica difusa, Sistemas de

Información Geográfica, cuenca hidrográfica.

VI

VI

Spatial evaluation of vulnerability to climate change

in the Blanco River basin located in the department

of Nariño

Abstract

The general objective of this work is to propose a methodological strategy to spatially

assess vulnerability to Climate Change (CC). The conceptual model of risk and vulnerability

suggested by the IPCC (2014) was used as the main axis of the methodological strategy,

from which a composite index based on a diffuse system called the Climate Change

Vulnerability Index (IVUCC) was developed. Also, a proposal was developed for the

subdivision of zones to spatialize the vulnerability, called Homogeneously Vulnerable

Areas (AHV), which were used to subdivide the river basin of the Blanco River and generate

distributed vulnerability data resulting from the IVUCC index. Additionally, the risk

assessment exploration was carried out, representing the threats using morphometric

models and interpolation of hydrometeorological data. Subsequently, the spatialized results

generated with the IVUCC index and the threats of climatic anomalies, flood and landslide

were operated. As a result of this work, a vulnerability assessment index was generated

for the Blanco river basin, which can be distributed using AHVs and differentiate three

levels of vulnerability (high, medium and low). The application of the index shows the

distribution patterns of vulnerability in the Blanco River basin. The incorporation of risk into

this work allowed us to see the ease of articulating the proposed index with other indicators

that represent threats exacerbated by the CC.

Keywords: composite index, vulnerability, risk, Fuzzy Logic, Geographic Information

Systems, watershed.

VII

Contenido

Pág.

1. Planteamiento y justificación del problema ........................................................... 5

2. Objetivos ................................................................................................................. 15 2.1 Objetivo general ............................................................................................... 15 2.2 Objetivos específicos ....................................................................................... 15

3. Antecedentes .......................................................................................................... 16 3.1 Nivel mundial .................................................................................................... 16 3.2 Nivel de la región andina colombiana ............................................................... 19 3.3 Nivel de la región andina del departamento de Nariño ..................................... 22

4. Marco teórico .......................................................................................................... 26 4.1 Variabilidad climática ........................................................................................ 26 4.2 Cambio climático .............................................................................................. 26 4.3 Riesgo .............................................................................................................. 27 4.4 Vulnerabilidad .................................................................................................. 28 4.5 Amenaza y exposición ..................................................................................... 29 4.6 Lógica difusa .................................................................................................... 30 4.7 Índice e Indicadores ambientales ..................................................................... 34 4.8 Sistemas computacionales ............................................................................... 34 4.9 Información de sensores remotos .................................................................... 36

Modelo de Elevación Digital SRTM ................................................................ 36 Imágenes satelitales Landsat ......................................................................... 37 Imágenes satelitales ASTER ......................................................................... 37

4.10 Indicadores morfométricos basados en teledetección ...................................... 38 Índice Topográfico de Humedad (ITH) ........................................................... 38 Factor LS ....................................................................................................... 39

5. Metodología ............................................................................................................ 40 5.1 Zona de estudio: cuenca del río Blanco ............................................................ 40 5.2 Estructura general de la metodología ............................................................... 45 5.3 Definición de indicadores ................................................................................. 46 5.4 Construcción de un índice basado en un sistema difuso .................................. 47 5.5 Aplicación del índice IVUCC en la cuenca del río Blanco- Nariño, Colombia .... 50 5.6 Exploración de la posibilidad de evaluar el riesgo por CC en la cuenca del río Blanco......................................................................................................................... 51

6. Resultados .............................................................................................................. 55 6.1 Definición de indicadores ................................................................................. 55

VIII

VIII

Indicadores .................................................................................................... 55 Ficha técnica indicadores de susceptibilidad ................................................. 64 Ficha técnica indicadores de capacidad adaptativa ....................................... 70

6.2 Construcción de un índice basado en un sistema difuso. .................................. 80 Fuzzificación de variables de entrada y salida del sistema difuso ................. 80 Reglas de decisión y desfuzzificación indicadores de susceptiblidad ............ 94 Ficha técnica índice IVUCC ......................................................................... 101 Subdivisión de la cuenca del río Blanco en Áreas Homogéneamente

vulnerables ............................................................................................................ 102 6.3 Aplicación índice IVUCC ................................................................................. 103

Delimitación y codificación de las AHV ........................................................ 103 Recolección de información......................................................................... 104 Representación espacial de indicadores de susceptibilidad ........................ 106 Representación espacial de indicadores de capacidad adaptativa .............. 110 Evaluación espacial de la vulnerabilidad al CC en la cuenca del río Blanco 115

6.4 Exploración de la posibilidad para evaluar el riesgo por CC en la cuenca del río Blanco. ...................................................................................................................... 119

Indicadores de amenaza ............................................................................. 119 Representación espacial del riesgo ............................................................. 121

7. Conclusiones ....................................................................................................... 129

8. Limitaciones ......................................................................................................... 132

9. Recomendaciones ............................................................................................... 134

10. Anexo .................................................................................................................... 146 10.1 Información del SIG-OT disponible en la zona de estudio. .............................. 146 10.2 Vuelo con Drone Phanton 3 en la cuenca del río Blanco................................. 149 10.3 Entrevistas semiestructuradas ........................................................................ 150 10.4 Reglas de decisión indicadores de susceptibilidad.......................................... 155 10.5 Diagrama de cajas y alambres ........................................................................ 168

IX

Lista de figuras

Pág. Figura 1.1 Mapa de tendencia de la precipitación acumulada anual (mm/año) en Colombia.

Fuente: IDEAM (2011). ....................................................................................... 7

Figura 1.2 Tendencia de las precipitaciones fuertes o intensas en Colombia. Fuente:

IDEAM (2011). .................................................................................................... 8

Figura 1.3 Tendencia de la temperatura máxima. Fuente: IDEAM (2011). ...................... 9

Figura 1.4 Indicador relacionado con la tendencia de la temperatura mínima. Fuente:

IDEAM (2011). .................................................................................................. 10

Figura 3.1 Ubicación de la microcuenca Dolores. Fuente: Rosero (2015). ..................... 23

Figura 3.2 Departamento de Nariño. Fuente: Guevara et al (2016). ............................... 24

Figura 4.1 Esquema de la interacción entre el sistema climático físico, la exposición, la

vulnerabilidad y el riesgo. Fuente: IPCC (2014). ............................................... 27

Figura 4.2 Diagrama general de un sistema difuso. Fuente: Vargas y Restrepo (2018). 31

Figura 4.3 Esquema general de una función de pertenencia: Henao (2016). ................. 31

Figura 4.4 Funciones de pertenencia: a) triangular, b) trapezoidal. Fuente: Maguiña (2010).

......................................................................................................................... 32

Figura 5.1 Ubicación cuenca del río Blanco. Fuente: elaboración propia. ....................... 40

Figura 5.2 Actividades económicas en la cuenca del río Blanco. Fuente: elaboración propia.

......................................................................................................................... 42

Figura 5.3 Imágenes del río Blanco. Fuente: elaboración propia. ................................... 42

Figura 5.4 Imágenes de diferentes sistemas ecosistémicos presentes en la cuenca del río

Blanco. Fuente: elaboración propia................................................................... 43

Figura 5.5 Esquema metodológico general. Fuente: elaboración propia. ....................... 45

Figura 5.6 Esquema metodológico para la definición de indicadores. Fuente: elaboración

propia. .............................................................................................................. 46

Figura 5.7 Esquema metodológico para la construcción de un índice basado en un sistema

difuso. Fuente: elaboración propia. ................................................................... 48

Figura 5.8 Esquema general del índice IVUCC. Fuente: elaboración propia. ................. 49

X

X

Figura 5.9 Estaciones hidrometeorológica del IDEAM que influyen en la cuenca del río

Blanco. Fuente: adaptado de geovisor IDEAM. ................................................. 53

Figura 6.1 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia. .... 82

Figura 6.2 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia. .... 83

Figura 6.3 Indicadores del grupo Susceptibilidad ecológica. Fuente: elaboración propia. 84

Figura 6.4 Indicadores del grupo Susceptibilidad socioeconómica. Fuente: elaboración

propia. ............................................................................................................... 85

Figura 6.5 Indicadores del grupo Susceptibilidad general. Fuente: elaboración propia. .. 86

Figura 6.6 Indicadores del grupo Capacidad adaptativa Social. Fuente: elaboración propia.

.......................................................................................................................... 88

Figura 6.7 Indicadores del grupo Capacidad adaptativa productiva. Fuente: elaboración

propia. ............................................................................................................... 90

Figura 6.8 Indicadores del grupo Capacidad adaptativa ecológica. Fuente: elaboración

propia. ............................................................................................................... 91

Figura 6.9 Indicadores del grupo Capacidad adaptativa socioeconómica. Fuente:

elaboración propia. ............................................................................................ 92

Figura 6.10 Indicadores del grupo capacidad adaptativa general. Fuente: elaboración

propia. ............................................................................................................... 93

Figura 6.11 Funciones de pertenencia índice IVUCC. Fuente: elaboración propia. ......... 94

Figura 6.12 Subdivisión de la cuenca en AHV. Fuente: elaboración propia. .................. 103

Figura 6.13 División y codificación de AHV de la cuenca del río Blanco. Fuente: elaboración

propia. ............................................................................................................. 104

Figura 6.14 Aplicación del subíndice de susceptibilidad en el AHV 200_3100_3400. Fuente:

elaboración propia. .......................................................................................... 106

Figura 6.15 Resultados distribuidos de la susceptibilidad social frente al cambio climático.

Fuente: elaboración propia. ............................................................................. 107



Figura 6.17 Resultados distribuidos de la susceptibilidad ecológica frente al cambio

climático. Fuente: elaboración propia. ............................................................. 109

Figura 6.18 Resultados distribuidos de la susceptibilidad socioeconómica frente al cambio

climático. Fuente: elaboración propia. ............................................................. 110

Figura 6.19 Aplicación del subíndice de capacidad adaptativa en el AHV 200_3100_3400.


XI

XI

Figura 6.20 Resultados distribuidos de la capacidad adaptativa social frente al cambio

climático. Fuente: elaboración propia. ..............................................................112

Figura 6.21 Resultados distribuidos de la capacidad adaptativa productiva frente al cambio


Figura 6.22 Resultados distribuidos de la capacidad adaptativa ecológica frente al cambio


Figura 6.23 Resultados distribuidos de la capacidad adaptativa socioeconómica frente al

cambio climático. Fuente: elaboración propia. .................................................115

Figura 6.24 Aplicación del índice de IVUCC en el AHV 200_3100_3400. Fuente:

elaboración propia. ..........................................................................................116

Figura 6.25 Resultados distribuidos de la susceptibilidad de la cuenca del río Blanco al CC.

Fuente: elaboración propia. .............................................................................117

Figura 6.26 Resultados distribuidos de la capacidad adaptativa de la cuenca del río Blanco

al CC. Fuente: elaboración propia. ..................................................................117

Figura 6.27 Resultados distribuidos de la aplicación del índice IVUCC en la cuenca del río

Blanco. Fuente: elaboración propia..................................................................118

Figura 6.28 Amenazas exacerbadas por el CC en la cuenca del río Blanco. Fuente:


Figura 6.29 Resultados de la evaluación del riesgo por inundación en la cuenca del río

Blanco. Fuente: elaboración propia..................................................................122

Figura 6.30 Resultados de la evaluación del riesgo por deslizamiento de tierra en la cuenca

del río Blanco. Fuente: elaboración propia. ......................................................123

Figura 6.31 Resultados de la evaluación del riesgo por anomalía de precipitación en la

cuenca del río Blanco. Fuente: elaboración propia. .........................................124

Figura 6.32 Resultados de la evaluación del riesgo por anomalía de temperatura en la

cuenca del río Blanco. Fuente: elaboración propia. .........................................125

Figura 6.33 Evaluación espacial del riesgo por CC. Fuente: elaboración propia. ...........127

Figura 10.1 Recorrido de la cuenca del río Blanco realizado con Drone. Fuente: elaboración

propia. .............................................................................................................149

Figura 10.2 Diagrama cajas y alambres de precipitación estación Chiles. Fuente:


Figura 10.3 Diagrama cajas y alambres de precipitación estación Cumbal. Fuente:


XII

XII

Figura 10.4 Diagrama cajas y alambres de precipitación estación San Luis. Fuente:


Figura 10.5 Diagrama cajas y alambres de temperatura estación San Luis. Fuente:


xiii

Lista de tablas

Pág. Tabla 1.1 Caminos de Forzamiento Radiativos (FR). Fuente: IDEAM et al (2015). .......... 5

Tabla 1.2 índices de cambio climático en la región andina nariñense. Fuente: adaptado de

Mayorga et al (2011). ........................................................................................ 11

Tabla 3.1 Antecedentes de evaluación de componentes de vulnerabilidad a nivel mundial.

Fuente: elaboración propia. .............................................................................. 16

Tabla 5.1 Cobertura por nivel de educación. Fuente: adaptado de Corponariño (2008). 41

Tabla 5.2 Documentos técnicos realizados dentro de la cuenca del río Blanco. Fuente:

elaboración propia. ........................................................................................... 44

Tabla 5.3 Información satelital de libre acceso y fácil de procesar para la cuenca

hidrográfica del río Blanco. Fuente: elaboración propia. ................................... 45

Tabla 6.1 Indicadores de susceptibilidad social. Fuente: elaboración propia. ................. 56

Tabla 6.2 Indicadores de susceptibilidad productiva. Fuente: elaboración propia. .......... 57

Tabla 6.3 Indicadores de susceptibilidad ecológica. Fuente: elaboración propia. ........... 58

Tabla 6.4 Indicadores de susceptibilidad socioeconómica. Fuente: elaboración propia. . 59

Tabla 6.5 Indicadores de capacidad adaptativa social. Fuente: elaboración propia. ....... 60

Tabla 6.6 Indicadores de capacidad adaptativa productiva. Fuente: elaboración propia. 62

Tabla 6.7 Indicadores de capacidad adaptativa ecológica. Fuente: elaboración propia. . 63

Tabla 6.8 Indicadores de capacidad adaptativa socioeconómica. Fuente: elaboración

propia. .............................................................................................................. 64

Tabla 6.9 Ficha técnica indicador de relación de dependencia. Fuente: elaboración propia.

......................................................................................................................... 64

Tabla 6.10 Ficha técnica indicador de Minorías raciales/ étnicos. Fuente: elaboración

propia. .............................................................................................................. 65

Tabla 6.11 Ficha técnica indicador de Dependencia de recursos forestales. Fuente:


Tabla 6.12 Ficha técnica indicador de Ocupaciones sensibles al clima. Fuente: elaboración

propia. .............................................................................................................. 67

xiv

Tabla 6.13 Ficha técnica indicador de Tierras de cultivo que necesitan irrigación. Fuente:


Tabla 6.14 Ficha técnica indicador de Perdida de salud ecosistemas. Fuente: elaboración

propia. ............................................................................................................... 68

Tabla 6.15 Porcentaje forestal en zonas con alta pendiente. Fuente: elaboración propia.

.......................................................................................................................... 69

Tabla 6.16 Ficha técnica indicador de Necesidades Básicas Insatisfechas sector rural y

urbano. Fuente: elaboración propia. .................................................................. 69

Tabla 6.17 Ficha técnica indicador de Proyectos de mitigación y adaptación a la variación

climática y cambio climático. Fuente: elaboración propia. ................................. 71

Tabla 6.18 Ficha técnica indicador de Área cubierta por niveles de educación. Fuente:


Tabla 6.19 Ficha técnica indicador de Hogares conectados a combustibles para cocinar de

forma eficiente. Fuente: elaboración propia. ...................................................... 72

Tabla 6.20 Ficha técnica indicador de Área que tiene acceso a carreteras. Fuente:


Tabla 6.21 Ficha técnica indicador de Acceso a información sobre VC y CC. Fuente:


Tabla 6.22 Ficha técnica indicador de Cambio de variedades de cultivo. Fuente:


Tabla 6.23 Ficha técnica indicador de Cambio de tipo de cultivo. Fuente: elaboración

propia. ............................................................................................................... 75

Tabla 6.24 Ficha técnica indicador de Diversificación de cultivos. Fuente: elaboración

propia. ............................................................................................................... 76

Tabla 6.25 Cooperación dentro de la comunidad agropecuaria. Fuente: elaboración propia.

.......................................................................................................................... 76

Tabla 6.26 Ficha técnica indicador de Trabajos secundarios al agrícola. ........................ 77

Tabla 6.27 Ficha técnica indicador de Aumento de cobertura forestal. Fuente: elaboración

propia. ............................................................................................................... 78

Tabla 6.28 Ficha técnica indicador de Márgenes de protección ribereña. Fuente:


Tabla 6.29 Ficha técnica indicador de Porcentaje de propiedad de la vivienda. Fuente:


xv

Tabla 6.30 Ficha técnica indicador de Diversificación fuentes de ingreso. Fuente:


Tabla 6.31 Reglas de decisión para el subíndice específico SS. Fuente: elaboración propia.

......................................................................................................................... 95

Tabla 6.32 Reglas de decisión para el subíndice específico SP. Fuente: elaboración propia.

......................................................................................................................... 96

Tabla 6.33 Reglas de decisión para el subíndice específico SE. Fuente: elaboración propia.

......................................................................................................................... 96

Tabla 6.34 Reglas de decisión para el subíndice específico SSE. Fuente: elaboración

propia. .............................................................................................................. 97

Tabla 6.35 Reglas de decisión para el subíndice S. Fuente: elaboración propia. ........... 97

Tabla 6.36 Reglas de decisión para el subíndice específico CS. Fuente: elaboración propia.

......................................................................................................................... 98

Tabla 6.37 Reglas de decisión para el subíndice específico CP. Fuente: elaboración propia.

......................................................................................................................... 98

Tabla 6.38 Reglas de decisión para el subíndice específico CE. Fuente: elaboración propia.

......................................................................................................................... 99

Tabla 6.39 Reglas de decisión para el subíndice específico CSE. Fuente: elaboración

propia. .............................................................................................................. 99

Tabla 6.40 Reglas de decisión para el subíndice C. Fuente: elaboración propia. ..........100

Tabla 6.41 Reglas de decisión para el índice IVUCC. Fuente: elaboración propia. .......101

Tabla 6.42 Ficha técnica del índice de vulnerabilidad IVUCC. Fuente: elaboración propia.

........................................................................................................................101

Tabla 6.43 Datos de entrada. Fuente: elaboración propia. ............................................105

Tabla 10.1 Datos DANE SIG-OT. Fuente: elaboración propia. ......................................146

Tabla 10.2 Datos Departamento Administrativo para la Prosperidad Social SIG-OT. Fuente:


Tabla 10.3 Datos Departamento Nacional de Planeación SIG-OT. Fuente: elaboración

propia. .............................................................................................................148

Tabla 10.4 Reglas de decisión subíndice susceptibilidad social. Fuente: elaboración propia.

........................................................................................................................155

Tabla 10.5 Reglas de decisión subíndice susceptibilidad productiva. Fuente: elaboración

propia. .............................................................................................................156

xvi

Tabla 10.6 Reglas de decisión subíndice susceptibilidad ecológica. Fuente: elaboración

propia. ............................................................................................................. 156

Tabla 10.7 Reglas de decisión subíndice susceptibilidad socioeconómica. Fuente:


Tabla 10.8 Reglas de decisión subíndice general de Susceptibilidad. Fuente: elaboración

propia. ............................................................................................................. 157

Tabla 10.9 Reglas de decisión subíndice de capacidad adaptativa social. Fuente:


Tabla 10.10 Reglas de decisión subíndice de capacidad adaptativa productiva. Fuente:


Tabla 10.11 Reglas de decisión subíndice de capacidad adaptativa ecológica. Fuente:


Tabla 10.12 Reglas de decisión subíndice de capacidad adaptativa socioeconómico.


Tabla 10.13 Reglas de decisión subíndice general de capacidad adaptativa. Fuente:


Tabla 10.14 Reglas de decisión índice IVUCC. Fuente: elaboración propia. ................. 168

1

Introducción

La Convención Marco de las Naciones Unidas sobre el Cambio Climático (CMNUCC)

definió el Cambio Climático (CC) como el “cambio del clima atribuido directa o

indirectamente a la actividad humana que altera la composición de la atmósfera global y

que se suma a la variabilidad natural del clima observada durante períodos de tiempo

comparables”. Estos cambios producidos en las condiciones climáticas han causado

impactos en los sistemas naturales y humanos en todo el mundo, alterando los sistemas

hidrológicos y generando impactos negativos en los rendimientos de los cultivos y la salud

humana (IPCC, 2014). El Cuarto Informe de Evaluación del IPCC (2007) afirma que los

efectos del CC variarán no solo según el clima y la geografía, sino también por grupos

sociodemográficos, debido a la variación en la capacidad de las comunidades humanas

para anticipar, resistir y recuperarse de los desastres naturales.

A pesar de las mejoras significativas en la reducción del riesgo de desastres a nivel local,

nacional, regional y global, como se refleja en distintos informes efectuados por

organizaciones relacionadas con las Naciones Unidas, los daños causados por los

desastres naturales también han aumentado (Almeida, Welle, y Birkmann, 2016). Aun con

todos los avances en el conocimiento y la reciente evolución en términos de mapeo,

evaluación de riesgo, satélites, alertas tempranas, Sistemas de Información Geográfica

(SIG), teledetección, técnicas de construcción, etc., todavía se producen desastres con un

gran número de muertes y heridos (Almeida et al., 2016).

A nivel mundial, en los últimos 20 años se han presentado grandes catástrofes

hidrometereológicas como los huracanes Mitch y George en 1998, el tsunami en el océano

indico en 2004, así como los huracanes Katrina y Stan en el 2005 (Aldunce, Neri, y

Szlafsztein, 2008). Si bien, en la ocurrencia de la catástrofes mencionadas no se puede

negar la contribución de los factores hidrometeorológicos, dichos sucesos no se habrían

convertido en grandes desastres de no ser por la presencia de factores humanos como el

2

crecimiento de la población, exposición de la población, manejo inadecuado del ambiente,

procesos marginalistas (exclusión social y desplazamiento) y problemas de gobernabilidad

(Aldunce et al., 2008; Almeida et al., 2016; IPCC, 2014).

Para Colombia, se estima que, si los niveles de emisiones globales de Gases de Efecto

Invernadero incrementa, la temperatura media anual podría aumentar gradualmente para

fin del siglo XXI (2100) en 2.14 °C; para el periodo 2071- 2100 la precipitación media

disminuiría entre 10 a 30% en cerca del 27% del territorio nacional (Amazonas, Vaupés,

sur del Caquetá, San Andrés y Provincia, Bolívar, Magdalena, Sucre y norte del Cesar) y

en cerca del 14% del territorio nacional la precipitación podría aumentar entre 10 a 30%

(Nariño, Cauca, Huila, Tolima, Eje Cafetero, Occidente de Antioquia, norte de

Cundinamarca, Bogotá y centro de Boyacá) (IDEAM, PNUD, MADS, DNP, y

CANCILLERÍA, 2015).

El cambio paulatino en la precipitación y temperatura de Colombia generado por el CC

podría ocasionar que los efectos de fenómenos de variabilidad climática tengan mayor

impacto en el territorio nacional (IDEAM et al., 2015). En Colombia, los desastres

hidrometereológicos están estrechamente vinculados con la Variación Climática (VC)

interanual, puesto que está depende del fenómeno Niño-Oscilación del Sur (ENSO) que

comprende una fase cálida (El Niño) y una fase fría (La Niña) (MADS, 2015). Este

fenómeno produce importantes efectos debido a que determinan los eventos hidrológicos

extremos en términos de sequía e inundaciones y en la oferta hídrica del país (IDEAM,

2015).

Como evidencia de los desastres producidos por el fenómeno ENSO, específicamente por

su etapa de enfriamiento o de alta precipitación (La Niña) ocurrida en el periodo 2010-

2011, que afectó a cuatro millones de personas, causó 491 muertes, destruyó 16.269

viviendas y afectó otras 545.940 en todo el país; en cuanto al sector productivo, se

afectaron cerca de un millón de hectáreas de tierra productiva y 115.000 cabezas de

ganado; en cuanto al trasporte, se afectaron noventa y ocho vías principales (IDEAM,

MADS, y UNDP, 2012). Las pérdidas mencionadas equivalen a casi el 2% del Producto

Interno Bruto (PIB) Colombiano (IDEAM et al., 2012). Por lo tanto, el fenómeno ENSO no

solo tiene repercusiones en la circulación atmosférica y oceánica del planeta, sino que

también repercute en los factores socioeconómicos que está muy relacionado con la

3

vulnerabilidad de las poblaciones y de los sectores productivos (Turbay, Nates, Jaramillo,

Velez, y Ocampo, 2014).

De acuerdo con los escenarios de CC para Colombia 2011-2100 los cambios esperados

en la temperatura y en la precipitación no serían los mismos para todo el territorio nacional,

lo cual indica que las medidas para hacer frente a posibles fenómenos deben ser diferentes

para cada región del territorio nacional (IDEAM et al., 2015). Por lo tanto, es más importante

que antes, desarrollar mecanismos de evaluación del riesgo y vulnerabilidad, que

contribuyen en la adaptación, comprensión de los riesgos de las amenazas naturales y

potenciales impactos del CC en la sociedad humana, en todos los niveles (local, nacional,

regional, mundial) (Almeida et al., 2016).

En este trabajo se pretende proponer una estrategia metodológica para la evaluación

espacial de la vulnerabilidad de una cuenca hidrográfica al CC, la estrategia se basa en la

integración de diferentes herramientas de análisis y espacialización. Como eje principal de

la estrategia metodológica se utilizó el modelo conceptual de riesgo y vulnerabilidad

sugerido por el IPCC (2014), del cual se desarrolló un índice compuesto basado en un

sistema difuso denominado Índice de Vulnerabilidad al Cambio Climático (IVUCC).

Además, se desarrolló una propuesta de subdivisión de zonas, para espacializar la

vulnerabilidad, denominada Áreas Homogéneamente Vulnerables (AHV) la cual se utilizó

para subdividir la cuenca hidrográfica del río Blanco y generar datos de vulnerabilidad

distribuidos resultantes del índice IVUCC.

El índice IVUCC fue desarrollado principalmente para las condiciones de la cuenca del río

Blanco ubicado en la región andina del departamento de Nariño. El índice IVUCC se

compone de dos categorías (susceptibilidad y capacidad adaptativa) que a su vez se

dividen en 8 subíndices, dos por cada tema: social, productivo, ecológico y

socioeconómico. Los subíndices se denominan: susceptibilidad social (SS), susceptibilidad

productiva (SP), susceptibilidad ecológica (SE), susceptibilidad socioeconómica (SSE),

capacidad adaptativa social (CS), capacidad adaptativa productiva (CP), capacidad

adaptativa ecológica (CE) y capacidad adaptativa socioeconómica (CSE). El subíndice SS

se compone de 3 indicadores, el subíndice SP se compone de 2 indicadores, el subíndice

SE se compone de 2 indicadores, el subíndice SSE se compone de 1 indicador, el

subíndice CS se compone de 5 indicadores, el subíndice CP se compone de 5 indicadores,

4

el subíndice CE se compone de 2 indicadores y el subíndice CSE se compone de 2

indicadores. En total, se utilizaron 22 indicadores.

El índice IVUCC puede ser utilizado como una herramienta para los tomadores de

decisiones a la hora de seleccionar y ubicar medidas de adaptación de forma más eficiente,

ya que el índice no sólo evalúa la vulnerabilidad desde temas sociales, productivos,

ecológicos y socioeconómicos sino que también patrones espaciales de vulnerabilidad.

Si bien el índice IVUCC fue desarrollado para una cuenca específica, tiene el potencial de

ser aplicada en las cuencas de la región Andina del departamento de Nariño ya que

presentan condiciones climáticas, hidrológicas, de relieve, culturales, sociales y

económicas similares. También, el índice IVUCC puede ser articulado con indicadores de

amenaza de inundación, deslizamiento de tierra, anomalías de precipitación y anomalías

de temperatura para generar mapas de riesgo por amenazas exacerbadas por el CC.

5

1. Planteamiento y justificación del problema

Desde la publicación de su primer informe de evaluación en el año 1990, el

Intergovernamental Panel on Climate Change (IPCC) ha presentado evidencias

incontrovertibles de los cambios observados y previstos del clima y sus impactos sobre

sociedades y ecosistemas (IPCC, 2007).

De acuerdo con la información dada en el quinto informe de evaluación del IPCC, para

finales del siglo XXl es probable que la temperatura global en superficie sea superior en

1.5°C con respecto a la del período entre 1850 y 1900 para todos los caminos de

forzamiento de concentración (por sus siglas en íngles RCP), salvo el RCP2.6. Es probable

que esa temperatura sea superior en 2°C para los escenarios RCP6.0 y RCP8.5, y más

probable que improbable que sea superior en 2°C para el escenario RCP4.5. El

calentamiento continuará después de 2100 en todos los escenarios RCP, excepto para el

RCP2.6. El calentamiento continuará mostrando una variabilidad entre interanaul y

decenal, y no será uniforme entre las regiones (IPCC, 2013). La Tabla (1.1) muestra los

cuatro caminos de Forzamiento Radiativos (FR) seleccionados por el IPCC para evaluar el

comportamiento de la concentración de emisión de Gases de Efecto Invernadero en el

planeta a 2100.

Tabla 1.1 Caminos de Forzamiento Radiativos (FR). Fuente: IDEAM et al (2015).

Escenario

Forzamiento Radiamento

(W/m2)

CO2eq atmosférico

(ppm)

Anomalía de

temperatura

Trayectoria

RCP8.5 8.5 >1370 4.9 2100, en aumento

RCP6.0 6.0 850 3 Estabilización después de 2100

RCP4.5 4.5 650 2.4 Estabilización después de 2100

6

Escenario

Forzamiento Radiamento

(W/m2)

CO2eq atmosférico

(ppm)

Anomalía de

temperatura

Trayectoria

RCP2.6 2.6 490 1.5 Picos antes de 2100 y después declina

Los principales efectos que se esperan por el CC según el IPCC (2013) son: en la mayoría

de las regiones del planeta habrá más episodios relacionados con extremos de alta

temperatura y menos relacionados con extremos de bajas temperaturas, olas de calor más

frecuentes y tendrán mayor duración, en algunas áreas aumentara la frecuencia,

intensidad y/o cantidad de precipitaciones fuertes.

El riesgo de desastres por variabilidad y extremos climáticos en el mundo a evolucionado

con el tiempo debido al CC y el desarrollo humano (IPCC, 2014). El costo del CC alcanzó

pérdidas abrumadoras no sólo en bienes materiales, sino también en biodiversidad y vidas

humanas, que los economistas calculan en billones de dólares, independientemente de

que la vida no pueda tasarse en dinero (Yepes-Mayorga, 2012).

El estudio realizado en el 2011 por el Instituto de Hidrología, Meteorología y Estudios

Ambientales (IDEAM) presentó la evidencia de CC en Colombia utilizando cuatro índices:

tendencia de la precipitación acumulada anual, tendencia de las precipitaciones fuertes,

tendencia de la temperatura máxima y tendencia de la temperatura mínima.

La tendencia con el mayor aumento de la precipitación acumulada anual se observa en el

noroccidente del país (en Antioquia y Chocó), en Vichada, el Piedemonte de Putumayo y

en la isla de Providencia y en cuanto a la mayor reducción de la precipitación anual se

observa en el suroccidente del país, especialmente en el occidente de Nariño, así como

en sectores del medio Magdalena, Boyacá y en sectores de Guainía (IDEAM, 2011) (Figura

1.1).

7

Figura 1.1 Mapa de tendencia de la precipitación acumulada anual (mm/año) en

Colombia. Fuente: IDEAM (2011).

El comportamiento de las precipitaciones de alta intensidad (tormentas o aguaceros) es

casi similar al de la precipitación total anual, en que la mayoría de las estaciones tienen

una tendencia al aumento (flechas azules), especialmente en amplios sectores de la

regiones Caribe, Andina, Pacífica y Orinoquía (IDEAM, 2011) (Figura 1.2).

La reducción de los eventos extremos ocurre en zonas aisladas de la Cordillera Oriental

(cuenca del río Sogamoso, Sabana de Bogotá el Piedemonte Amazónico) y Nariño

(IDEAM, 2011).

8

Figura 1.2 Tendencia de las precipitaciones fuertes o intensas en Colombia. Fuente:

IDEAM (2011).

Extensas zonas del territorio colombiano presentan una tendencia general al incremento

de las temperaturas máximas (flechas rojas), lo que repesenta que los días son más

calientes (IDEAM, 2011) (Figura 1.3).

El calentamiento bien definido se presenta a lo largo de la zona costera de la región Caribe,

en gran parte de la Orinoquía, los departamentos de Santander, Antioquia, Chocó, los

altiplanos Cundiboyacense y Nariñense, y a lo largo de los piedemontes Llanero y

Amazónico (IDEAM, 2011).

9

Figura 1.3 Tendencia de la temperatura máxima. Fuente: IDEAM (2011).

En extensas regiones del país existe una tendencia al aumento de la temperatura mínima

(flechas rojas) (Figura 1.4). Especialmente en la zona centro y sur del litoral Caribe, a lo

largo de la región Pacífica, la Amazonía, en amplios sectores de los departamentos de

Antioquia y Santander (IDEAM, 2011).

Gran parte del área de la Cordillera Oriental presenta disminución en la temperatura

mínima (flechas azules), lo cual se observa en las zonas de altiplano y páramo de los

departamentos de Cundinamarca, Boyacá y Santanderes (IDEAM, 2011).

10

Figura 1.4 Indicador relacionado con la tendencia de la temperatura mínima. Fuente:

IDEAM (2011).

Se presenta un aumento general en la tendencia de la temperatura máxima de la región

andina del departamento de Nariño. A diferencia de la temperatura máxima, la intensidad

de la precipitación, precipitación acumulada y temperatura mínima muestran tendencias

heterogéneas en las distintas estaciones distribuidas en la región andina del departamento

de Nariño. En la Tabla (1.2) se muestran los resultados de los cuatro índices aplicados en

el estudio del IDEAM (2011) para la región andina del departamento de Nariño.

11

Tabla 1.2 índices de cambio climático en la región andina nariñense. Fuente: adaptado

de Mayorga et al (2011).

Código estación

Municipio Altitud

(m.s.n.m) Precipitación Total al año

Tendencia Precipitaci

ón Acumulad

anual (mm/año)

Precipitación Intensidad

Temperatura Mínima

Temperatura Máxima

5204503 Alban 2190 + 1.8 + + +

5205507 Consaca 1700 - -3.5 + +

5205501 Ipiales 2961 + 3 - + +

5205504 Pasto 2820 + 2.7 + - +

4701510 Pasto 2830 + 2.1 - - +

5204501 Pasto 2710 + 3.4 + - +

5204502 Pasto 1796 - -3.4 - - +

4701508 Puerres 2710 - -2.8 - + +

5205506 Samaniego 1500 + 3.9 - - -

5205509 Tangua 2800 + 2.6 + +

5205502 Tuquerres 3120 - -0.4 + +

La evidencia de CC en Colombia presentada por el IDEAM muestra que si bien la

temperatura máxima en la región andina de Colombia tiende a incrementar, la intensidad

de la precipitación, la precipitación acumulada y la temperatura mínima tienen tendencias

espacialmente heterogéneas, incluso en la región andina nariñense (IDEAM, 2011). Esta

información permite reconocer que los cambios del clima no presentan tendencias

similares en la región andina nariñense. Lo cual, desde el punto de vista meteorológico es

reflejado en la heterogeneidad espacial de los niveles de exposición y vulnerabilidad social.

El 46% de la población del departamento de Nariño se encuentra ubicada en la región

andina, y de esta el 53% vive en zonas rurales cuyo principal sector económico es el

agropecuario, el cual es influenciado por las variables climáticas (CEPAL, 2007; Viloria,

2007). Debido a la alta influencia del clima en el desarrollo económico de gran parte de la

región andina, adaptarse a las nuevas condiciones generadas por el CC es una necesidad

para garantizar la sostenibilidad económica, social y ambiental de la región. Para lo cual

es necesario fijar una línea base la cual se establece comprendiendo los factores que

modifican la vulnerabilidad, de esta forma se puede seleccionar las mejores alternativas

de adaptación.

12

El fenómeno ENOS causa alteraciones climáticas sobre todo el territorio colombiano que

afecta el medio natural y el ciclo hidrológico; este fenómeno causa situaciones extremas

principalmente, en la distribución de la temperatura del aire y de la precipitación (Quintero-

Angel, Carvajal-Escobar, y Aldunce, 2012).

En Colombia, durante El Niño (fase cálida), se presenta una disminución en la precipitación

y un incremento en la temperatura media del aire; se considera que sus efectos son más

fuertes sobre el occidente del país (Quintero-Angel et al., 2012). Durante La Niña (fase

fría), ocurren anomalías contrarias, con eventos de precipitación muy intensos;

estrechamente asociados al aumento de caudales. El impacto de la fase fría es

representado por crecientes, inundaciones, avalanchas y derrumbes que repercuten en la

pérdida de vidas humanas, cosechas, infraestructura, entre otros bienes económicos.

(Quintero-Angel et al., 2012).

Colombia no ha sido ajena a las variaciones drásticas del clima global; en el año 2010, el

país evidenció uno de los períodos más críticos en términos de anomalías en precipitación

frente al promedio anual (García, Piñeros, Bernal, y Ardila, 2012). El mes de julio de 2010

fue el más lluvioso de los últimos 30 años, debido a que se presentaron lluvias por encima

de lo normal en la región Caribe, Andina y Pacífica (García et al., 2012). Asimismo, en

diciembre de 2010, se presentaron inundaciones severas por los efectos de la Niña y

también tuvo una actividad significativa durante el año 2011 (García et al., 2012).

Hoy más que nunca es importante desarrollar evaluaciones de vulnerabilidad que

contribuyan en la comprensión de los impactos potenciales de la amenazas naturales y del

CC en la sociedad humana en todos los niveles (local, nacional, regional, global) ya que

sin una acción de adaptación a estos impactos decidida en todos los niveles en el futuro

será mucho más difícil y costosa, no solo para la generación actual sino que también para

las futuras (Almeida et al., 2016; Robinson, 2018). Al mismo tiempo, comprender los

impactos potenciales del CC ayudará en la toma de las mejores decisiones al momento de

generar medidas de adaptación y mitigación, las cuales no solo repercuten en la

actualidad, sino que también en generaciones futuras (IPCC, 2014).

Como respuesta a los problemas generados por el CC, se propusieron dos grandes tipos

de medidas: la mitigación (disminuir en la atmosfera la concentración de gases de efecto

invernadero) y la adaptación (reducir la vulnerabilidad de comunidades y ecosistemas

frente al CC) (CATIE, 2010). Hasta ahora, los acuerdos internacionales, como la CMNUCC

13

ha puesto énfasis en la mitigación. Sin embargo, con las evidencias de que unos grados

de calentamiento global son inevitables, se está poniendo cada vez más atención en la

adaptación a nivel internacional, nacional y local (CATIE, 2010).

En la literatura científica existen varios métodos para evaluar la vulnerabilidad frente al CC,

los cuales difieren en su complejidad y escala de aplicación, debido a su alta complejidad

(Almeida et al., 2016; Satta, Snoussi, Puddu, Flayou, y Hout, 2016).

A pesar que los índices compuestos pueden evaluar la vulnerabilidad en diferentes escalas

y sistemas geográficos diversos, han sido criticados porque son discutiblemente

insensibles a las diferencias contextuales y a las distribuciones espaciales y temporales de

los impactos, produciendo valores simplificados (Neset, Wiréhn, Opach, Glaas, y Linnér,

2018).

Al comparar los resultados de varios índices aplicados en la misma área geográfica de la

región andina del departamento de Nariño, se encontró que los resultados difirieron

significativamente debido a la selección de indicadores y a su ponderación. El estudio de

la WWF (2013) realizado a nivel nacional, subdividido en 9 nodos, dió como resultado que

la región andina del departamento de Nariño presenta vulnerabilidad de “Alto” a “Muy Alto”.

A nivel del departamento de Nariño, Guevara et al (2016) realizó la evaluación de

vulnerabilidad al CC generando resultados a escala municipal en el cual el municipio de

Pasto presenta un nivel de vulnerabilidad “Muy Alto”. Finalmente, en la cuenca Dolores

ubicada en la región andina del departamento de Nariño se realizó la evaluación de

vulnerabilidad al CC a escala de cuenca dejando como resultado un nivel regular de

vulnerabilidad (Rosero, 2015). La región andina del departamento de Nariño cuenta con

tres estudios de vulnerabilidad al cambio climático realizado en diferentes escalas y

metodologías: Ocampo (2012), Vargas (2014) y Rosero (2015). Ninguna de las

investigaciones de vulnerabilidad al CC realizadas en la región Nariñense evalúa la

vulnerabilidad y el riesgo social al CC utilizando el modelo conceptual del IPCC (2014), lo

cual no permite clasificar los niveles de susceptibilidad y capacidad de adaptación.

La cuenca del río Blanco se caracteriza por información limitada relacionada con las

amenazas naturales. Si bien, esta cuenca cuenta con un Plan de Ordenamiento de

Recurso Hídrico (PORH) y un Plan de Ordenación y Manejo de la Cuenca hidrográfica

(POMCA), los documentos se concentran en la descripción de la cantidad y calidad del

14

recurso hídrico, contienen poca información cartográfica y la información de amenazas

naturales no es profundizada, solo es mencionada.

Teniendo en cuenta lo anterior, surge la siguiente pregunta de investigación:

¿Cómo se puede evaluar espacialmente la vulnerabilidad por cambio climático en la

cuenca del río Blanco, teniendo en cuenta la disponibilidad de información existente?

Ahora bien, es evidente que muchas investigaciones han estudiado por separado la

vulnerabilidad y el riesgo social, como conceptos sin relación entre ellos, como lo explica

Díaz (2018). Cuando no se considera la relación entre vulnerabilidad y riesgo existe la

tendencia a no valorar en su totalidad la capacidades analíticas de los dos conceptos (Díaz,

2018). Por una parte, el concepto de vulnerabilidad puede ser utilizado como una etiqueta

para determinados grupos sociales, sin evidenciar las características que le dan esa

etiqueta y, por otra parte, los estudios de riesgo se pueden enfocar en estimaciones

probabilísticas, pero sin tener en cuenta los procesos sociales que lo produce (Díaz, 2018).

En tal sentido, en este estudio se considera necesario incluir como objetivo específico el

realizar una exploración de la posibilidad de evaluar el riesgo frente al CC incorporando la

estrategia metodológica para la evaluación espacial de la vulnerabilidad, por tanto surge

la siguiente pregunta:

¿Cómo articular los resultados de la evaluación espacial de la vulnerabilidad de la cuenca

del río Blanco con indicadores de amenazas exacerbados por el cambio climático de bajos

requisitos para elaborar mapas de riesgo por el cambio climático?

Por tanto, debido a las características particulares de las comunidades rurales, de las

condiciones naturales, de los servicios ecosistémicos y de la disposición de información de

la cuenca del río Blanco, es relevante realizar esta investigación por el potencial en la toma

de decisiones en la adaptación social que representa. Los resultados de esta investigación

permiten que los tomadores de decisiones seleccionen estrategias de adaptación basadas

en la distribución espacial y en el nivel de la vulnerabilidad y riesgo por CC en la cuenca

del río Blanco. De esta forma, también se aporta en la compresión de la vulnerabilidad y el

riesgo por CC; en la futura planeación del territorio (lo cual reducirá costos por evacuación,

desplazamiento y re-ubicación de comunidades); en el mejoramiento en la toma de

decisiones de adaptación de las comunidades y generar medidas de mitigación de acuerdo

con las condiciones de la zona.

15

2. Objetivos

2.1 Objetivo general

Proponer una estrategia metodológica para evaluar espacialmente la vulnerabilidad al

Cambio Climático en la cuenca del río Blanco.

2.2 Objetivos específicos

Desarrollar indicadores para evaluar la vulnerabilidad frente a cambio climático de

una cuenca andina del departamento de Nariño.

Construir un índice de evaluación de la vulnerabilidad frente a cambio climático

para la cuenca del río Blanco- Nariño.

Aplicar el índice de evaluación de vulnerabilidad frente al cambio climático en la

cuenca del río Blanco ubicada en el departamento de Nariño.

Explorar la posibilidad de evaluar el riesgo por cambio climático en la cuenca del

río Blanco.

16

3. Antecedentes

Se han realizado diversos estudios de evaluación de vulnerabilidad y riesgo tanto a escala

mundial, nacional e incluso a nivel de la región andina del departamento de Nariño. A

continuación, se muestran antecedentes de herramientas y escalas utilizadas para la

evaluación de vulnerabilidad y riesgo frente al CC.

3.1 Nivel mundial

A nivel mundial se ha realizado una gran cantidad de estudios relacionados con la

evaluación del riesgo y la vulnerabilidad al CC, con escalas de aplicación, metodologías e

incluso objetivos diferentes.

En la literatura se encuentran estudios de evaluación de la vulnerabilidad al CC desde

escalas grandes como la realizada por Mapplecroft (2014), en la cual se evaluó la región

de América Latina y el Caribe, hasta escalas pequeñas como fincas agrícolas y hogares

(Abid, Schilling, Scheffran, y Zulfiqar, 2016; Pandey y Bardsley, 2015) (Tabla 3.1).

Tabla 3.1 Antecedentes de evaluación de componentes de vulnerabilidad a nivel mundial.

Fuente: elaboración propia.

Autor Escala País Metodología

Abid et al (2016)

Finca agrícola

Pakistán

Cuestionario (entrevistas dirigidas a científicos y comunidad)

Concepto de vulnerabilidad al cambio climático por el IPCC (2007)

Lista de riesgos por eventos climáticos

Almeida et al (2016)

Distrito Brasil Índice sistémico

SIG

Batisha (2015) Delta río Nilo Egipto Índice sistémico

17


Fuzzy Decisión Making Technique

Bär, Rouholahnejad,

Rahman, Abbaspour, y

Lehmann (2015)

Cuenca del Mar negro

Más de un país

Indicadores

Modelo Fuerza motriz - Presión-Estado- Impacto - Respuesta (FPEIR)


Modelación hidrológica con SWAR

Buotte, Peterson,

McKelvey, y Hicke (2016)

Subregión (Sistema

nacional de tierras

forestales )

Estados Unidos

Cuestionario (entrevistas dirigidas a científicos)

Lista de seguimiento de especies

Dong et al (2015)

Condado (4885 km)

China ( Mongolia Interior)

Índice sistémico

Indicador cuantitativo


Dumenu y Obeng (2016)

Comunidades rurales

Ghana

Indicadores

Entrevistas

El-Zein y Tonmoy (2015)

15 áreas de la ciudad de

Sídney Australia

Indicadores cuantitativos y semi-cuantitativos

Lógica difusa

KC, Shepherd, y Gaither

(2015)

Estado (Georgia)

Estados Unidos

SIG

Análisis estadístico de precipitación y temperatura

Kumar, Geneletti, y Nagendra

(2016)

Ciudad metropolitana de Bangalore

India

Indicadores recolectados con revisión de literatura

Entrevistas semi-estructuradas (grupos focales) y encuestas exploratorias

Liu, Willems, Bao, Wang, y Chen (2016)

Zona árida (1.972.765

km 2)

China (noroeste)

Índice sintético

Indicador cuantitativo

SIG

Mapplecroft (2014)

Región de América

Latina y el Caribe

Distintos países


Índice sistémico

SIG

Nguyen, Liou, Li, y Tran

(2016) Provincia Vietnam

SIG

Proceso de análisis jerárquico (AHP)

Información satelital

18


Pandey y Bardsley (2015)

Hogares en Cuencas

hidrográficas Nepal Entrevistas cara a cara

Satta et al (2016)

Zonas costeras (40

km) Marruecos

Índice sistémico

SIG

Concepto de riesgo al cambio climático por el IPCC (2014)

van Wesenbeeck, Sonneveld, y

Voortman (2016)

Comunidades rurales (varios países)

África Subsahariana

Encuestas georreferenciadas de demografía y salud

Por lo general, las herramientas metodológicas utilizadas en la valoración de la

vulnerabilidad en los anteriores estudios son: índices sintéticos, indicadores, SIG, modelos

analíticos como Fuerza motriz - Presión-Estado-Impacto –Respuesta, concepto de riesgo

sugeridos por el IPCC, cuestionarios, entrevistas, modelación hidrológica, lógica difusa,

antecedentes históricos de desastres e información satelital.

La literatura científica muestra que las investigaciones realizadas concernientes a la

evaluación de la vulnerabilidad y el riesgo frente a CC no siempre tienen la misma finalidad.

Por tanto, con la revisión de literatura realizada en este estudio se identificaron 4

finalidades de los estudios de evaluación de la vulnerabilidad y el riesgo al CC: medir los

impactos, generar medidas, realizar seguimiento y finalmente apoyar la toma de

decisiones.

Dong et al (2015) y Buotte et al (2016) enfocaron sus estudios de evaluación en medir los

impactos del CC en sistemas productivos, económicos, sociales y ecológicos. El estudio

realizado por Buotte et al (2016) consistió en evaluar la sensibilidad de especies o recursos

a los efectos directos e indirectos del CC. Por otra parte Vargas (2014), Pandey y Bardsley

(2015) y KC et al (2015) realizan la evaluación de la vulnerabilidad de un sistema al CC

con el fin de establecer qué tan sustentable son ambiental y socialmente.

Estudios como los de Liu et al (2016), Dong et al (2015) y Buotte et al (2016) realizaron la

evaluación de la vulnerabilidad y el riesgo con el objetivo de desarrollar y aplicar estrategias

de adaptación y mitigación adecuadas frente al CC. De forma adicional, Bär et al (2015),

El-Zein y Tonmoy (2015), Nguyen et al (2016), Pandey y Bardsley (2015) mencionaron en

sus estudios la importancia de la evaluación de la vulnerabilidad y el riesgo en la tarea de

19

priorizar zonas con mayor necesidad de acciones de adaptación, de tal forma que se

mejore la asignación de recursos en adaptación frente al CC como lo mencionan El-Zein y

Tonmoy (2015) Nguyen et al (2016). Así mismo Buotte et al (2016), Batisha (2015)

utilizaron la evaluación de la vulnerabilidad y el riesgo para proporcionar un marco de

referencia para proyecciones de futuras condiciones climáticas y realizar la planeación a

largo plazo con la finalidad de contribuir con el aprovechamiento de las oportunidades que

surjan del CC (modificación sistema natural o humano).

Bär et al (2015), Van Wesenbeeck et al (2016) mencionan que la evaluación de la

vulnerabilidad y el riesgo frente al CC sirve para guiar la toma de decisiones y dar prioridad

a las intervenciones de adaptación y mitigación. Estudios como los de Dong et al (2015),

Bär et al (2015), Abid et al (2016), Kumar et al (2016) y Pandey y Bardsley (2015) explican

la importancia de la evaluación de la vulnerabilidad y el riesgo frente al CC para guiar a los

responsables políticos y facilitar el análisis normativo de las acciones para mejorar el

bienestar mediante la reducción del riesgo por CC basado en evidencia científica. Dumenu

y Obeng (2016) utilizó su estudio de evaluación de la vulnerabilidad para demostrar la

necesidad de políticas específicas en un área determinada para reducir la vulnerabilidad y

mejorar la adaptación dentro de las comunidades rurales.

Como se menciona anteriormente, la evaluación de la vulnerabilidad y el riesgo puede

tener distintos objetivos; sin embargo, un estudio de evaluación uno o varios objetivos

(medir los impactos, generar medidas, realizar seguimiento y finalmente apoyar la toma de

decisiones). Por tanto, este estudio fue desarrollado con la finalidad de proponer un marco

de referencia para generar medidas de adaptación y apoyar la toma de decisiones de los

actores institucionales y sociales de la cuenca del río Blanco.

3.2 Nivel de la región andina colombiana

A partir del 2010, el IDEAM, en conjunto con cabildos indígenas de Kokonuco, Paletará,

Poblazón, Puracé, Quintana, y las organizaciones campesinas Asocampo y

Asoproquintana plantearon el “Programa de Integración de Ecosistemas y Adaptación al

Cambio Climático en el Macizo Colombiano” en el cual se evaluó la vulnerabilidad al CC y

a la Variación Climática del Macizo colombiano. Este estudio se basó en la definición de

vulnerabilidad del IPCC (2001) en la cual se estableció que la vulnerabilidad está en

función de la exposición, sensibilidad y la capacidad de adaptación. Además, se utilizaron

20

indicadores en función del eje de la gestión del recurso hídrico, del eje de sistema

productivo y el eje de ecosistemas. En este estudio también se utilizan los SIG para

representar la vulnerabilidad en los resguardos ubicados en el macizo colombiano (IDEAM,

2010). En conclusión, en este estudio se utilizó el modelo conceptual de vulnerabilidad del

IPCC (2001) y los SIG.

El Comprehensive Approach to Probabilistic Risk Assessment (CAPRA) es una

metodología y una plataforma de información técnico-científica, que integra una serie de

herramientas para la evaluación y comunicación del riesgo de desastres debido a eventos

naturales (Cardona, Ordaz, Reinoso, y Barbat, 2011). Se desarrolló para amenazas como

sismos, tsunamis, huracanes, inundaciones, deslizamientos y volcanes (Cardona et al.,

2011). Este modelo interactúa con los SIG y permite la evaluación de pérdidas por

elementos expuestos utilizando métricas probabilísticas como la curva de probabilidad de

excedencia, la pérdida anual esperada y la pérdida máxima probable. CAPRA ha sido

aplicado en Colombia, México, Perú, Bolivia, Ecuador, Guayana, Jamaica, Países de

Centro América, España, Nepal (Cardona et al., 2011). En Colombia, esta metodología ha

sido aplicada en la evaluación de riesgo sísmico como es el caso de Bogotá y Manizales

(Salgado, Zuloaga, y Cardona, 2013). También, se ha realizado una aplicación a nivel de

cuenca como se expresa en el Plan de Ordenación de la Cuenca del río Chinchiná, en el

cual se evaluó el riesgo a diferentes amenazas como deslizamientos, inundación, sismos

y volcánica (CORPOCALDAS y UNAL, 2013).

Ocampo (2012) realizó el análisis de vulnerabilidad del recurso hídrico de la cuenca del río

Chinchiná para condiciones estacionarias y de CC. Esta cuenca está ubicada en el

departamento de Caldas, andes centrales. En este estudio se utilizaron herramientas de

modelación hidrológica, SIG, análisis estadístico y escenarios de CC futuros.

En el 2012 se inició el proyecto denominado “Reducción del riesgo y de la vulnerabilidad

frente al CC en la región de la Depresión Momposina en Colombia”. Este proyecto tuvo

como objetivo reducir la vulnerabilidad de las comunidades y de los humedales en la región

de la Depresión Momposina a los riesgos de inundación y de sequía asociados con el CC

y la VC. La Depresión Momposina se encuentra en contacto con las provincias

biogeográficas del Chocó- Magdalena, Andes del Norte y el Caribe (IDEAM et al., 2012).

Para la evaluación de la vulnerabilidad, se utilizó el modelo metodológico desarrollado por

el IDEAM et al (2012), el cual se basa en el concepto de vulnerabilidad del IPCC (2007).

21

Esta metodología busca suministrar aportes para el diseño y la evaluación de medidas de

adaptación para la subregión de la Mojana y los municipios del área objetivo, con la

posibilidad de incluir criterios gerenciales que ayuden a reducir la vulnerabilidad (IDEAM

et al., 2012).

En este estudio se utilizaron escenarios de CC (variación proyectada de lluvia y

temperatura), se analizaron los cambios de escorrentía en los escenarios de CC y VC, se

analizó la tendencia de la vulnerabilidad y se elaboraron mapas de riesgo de inundación

con información de radar de alta resolución (LIDAR) e imágenes ópticas como (RapidEye,

GeoEye y/o Quick Bird) (IDEAM et al., 2012).

En el 2013 la WWF publicó el documento “Nodos Regionales de Cambio Climático” en el

cual se propuso una línea base de análisis de riesgos climáticos y necesidades de

adaptación climática. En este documento se reportaron los resultados de la evaluación de

la vulnerabilidad climática de mediano y largo plazo del país, basado en el concepto de

vulnerabilidad del IPCC (2007). En este estudio, Colombia se dividió en 9 nodos: en primer

lugar el Nodo Caribe, en segundo lugar el Nodo Pacifico Norte, en tercer lugar el Nodo

Antioquia, en cuarto lugar el Nodo Norandino, en quinto lugar el Nodo Orinoquia, en sexto

lugar el Nodo Centroandino, en séptimo lugar el Nodo Eje Cafetero, en octavo lugar el

Nodo Amazonia y por último lugar el Nodo Pacifico Sur (WWF, 2013).

En el departamento del Huila ubicada en la cordillera oriental de los andes se desarrolló

en el 2014 el “Plan de Cambio climático Huila 2050: preparándose para el cambio

climático”. En este estudio se realizó la evaluación de la vulnerabilidad del departamento

del Huila al CC con un índice de resolución municipal basado en la definición de

vulnerabilidad del IPCC (2001), la cual define la vulnerabilidad en función del impacto

potencial y la capacidad de adaptación, donde el impacto potencial es la suma de la

sensibilidad del sistema y la exposición del sistema a cambios climáticos. Además, el

estudio cuenta la dimensión social, dimensión biofísica, político-institucional y la

económico-productiva. Adicionalmente, se utilizan los SIG para representar en el mapa

departamental la vulnerabilidad de cada uno de los municipios (Gobernacion del Huila et

al., 2014).

El prototipo Wep CUENCANDINA 1.0 es un sistema soporte a las decisiones basado en

conocimiento, diseñado para apoyar la toma de decisiones en una microcuenca andina

(Vargas, 2014). El prototipo está basado en 6 índices compuestos: en primer lugar el índice

22

de calidad de agua superficial (ICASup), en segundo lugar el índice de degradación del

suelo (IDS), en tercer lugar índice de cambio climático (ICC), en cuarto lugar índice de

educación y cultura del agua (IEDCA), en quinto lugar índice de gobernanza del agua

(IGBA), en sexto lugar índice de datos, información y conocimiento (IDIC). Los índices

integran los modelos analíticos, indicadores PER (presión, estado, respuesta) y lógica

difusa (Vargas, 2014).

Entre los 6 índices del prototipo CUENCANDINA se encuentra el Índice de vulnerabilidad

al Cambio Climático (ICC). El índice se compone de 6 indicadores: emisión de bióxido de

carbono (ICO2), variación de la precipitación (VPA), variación de la temperatura (VTA),

Ocurrencia de eventos naturales extremos (IEN), medidas de mitigación y adaptación al

cambio climático (MACC) y finalmente el indicador inversión en el abatimiento y control de

la contaminación del aire (IMA) (Vargas y Restrepo, 2018).

El índice fue aplicado por primera vez en la microcuenca el Chocho ubicada en la cuenca

del río Cali, Valle del Cauca (Vargas y Restrepo, 2018). Los resultados obtenidos en la

aplicación del índice ICC en la cuenca el Chocho muestran una aproximación de la

vulnerabilidad de la cuenca, la cual se subdividió en parte alta, media y baja. La primera

aplicación del índice ICC muestra su facilidad de uso debido a que gran parte de la

información utilizada es secundaria.

Además de los documentos mencionados, en la región andina colombiana también se

presentan otros estudios como los planes de adaptación al CC de los municipios de Tuluá,

Buga, Pitalito y del departamento de Risaralda, ubicados en la plataforma del Ministerio de

Ambiente y Desarrollo Sostenible.

3.3 Nivel de la región andina del departamento de Nariño

En el 2015, Rosero (2015) efectuó la evaluación de la microcuenca Dolores ubicada en

parte alta de la cuenca del río Pasto, región andina del departamento de Nariño (Figura

3.1). La evaluación de la vulnerabilidad se realizó aplicando el índice ICC propuesto en el

prototipo Web CUENCANDINA 1.0 mencionado anteriormente y trabajado por Vargas y

Restrepo (2018).

En el estudio de Rosero (2015) se subdivide la micro cuenca en 3 zonas, la parte alta que

es la que contiene una mayor densidad poblacional, la parte media en la cual se desarrollan

23

las actividades agropecuarias y la parte baja la cual presenta coberturas forestales densas

y fragmentadas. La aplicación del índice ICC en la cuenca Dolores muestra la facilidad de

conseguir la información útil para su ejecución, debido a que sus indicadores pueden ser

aplicados tanto con información secundaria como primaria. Sin embargo, los indicadores

que componen el índice no contemplan la susceptibilidad social, limitando la comprensión

y la toma de decisiones hacia ese sector.

Figura 3.1 Ubicación de la microcuenca Dolores. Fuente: Rosero (2015).

La Corporación Autónoma Regional del departamento de Nariño junto con World Wildlife

Fund (WWF) publicaron en el 2016 el Plan Territorial de Adaptación Climática (PTAC) del

departamento de Nariño cuyo objetivo general es “brindar lineamientos técnicos y políticos

que faciliten la adopción de los principios y elementos de una adaptación climática

planificada dentro de la gestión de Corponariño y de los demás actores regionales en el

departamento de Nariño con competencia en el tema” (Figura 3.2). El PTAC Nariño es la

primera experiencia de planificación de adaptación climática para los departamentos del

Nodo Pacífico Sur de Cambio Climático (Cauca, Valle del Cauca y Nariño) (Guevara et al.,

2016).

24

Figura 3.2 Departamento de Nariño. Fuente: Guevara et al (2016).

En la hoja de ruta para la elaboración de los planes de adaptación al CC se establece que

la vulnerabilidad se encuentra en función de la exposición, sensibilidad y la capacidad

adaptativa de un sistema, y el riesgo está en función de la amenaza, la exposición y la

vulnerabilidad (DNP, MADS, IDEAM, y UNGRD, 2013), a diferencia de lo mencionado en

el Plan Territorial de Adaptación Climática del departamento de Nariño, donde establecen

que la vulnerabilidad está en función del riesgo, sensibilidad y la capacidad de adaptación.

Tanto a nivel mundial, nacional como local se ha tratado de estimar la vulnerabilidad y el

riesgo al CC utilizando escalas y metodologías diferentes. Esto se puede deber a la

complejidad que la vulnerabilidad y el riesgo al CC representa, ya que no sólo varían por

las condiciones naturales o sociales (tomadas de forma separada), sino que también varían

por las relaciones de lo social y lo natural.

Si bien, en la región andina, tanto a nivel nacional como departamental se han realizado

evaluaciones de vulnerabilidad y riesgo en cuencas hidrográficas, ninguna de las

investigaciones evalúa la vulnerabilidad y el riesgo social al CC utilizando el modelo

25

conceptual del IPCC (2014), lo cual no permite clasificar los niveles de susceptibilidad y

capacidad de adaptación. Por otra parte, los estudios de vulnerabilidad al CC no superan

el detalle de una escala 1:50.000 reduciendo la posibilidad de especificar y optimizar las

medidas necesarias para reducir la vulnerabilidad. Igualmente, no se ha implementado la

lógica difusa en los indicadores utilizados para evaluar la vulnerabilidad social en las

cuencas de la región andina de Nariño lo cual ha limitado la selección de indicadores al no

poder representar fácilmente la incertidumbre.

26

4. Marco teórico

4.1 Variabilidad climática

De acuerdo a la CMNUCC la VC se define como la “variación del clima por causas

naturales”(IPCC, 2014; Naciones Unidas, 1992).

Colombia tiene regímenes de precipitación y de VC muy significativos a lo largo y ancho

del país: en el sur de Colombia, la estacionalidad entre lluvia y menos lluvia está invertida

con respecto a la del centro del país, mientras que, en la región Andina, los regímenes de

precipitación tienen una tendencia bimodal y en la región Caribe la tendencia es unimodal

(García et al., 2012). Con un régimen climático que varía significativamente entre regiones,

los efectos de las alteraciones climáticas no se perciben de manera homogénea en el

territorio nacional (García et al., 2012). La VC se representa por fenómenos naturales como

el evento cálido El Niño y su enfriamiento, La Niña, conocidos conjuntamente como El Niño

Oscilación Sur (ENOS) (Quintero-Angel et al., 2012).

4.2 Cambio climático

El concepto de CC está sujeto a distintas interpretaciones que suele ocasionar la confusión

con VC, el efecto invernadero, o el calentamiento global (Quintero-Angel et al., 2012). En

este estudio se tienen en cuenta solo la definición de la CMNUCC y del IPCC: En 1992 la

CMNUCC define el CC como “el cambio del clima atribuido directa o indirectamente a las

actividad humana que altera la composición de la atmósfera global y que se suma a la

variabilidad natural del clima observada durante periodos de tiempo comparables”. En

cuanto a los informes del IPCC, se refieren al CC como todo cambio en el clima, ya sea

por la variabilidad natural o como resultado de las actividades antrópicas, como la

alteración de la composición atmosférica o al uso de la tierra (IPCC, 2007; Yepes-Mayorga,

2012).

27

4.3 Riesgo

De acuerdo con el IPCC (2014), el riesgo al CC es “la probabilidad de acaecimiento de

sucesos o tendencias peligrosos multiplicada por los impactos en caso de que ocurran

tales sucesos o tendencias”. Los riesgos resultan de la interacción de la vulnerabilidad, la

exposición y los peligros (amenazas)” (IPCC, 2014) (Figura 4.1).

Figura 4.1 Esquema de la interacción entre el sistema climático físico, la exposición, la

vulnerabilidad y el riesgo. Fuente: IPCC (2014).

El riesgo se puede considerar como una función de tres factores:

Riesgo = f (amenaza, la vulnerabilidad, la exposición)

De acuerdo con varias investigaciones en las cuales se utilizaron índices para evaluar el

riesgo (Satta et al., 2016) el riesgo (R) sigue una fórmula multiplicativa, basada en la

formula estándar de riesgo como el producto (o más correctamente la convolución) de

amenaza, exposición, y la vulnerabilidad como se describe en la siguiente ecuación

simplificada (Ecuación 1):

𝑹 = 𝑨 ∗ 𝑽 ∗ 𝑬 (Ec. 1)

Donde:

R= riesgo

28

A= amenaza

V= vulnerabilidad

E= exposición

4.4 Vulnerabilidad

Existen gran variedad de definiciones de vulnerabilidad, es por esto que en este estudio

se identificaron algunas a nivel nacional como las proporcionadas por la Ley 1523 del 2012

y MADS (2014) y definiciones internacionales como las que se proponen en los estudios

de Adger (2006) e IPCC (2007, 2014):

De acuerdo con la Ley 1523 (2012) en su artículo 4, numeral 27 se define la vulnerabilidad

como la: “Susceptibilidad o fragilidad física, económica, social, ambiental o institucional

que tiene una comunidad de ser afectada o de sufrir efectos adversos en caso de que un

evento físico peligrosos se presente. Corresponde a la predisposición a sufrir pérdidas o

daños de los seres humanos y sus medios de subsistencia, así como de sus sistemas

físicos, sociales, económicos y de apoyo que pueden ser afectados por eventos físicos

peligrosos”

En el marco de los Planes de Ordenamiento y Manejo Ambiental de Cuencas Hidrográficas

(POMCA), Colombia, la vulnerabilidad es comprendida como la susceptibilidad a que se

presenten daños en actividades productivas, localización de establecimientos humanos y

la infraestructura estratégica y de la sostenibilidad ambiental del territorio y de sus recursos

naturales renovables (MADS, 2014).

Adger (2006) realiza una revisión en cuanto a la vulnerabilidad a los cambios ambientales

y los desafíos para la investigación de vulnerabilidades presentes en la integración con la

capacidad de recuperación y adaptación. Este autor define la vulnerabilidad como el estado

de la susceptibilidad a daño por la exposición a las tensiones asociadas con el cambio

ambiental y social, y de las ausencias de capacidad de adaptación.

En el 2007, el IPCC define la vulnerabilidad al CC y a la VC como el “nivel al que un sistema

es susceptible, o no es capaz de soportar, los efectos adversos del cambio climático,

incluida la variabilidad climática y los fenómenos extremos. La vulnerabilidad está en

función del carácter, magnitud y velocidad de la VC al que se encuentra expuesto un

sistema, su sensibilidad, y su capacidad de adaptación”.

29

Las definiciones a nivel nacional tenidas en cuenta en esta tesis, comprenden la

vulnerabilidad en función de un solo componente como lo es la susceptibilidad de un

sistema a ser dañado. Adger (2006) y el IPCC (2007) incluyen 3 componentes en la

definición de vulnerabilidad (susceptibilidad, exposición y capacidad de adaptación). Ya en

el 2014, el IPCC se centra sólo en dos componentes, en la sensibilidad y la capacidad de

adaptación, implicando que un sistema sea más vulnerable si es más sensible y su

capacidad de adaptarse es limitada al mismo tiempo. Por lo tanto, la Vulnerabilidad puede

ser considerada como una función de dos factores:

Vulnerabilidad= f(susceptibilidad, capacidad de adaptación)

En este estudio se utilizó un enfoque realizado por el IPCC (2014) para realizar el análisis

de la vulnerabilidad, expresado en la Ecuación (2).

V = S – CA (Ec. 2)

Donde:

V= vulnerabilidad

S= susceptibilidad

CA= Capacidad de adaptación

El IPCC (2014) menciona que la adaptación es "El proceso de ajuste al clima real o

esperado y sus efectos. En los sistemas humanos, la adaptación busca moderar o evitar

el daño o explotar oportunidades beneficiosas. En algunos sistemas naturales, la

intervención humana puede facilitar el ajuste al clima esperado y sus efectos”. La definición

del IPCC (2014) también sugiere que la adaptación no solo incluye ajustes físicos (como

los requeridos en los sistemas naturales) sino también ajustes políticos, sociales,

económicos e institucionales, como los requeridos en los sistemas humanos (Robinson,

2018).

4.5 Amenaza y exposición

De acuerdo con el IPCC (2014) una amenaza se define como el “acaecimiento potencial

de un suceso o tendencia físico de origen natural o humano, o un impacto físico, que puede

causar pérdidas de vidas, lesiones u otros efectos negativos sobre la salud, así como

30

daños y pérdidas en propiedades, infraestructuras, medios de subsistencia, prestaciones

de servicios, ecosistemas y recursos ambientales”.

En el quinto informe del IPCC (2014) se definió la exposición como “la presencia de

personas; medios de subsistencia; especies o ecosistemas; funciones, servicios y recursos

ambientales; infraestructura; o activos económicos, sociales o culturales en lugares y

entornos que podrían verse afectados negativamente”.

4.6 Lógica difusa

Se considera a Lotfi A. Zadeh como el padre de la lógica difusa, considerando que en 1965

publicó el artículo Fuzzy Sets en la revista Information and Control (Barragán, 2009). Esta

herramienta es distinta a la lógica clásica porque pretende introducir un grado de

incertidumbre en el razonamiento y pensamiento humano, para tener respuestas basadas

en conceptos más coherentes (Arango, Urán, y Pérez, 2008).

La aplicación más conocida de la lógica difusa es Fuzzy inference Systems (FIS), que es

una manera de representar conocimientos y datos inexactos en forma similar a como lo

hace el pensamiento humano (Arango et al., 2008). Además los FIS corresponden a las

herramientas computacionales que permiten el manejo de incertidumbre con alto nivel de

abstracción, puesto que entrega respuestas validas a pesar de que la información

suministrada al sistema este incompleta (Correa, 2004).

Los principales componentes de un sistema de inferencia difuso son 3, en primer lugar, la

fuzzificación, el cual tiene el efecto de transformar los datos concretos de la medición en

valores lingüísticos apropiados, en segundo lugar, la base de reglas de inferencia, en las

cuales se almacena el conocimiento empírico de la operación del proceso, y por último, el

proceso de desfuzzificación, el cual se usa para producir una decisión no difusa o adecuar

los valores difusos en valores no difusos útiles para el proceso de toma de decisiones

(Arango et al., 2008; Vargas y Restrepo, 2018). En la Figura (4.2) se observa la estructura

general de un sistema difuso.

31

Figura 4.2 Diagrama general de un sistema difuso. Fuente: Vargas y Restrepo (2018).

El conjunto borroso es un conjunto que puede contener elementos en el que su pertenencia

al mismo no es absoluta sino gradual, es decir que la propiedad μA(x) ϵ A puede ser cierta

con un grado de verdad (Maguiña, 2010).

Para cada conjunto borroso, existe asociada una función de pertenencia para sus

elementos, lo que muestra en qué medida el elemento forma parte de ese conjunto difuso

(Maguiña, 2010). El conjunto borroso definido en notación matemática como: A = {(x, µA(x)

⁄ x ∈ U}, donde, A es el conjunto borroso, X es el universo de discurso (discreto o continúo)

y μA(x) es la función de pertenencia para el conjunto difuso A (Vargas y Restrepo, 2018)

(Figura 4.3).

Figura 4.3 Esquema general de una función de pertenencia: Henao (2016).

32

Ejemplo: Dado el universo de hogares X = {h1, h2, h3, h4} y el predicado S= “susceptible”,

el subconjunto J= {hogares susceptibles} se puede definir por: H= {h1|0.5, h2|,0.9, h3|0.2,

h4|0.4}, mediante la función de pertenencia con los valores: µS(h1)= 0.5; µS(h2)= 0.9;

µS(h3)= 0.2; µS(h4)= 0.4.

Por ejemplo, el hogar h1 es susceptible con un grado 0.5 mientras que el hogar h4 lo es

con grado 0.4.

Los elementos de un conjunto borroso A se pueden definir mediante la función de

pertenencia, denotada mediante µA(x) ∈ [0,1], el grado con el que un elemento x pertenece

a A (Maguiña, 2010). Entre más cerca esté µA(x) del valor 1, mayor será la pertenencia del

objeto x al conjunto A, dado que 1 representa la pertenencia total, por el contrario, entre

más cerca µA(x) a cero el objeto x dejara de pertenecer al conjunto A (Maguiña, 2010).

Las funciones de pertenencia más utilizadas son la trapezoidal y triangular debido a que

son sencillas y facilitan los cálculos de fuzzificación y desfuzzificación (Maguiña, 2010;

Vargas y Restrepo, 2018) (Figura 4.4).

Figura 4.4 Funciones de pertenencia: a) triangular, b) trapezoidal. Fuente: Maguiña

(2010).

La fuzzificación consiste en tomar los datos de entrada y determinar el grado en que

pertenecen a cada uno de los conjuntos difusos a través de las funciones de pertenencia

(Barragán, 2009; Maguiña, 2010). La conversión de los datos de entrada a valores

33

lingüísticos expresa la proporción de la similitud del dato a cada término lingüístico de la

variable (Maguiña, 2010).

Las reglas de inferencia difusa pueden ser definidas como la combinación de uno o más

conjuntos borrosos de entrada llamados antecedentes y a los que se les asocia un conjunto

borroso de salida llamado consecuente (Maguiña, 2010). Los conjuntos borrosos de

entrada se asocian mediante operadores borrosos y al aplicar un operador en los conjuntos

borrosos se obtiene otro conjunto borroso (Maguiña, 2010).

Los FIS más conocidos son: sistemas de inferencia basados en reglas de tipo Mamdani,

Relacionales o Pedryckz y Takagi- Sugeno (Arango et al., 2008). El sistema Mandani

representa el conocimiento a través de reglas lingüísticas “SI……ENTONCES” y tiene el

objetivo de representar valores reales en valores lingüísticos utilizando una operación

denominada fuzzificación (Vargas y Restrepo, 2018). Cada una de las reglas tiene un lado

izquierdo formado por uno o varios antecedentes (SI) y un lado derecho llamado

consecuente (ENTONCES).

En cuanto a las reglas de tipo Takagi- Sugeno que en lugar de emplear reglas

completamente linguisticas, utiliza como consecuente una función de las variables de

entrada del sistema (Barragán, 2009). La desfuzzificación es el proceso de transformar

mediante un proceso matemático un conjunto difuso de las variables de salida que resultan

del proceso de inferencia en un valor real (Henao, 2016; Maguiña, 2010; Vargas y

Restrepo, 2018).

Existen varios métodos para realizar el proceso de desfuzificación, entre los cuales se

encuentran: método bisector, método de centroide, el máximo medio, el máximo mínimo,

máximo, el centro de suma y el centro de grandes áreas, entre otros (Vargas y Restrepo,

2018). Aunque el método del centroide es el más costoso computacionalmente que otros

métodos de desfuzzificación, es el más empleado ya que proporciona variaciones suaves

y continuas de los valores de salida (Barragán, 2009; Henao, 2016; Maguiña, 2010; Vargas

y Restrepo, 2018).

El método del centroide consiste en la obtención del valor numérico de salida calculando

el centro de gravedad del conjunto borroso de salida (Barragán, 2009). El centroide se

calcula utilizando la Ecuación (3) siendo D(y) el conjunto difuso de salida y Y0 el valor

numérico de salida.

34

𝑦0 = ∫ 𝑦𝜇𝐷(𝑦)𝑑𝑦

∫ 𝜇𝐷(𝑦)𝑑𝑦 (Ec. 3)

4.7 Índice e Indicadores ambientales

Los indicadores ambientales son aquellos indicadores que cobijan temáticas propias de

los hábitos y modos antrópicos de producción y consumo, tales como demanda y uso de

recursos naturales, generación y aprovechamiento de residuos sólidos y líquidos,

contaminación acústica, las tecnologías y los tipos de energía utilizados en la producción

de bienes y servicios y sus problemas concomitantes como el adelgazamiento de la capa

de ozono, entre otros (Súarez, 2003).

Los indicadores ambientales son herramientas para realizar el monitoreo a través de la

recolección sistemática de datos obtenidos mediante mediciones u observaciones en

series de espacio y tiempo; proporcionan de manera rápida el conocimiento de la

evaluación del estado de un sistema, tanto en un punto espacial y temporal como en una

posible transformación en el tiempo y en el área, generando información que permite el

análisis y la adopción de decisiones, como también rescatar información existente sobre

un área específica (Therburg, D ’Inca, y López, 2005).

El IDEAM define los indicadores ambientales como “aquellos que informan de manera

sintética sobre aspectos ecosistémicos y del entorno físico biótico, o sobre la relación de

estos con la estructura sociocultural de un lugar geográfico en el tiempo, brindando señales

sobre los cambios que en esta materia suceden y que son de interés para determinados

actores” (IDEAM, 2014).

Un índice se define como la combinación de indicadores ambientales, los cuales suelen

abarcar múltiples dimensiones del concepto de vulnerabilidad, susceptibilidad y capacidad

de adaptación de un sistema (Neset et al., 2018).

4.8 Sistemas computacionales

En este trabajo se utilizaron varios sistemas computacionales para facilitar la recolección

de información, reducir el tiempo de cálculo, digitalización de información y visualización

de resultados. Los sistemas computacionales utilizados para la recolección, digitalización

35

y visualización de resultados fueron tres sistemas de información geográfica. Debido al

acceso y facilidad que sus herramientas proporcionan se seleccionó ArcGis, Qgis y SAGA

GIS.

ArcGis es un SIG, el cual posee una interface gráfica sencilla que puede ser manejada

únicamente con el ratón, permite cargar datos espaciales y tabulares para ser mostrados

en forma de mapas, tablas y gráficos, también provee herramientas necesarias para

consultar y analizar datos y presentar resultados en formato de mapas (Puerta-Tuesta,

Rengifo, y Bravo, 2013).

Qgis es un SIG de código abierto licenciado bajo General Public License. Qgis es un

proyecto oficial de Open Source Geospatial Foundation (OSGeo); corre sobre Linux, Unix,

Mac OSX, Windows y Android y se pueden cargar en el numerosos formatos y

funcionalidades de datos vector, ráster y bases de datos (Qgis, 2018). En este software se

puede realizar la interacción entre los códigos de los software SAGA GIS y GRASS GIS

para realizar procesos de corrección de información raster de forma más rápida y eficiente.

El software GRASS GIS es un sistema soporte de análisis de recursos geográficos de

código libre y gratuito, es utilizado para la gestión y análisis de datos geoespaciales,

procesamiento de imágenes, producción de gráficos y mapas, modelado espacial y

visualización (GRASS, 2018).

SAGA (por sus siglas en ingés System for Automated Geoscientific Analyses) es un SIG

con inmensas capacidades para el procesamiento de datos geográficos y análisis

(Cimmery, 2010). Este, se encuentra programado en lenguaje C++ y soporta la

implementación de nuevas funciones con una interfaz de programación de aplicación muy

eficaz (Cimmery, 2010).

En cuanto a los sistemas computacionales utilizados para reducir el tiempo de cálculo y

tratamiento de datos se utilizó el software Matlab con su herramienta Fuzzy Logic que

facilitó la fuzificación y defuzificación de la información y el software estadístico R que se

utilizó para realizar el cálculo de estadística descriptiva de datos climatológicos.

MATLAB (MaTrix LABoratory) es un sistema computacional de tipo funcional,

especialmente desarrollado para apoyar la gestión científico- tecnológica en forma

eficiente, amigable y sencilla; su estructura provee de un conjunto de poderosas funciones

36

numéricas y gráficas, que cubren un amplio espectro de las exigencias matemáticas y de

imagen de una aplicación en el campo de la ingeniería (Ortegón, 2011).

MATLAB presenta la herramienta Fuzzy Logic Toolbox, la cual permite modelar

comportamientos de sistemas complejos mediante reglas lógicas simples y funciones de

decisión.

R es un lenguaje y entorno de computación y gráficos estadísticos que puede ser

descargado de forma gratuita (r-project, 2016). Es un proyecto GNU, que es similar al

lenguaje S y el medio ambiente, que fue desarrollado en los Laboratorios Bell (antes de

AT y T, ahora Lucent Technologies) por John Chambers y sus colegas (r-project, 2016). R

se puede considerar como una implementación diferente de S. Existen algunas diferencias

importantes, pero mucho código escrito para S se ejecuta inalterada bajo R (r-project,

2016).

4.9 Información de sensores remotos

De acuerdo al IPCC en la guía de buenas prácticas (IPCC, 2003), las técnicas de

teledetección favorecen la posibilidad de cubrir áreas grandes, así como remotas que son

difíciles de acceder de otra manera y también pueden ser utilizadas para reconstruir series

temporales pasadas de cobertura de la tierra y usos del suelo (IPCC, 2003).

En síntesis, la teledetección se ha considerado un enfoque relativamente rápido, fiable y

rentable en la identificación de parámetros de la tierra como cobertura y uso del suelo y

geomorfológica (Fernández-Manso, Fernández-Manso, y Quintano, 2014; Yousefi,

Pourghasemi, Hooke, Navratil, y Kidová, 2016).

En este estudio se utilizaron 3 imágenes satelitales para la recolección de información

topográfica y de cobertura del suelo. Para la recolección de información topográfica se

utilizó el Modelo de Elevación Digital (MED) Shttle Radar Topography Mission (SRTM). En

cuanto a la recolección de información de coberturas del suelo se utilizó la información de

los satélites Landsat y Aster.

Modelo de Elevación Digital SRTM

Un Modelo de Elevación Digital se define como una representación numérica del terreno

(Akbari, Abu Samah, y Othman, 2012). Con la llegada de los DEM basados en satélites,

37

en el campo de la hidrología y recursos hídricos, se ha facilitado la obtención de los límites

de una cuenca hidrográfica y sus parámetros asociados (Akbari et al., 2012). Existen varios

tipos de DEM basados en satélites, entre los cuales, los datos de la misión SRTM son una

de las mejores alternativas de libre acceso disponibles para la modelación hidrográfica de

cuencas (Akbari et al., 2012).

La misión SRTM produjo el MED más completo y de mayor resolución de la Tierra (Farr et

al., 2008). El proyecto fue un esfuerzo conjunto de la NASA, la Agencia Nacional de

Inteligencia Geoespacial y las Agencias Espaciales Alemanas e Italianas, y voló en febrero

de 2000 (Farr et al., 2008). Utilizó antenas de radar dual para adquirir datos radar

interferométricos, procesados a datos topográficos digitales a 1 segundo de arco (30

metros) de resolución (Farr et al., 2008).

El DEM SRTM puede ser utilizado para la generación de los límites de la cuenca,

identificación de la red de drenaje, cálculo de parámetros morfométricos entre otros (Akbari

et al., 2012; Capachero, García, y Obregón, 2015).

Imágenes satelitales Landsat

El satélite Landsat proporciona imágenes con una resolución espacial media de 30m y

proporcionan un archivo de paisajes terrestres del planeta de más de 40 años de forma

continua (Baumann, Ozdogan, Richardson, y Radeloff, 2017).

En los últimos años, el acceso libre a la información Landsat ha dado lugar a una

proliferación de numerosos estudios en el campo medio ambiental terrestre (Baumann et

al., 2017). Por tanto, se han generado notables contribuciones en el desarrollo y control

socio económico (Nguyen et al., 2016), monitoreo de vegetación (Baumann et al., 2017),

distribución urbana (Xu, Huang, y Zhang, 2013), estudios morfométricos de ríos (Yousefi

et al., 2016) e incluso en estudios de riesgos fluviales (Dewan et al., 2016).

Imágenes satelitales ASTER

ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) es un

sensor de recolección de información multiespectral visible, infrarrojo cercano e imágenes

infrarrojas térmicas, destinado para monitorear el balance energético de la superficie

terrestre, procesos hidrológicos y el clima (Han, Ma, Chen, y Su, 2016). El sensor ASTER

recoge imágenes de alta resolución espacial (15 metros de resolución) en 3 bandas

38

visibles, 6 bandas de infrarrojo cercano (30 metros) y 5 bandas del infrarrojo térmico (90

metros) (Han et al., 2016).

Las imágenes ASTER son utilizadas para la identificación de la cobertura boscosa

(Fernández-Manso et al., 2014; Xu y Zhang, 2013), identificación de distribución urbana

(Xu et al., 2013) entre otras aplicaciones.

4.10 Indicadores morfométricos basados en teledetección

Existen indicadores que tienen la finalidad de ser simples y fácilmente derivables de mapas

básicos de topografía como lo son el índice Topográfico de Humedad y el Factor longitud

pendiente o Factor LS, denominados indicadores morfométricos. Si bien la capacidad

predictiva de estos indicadores es inferior a los modelos físicos robustos, estos requieren

una menor cantidad de datos y son menos limitados en el acceso de información para su

aplicación (Marchi y Dalla Fontana, 2005). La baja demanda de información que requieren

estos modelos para su aplicación hace que sean útiles en aplicaciones que por su tamaño

y alta variabilidad de características sean económicamente viables y generan resultados

aceptables (Marchi y Dalla Fontana, 2005).

Índice Topográfico de Humedad (ITH)

El índice ITH está relacionado con la humedad edáfica y refleja la tendencia del suelo a

generar escorrentía, así, cuando más elevado es el valor del índice, mayor humedad

presenta la celda en función de su configuración topográfica la cual es extraída de un MED

(Roa-Lobo y Kamp, 2012).

El ITH combina la contribución al escurrimiento de un área local drenada con su pendiente,

es usualmente utilizado para cuantificar el control topográfico sobre los procesos

hidrológicos y está definido por la Ecuación (4) (Roa-Lobo y Kamp, 2012):

ITH = ln (𝑎𝑓

tan 𝛽) (Ec. 4)

Donde:

af= Área local drenada para un punto de cálculo

Tang β= Pendiente direccional de la celda de interés.

39

Factor LS

El factor LS de la ecuación universal de pérdida de suelo (USLE, por sus siglas en inglés)

fue desarrollado por Wischmeier y Smith en 1978 con la finalidad de valorar la influencia

de la longitud y la inclinación de la pendiente en la intensidad de la erosión hídrica (Böhner

y Selige, 2006; Geler, Penteado, y Perez, 2017). Las variables longitud y la inclinación de

la pendiente han sido estudiadas de forma separada, sin embargo para la aplicación es

más conveniente considerarlos juntos como un factor topográfico (Geler et al., 2017), como

se muestra en la Ecuación (5).

𝐿𝑆 = ((𝐿

12

100) ∗ 1.36 + 0.97 𝑆 + 0.1385 𝑆2) (Ec.5)

Donde:

L= longitud de la pendiente en metros

S= gradiente de la pendiente en %

Debido a que el gradiente como la longitud de la vertiente influyen sobre las pérdidas de

suelo por efecto de la escorrentía, mientras mayor sea la longitud y el gradiente, mayor es

la pérdida de suelo, ya que el agua de escorrentía adquiere mayor velocidad y energía y

el tiempo de contacto del agua con el suelo es menor (reduciendo la posibilidad de que el

agua infiltre en el suelo) (Geler et al., 2017).

40

5. Metodología

5.1 Zona de estudio: cuenca del río Blanco

La cuenca del Río Blanco se encuentra ubicada al sur occidente de Colombia en el

departamento de Nariño, sobre las estribaciones de la Cordillera de Los Andes

Colombianos, en el accidente orográfico conocido como el Nudo de Los Pastos (Figura

5.1). El río Blanco es el principal afluente del Río Carchi-Guáitara, que demarca la frontera

y comparte su Cuenca Alta con Ecuador (CORPONARIÑO, 2011).

Figura 5.1 Ubicación cuenca del río Blanco. Fuente: elaboración propia.

41

El 81% de la población ubicada en la cuenca del río Blanco se desarrolla en el medio rural

(Corponariño, 2008). Gran parte de la población de la cuenca del río Blanco es de origen

indígena, aproximadamente 21.068 personas, siendo el 61% de esta población indígena

perteneciente al resguardo del Gran Cumbal (Corponariño, 2008).

Los municipios de Ipiales, Cumbal y Cuaspud tienen un rango de alfabetismo que va del

91% (Ipiales) al 83.4% (Cumbal) (Corponariño, 2008). En la Tabla (5.1) se puede observar

la cobertura por nivel de educación en los municipios de Cumbal, Cuaspud y, por su

cercanía e influencia en la cuenca, el municipio de Ipiales.

Tabla 5.1 Cobertura por nivel de educación. Fuente: adaptado de Corponariño (2008).

Municipio Alfabetismo Cobertura por

nivel de educación primaria (%)

Cobertura por nivel de educación

secundaria (%)

Cobertura por nivel de educación superior (%)

Ipiales 91 46.9 29.3 4.8

Cuaspud 83.4 61.3 21.3 1.3

Cumbal 83.4 60.10% 17.8 1.4

Las principales actividades económicas son: agricultura, ganadería, cría de especies

menores (porcicultura, curicultura y avicultura), pesca y artesanías (Corponariño, 2008),

como se muestra en la Figura (5.2). En los últimos 10 años, la ganadería desplazó un

amplio sector agrícola de la cuenca del río Blanco; sin embargo, el tamaño de los

minifundios se conservaron con un 90% del tamaño los predios de la cuenca están entre

0.5 y 5 hectáreas por familia (Corponariño, 2008).

42

Figura 5.2 Actividades económicas en la cuenca del río Blanco. Fuente: elaboración

propia.

En la Figura (5.3) se muestra imágenes de la parte alta, media y baja de la cuenca, en las

que se puede observar el relieve, usos del suelo y la distribución poblacional en el sector

rural. Las imágenes se tomaron en varios puntos de la cuenca utilizando un Drone

Phantom 3 con el fin de visualizar el estado de la cuenca.

Figura 5.3 Imágenes del río Blanco. Fuente: elaboración propia.

43

En la Figura (5.4) se evidencian los diferentes sistemas ecológicos presentes en la cuenca

del río Blanco. En las imágenes se puede visualizar la presencia de páramo Chiles-

Cumbal, del volcán nevado del Cumbal, la laguna de la Bolsa y el cauce principal del río

Blanco. La cuenca del río Blanco es de suma importancia para el abastecimiento de agua

ya que de ésta se abastece aproximadamente a una población de 105.868 habitantes de

áreas urbanas y rurales pertenecientes a los municipios de Cumbal, Cuaspud, Aldana e

Ipiales (CORPONARIÑO, 2009).

Figura 5.4 Imágenes de diferentes sistemas ecosistémicos presentes en la cuenca del río

Blanco. Fuente: elaboración propia.

La variedad de ecosistemas, fuentes de ingreso económico y gran población indígena hace

de la cuenca del río Blanco una gran fuente de servicios ecosistémicos de apoyo (hábitat

de vida silvestre, producción de materias primas etc.), suministro (abastecimiento de agua,

producción agropecuaria, leña etc.), regulación (regulación de caudales hídricos,

mantenimiento de caudales base, etc.) y servicios culturales (estética del paisaje,

patrimonio cultural, recreación y turismo, etc.). Sin embargo los estudios técnicos

realizados en la cuenca del río Blanco (Tabla 5.2) son limitados y no proporcionan la

44

suficiente información para la adaptación de las comunidades presentes frente a la VC y

el CC.

Tabla 5.2 Documentos técnicos realizados dentro de la cuenca del río Blanco. Fuente:

elaboración propia.

Autor Nombre Tipo Relación

Minambiente y HUMBOLDT, 2012

Complejo de Páramos Chiles-Cumbal Distrito Nariño-

Putumayo, Sector Nariño-Putumayo Mapa

Comprende el área de la cuenca del río

Blanco

Alcaldía de Cuaspud

Dimensiones y Atributos, Esquema de Ordenamiento

Territorial Municipio de Cuaspud

Documento técnico

Municipio dentro de la cuenca del río Blanco

Corponariño, 2009

Indice de Escasez de Agua superficial de la cuenca del Río

Blanco. Documento

técnico Cuenca en estudio

Alcaldía de Cumbal

diagnóstico, Esquema de Ordenamiento Territorial

Municipio de Cumbal Documento

técnico Municipio dentro de la cuenca del río Blanco

Alcaldía de Cuaspud

Monografia del municipio de Cuaspud

Documento técnico


Alcaldía de Cumbal

Plan de desarrollo del municipio de Cumbal

Documento técnico


Corponariño, 2008

Plan de Ordenamiento y Manejo de la Cuenca

Hidrográfica del Río Blanco Documento


Alcaldía de Cuaspud, 2016

Plan de Desarrollo Cuaspud- Carlosama 2016 - 2019

Documento técnico


Corponariño, 2011 Plan de Ordenamiento del

Recurso Hídrico Río Blanco Documento


Corponariño, 2013 Plan de Ordenamiento del

Recurso Hídrico Río Chiquito Documento

técnico Afluente del río

Blanco

La zona de estudio también cuenta con información libre disponible en la plataforma del

SIG- OT a escala municipal y departamental (Anexo 10.1).

Para complementar información no encontrada en los documentos técnicos efectuados

dentro del área de la cuenca del río Blanco se identificaron diferentes satélites con

información de alta resolución disponible y fácil de procesar (Tabla 5.3).

45

Tabla 5.3 Información satelital de libre acceso y fácil de procesar para la cuenca

hidrográfica del río Blanco. Fuente: elaboración propia.

Nombre Resolución

(m) Aplicación

Landsat 30 Identificación de cobertura y usos del suelo y sus aplicaciones.

Aster 15 Identificación de cobertura y usos del suelo y sus aplicaciones.

Sentinel 2 20 Identificación de cobertura y usos del suelo y sus aplicaciones.

SRTM (DEM)

30 Información topográfica y sus aplicaciones.

Aster (DEM) 30 Información topográfica y sus aplicaciones.

Alos Palsar (DEM)

12.5 Información topográfica y sus aplicaciones.

5.2 Estructura general de la metodología

De acuerdo con los objetivos específicos propuestos en este estudio, se estableció una

estructura general de la metodología (Figura 5.5). La estructura se fundamentó en 4 fases:

la primera fase es la identificación de indicadores de evaluación de la vulnerabilidad frente

al CC, la segunda fase consistió en la construcción de un índice de evaluación espacial de

la vulnerabilidad por CC para la cuenca del río Blanco, Nariño, la tercera fase consistió en

la aplicación del índice construido en la fase dos y finalmente la fase 4 consistió en explorar

la posibilidad de evaluar riesgo por cambio climático en la cuenca del río Blanco.

Figura 5.5 Esquema metodológico general. Fuente: elaboración propia.

46

5.3 Definición de indicadores

A continuación, se presenta un esquema metodológico construido a partir de revisión de

literatura, desarrollado con el propósito de guiar la construcción de los indicadores

necesarios para conformar el índice de evaluación de vulnerabilidad al CC (Figura 5.6).

Figura 5.6 Esquema metodológico para la definición de indicadores. Fuente: elaboración

propia.

En primer lugar, se realizó una contextualización del área de estudio como mecanismo

para brindar una visión general de las características sociales, productivas, ecológicas y

socioeconómicas que se van a tener en cuenta para la definición de indicadores.

Posteriormente, se conformaron dos bases de datos, la primera consistió de información

disponible de la zona de estudio (cartografía e investigaciones científicas) y la segunda

base de datos consistió de indicadores de evaluación de la vulnerabilidad por CC. Una vez

47

se conformaron las dos bases de datos, se seleccionaron los indicadores y se clasificaron

en dos categorías: susceptibilidad y capacidad adaptativa. Los criterios que se tuvieron en

cuenta para seleccionar los indicadores son: disponibilidad de información secundaria, fácil

recolección de información a través de entrevistas semi estructuradas y su posible

representación espacial. Los indicadores de susceptibilidad y capacidad adaptativa se

subdividieron nuevamente en 4 temas: social, productivo, ecológico y socioeconómico.

Finalmente, se realizó la respectiva ficha técnica para cada indicador en la cual se tuvo en

cuenta el nombre, la sigla, una breve descripción, zona de aplicación, su respectiva forma

de calcular y estimar, categoría de respuesta y la posible fuente de información para

alimentar el indicador.

5.4 Construcción de un índice basado en un sistema difuso

A partir de la definición de indicadores diseñados en la Fase 1 de este trabajo se construyó

el índice compuesto basado en lógica difusa, para lo cual se realizó la fuzzificación

(vinculación de funciones de pertenencia y rangos difusos) de los indicadores de entrada

y de salida del sistema difuso, se formularon las reglas de decisión y la desfuzzificacció de

los indicadores. La formulación de funciones de pertenencia, rangos difusos y reglas de

decisión se realizaron a partir de revisión de literatura científica o gestión de conocimiento.

Adicionalmente, se estableció una estrategia para distribuir los valores resultantes del

índice de vulnerabilidad. En la Figura (5.7) se muestra un diagrama metodológico para el

diseño de un índice basado en lógica difusa.

48

Figura 5.7 Esquema metodológico para la construcción de un índice basado en un

sistema difuso. Fuente: elaboración propia.

Teniendo en cuenta que los indicadores anteriormente definidos son las variables

lingüísticas de entrada en un sistema difuso y que los subíndices y el índice de

vulnerabilidad a CC son las variables lingüísticas de salida se definieron: los

correspondientes rangos de valores que puede tomar la variable lingüística (universos de

discurso), conjuntos difusos y las respectivas funciones de pertenencia de tipo triangular y

trapezoidal.

Se definieron reglas de decisión basadas en el tipo “SI…. ENTONCES” para cada uno de

los subíndices específicos que conforman los subíndices generales y a su vez el índice

general. Por tanto, para los subíndices específicos los antecedentes (SI) son los

indicadores y el consecuente (ENTONCES) representa la conclusión de cada subíndice

49

especifico, para los subíndices generales los antecedentes son los subíndices específicos

y el consecuente la conclusión de cada subíndice general y finalmente para el índice los

antecedentes son los subíndices generales y el consecuente la conclusión del índice de

vulnerabilidad al CC. En la Figura (5.8) se presenta el esquema general del proceso de

formulación de reglas de decisión del índice IVUCC.

Figura 5.8 Esquema general del índice IVUCC. Fuente: elaboración propia.

Debido a la complejidad para representar espacialmente los indicadores de vulnerabilidad

articulados con la lógica difusa, fue necesario establecer Áreas Homogéneamente

Vulnerables (AHV). Una vez se analizaron las características de distribución de la

vulnerabilidad de la cuenca del río Blanco se planteó el desarrollo de unas. Las AHV se

forman del cruce de zonas homogéneamente hidrológicas que son las subcuencas y fajas

de elevación que van a marcar las zonas con temperatura y actividades agrícolas

semejantes, para lo cual se realizó un mapa de fajas de elevación y uno de subcuencas a

partir de un DEM SRTM.

50

5.5 Aplicación del índice IVUCC en la cuenca del río Blanco- Nariño, Colombia

La aplicación del índice IVUCC consistió en 4 pasos: en primer lugar se delimitaron las

Áreas Homogéneamente Vulnerables; en segundo lugar, se recolectaron y organizaron los

datos por indicador y por AHV necesarias para la aplicación del índice IVUCC; en tercer

lugar, se realizó la aplicación respectiva del índice en el software MATLAB y, finalmente,

en cuarto lugar, se representaron los resultados del índice en mapas.

En primer lugar, se realizó la subdivisión de la cuenca del río Blanco en AHV. Las AHV se

formaron del cruce de las subcuencas de los ríos Blanco parte baja, Río San Francisco,

Quebrada El Coleto, Río Chiquito, Río Blanco parte alta y Río Cuaces con las fajas de

elevación cada 300 metros. La delimitación de las subcuencas y de las fajas de elevación

se realizó a partir de un MED SRTM de 30 metros junto con la información de la red de

drenaje sencilla del IGAC a escala 1:25.000. El proceso se realizó utilizando el SIG Qgis

en el cual se incorporaron los códigos de GRASS GIS para la corrección del MED. Como

resultado final, se obtuvo un archivo Shapefile (.shp) tipo polígono con las AHV delimitadas.

Los datos necesarios para la aplicación del índice IVUCC se recolectaron de información

secundaria y primaria para cada AHV. La información secundaria consiste en la revisión

de geoportales institucionales, documentos técnicos y académicos, el Plan de

Ordenamiento del Municipio de Cumbal y Cuaspud, el Plan de Ordenamiento y Manejo de

la Cuenca Hidrográfica del río Blanco, el Plan de Ordenamiento del Recurso Hídrico de la

cuenca del río Blanco y río Chiquito, imágenes satelitales. La información primaria consiste

en registro fotográfico, entrevistas semi estructuradas (Anexo 10.2) y vuelos realizados con

un Drone (Anexo 10.3). Los datos recolectados se organizaron en una tabla en la que se

cruzan las AHV (filas) y los valores necesarios para aplicar cada indicador (columna).

La aplicación del índice formulado en la fase anterior se realizó utilizando la herramienta

Fuzzy Logic del software MATLAB, para lo cual se realizaron los siguientes pasos: se

programaron las variables de entrada y de salida con sus respectivas funciones de

pertenencia, rangos y variables lingüísticas; se programaron las reglas de decisión con los

antecedentes y consecuentes respectivos; se ingresaron los valores recolectados teniendo

en cuenta el AHV, el indicador, el subíndice especifico y el subíndice general. Finalmente,

los resultados numéricos resultantes de cada aplicación se transpusieron en las gráficas

de las variables de salida respectivamente y se les dio el valor lingüístico (alto, medio o

51

bajo). Los resultados obtenidos se depositaron en una tabla en la cual las AHV son las filas

y los resultados por indicador son las columnas.

La espacialización de los resultados se realizó utilizando la herramienta Join de ArcGis

para adicionar la tabla de resultados de la aplicación del índice IVUCC como atributo al

Shapefile de AHV para, posteriormente, ser representada en varios mapas.

5.6 Exploración de la posibilidad de evaluar el riesgo por CC en la cuenca del río Blanco.

A través de la revisión de literatura se identificaron 4 amenazas naturales exacerbadas por

el CC, las cuales se pretenden representar con los siguientes indicadores: en primer lugar,

se encuentra el Índice Topográfico de Humedad (ITH) el cual es empleado para

representar el desborde fluvial (Roa-Lobo y Kamp, 2012); en segundo lugar, el Factor LS

o factor de relieve de la Ecuación Universal de Perdida de Suelo (por sus siglas en inglés

USLE), la cual es utilizada para estimar las pérdidas de suelo ocasionadas por la erosión

hídrica de tipo laminar, El factor LS se seleccionó como indicador de las zonas con

potencial de ocurrencia de deslizamiento de tierra (Geler et al., 2017; Soto, Märker,

Arriagada, Castro, y Rodolfi, 2010); en tercer y cuarto lugar se encuentran los indicadores

de variación de precipitación y temperatura utilizados en los estudios de KC et al (2015) y

Vargas y Restrepo (2018). Debido a sus zonas de desarrollo y aplicación, en este estudio

se utilizan los indicadores de variación de precipitación y temperatura desarrollados por

Vargas y Restrepo (2018).

Amenaza de inundación

En primer lugar, se descargó un MED SRTM de 30 metros de la plataforma Global

Visualization Viewer (GloVis) del Servicio Geológico de los Estados Unidos el cual fue

corregido (datos faltantes y sumideros) utilizando la herramienta GRASS GIS. En segundo

lugar, se utilizó el MED corregido para delimitar la cuenca del río Blanco en ArcGis; una

vez se delimitó la cuenca fue utilizada para cortar el MED y se exportó al software SAGA

GIS para aplicar el algoritmo del ITH y obtener un archivo raster. En tercer lugar, se

realizaron 3 recorridos de campo en la cuenca estudiada para tomar puntos GPS (de

llanuras inundables y otras evidencias de desborde del río) en diferentes días, desde la

parte baja hasta la parte alta; adicionalmente, se utilizó un drone Phantom 3 para tomar

fotos de diferentes tramos del cauce principal y del río Chiquito. Finalmente los puntos

52

GPS, lo mosaicos realizados con las fotos del drone y el archivo raster ITH fueron

importado al software ArcGis en el sistema de coordenadas Magna Colombia Oeste donde

se contrastaron y se ajustaron los valores del ITH en tres niveles de amenaza (alto, medio

y bajo).

Amenaza de deslizamiento

Como insumo para la generación del mapa de amenaza de deslizamiento se utilizó el MED

SRTM corregido y cortado de la cuenca del río Blanco. El MED fue importado en el software

SAGA GIS y, aplicando el algoritmo del factor LS, se generó un archivo raster que fue

exportado al software ArcGis. En los recorridos de campo realizados en la cuenca se

identificaron las zonas donde se presentaban deslizamientos de tierra y se tomaron puntos

GPS y registro fotográfico. El archivo raster del factor LS junto con los puntos GPS y el

mosaico realizado con las fotografías del drone fueron importados en ArcGis utilizando el

sistema de coordenadas Magna Colombia Oeste para realizar el ajuste de los valores del

raster factor LS en 3 niveles (alto, medio y bajo).

Variación de la temperatura y precipitación

Como insumo principal se empleó la información de precipitación y temperatura anual

descargada de la página del IDEAM.

La cuenca del río Blanco cuenta con 3 estaciones meteorológicas que influyen en ella

(Figura 5.9). Se utilizó la información de precipitación anual de las estaciones San Luis,

Cumbal y Chiles desde 1972 hasta el 2015. Se utilizó la información de temperatura media

mensual de la estación San Luis desde 1982 hasta el 2015 debido a que las estaciones

Chiles y Cumbal no contienen medidores de temperatura. Los años de información

escogidos se seleccionaron a partir del año en que los datos eran más consistentes y los

datos faltantes eran mínimos, sin reducir un periodo de 30 años de información. Los datos

faltantes de precipitación se corrigieron utilizando el método de la razón normal

mencionado por Carrera et al (2016) y, en cuanto a los datos de temperatura, debido a que

en zonas aledañas no hay presencia de estaciones con datos de temperatura, se decidió

a rellenar los datos mensuales faltantes con el promedio aritmético de los demás años de

la misma estación. Los datos de temperatura y precipitación fueron importados al software

R para realizar el diagrama de cajas y alambres con el fin de identificar y corregir datos

extremos que puedan influir en la estadística descriptiva y generar conclusiones erradas.

La información climática fue depositada en un archivo Excel y, posteriormente, fue

53

importada como archivo vector en ArcGis para su respectiva interpolación utilizando el

método de la distancia inversa ponderada (IDW, por sus siglas en inglés). La información

interpolada fue guardada en archivos raster y posteriormente se calculó la desviación

estándar de la precipitación anual y temperatura anual en la calculadora raster de ArcGis.

Una vez se obtuvo la desviación estándar de la precipitación y temperatura se aplicaron

los indicadores de variación de la precipitación y temperatura propuestos por Vargas y

Restrepo (2018).

Figura 5.9 Estaciones hidrometeorológica del IDEAM que influyen en la cuenca del río

Blanco. Fuente: adaptado de geovisor IDEAM.

Representación espacial del riesgo.

Teniendo en cuenta que los criterios que definen el nivel de vulnerabilidad varían de

acuerdo con la amenaza a la cual se encuentra relacionada (Cardona, 2001), ya sea

inundaciones, deslizamiento de tierra, anomalía de temperatura o anomalías de

precipitación, fue considerado adaptar el peso de cada indicador del índice IVUCC de

acuerdo con el tipo de amenaza. Sin embargo, teniendo en cuenta la escasez de expertos

en los indicadores que componen el índice desarrollado en este estudio, se establecieron

pesos similares para todos los indicadores, pero se considera importante que estos deben

ajustarse de acuerdo con el tipo de amenaza.

54

En primer lugar, para realizar la operación entre amenazas y vulnerabilidad por CC fue

necesario transformar los resultados del índice IVUCC a formato raster de celdas de 30

metros de ancho por 30 metros de alto al igual que los mapas de amenaza. En segundo

lugar, se calculó la información de vulnerabilidad y amenaza de inundación, amenaza de

deslizamiento, de variación en la precipitación y variación en la temperatura utilizando la

calculadora raster de ArcGis y la ecuación de riesgo definida por el IPCC (2014). La

exposición se encuentra implícita en la combinación entre las amenazas y la vulnerabilidad

debido a que representa la presencia de un AHV en un lugar en el espacio que puede

verse afectado negativamente por una amenaza. La operación entre amenazas y

vulnerabilidad da como resultado 4 mapas de riesgo, por inundación, por deslizamiento de

tierra, por anomalía de precipitación y por anomalía de temperatura.

Finalmente, los 4 tipos de riesgos generados por separado se unen y forman el riesgo por

cambio climático en la cuenca del río Blanco. Los niveles de riesgo resultantes pueden ser

Alto, Medio y Bajo.

55

6. Resultados

6.1 Definición de indicadores

Con base en la revisión de literatura hecha en este estudio se definieron 22 indicadores,

de los cuales 8 son de susceptibilidad y 14 de capacidad adaptativa. Adicionalmente, se

subdividieron en 4 temas: social, productivo, ecológico y socioeconómico.

Indicadores

Indicadores de susceptibilidad

Los indicadores de susceptibilidad fueron separados en cuatro temas para evaluar el

sistema social, sistema productivo, sistema ecológico y el sistema socioeconómico de la

cuenca del río Blanco. Se establecieron 3 indicadores para el tema de susceptibilidad

social, 2 indicadores para el tema de susceptibilidad productiva, 2 indicadores de

susceptibilidad ecológica y 1 indicador de susceptibilidad socioeconómica.

Indicadores de susceptibilidad social:

En primer lugar, se estableció el indicador de Relación de dependencia-SSRD, el cual ya

existe en la literatura y es mencionado en los estudios de Almeida et al (2016), Dumenu y

Obeng (2016), Van Wesenbeeck et al (2016), entre otros. La relación de dependencia es

un indicador que se basa en que los hogares con mayor número de integrantes tienden a

tener más integrantes económicamente inactivos o dependientes, lo que a su vez aumenta

la susceptibilidad de estos. Este indicador evalua la relación de dependencia según grupos

etáreos, el cual se estima la relación entre la población considerada como dependiente

(menores de 15 años y mayores de 65 años) y la población que se define como

económicamente productiva o potencialmente activa (15 a 65 años) (DANE, 2018a). El

rango del indicador de relación de dependencia se estableció de acuerdo a los siguientes

estudios: El-Zein y Tonmoy (2015), Almeida et al (2016), Torresan et al (2016), Satta et al

56

(2016), Kumar et al (2016), Pandey y Bardsley (2015), KC et al (2015), van Wesenbeeck

et al (2016) y Dumenu y Obeng (2016).

Como segundo indicador, se estableció el porcentaje de organización de minorías raciales

y étnicas propuesto por KC et al (2015). Si bien el indicador de minorías raciales no es muy

utilizado en estudios de vulnerabilidad frente a cambio climático, en este estudio se

considera relevante debido a la existencia, organización, derechos ancestrales y

distribución en el departamento de Nariño. El rango del indicador de minorías raciales/

étnicas se estableció teniendo en cuenta la información disponible en los planes de

ordenamiento territorial y visitas de campo.

El tercer indicador de susceptibilidad social es el porcentaje de dependencia de recursos

forestales de un hogar adaptado del estudio de Dumenu y Obeng (2016). El indicador se

basa en que la fuerte dependencia de los recursos naturales indica un rango estrecho de

opciones de subsistencia. El rango del indicador se establece de acuerdo a la revisión de

literatura, en estudios que consideran el indicador de dependencia de recursos forestales

o similares: Kumar et al (2016), Dumenu y Obeng (2016) y Van Wesenbeeck et al (2016).

La información de los indicadores de Susceptibilidad social se deposita en la Tabla (6.1).

Tabla 6.1 Indicadores de susceptibilidad social. Fuente: elaboración propia.

Susceptibilidad social

ID Código Indicador Rango Rango de valores

1 SSRD Relación de dependencia

Bajo <=60

Medio 60.1-80

Alto >80.1

2 SSMR Minorías

raciales/étnicos

Bajo 0-33.3

Medio 29-66

Alto >60

3 SSDF Dependencia de

recursos forestales

Bajo 0-33.3

Medio 29-66

Alto >60

57

Indicadores de susceptibilidad productiva:

Como primer indicador de susceptibilidad productiva se estableció el indicador de

ocupaciones sensibles al clima. El indicador y su rango fue adaptado de los estudios

Panadey y Bardsley (2015) y Kc et al (2015), los cuales mencionan en sus trabajos que

las actividades económicas más susceptibles son la agricultura, silvicultura, pesquería y

minería.

El segundo indicador es el porcentaje de tierras de cultivo que necesitan irrigación. El

indicador ya existe y es mencionado en el estudio de Pandey y Bardsley (2015), su rango

se define teniendo como base los estudios Liu et al (2016), Bär et al (2015), Abid et al

(2016), Pandey y Bardsley (2015) y KC et al (2015) en donde se trabaja con este indicador

o con indicadores similares.

La información de los indicadores de susceptibilidad productiva se deposita en la Tabla

(6.2).

Tabla 6.2 Indicadores de susceptibilidad productiva. Fuente: elaboración propia.

Susceptibilidad productiva


4 SPO Ocupaciones sensibles

al clima

Bajo 0-33.3

Medio 29-66

Alto >60

5 SPI Tierras de cultivo que necesitan irrigación

Bajo 0-33.3

Medio 29-66

Alto >60

Indicadores de susceptibilidad ecológica:

Como primer indicador de susceptibilidad ecológica se propuso la perdida de lagos, zonas

húmedas y salud ecosistémica. El indicador ya existe y es adaptado de los estudios de

Satta et al (2016), Torresan et al (2016), Lyalomhe et al (2015) y Kumar et al (2016), se

basa en que la cuenca del río Blanco comprende dos ecosistemas importantes para la

población de la cuenca del río Blanco: el páramo de Chiles-Cumbal y la laguna de la Bolsa.

El rango del indicador se establece teniendo en cuenta los estudios realizados por Sata et

al (2016) y kumar et al (2016).

58

El segundo indicador consiste en evaluar el porcentaje forestal que cubre las zonas con

alta pendiente de la cuenca. El indicador y el rango es adaptado de los estudios de Almeida

et al (2016), Nguyen et al (2016) y Lyalomhe et al (2015) y se basa en que la cobertura

vegetal influye en la dirección del flujo del agua y en la susceptibilidad a deslizamiento de

tierra.

La información de los indicadores de susceptibilidad ecológica se deposita en la Tabla

(6.3).

Tabla 6.3 Indicadores de susceptibilidad ecológica. Fuente: elaboración propia.

Susceptibilidad ecológica


6 SEP Perdida de lagos, zonas

húmedas y salud ecosistemas

Bajo 0-33.3

Medio 29-66

Alto >60

7 SEFP Cobertura forestal en

zonas con alta pendiente

Bajo 0-33.3

Medio 29-66

Alto >60

Indicadores de susceptibilidad socioeconómica:

Autores como Almeida et al (2016), Torresan et al (2016), Kumar et al (2016), Van

Wesenbeeck et al (2016) y KC et al (2015) mencionan el indicador de necesidades

insatisfechas (NBI) o los indicadores que lo conforman como indicadores de susceptibilidad

socioeconómica. El NBI es un indicador existente y aplicado en Colombia, su selección

como indicador en este estudio se basa en la disponibilidad de sus resultados a nivel

municipal en la plataforma del SIG-OT, DANE con acceso libre. El NBI del DANE

contempla indicadores de vivienda inadecuada, servicios básicos insuficientes,

hacinamiento, inasistencia escolar y dependencia económica. Debido a que es un

indicador de susceptibilidad socioeconómico, en este estudio, se le da las siglas SSENBI.

La información del indicador de susceptibilidad socioeconómica se deposita en la Tabla

(6.4).

59

Tabla 6.4 Indicadores de susceptibilidad socioeconómica. Fuente: elaboración propia.

Susceptibilidad socioeconómica


8 SSENBI NBI sector rural y

urbano

Bajo 0-35

Medio 20-65

Alto >50

Indicadores de capacidad adaptativa

Los indicadores de capacidad adaptativa comprenden cuatro temas utilizados para evaluar

el sistema social, sistema productivo, sistema ecológico y el sistema socioeconómico de la

cuenca del río Blanco. Se propusieron 5 indicadores para el tema de capacidad adaptativa

social, 5 indicadores para el tema de capacidad adaptativa productiva, 2 indicadores de

capacidad adaptativa ecológica y 2 indicadores de capacidad adaptativa socioeconómica.

Indicadores de capacidad adaptativa social:

En cuanto al primer indicador de capacidad adaptativa social se propuso un indicador para

establecer el porcentaje de avance de proyectos de mitigación y adaptación a la VC y CC,

adaptado de estudios como Almeida et al., (2016), Pandey y Bardsley (2015) y Vargas

(2014). El indicador surge de varios estudios entre los cuales se puede nombrar a Pandey

y Bardsley (2015) con su indicador "nivel de adopción de estrategias de adaptación" y

Vargas (2014) con su indicador "Medidas de mitigación y adaptación al cambio climático"

que abarcan de forma general las actividades de adaptación y mitigación frente a cambio

climático. Por otro lado, Almeida et al (2016) especifica los indicadores de acuerdo al tipo

de amenaza, los indicadores que utilizó son: "medidas estructurales para reducir el riesgo

de desastres", "Gestión del riesgo de desastres a las inundaciones", "Gestión del riesgo

de desastres a deslizamientos". El rango de valores se definió y adaptó con base en

revisión de literatura.

En segundo lugar, se propone el porcentaje de área cubierta por niveles de educación

adaptado de estudios realizados por Almeida et al (2016), Pandey y Bardsley (2015),

Kumar et al., (2016) y KC et al (2015). El indicador se basa en que la educación es un

aspecto crucial de la concienciación sobre el cambio climático, es vital para los medios de

60

subsistencia y facilita el desarrollo e implementación de diversas respuestas al CC. El

rango de valores se definió y adoptó con base en la revisión de literatura de acuerdo a lo

considerado por los autores: Almeida et al (2016), Satta et al (2016), Torresan et al (2016),

Kumar et al (2016), Dumenu y Obeng (2016), van Wesenbeeck et al (2016), Pandey y

Bardsley (2015) y KC et al (2015).

Teniendo en cuenta que la conexión de los hogares a combustibles para cocinar alimentos

de forma eficiente puede hacer que una zona sea menos vulnerable a los efectos del CC

y posteriormente pueda reducir cargas financieras y ambientales (Kumar et al., 2016; Van

Wesenbeeck et al., 2016). Este estudio propone como tercer indicador el porcentaje de

área con hogares conectados a combustibles para cocinar de forma eficiente.

El cuarto indicador es el porcentaje de área que tiene acceso a carreteras que junto con el

rango es adaptado de los estudios de Nguyen et al (2016), Kumar et al (2016) y El-Zein y

Tonmoy (2015). El indicador se basa en la facilidad y dificultad que se puede dar en una

evacuación de la zona afectada y en la facilidad de transporte suministro.

Dumenu y Obeng (2016) establecen el acceso a información sobre VC y CC como una

medida de adaptación ya que la difusión de información al público y el acceso a la

información relevante sobre CC promueve la resiliencia frente a los eventos relacionados

con el CC. Por lo tanto el quinto indicador consiste en evaluar el porcentaje de área con

acceso a información sobre VC y CC que junto con el rango se basan en el estudio de

Dumenu y Obeng (2016). La información de los indicadores de capacidad adaptativa social

se deposita en la Tabla (6.5).

Tabla 6.5 Indicadores de capacidad adaptativa social. Fuente: elaboración propia.

Capacidad adaptativa social


9 CSP

Proyectos de mitigación y adaptación a la

variación climática y cambio climático

Bajo 0-33.3

Medio 29-66

Alto >60

10 CSAE Área cubierta por

niveles de educación

Bajo 0-33.3

Medio 29-66

Alto >60

61

Capacidad adaptativa social


11 CSH

Hogares conectados a combustibles para cocinar de forma

eficiente

Bajo 0-33.3

Medio 29-66

Alto >60

12 CSAC Área que tiene acceso a

carreteras

Bajo 0-33.3

Medio 29-66

Alto >60

13 CSAI Acceso a información

sobre VC y CC

Bajo 0-33.3

Medio 29-66

Alto >60

Indicadores de capacidad adaptativa productiva:

En cuanto al tema de capacidad adaptativa productiva, se estableció como primer indicador

el cambio de variedades de cultivo. Este indicador es adaptado de Abid et al (2016) y se

basa en que el cambio de la variedad del cultivo funciona como una medida de adaptación

contra las temperaturas máximas extremas y las plagas en los cultivos.

Como segundo indicador se plantea el cambio de tipos de cultivo, teniendo en cuenta los

estudios realizados por Abid et al (2016) y Liyalomhe et al (2015). La utilización de este

indicador se debe a que existen tipos de cultivos cuyo requerimiento de agua es bajo y se

adapta fácilmente a la variación de la temperatura.

Como tercer indicador se plantea la diversificación de cultivos teniendo en cuenta que es

una medida de adaptación contra el deterioro del suelo y enfermedades en las plantas

(Abid et al., 2016; Dumenu y Obeng, 2016). Debido a las características agrícolas y

minifundistas de la cuenca del río Blanco, cada familia tiene técnicas distintas en el manejo

de sus cultivos.

El cuarto indicador es adaptado del estudio de Abid et al (2016) en el cual se menciona

que la cooperación dentro de la comunidad agropecuaria es una medida para mejorar la

adaptación dentro de las comunidades agrícolas y facilita el intercambio de información y

de insumos como: mano de obra, agua, semillas y fertilizante.

62

Dumenu y Obeng (2016) y Van Wesenbeeck et al (2016) proponen que los trabajos

secundarios al agrícola en un hogar se puede utilizar como el quinto indicador de

adaptación al CC, el indicador se basa en que los trabajos diferentes al agrícola no son

directamente influenciados por el clima y su producción no va a ser afectada. Tanto el

indicador como el rango fueron adaptados de los estudios Dumenu y Obeng (2016) y Van

Wesenbeeck et al (2016) en los que el indicador se mide cualitativamente (ej: profesional,

técnico, servicios y agricultura como el menos adaptado). La información de los indicadores

de capacidad adaptativa social se deposita en la Tabla (6.6).

Tabla 6.6 Indicadores de capacidad adaptativa productiva. Fuente: elaboración propia.

Capacidad adaptativa Productiva


14 CPVC Cambio de variedades

de cultivo

Bajo 0-33.3

Medio 29-66

Alto >60

15 CPCC Cambio de tipos de

cultivo

Bajo 0-33.3

Medio 29-66

Alto >60

16 CPDC Diversificación de

cultivos

Bajo 0-33.3

Medio 29-66

Alto >60

17 CPCA Cooperación dentro de

la comunidad agropecuaria

Bajo 0-33.3

Medio 29-66

Alto >60

18 CPTS Trabajos secundarios al

agrícola

Bajo 0-33.3

Medio 29-66

Alto >60

Indicadores de capacidad adaptativa ecológica:

En cuanto al tema de capacidad adaptativa ecológica se propuso como primer indicador el

aumento de cobertura forestal con respecto a la cuenca en los últimos 10 años. Autores

como Almeida et al (2016), Nguyen et al (2016) y Satta et al (2016) mencionan que la

plantación de árboles funciona como medida de adaptación.

63

La plantación de árboles en zonas específicas de la cuenca se considera como una medida

de adaptación de acuerdo a Abid et al (2016) y Lyalomhe et al (2015) es por esto que se

plantea la evaluación de márgenes de protección ribereña del como segundo indicador.

La información de los indicadores de capacidad adaptativa ecológica se deposita en la

Tabla (6.7).

Tabla 6.7 Indicadores de capacidad adaptativa ecológica. Fuente: elaboración propia.

Capacidad adaptativa Ecológica


19 CECF

Aumento de cobertura forestal con respecto a la cuenca en los últimos

10 años

Bajo 0-33.3

Medio 29-66

Alto >60

20 CEMR Márgenes de protección

ribereña del cauce principal

Bajo 0-33.3

Medio 29-66

Alto >60

Indicadores de capacidad adaptativa socioeconómicos:

El primer indicador del tema capacidad adaptativa socioeconómico es el porcentaje de

propiedad de la vivienda adaptado de los estudios de El-Zein y Tonmoy et al (2015) y

Kumar et al (2015). El indicador se basa en que la propiedad de los activos físicos es una

parte vital de la construcción de la resistencia de las personas. La acumulación y

asignación de activos está relacionada con la estrategia de medios de subsistencia y

proporciona rendimiento financiero a las carteras de activos, así como capacidad de

afrontar varios problemas.

El rango se establece de acuerdo a la revisión de literatura, especialmente se tiene en

cuenta las investigaciones realizadas por Kumar et al (2016) y El-Zein y Tonmoy et al

(2015) en las cuales se realizaron la aplicación del indicador anteriormente mencionado.

El segundo indicador de capacidad adaptativa socioeconómica es la diversificación de

fuentes de ingreso en los hogares, este indicador es adaptado de la investigación realizada

por Dumenu y Obeng (2016).

64

La información de los indicadores de capacidad adaptativa socioeconómico se deposita en

la Tabla (6.8).

Tabla 6.8 Indicadores de capacidad adaptativa socioeconómica. Fuente: elaboración

propia.

Capacidad adaptativa socioeconómica

ID Código Indicador

21 CSEPV Porcentaje propiedad de

la vivienda

Bajo 0-33.3

Medio 29-66

Medio >60

22 CSEFI Diversificación fuente de

ingresos

Bajo 0-33.3

Medio 29-66

Alto >60

Ficha técnica indicadores de susceptibilidad

A continuación, se presentan las fichas técnicas de los indicadores de susceptibilidad. De

la Tabla (6.9) a la Tabla (6.11) se presentan las fichas técnicas de los indicadores de la

dimensión Susceptibilidad Social: SSRD, SSMR y SSDF, de la Tabla (6.12) a la Tabla

(6.13) se presenta las fichas técnicas de los indicadores de la dimensión Susceptibilidad

Productiva: SPO y SPI, de la Tabla (6.14) a la Tabla (6.15) se presenta las fichas técnicas

de los indicadores de la dimensión Susceptibilidad Ecológica: SEP y SEFP. Por último, en

la Tabla (6.16) se presentan la ficha técnica del indicador SSENBI de la dimensión

Susceptibilidad- Socioeconómica.

Tabla 6.9 Ficha técnica indicador de relación de dependencia. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR SSRD

Nombre Relación de dependencia- SSRD

Descripción

Este indicador consiste en evaluar la relación de dependencia según grupos etáreos, el cual determina la relación entre la población considerada como dependiente y la que se define como económicamente productiva o potencialmente activa (DANE, 2018a).

Dimensión Susceptibilidad Social

65

FICHA TÉCNICA INDICADOR SSRD

Zona de aplicación Región andina del departamento de Nariño

Cálculo/estimación

𝑅𝑒𝑙𝑎𝑐𝑖ó𝑛 𝐷𝑒𝑝𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 =(𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 < 15 𝑎ñ𝑜𝑠 + 𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 65 𝑎ñ𝑜𝑠 𝑦 𝑚á𝑠) ∗ 100

𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑑𝑒 15 𝑎 64 𝑎ñ𝑜𝑠

Categoría de respuesta

Categoría Criterio

Bajo Bajo nivel de dependencia (<=60)

Medio Niveles medios de dependencia (60.1-80)

Alto Altos niveles de dependencia (>80.1)

Posibles fuentes de información

Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

Tabla 6.10 Ficha técnica indicador de Minorías raciales/ étnicos. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR SSMR

Nombre Minorías raciales/étnicos- SSMR

Descripción

Este indicador consiste en evaluar el nivel de organización de las minorías raciales. De acuerdo con KC et al (2015) las minorías raciales y étnicas son frágiles a los cambios en las condiciones del clima debido a sus arraigos culturales y medios de subsistencia basados en actividades agropecuarias.




El valor del indicador se estima a partir de los tres criterios definidos para la categorización de susceptibilidad social alta, media o baja. Es decir, si en el área evaluada existe la presencia de minorías raciales o étnicas no organizadas, la población presente en el área se clasifica con un nivel alto de susceptibilidad social.


Categoría Criterio

Bajo Minorías organizadas y consolidadas

Medio Minorías en proceso de organización

Alto Minorías sin organización

66

FICHA TÉCNICA INDICADOR SSMR


Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

Tabla 6.11 Ficha técnica indicador de Dependencia de recursos forestales. Fuente:


FICHA TÉCNICA INDICADOR SSDF

Nombre Dependencia de recursos forestales- SSDF

Descripción

Este indicador consiste en evaluar el grado de dependencia de la población presente en una zona específica con respecto al recurso forestal.




El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura y entrevistas.


Categoría Criterio

Bajo No hay dependencia de los recursos forestales.

Medio En la zona de estudio existe dependencia indirecta de los recursos forestales como los artesanos.

Alto En la zona de estudio existe una alta dependencia de los recursos forestales, por ejemplo, actividades económicas como el carboneo y la cocción de alimentos basada en leña.


Geoportales institucionales Informes del DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas

67

Tabla 6.12 Ficha técnica indicador de Ocupaciones sensibles al clima. Fuente:


FICHA TÉCNICA INDICADOR SPO

Nombre Ocupaciones sensibles al clima- SPO

Descripción

Este indicador hace referencia a evaluar cualitativamente el nivel de susceptibilidad de acuerdo con las ocupaciones desarrolladas en el hogar, siendo la agricultura, silvicultura y pesquería actividades más sensibles al CC (Panadey y Bardsley, 2015; Kc et al., 2015).

Dimensión Susceptibilidad Productiva



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo y entrevistas.


Categoría Criterio

Bajo Profesionales, técnicos y oficios varios.

Medio Ganaderos

Alto Familias cuya actividad económica principal es la agricultura, pesca y silvicultura.


Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

Tabla 6.13 Ficha técnica indicador de Tierras de cultivo que necesitan irrigación. Fuente:


FICHA TÉCNICA INDICADOR SPI

Nombre Tierras de cultivo que necesitan irrigación- SPI

Descripción

El indicador hace referencia a la estimación de las tierras que necesitan irrigación y a la tecnificación del riego.

Dimensión Susceptibilidad Productiva



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales, balance hídrico y entrevistas.


Categoría Criterio

Bajo Tierras sin necesidad de irrigación o con necesidad de irrigación y con riego bien tecnificado.

Medio Tierra con necesidad de riego con riego no tecnificado.

68

FICHA TÉCNICA INDICADOR SPI

Alto Tierra con necesidad de riego sin riego.


Geoportales institucionales Índice de escasez de agua superficial Balance hídrico Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

Tabla 6.14 Ficha técnica indicador de Perdida de salud ecosistemas. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR SEP

Nombre Perdida de lagos, zonas húmedas y salud ecosistemas- SEP

Descripción

Este indicador hace referencia a la perdida de salud de los ecosistemas presentes en la zona de estudio.

Dimensión Susceptibilidad Ecológica



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, visitas de campo, revisión de imágenes satelitales y entrevistas.


Categoría Criterio

Bajo Ecosistemas sin deterioro visual y ubicado en zona protegida.

Medio Humedal con deterioro ubicado en zona protegida.

Alto Humedal deteriorado


Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Manejo Ambiental Recorridos de campo

69

Tabla 6.15 Porcentaje forestal en zonas con alta pendiente. Fuente: elaboración propia.

FICHA TÉCNICA INDICADOR SEFP

Nombre Porcentaje forestal en zonas con alta pendiente- SEFP

Descripción

Este indicador hace referencia a la proporción de áreas de alta pendiente que no cuenta con cobertura vegetal, que amarre el suelo y lo proteja del impacto de la precipitación.

Dimensión Susceptibilidad Ecológica



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta un mapa de pendientes clasificado en dos categorías (pendientes altas y pendientes moderadas – bajas) y un mapa de cobertura forestal actual.


Categoría Criterio

Bajo Zonas con alta pendiente totalmente llenas de cobertura vegetal.

Medio Zonas con altas pendientes con poca cobertura de protección.

Alto Zonas con altas pendientes sin cobertura forestal


Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Manejo Ambiental Recorridos de campo

Tabla 6.16 Ficha técnica indicador de Necesidades Básicas Insatisfechas sector rural y

urbano. Fuente: elaboración propia.

FICHA TÉCNICA INDICADOR SSENBI

Nombre

Necesidades Básicas Insatisfechas sector rural y urbano- SSENBI

Descripción

Este indicador hace referencia a las necesidades básicas insatisfechas, en el cual se contemplan indicadores de vivienda inadecuada, servicios básicos insuficientes, hacinamiento, inasistencia escolar y dependencia económica.

Dimensión Susceptibilidad Socioeconómica



La estimación del indicador se realiza a partir de los resultados obtenidos en la aplicación del NBI realizada por el DANE en el 2010 y publicada en Instituto Geográfico Agustín Codazzi en la

70

FICHA TÉCNICA INDICADOR SSENBI

plataforma Sistema de Información Geográfica para la Planeación y el Ordenamiento Territorial (SIG- OT). La metodología NBI utilizada por el DANE (2018b) consiste en determinar, con ayuda de 5 indicadores simples, si las necesidades básicas de la población se encuentran cubiertas y medir el nivel e intensidad de la pobreza de los hogares. Los grupos que no alcance un umbral mínimo fijado, son clasificados como pobres. Los indicadores simples seleccionados son: Viviendas inadecuadas, Viviendas con hacinamiento crítico, Viviendas con servicios inadecuados, Viviendas con alta dependencia económica y Viviendas con niños en edad escolar que no asisten a la escuela.


Categoría Criterio

Bajo El nivel de hogares y personas pobres en la zona de estudio es bajo.

Medio El nivel de hogares y personas pobres en la zona de estudio es medio.

Alto El nivel de hogares y personas pobres en la zona de estudio es alto.


Geoportales institucionales. Informes DANE. Plan de Ordenamiento Municipal. Plan de Ordenamiento y Manejo de Cuencas Hidrográficas.

Ficha técnica indicadores de capacidad adaptativa

En seguida se presentan las fichas técnicas de los indicadores de capacidad adaptativa.

De la Tabla (6.17) a la Tabla (6.21) se presentan las fichas técnicas de los indicadores de

la dimensión Capacidad adaptativa Social: CSP, CSAE, CSH, CSAC y CSAI. De la Tabla

(6.22) a la Tabla (6.26) se presentan las fichas técnicas de los indicadores de la dimensión

Capacidad adaptativa Productiva: CPVC, CPCC, CPDC, CPCA y CPTS. De la Tabla (6.27)

a la Tabla (6.28) se presentan las fichas técnicas de los indicadores de la dimensión

Capacidad adaptativa Ecológica: CECF, CEMR. Por último, de la Tabla (6.29) a la Tabla

(6.30) se presenta la ficha técnica del indicador de la dimensión Capacidad adaptativa

Socioeconómica: CSEPV y CSEFI.

71

Tabla 6.17 Ficha técnica indicador de Proyectos de mitigación y adaptación a la variación

climática y cambio climático. Fuente: elaboración propia.

FICHA TÉCNICA INDICADOR CSP

Nombre

Proyectos de mitigación y adaptación a la variación climática y cambio climático- CSP

Descripción

El indicador permite medir el porcentaje de avance con respecto a la implementación de proyectos de mitigación y adaptación a la variación climática y cambio climático.

Dimensión Capacidad adaptativa Social



Para lo cual se tendrá en cuenta la información recolectada de documentos técnicos y revisión de literatura.


Categoría Criterio

Bajo No existen estudios relacionados

Medio

Existen estudios técnicos relacionados; sin embargo, no se han ejecutado los proyectos expuestos.

Alto

Existen estudios técnicos relacionados y se ha realizado la ejecución de los proyectos que se formularon.


Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico

Tabla 6.18 Ficha técnica indicador de Área cubierta por niveles de educación. Fuente:


FICHA TÉCNICA INDICADOR CSAE

Nombre Área cubierta por niveles de educación- CSAE

Descripción

Este indicador hace referencia a la cobertura de acuerdo con el nivel de educación. Se basa en que la educación es un aspecto crucial para los medios de subsistencia y el desarrollo e implementación de diversas respuestas frente al CC.




El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta la información recolectada de documentos técnicos, revisión de literatura, entrevistas y el mapeo de la información.


Categoría Criterio

Bajo La zona en estudio tiene cobertura de educación primaria.

72

Medio Los colegios que influyen en la zona de estudio son de nivel de educación secundaria.

Alto La zona en estudio cuenta con fácil acceso a instituciones de educación tecnológica o superior


Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas

Tabla 6.19 Ficha técnica indicador de Hogares conectados a combustibles para cocinar

de forma eficiente. Fuente: elaboración propia.

FICHA TÉCNICA INDICADOR CSH

Nombre

Hogares conectados a combustibles para cocinar de forma eficiente- CSH

Descripción

El indicador permite estimar el nivel de adaptación basado en el tipo de combustible utilizado para realizar la cocción de alimentos.






Categoría Criterio

Bajo Hogares que utilizan madera como combustible para la cocción de alimentos.

Medio Hogares que utilizan gas de cilindro para cocinar sus alimentos.

Alto Hogares conectados al gas domiciliario para realizar la cocción de alimentos.



73

Tabla 6.20 Ficha técnica indicador de Área que tiene acceso a carreteras. Fuente:


FICHA TÉCNICA INDICADOR CSAC

Nombre Área que tiene acceso a carreteras- CSAC

Descripción

Este indicador hace referencia a la facilidad de evacuación de la zona afectada y a la facilidad de transportar suministros.




El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se utilizara Sistemas de Información Geográfica para ver la influencia de las carreteras en la zona de estudio.


Categoría Criterio

Bajo Presencia sólo de caminos

Medio Carretera sin pavimentar

Alto Carretera pavimentada


Cartografía escala 1:10.000 o 1:25.000 del IGAC Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas

Tabla 6.21 Ficha técnica indicador de Acceso a información sobre VC y CC. Fuente:


FICHA TÉCNICA INDICADOR CSAI

Nombre Acceso a información sobre VC y CC- CSAI

Descripción

Este indicador hace referencia al nivel de acceso a información sobre VC y CC, teniendo en cuenta que la difusión de información al público y el acceso a información relevante sobre CC promueve la resiliencia frente a los eventos relacionados con el CC (Dumenu y Obeng, 2016).






Categoría Criterio

Bajo Sin difusión

74

Medio Difusión de temas de adaptación al CC en grupos cerrados sin posibilidad de difusión

Alto Difusión de temas de adaptación al CC en colegios y difundidos por medios de comunicación como radio, televisión y periódico.



Tabla 6.22 Ficha técnica indicador de Cambio de variedades de cultivo. Fuente:


FICHA TÉCNICA INDICADOR CPVC

Nombre Cambio de variedades de cultivo- CPVC

Descripción

Este indicador hace referencia a la evaluación del nivel de aceptación de variedades de cultivo más resistentes como medida de adaptación a la variación de la temperatura y precipitación. La agricultura en el departamento de Nariño no sólo es una forma de vida sino que también es una forma de subsistencia; por tanto, los agricultores se capacitan para tener un mejor rendimiento en sus cultivos. Sin embargo, existen agricultores que se aferran a costumbres heredadas que no siempre son las más adecuadas.

Dimensión Capacidad adaptativa Productiva





Categoría Criterio

Bajo Los agricultores de la zona en estudio no realizan una planificación para la siembra y utilizan variedades de cultivos no adaptadas

Medio Los agricultores utilizan una de las dos acciones de adaptación, siembra en fechas planificadas o sólo utilizan variedades de cultivos adaptadas.

Alto Los agricultores utilizan variedades de cultivo adaptadas a variaciones climáticas y realizan la planificación de siembra, cambiando las fechas de siembra según sea necesario.

75

FICHA TÉCNICA INDICADOR CPVC


Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Recorridos de campo Entrevistas

Tabla 6.23 Ficha técnica indicador de Cambio de tipo de cultivo. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR CPCC

Nombre Cambio de tipos de cultivos- CPCC

Descripción

Este indicador hace referencia a la evaluación de adopción de tipos de cultivos mejor adaptados a las variaciones climáticas.






Categoría Criterio

Bajo Los agricultores de la zona no tienen en cuenta el tipo de cultivo de acuerdo con una planificación, por el contrario, utilizan cultivos susceptibles a la variación del clima.

Medio Los agricultores realizan una selección del tipo de cultivo basada en una planificación con conocimientos ancestrales.

Alto Los agricultores seleccionan el tipo de cultivo a sembrar de acuerdo con una planificación técnica y con conocimientos ancestrales.



76

Tabla 6.24 Ficha técnica indicador de Diversificación de cultivos. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR CPDC

Nombre Diversificación de cultivos- CPDC

Descripción

Este indicador hace referencia al nivel de implementación de la diversificación de cultivos como medida de adaptación a variaciones climáticas.






Categoría Criterio

Bajo Mono cultivo en latifundios

Medio Minifundios

Alto Diversificación de cultivos en minifundios



Tabla 6.25 Cooperación dentro de la comunidad agropecuaria. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR CPCA

Nombre Cooperación dentro de la comunidad agropecuaria- CPCA

Descripción

Este indicador hace referencia al nivel de organización y cooperación existente dentro de las comunidades agropecuarias de la zona. La cooperación se refiere al intercambio de información e insumos, por ejemplo, la mano de obra, agua, semillas y fertilizantes entre otros.






Categoría Criterio

Bajo No existen asociaciones en el sector agrícola y pecuario en la zona de estudio.

77

Medio Existen asociaciones en la comunidad agropecuaria; sin embargo no se encuentra conformada.

Alto Existen asociaciones conformadas en el sector agropecuario de la zona.



Tabla 6.26 Ficha técnica indicador de Trabajos secundarios al agrícola. Fuente: elaboración propia.

FICHA TÉCNICA INDICADOR CPTS

Nombre Trabajos secundarios al agrícola- CPTS

Descripción

Este indicador hace referencia a evaluar el tipo de fuentes de ingresos económicos diferentes al agrícola.






Categoría Criterio

Bajo La actividad económica principal del núcleo familiar es el agrícola.

Medio Familias de agricultores con miembros que trabajan en oficios varios.

Alto Familias con miembros en trabajos técnicos y profesionales


Geoportales institucionales Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

78

Tabla 6.27 Ficha técnica indicador de Aumento de cobertura forestal. Fuente: elaboración

propia.

FICHA TÉCNICA INDICADOR CECF

Nombre Aumento de cobertura forestal- CECF

Descripción

Este indicador hace referencia al porcentaje de reforestación en los últimos 10 años.

Dimensión Capacidad adaptativa Ecológica



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta un mapa de reforestación el cual será contrastado con mapas de pendiente y red de drenaje.


Categoría Criterio

Bajo No existe reforestación

Medio Reforestación no planificada o con fines de extracción.

Alto Reforestación con planificación técnica. Reforestación en zonas de alta pendiente y fuentes de agua.


Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas

Tabla 6.28 Ficha técnica indicador de Márgenes de protección ribereña. Fuente:


FICHA TÉCNICA INDICADOR CEMR

Nombre Márgenes de protección ribereña- CEMR

Descripción

Este indicador hace referencia a la evaluación de la presencia de márgenes protectoras del río. Las márgenes de protección rivereña reducen la exposición al restringir el paso y los asentamientos en zonas aledañas al río.

Dimensión Capacidad adaptativa Ecológica



El valor del indicador es obtenido a partir de criterios definidos para la categorización, para lo cual se tendrá en cuenta el contraste de la red de drenaje y un mapa de cobertura forestal actual.


Categoría Criterio

79

FICHA TÉCNICA INDICADOR CEMR

Bajo Sin margen de protección.

Medio Margen de protección igual o menor a treinta metros.

Alto Margen de protección rivereña bien planificada en la cual se tenga en cuenta la amenaza por inundación, amenaza por deslizamiento de taludes y zona de prestación de servicios ambientales.


Geoportales institucionales Imágenes satelitales Imágenes aéreas Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo

Tabla 6.29 Ficha técnica indicador de Porcentaje de propiedad de la vivienda. Fuente:


FICHA TÉCNICA INDICADOR CSEPV

Nombre Porcentaje de propiedad de la vivienda- CSEPV

Descripción

Este indicador hace referencia al porcentaje de tenencia de las viviendas en una zona específica.

Dimensión Capacidad adaptativa Socioeconómica





Categoría Criterio

Bajo Sin propiedad

Medio >70% propiedad de la vivienda

Alto 100% de propiedad de la vivienda


Geoportales institucionales Informes DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo Entrevistas no estructuradas

80

Tabla 6.30 Ficha técnica indicador de Diversificación fuentes de ingreso. Fuente:


FICHA TÉCNICA INDICADOR CSEFI

Nombre Diversificación fuentes de ingreso- CSEFI

Descripción

Este indicador hace referencia a la evaluación cualitativa de la diversificación de fuentes de ingreso presentes en la zona de estudio.

Dimensión Capacidad adaptativa Socioeconómica





Categoría Criterio

Bajo Todas las fuentes de ingreso se relacionan con el clima.

Medio Una fuente de ingresos (oficios varios) no relacionada con el clima

Alto Más de una fuente de ingresos no relacionada con el clima (técnicos y profesionales).


Geoportales institucionales Informes DANE Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Recorridos de campo

6.2 Construcción de un índice basado en un sistema difuso.

Fuzzificación de variables de entrada y salida del sistema difuso

Para cada uno de los indicadores comprendidos en las 8 dimensiones: susceptibilidad

social, susceptibilidad productiva, susceptibilidad ecológica y susceptibilidad

socioeconómica, se definieron funciones de pertenencia.

Funciones de pertenencia indicadores de susceptibilidad social.

81

Las funciones que se utilizaron para definir las variables de entrada son de tipo trapezoidal

y para definir la variable de salida, de tipo triangular.

El indicador SSRD se compone de 3 funciones trapezoidales con los siguientes rangos:

para la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales

a 60%, para la calificación “MEDIO” se utilizó un rango entre 60.1% y 80% y para la

calificación “ALTO” se define un rango de valores mayores a 80.1. El indicador SSMR se

compone de 3 funciones trapezoidales con los siguientes rangos: para la calificación

“BAJO” se utilizó una función con rango de valores inferiores o iguales a 33.3%, para la

calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la calificación “ALTO” se

define un rango de valores mayores a 60%. El indicador SSDF se compone de 3 funciones

trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó una función

con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó

un rango entre 29% y 66% y para la calificación “ALTO” se define un rango de valores

mayores a 60%.

El subíndice específico Susceptibilidad Social (SS) se compone de 3 funciones triangulares

que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre 1 y 3 y

“ALTO” con valores entre 2 y 4. Se consideran como variables de entrada los indicadores

SSRD, SSMR y SSDF y como variable de salida el subíndice específico SS al cambio

climático (Figura 6.1).

82

Figura 6.1 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia.

Funciones de pertenencia indicadores de susceptibilidad productiva.

Las funciones utilizadas para definir las variables de entrada son de tipo trapezoidal y para

definir la variable de salida de tipo triangular. El indicador SPO se compone de 3 funciones




mayores a 60. El indicador SPI se compone de 3 funciones trapezoidales con los siguientes

rangos: para la calificación “BAJO” se utilizó una función con rango de valores inferiores o

iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para

la calificación “ALTO” se define un rango de valores mayores a 60%.

83

El subíndice específico Susceptibilidad Productiva (SP) se compone de 3 funciones

triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con valores entre

1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de entrada los

indicadores SPO y SPI y como variable de salida el subíndice específico SP al cambio


Figura 6.2 Indicadores del grupo Susceptibilidad Social. Fuente: elaboración propia.

Funciones de pertenencia indicadores de susceptibilidad ecológica.


definir la variable de salida de tipo triangular. El indicador SEP se compone de 3 funciones




mayores a 60%. El indicador SEFP se compone de 3 funciones trapezoidales con los

siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de valores

inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y

66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.

84

El subíndice específico Susceptibilidad Ecológica (SE) se compone de 3 funciones



indicadores SEP y SEFP y como variable de salida el subíndice específico SE al cambio


Figura 6.3 Indicadores del grupo Susceptibilidad ecológica. Fuente: elaboración propia.

Funciones de pertenencia indicadores de susceptibilidad socioeconómica.

Las funciones utilizadas para definir la variable de entrada son de tipo trapezoidal y para

definir la variable de salida de tipo triangular. El indicador SSENBI se compone de 3

funciones trapezoidales con los siguientes rangos: para la calificación “BAJO” se utilizó

una función con rango de valores inferiores o iguales a 35%, para la calificación “MEDIO”

se utilizó un rango entre 20% y 65% y para la calificación “ALTO” se define un rango de

valores mayores a 50%.

El subíndice específico Susceptibilidad Socioeconómico (SSE) se compone de 3 funciones


1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variable de entrada el indicador

85

SSENBI y como variable de salida el subíndice específico SSE al cambio climático (Figura

6.4).

Figura 6.4 Indicadores del grupo Susceptibilidad socioeconómica. Fuente: elaboración

propia.

Funciones de pertenencia Subíndice de susceptibilidad.

La susceptibilidad general se conforma de cuatro variables de entrada que son SS, SP, SE

y SSE de tipo triangular y una variable de salida que es la Susceptibilidad (S) de tipo

triangular y con 3 funciones clasificadas como: “ALTO” con valores de 0 a 2, “MEDIO” con

valores de 1 a 3 y “BAJO” con valores de 2 a 4 (Figura 6.5).

86

Figura 6.5 Indicadores del grupo Susceptibilidad general. Fuente: elaboración propia.

Funciones de pertenencia indicadores de capacidad adaptativa social.


definir la variable de salida de tipo triangular.

El indicador CSP se compone de 3 funciones trapezoidales con los siguientes rangos: para

la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales a

33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la

calificación “ALTO” se define un rango de valores mayores a 60%.

El indicador CSAE se compone de 3 funciones trapezoidales con los siguientes rangos:


87

a 33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la


El indicador CSH se compone de 3 funciones trapezoidales con los siguientes rangos: para

la calificación “BAJO” se utilizó una función con rango de valores inferiores o iguales a

33.3%, para la calificación “MEDIO” se utilizó un rango entre 29% y 66% y para la


El indicador CSAC se compone de 3 funciones trapezoidales con los siguientes rangos:




El indicador CSAI se compone de 3 funciones trapezoidales con los siguientes rangos:




El subíndice específico Capacidad adaptativa Social (CS) se compone de 3 funciones



indicadores CSP, CSAE, CSH, CSAC y CSAI y como variable de salida el subíndice

específico CS al cambio climático (Figura 6.6).

88

Figura 6.6 Indicadores del grupo Capacidad adaptativa Social. Fuente: elaboración

propia.

Funciones de pertenencia indicadores de capacidad adaptativa productiva.


definir la variable de salida de tipo triangular.

89

El indicador CPVC se compone de 3 funciones trapezoidales con los siguientes rangos:




El indicador CPCC se compone de 3 funciones trapezoidales con los siguientes rangos:




El indicador CPDC se compone de 3 funciones trapezoidales con los siguientes rangos:




El indicador CPCA se compone de 3 funciones trapezoidales con los siguientes rangos:




El indicador CPTS se compone de 3 funciones trapezoidales con los siguientes rangos:




El subíndice específico Capacidad adaptativa Productiva (CP) se compone de 3 funciones



indicadores CPVC, CPCC, CPDC, CPCA y CPTS y como variable de salida el subíndice

específico CP al cambio climático (Figura 6.7).

90

Figura 6.7 Indicadores del grupo Capacidad adaptativa productiva. Fuente: elaboración

propia.

91

Funciones de pertenencia indicadores de capacidad adaptativa ecológico.


definir la variable de salida de tipo triangular. El indicador CECF se compone de 3


una función con rango de valores inferiores o iguales a 33.3%, para la calificación “MEDIO”


valores mayores a 60%. El indicador CEMR se compone de 3 funciones trapezoidales con

los siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de

valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre

29% y 66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.

El subíndice específico Capacidad adaptativa Ecológica (CE) se compone de 3 funciones



indicadores CECF y CEMR y como variable de salida el subíndice específico CP al cambio


Figura 6.8 Indicadores del grupo Capacidad adaptativa ecológica. Fuente: elaboración

propia.

92

Funciones de pertenencia indicadores de capacidad adaptativa

socioeconómico.


definir la variable de salida de tipo triangular. El indicador CSEPV se compone de 3


una función con rango de valores inferiores o iguales a 70%, para la calificación “MEDIO”


valores mayores a 95. El indicador CSEFI se compone de 3 funciones trapezoidales con

los siguientes rangos: para la calificación “BAJO” se utilizó una función con rango de

valores inferiores o iguales a 33.3%, para la calificación “MEDIO” se utilizó un rango entre

29% y 66% y para la calificación “ALTO” se define un rango de valores mayores a 60%.

El subíndice específico Capacidad adaptativa Socioeconómica (CSE) se compone de 3

funciones triangulares que califican como “BAJO” los valores entre 0 y 2, “MEDIO” con

valores entre 1 y 3 y “ALTO” con valores entre 2 y 4. Se considera como variables de

entrada los indicadores CSEPV y CSEFI y como variable de salida el subíndice específico

CP al cambio climático (Figura 6.9).

Figura 6.9 Indicadores del grupo Capacidad adaptativa socioeconómica. Fuente:


93

Funciones de pertenencia subíndice de capacidad adaptativa.

La capacidad adaptativa general está conformada de cuatro variables de entrada que son

CS, CP, CE y CSE de tipo triangular y una variable de salida que es la capacidad adaptativa

(C) también de tipo triangular y con 3 funciones clasificadas como: “ALTO” con valores de

0 a 2, “MEDIO” con valores de 1 a 3 y “BAJO” con valores de 2 a 4 (Figura 6.10).

Figura 6.10 Indicadores del grupo capacidad adaptativa general. Fuente: elaboración

propia.

94

Funciones de pertenencia índice IVUCC

La vulnerabilidad se genera utilizando dos variables de entrada S y C y una variable de

salida que es el índice IVUCC, el cual se encuentra conformado por 3 funciones de tipo

triangular clasificadas como: “ALTO” con valores de 0 a 2, “MEDIO” con valores de 1 a 3 y

“BAJO” con valores de 2 a 4 (Figura 6.11).

Figura 6.11 Funciones de pertenencia índice IVUCC. Fuente: elaboración propia.

Reglas de decisión y desfuzzificación indicadores de susceptiblidad

En este estudio se utilizó el método Mamdani basado en reglas de decisión de tipo SI-

ENTONCES (IF-ELSE). En el método Mamdani, tanto el antecedente como el consecuente

son expresiones lingüísticas. Las reglas se pueden aplicar en cada una de las AHV de la

cuenca, presentando probablemente diversos valores para cada área. Las reglas

combinan conjuntos difusos de entrada denominados antecedente con un conjunto difuso

de salida llamado consecuente. El total de las reglas de decisión se encuentra en el Anexo

(4).

95

Reglas de decisión para el subíndice de susceptibilidad

En la Tabla (6.31), se presentan algunas de las reglas de decisión que dan valor al nivel

del subíndice específico SS, el total de reglas es de 27, las cuales pueden ser aplicadas

en cada una de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en

cuenta como antecedente los indicadores SSRD, SSMR y SSDF y como consecuente el

subíndice especifico SS. Las reglas de decisión del subíndice especifico susceptibilidad

social tienen los siguientes porcentajes en los resultados de la variable de salida: 37% un

valor Alto, un 26% con valor Medio y un 37% con valor Bajo.

Tabla 6.31 Reglas de decisión para el subíndice específico SS. Fuente: elaboración

propia.

No. REGLAS

1 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS ALTO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO

2 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO

3 IF (SSRD IS ALTO) AND (SSMR IS ALTO) AND (SSDF IS BAJO) THEN SUSCEPTIBILIDAD-SOCIAL IS ALTO

… ….

… ….

26 IF (SSRD IS BAJO) AND (SSMR IS BAJO) AND (SSDF IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIAL IS BAJO

27 IF (SSRD IS BAJO) AND (SSMR IS BAJO) AND (SSDF IS BAJO) THEN SUSCEPTIBILIDAD-SOCIAL IS BAJO

En la Tabla (6.32), se presentan algunas de las reglas de decisión que darán valor al nivel

del subíndice específico SP, con un total de 9 reglas. Las reglas de decisión se definieron

teniendo en cuenta como antecedente los indicadores SPO y SPI y como consecuente el

subíndice especifico SP. Las reglas de decisión del subíndice especifico susceptibilidad

productiva tienen los siguientes porcentajes en los resultados de la variable de salida:

33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.

96

Tabla 6.32 Reglas de decisión para el subíndice específico SP. Fuente: elaboración

propia.

No. REGLAS

1 IF (SPO IS ALTO) AND (SPI IS ALTO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS ALTO

2 IF (SPO IS ALTO) AND (SPI IS MEDIO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS ALTO

3 IF (SPO IS ALTO) AND (SPI IS BAJO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS MEDIO

… ….

… ….

8 IF (SPO IS BAJO) AND (SPI IS MEDIO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS BAJO

9 IF (SPO IS BAJO) AND (SPI IS BAJO) THEN SUSCEPTIBILIDAD-PRODUCTIVO IS BAJO


del subíndice específico SE, con un total de 9 reglas. Las reglas de decisión se definieron

teniendo en cuenta como antecedente los indicadores SEP y SEFP y como consecuente

el subíndice especifico SE. Las reglas de decisión del subíndice especifico susceptibilidad

ecológica tienen los siguientes porcentajes en los resultados de la variable de salida:

33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.

Tabla 6.33 Reglas de decisión para el subíndice específico SE. Fuente: elaboración

propia.

No. REGLAS

1 IF (SEP IS ALTO) AND (SEFP IS ALTO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS ALTO

2 IF (SEP IS ALTO) AND (SEFP IS MEDIO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS ALTO

3 IF (SEP IS ALTO) AND (SEFP IS BAJO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS MEDIO

… ….

… ….

8 IF (SEP IS BAJO) AND (SEFP IS MEDIO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS BAJO

9 IF (SEP IS BAJO) AND (SEFP IS BAJO) THEN SUSCEPTIBILIDAD-ECOLÓGICA IS BAJO

En la Tabla (6.34), se presentan las 3 reglas de decisión que darán valor al subíndice

específico SSE. Las reglas de decisión se definieron teniendo en cuenta como antecedente

el indicador SSENBI y como consecuente el subíndice especifico SSE. Las reglas de

decisión del subíndice especifico susceptibilidad socioeconómica tienen los siguientes

97

porcentajes en los resultados de la variable de salida: 33.3% un valor Alto, un 33.3% con

valor Medio y un 33.3% con valor Bajo.

Tabla 6.34 Reglas de decisión para el subíndice específico SSE. Fuente: elaboración

propia.

No. REGLAS

1 IF (SSENBI IS ALTO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS ALTO

2 IF (SSENBI IS MEDIO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS MEDIO

3 IF (SSENBI IS BAJO) THEN SUSCEPTIBILIDAD-SOCIOECONÓMICA IS BAJO


del Subíndice S, el total de reglas es de 81, las cuales pueden ser aplicadas en cada una

de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como

antecedente los subíndices específicos SS, SP, SE y SSE y como consecuente el

subíndice S. Las reglas de decisión del subíndice general de susceptibilidad tienen los

siguientes porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un

63% con valor Medio y un 18.5% con valor Bajo dando como resultado una mayor

tendencia de los resultados de la variable de salida hacia el resultado Medio de

susceptibilidad.

Tabla 6.35 Reglas de decisión para el subíndice S. Fuente: elaboración propia.

No. REGLAS

1 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS ALTO) THEN SUSCEPTIBILIDAD IS ALTO

2 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS MEDIO) THEN SUSCEPTIBILIDAD IS ALTO

3 IF (SS IS ALTO) AND (SP IS ALTO) AND (SE IS ALTO) AND (SSE IS BAJO) THEN SUSCEPTIBILIDAD IS ALTO

… ….

… ….

80 IF (SS IS BAJO) AND (SP IS BAJO) AND (SE IS BAJO) AND (SSE IS MEDIO) THEN SUSCEPTIBILIDAD IS BAJO

81 IF (SS IS BAJO) AND (SP IS BAJO) AND (SE IS BAJO) AND (SSE IS BAJO) THEN SUSCEPTIBILIDAD IS BAJO

Reglas de decisión para el subíndice capacidad adaptativa


del subíndice específico CS, con un total de reglas de 243, las cuales pueden ser aplicadas

en cada una de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en

98

cuenta como antecedente los indicadores CSP, CSAE, CSH, CSAC y CSAI y como

consecuente el subíndice CS. Las reglas de decisión del subíndice de capacidad

adaptativa social tienen los siguientes porcentajes en los resultados de la variable de

salida: 21% un valor Alto, un 58% con valor Medio y un 21% con valor Bajo.

Tabla 6.36 Reglas de decisión para el subíndice específico CS. Fuente: elaboración

propia.

No. REGLAS

1

IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS ALTO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO

2

IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO

3

IF (CSP IS ALTO) AND (CSAE IS ALTO) AND (CSH IS ALTO) AND (CSAC IS ALTO) AND (CSAI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS ALTO

… ….

… ….

242

IF (CSP IS BAJO) AND (CSAE IS BAJO) AND (CSH IS BAJO) AND (CSAC IS BAJO) AND (CSAI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS BAJO

243

IF (CSP IS BAJO) AND (CSAE IS BAJO) AND (CSH IS BAJO) AND (CSAC IS BAJO) AND (CSAI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIAL IS BAJO


del indicador de capacidad adaptativa productiva, con un total de 243 reglas. Las reglas

de decisión se definieron teniendo en cuenta como antecedente los indicadores CPVC,

CPCC, CPDC, CPCA y CPTS y como consecuente el subíndice CP. Las reglas de decisión

del subíndice de capacidad adaptativa productiva tienen los siguientes porcentajes en los

resultados de la variable de salida: 21% un valor Alto, un 58% con valor Medio y un 21%

con valor Bajo.

Tabla 6.37 Reglas de decisión para el subíndice específico CP. Fuente: elaboración

propia.

No. REGLAS

1 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS ALTO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO

2 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS MEDIO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO

3 IF (CPVC IS ALTO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS BAJO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS ALTO

… ….

… ….

242 IF (CPVC IS BAJO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS MEDIO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS BAJO

99

No. REGLAS

243 IF (CPVC IS BAJO) AND (CPCC IS ALTO) AND (CPDC IS ALTO) AND (CPCA IS ALTO) AND (CPTS IS BAJO) THEN CAPACIDAD ADAPTATIVA-PRODUCTIVO IS BAJO

En la Tabla (6.38), se presentan las 3 reglas de decisión que darán valor al nivel del

indicador de capacidad adaptativa ecológica. Las reglas de decisión se definieron teniendo

en cuenta como antecedente los indicadores CEMR y CECF y como consecuente el

subíndice CP. Las reglas de decisión del subíndice de capacidad adaptativa ecológica

tienen los siguientes porcentajes en los resultados de la variable de salida: 33.3% un valor

Alto, un 33.3% con valor Medio y un 33.3% con valor Bajo.

Tabla 6.38 Reglas de decisión para el subíndice específico CE. Fuente: elaboración

propia.

No. REGLAS

1 IF (CEMR IS ALTO) AND (CECF IS ALTO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS ALTO

2 IF (CEMR IS ALTO) AND (CECF IS MEDIO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS ALTO

3 IF (CEMR IS ALTO) AND (CECF IS BAJO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS MEDIO

… ….

… ….

8 IF (CEMR IS BAJO) AND (CECF IS MEDIO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS BAJO

9 IF (CEMR IS BAJO) AND (CECF IS BAJO) THEN CAPACIDAD ADAPTATIVA-ECOLÓGICA IS BAJO


del indicador de capacidad adaptativa socioeconómica, en total son 9. Las reglas de

decisión se definieron teniendo en cuenta como antecedente los indicadores CSEPV y

CSEFI y como consecuente el subíndice CSE. Las reglas de decisión del subíndice de

capacidad adaptativa socioeconómica tienen los siguientes porcentajes en los resultados

de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con

valor Bajo.

Tabla 6.39 Reglas de decisión para el subíndice específico CSE. Fuente: elaboración

propia.

No. REGLAS

1 IF (CSEPV IS ALTO) AND (CSEFI IS ALTO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS ALTO

2 IF (CSEPV IS ALTO) AND (CSEFI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS ALTO

3 IF (CSEPV IS ALTO) AND (CSEFI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO

100

No. REGLAS

… ….

… ….

8 IF (CSEPV IS BAJO) AND (CSEFI IS MEDIO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO

9 IF (CSEPV IS BAJO) AND (CSEFI IS BAJO) THEN CAPACIDAD ADAPTATIVA-SOCIOECONÓMICO IS BAJO


del Subíndice C, el total de reglas es de 81, las cuales pueden ser aplicadas en cada una

de las AVH de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como

antecedente los subíndices específicos CS, CP, CE y CSE y como consecuente el

subíndice C. Las reglas de decisión del subíndice general de capacidad adaptativa tienen

los siguientes porcentajes en los resultados de la variable de salida: 18.5% un valor Alto,

un 63% con valor Medio y un 18.5% con valor Bajo dando como resultado más de la mitad

del total de reglas de decisión que resultan en una valoración Medio.

Tabla 6.40 Reglas de decisión para el subíndice C. Fuente: elaboración propia.

No. REGLAS

1

IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS ALTO) THEN CAPACIDAD ADAPTATIVA IS ALTO

2

IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS MEDIO) THEN CAPACIDAD ADAPTATIVA IS ALTO

3

IF (CS IS ALTO) AND (CP IS ALTO) AND (CE IS ALTO) AND (CSE IS BAJO) THEN CAPACIDAD ADAPTATIVA IS ALTO

… ….

… ….

80

IF (CS IS BAJO) AND (CP IS BAJO) AND (CE IS BAJO) AND (CSE IS MEDIO) THEN CAPACIDAD ADAPTATIVA IS BAJO

81

IF (CS IS BAJO) AND (CP IS BAJO) AND (CE IS BAJO) AND (CSE IS BAJO) THEN CAPACIDAD ADAPTATIVA IS BAJO

Reglas de decisión para el índice IVUCC

En la Tabla (6.41) se presentan las 9 reglas de decisión que van a dar valor al nivel de

vulnerabilidad al cambio climático las cuales pueden ser aplicadas en cada una de las AVH

de la cuenca. Las reglas de decisión se definieron teniendo en cuenta como antecedente

los subíndices de susceptibilidad y capacidad adaptativa y como consecuente el índice

IVUCC. Las reglas de decisión del índice IVUCC tienen los siguientes porcentajes en los

resultados de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un

33.3% con valor Bajo.

101

Tabla 6.41 Reglas de decisión para el índice IVUCC. Fuente: elaboración propia.

No. REGLAS

1 IF (VS IS ALTO) AND (VC IS ALTO) THEN VULNERABILIDAD IS MEDIO

2 IF (VS IS MEDIO) AND (VC IS ALTO) THEN VULNERABILIDAD IS BAJO

3 IF (VS IS BAJO) AND (VC IS ALTO) THEN VULNERABILIDAD IS BAJO

4 IF (VS IS ALTO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS MEDIO

5 IF (VS IS MEDIO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS BAJO

6 IF (VS IS BAJO) AND (VC IS MEDIO) THEN VULNERABILIDAD IS BAJO

7 IF (VS IS ALTO) AND (VC IS BAJO) THEN VULNERABILIDAD IS ALTO

8 IF (VS IS MEDIO) AND (VC IS BAJO) THEN VULNERABILIDAD IS MEDIO

9 IF (VS IS BAJO) AND (VC IS BAJO) THEN VULNERABILIDAD IS BAJO

Ficha técnica índice IVUCC

En la Tabla (6.42) se muestra la ficha técnica del índice IVUCC que está compuesta de la

descripción, zona de aplicación, cálculo, categorías de respuesta y posibles fuentes de

información.

Tabla 6.42 Ficha técnica del índice de vulnerabilidad IVUCC. Fuente: elaboración propia.

FICHA TÉCNICA ÍNDICE IVUCC

Nombre Índice de Vulnerabilidad por Cambio Climático- IVUCC

Descripción

Este indicador consiste en evaluar el nivel de vulnerabilidad en una cuenca hidrográfica de la región andina del departamento de Nariño. El índice se aplica en zonas denominadas Áreas Homogéneamente Vulnerables las cuales se subdividen de una cuenca.

Zona de aplicación Cuencas de la región andina del departamento de Nariño


El valor del índice se genera a partir de la operación de un modelo de lógica difusa cuyas variables de entrada son indicadores agrupados en ocho (8) subíndices divididos en dos (2) dimensiones; susceptibilidad y capacidad adaptativa; los que a su vez alimentan el índice IVUCC. Los subíndices son: susceptibilidad- social, susceptibilidad- productiva, susceptibilidad- ecológica, susceptibilidad socioeconómica, capacidad adaptativa- social, capacidad adaptativa- productiva, capacidad adaptativa- ecológica y capacidad adaptativa socioeconómica. El siguiente esquema muestra la conformación del índice IVUCC.

102

FICHA TÉCNICA ÍNDICE IVUCC


Categoría Criterio

Bajo El nivel de vulnerabilidad es baja.

Medio El nivel de vulnerabilidad es medio.

Alto La zona tiene un alto nivel de vulnerabilidad


Geoportales institucionales Documentos técnicos y académicos Plan de Ordenamiento Municipal Plan de Ordenamiento y Manejo de Cuencas Hidrográficas Plan de Ordenamiento del Recurso Hídrico Plan de Manejo Imágenes satelitales Recorridos de campo Entrevistas

Subdivisión de la cuenca del río Blanco en Áreas Homogéneamente vulnerables

Para la generación de las Áreas AHV se realizó el contraste entre la subdivisión en sub

cuencas y las fajas de elevación cada 300 metros (Figura 6.12). En total, resultaron 6

divisiones hidrológicas o subcuencas y 5 fajas de elevación. La codificación de las AHV

tiene en cuenta el código de la subcuenca de origen y el rango de la faja de elevación.

103

Figura 6.12 Subdivisión de la cuenca en AHV. Fuente: elaboración propia.

6.3 Aplicación índice IVUCC

Delimitación y codificación de las AHV

En la Figura (6.13) se muestra los resultados de la división de la cuenca hidrográfica del

río Blanco en áreas homogéneamente vulnerables. Se obtuvo un total de 19 AHV (Figura

6.13).

104

Figura 6.13 División y codificación de AHV de la cuenca del río Blanco. Fuente:


Recolección de información

La información recolectada por cada AHV se encuentra depositada en la Tabla (6.43), la

cual se obtuvo de la revisión de documentos técnicos (planes de ordenamiento territorial y

de manejo ambiental), revisión de geo portales institucionales, imágenes satelitales, vuelos

con dron y recorridos de campo.

105

Tabla 6.43 Datos de entrada. Fuente: elaboración propia.

AHV

Social Productivo Ecológico Socioeconómico

Capacidad adaptativa Susceptibilidad Capacidad adaptativa Susceptibili

dad Capacidad adaptativa

Susceptibilidad

Capacidad adaptativa

Susceptibilidad

CSP (%)

CSAE (%)

CSH (%)

CSAC (%)

CSAI

(%)

SSRD (%)

SSMR (%)

SSDF (%)

CPVC (%)

CPCC (%)

CPDC (%)

CPCA (%)

CPTS (%)

SPO (%)

SPI (%)

CECF (%)

CEMR (%)

SEP (%)

SEFP (%)

CSEPV (%)

CSEFI (%)

SSENBI (%)

100_2800_3100 55 55 55 45 15 64.3 20 20 45 80 55 50 40 100 40 10 40 20 39 50 50 42.25

100_3100_3400 20 55 55 30 15 64.3 90 40 20 20 20 50 10 100 40 20 40 20 70 100 10 42.25

200_2800_3100 20 55 25 30 15 64.3 55 40 20 20 20 50 10 100 20 40 40 20 70 100 10 42.25

200_3100_3400 20 20 25 45 15 64.3 90 90 80 80 90 50 10 100 40 10 40 20 39 100 10 42.25

210_2800_3100 20 55 25 45 15 64.3 90 40 20 20 20 50 10 100 40 10 40 40 10 100 10 42.25

210_3100_3400 20 20 55 30 15 64.3 90 40 80 45 55 50 10 55 40 20 15 20 20 100 10 42.25

210_3400_3700 20 55 25 30 15 81.7 90 40 20 20 20 20 10 55 40 10 40 20 70 100 10 42.25

220_2800_3100 20 55 25 30 15 64.3 20 20 80 80 90 50 10 55 40 45 40 40 20 20 10 42.25

220-3100_3400 20 55 25 45 15 64.3 90 90 80 20 90 50 10 55 40 25 40 40 20 100 10 42.25

220_3400_3700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 100 20 10 40 40 20 50 10 42.25

220_3700_4700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 20 20 10 15 20 70 20 10 42.25

230_2800_3100 55 55 55 45 15 64.3 90 20 80 80 90 50 10 55 40 40 15 40 20 20 10 42.25

230_3100_3400 55 80 55 70 15 56.2 20 20 45 45 20 50 40 55 40 20 40 40 20 20 50 16.69

230_3400_3700 20 55 25 30 15 81.7 90 40 20 20 20 50 10 20 20 25 40 40 39 100 10 42.25

230_3700_4700 20 20 25 30 15 81.7 90 40 20 20 20 20 10 20 20 40 15 40 70 0 10 42.25

240_2800_3100 55 55 55 45 15 64.3 20 40 45 45 55 90 10 55 40 40 15 20 20 100 10 42.25

240_2800_3400 55 80 25 70 15 56.2 20 20 45 45 20 50 90 55 40 20 40 40 20 50 50 16.69

240_3400_3700 20 55 25 45 15 81.7 55 40 20 20 20 20 10 100 20 10 40 40 39 100 10 42.25

240_3700_4700 20 80 25 30 15 81.7 55 40 20 20 20 20 10 10 20 10 40 20 39 0 10 42.25

106

Representación espacial de indicadores de susceptibilidad

Para cada AHV se evaluó la Susceptibilidad frente al CC utilizando el software Matlab. La

Figura (6.14) muestra la aplicación del subíndice S en una de las AHV, en la cual, la

susceptibilidad social es baja, la susceptibilidad productiva es media, la susceptibilidad

ecológica es media y la susceptibilidad socioeconómica es alta, dando como resultado un

nivel medio de susceptibilidad general frente al Cambio Climático.

Figura 6.14 Aplicación del subíndice de susceptibilidad en el AHV 200_3100_3400.


Las AHV con niveles altos de susceptibilidad social se encuentran principalmente al Sur-

Oeste de la cuenca, dado principalmente por la ubicación de minorías raciales en la zona

rural, a la alta relación de dependencia y a la dependencia alta de recurso forestales tanto

para la cocción de alimentos como para realizar otras actividades.

De acuerdo con los resultados, los centros poblados Cumbal y Cuaspud influyen

positivamente en los niveles bajos de susceptibilidad social. La facilidad de organizarse y

la poca densidad de minorías étnicas ubicadas en los centros poblados de la cuenca del

río Blanco generan valores bajos de susceptibilidad por minorías raciales. Debido a la

diversidad de empleos y a la facilidad para adquirir diferente combustible para cocción de

107

alimento, en los centros poblados, los niveles de relación de dependencia y dependencia

de recursos forestales son más bajos que en la zona rural de la cuenca. En la Figura (6.15)

se muestra los resultados de los indicadores del grupo de Susceptibilidad Social

representados espacialmente.



De acuerdo con los resultados, la susceptibilidad productiva frente al cambio climático de

la cuenca del río Blanco presenta los mayores niveles de susceptibilidad al Sur-Este de la

cuenca. Los niveles altos de susceptibilidad productiva de la cuenca se deben, en primer

lugar, a que en la cuenca se desarrollan actividades agrícolas en la parte baja y actividades

de pesca y turismo en la parte alta de la cuenca, en segundo lugar se debe a la necesidad

de irrigación de los cultivos y a su tecnificación.

108

Los niveles bajos de susceptibilidad productiva se concentran en la región Sur-Oeste de la

cuenca, la cual presenta las cotas más altas de la cuenca, superior a los 3700 msnm. Los

niveles bajos se deben a la ausencia de población y de actividades agropecuarias en estas

AHV. En la Figura (6.16) se presentan los resultados de los indicadores de susceptibilidad

productiva frente al CC espacializados.



La cuenca presenta niveles altos de susceptibilidad ecológica en un AHV ubicada al Nor-

Oeste de la cuenca, la cual se encuentra en zona de páramo e influencia de la laguna de

Cumbal. Los niveles altos de susceptibilidad, en primer lugar se deben a la pérdida del

páramo de Cumbal por la intervención antrópica en esta zona, en segundo lugar se deben

109

a la ausencia de cobertura forestal en cotas por encima de los 3700 metros, las cuales

corresponden a pendientes muy elevadas.

Los niveles bajos de susceptibilidad ecológica se deben a la presencia de zonas protegidas

como el páramo y la laguna de Cumbal y a las pendientes bajas y moderadas

predominantes en la cuenca. En la Figura (6.17) se muestran los resultados distribuidos

de los indicadores del grupo de susceptibilidad ecológica.

Figura 6.17 Resultados distribuidos de la susceptibilidad ecológica frente al cambio

climático. Fuente: elaboración propia.

Los niveles más bajos de susceptibilidad socioeconómica se deben a la presencia de la

cabecera municipal de Cumbal, lo cual influye en los bajos niveles de hogares y personas

110

pobres y en miseria. La Figura (6.18) presenta los resultados distribuidos del grupo de

indicadores de susceptibilidad socioeconómica.

Figura 6.18 Resultados distribuidos de la susceptibilidad socioeconómica frente al cambio


Representación espacial de indicadores de capacidad adaptativa

Para cada AHV se evaluó la capacidad adaptativa frente al CC utilizando el software

Matlab. La Figura (6.19) muestra la aplicación del subíndice C en una de las AHV, en la

cual, la capacidad adaptativa social es baja, la capacidad adaptativa productiva es media,

la capacidad adaptativa ecológica es media y la capacidad adaptativa socioeconómica es

baja, dando como resultado un nivel bajo de capacidad adaptativa general.

111

Figura 6.19 Aplicación del subíndice de capacidad adaptativa en el AHV 200_3100_3400.


En la cuenca del río Blanco predominan los niveles bajos de capacidad adaptativa social

frente al cambio climático. Sin embargo, existen AHV que presentan niveles medios de

capacidad adaptativa, lo cual se debe a la presencia de los centros poblados Cumbal y

Cuaspud. Los centros poblados de la cuenca del río Blanco proporcionan equipamiento

educativo de nivel de secundaria, técnica y tecnológica sumado a la facilidad de transporte

que proporciona la densidad de carreteras pavimentadas presentes. En la Figura (6.20) se

muestran los resultados distribuidos de los indicadores del grupo de capacidad adaptativa

social.

112

Figura 6.20 Resultados distribuidos de la capacidad adaptativa social frente al cambio


Los niveles altos de capacidad adaptativa productiva frente al cambio climático se ubican

en la zona Este de la cuenca. Los niveles altos de capacidad adaptativa productiva se

deben principalmente a las actividades de adaptación realizadas por los campesinos,

como: la utilización de variedades adaptadas, cambio de cultivos y diversificación de

113

cultivos. Los niveles bajos de capacidad adaptativa productiva encontrada al Oeste de la

cuenca se deben a la baja o nula producción agropecuaria. En la Figura (6.21) se

presentan los resultados distribuidos de los indicadores de capacidad adaptativa

productiva aplicado a las condiciones de la cuenca del río Blanco.

Figura 6.21 Resultados distribuidos de la capacidad adaptativa productiva frente al

cambio climático. Fuente: elaboración propia.

Gran parte de la cuenca del río Blanco presenta niveles bajos de capacidad adaptativa

ecológica; sin embargo, en la parte Sur- Este de la cuenca se presentan niveles medios

de capacidad adaptativa ecológica, lo cual se debe al aumento de la cobertura forestal en

los últimos años y la existencia de márgenes de protección ribereña del cauce principal del

114

río Blanco. La Figura (6.22) muestra los resultados distribuidos de la aplicación de los

indicadores de capacidad adaptativa ecológica frente a cambio climático.

Figura 6.22 Resultados distribuidos de la capacidad adaptativa ecológica frente al cambio


Gran parte de la cuenca del río Blanco presenta niveles de capacidad adaptativa

socioeconómica media, dada principalmente por la posibilidad de tener una vivienda

propia. Por otra parte, se evidencia en la zona Oeste de la cuenca AHV con niveles de

capacidad adaptativa socioeconómica baja debido a la reducida o nula población presente.

En la Figura (6.23) se presentan los resultados de la aplicación de los indicadores de

capacidad adaptativa socioeconómica frente a cambio climático.

115

Figura 6.23 Resultados distribuidos de la capacidad adaptativa socioeconómica frente al

cambio climático. Fuente: elaboración propia.

Evaluación espacial de la vulnerabilidad al CC en la cuenca del río Blanco

Para cada AHV se realizó la evaluación de la vulnerabilidad frente al CC utilizando el

software Matlab. La Figura (6.24) muestra la aplicación del índice IVUCC en una de las

AHV, en la cual, la susceptibilidad tiene un nivel medio y la capacidad de adaptación un

nivel bajo, dando como resultado un nivel de vulnerabilidad medio.

116

Figura 6.24 Aplicación del índice de IVUCC en el AHV 200_3100_3400. Fuente:


Gran parte de la cuenca del río Blanco presenta una susceptibilidad general media (Figura

6.25), solo un AHV es evaluada con niveles altos de vulnerabilidad que principalmente se

debe a los altos valores de susceptibilidad social y productiva encontrada en la zona. Por

otro lado, en su mayoría la cuenca presenta valores de capacidad adaptativa baja (Figura

6.26) debido principalmente a su baja capacidad de adaptación social y ecológica.

Finalmente, una alta proporción de la cuenca presenta una vulnerabilidad media; sin

embargo, existen zonas influenciadas por los centros poblados como Cumbal y Cuaspud

que influyen en la reducción de la susceptibilidad y aportan capacidad de adaptación,

dando como resultado una vulnerabilidad baja, como se puede ver en la Figura (6.27). En

el caso del AHV 100_2800_3100, si bien su susceptibilidad es media, su capacidad

adaptativa y de afrontar los cambios del clima es media, lo cual reduce la vulnerabilidad

frente a CC. Si bien la zona Este de la cuenca presenta susceptibilidad alta, se identifica

que las actividades de adaptación desarrolladas en esta zona contribuyen a que su

vulnerabilidad no sea tan alta.

117

Figura 6.25 Resultados distribuidos de la susceptibilidad de la cuenca del río Blanco al

CC. Fuente: elaboración propia.

Figura 6.26 Resultados distribuidos de la capacidad adaptativa de la cuenca del río

Blanco al CC. Fuente: elaboración propia.

118

Figura 6.27 Resultados distribuidos de la aplicación del índice IVUCC en la cuenca del río Blanco. Fuente: elaboración propia.

119

A partir de la evaluación de la vulnerabilidad presentada anteriormente, es evidente la

necesidad de expertos que manejen el tema del riesgo, para así robustecen este tipo de

herramientas metodológicas brindando información necesaria para establecer ponderados

en los indicadores y reduciendo la subjetividad de los indicadores.

6.4 Exploración de la posibilidad para evaluar el riesgo por CC en la cuenca del río Blanco.

Indicadores de amenaza

Entre las amenazas exacerbadas por el CC sobre una cuenca hidrográfica de la región

andina encontramos las inundaciones, deslizamientos de tierra por altas precipitaciones,

cambios en la temperatura y finalmente cambios en la precipitación. De acuerdo con el

Plan Territorial de Adaptación Climática del departamento de Nariño publicada en el año

2016, los eventos naturales que generan más pérdidas humanas y económicas en el

departamento de Nariño son: en primer lugar, se encuentra los deslizamientos de tierra

seguido de las inundaciones y en menor proporción los incendios forestales, las sequías,

heladas, granizadas y lluvias intensas (Guevara et al., 2016).

La Figura (6.28) muestra la aplicación de los indicadores utilizados para representar

amenazas como las inundaciones, deslizamiento de tierra y anomalías climáticas. Debido

a la baja información presente en la zona de estudio, la aplicación de modelos robustos no

es posible; por tanto, se aplican indicadores simples que representan las amenazas, sin la

precisión de un modelo robusto, pero con menores requisitos de información de entrada y

con resultados confiables siempre y cuando se verifiquen en campo.

120

Figura 6.28 Amenazas exacerbadas por el CC en la cuenca del río Blanco. Fuente:


En cuanto a la representación de las amenazas de inundación y deslizamiento de tierra se

realizó un posterior ajuste de los niveles teniendo en cuenta los recorridos de campo y los

antecedentes de inundación y deslizamientos que ha tenido la cuenca del río Blanco. En

la elaboración de los mapas de anomalías climáticas se realizó un tratamiento previo a los

datos, en primer lugar, relleno de datos faltantes y en segundo, utilizando una gráfica de

cajas y alambres; se identificaron los datos extremos (Anexo 5).

Debido a la topografía de la cuenca, las partes planas de la parte alta, media y baja tienden

a retener una alta humedad e incluso a desbordarse, generando inundaciones. La zona

media presenta varias zonas amenazadas por inundación debido a sus bajas pendientes,

a diferencia de la parte baja donde el río se encuentra encañonado.

121

La presencia de altas pendientes tanto en la parte alta (volcán Cumbal) como en la zona

baja (encañonamiento del río) favorece la ocurrencia de deslizamientos por lluvias

intensas.

Debido a las bajas temperaturas presentes en esta cuenca, tanto personas, animales y

plantas no adaptadas pueden ser afectados por las variaciones drásticas de la

temperatura. El resultado de amenaza por variación de la temperatura muestra un nivel de

variación bajo en la cuenca.

La cuenca presenta un nivel de amenaza por anomalía de precipitación media, la cual

puede afectar de forma directa o indirecta a personas, animales y cultivos.

Representación espacial del riesgo

Los resultados de la evaluación espacial del riesgo, por inundación se muestran en la

Figura (6.29), por deslizamiento de tierra se muestra en la Figura (6.30), por anomalía de

precipitación en la Figura (6.31) y por anomalía de temperatura en la Figura (6.32).

El cálculo de los mapas de riesgo se realizó utilizando el SIG ArcGis con su calculadora

para archivos de tipo raster con resolución de 30 metros de ancho por 30 de largo.

122

Figura 6.29 Resultados de la evaluación del riesgo por inundación en la cuenca del río

Blanco. Fuente: elaboración propia.

123

Figura 6.30 Resultados de la evaluación del riesgo por deslizamiento de tierra en la

cuenca del río Blanco. Fuente: elaboración propia.

124

Figura 6.31 Resultados de la evaluación del riesgo por anomalía de precipitación en la


125

Figura 6.32 Resultados de la evaluación del riesgo por anomalía de temperatura en la


126

Los resultados de la evaluación del riesgo por inundación muestran que los niveles más

altos se dan en cercanía al cauce principal de la cuenca del río Blanco, resultado de la

combinación de niveles de vulnerabilidad media y niveles de amenaza alto. Caso contrario

se da en las AVH en zonas cuyo nivel de vulnerabilidad es bajo y la amenaza presente es

alta.

La evaluación del riesgo por deslizamiento de tierra muestra que los valores más altos se

encuentran en la parte alta y baja de la cuenca. En la parte alta se debe a los niveles de

vulnerabilidad medio y la amenaza de deslizamiento de tierra alto debido a las altas

pendientes del volcán Chiles. El nivel alto de riesgo en la parte baja se debe a los niveles

de vulnerabilidad media y de amenaza alta de deslizamiento de tierra dado por el

encañonamiento del río Blanco.

Los resultados de la evaluación del riesgo por anomalía de precipitación muestran niveles

medios y bajos en la cuenca del río Blanco. Los niveles bajos se deben a una vulnerabilidad

baja frente a las anomalías de precipitación y una amenaza de nivel medio.

La evaluación del riesgo por anomalía de temperatura muestra que la cuenca presenta un

nivel de riesgo bajo. El nivel bajo de riesgo se debe a los niveles bajos de amenaza por

anomalías de temperatura. Sin embargo, hay que tener en cuenta que gran parte de la

población distribuida en la cuenca tiene como principal actividad económica la agricultura,

la cual es sensible a las variaciones de la temperatura. En esta cuenca se han presentado

casos de granizadas e incluso heladas, no muy frecuentes pero que pueden causar

grandes daños en los cultivos.

En la Figura (6.33) se muestra los resultados de la evaluación del riesgo frente a Cambio

Climático en la cuenca del río Blanco ubicada en la región andina del departamento de

Nariño.

127

Figura 6.33 Evaluación espacial del riesgo por CC. Fuente: elaboración propia.

128

Los resultados de la evaluación del riesgo frente al CC mostraron que los niveles altos de

riesgo se concentran principalmente en el cauce principal del río Blanco y en la parte alta

de la cuenca, donde se encuentra el volcán Cumbal. Los niveles altos de riesgo frente a

CC corresponden principalmente a la afectación por inundación y por deslizamiento de

tierra.

Gran parte de las zonas con niveles bajos de riesgo frente al CC se encuentra en zonas

aledañas a los centros poblados de Cumbal y Carlosama.

La desagregación espacial realizada en este estudio utilizando las AHV permite tener

información más detallada de la vulnerabilidad y a su vez permite identificar tendencias

espaciales.

Si bien el índice puede ser aplicado en varias cuencas de la región andina, se puede

considerar ajustar el peso de cada indicador ya que cada región tiene condiciones

específicas. Por tanto, hay que tener precaución al aplicar ponderaciones uniformes de

indicadores en todas las cuencas de la región andina de Nariño.

129

7. Conclusiones

Los indicadores desarrollados en este trabajo se basan en la adaptación y ajuste de

indicadores existentes recolectados a través de revisión de literatura, lo cual permitió

captar la vulnerabilidad no sólo teniendo en cuenta el punto de vista local sino que también

desde un panorama global. Los indicadores se desarrollaron de tal forma que la

recolección de información sea fácil y que se encuentre disponible en su mayoría de forma

libre en plataformas de entidades públicas o que su recolección pueda realizarse mediante

entrevistas. Esto se debe a que no muchas instituciones como universidades, alcaldías y

la corporación autónoma del departamento de Nariño tienen presupuesto e incluso

convenios para disponer de información que otros modelos de evaluación de vulnerabilidad

requieren.

Actualmente, existen muchas estrategias metodológicas para la evaluación de la

vulnerabilidad; sin embargo, no todas se adaptan a la región andina del departamento de

Nariño y a la disponibilidad de información. En este trabajo de maestría se estableció como

objetivo general realizar y aplicar a un caso de estudio una estrategia metodológica para

evaluar espacialmente la vulnerabilidad al CC, a través de la construcción y el cálculo de

un índice de vulnerabilidad al cambio climático IVUCC basado en el concepto de

vulnerabilidad y riesgo del IPCC y el uso de herramientas técnicas y analíticas como la

lógica difusa y los SIG para la recolección, espacialización y análisis de los datos. El índice

IVUCC permitió profundizar en las causas específicas de la vulnerabilidad partiendo de la

susceptibilidad y la capacidad adaptativa de un sistema social, junto con el punto de vista

de temas sociales, productivos, ecológicos y socioeconómicos.

La aplicación del índice IVUCC no solo permitió valorar los niveles de vulnerabilidad, sino

que también su distribución y tendencia espacial de las zonas más y menos vulnerables.

La cuenca presenta niveles medios y bajos de vulnerabilidad al CC, del cual más del 60%

130

de la cuenca presenta niveles medios. Los resultados muestran que la vulnerabilidad baja

tiene una tendencia a darse en zonas aledañas a los centros poblados debido a los muchos

beneficios que esto representa en la reducción de la vulnerabilidad (mayor diversidad en

la oferta laboral, menor dependencia de recursos forestales, acceso a educación, acceso

a insumos y transporte vial).

Al igual que los indicadores de vulnerabilidad desarrollados en este trabajo, los indicadores

que representan las amenazas de inundación, deslizamiento, anomalías de precipitación

y anomalías de temperatura fueron seleccionados debido a la fácil adquisición de los

insumos y a su facilidad de aplicación. En cuanto a la exposición, si bien en este trabajo

no es mencionado en muchas partes, se considera uno de los aspectos más relevantes en

la evaluación del riesgo, y fue representado en la superposición de las capas de

vulnerabilidad y de amenaza puesto que la exposición representa la ubicación espacial de

un sistema expuesto, representado por las AHV, frente a un grado de amenaza

determinado.

El presente estudio reveló desafíos relacionados con la escala espacial de los datos y la

selección de indicadores. El índice de vulnerabilidad y los subíndices construidos podrían

no ser muy concluyentes, sin embargo muestran una aproximación aceptable a la

evaluación de la vulnerabilidad al cambio climático en una cuenca hidrográfica.

La literatura académica demuestra una falta de una conceptualización clara de la

vulnerabilidad, lo que conduce a que la evaluación de la vulnerabilidad sea más compleja

y mucho más cuando debe ser entendida en el ámbito de las políticas. Oculi y Stephenson,

(2018) sustenta la falta de conceptos claros de vulnerabilidad utilizando dos cuestiones: en

primer lugar, los académicos y los formuladores de políticas comúnmente invocan

definiciones e interpretaciones del término que compiten entre sí. En segundo lugar, las

metodologías para comprender y medir la vulnerabilidad son muy variadas, lo que complica

el uso del término en la academia y la política.

La exploración de la posibilidad de evaluar el riesgo frente a CC en la cuenca del río Blanco

permitió representar el riesgo teniendo en cuenta procesos sociales que lo producen y no

solo el proceso físico de la amenaza. La evaluación del riesgo utilizando el índice IVUCC

e indicadores de amenaza basados en teledetección e interpolación permitieron valorar los

niveles y la distribución del riesgo y de sus componentes de forma separada (vulnerabilidad

y amenaza). La representación espacial del riesgo permitió entender mejor el riesgo, dando

131

a conocer las características de la población y de las condiciones naturales de la cuenca

del río Blanco. Los resultados de este trabajo muestran que estrategias metodológicas

como el modelo conceptual de vulnerabilidad y riesgo del IPCC, la lógica difusa, índices

compuestos y SIG se pueden complementar tanto para el análisis de información de la

vulnerabilidad como del riesgo.

132

8. Limitaciones

Una de las grandes limitaciones en la construcción del índice IVUCC fue la consolidación

de reglas de decisión y de funciones difusas debido a la escasez de profesionales con

dominio del tema de vulnerabilidad, inteligencia artificial, cambio climático, región andina

del departamento de Nariño y sistemas de información geográfico. Por tanto, el índice

IVUCC se limitó a ser construido con base en revisión de literatura científica y en

verificación e campo.

Si bien las técnicas para espacializar eventos de amenazas naturales son amplias, se

evidencia una alta limitación de los estudios revisados al espacializar la vulnerabilidad

teniendo en cuenta una distribución homogénea que siga patrones espaciales. Por tanto,

este estudio se limita a seguir una distribución de vulnerabilidad al CC basada en

aproximaciones de cambios en las actividades económicas e hidrológicas al utilizar fajas

de elevación que limitan las actividades agropecuarias desarrolladas, junto con la

subdivisión en subcuencas que definen características hidrológicas como la dirección del

escurrimiento, caudal, red de drenaje, entre otros.

En este estudio se realizó una combinación de información de diferente resolución, la

información resultante de los indicadores del índice IVUCC distribuidos en AHV y los

indicadores morfométricos y de variación de parámetros climáticos con resolución de 30

metros de ancho por 30 metros de largo. No se alcanza a definir la combinación de escalas

adecuadas, pero se tiene en cuenta que para la toma de decisiones en la cuenca del río

Blanco es mejor conservar la mejor resolución, que consiste en pixeles de 30 x 30 metros,

ya que ayuda a diferenciar mejor los sistemas ubicados en zonas expuestas.

La escasa presencia de estaciones meteorológicas con información de temperatura no

deja ver claramente cómo es la distribución de la variación en la temperatura de la cuenca

del río Blanco. Por otra parte, la falta de expertos con conocimiento de la zona y el tema

133

de estudio no permitió dar pesos detallados a cada indicador para realizar su combinación

y generar la vulnerabilidad y el riesgo frente a Cambio Climático.

134

9. Recomendaciones

En este trabajo se realiza una propuesta de evaluación de la vulnerabilidad frente a CC

que genera resultados confiables; sin embargo, se recomienda seguir con un proceso de

análisis de sensibilidad en los rangos, funciones de pertenencia, reglas de decisión y pesos

proporcionados a cada indicador de vulnerabilidad.

Para futuros estudios se recomienda realizar un proceso de validación espacial para

ajustar los indicadores de vulnerabilidad frente a CC para ser aplicados en otras cuencas

del departamento de Nariño. Para la validación es necesario ajustar las funciones y reglas

de decisión utilizando un panel de expertos; sin embargo, debido a la escasez de

profesionales especializados en esta rama que incluye la inteligencia artificial, lógica difusa

y sistemas de información geográfica, se recomienda ser sustituido por revisión de

literatura científica y verificación en campo.

Si bien en este trabajo se hace una aproximación a la distribución espacial de la

vulnerabilidad frente al CC de forma homogénea para la toma de decisiones a nivel de

cuenca hidrográfica, es necesario ajustar esta metodología en cuencas que presentan

industrias y otro tipo de actividades distintas a las agropecuarias, ya que pueden modificar

en gran medida la distribución de la vulnerabilidad.

Al igual que es necesario ajustar los pesos de los indicadores de vulnerabilidad, también

es necesario ajustar los indicadores de amenaza debido a que amenazas como los

deslizamientos y las inundaciones han tenido mayores repercusiones sociales que las

anomalías climáticas. En este estudio se les dio el mismo peso a los 4 tipos de amenaza

para lograr realizar la exploración al tema de riesgo.

135

Bibliografía

Abid, M., Schilling, J., Scheffran, J., & Zulfiqar, F. (2016). Climate change vulnerability,

adaptation and risk perceptions at farm level in Punjab, Pakistan. Science of the Total

Environment, 547, 447–460. http://doi.org/10.1016/j.scitotenv.2015.11.125

Adger, W. N. (2006). Vulnerability. Global Environmental Change, 16(3), 268–281.

http://doi.org/10.1016/j.gloenvcha.2006.02.006

Akbari, a., Abu Samah, a., & Othman, F. (2012). Integration of SRTM and TRMM date into

the GIS-based hydrological model for the purpose of flood modelling. Hydrology and

Earth System Sciences Discussions, 9(4), 4747–4775. http://doi.org/10.5194/hessd-

9-4747-2012

Aldunce, P., Neri, C., & Szlafsztein, C. (2008). Hacia la evaluación de prácticas de

adaptación ante La variabilidad y el cambio climático. Facultad de Ciencias

Agronómicas, Universidad de Chile. Retrieved from

http://environmentalmigration.iom.int/hacia-la-evaluación-de-prácticas-de-

adaptación-ante-la-variabilidad-y-el-cambio-climático

Almeida, L. Q., Welle, T., & Birkmann, J. (2016). Disaster risk indicators in Brazil: A proposal

based on the world risk index. International Journal of Disaster Risk Reduction,

17(March 2015), 251–272. http://doi.org/10.1016/j.ijdrr.2016.04.007

Arango, M., Urán, C., & Pérez, G. (2008). Applicability of fuzzy logic to supply chains.

Avances En Sistemes E Informatica, 5, 117–126. Retrieved from

http://revistas.unal.edu.co/index.php/avances/article/view/10105/10630

Bär, R., Rouholahnejad, E., Rahman, K., Abbaspour, K. C., & Lehmann, A. (2015). Climate

change and agricultural water resources: A vulnerability assessment of the Black Sea

catchment. Environmental Science & Policy, 46, 57–69.

136

http://doi.org/10.1016/j.envsci.2014.04.008

Barragán, A. (2009). Síntesis de sistemas de control borroso estables por diseño. Tesis

para optar el grado de doctorado. Universidad de Huelva, España. Retrieved from

http://rabida.uhu.es/dspace/bitstream/handle/10272/2629/b15480549.pdf?sequence

=1

Batisha, A. F. (2015). Implementing fuzzy decision making technique in analyzing the Nile

Delta resilience to climate change. Alexandria Engineering Journal, 54(4), 1043–1056.

http://doi.org/10.1016/j.aej.2015.05.019

Baumann, M., Ozdogan, M., Richardson, A. D., & Radeloff, V. C. (2017). Phenology from

Landsat when data is scarce: Using MODIS and Dynamic Time-Warping to combine

multi-year Landsat imagery to derive annual phenology curves. International Journal

of Applied Earth Observation and Geoinformation, 54, 72–83.

http://doi.org/10.1016/j.jag.2016.09.005

Böhner, J., & Selige, T. (2006). Spatial prediction of soil attributes using terrain analysis

and climate regionalisation. SAGA - Analyses and Modelling Applications,

115(January 2002), 13–28.

Buotte, P. C., Peterson, D. L., McKelvey, K. S., & Hicke, J. A. (2016). Capturing subregional

variability in regional-scale climate change vulnerability assessments of natural

resources. Journal of Environmental Management, 169, 313–318.

http://doi.org/10.1016/j.jenvman.2015.12.017

Capachero, C., García, P., & Obregón, N. (2015). Análisis de la exactitud del Modelo Digital

de Terreno SRTM-30 para Colombia usando datos IGAC e IDEAM. Revista de

Investigaciones, Universidad Del Quindío, 27(1), 30–38. Retrieved from

http://repositorio.uniquindio.edu.co/bitstream/123456789/537/1/30-38.pdf

Cardona. (2001). La necesidad de repensar de manera holistica los conceptos de

vulnerabilidad y riesgo “Una Crítica y una Revisión Necesaria para la Gestión.”

International WorkConference on Vulnerability in Disaster Theory and Practice,

(March), 1–18. Retrieved from

http://www.desenredando.org/public/articulos/2003/rmhcvr/rmhcvr_may-08-2003.pdf

Cardona, Ordaz, M. G., Reinoso, E., & Barbat, A. (2011). Enfoque Integral Para La

137

Evaluación Probabilista Del Riesgo ( Capra ): Iniciativa Para Mejorar La Efectividad

De La Gestión Del Riesgo De Desastre. Granada, España: 4° Congreso Nacional de

Ingeniería Sísmica. Retrieved from

http://repositorio.gestiondelriesgo.gov.co/bitstream/20.500.11762/19783/1/IniciativaC

APRA(Cardona_2011).pdf

Carrera, D. V., Guevara García, P. V., Tamayo Bacacela, L. C., Balarezo Aguilar, A. L.,

Narváez Rivera, C. A., & Morocho López, D. R. (2016). Relleno de series anuales de

datos meteorológicos mediante métodos estadísticos en la zona costera e interandina

del Ecuador, y cálculo de la precipitación media. Idesia (Arica), 34(3), 81–90.

http://doi.org/10.4067/S0718-34292016000300010

CATIE. (2010). Adaptación al cambio climático y servicios ecosistémicos en América

Latina: libro de actas del seminario internacional SIASSE 2008. (A. Celia, B. Locatelli,

R. Vignola, & P. Imbach, Eds.). Centro Agronómo Tropical de Investigación y

Enseñanza. Retrieved from

http://repositorio.bibliotecaorton.catie.ac.cr/handle/11554/7274

CEPAL. (2007). Departamento de Nariño , Colombia Perfil sociodemográfico básico.

Comisión Económica para América Latina y el Caribe. Retrieved from

http://www.cepal.org/celade/noticias/paginas/2/40392/2_narino.pdf

Cimmery, V. (2010). User Guide for SAGA (version 2.0.5), Vol. 2. SAGA User Guide.

Retrieved from http://mirror.ufs.ac.za/sagagis/SAGA - Documentation/SAGA 2 User

Guide/SAGA_User_Guide_Vol2_Cimmery_version_2.0.5_20101209.pdf

CORPOCALDAS, & UNAL. (2013). Plan De Ordenación y Manejo Ambiental de la Cuenca

Hidrográfica del Río Chinchiná en el Departamento de Caldas. Corporación Autónoma

Regional de Caldas. Retrieved from

http://www.corpocaldas.gov.co/publicaciones/1508/1-

SintesisPOMCARioChinchina_.pdf

Corponariño. (2008). Plan de Ordenamiento y Manejo de la Cuenca del río Blanco.

Colombia: Corporación Autónoma Regional de Nariño.

CORPONARIÑO. (2009). Índice de Escasez de Agua Superficial Cuenca del Río Blanco.

Colombia: Corporación Autónoma Regional de Nariño.

138

CORPONARIÑO. (2011). Plan de Ordenamiento del Recurso Hídrico- PORH del Río

Blanco. Pasto, Nariño: Corporación Autónoma Regional de Nariño. Retrieved from

http://corponarino.gov.co/expedientes/descontaminacion/porhrioblanco.pdf

Correa, G. (2004). Aproximaciones metodológicas para la toma de decisiones, apoyadas

en modelos difusos. Tesis de grado para optar el título de Magister en Ingeniería de

Sistemas. Universidad Nacional de Colombia.

DANE. (2018a). Metadatos_ Mapa Municipal de Relación de Dependencia según Grupos

Etareos. Escala 1:500.000. Republica de Colombia. Año 2005. Instituto Geográfico

Agustin Codazzi- Plataforma Sistema de Información Geográfica para la planeación y

el Ordenamiento Territorial (SIG- OT). Retrieved from

http://sigotn.igac.gov.co/sigotn/frames_metadato.aspx?id=170195

DANE. (2018b). Necesidades Básicas Insatisfechas (NBI). Departamento Nacional de

Planeación. Retrieved from https://www.dane.gov.co/index.php/estadisticas-por-

tema/pobreza-y-condiciones-de-vida/necesidades-basicas-insatisfechas-nbi

Dewan, A., Corner, R., Saleem, A., Rahman, M. M., Haider, M. R., Rahman, M. M., &

Sarker, M. H. (2016). Assessing channel changes of the Ganges-Padma River system

in Bangladesh using Landsat and hydrological data. Geomorphology, 276, 257–279.

http://doi.org/10.1016/j.geomorph.2016.10.017

Díaz, R. (2018). Vulnerabilidad y riesgo como conceptos indisociables para el estudio del

impacto del cambio climático en la salud. Región Y Sociedad, 73.

http://doi.org/http://dx.doi.org/10.22198/rys.2018.73.a968

DNP, MADS, IDEAM, & UNGRD. (2013). Hoja De Ruta Para La Elaboración De Los Planes

De Adaptación Dentro Del Plan Nacional De Adaptación Al Cambio Climático. Bogotá,

Colombia. Retrieved from

http://www.minambiente.gov.co/images/cambioclimatico/pdf/Plan_nacional_de_adap

tacion/2._hoja_ruta_planes_adaptacion_v_0.pdf

Dong, Z., Pan, Z., An, P., Wang, L., Zhang, J., He, D., … Pan, X. (2015). A novel method

for quantitatively evaluating agricultural vulnerability to climate change. Ecological

Indicators, 48, 49–54. http://doi.org/10.1016/j.ecolind.2014.07.032

Dumenu, W. K., & Obeng, E. A. (2016). Climate change and rural communities in Ghana:

139

Social vulnerability, impacts, adaptations and policy implications. Environmental

Science and Policy, 55, 208–217. http://doi.org/10.1016/j.envsci.2015.10.010

El-Zein, A., & Tonmoy, F. N. (2015). Assessment of vulnerability to climate change using a

multi-criteria outranking approach with application to heat stress in Sydney. Ecological

Indicators, 48, 207–217. http://doi.org/10.1016/j.ecolind.2014.08.012

Farr, T., Rosen, P. a, Caro, E., Crippen, R., Duren, R., Hensley, S., … Burbank, D. (2008).

The Shuttle Radar Topography Mission. NASA. Retrieved from

http://www3.jpl.nasa.gov/srtm/SRTM_paper.pdf

Fernández-Manso, O., Fernández-Manso, A., & Quintano, C. (2014). Estimation of

aboveground biomass in Mediterranean forestsby statistical modelling of ASTER

fraction images. International Journal of Applied Earth Observation and

Geoinformation, 31(1), 45–56. http://doi.org/10.1016/j.jag.2014.03.005

García, M. claudia, Piñeros, A., Bernal, F., & Ardila, E. (2012). Variabilidad climática ,

cambio climático y el recurso hídrico en Colombia *. Revista de Ingenieria, Universidad

de Los Andes, 60–64. Retrieved from

http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-

49932012000100012

Geler, T., Penteado, A., & Perez, A. (2017). LS-Factor analysis in different prediction

models of water soil erosion. Observatorio Geográfico America Latina, 5, 226–233.

Retrieved from

http://observatoriogeograficoamericalatina.org.mx/egal15/Nuevastecnologias/Sig/18.

pdf

Gobernacion del Huila, CAM, E3, USAID, FCMC, & 4D. (2014). Análisis de Vulnerabilidad

al Cambio Climático. Plan Huila 2050., 122. Retrieved from

http://www.minambiente.gov.co/images/cambioclimatico/pdf/nodo_centro_andino/Hui

la_2050-_Plan_de_Cambio_Climatico_2x1.pdf

GRASS. (2018). GRASS GIS - Inicio. Retrieved July 14, 2018, from https://grass.osgeo.org/

Guevara, O., Abud, M., Trujillo, A., Suárez, C., Cuadros, L., López, C., & Flórez, C. (2016).

Plan Territorial de Adaptación Climática del deparamento de Nariño. Cali, Colombia.

Retrieved from

140

http://d2ouvy59p0dg6k.cloudfront.net/downloads/plan_territorial_de_adaptacion_clim

atica_del_departamento_de_narino.pdf

Han, C., Ma, Y., Chen, X., & Su, Z. (2016). Estimates of land surface heat fluxes of the Mt.

Everest region over the Tibetan Plateau utilizing ASTER data. Atmospheric Research,

168, 180–190. http://doi.org/10.1016/j.atmosres.2015.09.012

Henao, J. (2016). Propuesta de un índice de vulnerabilidad a sequía de fuentes de agua

superficial en subcuencas andinas. Tesis presentada como requisito para optar al

título de Magister en Ingeniería Ambiental. Universidad Nacional de Colombia.

IDEAM. (2010). Programa de Integración de Ecosistemas y Adaptación al Cambio

Climático en el Macizo Colombiano. Instituto de Hidrología, Meteorología y Estudios

Ambientales. Retrieved from

http://www.minambiente.gov.co/images/cambioclimatico/pdf/Plan_nacional_de_adap

tacion/Programa_de_Integración_de_Ecosistemas_y.pdf

IDEAM. (2011). Evidencias de cambio climático en colombia con base en información

estadística. Nota Técnica Del IDEAM. Intituto de Hidrología, Meteorología y Estudios


http://www.ideam.gov.co/documents/21021/21138/Evidencias+de+Cambio+Climátic

o+en+Colombia+con+base+en+información+estadística.pdf/1170efb4-65f7-4a12-

8903-b3614351423f

IDEAM. (2014). Indicadores Ambientales Nacionales del IDEAM. Retrieved from

http://www.ideam.gov.co/web/ecosistemas/indicadores

IDEAM. (2015). Informe del estado del Medio Ambiente y de los Recursos Naturales

Renovables 2012, 2013 y 2014. Instituto de Hidrología, Meteorología y Estudios


http://documentacion.ideam.gov.co/openbiblio/bvirtual/023235/IEARN_primera_parte

_clima_2014.pdf

IDEAM, MADS, & UNDP. (2012). Reducción del riesgo y de la vulnerabilidad frente al

cambio climático en la región de La Depresión Momposina en Colombia. Ministerio de

Ambiente y Desarrollo Sostenible. Retrieved from

https://info.undp.org/docs/pdc/Documents/COL/00068537-

141

00083662_10102012_PRODOC_Mojana.pdf

IDEAM, PNUD, MADS, DNP, & CANCILLERÍA. (2015). Nuevos Escenarios de Cambio

Climático para Colombia 2011-2100 Herramientas Científica para los Tomadores de

Decisione- Enfoque Nacional - Departamental: Tercera Comunicación Nacional de

Cambio Climático. BMC Genetics (Vol. 13). Bogotá, Colombia: Instituto de Hidrología,

Meteorología y Estudios Ambientales. http://doi.org/10.1186/1471-2156-13-58

IPCC. (2003). Good Practice Guidance for Land Use, Land-Use Change and Forestry.

Intergovernmental Panel on Climate Change, Good Practice Guidelines on Land Use,

Land Use Change and Forestry. Hayama, Japan: IPCC National Greenhouse Gas

Inventories Programme. Retrieved from http://www.ipcc-

nggip.iges.or.jp/public/gpglulucf/gpglulucf_files/GPG_LULUCF_FULL.pdf

IPCC. (2007). Cambio climático 2007: Informe de síntesis. Conribución de los Grupos de

trabajo I, II y III al Cuarto Informe de evaluación del Grupo Intergubernamental de

Expertos sobre el Cambio Climático. (R. . Pachauri & A. Reisinger, Eds.). Ginebra,

Suiza: IPCC. http://doi.org/10.1256/004316502320517344

IPCC. (2013). Resumen para responsables de políticas. En: Cambio Climático 2013: Bases

físicas. Contribución del Grupo de trabajo I al Quinto Informe de Evaluación del Grupo

Intergubernamental de Expertos sobre el Cambio Climático. Cambio Climático 2013:

Bases Físicas. Contribución Del Grupo de Trabajo I Al Quinto Informe de Evaluación

Del Grupo Intergubernamental de Expertos Sobre El Cambio Climático, 27.

http://doi.org/10.1256/004316502320517344

IPCC. (2014). Cambio Climático 2014: Impactos, adaptación y vulnerabilidad- Resumen

para responsables de politicas. Contribución del Grupo de trabajo II al Quinto Informe

de Evaluación del Grupo Intergubernamental de Expertos sobre el Cambio Climático.

(C. . Field, V. R. Barros, D. J. Dokken, K. J. Mach, M. D. Mastrandrea, T. E. Bilir, … L.

L. White, Eds.). Ginebra, Suiza: IPCC. Retrieved from

https://www.ipcc.ch/pdf/assessment-report/ar5/wg2/ar5_wgII_spm_es.pdf

KC, B., Shepherd, J. M., & Gaither, C. J. (2015). Climate change vulnerability assessment

in Georgia. Applied Geography, 62, 62–74.

http://doi.org/10.1016/j.apgeog.2015.04.007

142

Kumar, P., Geneletti, D., & Nagendra, H. (2016). Spatial assessment of climate change

vulnerability at city scale: A study in Bangalore, India. Land Use Policy, 58, 514–532.

http://doi.org/10.1016/j.landusepol.2016.08.018

Liu, H. L., Willems, P., Bao, A. M., Wang, L., & Chen, X. (2016). Effect of climate change

on the vulnerability of a socio-ecological system in an arid area. Global and Planetary

Change, 137, 1–9. http://doi.org/10.1016/j.gloplacha.2015.12.014

MADS. (2014). Guía Técnica para la Formulación de los Planes de Ordenación y Manejo

de cuencas Hidrográficas POMCAS. Aneo B. Gestión del Riesgo. MADS.

http://doi.org/10.1017/CBO9781107415324.004

MADS, A. (2015). Cartilla: Incorporación de Cambio Climático en Planes Estratégicos de

Macrocuenca y Planes de Ordenación y manejo de cuencas hidrográficas. Bogotá,

Colombia: MADS. Retrieved from http://cambioclimaticorh.wix.com/cclim-cuencas

Maguiña, R. (2010). Sistemas de Inferencia Basado en Logica Borrosa: Fundamentos y

casos de estudio. Revista de Investigacion de Sistemas E Informatica, 7(1), 91–104.

http://doi.org/ISSN 1816-3823

Mapplecroft. (2014). Índice de vulnerabilidad y adaptación al cambio climático en la región

de América Latina y el Caribe. (CAF, Ed.). Retrieved from

http://www19.iadb.org/intal/intalcdi/PE/2014/15019es.pdf

Marchi, L., & Dalla Fontana, G. (2005). GIS morphometric indicators for the analysis of

sediment dynamics in mountain basins. Environmental Geology, 48(2), 218–228.

http://doi.org/10.1007/s00254-005-1292-4

Naciones Unidas. (1992). Convención marco de las Naciones Unidas sobre el cambio

climático. Retrieved from

http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Convenci?n+marco

+de+las+naciones+unidas+sobre+el+cambio+clim?tico#1

Neset, T.-S., Wiréhn, L., Opach, T., Glaas, E., & Linnér, B.-O. (2018). Evaluation of

indicators for agricultural vulnerability to climate change: The case of Swedish

agriculture. Ecological Indicators, (April), 0–1.

http://doi.org/10.1016/J.ECOLIND.2018.05.042

143

Nguyen, A. K., Liou, Y. A., Li, M. H., & Tran, T. A. (2016). Zoning eco-environmental

vulnerability for environmental management and protection. Ecological Indicators, 69,

100–117. http://doi.org/10.1016/j.ecolind.2016.03.026

Ocampo, O. (2012). Análisis de Vulnerabilidad de la cuenca del río Chinchiná. Manizales,

Colombia: Universidad Nacional de Colombia. Retrieved from

http://www.bdigital.unal.edu.co/6100/3/8109507.2012_Parte1.pdf

Oculi, N., & Stephenson, S. R. (2018). Conceptualizing climate vulnerability: Understanding

the negotiating strategies of Small Island Developing States. Environmental Science

and Policy, 85(August 2017), 72–80. http://doi.org/10.1016/j.envsci.2018.03.025

Ortegón, M. (2011). Disenesu , interfaz grafica conmatlab. Ingeniería E Investigación.

Retrieved from

https://revistas.unal.edu.co/index.php/ingeinv/article/view/21049/22002

Pandey, R., & Bardsley, D. K. (2015). Social-ecological vulnerability to climate change in

the Nepali Himalaya. Applied Geography, 64, 74–86.


Puerta-Tuesta, R., Rengifo, J., & Bravo, N. (2013). Manual de ArcGIS 10 Nivel Intermedio.

Universidad Nacional Agraria de la Selva. Retrieved from

http://arcgeek.com/descargas/MAG10I.pdf

Qgis. (2018). Descubre QGIS. Retrieved May 15, 2018, from

https://www.qgis.org/es/site/about/index.html

Quintero-Angel, M., Carvajal-Escobar, Y., & Aldunce, P. (2012). Adaptación a La

Variabilidad Y El Cambio Climático: Intersecciones Con La Gestión Del Riesgo.

Revista Luna Azul, 34, 257–271. Retrieved from

http://www.redalyc.org/articulo.oa?id=321727348015

Roa-Lobo, J., & Kamp, U. (2012). Use of the topographic wetness index (TWI) for the

diagnosis of the river overflow threat, Trujillo State-Venezuela. Revista Geográfica

Venezolana, 53 (1), 109–126. http://doi.org/10.1017/CBO9781107415324.004

Robinson, S. ann. (2018). Climate change adaptation in small island developing states:

Insights and lessons from a meta-paradigmatic study. Environmental Science and

144

Policy, 85(March), 172–181. http://doi.org/10.1016/j.envsci.2018.03.030

Rosero, D. (2015). Aplicación y evaluación de un índice de cambio climático ( ICC ) para

evaluar la vulnerabilidad de la microcuenca Dolores ubicada en el Departamento de

Nariño. Palmira, Valle del CAuca: Universidad Nacional de Colombia.

r-project. (2016). R: ¿Qué es R? Retrieved from https://www.r-project.org/about.html

Salgado, Zuloaga, & Cardona. (2013). Evaluación probabilista del riesgo sísmico de

Bogotá y Manizales con y sin la influencia de la Caldas Tear. Revista de Ingeniería,

38, 6–13. Retrieved from http://www.scielo.org.co/pdf/ring/n38/n38a02.pdf

Satta, A., Snoussi, M., Puddu, M., Flayou, L., & Hout, R. (2016). An index-based method

to assess risks of climate-related hazards in coastal zones: The case of Tetouan.

Estuarine, Coastal and Shelf Science, 175, 93–105.

http://doi.org/10.1016/j.ecss.2016.03.021

Soto, M. V., Märker, M., Arriagada, J., Castro, C. P., & Rodolfi, G. (2010). Evaluación de la

amenaza natural en ambiente semiárido, sustentada en la geomorfología y el

modelamiento de índices topográficos. Salamanca, Región de Coquimbo, Chile.

Investigaciones Geográficas, 42, 19–36.

Súarez. (2003). Sumario de indicadores e índices relacionados con la evaluación de la

vulnerabilidad, la amenaza y el riesgo por eventos naturales. Manizales, Colombia:

BID, CEPAL, IDEA UNAL. Retrieved from www.iadb.org/sds/env

Therburg, A., D ’Inca, V., & López, M. (2005). Modelo de indicadores ambientales.

Observatorio ambiental. Revista Proyección, 1, 1–17. Retrieved from

http://bdigital.uncu.edu.ar

Turbay, S., Nates, B., Jaramillo, F., Velez, J. J., & Ocampo, O. L. (2014). Adaptacion a la

variabilidad climatica entre los caficultores de las cuencas de los rios Porce y

Chinchina, Colombia. Investigaciones Geograficas, 85, 95–112.

http://doi.org/10.14350/rig.42298

Van Wesenbeeck, C. F. A., Sonneveld, B. G. J. S., & Voortman, R. L. (2016). Localization

and characterization of populations vulnerable to climate change: Two case studies in

Sub-Saharan Africa. Applied Geography, 66, 81–91.

145


Vargas, V. (2014). Modelo Basado En Conocimiento Para La Planeación De Cuencas

Hidrográficas Con El Uso De Inteligencia Artificial. Tesis presentada para optar el título

de Doctor en Ingeniería. Universidad Del Valle, 166.

Vargas, V., & Restrepo, I. (2018). Construction of index with artificial intelligence to evaluate

vulnerability to climate change in Andean tropical micro-watersheds . Study case in

Colombia Construcción de índice con inteligencia artificial para evaluar vulnerabilidad

al cambio climático, 85(204), 194–203.

Viloria, J. (2007). Economía Del Departamento De Nariño : Ruralidad Y Aislamiento

Geográfico. Cartagena, Colombia: Banco de la República. Retrieved from

http://www.banrep.gov.co/docum/Lectura_finanzas/pdf/DTSER-87.pdf

WWF. (2013). Nodos regionales de cambio climatico: Reporte consolidado de línea base

análisis de riesgos climáticos y necesidades de adaptación climática. Cali, Colombia:

WWF. Retrieved from

http://www.minambiente.gov.co/images/BosquesBiodiversidadyServiciosEcosistemic

os/pdf/nodos_territoriales/250314_inf_linea_base_adaptacion_cambio_clima.pdf

Xu, H., Huang, S., & Zhang, T. (2013). Built-up land mapping capabilities of the ASTER

and Landsat ETM+ sensors in coastal areas of southeastern China. Advances in

Space Research, 52(8), 1437–1449. http://doi.org/10.1016/j.asr.2013.07.026

Xu, H., & Zhang, T. (2013). Assessment of consistency in forest-dominated vegetation

observations between ASTER and Landsat ETM+ images in subtropical coastal areas

of southeastern China. Agricultural and Forest Meteorology, 168, 1–9.

http://doi.org/10.1016/j.agrformet.2012.08.012

Yepes-Mayorga, A. (2012). Cambio Climático: estrategias de gestión con el tiempo en

contra... Orinoquia, 16(1), 77–92. Retrieved from

http://www.scielo.org.co/pdf/rori/v16n1/v16n1a09.pdf

Yousefi, S., Pourghasemi, H. R., Hooke, J., Navratil, O., & Kidová, A. (2016). Changes in

morphometric meander parameters identified on the Karoon River, Iran, using remote

sensing data. Geomorphology, 271, 55–64.

http://doi.org/10.1016/j.geomorph.2016.07.034

146

10. Anexo

10.1 Información del SIG-OT disponible en la zona de estudio.

Teniendo en cuenta la fácil visualización y acceso a la información proporcionada por la

plataforma del Sistema de Información Geográfico para la planeación y el Ordenamiento

Territorial (SIG-OT) se obtuvo la siguiente información a nivel municipal y diferenciada

entre zona rural y urbana.

En la Tabla (10.1) se recopila la información del DANE disponible en la plataforma del SIG-

OT a escala municipal.

Tabla 10.1 Datos DANE SIG-OT. Fuente: elaboración propia.

DANE

1 Cobertura rural de acueducto

15 Densidad de población 18 Población de 3 años y

más por nivel educativo _prescolar

32 Población

urbana/rural

2 cobertura rural

de alcantarillado 16

Hogares en hacinamiento

19

Población de 3 años y más por nivel educativo normalista_ superior y

postgrado

33 Relación de dependencia

3 Cobertura rural

de energía eléctrica

17 Hogares por vivienda 20 Población rural 34 Tamaño

promedio del hogar

4 Cobertura rural de gas natural

18 Hogares urbano/rural 21 población según

pertenencia étnica indígena rural

35 Tasa de

alfabetismo rural

5 Cobertura total de acueducto

19 Necesidades básicas

insatisfechas NBI 22

Población según pertenencia étnica

indígena total 36

Tasa de alfabetismo

total

6 Cobertura total

de alcantarillado 20

Necesidades básicas insatisfechas NBI rural

23 Población según

pertenencia étnica indígena urbano

37 Tasa de

alfabetismo urbano

7 Cobertura total

de energía eléctrica

21 Necesidades básicas

insatisfechas- NBI urbano


pertenencia étnica negro, 38

Tasa de analfabetismo

total

147

DANE

mulato, afrocolombiano_ rural

8 Cobertura total de gas natural

22 Nivel educativo técnico

y profesional 25

Población según pertenencia étnica negro, mulato, afrocolombiano_

total

39 Tasa de

crecimiento intercensal

9 Cobertura urbana de acueducto

23 Omisión censal 26

Población según pertenencia étnica negro, mulato, afrocolombiano_

urbano

40 Tasa de

variación del PIB

10 Cobertura urbana de

alcantarillado 24

Población de 3 años y más por nivel educativo

básica primaria 27


rom_rural 41 Viviendas total

11 Cobertura urbana de

energía eléctrica 25


básica secundaria 28


rom_Total 42

Viviendas urbano/rural

12 Cobertura

urbana de gas natural

26


media académica clásica


pertenencia étnica rom_Urbano

13 Déficit de

vivienda por zona

27 Población de 3 años y

más por nivel educativo media técnica

30 Población total

14 Déficit de

vivienda total 28


normalista 31 Población urbana

En la Tabla (10.2) encontramos la información de varias instituciones como el IGAC,

Ministerio de protección social y del Departamento administrativo para la prosperidad

social, la cual se encuentra en formato vector en la plataforma del SIG-OT.

Tabla 10.2 Datos Departamento Administrativo para la Prosperidad Social SIG-OT.


Departamento Administrativo para la prosperidad social IGAC

1 Atención

humanitaria desplazados

7 Familias en acción-

desplazados 13

Laboratorios de paz

1 Resguardos indígenas

2 Desplazamiento forzado- hogares

expulsados 8

Familias en acción- indígenas

14 Programa de

desarrollo y paz

Ministerio de protección social

3 Desplazamiento forzado- hogares

recibidos 9

Familias en acción- SISBEN 1

15 Protección de

tierras y bienes patrimoniales

1 Infraestructura disponible (#

camas/hospital)

4 Desplazamiento

forzado- personas expulsado

10 Familias

guardabosques 16

ReSA- Red de seguridad alimentaria

148

Departamento Administrativo para la prosperidad social IGAC

5 Desplazamiento

forzado- personas recibidas

11 Grupo móvil de

erradicación 17

6 Atención a víctimas de la violencia 40

SMMLV 12

UNIDOS (Familia con acompañamiento

social) 18

La Tabla (10.3) contiene información correspondiente al Departamento Nacional de

Planeación, la cual se puede descargar en formato vector a escala municipal de la

plataforma del SIG-OT.

Tabla 10.3 Datos Departamento Nacional de Planeación SIG-OT. Fuente: elaboración

propia.

Departamento Nacional de Planeación

1

Adecuación de tierras 11 Educación y capital humano rural

21 Factor de ponderación ICV- acceso y calidad de los servicios urbano

31 Ingresos públicos per- cápita

2

Calidad de la vivienda total

12 Educación y capital humano total

22 Gestión municipal 32

Inversión en agua potable y saneamiento básico

3

Calidad de la vivienda urbano

13 Educación y capital humano urbano

23 Índice de capacidad administrativa

33 Inversión en salud

4

Calidad de la vivienda rural

14 Entorno de desarrollo departamental

24 Índice de condiciones de vida- ICV

34 Inversión municipal en educación

5

Capacidad de ahorro 15 Entorno desarrollo municipal

25 Índice de condiciones de vida- ICV RURAL

35

Porcentaje de los ingresos corrientes destinados a funcionamiento

6

Cubrimiento de vías pavimentadas

16 Esfuerzo para el desarrollo municipal

26 Índice de condiciones de vida- ICV URBANO

36

Porcentaje de participación en capacitación técnica laboral

7

Cumplimiento en la ejecución de recursos del SGP en agua potable y saneamiento básico

17 Estándar de vida de la población pobre SISBEN- rural

27 Índice de desarrollo humano- IDH

37 Tamaño y composición del hogar rural

8

Cumplimiento en la ejecución de recursos del SGP en educación

18 Estándar de vida de la población pobre SISBEN- total

28 Índice de desempeño fiscal

38 Tamaño y composición del hogar total

9

Cumplimiento en la ejecución de recursos del SGP en salud

19

Factor de ponderación ICV-acceso y calidad de los servicios rurales

29 Índice de eficacia de la gestión municipal

39 Tamaño y composición del hogar urbano

10

Déficit de cobertura en salud

20

Factor de ponderación ICV- acceso y calidad de los servicios total

30 Índice de eficiencia de la gestión municipal

40 Tasa de crecimiento promedio del PIB

149

10.2 Vuelo con Drone Phanton 3 en la cuenca del río Blanco.

Los vuelos se realizaron con una programación anterior en la cual se tuvo en cuenta puntos

clave del cauce principal donde las imágenes satelitales libres no permitían un buen detalle

por su grado de nubosidad y los puntos permitieron ver gran parte de la cuenca utilizando

fotos panorámicas. La faja de protección de los ríos, los muros vivos y la expansión de la

población hacia los ríos son características que se querían captar cuando se planificaron

los vuelos con drone (Figura 10.1).

Figura 10.1 Recorrido de la cuenca del río Blanco realizado con drone. Fuente:


150

10.3 Entrevistas semiestructuradas

COMUNIDAD

Entrevista semiestructurada indicadores de susceptibilidad

1 ¿El sector donde vive y las actividades económicas desarrolladas actualmente son afectado por inundaciones, deslizamientos, variación de la temperatura o variación de la precipitación?

SI____ NO___

Cuales

______________________________________________________________________

2 ¿De cuántos integrantes conforman su familia y las familias en su sector y de ellos cuantos trabajan?

SI____ NO___

Cuales

______________________________________________________________________

2 ¿En sus sector se encuentran familias de minorías raciales o étnicas y que tipo de organización tienen?

SI____ NO___

Cuales

______________________________________________________________________

3. ¿Su familia y las familias ubicadas en el sector dependen de recursos forestales para la preparación de alimentos, construcción, venta u otra actividad?

151

SI____ NO___

Cuales

____________________________________________________________________

4. ¿Algún miembro de su familia trabaja en actividades agrícolas, pecuarias, piscícolas entre otras que pueden ser sensibles al clima?

SI____ NO___

Cuales

_____________________________________________________________________

5. ¿En su sector existen tierras cultivadas en las se utilice irrigación en los cultivos?

SI____ NO___

Cuales

_____________________________________________________________________

6. ¿Ha notado el deterioro en lagos, ríos, paramo entre otros en su sector?

SI____ NO___

Cuales

______________________________________________________________________

7. ¿Ha notado la falta de cobertura forestal en zonas con alta pendiente en su sector?

SI____ NO___

Cuales

8. ¿En su sector ha notado hogares en condiciones de pobreza extrema?

SI____ NO___

Cuales

152

_______________________________________________________________________

Entrevista semiestructurada indicadores de capacidad adaptativa

9. ¿En su sector se han desarrollado proyectos de mitigación y adaptación frente a los desastres que pueden ocasionar inundaciones, deslizamientos y variaciones en el clima?

SI____ NO___

Cuales

______________________________________________________________________

10. ¿La población en su sector tiene acceso a educación primaria, secundaria, técnica y universitaria?

SI____ NO___

Cuales

______________________________________________________________________

11. ¿Qué tipo de combustible utiliza su familia y las familias del sector para realizar la cocción de alimentos?

SI____ NO___

Cuales

______________________________________________________________________

12. ¿En el sector se encuentra alguna carretera o camino y en qué estado se encuentra?

SI____ NO___

Cuales

153

______________________________________________________________________

13. ¿En su sector tienen acceso a información sobre variación climática o cambio climático?

SI____ NO___

Cómo

______________________________________________________________________

14. ¿En su sector se realiza cambio de variedades de cultivos a variedades mejor adaptadas al clima?

SI____ NO___

Cuales

______________________________________________________________________

15. ¿En su sector se realiza cambio de tipos de cultivos a tipos mejor adaptados al climá?

SI____ NO___

Cuales

______________________________________________________________________

16. ¿Los agricultores de su sector siembran las tierras con diversos cultivos?

SI____ NO___

Cuales

______________________________________________________________________

17. ¿En su sector existe cooperación dentro de la comunidad agropecuaria o ganadera?

SI____ NO___

Cómo

______________________________________________________________________

154

18. ¿En su familia y en familias de su sector los miembros que trabajan realizan actividades económicas secundarias al agrícola?

SI____ NO___

Cuales

______________________________________________________________________

19. ¿En los últimos 10 años a notado aumento en la cobertura forestal de su sector?

SI____ NO___

Cuanto

______________________________________________________________________

20. ¿Los ríos ubicados en su sector tienen márgenes de protección en la ribera de los cauces?

SI____ NO___

Cuales

______________________________________________________________________

21 ¿Qué porcentaje de la vivienda es de propiedad de su familia y que familias del sector tienen en el total de propiedad de la vivienda?

SI____ NO___

Cuales

______________________________________________________________________

22. ¿Su familia y las familias de su sector tienen miembros que trabajan en diferentes actividades económicas?

SI____ NO___

Cuales

______________________________________________________________________

155

10.4 Reglas de decisión indicadores de susceptibilidad

A continuación se presentan las reglas de decisión utilizadas para programar el índice

IVUCC, y sus subíndices específicos y generales. Las categorías de evaluación de las

variables de salida y las variables de entrada son Alto (A), Medio (M) y Bajo (B)

Subíndice Susceptibilidad social

Las reglas de decisión del subíndice especifico susceptibilidad social tienen los siguientes

porcentajes en los resultados de la variable de salida: 37% un valor Alto, un 26% con valor

Medio y un 37% con valor Bajo (Tabla 10.4).

Tabla 10.4 Reglas de decisión subíndice susceptibilidad social. Fuente: elaboración

propia.

N°

Susceptibilidad Social

N°

Susceptibilidad Social

Variables de entrada

Variable de salida


Variable de salida

SSRD SSMR SSDF SS SSRD SSMR SSDF SS

1 A A A A 15 M M B B

2 A A M A 16 M B A M

3 A A B A 17 M B M B

4 A M A A 18 M B B B

5 A M M A 19 B A A A

6 A M B M 20 B A M M

7 A B A A 21 B A B B

8 A B M M 22 B M A M

9 A B B B 23 B M M B

10 M A A A 24 B M B B

11 M A M A 25 B B A B

12 M A B M 26 B B M B

13 M M A A 27 B B B B

14 M M M M

Subíndice Susceptibilidad productiva

Las reglas de decisión del subíndice especifico susceptibilidad productiva tienen los


33.3% con valor Medio y un 33.3% con valor Bajo (Tabla 10.5).

156

Tabla 10.5 Reglas de decisión subíndice susceptibilidad productiva. Fuente: elaboración

propia.

N°

Susceptibilidad Productiva


Variable de salida

SPO SPI SP

1 A A A

2 A M A

3 A B M

4 M A A

5 M M M

6 M B B

7 B A M

8 B M B

9 B B B

Subíndice Susceptibilidad ecológica

Las reglas de decisión del subíndice especifico susceptibilidad ecológica tienen los



Tabla 10.6 Reglas de decisión subíndice susceptibilidad ecológica. Fuente: elaboración

propia.

N°

Susceptibilidad Ecológica


Variable de salida

SEP SEFP SE

1 A A A

2 A M A

3 A B M

4 M A A

5 M M M

6 M B B

7 B A M

8 B M B

9 B B B

157

Subíndice Susceptibilidad socioeconómica

Las reglas de decisión del subíndice especifico susceptibilidad socioeconómica tienen los



Tabla 10.7 Reglas de decisión subíndice susceptibilidad socioeconómica. Fuente:


N°

Susceptibilidad Socioeconómico


Variables de salida

SSENBI SSE

1 A A

2 M M

3 B B

Subíndice Susceptibilidad

Las reglas de decisión del subíndice general de susceptibilidad tienen los siguientes

porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un 63% con

valor Medio y un 18.5% con valor Bajo (Tabla 10.8).

Tabla 10.8 Reglas de decisión subíndice general de Susceptibilidad. Fuente: elaboración

propia.

N°

Susceptibilidad

N°

Susceptibilidad


Variables de salida Variables de entrada

Variables de salida

SS SP SE SSE S SS SP SE SSE S

1 A A A A A 42 M M M B M

2 A A A M A 43 M M B A M

3 A A A B A 44 M M B M M

4 A A M A A 45 M M B B B

5 A A M M A 46 M B A A M

6 A A M B M 47 M B A M M

7 A A B A A 48 M B A B M

8 A A B M M 49 M B M A M

9 A A B B M 50 M B M M M

10 A M A A A 51 M B M B B

11 A M A M A 52 M B B A M

12 A M A B M 53 M B B M B

158

N°

Susceptibilidad

N°

Susceptibilidad



Variables de salida

SS SP SE SSE S SS SP SE SSE S

13 A M M A A 54 M B B B B

14 A M M M M 55 B A A A A

15 A M M B M 56 B A A M M

16 A M B A M 57 B A A B M

17 A M B M M 58 B A M A M

18 A M B B M 59 B A M M M

19 A B A A A 60 B A M B M

20 A B A M M 61 B A B A M

21 A B A B M 62 B A B M M

22 A B M A M 63 B A B B B

23 A B M M M 64 B M A A M

24 A B M B M 65 B M A M M

25 A B B A M 66 B M A B M

26 A B B M M 67 B M M A M

27 A B B B B 68 B M M M M

28 M A A A A 69 B M M B B

29 M A A M A 70 B M B A M

30 M A A B M 71 B M B M B

31 M A M A A 72 B M B B B

32 M A M M M 73 B B A A M

33 M A M B M 74 B B A M M

34 M A B A M 75 B B A B B

35 M A B M M 76 B B M A M

36 M A B B M 77 B B M M B

37 M M A A A 78 B B M B B

38 M M A M M 79 B B B A B

39 M M A B M 80 B B B M B

40 M M M A M 81 B B B B B

41 M M M M M

Subíndice Capacidad adaptativa social

Las reglas de decisión del subíndice de capacidad adaptativa social tienen los siguientes

porcentajes en los resultados de la variable de salida: 21% un valor Alto, un 58% con valor

Medio y un 21% con valor Bajo (Tabla 10.9).

159

Tabla 10.9 Reglas de decisión subíndice de capacidad adaptativa social. Fuente:


N°

Capacidad adaptativa Social

N°



Variable de salida Variables de entrada

Variable de salida

CSP CSAE CSH CSAC CSAI CS CSP CSAE CSH CSAC CSAI CS

1 A A A A A A 123 M M M M B M

2 A A A A M A 124 M M M B A M

3 A A A A B A 125 M M M B M M

4 A A A M A A 126 M M M B B B

5 A A A M M A 127 M M B A A M

6 A A A M B A 128 M M B A M M

7 A A A B A A 129 M M B A B M

8 A A A B M A 130 M M B M A M

9 A A A B B M 131 M M B M M M

10 A A M A A A 132 M M B M B B

11 A A M A M A 133 M M B B A M

12 A A M A B A 134 M M B B M B

13 A A M M A A 135 M M B B B B

14 A A M M M A 136 M B A A A A

15 A A M M B M 137 M B A A M M

16 A A M B A A 138 M B A A B M

17 A A M B M M 139 M B A M A M

18 A A M B B M 140 M B A M M M

19 A A B A A A 141 M B A M B M

20 A A B A M A 142 M B A B A M

21 A A B A B M 143 M B A B M M

22 A A B M A A 144 M B A B B B

23 A A B M M M 145 M B M A A M

24 A A B M B M 146 M B M A M M

25 A A B B A M 147 M B M A B M

26 A A B B M M 148 M B M M A M

27 A A B B B M 149 M B M M M M

28 A M A A A A 150 M B M M B B

29 A M A A M A 151 M B M B A M

30 A M A A B A 152 M B M B M B

31 A M A M A A 153 M B M B B B

32 A M A M M A 154 M B B A A M

33 A M A M B M 155 M B B A M M

34 A M A B A A 156 M B B A B B

35 A M A B M M 157 M B B M A M

36 A M A B B M 158 M B B M M B

37 A M M A A A 159 M B B M B B

38 A M M A M A 160 M B B B A B

39 A M M A B M 161 M B B B M B

160

N°


N°




Variable de salida


40 A M M M A A 162 M B B B B B

41 A M M M M M 163 B A A A A A

42 A M M M B M 164 B A A A M A

43 A M M B A M 165 B A A A B M

44 A M M B M M 166 B A A M A A

45 A M M B B M 167 B A A M M M

46 A M B A A A 168 B A A M B M

47 A M B A M M 169 B A A B A M

48 A M B A B M 170 B A A B M M

49 A M B M A M 171 B A A B B M

50 A M B M M M 172 B A M A A A

51 A M B M B M 173 B A M A M M

52 A M B B A M 174 B A M A B M

53 A M B B M M 175 B A M M A M

54 A M B B B B 176 B A M M M M

55 A B A A A A 177 B A M M B M

56 A B A A M A 178 B A M B A M

57 A B A A B M 179 B A M B M M

58 A B A M A A 180 B A M B B B

59 A B A M M M 181 B A B A A M

60 A B A M B M 182 B A B A M M

61 A B A B A M 183 B A B A B M

62 A B A B M M 184 B A B M A M

63 A B A B B M 185 B A B M M M

64 A B M A A A 186 B A B M B B

65 A B M A M M 187 B A B B A M

66 A B M A B M 188 B A B B M B

67 A B M M A M 189 B A B B B B

68 A B M M M M 190 B M A A A A

69 A B M M B M 191 B M A A M M

70 A B M B A M 192 B M A A B M

71 A B M B M M 193 B M A M A M

72 A B M B B B 194 B M A M M M

73 A B B A A M 195 B M A M B M

74 A B B A M M 196 B M A B A M

75 A B B A B M 197 B M A B M M

76 A B B M A M 198 B M A B B B

77 A B B M M M 199 B M M A A M

78 A B B M B B 200 B M M A M M

79 A B B B A M 201 B M M A B M

80 A B B B M B 202 B M M M A M

161

N°


N°




Variable de salida


81 A B B B B B 203 B M M M M M

82 M A A A A A 204 B M M M B B

83 M A A A M A 205 B M M B A M

84 M A A A B A 206 B M M B M B

85 M A A M A A 207 B M M B B B

86 M A A M M A 208 B M B A A M

87 M A A M B M 209 B M B A M M

88 M A A B A A 210 B M B A B B

89 M A A B M M 211 B M B M A M

90 M A A B B M 212 B M B M M B

91 M A M A A A 213 B M B M B B

92 M A M A M A 214 B M B B A B

93 M A M A B M 215 B M B B M B

94 M A M M A A 216 B M B B B B

95 M A M M M M 217 B B A A A M

96 M A M M B M 218 B B A A M M

97 M A M B A M 219 B B A A B M

98 M A M B M M 220 B B A M A M

99 M A M B B M 221 B B A M M M

100 M A B A A A 222 B B A M B B

101 M A B A M M 223 B B A B A M

102 M A B A B M 224 B B A B M B

103 M A B M A M 225 B B A B B B

104 M A B M M M 226 B B M A A M

105 M A B M B M 227 B B M A M M

106 M A B B A M 228 B B M A B B

107 M A B B M M 229 B B M M A M

108 M A B B B B 230 B B M M M B

109 M M A A A A 231 B B M M B B

110 M M A A M A 232 B B M B A B

111 M M A A B M 233 B B M B M B

112 M M A M A A 234 B B M B B B

113 M M A M M M 235 B B B A A M

114 M M A M B M 236 B B B A M B

115 M M A B A M 237 B B B A B B

116 M M A B M M 238 B B B M A B

117 M M A B B M 239 B B B M M B

118 M M M A A A 240 B B B M B B

119 M M M A M M 241 B B B B A B

120 M M M A B M 242 B B B B M B

121 M M M M A M 243 B B B B B B

162

N°


N°




Variable de salida


122 M M M M M M

Subíndice Capacidad adaptativa productiva

Las reglas de decisión del subíndice de capacidad adaptativa productiva tienen los

siguientes porcentajes en los resultados de la variable de salida: 21% un valor Alto, un

58% con valor Medio y un 21% con valor Bajo (Tabla 10.10).

Tabla 10.10 Reglas de decisión subíndice de capacidad adaptativa productiva. Fuente:


N°


N°




Variable de salida

CPVC CPCC CPDC CPCA CPTS CP CPVC CPCC CPDC CPCA CPTS CP

1 A A A A A A 123 M M M M B M

2 A A A A M A 124 M M M B A M

3 A A A A B A 125 M M M B M M

4 A A A M A A 126 M M M B B B

5 A A A M M A 127 M M B A A M

6 A A A M B A 128 M M B A M M

7 A A A B A A 129 M M B A B M

8 A A A B M A 130 M M B M A M

9 A A A B B M 131 M M B M M M

10 A A M A A A 132 M M B M B B

11 A A M A M A 133 M M B B A M

12 A A M A B A 134 M M B B M B

13 A A M M A A 135 M M B B B B

14 A A M M M A 136 M B A A A A

15 A A M M B M 137 M B A A M M

16 A A M B A A 138 M B A A B M

17 A A M B M M 139 M B A M A M

18 A A M B B M 140 M B A M M M

19 A A B A A A 141 M B A M B M

20 A A B A M A 142 M B A B A M

21 A A B A B M 143 M B A B M M

22 A A B M A A 144 M B A B B B

23 A A B M M M 145 M B M A A M

24 A A B M B M 146 M B M A M M

25 A A B B A M 147 M B M A B M

163

N°


N°




Variable de salida


26 A A B B M M 148 M B M M A M

27 A A B B B M 149 M B M M M M

28 A M A A A A 150 M B M M B B

29 A M A A M A 151 M B M B A M

30 A M A A B A 152 M B M B M B

31 A M A M A A 153 M B M B B B

32 A M A M M A 154 M B B A A M

33 A M A M B M 155 M B B A M M

34 A M A B A A 156 M B B A B B

35 A M A B M M 157 M B B M A M

36 A M A B B M 158 M B B M M B

37 A M M A A A 159 M B B M B B

38 A M M A M A 160 M B B B A B

39 A M M A B M 161 M B B B M B

40 A M M M A A 162 M B B B B B

41 A M M M M M 163 B A A A A A

42 A M M M B M 164 B A A A M A

43 A M M B A M 165 B A A A B M

44 A M M B M M 166 B A A M A A

45 A M M B B M 167 B A A M M M

46 A M B A A A 168 B A A M B M

47 A M B A M M 169 B A A B A M

48 A M B A B M 170 B A A B M M

49 A M B M A M 171 B A A B B M

50 A M B M M M 172 B A M A A A

51 A M B M B M 173 B A M A M M

52 A M B B A M 174 B A M A B M

53 A M B B M M 175 B A M M A M

54 A M B B B B 176 B A M M M M

55 A B A A A A 177 B A M M B M

56 A B A A M A 178 B A M B A M

57 A B A A B M 179 B A M B M M

58 A B A M A A 180 B A M B B B

59 A B A M M M 181 B A B A A M

60 A B A M B M 182 B A B A M M

61 A B A B A M 183 B A B A B M

62 A B A B M M 184 B A B M A M

63 A B A B B M 185 B A B M M M

64 A B M A A A 186 B A B M B B

65 A B M A M M 187 B A B B A M

66 A B M A B M 188 B A B B M B

164

N°


N°




Variable de salida


67 A B M M A M 189 B A B B B B

68 A B M M M M 190 B M A A A A

69 A B M M B M 191 B M A A M M

70 A B M B A M 192 B M A A B M

71 A B M B M M 193 B M A M A M

72 A B M B B B 194 B M A M M M

73 A B B A A M 195 B M A M B M

74 A B B A M M 196 B M A B A M

75 A B B A B M 197 B M A B M M

76 A B B M A M 198 B M A B B B

77 A B B M M M 199 B M M A A M

78 A B B M B B 200 B M M A M M

79 A B B B A M 201 B M M A B M

80 A B B B M B 202 B M M M A M

81 A B B B B B 203 B M M M M M

82 M A A A A A 204 B M M M B B

83 M A A A M A 205 B M M B A M

84 M A A A B A 206 B M M B M B

85 M A A M A A 207 B M M B B B

86 M A A M M A 208 B M B A A M

87 M A A M B M 209 B M B A M M

88 M A A B A A 210 B M B A B B

89 M A A B M M 211 B M B M A M

90 M A A B B M 212 B M B M M B

91 M A M A A A 213 B M B M B B

92 M A M A M A 214 B M B B A B

93 M A M A B M 215 B M B B M B

94 M A M M A A 216 B M B B B B

95 M A M M M M 217 B B A A A M

96 M A M M B M 218 B B A A M M

97 M A M B A M 219 B B A A B M

98 M A M B M M 220 B B A M A M

99 M A M B B M 221 B B A M M M

100 M A B A A A 222 B B A M B B

101 M A B A M M 223 B B A B A M

102 M A B A B M 224 B B A B M B

103 M A B M A M 225 B B A B B B

104 M A B M M M 226 B B M A A M

105 M A B M B M 227 B B M A M M

106 M A B B A M 228 B B M A B B

107 M A B B M M 229 B B M M A M

165

N°


N°




Variable de salida


108 M A B B B B 230 B B M M M B

109 M M A A A A 231 B B M M B B

110 M M A A M A 232 B B M B A B

111 M M A A B M 233 B B M B M B

112 M M A M A A 234 B B M B B B

113 M M A M M M 235 B B B A A M

114 M M A M B M 236 B B B A M B

115 M M A B A M 237 B B B A B B

116 M M A B M M 238 B B B M A B

117 M M A B B M 239 B B B M M B

118 M M M A A A 240 B B B M B B

119 M M M A M M 241 B B B B A B

120 M M M A B M 242 B B B B M B

121 M M M M A M 243 B B B B B B

122 M M M M M M

Subíndice Capacidad adaptativa ecológica

Las reglas de decisión del subíndice de capacidad adaptativa ecológica tienen los



Tabla 10.11 Reglas de decisión subíndice de capacidad adaptativa ecológica. Fuente:


N°

Capacidad adaptativa Ecológica


Variable de salida

CECF CEMR CE

1 A A A

2 A M A

3 A B M

4 M A A

5 M M M

6 M B B

7 B A M

8 B M B

9 B B B

166

Subíndice Capacidad adaptativa socioeconómica

Las reglas de decisión del subíndice de capacidad adaptativa socioeconómica tienen los



Tabla 10.12 Reglas de decisión subíndice de capacidad adaptativa socioeconómico.


Capacidad adaptativa Socioeconómico


Variable de salida

CSEPV CSEFI CSE

A A A

A M A

A B M

M A A

M M M

M B B

B A M

B M B

B B B

Subíndice Capacidad de adaptación

Las reglas de decisión del subíndice general de capacidad adaptativa tienen los siguientes

porcentajes en los resultados de la variable de salida: 18.5% un valor Alto, un 63% con

valor Medio y un 18.5% con valor Bajo (Tabla 10.13).

Tabla 10.13 Reglas de decisión subíndice general de capacidad adaptativa. Fuente:


N°


N°




Variables de salida

CS CP CE CSE C CS CP CE CSE C

1 A A A A A 42 M M M B M

2 A A A M A 43 M M B A M

3 A A A B A 44 M M B M M

4 A A M A A 45 M M B B B

5 A A M M A 46 M B A A M

6 A A M B M 47 M B A M M

167

N°


N°




Variables de salida

CS CP CE CSE C CS CP CE CSE C

7 A A B A A 48 M B A B M

8 A A B M M 49 M B M A M

9 A A B B M 50 M B M M M

10 A M A A A 51 M B M B B

11 A M A M A 52 M B B A M

12 A M A B M 53 M B B M B

13 A M M A A 54 M B B B B

14 A M M M M 55 B A A A A

15 A M M B M 56 B A A M M

16 A M B A M 57 B A A B M

17 A M B M M 58 B A M A M

18 A M B B M 59 B A M M M

19 A B A A A 60 B A M B M

20 A B A M M 61 B A B A M

21 A B A B M 62 B A B M M

22 A B M A M 63 B A B B B

23 A B M M M 64 B M A A M

24 A B M B M 65 B M A M M

25 A B B A M 66 B M A B M

26 A B B M M 67 B M M A M

27 A B B B B 68 B M M M M

28 M A A A A 69 B M M B B

29 M A A M A 70 B M B A M

30 M A A B M 71 B M B M B

31 M A M A A 72 B M B B B

32 M A M M M 73 B B A A M

33 M A M B M 74 B B A M M

34 M A B A M 75 B B A B B

35 M A B M M 76 B B M A M

36 M A B B M 77 B B M M B

37 M M A A A 78 B B M B B

38 M M A M M 79 B B B A B

39 M M A B M 80 B B B M B

40 M M M A M 81 B B B B B

41 M M M M M

168

Índice IVUCC

Las reglas de decisión del índice IVUCC tienen los siguientes porcentajes en los resultados

de la variable de salida: 33.3% un valor Alto, un 33.3% con valor Medio y un 33.3% con

valor Bajo (Tabla 10.14).

Tabla 10.14 Reglas de decisión índice IVUCC. Fuente: elaboración propia.

N°

Vulnerabilidad

Variable de entrada

Variable de salida

S C IVUCC

1 A A M

2 M A B

3 B A B

4 A M M

5 M M B

6 B M B

7 A B A

8 M B M

9 B B B

10.5 Diagrama de cajas y alambres

Los diagramas de cajas y alambres de precipitación de las estaciones Chiles (Figura 10.2),

Cumbal (Figura 10.3) y San Luis (Figura 10.4) se muestran a continuación.

Figura 10.2 Diagrama cajas y alambres de precipitación estación Chiles. Fuente:


169

Figura 10.3 Diagrama cajas y alambres de precipitación estación Cumbal. Fuente:


Figura 10.4 Diagrama cajas y alambres de precipitación estación San Luis. Fuente:


El diagrama de cajas y alambres de la variable temperatura de la estación San Luis se

muestra a continuación (Figura 10.5).

170

Figura 10.5 Diagrama cajas y alambres de temperatura estación San Luis. Fuente:
