Mapa Socio-Habitacional Del Partido De Lanús a Partir Del Análisis Espacial Cuantitativo Con Sistemas De Información Geográfica

Especialización en Teledetección y Sistemas de Información Geográfica aplicados al estudio del medio ambiente

Trabajo Final de Especialización

DOCENTE ORIENTADOR: Dr. Eloy Montes Galbán

ESTUDIANTE: Lic. María José García Barassi

FECHA DE ENTREGA: Febrero 2020

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Febrero / 2020

Página | 0 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

ÍNDICE

Índice de contenidos

RESUMEN EJECUTIVO: ...... 8

Palabras Clave: ...... 9

1. INTRODUCCIÓN: ...... 10

1.1. Planteo del Problema: ...... 11

1.2. Objetivos: ...... 13

1.2.1. Objetivos generales: ...... 13

1.2.2. Objetivos específicos: ...... 13

1.3. Área de estudio: localización geográfica ...... 14

1.4. Antecedentes y fundamentos conceptuales: ...... 16

1.4.1. Las condiciones socio – habitacionales del partido de Lanús ...... 17

1.4.2. Técnicas cuantitativas aplicadas al análisis espacial con Sistemas de Información Geográfica (SIG) ...... 30

1.4.2.1. Paradigma de la Geografía Cuantitativa ...... 30

1.4.2.2. Elaboración de mapas sociales. Etapas y antecedentes...... 32

1.4.2.3. Cálculo de índices de concentración espacial. Antecedentes ...... 36

1.4.3 La estructura espacial urbana y los modelos teóricos...... 37

2, FUNDAMENTOS Y DESARROLLO METODOLÓGICO ...... 40

2.1. Elección de dimensiones, variables e indicadores. Construcción de la tabla de operacionalización...... 40

2.2. Obtención de bases cartográficas para el análisis espacial con Sistemas de Información Geográfica (SIG) ...... 43

2.3. Técnicas de análisis cuantitativo ...... 46

2.3.1. Construcción de la Matriz de Datos Índice (MDI) ...... 46

Página | 1 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

2.3.2. Construcción de la Matriz de Datos Estandarizados (MDE) ...... 46

2.3.3. Inversión de variables de costo a variables de beneficio ...... 54

2.3.4. Construcción del PCE ...... 56

2.3.5. Cálculo de Índices de Concentración Espacial (ICEG e ICEA) ...... 57

2.4. Digitalización de áreas ocupadas por asentamientos informales en el partido de Lanús ...... 62

2.5. Elaboración de cartografía temática. Criterios adoptados ...... 70

3. RESULTADOS Y ANÁLISIS: ...... 73

3.1. Distribución espacial del nivel de desarrollo socio-habitacional en el partido de Lanús ...... 73

3.2. Concentración espacial del nivel de desarrollo socio-habitacional en el partido de Lanús ...... 81

3.3. Análisis comparativo de la estructura urbana del partido de Lanús con los modelos teóricos sobre la estructura espacial urbana...... 84

3.4. Modelo espacial simplificado de la estructura socio-habitacional del partido de Lanús ...... 85

BIBLIOGRAFÍA ...... 92

ANEXO ...... 95

Página | 2 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Índice de cuadros

Cuadro 1 Porcentaje de hogares con al menos un indicador de NBI para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010 ...... 19 Cuadro 2 Porcentaje de hogares con al menos un indicador de NBI. 24 partidos del Gran Buenos Aires. Año 2010 ...... 19 Cuadro 3 Condición de actividad para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010...... 22 Cuadro 4 Condición de actividad para los 24 partidos del Gran Buenos Aires. Año 2010 ...... 22 Cuadro 5 Condiciones educativas para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010...... 25 Cuadro 6 Condiciones educativas del partido de Lanús en relación con los 24 partidos del GBA. 2010 ...... 26 Cuadro 7 Condiciones habitacionales para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010 ...... 28 Cuadro 8 Condiciones habitacionales de los 24 partidos del GBA. Año 2010 ... 29 Cuadro 9. Tabla de Operacionalización ...... 41 Cuadro 10 Valores de m y M para cada variable/indicador ...... 50 Cuadro 11 Extracto de los primeros veinte radios censales de la tabla de la variable población que no sabe leer ni escribir ...... 96 Cuadro 12 Extracto de los primeros veinte radios censales de la tabla de la variable población que cursa o cursó el nivel universitario ...... 97 Cuadro 13 Extracto de los veinte primeros radios censales de la tabla de la variable hogares con al menos un indicador de NBI ...... 98 Cuadro 14 Extracto de los primeros veinte radios censales de la tabla de la variable población con condición de ocupación ocupada ...... 99 Cuadro 15 Extracto de los veinte primeros radios censales de la tabla de la variable hogares con desagüe cloacal sólo a pozo ciego ...... 100 Cuadro 16 Extracto de los primeros veinte radios censales de la tabla de la variable viviendas con calidad constructiva satisfactoria ...... 101 Cuadro 17 Extracto de los primeros veinte radios censales de la Matriz de Datos Índice (MDI) ...... 102 Página | 3 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 18 Extracción de los veinte primeros radios censales de la Matriz de Datos Estandarizados (MDE) ...... 103 Cuadro 19 Extracción de los veinte primeros radios censales del cálculo del PVC (inv) ...... 104 Cuadro 20 Extracto de los veinte primeros radios censales del cálculo del Puntaje de Clasificación Espacial (PCE) ...... 105 Cuadro 21 Extracto de los primeros veinte radios censales del cálculo del porcentaje de superficie y del porcentaje del PCE ...... 106 Cuadro 22 Extracto de los veinte primeros radios censales del cálculo de la diferencia entre el porcentaje de superficie y el porcentaje del PCE a fin de obtener el ICEG ...... 107 Cuadro 23 Extracto de los veinte primeros radios censales del cálculo del ïndice de Concentración Areal (ICEA) ...... 108

Página | 4 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Índice de figuras

Figura 1 Localización del partido de Lanús en la provincia de ...... 14 Figura 2 Localización del partido de Lanús en el Área Metropolitana de Buenos Aires ...... 15 Figura 3 Localidades del partido de Lanús ...... 16 Figura 4 Pirámide de población del partido de Lanús. Año 2010 ...... 18 Figura 5 Diagrama conceptual. Elementos constitutivos del sistema intraurbano y de la estructura urbana ...... 37 Figura 6 Capas shape de provincia de Buenos Aires por radio censal ...... 44 Figura 7 Capturaa de paantalla de la ventna “Seleccionar objeto utilizando una expresión” ...... 45 Figura 8 Capa shape del Partido de Lanús por radio censal ...... 46 Figura 9 Extracto de la tabla de atributos de la capa de Lanús por radios censales editada ...... 48 Figura 10 Ventana correspondiente al proceso Unión entre la tabla externa de la MDI con la tabla de atributos del partido de Lanús ...... 49 Figura 11 Extracto de la tabla de atributos de la capa del partido de Lanús por radio censal obtenida a partir del proceso "Unión" ...... 49 Figura 12 Cálculo de estandarización por puntaje Omega de la variable población que no sabe leer ni escribir ...... 51 Figura 13 Cálculo de estandarización por puntaje Omega de la variable población que cursa o cursó el nivel universitario ...... 51 Figura 14 Cálculo de estandarización por puntaje Omega de la variable hogares con al menos un indicador de NBI ...... 52 Figura 15 Cálculo de estandarización de la variable población con condición de actividad ocupada ...... 52 Figura 16 Cálculo de estandarización por puntaje Omega de la variable hogares con desagüe cloacal a pozo ciego ...... 53 Figura 17 Cálculo de estandarización por puntaje Omega de la variable viviendas con calidad constructiva satisfactoria...... 53 Figura 18 Cálculo del PVC (inv) para el puntaje de población que no sabe leer ni escribir ...... 55

Página | 5 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 19 Cálculo del PVC (inv) para el puntaje de hogares con al menos un indicador de NBI ...... 55 Figura 20 Cálculo del PVC (inv) de hogares con desagüe cloacal a pozo ciego ...... 56 Figura 21 Cálculo del PCE ...... 57 Figura 22 Cálculo de superficie de cada radio censal de la capa del partido de Lanús ...... 59 Figura 23 Extracto de la tabla de atributos de la capa del partido de Lanús. Resultado del cálculo de superficie en km2...... 59 Figura 24 Captura de pantalla del proceso unión entre la tabla externa de cálculo del ICEA y la capa de Lanús por radio censal ...... 61 Figura 25 Extracto de la tabla de atributos de la capa de Lanús resultante del proceso de Unión ...... 61 Figura 26 Imagen Worlview 2 del partido de Lanús en color natural ...... 63 Figura 27 Imagen WorldView 2 del partido de Lanús en falso color compuesto standard ...... 64 Figura 28 Resultado de la aplicación de la matriz de filtrado C de Sobel ...... 66 Figura 29 Resultado de la aplicación de la matriz de filtrado F de Sobel ...... 66 Figura 30 Operación realizada para el cálculo del detector de bordes de Sobel ...... 67 Figura 31 Resultado de la aplicación de la fórmula para el detector de bordes de Sobel ...... 67 Figura 32 Composición del resultado del filtro de Sobel sobre la imagen Falso Color Compuesto Standard ...... 68 Figura 33 Patrón espacial de asentamientos informales del partido de Lanús .. 69 Figura 34 Patrón espacial en áreas residenciales del partido de Lanús ...... 69 Figura 35 Variables estandarizadas. Dimensión educativa. Partido de Lanús por radios censales ...... 74 Figura 36 Variables estandarizadas. Dimensión Ingreso/Pobreza. Partido de Lanús por radio censal ...... 76 Figura 37 Variables estandarizadas. Dimensión Habitacional. Partido de Lanús por radios censales ...... 78 Figura 38 Mapa socio - habitacional del partido de Lanús ...... 80

Página | 6 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 39 Índice de Concentración Espacial Areal sobre el Puntaje de Clasificación Espacial por radio censal. Partido de Lanús ...... 82 Figura 40 Modelo de la ciudad latinoamericana según Griffin y Ford (1980) ..... 84 Figura 41 Modelo simplificado de la estructura socio - habitacional del partido de Lanús en comparación con el modelo de estructura urbana de Griffin y Ford (1980) ...... 86 Figura 42 CBD (Nivel de Desarrollo Muy Alto). Avenida 9 de Julio. Lanús Este .... 87 Figura 43 Zona de Madurez (Nivel de Desarrollo Alto). Calle Ucrania. Lanús Oeste ...... 88 Figura 44 Zona de acrecentamiento in situ (Nivel de Desarrollo Medio). Calle Enrique Fernández. Lanús Oeste ...... 89 Figura 45 Zona de asentamientos periféricos (Nivel de Desarrollo Bajo y Muy Bajo). Calle sin nombre. Lanús Oeste ...... 89

Página | 7 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

RESUMEN EJECUTIVO: Una de las principales aplicaciones de los Sistemas de Información Geográfica (SIG) es la posibilidad de realizar un completo análisis espacial que permita observar el comportamiento de diversas variables en un determinado territorio. En el caso del presente trabajo se han seleccionado variables de beneficio y costo con el fin de responder a los siguientes interrogantes: ¿Cuál es la distribución espacial de las variables indicadas en el territorio comprendido por el partido de Lanús? ¿Con qué modelo teórico de estructura urbana puede relacionarse dicha distribución? Para arribar a las respuestas de estos se proponen como objetivos principales del mismo el diagnóstico del nivel de desarrollo socio-habitacional en el partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica, y la propuesta de un modelo espacial simplificado de la estructura socio – habitacional del partido de Lanús.

La metodología utilizada corresponde a la aplicación de análisis cuantitativo sobre las variables seleccionadas cuyo resultado final se plasma en

la elaboración del Mapa socio – habitacional del partido de Lanús. El análisis espacial se complementa con el cálculo de los índices de Concentración Espacial Global (ICEG) y Areal (ICEA), que permiten observar la concentración de la síntesis de las variables analizadas en el área de estudio.

El mapa obtenido muestra, en cinco categorías de clase, las situaciones más y menos favorables a partir de la utilización de simbología acorde al fenómeno que se desea representar. A partir del resultado cartográfico se evidencia una distribución espacial de condiciones socio habitacionales desfavorables en la periferia del área de estudio, correspondiendo las áreas centrales y colindantes al eje del FFCC Roca a zonas con situaciones favorables. De esta distribución espacial se desprende la modelización de la estructura urbana del partido, tomando como base los modelos teóricos desarrollados por diversos autores a nivel general y para América Latina en particular, concluyendo que en el caso del área de estudio el modelo urbano se corresponde con el planteado por Griffin y Ford (1980) para las ciudades latinoamericanas.

Página | 8 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Palabras Clave:

Análisis espacial; Sistemas de Información Geográfica; distribución espacial socio-habitacional; mapa social; modelos espaciales.

Página | 9 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

1. INTRODUCCIÓN:

El presente trabajo constituye el punto cúlmine de la Especialización en Teledetección y Sistemas de Información Geográfica aplicados al Estudio del Medio Ambiente de la Universidad Nacional de Luján (UNLu). En el mismo se aplican principalmente diversas técnicas metodológicas aprendidas durante el curso Análisis Espacial, a cargo del Dr. Gustavo Buzai, como así también técnicas de interpretación visual sobre imagen WorldView 2 del partido de Lanús.

La estructura del trabajo incluye: una introducción, dentro de la cual se establecen: el planteo del problema, los objetivos generales y específicos, la localización del área de estudio y un apartado referente a los antecedentes existentes consultados sobre trabajos similares. Junto al último apartado se incluyen los fundamentos conceptuales que se consideran importantes como base teórico – metodológica para proceder a su correcto desarrollo.

A continuación, se procede a establecer los criterios de obtención de los datos y las bases cartográficas a utilizar y se desarrollan los procedimientos metodológicos que fueron explicados teóricamente en la introducción. Para llevar a cabo estos procedimientos se trabajó con plantillas de Excel y se recurrió a la utilización del software QGIS en su versión 3.14.13 “Madeira” Long Term Release (LTR)1. “QGIS es un Sistema de Información Geográfica (SIG) de Código Abierto licenciado bajo GNU - General Public License. QGIS es un proyecto oficial de Open Source Geospatial Foundation (OSGeo). Corre sobre Linux, Unix, Mac OSX, Windows y Android y soporta numerosos formatos y funcionalidades de datos vector, datos ráster y bases de datos” (QGIS, 2019).

Los datos fueron obtenidos del Cuestionario Básico del Sistema REDATAM+SP. Este sistema ha sido desarrollado por el Centro Latinoamericano y Caribeño de Demografía (CELADE), División de Población de la Comisión Económica para América Latina y El Caribe (CEPAL), de la Organización de las Naciones Unidas (ONU) con la finalidad principal de brindar una serie de herramientas a los países de la región para la utilización de microdatos censales, a partir del

1 Long Term Release: Representa a la versión más estable del Sistema, presentando menor cantidad de bugs o errores en los procesos efectuados. Página | 10 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica procesamiento en línea de los mismos, con la posibilidad de obtener la información a partir de gráficos, tablas y/o mapas (INDEC, 2013).

Respecto a los cálculos realizados, se procedió en primer término a la estandarización de las variables/indicadores y a la obtención del Puntaje de Clasificación Espacial (PCE), para luego, calcular los Índices de Concentración Espacial Global (ICEG) y Areal (ICEA) sobre éste. Posteriormente, se digitalizaron las zonas ocupadas por asentamientos informales a partir de interpretación visual sobre una imagen de alta resolución WordView 2, con el fin de añadir la información obtenida al Mapa socio – habitacional del partido de Lanús.

Esta segunda sección constituye la más importante del trabajo, ya que de su correcto desarrollo se desprenden los resultados de la metodología aplicada.

En una tercera instancia se presenta la cartografía temática derivada de los diferentes métodos utilizados en la sección anterior, realizándose un análisis profundo acerca de la distribución espacial de éstos en el área de estudio. El análisis de resultados concluye con la caracterización de la estructura urbana presente en el partido, a partir de la comparación con modelos teóricos, descriptos en el punto 1.4.3. Modelos teóricos sobre la estructura espacial urbana, y de la modelización llevada a cabo por el Dr. Buzai (2014) en su trabajo: Mapa social de la ciudad de Luján, 2010. Modelo socioespacial basado en Linkage Analysis,

Por último, se establecen las consideraciones finales que engloban los principales aspectos que se derivan tanto del desarrollo del trabajo como de los resultados, en relación con los objetivos planteados oportunamente.

Un extracto de las tablas originales descargadas del Sistema REDATAM+SP y las matrices de datos generadas se presentan en un Anexo al final del trabajo.

1.1. Planteo del Problema:

El Área Metropolitana de Buenos Aires (AMBA) no escapa a las problemáticas socio-habitacionales que se vinculan a las principales urbanizaciones mundiales. Con una población total de casi 15.000.000 de habitantes para el año 2010, es considerada una de las megalópolis más importantes de Latinoamérica junto a San Pablo y Ciudad de México. Página | 11 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

La proliferación de asentamientos informales ha experimentado un crecimiento constante desde la década de los años cuarenta del siglo XX. Junto a ellos, las condiciones sociales y habitacionales de la población que reside en barrios populares o asentamientos informales contrastan con la de los sectores más beneficiados que, en rasgos generales, se localizan en las áreas céntricas de las diversas jurisdicciones.

Esta complejidad socio-habitacional de las grandes urbes lleva a que muchas veces el equilibrio del sistema se vea afectado en mayor o menor medida, según sea la magnitud del impacto sufrido. Las consecuencias del crecimiento y distribución espacial no planificados de la población pueden traer graves consecuencias a nivel territorial.

A partir del análisis de variables específicas, se pueden identificar áreas de mayor o menor desarrollo socio - habitacional y establecer en consecuencia los medios indicados para paliar los desequilibrios territoriales y proponer políticas de intervención del espacio pertinentes.

Para lograr este objetivo, las nuevas Tecnologías de la Información Geográfica (TIG) brindan una herramienta fundamental que permite, a partir de la utilización de cálculos geoestadísticos y datos georreferenciados a partir de un Sistema de Información Geográfica (SIG), identificar la distribución espacial de las áreas mencionadas, y plasmarlas a través de cartografía digital.

Debido a la extensa superficie que abarca el AMBA, de las discrepancias jurisdiccionales provocadas por la multiplicidad de municipios que la integran junto a la Ciudad Autónoma de Buenos Aires (CABA), de la diversidad de problemáticas que se presentan y de la magnitud de provisión de datos por parte de dichas jurisdicciones, es que se optó por elegir el partido de Lanús como referente del presente trabajo. La desagregación de datos analizados se efectuó a nivel de radio censal.

El partido de Lanús cuenta en rasgos generales, con condiciones socio – habitacionales que lo sitúan en la media esperable para el comportamiento del

Página | 12 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica resto de la provincia de Buenos Aires y partidos del Gran Buenos Aires2 (ver apartado 1.4. Antecedentes y fundamentos conceptuales). Esto no implica que dentro de su territorio no se produzcan situaciones de desigualdad y marginalidad que se ven reflejadas en la distribución espacial de las mismas.

El presente trabajo se encuentra enmarcado en una fase de diagnóstico espacial inicial que servirá a futuro de sustento para trabajos de mayor alcance donde se puedan llevar a cabo análisis y propuestas más desarrolladas.

1.2. Objetivos:

1.2.1. Objetivos generales:

• Determinar el nivel de desarrollo socio-habitacional en el partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica. • Proponer un modelo espacial simplificado de la estructura socio – habitacional del partido de Lanús.

1.2.2. Objetivos específicos:

• Identificar la distribución espacial del nivel de desarrollo socio- habitacional en el partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica. • Determinar la concentración espacial de la síntesis de variables utilizadas, a través de cálculos geoestadísticos y de la utilización de un Sistema de Información Geográfica. • Contrastar la distribución espacial del nivel de desarrollo socio- habitacional del partido de Lanús con los modelos teóricos sobre la estructura espacial urbana.

2 Se consideran en el presente trabajo 24 partidos constituyentes del Gran Buenos Aires, en concordancia con la regionalización establecida por el INDEC. “El INDEC denominará así al área comprendida por la Ciudad de Buenos Aires más los Partidos del Gran Buenos Aires (en el sentido administrativo, es decir, 24 partidos completos). Esta es la denominación que vienen utilizando la mayoría de los programas de trabajo del INDEC, tanto en el área económica como social…” (INDEC, 2003, p. 4) Página | 13 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• Construir un modelo espacial simplificado de la estructura socio- habitacional del partido de Lanús.

1.3. Área de estudio: localización geográfica

El Partido de Lanús se localiza en el primer cordón sur del AMBA a - 34° 42’ de Latitud y - 58° 24’ de Longitud. Su territorio abarca 48,35 km2 y forma parte casi en su totalidad de la cuenca baja del río Matanza-Riachuelo. Limita con los partidos bonaerenses de Avellaneda, Quilmes y Lomas de Zamora y con la Ciudad Autónoma de Buenos Aires (Ver Figura 1 y Figura 2). El último tramo del Riachuelo actúa como barrera natural entre el territorio del municipio y la capital argentina, situación que provoca un disgregamiento territorial entre ambas jurisdicciones, salvado parcialmente por la conectividad provista por el Puente Alsina, que comunica Valentín Alsina (Lanús) con el barrio porteño de Pompeya y por el nuevo Puente Olímpico Ribera Sur que conecta el barrio de Villa Diamante (Lanús Oeste) con la Autopista Cámpora en Ciudad de Buenos Aires.

Figura 1 Localización del partido de Lanús en la provincia de Buenos Aires

Fuente: Elaboración propia con bases obtenidas del Instituto Geográfico Nacional (IGN). Nuestras Actividades. Información Geoespacial. Capas SIG. [consultada 2/10/2019] http://www.ign.gob.ar/NuestrasActividades/InformacionGeoespacial/Ca pasSIG

Página | 14 Lic. María José García Barassi Fuente: Elaboración propia con bases obtenidas del Instituto Geográfico Nacional (IGN). Nuestras Actividades. Información Geoespacial. Capas SIG. [consultada 2/10/2019] http://www.ign.gob.ar/NuestrasActividades/InformacionGeoespacial/Ca pasSIG

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 2 Localización del partido de Lanús en el Área Metropolitana de Buenos Aires

Integran el Partido de Lanús seis localidades, cada una conformada por una serie de barrios: Lanús Oeste (cabecera administrativa del Municipio), Lanús Este, Valentín Alsina, Gerli, Monte Chingolo y Remedios de Escalada (Figura 3). Estas localidades referencian a centros poblados originales que pasaron a ser parte integrante del Municipio de Lanús, creado en el año 1944 con el nombre “4 de junio”, constituyendo una subdivisión del partido de Avellaneda. El crecimiento urbano del partido coincidió con el tendido ferroviario de la línea General Roca y la pavimentación de la antigua Avenida Pavón, actualmente Av. Hipólito Yrigoyen. Asimismo, el centro poblado más antiguo del municipio correspondió a la localidad de Valentín Alsina que a fines del siglo XIX formaba parte del entonces llamado “Gran Buenos Aires” y conectaba con la capital argentina a través del Puente Alsina (Plan Estratégico Urbano Territorial del Municipio de Lanús, 2012).

Página | 15 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 3 Localidades del partido de Lanús

1.4. Antecedentes y fundamentos conceptuales:

Fue considerada como antecedente para la realización del presente trabajo la información socio-habitacional provista por el Plan Estratégico Urbano Territorial del Municipio de Lanús (2012). Dicha información se complementó con datos extraídos del Censo Nacional de Población, Hogares y Vivienda 2010 a nivel partido, ya que los indicadores del Plan Estratégico corresponden al año 2001. Asimismo, se extrajo información de diversos trabajos de análisis espacial con técnicas cuantitativas realizados sobre el territorio del partido de Luján y la cuenca del río homónimo, a cargo del Dr. Gustavo Buzai, como así también de los libros Mapas Sociales Urbanos (2014) y Análisis Socioespacial con Sistemas de Información Geográfica. Ordenamiento Territorial: Temáticas de base vectorial (2012) del mismo autor.

Página | 16 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

1.4.1. Las condiciones socio – habitacionales del partido de Lanús

La lectura y análisis bibliográfico del Plan Estratégico permitió obtener información general sobre el comportamiento socio-habitacional del partido de Lanús a partir de los datos del Censo Nacional de Población, Hogares y Vivienda 2001. Estos datos se cotejaron con los obtenidos durante el Censo Nacional de Población, Hogares y Vivienda 2010, para basar el análisis a nivel general del partido con datos más actualizados.

El plan Estratégico Urbano Territorial de Lanús se limita a comparar los valores del partido con las medias a nivel provincial y regional (24 partidos del Gran Buenos Aires), por lo que se decidió extender la comparación con el resto de los partidos, determinando en cada caso los valores máximo y mínimo para cada variable cotejada.

Estos aspectos generales ayudaron a la elección de las variables e indicadores definitivos necesarios para llevar a cabo posteriormente el análisis cuantitativo con Sistemas de Información Geográfica (SIG) (Ver Apartado 2.1. Elección de dimensiones, variables e indicadores. Construcción de la tabla de operacionalización).

En lo que respecta al número absoluto de habitantes del partido, el máximo está dado en la localidad de Lanús Oeste que también presenta la mayor extensión en superficie de las seis localidades constituyentes del partido. En el extremo opuesto, con la mínima cantidad de población se encuentra Gerli. Sin embargo, la variable más representativa de la distribución de la población no es la cantidad sino la densidad, ya que provee un dato relativo en el que se relacionan la cantidad de habitantes con la superficie de cada localidad. A partir del análisis de la densidad, los espacios con valores máximos y mínimos se modifican, pasando a ser la localidad de mayor densidad poblacional Monte Chingolo, con 111,7 hab/ha y la localidad con la mínima densidad Valentín Alsina con 72,9 hab/ha.

La estructura poblacional del partido puede observarse en la Figura 4. El grupo de edad más representativo es el que abarca de los 15 a los 34 años

Página | 17 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

(edad productiva y reproductiva), mientras que puede determinarse que la natalidad ha comenzado a descender en el último período intercensal (2001 – 2010) y la esperanza de vida es elevada, especialmente en las mujeres. Se puede considerar que la pirámide de población del partido de Lanús pertenece a una cuarta etapa de la Teoría de la Transición Demográfica3, en donde tanto las tasas de natalidad como de mortalidad son bajas, produciendo un equilibrio demográfico (crecimiento nulo o casi nulo)

Figura 4 Pirámide de población del partido de Lanús. Año 2010

Fuente. Plan Estratégico Urbano Territorial del Municipio de Lanús (2012). [consultada 2/10/2019] Disponible en: https://www.argentina.gob.ar/sites/default/files/plan_estrategico_urb ano_territorial_de_lanus.pdf

El Plan EstratégicoFuente. Plan Estratégicoplantea el Urbano reconocimiento Territorial del Mu denicipio la marginalidad de Lanús en cuanto (2012). [consultada 2/10/2019] Disponible en: a condicioneshttps://www.argentina.gob.ar/sites/default/files/plan_estrategico_urb de vida a partir del estudio de las Necesidades Básicas ano_territorial_de_lanus.pdf Insatisfechas (NBI). “Esta variable capta la “pobreza dura” ya que consiste en identificar al menos un indicador de privación relacionado con distintas dimensiones” (Plan Estratégico, 2012). En el texto de referencia, se parte de comparar el porcentaje de hogares con NBI con el mismo dato de la provincia de Buenos Aires y los 24 partidos que componen el Gran Buenos Aires (GBA).

3 Teoría de la Transición Demográfica: Teoría desarrollada por Warren Thompson (1929), donde explica el comportamiento demográfico de la población desde las sociedades preindustriales (altas tasas de natalidad y mortalidad) a las post-industriales (bajas tasas de natalidad y mortalidad). Comprende cuatro etapas. Página | 18 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

En el cuadro 1 se presentan los porcentajes de NBI para el año 2010. Tomando en cuenta los valores medios expresados, se puede determinar que el municipio de Lanús posee valores muy por debajo de la media de la provincia de Buenos Aires y más aún de los partidos que conforman el conurbano bonaerense, situándolo entre los municipios con mejores condiciones de vida.

Cuadro 1 Porcentaje de hogares con al menos un indicador de NBI para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010

INDICADOR MUNICIPIO DE GRAN BUENOS PROV. DE BUENOS LANÚS AIRES AIRES

Porcentaje de 4.99 9.27 8.18 Hogares con NBI

Fuente: Elaboración propia en base al Censo Nacional de Población, Hogares y Viviendas 2010. Cuestionario Básico. Buenos Aires. INDEC. [consultada 28/11/2019] Datos procesados con REDATAM+SP. Disponible en: https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?&MODE=MAIN&BASE=CPV 2010B&MAIN=WebServerMain.inl&_ga=2.69222293.469209804.1574901364-456025370.1571671405

A efectos de corroborar esta información, en el cuadro 2 se establecen las comparaciones con los 24 partidos constituyentes del Gran Buenos Aires, según regionalización del INDEC. Se indica con color rojo la peor situación y con color verde la mejor, utilizando un color neutro para el partido de Lanús. Se observa claramente que el mismo presenta una de las mejores condiciones respecto a este indicador, ocupando el quinto lugar en el total de los partidos y en un lugar intermedio si se toman en cuenta los partidos que conforman el primer cordón (Avellaneda, Lanús, Lomas de Zamora, La Matanza sector oriental, Tres de Febrero, Morón, General San Martín, San Isidro y Vicente López)

Cuadro 2 Porcentaje de hogares con al menos un indicador de NBI. 24 partidos del Gran Buenos Aires. Año 2010

PARTIDOS DEL GRAN BUENOS AIRES PORCENTAJE DE HOGARES CON AL MENOS UN INDICADOR DE NBI

Almirante Brown 10.51

Avellaneda 5.84

Berazategui 10.45

Página | 19 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Esteban Echeverría 10.79

Ezeiza 14.09

Florencio Varela 17.05

General San Martín 6.72

Hurlingham 6.89

Ituzaingó 4.94

José C. Paz 12.13

La Matanza 12.01

Lanús 4.99

Lomas de Zamora 8.95

Malvinas Argentinas 12.18

Merlo 11.52

Moreno 12.97

Morón 3.53

Quilmes 9.25

San Fernando 8.58

San Isidro 3.67

San Miguel 8.20

Tigre 11.05

Tres de Febrero 4.34

Vicente López 2.43

Página | 20 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Tomando como referencia la condición de actividad, el Plan Estratégico propone una comparación respecto a varias variables/ indicadores entre el municipio de Lanús, el GBA y el total de la provincia de Buenos Aires. Actualizados los datos al Censo 2010 es posible observar esta comparación en el cuadro 3. Se anexa, al igual que en el análisis anterior, un comparativo con los 24 partidos del GBA (cuadro 4). Se considera de importancia realizar una aclaración respecto a la construcción de las variables/ indicadores que se analizan;

• Población de 15 – 64 años: Se indica en valores relativos (porcentaje) la cantidad de población perteneciente a este grupo de edad respecto al total de población de la jurisdicción correspondiente. No se habla de Población Económicamente Activa (PEA) ya que no todo el universo de 15 – 64 tiene empleo o busca tenerlo por diversos motivos (discapacidad, privación de la libertad, etc.) • Población ocupada: Porcentaje de población de 15 – 64 años ocupada sobre el total de población. • Población desocupada: Porcentaje de población de 15 – 64 años sin empleo o búsqueda de empleo sobre el total de población. • Población inactiva: Porcentaje de población de 0 – 14 años y más de 65 años y aquellos en edad productiva que no tengan ni busquen empleo sobre el total de población. (Este porcentaje de población no está considerado bueno ni malo dentro del análisis general ya que responde a un dato relacionado directamente con la estructura poblacional) • Tasa de actividad: Cociente entre la PEA y la población en edad de trabajar (15 – 64 años). • Tasa de desempleo: Porcentaje entre la población desocupada y la PEA.

Página | 21 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 3 Condición de actividad para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010

VARIABLES / MUNICIPIO DE GRAN BUENOS PROV. DE BUENOS INDICADORES LANÚS AIRES AIRES

Población de 15 – 65.25 64.04 64.49 64 años

Población 50.50 49.36 48.79 ocupada

Población 3.43 3.33 3.13 desocupada

Población 26.17 23.47 24.16 inactiva

Tasa de Actividad 67.33 69.18 68.25

Tasa de 6.36 6.31 6.03 Desocupación

Cuadro 4 Condición de actividad para los 24 partidos del Gran Buenos Aires. Año 2010

PARTIDOS Población Población Población Población Tasa de Tasa de DEL GRAN de 15 a 64 ocupada desocupa inactiva actividad desocupa BUENOS años da ción AIRES

Almirante 64.75 47.47 3.61 23.83 68.18 7.07 Brown

Avellane- 64.87 50.59 3.37 25.44 67.96 6.24 da

Berazate- 65.09 47.20 3.91 23.84 68.19 7.66 gui

Esteban 65.22 47.94 3.71 22.30 69.84 7.18 Echeverría

Página | 22 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Ezeiza 64.40 46.27 3.44 20.32 70.98 6.92

Florencio 63.67 44.14 3.86 22.88 67.72 8.03 Varela

General 65.14 52.07 3.02 24.04 69.62 5.48 San Martín

Hurlingham 65.53 50.85 3.52 24.06 69.32 6.48

Ituzaingó 65.89 51.07 3.31 23.52 69.81 6.08

José C. Paz 63.97 46.05 3.51 22.97 68.32 7.08

La Matanza 64.87 50.11 3.04 21.80 70.91 5.71

Lanús 65.25 50.50 3.43 26.17 67.33 6.36

Lomas de 65.17 49.70 3.18 24.34 68.48 6.01 Zamora

Malvinas 64.91 47.98 3.67 22.52 69.64 7.10 Argentinas

Merlo 64.65 46.77 3.50 23.83 67.84 6.97

Moreno 64.35 46.16 3.76 22.49 68.94 7.53

Morón 65.45 51.81 3.29 25.73 68.17 5.98

Quilmes 64.77 48.14 3.50 25.17 67.23 6.79

San 65.31 51.43 3.31 22.40 70.96 6.05 Fernando

San Isidro 65.31 53.67 2.76 24.53 69.70 4.89

San Miguel 65.89 50.14 3.18 22.71 70.13 5.96

Tigre 64.53 49.62 3.14 21.32 71.22 5.95

Tres de 65.43 52.14 3.04 25.14 68.70 5.51 Febrero

Vicente 66.14 56.52 2.47 24.50 70.65 4.19 López

Fuente Elaboración propia en base al Censo Nacional de Población, Hogares y Viviendas 2010. Cuestionario Básico. Buenos Aires. INDEC. [consultada 28/11/2019] Datos procesados con REDATAM+SP. Disponible en: https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?&MODE=MAIN&BASE=CPV 2010B&MAIN=WebServerMain.inl&_ga=2.69222293.469209804.1574901364-456025370.1571671405

Página | 23 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Como se puede apreciar en el cuadro 3, los valores correspondientes al municipio de Lanús son levemente superiores a los expresados para los 24 partidos del Gran Buenos Aires y la totalidad de la provincia homónima, con excepción de la tasa de actividad que es menor a la registrada en las áreas geográficas referidas y que, analizada en profundidad en el cuadro siguiente, demuestra que la misma está en penúltimo lugar respecto a la totalidad de los partidos.

Respecto al cuadro 4, se aprecia que Lanús presenta un nivel medio respecto a la totalidad de partidos en cuanto a condición de actividad, y se encuentra en la peor situación en comparación a los partidos constitutivos del primer cordón. Llamativamente, el mayor porcentaje de población inactiva se encuentra dentro del área de estudio, aunque como se explicó con anterioridad, no se la considera relevante debido a que está íntimamente relacionada con la estructura poblacional. Aunque, como se ha referido, en cuanto a tasa de actividad, Lanús se encuentra en el penúltimo puesto, ocupa un lugar intermedio en referencia a la tasa de desocupación, ubicándose igualmente en la situación más desfavorable en comparación con el resto del primer cordón.

En cuanto a las condiciones educativas, el Censo provee una cantidad significativa de datos, de los cuales fueron comparados aquellas variables que se establecen en el cuadro 5. Nuevamente, las áreas geográficas a comparar fueron: el municipio de Lanús, los 24 partidos del Gran Buenos Aires y la provincia de Buenos Aires. Se observa que los datos correspondientes a variables de costo4 (no sabe leer y escribir, nunca asistió a un establecimiento educativo, máximo nivel que cursa o cursó: primario) son inferiores en el municipio de Lanús que en el resto del GBA y la provincia de Buenos Aires, mientras que los datos correspondientes a la variable de beneficio5 (máximo nivel que cursa o cursó: universitario) es mayor al de las otras áreas geográficas en análisis. Esto indica que la condición educativa de los habitantes de Lanús es mejor a la de la media de la provincia.

4 Variable de costo: Es aquella variable que resulta desfavorable en sus valores máximos (Buzai, 2014) 5 Variable de beneficio: Es aquella variable que resulta favorable en sus valores máximos (Buzai, 2014) Página | 24 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 5 Condiciones educativas para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010

VARIABLES MUNICIPIO DE GRAN BUENOS PROV. DE BUENOS LANÚS AIRES AIRES

No sabe leer ni 4.88 5.89 5.85 escribir

Nunca asistió a un 1.52 2.27 2.12 establecimiento educativo

Máximo nivel 34.27 36.44 36.66 educativo que cursa o cursó: Primario

Máximo nivel 9.70 7.97 8.40 educativo que cursa o cursó: Universitario

Fuente. Elaboración propia en base al Censo Nacional de Población, Hogares y Viviendas 2010. Cuestionario Básico. Buenos Aires. INDEC. [consultada 28/11/2019] Datos procesados con REDATAM+SP. Disponible en: https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?&MODE=MAIN&BASE=CPV 2010B&MAIN=WebServerMain.inl&_ga=2.69222293.469209804.1574901364-456025370.1571671405

Si se establece, una vez más la comparativa del municipio respecto a cada uno de los partidos del GBA, observamos que Lanús está muy bien posicionado en relación con el porcentaje de población que no sabe leer ni escribir: quinto en el total de partidos y segundo dentro del primer cordón. De la misma forma, ocupa un buen lugar respecto a la población que nunca asistió a un establecimiento educativo. Se observa que respecto a esta variable que la distribución espacial de la misma no obedece a un criterio que distinga en una mejor situación a partidos del primer cordón en comparación al segundo. En cuanto a máximo nivel educativo alcanzado, se encuentra en una buena posición relativa, aunque lejos de los valores alcanzados por los distritos con un mayor nivel (Vicente López y San Isidro)

Página | 25 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 6 Condiciones educativas del partido de Lanús en relación con los 24 partidos del GBA. 2010

PARTIDOS DEL No sabe leer Nunca asistió Máximo nivel Máximo nivel GRAN ni escribir a un establ. educativo: educativo: BUENOS AIRES educativo primario universitario

Almirante 6.35 2.56 37.48 6.27 Brown

Avellaneda 4.91 1.34 32.19 10.29

Berazategui 6.03 2.13 35.40 6.56

Esteban 6.45 2.83 37.62 6.39 Echeverría

Ezeiza 7.17 3.29 38.64 4.15

Florencio 7.40 3.55 41.61 3.10 Varela

General San 5.05 1.61 34.55 8.98 Martín

Hurlingham 5.27 1.64 33.93 8.66

Ituzaingó 4.98 1.15 29.75 12.15

José C. Paz 7.00 3.24 42.82 3.45

La Matanza 6.20 2.71 41.40 5.02

Lanús 4.88 1.52 34.27 9.70

Lomas de 5.88 2.25 36.91 9.12 Zamora

Malvinas 6.46 2.71 40.12 4.80 Argentinas

Merlo 6.58 2.85 40.41 4.38

Moreno 7.08 3.14 39.94 4.39

Morón 4.50 1.22 27.90 14.56

Quilmes 5.84 2.24 35.49 8.50

Página | 26 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

San Fernando 5.71 1.82 33.83 8.95

San Isidro 4.35 0.97 23.99 20.95

San Miguel 5.80 2.19 34.96 8.80

Tigre 6.42 2.08 35.58 8.22

Tres de 4.56 1.44 32.16 10.72 Febrero

Vicente 3.49 0.61 19.88 24.02 López

Por último, se tomaron en cuenta las condiciones habitacionales de las tres áreas mencionadas en primera instancia (cuadro 7) y la comparativa con cada uno de los 24 partidos del GBA (cuadro 8). Para ello, se utilizaron distintos indicadores, por un lado, la calidad constructiva y tipo de vivienda y, por otro, el acceso del hogar a servicios básicos. En el caso de las dos primeras variables el dato provisto por el Sistema REDATAM+SP corresponde al porcentaje sobre la cantidad de viviendas totales de cada jurisdicción. Los demás indicadores hacen referencia al porcentaje de hogares sobre el total que cumplen con la condición descripta.

A partir del análisis de los datos provistos en el siguiente cuadro, puede establecerse que las condiciones habitacionales de los habitantes del municipio de Lanús son sensiblemente superiores a las condiciones de la provincia de Buenos Aires y los 24 partidos del Conurbano, con excepción de la conexión a pozo ciego de la descarga del inodoro. Esto puede visibilizarse aún mejor en el cuadro 8, donde se evidencia que Lanús ocupa en la tabla un lugar importante entre los municipios con mayor porcentaje de hogares que cumplen esta condición. Respecto al resto de las variables, ocupa un lugar intermedio tanto en lo que respecta al total de los municipios, como a aquellos pertenecientes al primer cordón.

Página | 27 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 7 Condiciones habitacionales para el municipio de Lanús, 24 partidos del Gran Buenos Aires y provincia de Buenos Aires. Año 2010

VARIABLE MUNICIPIO DE GRAN BUENOS PROV. DE LANÚS AIRES BUENOS AIRES

Calidad constructiva 7.02 14.85 11.91 de la vivienda: insuficiente

Tipo de vivienda: 0.82 2.68 2.27 casilla

Tenencia de agua: 96.03 88.67 90.04 por cañería dentro de la vivienda

Desagüe del inodoro 32.36 24.11 22.44 sólo a pozo ciego

Combustible utilizado 20.35 32.56 32.16 principalmente para cocinar: gas en garrafa

Fuente. Elaboración propia en base al Censo Nacional de Población, Hogares y Viviendas 2010. Cuestionario Básico. Buenos Aires. INDEC. [Consulta: 28/11/2019] Datos procesados con REDATAM+SP. Disponible en: https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?&MODE=MAIN&BASE=CPV 2010B&MAIN=WebServerMain.inl&_ga=2.69222293.469209804.1574901364-456025370.1571671405

Página | 28 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 8 Condiciones habitacionales de los 24 partidos del GBA. Año 2010

PARTIDOS Calidad Tipo de Tenencia Desagüe al Combustible DEL GRAN constructiva vivienda: de agua: inodoro: para cocinar: BUENOS de la casilla por cañería sólo a pozo gas en AIRES vivienda: dentro de la ciego garrafa insuficiente vivienda

Almirante 18.68 3.91 84.97 32.61 33.56 Brown

Avellaneda 6.33 1.05 95.68 16.37 20.41

Berazategui 12.29 3.72 92.94 18.45 32.53

Esteban 20.08 2.43 83.96 31.76 39.63 Echeverría

Ezeiza 28.40 4.41 73.09 31.54 47.23

Florencio 29.15 7.44 79.59 41.96 53.21 Varela

General San 7.76 1.47 95.40 20.97 20.47 Martín

Hurlingham 9.68 1.76 92.62 19.74 18.82

Ituzaingó 7.41 1.53 94.04 16.90 17.27

José C. Paz 29.09 3.55 75.85 32.61 56.16

La Matanza 19.24 3.28 84.77 21.34 37.93

Lanús 7.02 0.82 96.03 32.36 20.35

Lomas de 15.14 1.76 88.81 35.17 30.92 Zamora

Malvinas 21.90 3.56 82.95 31.44 46.36 Argentinas

Merlo 24.12 3.97 81.92 28.18 51.52

Moreno 26.80 4.51 78.32 32.41 64.24

Morón 4.27 0.71 96.81 10.91 8.05

Quilmes 13.60 3.08 92.41 24.89 31.38

Página | 29 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

San 8.67 1.96 94.58 10.83 26.32 Fernando

San Isidro 3.12 0.78 98.29 6.87 10.55

San Miguel 16.23 2.08 86.64 24.10 34.29

Tigre 14.27 3.75 88.98 32.79 42.27

Tres de 4.50 0.79 96.96 7.75 10.78 Febrero

Vicente 1.77 0.63 98.98 1.34 4.45 López

En términos generales, el partido de Lanús presenta condiciones socio – habitacionales consistentes con un nivel medio en relación a los partidos constituyentes del primer cordón del conurbano, ocupando un lugar superior a la media en la mayoría de las variables analizadas respecto a la totalidad de los 24 partidos del GBA. En líneas generales, el mejor nivel socio – habitacional pertenece al municipio de Vicente López, lindante a la Ciudad Autónoma de Buenos Aires en zona Norte y el peor nivel al municipio de Florencio Varela, perteneciente al segundo cordón Sur.

1.4.2. Técnicas cuantitativas aplicadas al análisis espacial con Sistemas de Información Geográfica (SIG)

1.4.2.1. Paradigma de la Geografía Cuantitativa

La propuesta metodológica del presente trabajo, a partir de la selección de las dimensiones y variables correspondientes, se basa en la escuela de la Geografía Cuantitativa (y su evolución a las nuevas formas del saber geográfico) que tiene sus orígenes en los postulados filosóficos positivistas. “A través de ella se observa la realidad empírica del espacio geográfico, se realizan mediciones de esa realidad, se analizan sus distribuciones espaciales y se las generaliza a través de modelos y formulación de leyes” (Buzai, 2015). La

Página | 30 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Geografía Cuantitativa está íntimamente relacionada con el factor espacial constitutivo de la Ciencia Geográfica, de manera tal que cobran especial importancia: la localización de entidades (de manera absoluta, relativa y relacional), su distribución en el territorio, la asociación espacial de las mismas (relaciones verticales), su interacción (movimientos horizontales en el espacio relativo) y su evolución (dinámica temporal) (Buzai, 2015). Aunque los postulados de la Geografía Cuantitativa fueron acuñados durante la década de 1950 cobran en la actualidad especial interés cuanto la metodología de análisis se aplica a través de las nuevas Tecnologías de la Información, especialmente de los SIG, modificando las bases conceptuales de la ciencia. Buzai (2015) en su texto Evolución del pensamiento geográfico hacia la geografía global y la Neogeografía plantea una evolución paradigmática de las posturas geográficas a partir de la década del cincuenta diferenciando la Geografía Cuantitativa (1950-1970), influenciada por el modelo positivista basado en las matemáticas (Burton, 1963), de la Geografía Automatizada (Dobson, 1983), la Geografía Global (Buzai, 1999) y la Neogeografía (Turner, 2006) de influencia positivista basada en la informática (período 1980-2010).

A partir del desarrollo de la tecnología SIG, “las entidades geográficas comenzaron a ser representadas mediante dos componentes vinculados: la forma y el contenido. En el ambiente digital mediante la creación de bases de datos gráficas y alfanuméricas respectivamente” (Buzai, 2015), la representación espacial de entidades geográficas se simplifica en capas de puntos, líneas y áreas vinculados a una tabla de información alfanumérica (modelo vectorial) y en matrices de información (modelo raster). La versatilidad de los SIG posibilita establecer interrelaciones espaciales, a partir de la manipulación de los datos representados en las bases alfanuméricas asociadas a una determinada localización espacial. El resultado de los análisis realizados deviene en la elaboración de cartografía asociada a la construcción de modelos derivados de dichos análisis.

En un artículo publicado por la Revista Catalana de Geografía, Buzai (2011) plantea los fundamentos iniciales de los aspectos de la cuantificación para la aplicación de los SIG:

Página | 31 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• El abordaje geográfico es principalmente espacial: el objeto de estudio es el espacio geográfico y sobre el mismo se lleva a cabo el análisis espacial a partir de los Sistemas de Información Geográfica. • La región se construye: se considera a la región como un elemento subjetivo susceptible de ser construido- • La metodología de construcción es cuantitativa: El trabajo se realiza sobre bases de datos alfanuméricas a través de cálculos estadísticos y estos resultados son cartografiados. • Se busca la construcción de modelos: Los espacios geográficos no se consideran únicos e irrepetibles, sino que se considera la generalización de estos a través de una modelización. • Se destruye el excepcionalismo: En relación con el punto anterior, se deja de lado el paradigma existencialista mediante el cual la ciencia geográfica estudia lo único e irrepetible. • Se producen capacidades interdisciplinarias: debido a que el lenguaje matemático puede ser interpretado por una diversidad de disciplinas científicas. • Se obtiene un mayor nivel de objetividad: Esto se desprende de la característica de repetición que tienen los SIG para llegar a resultados similares utilizando los mismos métodos.

1.4.2.2. Elaboración de mapas sociales. Etapas y antecedentes.

Un pionero en la realización de Mapas Sociales Urbanos, a partir del análisis de la estructura urbana en Argentina fue Horacio Torres (2006). En su trabajo El Mapa Social de Buenos Aires (1940 – 1990) basa su análisis en la evolución de la estructura urbana de la ciudad, diferenciando la misma en períodos caracterizado cada uno por distintos procesos socio espaciales.

El Dr. Gustavo Buzai incorpora a la confección de Mapas Sociales la variable cuantitativa de análisis, para luego trasladar la información obtenida tanto a un diseño cartográfico como a una modelización de estructura urbana.

En el trabajo llevado a cabo por el mencionado autor y Villerías Alarcón (2018) Concentración de los Determinantes Sociales de la Salud (DSS) en la cuenca del río Luján (provincia de Buenos Aires), los autores realizan un análisis Página | 32 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica espacial cuantitativo sobre los partidos integrantes de la cuenca, con desagregación a nivel de fracción censal. Determinan una serie de variables de costo a analizar encuadradas en dos contextos: sociodemográfico y habitabilidad. A partir de la información extraída del Sistema REDATAM+SP en datos absolutos, se procesan los mismos en cuatro etapas. Éstas están desarrolladas en forma completa en el libro Mapas Sociales Urbanos (Buzai, 2014) y fueron utilizadas en el presente trabajo para llevar a cabo la construcción del Mapa Socio – habitacional del partido de Lanús. Las etapas descriptas son las siguientes:

• Creación de una matriz de Datos Originales (MDO): La misma se encuentra conformada por columnas y filas. Cada columna corresponde a una variable y cada fila a una fracción censal de la cuenca. • Creación de la Matriz de Datos Índice (MDI): Los valores absolutos se convierten en porcentaje, tomando en cuenta para calcularlo, el dato absoluto que cumple la condición de la variable por fracción censal en relación con el total de viviendas, hogares o personas de dicha fracción. Este paso simplifica la comparabilidad que se vuelve muy compleja sobre datos absolutos. • Creación de la Matriz de Puntaje Omega Estándar (MDE) o Matriz de puntaje z Estándar (MDZ): Se transforman los datos de cada variable haciéndolos totalmente comparables, Pueden utilizarse dos métodos: A) a partir del cálculo del puntaje Omega6: Consiste en llevar a todos los datos a una misma unidad de medida con valores de 0 a 1 (Buzai, 2014). Los resultados obtenidos se multiplican por 100, obteniendo puntajes que se distribuyen entre 0 y 100. B) a partir del cálculo del puntaje z: este procedimiento es un poco más complejo que el anterior en su realización, ya que calcula la sumatoria (∑), el promedio ( ) y el desvío standard (Ω) de cada variable en cada columna y luego se obtiene el puntaje z a partir de la aplicación de una fórmula especifica (Buzai, 2014). Este es el método utilizado en el trabajo de referencia (Buzai – Villerías Alarcón. 2018)

6 Todas las fórmulas necesarias para la obtención de la estandarización, así como de matrices e índices, serán desarrolladas en el apartado 2.3. Técnicas de análisis cuantitativo Página | 33 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• Puntaje de Clasificación Espacial (PCE): Consiste en una metodología de análisis multivariado, que se basa en el paso previo, con la finalidad de obtener un valor resumen que puede mapearse y luego ser analizado a partir de su distribución espacial (Buzai, 2014). El PCE, se obtiene a partir de calcular el promedio de los valores estandarizados de las variables seleccionadas (Buzai – Villerías Alarcón, 2018). Si se utiliza como base a las variables calculadas a partir del puntaje omega, los valores de los resultados variarán entre 0 y 100. Si, en cambio se utiliza la MDZ, los cálculos darán por resultados valores positivos y negativos.

Aunque en el trabajo de referencia, los autores utilizan exclusivamente variables de costo para el análisis espacial, también pueden ser utilizadas variables de beneficio. Para poder trabajar en la síntesis de la totalidad de las variables, es necesario realizar una inversión de una de ellas a efectos de asegurar la comparabilidad y combinación entre todos los valores. Para ello, deben invertirse los valores de las variables de costo a beneficio o de beneficio a costo, siendo la primera metodología la más utilizada. Tomando en cuenta la obtención del PCE a partir de ambos puntajes (omega o z), los resultados se interpretarían de la siguiente manera:

• PCE de beneficio en puntaje z: el máximo negativo corresponde a la peor situación, mientras el máximo positivo lo hace con la mejor. • PCE de costo en puntaje z: el máximo positivo corresponde a la mejor situación, mientras el máximo negativo corresponde la peor, • PCE de beneficio en puntaje omega: el valor mínimo (0) corresponde a la peor situación y el valor máximo (100) corresponde a la mejor situación. • PCE de costo en puntaje omega: el valor mínimo (0) corresponde a la mejor situación y el valor máximo (100) corresponde a la peor situación.

Otro antecedente de importancia en la elaboración de mapas sociales urbanos es el trabajo de Buzai (2015): El mapa social de la ciudad de Luján en 1991, 2001 y 2010. Un modelo espacial consolidado. Una vez seleccionadas las variables y construidas las MDO, MDI y MDE con una desagregación espacial a nivel de radio censal, el autor utiliza diversos métodos para conformar los mapas correspondientes a los distintos años, a saber: Página | 34 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• Para el año 1991: Valor Índice Medio (VIM); Linkage Analisys; Cluster Analisys y Análisis factorial. • Para el año 2001: Cálculo de puntajes de clasificación espacial (PCE) • Para el año 2010: Linkage Analisys y Cluster Analisys7

Las variables seleccionadas para la elaboración del Mapa Social de Luján 2010 son tanto de costo, como de beneficio, descartando las variables neutras por considerarlas inconsistentes para el análisis posterior. Finaliza el trabajo, realizando un análisis de la estructura urbana de la ciudad de Luján, relacionando la misma con la estructura urbana característica de las ciudades latinoamericanas. En el apartado 1.4.3. La estructura urbana y los modelos teóricos se desarrollan las características de los principales modelos, para poder reconocer el correspondiente a las localidades constituyentes del partido de Lanús en la sección 3. Resultados y análisis.

En el libro Mapa Sociales Urbanos (Buzai, 2014), se mencionan varios trabajos realizados a través de la obtención del Puntaje de Clasificación Espacial, (método seleccionado en el presente trabajo para realizar el Mapa socio- habitacional del partido de Lanús). Entre las aplicaciones mencionadas en el texto se encuentran: Mendoza (Provincia de Mendoza): El mapa social a través de puntajes de clasificación espacial (Gudiño, M.E, Ghilardi, M- y Dalla Torre,J.); Neuquén (Provincia de Neuquén): el mapa social a través de puntajes de clasificación espacial (Torrens, C.); Buenos Aires (Argentina): el mapa social a través de puntajes de clasificación espacial (Buzai, G. y Marcos, M.) y San Pablo (Brasil): el mapa social a través de puntajes de clasificación espacial (P+eres Machado, R., Saldanha Kubrusly, V. y Vizeu Barroso, L.)

Tomando como referencia los trabajos presentados, se concluye que en todos ellos son empleadas las mismas cuatro etapas de construcción del mapa social (elaboración de la MDO, elaboración de la MDI, elaboración de la MDE o MDZ y elección del método de composición del mapa social).

7 Debido a la diversidad de métodos de análisis espacial mencionada, siendo que no son estos los seleccionados a efectos de cumplir los objetivos del presente trabajo, sólo se los menciona en calidad de antecedentes, sin profundizar en las conceptualizaciones teóricas de los mismos. Página | 35 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

1.4.2.3. Cálculo de índices de concentración espacial. Antecedentes

En el mencionado trabajo sobre Determinantes Sociales de la Salud, Buzai y Villerías Alarcón llevan a cabo cálculos geoestadísticos que permiten realizar un análisis derivado del cálculo de índices de concentración: el Índice de Concentración Espacial Global (ICEG) y el Índice de Concentración Espacial Areal (ICEA).

De acuerdo con Buzai (2018), las desigualdades socioespaciales en el territorio, vinculadas a diversos factores, generan concentraciones espaciales que apartan a los datos de una distribución equitativa. Metodológicamente es posible medir el grado de concentración espacial de una variable en un territorio dado a partir de distintos cálculos matemáticos, como ser el Índice de Concentración Espacial Areal (ICEA), el índice de Concentración Espacial Global (IGEA) y la representación gráfica a partir de la curva de concentración de Lorenz. Mientras el segundo hace referencia a la concentración de una variable sobre toda el área de estudio, el primero establece una relación de acuerdo con la superficie de las unidades espaciales de esta.

En el libro Mapas Sociales Urbanos (Buzai, 2014), se mencionan dos aplicaciones en las que se realizaron análisis de concentración: Posadas (Provincia de Misiones): el mapa social a través del análisis de concentración y autocorrelación espacial de la pobreza (Mignone, A.) y Resistencia (Provincia de Chaco): concentración espacial de servicios sanitarios (Ramirez, L y Falcón, V. L.).

En el presente trabajo se llevó a cabo la medición de ambos índices sobre el Puntaje de Clasificación Espacial (PCE), descartándose la confección de la curva de Lorenz debido al volumen de datos que debían procesarse (517 radios censales), que harían compleja tanto su construcción como su interpretación. Para finalizar, se procedió a realizar la cartografía derivada del cálculo del ICEA a efectos de completar el análisis sobre distribución espacial del mismo.

Página | 36 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

1.4.3 La estructura espacial urbana y los modelos teóricos.

Para proceder a describir los modelos de estructura urbana, que luego se tomarán de ejemplo para contrarrestar y comparar el modelo de estructura socio – habitacional del partido de Lanús, se vuelve imprescindible incorporar una referencia a las dimensiones de esta. En palabras de Quiroga, M.S. (2005) “(…) la estructura urbana comprendea la organización de los elementos físicos y de orden económico social y cultural que constituyen el soporte territorial de la ciudad en el tiempo”. Según el esquema propuesto por Aguilera Arilla, Borderías Uribeondo, Yanci, & Santos Preciado (1991: 524) en su libro Geografía General II, se pueden reconocer dentro de la estructura urbana dos tipos de elementos: los elementos básicos que corresponden a las funciones de diversos espacios dentro de la ciudad (industrial, comercial, residencial y otros) y los elementos estructurales: el centro de la ciudad y el sistema de transporte (Ver figura 5). De la distribución espacial de dichos elementos se desprenden los modelos teóricos de estructura urbana.

Figura 5 Diagrama conceptual. Elementos constitutivos del sistema intraurbano y de la estructura urbana

Fuente. Aguilera Arilla, Borderías Uribeondo, González Yanci, & Santos Preciado (1991: 524) Geografía General II. Geografía Humana. UNED. España Página | 37 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Entre los modelos de estructura urbana que pueden tomarse como fundamento teórico para la comparación con el modelado de la estructura socio - habitacional del partido de Lanús, se diferencian dos grandes grupos, establecidos en el libro Mapas Sociales Urbanos del Dr. Buzai (2014).

A) Los modelos tradicionales, y B) La estructura socioespacial en América Latina.

En el primer grupo, se reconocen:

• El Modelo de los anillos concéntricos (Burguess, 1925): La estructura urbana se reconoce a partir de anillos que muestran una distribución regular en torno a un centro: el CBD (Central Business District). Cada anillo corresponde a una etapa de expansión de la ciudad, distinguiéndose en cada uno un uso del suelo determinado. Aplicada a la “ciudad real”, el modelo se distorsiona, siguiendo el eje de las vías de comunicación u otros elementos geográficos que pudieran causar esta distorsión.

• El Modelo de los sectores (Hoyt, 1939): Sobre un estudio realizado en varias ciudades de Estados Unidos, sobre valores del suelo, Hoyt amplía el modelo de Burguess. Según este autor, los valores del suelo tienden a acomodarse en sectores, mediante un patrón que es posible encontrar en todas las ciudades. La estructura urbana se organiza direccionalmente desde el centro hacia la periferia, siguiendo preferentemente las vías de comunicación. • El Modelo de los núcleos múltiples (Harris y Ullman, 1945): Para los autores, las ciudades se configuran como lugares centrales, considerando tres aspectos: en primer lugar, los espacios urbanos como áreas centrales configuran áreas de influencia regulares. En segundo término, los transportes configuran el territorio en forma lineal, y por último los servicios especializados están asociados con áreas de influencia de gran amplitud.

Respecto a la estructura urbana en Latinoamérica, se pueden diferenciar varios aportes, categorizados a partir de distintos períodos, a saber:

Página | 38 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• El aporte de los geógrafos alemanes (1976 – 1982): El crecimiento urbano de las ciudades latinoamericanas ha sido estudiado por Bärh y Mertins (1982; Buzai, 2014)), estableciendo tres patrones espaciales: - Una estructura antigua de anillos concéntricos: se reconoce un sector central, un anillo de usos mixtos y, en el borde de la ciudad, zonas residenciales bajas. - Una estructura moderna sectorial: corrimiento por ejes de las zonas residenciales en las ciudades de mayor crecimiento - Una estructura celular en la periferia: formada por barrios informales. • El aporte de los geógrafos norteamericanos (1980 – 1999): Se pueden mencionar como exponentes de este aporte a Griffin y Ford (1980; Buzai, 2014)). Para estos geógrafos, el modelo latinoamericano reconoce un CBD altamente especializado que constituye, además, el punto de mayor accesibilidad a la ciudad. El sector residencial se localiza en forma sectorial correspondiente con la expansión del CBD. El anillo más cercano al CBD se conoce como “zona de madurez”, cuenta con la mejor infraestructura de vivienda y acceso a todos los servicios. El anillo intermedio o “zona de acrecentamiento in situ” es un espacio de transición, mientras que en el anillo exterior o “zona de asentamientos periféricos” reside la población urbana más marginal. Crowley (1998; Buzai, 2014)) considera a este modelo “estándar” para el estudio de las ciudades latinoamericanas. Ford (1996; Buzai, 2014)) propone una ampliación al modelo, reconociendo nuevos sectores como ser una zona de gentrificación y otra de asentamiento de urbanizaciones privadas hacia la periferia. • Modelo de ciudad fragmentada (1998 – 2003): Diversos autores identifican la realidad de la ciudad latinoamericana del siglo XXI como resultado de procesos culturales que se manifiestan en el espacio. De esta forma, desde fines del siglo XX se observa la localización y proliferación de urbanizaciones privadas, fenómeno que brinda una manifestación de la polarización social. Como resultado de esto, se generan “islas” en el interior del espacio urbano. Estas ciudades fragmentadas son el resultado de un largo proceso de evolución desde la época colonial.

Página | 39 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

2, FUNDAMENTOS Y DESARROLLO METODOLÓGICO

2.1. Elección de dimensiones, variables e indicadores. Construcción de la tabla de operacionalización.

El primer paso para proceder al análisis espacial socio-habitacional que permita luego componer el mapa social del partido de Lanús es la correcta selección de dimensiones, variables e indicadores. Los mismos deben ser suficientemente representativos a efectos que pueda establecerse con claridad y precisión la distribución espacial de los fenómenos que pretenden ser representados y analizados.

Se ha determinado la elección de variables de costo y beneficio, categorizadas en tres dimensiones, sobre las que se llevaron a cabo los cálculos para el análisis espacial, como ser: estandarización de variables, cálculo del PCE, ICEG e ICEA. La selección de las variables/indicadores se encuentran expresadas en el cuadro 5, junto con la operacionalización de cada objetivo específico. El punto de partida para la selección fue la consulta efectuada sobre el Plan Estratégico de Lanús (2012) y su comparación con los datos generales derivados del Censo 2010. De esta manera, se desestimaron algunas variables y fueron seleccionadas las que se consignan, tomando como criterio la representatividad de éstas en el área de estudio en comparación a la media obtenida en provincia de Buenos Aires y los 24 partidos del Conurbano. En lo que respecta a la condición de ocupación, se determinó utilizar el porcentaje de población ocupada sobre el total de población, ya que la tasa de actividad o la tasa de empleo (que sería un valor más representativo) no está disponible con desagregación a nivel de radio censal.

Página | 40 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 9. Tabla de Operacionalización

VARIABLES/INDICADORES (COSTO Y OBJETIVO ESPECÍFICO DIMENSIONES BENEFICIO) Porcentaje de Población que no sabe leer ni escribir

Educativa Porcentaje de Población que cursa Identificar la distribución o cursó el nivel educativo espacial del nivel de universitario. desarrollo socio- habitacional en el Porcentaje de Hogares con al menos un indicador de NBI partido de Lanús a Ingreso/Pobreza partir del análisis espacial cuantitativo Porcentaje de Población en condición de actividad ocupada. con Sistemas de

Información Porcentaje de Hogares con desagüe Geográfica. cloacal a pozo ciego Habitacional

Porcentaje de viviendas con calidad constructiva satisfactoria Determinar la concentración espacial de la síntesis de variables utilizadas, a Cálculo geoestadístico sobre la construcción del través de cálculos Puntaje de Clasificación Espacial (síntesis de las geoestadísticos y de la variables/indicadores mencionados) utilización de un Sistema de Información Geográfica

Contrastar la distribución espacial del nivel de desarrollo Análisis comparativo de la estructura socio - socio-habitacional del habitacional del partido de Lanús (resultante del partido de Lanús con cálculo del PCE) con los modelos teóricos sobre la los modelos teóricos estructura espacial urbana.

sobre la estructura

espacial urbana.

Construir un modelo espacial simplificado de la estructura socio- Construcción del modelo socio - habitacional del habitacional del partido partido de Lanús a partir del resultado cartográfico del de Lanús PCE.

Fuente Elaboración propia Página | 41 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Como se mencionó en la introducción, los datos en cantidades absolutas y relativas fueron obtenidos del Cuestionario Básico del Sistema REDATAM+SP del Censo 2010 provisto por la página del INDEC y descargados en formato de tabla .xls para luego ser unidos a la tabla de atributos de las bases a utilizar y proceder al análisis geoestadístico correspondiente.

Estas tablas, debieron ser sometidas a algunas modificaciones a efectos de poder llevar a cabo la construcción de matrices (MDI, MDE) y del PCE necesarios para el análisis espacial.

Al descargar las mismas y ser abiertas con el programa Excel, los valores correspondientes a la columna Porcentaje se presentaron con números enteros, por lo que fue necesario aumentar los decimales con una precisión de 2 en todas las tablas. Paralelamente, se procedió a quitar el encabezado y pie de cada tabla. En el apartado Anexo se muestra la extracción de los primeros 20 (veinte) radios censales correspondientes a la tabla original de cada variable/indicador descargadas del Sistema REDATAM+SP.

Todas estas presentan las mismas cuatro columnas, a saber:

• Código: Se refiere a los códigos geográficos establecidos por el INDEC para identificar a la unidad censal correspondiente. En el caso de las tablas utilizadas, el código se conforma a partir de: - El código geográfico de la provincia de Buenos Aires: 06 - El código correspondiente al partido de Lanús: 434 - El código correspondiente a la fracción censal: los dos dígitos consecutivos al código de departamento (01 a 45) - El código correspondiente al radio censal: Los últimos dos dígitos, consecutivos al código de fracción censal. Varían en cantidad de acuerdo con la fracción. • Total: Se refiere a la cantidad total de hogares, población o viviendas del partido, según la tabla que corresponda. • Total Seleccionado: Se refiere a la cantidad total de hogares, población o viviendas que cumplen la condición del indicador, según la tabla que corresponda.

Página | 42 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• Porcentaje: Se refiere al porcentaje que representa el Total Seleccionado respecto al Total de hogares, población o viviendas del radio censal,

2.2. Obtención de bases cartográficas para el análisis espacial con Sistemas de Información Geográfica (SIG)

Las bases cartográficas a utilizar se obtuvieron de la sección Unidades Geoestadísticas - Cartografía y códigos geográficos del Sistema Estadístico Nacional, provista por la página del INDEC. El archivo seleccionado, disponible en formato shape, es el correspondiente a la totalidad del territorio de la Provincia de Buenos Aires por Radio Censal (Ver Figura 6), La proyección de la capa descargada corresponde al código EPSG8: 22183, Sistema de Referencia de Coordenadas (SRC): POSGAR9 94 / Argentina 3. El SRC POSGAR 94 surge de la necesidad de adecuar las coordenadas nacionales al sistema mundial WGS8410. El cálculo de coordenadas está basado en la proyección geográfica Gauss – Krüger. Esta proyección, correspondiente a la implementada por el Instituto Geográfico Nacional (IGN), para la elaboración de la cartografía nacional es una proyección cilíndrica, conforme y transversal derivada de la Proyección Transversa Universal de Mercator (UTM). Supone el territorio de la República Argentina dividido en siete fajas meridianas de 3° de Longitud y 34° de Latitud. Las fajas se numeran de Oeste a Este en forma ascendente. Las coordenadas derivadas de esta proyección son de tipo cartesiano (también conocidas como coordenadas planas), siendo el origen de las mediciones para la coordenada X el Polo Sur y para la coordenada Y el meridiano central de cada faja. El valor de la coordenada X está conformado por siete dígitos que indican la distancia en metros al Polo Sur y el valor de la coordenada Y está conformado también por siete dígitos, de los cuáles el primero corresponde al número de faja y los otros seis a la distancia del punto al meridiano central de cada una. Para evitar números negativos hacia el Oeste, se le asigna el valor de 500000 al meridiano central, aumentando la numeración hacia el Este y

8 EPSG: acrónimo de European Petrolium Survey Group. Estos códigos son utilizados en entornos digitales para definir la posición de datos a través de SIG y están relacionados a los diversos Sistemas de Referencia de Coordenadas a nivel mundial. El archivo de códigos EPSG está disponible en: http://www.epsg.org/ 9 POSGAR: acrónimo de Posiciones Geodésicas Argentinas (IGN) 10 WGS84: corresponde a las siglas en inglés de World Geodetic System 84, que significa Sistema Geodésico Mundial. Es el Sistema de Referencia adoptado globalmente. Página | 43 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica disminuyendo hacia el Oeste. La cartografía provista por el INDEC corresponde a Faja 3 (Argentina 3), ya que se la considera como la faja central del territorio y todas las provincias se encuentran referenciadas en dicha faja.

Figura 6 Capas shape de provincia de Buenos Aires por radio censal

Fuente: Censo Nacional de Población, Hogares y Viviendas 2010 y geografía y códigos geográficos del Sistema Estadístico Nacional. Buenos Aires: INDEC, [consultada el 27/11/2019]. Datos procesados con Redatam+SP. Base geográfica disponible en: http://www.indec.gob.ar/codgeo.asp

A partir de la capa shape de Provincia de Buenos Aires por radio censal del INDEC, se procedió a extraer el territorio del partido de Lanús por radio censal. Para ello se seleccionaron los radios censales pertenecientes al mencionado partido, tomando como base los códigos geográficos que los identifican. Para ello, en primera instancia se exploró la tabla de atributos del shape para identificar qué campo contenía la información alfanumérica requerida y se estableció que la misma se encontraba informada en el campo: link. Una vez obtenido este dato, se utilizó la herramienta SIG Seleccionar objetos espaciales utilizando una expresión, construyéndose la siguiente sentencia: link >= 064340101 AND link <= 064344512 (ver Figura 6)

Página | 44 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 7 Capturaa de paantalla de la ventna “Seleccionar objeto utilizando una expresión”

Fuente: Elaboración propia Una vez seleccionadas las entidades espaciales, se procedió a guardar la nueva capa en formato shape y reproyectarla al código EPSG: 5348 SRC: POSGAR 2007 / Argentina 6 (IGN, 2019). Las causas que motivaron la reproyección fueron dos: por un lado, actualizar la capa al SRC más moderno utilizado por el IGN y, por el otro, asignarle a la misma la Faja correspondiente a la localización geográfica del partido, esto es, a Faja 6. Se optó por conservar la capa en coordenadas planas, ya que éstas facilitan algunos cálculos métricos con el SIG, como ser el cálculo de superficie, necesario para proceder a la construcción del ICEG y del ICEA.

Página | 45 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 8 Capa shape del Partido de Lanús por radio censal

Fuente: Elaboración propia basada en información obtenida del Censo Nacional de Población, Hogares y Viviendas 2010 y geografía y códigos geográficos del Sistema Estadístico Nacional. Buenos Aires: INDEC, [Consulta: 27/11/2019]. Datos procesados con Redatam+SP. Base geográfica disponible en: http://www.indec.gob.ar/codgeo.asp

2.3. Técnicas de análisis cuantitativo

2.3.1. Construcción de la Matriz de Datos Índice (MDI)

Debido a que las tablas descargadas del Cuestionario Básico del Sistema REDATM+SP ya cuentan con el valor en porcentajes de las variables e indicadores mencionados en el cuadro 5 (pág. 32), se decidió obviar el paso correspondiente a la elaboración de la Matriz de Datos Originales (MDO) y construir directamente la Matriz de Datos Índice, para lo cual se tomó el valor del porcentaje absoluto provisto por las tablas de referencia.

Un extracto de los 20 (veinte) primeros radios censales de la matriz construida a partir de estas variables se incluyen en el apartado Anexo.

2.3.2. Construcción de la Matriz de Datos Estandarizados (MDE)

Para la construcción de la Matriz de Datos Estandarizados se optó por elegir el cálculo del puntaje Omega. Este puntaje se obtiene a partir de la fórmula:

Página | 46 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

푥푖−푚 [1] Ω = 푀−푚

Donde:

• Ω : es el puntaje omega

• 푥푖: es el valor del dato

• 푚: corresponde al menor valor de la variable

• 푀: corresponde al mayor valor de la variable.

Para la obtención del puntaje Omega se procedió de la siguiente manera:

Sobre las tablas obtenidas del INDEC se ordenaron las columnas de porcentajes de las variables/indicadores de menor a mayor, obteniendo de esa manera los valores 푚 y 푀 para cada una.

Una vez obtenidos estos valores se cargó en el SIG la capa del partido de Lanús por radios censales, y se editó la tabla de atributos de la capa, dejando en ella las columnas consideradas de mayor relevancia para el presente trabajo, a saber (ver Figura 9):

• Link: Corresponde al código geográfico del radio censal, compuesto según se explicó oportunamente en pág. XX • Totalpobl: Cantidad total de población por radio censal • Hogares: Cantidad total de hogares por radio censal. • Viviendasp: Cantidad de viviendas por radio censal.

Página | 47 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 9 Extracto de la tabla de atributos de la capa de Lanús por radios censales editada

Fuente Elaboración propia

Luego se procedió a la unión de tablas. Para realizarla, el primer paso fue modificar el código geográfico de la tabla del INDEC ya que éste no empezaba con el número 0 y para llevar a cabo la unión de tablas en el SIG es imprescindible contar con al menos un campo en común con idéntica información alfanumérica. Una vez llevado a cabo este punto, se procedió a realizar la unión de tablas en QGIS. La siguiente figura muestra la ventana Añadir unión vectorial donde se observan los campos de la matriz a unir a la tabla de atributos de la capa del partido de Lanús.

Página | 48 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 10 Ventana correspondiente al proceso Unión entre la tabla externa de la MDI con la tabla de atributos del partido de Lanús

Fuente Elaboración propia

Un extracto del resultado del proceso de unión de tablas se muestra en la siguiente figura:

Figura 11 Extracto de la tabla de atributos de la capa del partido de Lanús por radio censal obtenida a partir del proceso "Unión"

Fuente: Elaboración propia

Una vez realizada la unión de tablas, se procedió a la estandarización de cada variable en puntaje Omega, según la fórmula expresada oportunamente. Los valores mínimos (m) y máximos (M) de cada variable/indicador se expresan en el siguiente cuadro:

Página | 49 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 10 Valores de m y M para cada variable/indicador

VARIABLE/INDICADOR m M Población que no sabe 1.43 13.33 leer ni escribir

Población que cursa o 0 35.15 cursó nivel universitario

Hogares con al menos un 0 66.44 indicador de NBI

Población con condición 37.35 65.08 de actividad: ocupada

Hogares con desagüe 0 82.39 cloacal a pozo ciego

Viviendas con calidad 1.62 87.76 constructiva satisfactoria

Fuente. Elaboración propia

Para llevar a cabo los cálculos se utilizó la calculadora de campos del SIG, obteniéndose seis nuevos campos, uno por cada cálculo de estandarización. De esta nueva tabla de atributos se desprendió la MDE cuyo extracto, correspondiente a los 20 (veinte) primeros radios censales puede consultarse en el Anexo.

Los cálculos de estandarización efectuados para la obtención de la MDE con la herramienta SIG consignada se observan en las figuras subsiguientes:

Página | 50 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 12 Cálculo de estandarización por puntaje Omega de la variable población que no sabe leer ni escribir

Fuente: Elaboración propia

Figura 13 Cálculo de estandarización por puntaje Omega de la variable población que cursa o cursó el nivel universitario

Fuente: Elaboración propia Página | 51 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 14 Cálculo de estandarización por puntaje Omega de la variable hogares con al menos un indicador de NBI

Fuente: Elaboración propia

Figura 15 Cálculo de estandarización de la variable población con condición de actividad ocupada

Fuente Elaboración propia

Página | 52 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 16 Cálculo de estandarización por puntaje Omega de la variable hogares con desagüe cloacal a pozo ciego

Fuente: Elaboración propia

Figura 17 Cálculo de estandarización por puntaje Omega de la variable viviendas con calidad constructiva satisfactoria

Fuente: Elaboración propia

Página | 53 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

2.3.3. Inversión de variables de costo a variables de beneficio

Como se indicó en el apartado 1.4.2.2. Elaboración de mapas sociales. Etapas y antecedentes, los puntajes estandarizados de las variables e indicadores de costo debieron invertirse en función de poder hacerlos comparables y combinables con los puntajes de beneficio. Teniendo en cuenta que el valor del puntaje Omega es de 1 a 100, para calcular el Puntaje de Costo Inverso (PVC (inv)), se utilizó la siguiente fórmula:

[2] PVC (inv) = 100 - Ω

El cálculo se realizó nuevamente con la calculadora de campos del SIG, obteniéndose tres nuevos campos que se anexaron a una nueva matriz (Matriz de puntajes inversos), que fue exportada a formato Excel y cuyo extracto se puede consultar en el Anexo.

En las siguientes figuras se puede observar la aplicación del cálculo del PVC (inv) para los tres puntajes de costo trabajados.

Página | 54 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 18 Cálculo del PVC (inv) para el puntaje de población que no sabe leer ni escribir

Fuente Elaboración propia

Figura 19 Cálculo del PVC (inv) para el puntaje de hogares con al menos un indicador de NBI

Fuente: Elaboración propia

Página | 55 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 20 Cálculo del PVC (inv) de hogares con desagüe cloacal a pozo ciego

Fuente: Elaboración propia

2.3.4. Construcción del PCE

El método de simplificación de las variables estandarizadas corresponde al Puntaje de Clasificación Espacial (PCE), como se consignó oportunamente en pág. 25. El PCE es el resultado de la obtención del valor medio de los puntajes Omega de beneficio más los puntajes de costo inversos, según se expresa en la siguiente fórmula:

[3] PCE = (Ω1 + Ω2 + Ω3 + PVC (inv)1 + PVC(inv)2 +PVC(inv)3) / 6

Página | 56 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

En la siguiente figura puede observarse el cálculo del PCE llevado a cabo con la calculadora de campos del SIG

Figura 21 Cálculo del PCE

Fuente: Elaboración propia

2.3.5. Cálculo de Índices de Concentración Espacial (ICEG e ICEA)

Posteriormente al cálculo del PCE se procedió al cálculo de los Índices de Concentración Espacial Global (ICEG) y de Concentración Espacial Areal (ICEA) del mismo. Las fórmulas correspondientes para el cálculo de cada uno son:

푛 [4] ICEGa = 0.50 ∑푖=1|푠푖 − 푎푖| Donde:

ICEGa: Corresponde al Índice de Concentración Espacial Areal de una determinada variable a

Si: Corresponde al porcentaje de superficie de una unidad espacial determinada sobre el total de superficie del área geográfica de estudio

푎푖: Corresponde al porcentaje de representación de la variable a sobre el total de esta, por unidad geográfica.

Página | 57 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

푛 ∑푖=1 : Corresponde a la sumatoria del resultado de restar el porcentaje representativo de la variable por unidad espacial del porcentaje de superficie de cada unidad espacial

0.50: Es una constante que permite utilizar solamente la suma de los valores positivos o negativos

푎푖 (%) [5] ICEAi = 푠푖 (%)

Donde:

ICEAi: Corresponde al Índice de Concentración Espacial Areal de una determinada unidad espacial.

푎푖 (%): Corresponde al porcentaje de representación de la variable a sobre el total de esta, por unidad geográfica.

푠푖 (%): Corresponde al porcentaje de superficie de una unidad espacial determinada sobre el total de superficie del área geográfica de estudio.

Los pasos llevados a cabo para realizar los cálculos de ambos índices fueron los siguientes:

En primer término, se procedió a cargar en el SIG la capa de radios censales del partido de Lanús. Al hacerlo, se configuraron los parámetros del proyecto SIG, donde se indicó que las unidades de medida para operar serían los kilómetros para medidas lineales y kilómetros cuadrados para medidas de superficie.

El primer cálculo realizado consistió en averiguar la superficie ocupada por cada radio censal en kilómetros cuadrados. Para llevar a cabo este proceso se utilizó la calculadora de campos, creando un nuevo atributo al que se denominó Superficie. La operación puede observarse en la siguiente figura:

Página | 58 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 22 Cálculo de superficie de cada radio censal de la capa del partido de Lanús

Fuente: Elaboración propia

Siendo el resultado del cálculo el que se consigna a continuación:

Figura 23 Extracto de la tabla de atributos de la capa del partido de Lanús. Resultado del cálculo de superficie en km2.

Fuente: Elaboración propia

Página | 59 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

A continuación, se exportó la tabla de atributos de la capa en formato Excel anexándole la columna correspondiente al PCE, para poder generar la matriz con los datos necesarios que posibilitara calcular los porcentajes de cada columna.

Para ello, se procedió a la sumatoria de los datos de las columnas Superficie y PCE, y al cálculo del porcentaje de representación de cada dato sobre el total por unidad espacial. Se obtuvo en consecuencia, una nueva matriz de datos, cuyas nuevas columnas adoptaron los siguientes nombres:

• Superficie %: Porcentaje representativo de la superficie total por unidad espacial. • PCE %: Porcentaje del puntaje de referencia sobre el total de la variable.

Anexándose una nueva columna y eliminando los valores absolutos, se procedió a aplicar la fórmula 푠푖 − 푎푖 por cada una. Se generó una nueva columna:

• Si - ai : Porcentaje de Superficie menos el porcentaje del PCE.

Una vez finalizado este paso se realizó la sumatoria de la nueva columna y se multiplicó el resultado por la constante 0,50, resultando de este proceso el ICEG correspondiente. El valor obtenido fue -7.59115E-15, el cual representa un valor cercano a 011.

A continuación, se creó una nueva columna sobre la que se realizó el cálculo del ICEA. Esta columna adoptó el siguiente nombre:

• ICEA: Cociente entre el porcentaje del PCE y el porcentaje de superficie.

El extracto de esta matriz se publica en el apartado Anexo.

Para proceder al diseño de la cartografía digital derivada de este cálculo, debió realizarse primero una unión de tablas, entre la tabla externa Excel sobre la que se llevaron a cabo los cálculos del ICEA y la tabla de atributos de la capa

11 El análisis de este resultado se indica en el apartado 3. Resultados y análisis, junto al análisis del ICEA. Página | 60 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica de Lanús por radios censales. En la siguiente figura puede observarse la operación de unión efectuada con el SIG.

Figura 24 Captura de pantalla del proceso unión entre la tabla externa de cálculo del ICEA y la capa de Lanús por radio censal

Fuente Elaboración propia

En la siguiente figura puede observarse un extracto de la tabla de atributos generada a partir del proceso de unión anterior.

Figura 25 Extracto de la tabla de atributos de la capa de Lanús resultante del proceso de Unión

Fuente: Elaboración propia

Página | 61 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Por último, los resultados fueron cartografiados, siguiendo los criterios que se desarrollan en el punto 2.5. Elaboración de cartografía temática. Criterios adoptados, y pueden observarse en el apartado 3. Resultados

2.4. Digitalización de áreas ocupadas por asentamientos informales en el partido de Lanús

A efectos de completar el Mapa socio – habitacional del partido de Lanús, se procedió a digitalizar los asentamientos informales del partido. La identificación de los mismos se realizó a partir de la interpretación visual realizada con base a una combinación de bandas y a la aplicación del filtro de Sobel. Ambos procesos se explican en detalle más adelante.

Chuvieco (2010) menciona en su libro Teledetección Ambiental algunas ventajas de la interpretación visual sobre la interpretación digital. Establece que mientras la segunda basa su análisis exclusivamente en la intensidad radiométrica de cada pixel, la primera incorpora otros elementos de análisis, a partir de distintos criterios:

• Crfiterio espectral: Brillo y color • Criterio espacial simple: Forma, tamaño, textura • Criterio espacial complejo: Sombras, contexto, asociación • Criterio temporal: Fenología, condiciones estacionales

Para llevar a cabo este proceso se utilizaron cuatro imágenes WorldView 2 obtenidas en cuatro bandas: tres del visible y una del infrarrojo cercano combinadas. Es un producto Standard con una resolución espacial de 0,5 m y 16 bits de resolución radiométrica. El formato de archivo es GeoTiff con una proyección UTM WGS84. Para poder realizar una correcta interpretación, primero se procedió a la realización del mosaico, sin ser necesaria la extracción del área de estudio de la capa raster debido a que el producto fue adquirido

Página | 62 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica ya con el recorte efectuado. Para optimizar la interpretación visual se utilizó la combinación de bandas RGB: 43212 (Falso Color Compuesto Standard), donde:

• Banda 4: pertenece a la banda del infrarrojo cercano • Banda 3: pertenece a la franja roja del espectro visible • Banda 2: pertenece a la franja verde del espectro visible.

. Con esta combinación de color se puede diferenciar correctamente entre la cubierta vegetal y la de hormigón. Esto es posible, gracias a que la vegetación sana tiene su máxima reflectancia en el infrarrojo cercano, por lo que puede verse en un rojo intenso en concordanca con la época del año en que fue tomada la imagen (primavera). Mientras algunas cubiertas pertenecientes a techos poseen alta reflectividad en todas las bandas y son observables en color blanco, las cubiertas en zonas más céntricas se observan en tonos verdosos, evidenciando una mayor reflectancia en la banda del rojo. Esto ocurre debido al material constitutivo de los techos. A continuación se muestra el mosaico utilizado en color natural (Figura 25) y en Falso Color Compuesto Standard (Figura 26)

Figura 26 Imagen Worlview 2 del partido de Lanús en color natural

Fuente: Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

12 RGB: corresponde al orden de filtros que se utilizaron en la combinación de color. Siendo R: Red (rojo), G: Green (verde) y B: Blue (azul). La combinación RGB: 432 otorga, entonces, filtro rojo a banda 4, filtro verde a banda 3 y filtro azul a banda 2. Página | 63 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 27 Imagen WorldView 2 del partido de Lanús en falso color compuesto standard

Fuente: Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

A los efectos de complementar la interpretación visual sobre la imagen provista, se estimó prudente aplicar el filtro de Sobel. Las técnicas de filtrado consisten en aplicar a cada uno de los píxeles de la imagen una matriz de filtrado que, generalmente, tiene un tamaño de 3 x 3 (tres filas y tres columnas). Estas técnicas permiten resaltar o suprimir información contenida en la imagen a efectos de destacar determinados detalles en la misma (MappingGis. 2019). Los filtros pueden clasificarse en cuatro tipos:

• Filtros de paso bajo: Suavizan la imagen • Filtros de paso alto: Aumentan el contraste dentro de la imagen • Filtros direccionales: Detectan en la imagen estructuras que poseen la misma dirección. • Filtros de detección de bordes: Permiten identificar y aislar objetos con propiedades homogéneas dentro de la imagen

El filtro de Sobel es un filtro de este último tipo que permite, al detectar bordes en la imagen, suministrar una valiosa información sobre las fronteras de los objetos, facilitando el reconocimiento de éstos. El empleo de este filtro es un poco más complejo que la de otros, debido a que deben aplicarse dos matrices de filtrado (C y F) para luego, a través de la calculadora raster del SIG, utilizar la siguiente fórmula:

Página | 64 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

[6] Si,j = √퐶2 + 퐹2

Donde:

Si,j : corresponde al filtro de detección de bordes de Sobel

C2: es el resultado al cuadrado de aplicar la siguiente matriz de filtrado:

-1.0 0 1.0

-2.0 0 2.0

-2.0 0 1.0

F2: es el resultado al cuadrado de aplicar la siguiente matriz de filtrado:

-1.0 -2.0 -1.0

0 0 0

1 2 1

Para proceder a aplicar las matrices de filtrado, se utilizó el complemento GRASS13 7.8.2 de QGis que posee herramientas para el procesamiento digital de imágenes. La herramienta empleada para proceder a ambos filtrados fue la r.mfilter que es uno de los algoritmos que posee el complemento indicado para realizar la operación deseada.

Antes de efectuar el filtrado, fue necesario volcar las matrices en sendos documentos .txt que que posteriormente fueron utilizados para otorgar los parámetros de cada filtrado en la herramienta mencionada.

13 Acrónimo de Geographic Resources Analysis Support System Página | 65 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Los resultados de la aplicación de cada una de las matrices de filtrado se observan en las siguientes figuras.

Figura 28 Resultado de la aplicación de la matriz de filtrado C de Sobel

Fuente Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

Figura 29 Resultado de la aplicación de la matriz de filtrado F de Sobel

Fuente Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

Página | 66 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

A continuación, se procedió a la aplicación de la fórmula expresada anteriormente, a través de la calculadora raster de QGis.

Figura 30 Operación realizada para el cálculo del detector de bordes de Sobel

Fuente Elaboración propia

El resultado final de esta operación es el que se anexa a continuación:

Figura 31 Resultado de la aplicación de la fórmula para el detector de bordes de Sobel

Fuente Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

Página | 67 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Para proceder a la interpretación visual de la imagen, se superpuso, a la imagen en Falso Color Compuesto Standard, el resultado del filtro de Sobel con una transparencia del 80%, siendo el resultado el que se observa a continuación:

Figura 32 Composición del resultado del filtro de Sobel sobre la imagen Falso Color Compuesto Standard

Fuente Procesos propios sobre Imagen Worldview provista por la empresa Infosat. DigitalGlobe, 2014

La elevada resolución espacial de la imagen posibilitó efectuar fácilmente la interpretación visual de los elementos, para la que se tuvieron en cuenta los siguientes criterios:

• Criterio espectral: Se utilizó especialmente el color, diferenciando claramente la cubierta vegetal (en tonos de rojo) de la infraestructura urbana (preferentemente tonos blanquecinos) • Criterio espacial simple: Se tomaron en cuenta la forma y el tamaño. • Criterio espacial complejo: Dentro de este criterio se otorgó especial importancia al contexto y el patrón espacial. Éste último fue uno de los criterios adoptados más significativos ya que indica una organización peculiar de los objetos que forman una determinada cubierta (Chuvieco, 2010). La disposición espacial de los asentamientos informales es muy característica ya que las viviendas se observan muy juntas unas a las otras, siguiendo un patrón espacial desordenado debido al crecimiento no planificado de los mismos.

Página | 68 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

• Criterio temporal: Se tomó en cuenta la estacionalidad al seleccionar la imagen de referencia ya que como se indicó anteriormente, la época del año en que fue adquirida presenta el máximo vigor de la vegetación, con lo cual puede ser discriminada fácilmente de las otras cubiertas.

Figura 33 Patrón espacial de asentamientos informales del partido de Lanús

Fuente Imagen Worldview 2 provista por la empresa Infosat. DigitalGlobe, 2014

Figura 34 Patrón espacial en áreas residenciales del partido de Lanús

Fuente Imagen Worldview 2 provista por la empresa Infosat. DigitalGlobe, 2014

La digitalización fue llevada a cabo a través de las herramientas de digitalización del SIG, que permite crear capas de puntos, líneas y áreas. En este

Página | 69 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica caso la capa creada fue de polígonos, otorgándole un ID (identificador) a cada entidad geográfica dibujada. El SRC de la nueva capa es el EPSG: 5348 SRC: POSGAR 2007 / Argentina 6, en concordancia con el SRC otorgado a la capa del partido de Lanús por radios censales.

2.5. Elaboración de cartografía temática. Criterios adoptados

La elaboración de cartografía temática se basó en varios criterios referidos, en primera instancia, a la elección de la semiología cartográfica para representar correctamente los datos obtenidos a partir de la estandarización de variables y el diseño del Mapa socio – habitacional de Lanús y del cálculo del ICEA

Los mapas temáticos derivados de los análisis espaciales efectuados son de carácter cuantitativo. Es por ello que la elección del color en su variable valor es necesaria para generar la sensación de jerarquización. Esto implica, representar en distintos valores de un mismo color, los datos obtenidos, respetando el principio que cuanto mayor sea el valor del dato, más oscuro deberá ser el valor del color elegido. Se decidió optar por una gama en valores en rojo para representar a las variables de costo y por una gama dentro del verde para las de beneficio. En el caso del Mapa socio – habitacional de Lanús se eligió el criterio de colores “por semáforo”, esto es: valores en la gama del rojo para las peores situaciones y en la gama del verde para las mejores situaciones, graficando los valores medios en un tono amarillo, mientras que para la representación gráfica del ICEA, el color seleccionado fue el azul.

Otro aspecto para tener en cuenta en el momento de realizar el diseño cartográfico es la correcta elección del número de clases y modo de intervalos. Normalmente se considera que el número de clases debe variar entre tres y nueve, dependiendo de la cantidad de datos a representar (en este caso, la cantidad de radios censales). Para la representación de las variables estandarizadas y el mapa social, se optó por un total de cinco clases de intervalos en una escala de medida de datos ordinal (Bosque Sendra, 1997). La escala de datos ordinal responde a un segundo nivel de relación establecida entre variantes de la característica de un fenómeno representado. La relación

Página | 70 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica más elemental, corresponde al principio de igual/desigual y es la establecida en los mapas cualitativos. Este segundo nivel responde al principio de mayor/menor, manteniéndose la característica básica de la relación anterior (igual/desigual). De esta manera, las cinco clases quedaron constituidas de la siguiente manera: Muy Bajo, Bajo, Medio, Alto y Muy Alto, mostrando estas categorías el nivel de representatividad de cada variable/indicador con desagregación a nivel de radio censal.

A continuación, se tuvo que seleccionar el modo del intervalo, es decir, qué o cuantos valores de datos iban a considerarse dentro de cada clase. El modo de selección de los datos de cada intervalo se lleva a cabo en el SIG en forma automatizada, basta seleccionar el modo de intervalo elegido y la cantidad de clases para que el programa agrupe los valores correspondientes a cada clase.

Los modos de intervalo utilizados con más frecuencia son:

• Intervalos Naturales: Parte de considerar el valor mínimo y máximo de los datos a representar. Analógicamente el cálculo se realiza restando el valor mínimo al valor máximo y dividiendo el resultado por la cantidad de clases. Este procedimiento trae como resultado que el corte de cada clase se otorga teniendo en cuenta valores iguales para cada una (por ejemplo: de veinte en veinte, siendo la primera clase hasta 20, la segunda de 20.1 a 40 y así sucesivamente hasta completar las cinco clases), La crítica a este modo de intervalos es que puede agrupar muchos datos en una misma clase, dejando otras desiertas o casi desiertas. • Intervalos por Cuantiles: Parte de considerar la cantidad de datos que se poseen y no el valor de estos. De esta manera, se ordenan los datos de menor a mayor y se seleccionan la cantidad de clases. Se divide la cantidad de datos por el total de clases y se agrupan en cada una la misma cantidad (por ejemplo: 5 clases de 10 datos cada una). El problema que presenta este modo es que muchas veces quedan agrupados en la misma clase valores muy discordantes entre sí y separados en dos clases datos con valores similares. • Intervalos por Rupturas Naturales (Jenk): Es el más difícil de realizar si no se cuenta con un ordenador. Parte de suponer “saltos” representativos entre dos valores consecutivos. Para ello, deben ordenarse de menor a Página | 71 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

mayor los datos y reconocer los “saltos” entre ellos. Esto puede provocar como resultado una gran cantidad de clases, dependiendo de la cantidad de “saltos” que se reconozcan.

Analizando los resultados obtenidos a partir de los cálculos realizados sobre las variables/indicadores seleccionados se decidió escoger el modo de intervalo por rupturas naturales (Jenk), ya que las dificultades que puede acarrear la implementación de éste fueron salvadas al proceder a la clasificación en forma automatizada. Por otro lado, se observó que el modo por intervalos naturales agrupaba muchos valores en la primera o última clase (dependiendo si la variable era de costo o de beneficio) y el modo por cuantiles presentaba el problema explicado en el párrafo anterior.

Respecto al mapa que representa los Índices de Concentración Espacial Areal, se utilizaron otros criterios de selección para la cantidad de clases y el modo de intervalo. Partiendo de la premisa que el Índice muestra el grado de concentración de un fenómeno en un área determinada (en el caso del trabajo, la concentración del PCE en cada radio censal) y que el punto de “ruptura” está dado en el valor 1(equilibrio entre la concentración del fenómeno y el área que abarca), es que se han establecido tres clases a partir de una representación selectiva: una para los índices con valores entre 0 y 1 (baja concentración), otra clase entre 1 y 2 (en el que se representan las variables desde el punto de equilibrio hasta el puntaje que la duplica) y más de 2 (concentración elevada).

Es importante aclarar que, en el momento de establecer los valores de la leyenda, lo más recomendado es no repetir los números entre clases. Es decir, que, si la primera clase abarca valores de 0 a 1, la clase siguiente no debería comenzar en el valor 1, ya que los datos con este valor estarían representados en ambas. Sin embargo, se tomaron en cuenta dos características fundamentales de los datos para “repetir” el valor indicado en dos clases consecutivas: el primero, no existe el valor 1 exacto en los índices obtenidos. Todos los valores son menores o mayores a ese número, por lo cual no existe un conflicto de representatividad. En segundo lugar, los datos presentan una precisión de al menos seis decimales, lo que complejiza la elección exacta del corte entre clases. Página | 72 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

3. RESULTADOS Y ANÁLISIS:

A continuación, se muestran los resultados cartográficos derivados de los análisis realizados en el punto 2.3. Técnicas de análisis cuantitativo. En primer término, se muestra una comparación entre la variable de costo y la variable de beneficio elegidas para cada dimensión. A continuación, se presenta el Mapa socio – habitacional del partido de Lanús, donde se establecieron las áreas de mayor y menor desarrollo del partido a partir del cálculo del PCE. Al mismo se anexaron para una mejor interpretación de los resultados: los límites de las seis localidades constituyentes del partido y la localización de los asentamientos informales del mismo, derivada de la digitalización explicada oportunamente. Por último, se expone el resultado cartográfico del cálculo de los Índices de Concentración Areal para el partido.

Para finalizar, se presenta el modelo de estructura urbana del partido de Lanús, incluyendo en el mismo las principales vías de comunicación, para una mejor comprensión de la modelización.

El análisis de los resultados se realiza inmediatamente después de cada una de las representaciones brindadas

3.1. Distribución espacial del nivel de desarrollo socio- habitacional en el partido de Lanús

Página | 73 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 35 Variables estandarizadas. Dimensión educativa. Partido de Lanús por radios censales

Fuente Elaboración propia

Página | 74 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

En la figura 29 se muestra la distribución espacial para la dimensión educativa de las siguientes variables:

• Variable de costo: Población que no sabe leer ni escribir por radio censal. • Variable de beneficio: Población que cursa o cursó el nivel universitario.

Puede observarse que la distribución espacial de las variables es inversa, según se trate de la primera o la segunda. Los radios censales que representan la situación más favorable (población que sabe leer y escribir y población que cursa o cursó el nivel universitario) se localizan en el sector central del partido, coincidiendo con las localidades de Lanús Este y Lanús Oeste y sus zonas céntricas, lindantes a la estación Lanús del Ferrocarril Roca. Asimismo, se observa una distribución radial sobre la traza de esta vía de comunicación, especialmente hacia el sur (localidad de Remedios de Escalada).

Las situaciones favorables disminuyen hacia la periferia del partido, pudiéndose establecer una serie de anillos concéntricos desde la situación más favorable en el centro hacia las más desfavorables hacia la periferia.

Nótese también que, en la disposición general, resalta hacia el sector oeste del partido, una distribución lineal de situación desfavorable, que en cierta medida rompe el patrón de distribución espacial antes mencionado. Estos radios censales se localizan sobre el trazado antiguo de la continuación de la Avenida General Paz en el sector conurbano sur, que nunca llegó a concretarse y fue ocupada de manera informal y no planificada por sectores de población en estado marginal. El eje original del trazado mencionado ha desaparecido.

Página | 75 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 36 Variables estandarizadas. Dimensión Ingreso/Pobreza. Partido de Lanús por radio censal

Fuente: Elaboración propia

Página | 76 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

En la dimensión ingreso/pobreza, las variables representadas son las siguientes:

• Variable de costo: Hogares con al menos un indicador de NBI • Variable de beneficio: Población con condición de actividad: ocupada.

En el análisis de esta dimensión, puede observarse, que el radio censal con hogares que presentan al menos un indicador de NBI de muy alto nivel es sólo uno, ubicado en el sector Noroeste del partido y lindante al cauce inferior del Riachuelo. Esta situación es concordante con el porcentaje de hogares con NBI total del partido, que fue consignado en el cuadro 1, en pág. 19. En ese cuadro se mostraba que la situación general del partido de Lanús para el año 2010 respecto al indicador mencionado era sensiblemente menor a la encontrada en los promedios respectivos para provincia de Buenos Aires y 24 partidos del GBA. Esto trae como consecuencia que, en el área de estudio, al realizar la desagregación a nivel de radio censal, la mayor parte de la misma presente un nivel muy bajo de representatividad del indicador.

En lo que respecta a la población ocupada, ésta presenta también una distribución bastante regular, siendo los radios céntricos los que poseen mayor cantidad de población ocupada. Sin embargo, si se observa el resto del partido, se evidencia un área extensa con situaciones de nivel alto y medio, siendo muy pocos los radios censales que presentan una muy mala situación respecto a la variable.

En el caso de la variable de costo, vuelve a observarse la distribución lineal hacia el oeste, coincidente con el antiguo trazado de la Av. General Paz, quedando mimetizada con el resto del partido en el caso de la variable de beneficio.

Página | 77 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 37 Variables estandarizadas. Dimensión Habitacional. Partido de Lanús por radios censales

Fuente Elaboración propia

Página | 78 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Respecto a la dimensión habitacional, se analizaron las siguientes variables:

• Variable de costo: Hogares con desagüe cloacal a pozo ciego • Variable de beneficio: Viviendas con calidad constructiva satisfactoria

En el caso de la distribución espacial de estas variables, aunque el centro del partido de Lanús sigue presentando las situaciones más favorables, se observa que las áreas con situaciones más desfavorables se desarrollan en zonas más puntuales del partido.

En el caso de la variable de costo se observa una diferencia importante entre las localidades de Gerli, Valentín Alsina, centro de Lanús Este y Oeste y Remedios de Escalada, que presentan hogares con desagüe cloacal satisfactorio, y la periferia de Lanús Oeste y la localidad de Monte Chingolo que presentan mayor cantidad de hogares con desagüe cloacal a pozo ciego. Esta distribución muestra claramente donde faltaba aún para el año 2010, la implementación de obras de infraestructura que permitan a los hogares el desagüe cloacal a red pública.

En cuanto a la calidad constructiva satisfactoria de las viviendas, la mayoría del partido presenta niveles alto y muy alto respecto a la variable. Los menores valores se dan en áreas periféricas, en muy pocos radios censales. Significativamente los radios centrales de la localidad de Lanús presentan un nivel alto a medio. Nótese también que en este caso vuelve a presentarse en forma lineal claramente diferenciada del resto, la zona correspondiente al antiguo trazado de la Av. General Paz, lo cual no sucede en el caso de la variable de costo, siendo toda el área circundante un sector con deficiencias en el desagüe cloacal.

Página | 79 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 38 Mapa socio - habitacional del partido de Lanús

Fuente Elaboración propia

Página | 80 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

El resultado final de la simplificación de las variables estandarizadas a partir del Puntaje de Clasificación Espacial (PCE) se observa en la figura que antecede.

La elección de colores de tipo “semáforo” permite mostrar visualmente la distribución espacial de las zonas de mayor y menor desarrollo socio – habitacional del partido de Lanús.

Se puede determinar que, en reglas generales, las localidades con una distribución espacial más homogénea son: Gerli, con un nivel de desarrollo alto y Monte Chingolo, donde se observan las situaciones más desfavorables. La localidad que más heterogeneidad presenta es Lanús Oeste, con muy altos niveles de desarrollo en su área central y muy bajos en la periferia, en las zonas lindantes al Riachuelo.

Las localidades restantes: Remedios de Escalada, Lanús Este y Valentín Alsina, también presentan heterogeneidad en la distribución espacial de los PCE, pero menor a la observada en Lanús Oeste.

También puede determinarse que las situaciones más favorables se extienden desde el centro de Lanús hacia el norte y el sur en coincidencia con el trazado de la ruta provincial 205 (Avenida Hipólito Yrigoyen) y el recorrido del ferrocarril Roca. Otro eje de desarrollo puede observarse a lo largo de la Avenida Remedios Escalada de San Martín y su continuación, la Av. Pte. Raúl Alfonsín.

3.2. Concentración espacial del nivel de desarrollo socio- habitacional en el partido de Lanús

Página | 81 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 39 Índice de Concentración Espacial Areal sobre el Puntaje de Clasificación Espacial por radio censal. Partido de Lanús

Fuente Elaboración propia

Página | 82 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

El índice de Concentración Areal representa, como ya se ha mencionado oportunamente, una relación entre la cantidad relativa en este caso del Puntaje de Clasificación Espacial con el área que cubre cada unidad geográfica.

Los valores inferiores a 1 representan sectores con una baja concentración del fenómeno, mientras que los valores superiores a 1 identifican áreas con una concentración espacial más elevada. Contabilizando a partir del valor 1, un índice de 2 corresponderá al doble de concentración, un índice 3 al triple y así sucesivamente.

Como se explicó en el apartado 2.5. Elaboración de cartografía temática. Criterios adoptados, se determinaron tres clases, otorgando a la primera los valores entre 0 y 1, a la segunda entre 1 y 2 y a la tercera valores mayores a 2,

Considerando que el Puntaje de Clasificación Espacial, utilizado en la construcción del mapa social, representa en sus mayores valores las mejores situaciones de desarrollo socio – habitacional del partido, se observa que, en coincidencia con esto, los mayores índices de concentración se encuentran en el área céntrica del partido. Los máximos valores pueden observarse, especialmente, en el radio céntrico, en los alrededores de la estación Lanús y continuando en índices de concentración menos elevados hacia el norte y el sur de este sector, siguiendo la línea del ferrocarril Roca.

Asimismo, se encuentran valores de concentración entre 1 y 2 en Valentín Alsina y sectores de Gerli. Los mínimos índices de concentración se observan hacia el este y el oeste del eje central, con machones de concentración más elevada y casos puntuales de índices mayores a 2.

Respecto al ICEG, el mismo arrojó un resultado cercano a 0 como se indicó oportunamente. Este resultado indica que existe una distribución espacial homogénea, ya que tanto la superficie como la variable utilizada para el cálculo del mismo tienden a ser iguales en cada unidad espacial (Buzai – Villerías Alarcón, 2018).

Página | 83 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

3.3. Análisis comparativo de la estructura urbana del partido de Lanús con los modelos teóricos sobre la estructura espacial urbana.

Antes de proceder al análisis del modelo de estructura socio-habitacional del partido de Lanús, es necesario aclarar que el mismo forma parte del continuo urbano del Gran Buenos Aires Sur. Si bien la barrera natural del curso bajo del Matanza – Riachuelo resulta en una separación física del territorio en estudio de la Ciudad Autónoma de Buenos Aires, no sucede así con sus partidos vecinos: Avellaneda, Quilmes y Lomas de Zamora, cuyas divisiones jurisdiccionales configuran tan sólo un límite administrativo.

Sin embargo, es susceptible de reconocer en el partido de Lanús un modelo socio-habitacional compatible con el modelo teórico de estructura urbana planteado por Griffin y Ford (1980; Buzai, 2014) y luego Crowley (1998). Se puede observar en la siguiente figura el modelo referido, publicado por Buzai (2014) en su libro Mapa Sociales Urbanos:

Figura 40 Modelo de la ciudad latinoamericana según Griffin y Ford (1980)

Fuente Buzai, G. (2014) Mapas Sociales Urbanos

Las características de este fueron desarrolladas en el apartado 1.4.3. Modelos teóricos sobre la estructura espacial urbana.

Más allá de que la bases de construcción del modelado que se propone en figura 41 fueron obtenidas del resultado del análisis espacial cuantitativo en el que derivó el mapa socio – habitacional del partido de Lanús, los criterios para

Página | 84 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica diagramar las áreas en comparación al modelo de Griffin y Ford, incluyeron un fuerte conocimiento del territorio, donde se pudieron reconocer aquellos espacios destinados al uso preferentemente comercial y de actividad financiera y administrativa (CBD), los diversos usos residenciales, acá sí categorizados respectivamente según el nivel socio – habitacional, y la red de transporte principal del área de estudio, según se explica en el siguiente párrafo.

De tal manera puede reconocerse un anillo central compuesto (CBD), extendiéndose especialmente hacia el sur sobre la traza de la Av. Hipólito Yrigoyen (Ruta Provincial 205) y la línea común de los tramos Constitución – Bosques; Constitución – Ezeiza y Constitución – Alejandro Korn del Ferrocarril Roca. Alrededor del mismo, y siguiendo la traza de la Av. Remedios Escalada de San Martín hacia el Oeste y la Avenida Presidente Raúl Alfonsín hacia el este se observa la “zona de madurez”, cuenta con un nivel de desarrollo elevado y acceso a todos los servicios. El sector de transición, que abarca los sectores al este y al oeste del partido se reconoce como la “zona de acrecentamiento in situ” (Sector residencial Medio) y, por último, la “zona de asentamientos periféricos” (Niveles de Desarrollo Bajo y Muy Bajo).

Los sectores anexados por Ford al modelo (1996; Buzai, 2014) que corresponden a una zona de gentrificación y otra de asentamiento de urbanizaciones privadas hacia la periferia de las ciudades no es posible reconocerlas en el modelo desarrollado justamente por la situación de continuidad en el trazado urbano del área de estudio.

3.4. Modelo espacial simplificado de la estructura socio- habitacional del partido de Lanús

Página | 85 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 41 Modelo simplificado de la estructura socio - habitacional del partido de Lanús en comparación con el modelo de estructura urbana de Griffin y Ford (1980)

Fuente. Elaboración propia basada en la modelización realizada por Buzai, G. (2014). El mapa social de la ciudad de Luján, 2010. Modelo socioespacial basado en Linkage Analysis. Universidad Nacional de Luján. GESIG – PRODISIG y en el modelo propuesto por Griffin y Ford (1980; Buzai, 2014)

Página | 86 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

A continuación, y tomando como ejemplo el trabajo realizado por Buzai (2014) sobre el Mapa social de la ciudad de Luján, 2010, se presentan una serie de imágenes obtenidas de Google Maps Street View, donde se intenta ejemplificar los sectores reconocidos en el modelo socio – habitacional, en comparación con el modelo teórico propuesto.

En la figura 42 es posible reconocer el área central o CBD. Se visualiza en la misma una zona de uso preferentemente comercial sobre la arteria 9 de Julio en la localidad de Lanús Este. Como se ha mostrado en el modelo simplificado adjuntado en pág. 86, el CBD se corresponde con el anillo central categorizado como zona de muy alto desarrollo socio – habitacional.

Figura 42 CBD (Nivel de Desarrollo Muy Alto). Avenida 9 de Julio. Lanús Este

Fuente Google Maps Street View. Noviembre de 2017

A continuación (Figura 38) se ejemplifica la zona ocupada por el área de alto desarrollo socio – habitacional que, según el modelo comparado, se corresponde con la zona de madurez. La imagen muestra una calidad de vivienda satisfactoria, correspondiente a las zonas donde predominan las variables de beneficio analizadas para la construcción del Mapa Social de Lanús (predominancia de nivel universitario completo, condición de actividad de la población: ocupada y la ya referida calidad constructiva de la vivienda satisfactoria).

Página | 87 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 43 Zona de Madurez (Nivel de Desarrollo Alto). Calle Ucrania. Lanús Oeste

Fuente Google Maps Street View. Noviembre de 2017

En la siguiente figura se representa el área de desarrollo medio, correspondiente a la zona de acrecentamiento in situ del modelo de Griffin y Ford. En este sector la calidad constructiva de la vivienda continúa siendo satisfactoria, al igual que las mencionadas variables de beneficio, pero la distribución espacial de estas variables se entremezcla con las variables de costo analizadas oportunamente (población que no sabe leer ni escribir, hogares con al menos un indicador de NBI y desagüe cloacal a pozo ciego). En la imagen se puede observar que, a pesar de que las viviendas poseen una calidad constructiva satisfactoria respecto a los materiales utilizados para la construcción, en algunos casos el tipo de vivienda no se corresponde con un desarrollo socio – habitacional alto.

Página | 88 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Figura 44 Zona de acrecentamiento in situ (Nivel de Desarrollo Medio). Calle Enrique Fernández. Lanús Oeste

Fuente Google Maps Street View. Noviembre de 2013

Por último, en la figura 45 se puede observar la zona de asentamientos periféricos con un desarrollo socio – habitacional bajo a muy bajo. Estos sectores se identifican con una predominancia de las variables de costo por sobre las de beneficio y se ubican justamente en las áreas periféricas del partido.

Figura 45 Zona de asentamientos periféricos (Nivel de Desarrollo Bajo y Muy Bajo). Calle sin nombre. Lanús Oeste

Fuente Google Maps Street View. Diciembre de 2013

Página | 89 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

4. CONSIDERACIONES FINALES:

Durante el desarrollo del presente trabajo se han identificado positivamente aquellas variables que mejor representaban las condiciones socio – habitacionales, tanto de los habitantes como de los hogares y viviendas pertenecientes al área de estudio.

El análisis espacial efectuado a partir de la utilización de un Sistema de Información Geográfica Open Source posibilitó cartografiar digitalmente la distribución espacial de las variables estandarizadas y, posteriormente, llegar a la simplificación de estas obteniendo como resultado el mapa socio – habitacional del partido de Lanús. Al mismo fueron incorporados otros elementos para su correcta interpretación, como ser los asentamientos informales, gracias a la digitalización de las entidades sobre una imagen de alta resolución espacial. A partir del análisis realizado y el producto cartográfico obtenido se pudieron identificar áreas con un nivel de desarrollo socio – habitacional diferenciado, evidenciando en término generales las zonas céntricas del partido como aquellas de muy alto nivel de desarrollo y las periféricas con un nivel de desarrollo bajo a muy bajo.

Los cálculos de los Índices de Concentración Espacial Global y Areal complementaron pertinentemente el análisis anterior, determinando las áreas en las cuáles las mejores condiciones socio – habitacionales presentaban mayor concentración. Consecuentemente con la distribución espacial predominante de variables de beneficio, se obtuvo en el mapa del ICEA mayores índices de concentración de variables de beneficio en la zona correspondiente al CBD, según el modelo realizado con posterioridad.

La distribución espacial de las variables en comparación con los modelos teóricos de estructura urbana planteados en el apartado 1.4.3 Modelos teóricos sobre la estructura espacial urbana dieron como resultado que la estructura socio - habitacional del partido de Lanús, sumado al conocimiento del área de estudio, puede compararse positivamente con el modelo de ciudad latinoamericana planteado por Griffin y Ford (1980), siendo identificables en la estructura del partido todas las zonas planteadas por los teóricos norteamericanos al respecto.

Página | 90 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Por último, la construcción del modelo simplificado propuesto en la figura 41 del partido de Lanús permitió, determinar a partir la sectorización de los distintos niveles de desarrollo socio - habitacional, comparar la distribución espacial de estas condiciones con el modelo teórico expresado anteriormente. Asimismo, se cotejaron los resultados de las zonas residenciales de nivel socio-habitacional alto, medio y bajo (representadas por las diferentes categorías utilizadas en la cartografía) con imágenes del territorio, permitiendo tener una validación positiva del modelo espacial obtenido.

La utilización complementaria de la imagen de alta resolución WorldView 2 del partido abre la puerta para una complementación posterior y profundización del estudio mediante trabajo de campo y extrapolación de datos.

Los modelos urbanos derivados de la aplicación de metodologías cuantitativas de análisis multivariado y, de aproximación inductiva, permiten el abordaje de la estructura socioespacial urbana a través de una síntesis del territorio que luego puede ser utilizada como herramienta de planificación.

Página | 91 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

BIBLIOGRAFÍA

Aguilera Arilla, M. J. (1991). Geografía General II. Geografía Humana. España: UNED.

Bosque Sendra, J. (1997). Sistemas de Información Geográfica. Madrid: Ediciones Rialph, S.A,.

Buzai, G. - Villerías Alarcón, L. (2018). Concentración espacial de los Determinantes Sociales de la Salud en la cuenca del río Luján. (I. d. Geografía, Ed.) Revista Huellas, 22(1). Recuperado el 28 de noviembre de 2019, de http://cerac.unlpam.edu.ar/index.php/huellas

Buzai, G. (2011). La geotecnología ¡Nuevo paradigma de la geografía o paradigma geográfico de la ciencia? Revista Catalana de Geografía, XVI(42). Recuperado el 28 denoviembre de 2019, de www.rcg.cat/articles.php?id=187

Buzai, G. (2014). El mapa social de la ciudad de Luján, 2010. Modelo socioespacial basado en Linkage Analysis. Revista de Geografía, XVII(18), 49 - 61.

Buzai, G. (2014). Mapas Sociales Urbanos. Ciudad de Buenos Aires: Lugar Editorial.

Buzai, G. (2015). El mapa social de la ciudad de Luján 1991, 2001 y 2010. Un modelo espacial consolidado. Argentina como Geografía(1). Recuperado el 29 de noviembre de 2019, de https://www.researchgate.net/publication/296706632_El_mapa_social_d e_la_ciudad_de_Lujan_en_1991_2001_y_2010_Un_modelo_espacial_cons olidado

Buzai, G. (2015). Evolución del pensamiento geográfico hacia la Geografía Global y la Neogeografía. (U. D. Geografía, Ed.) Geografía, geotecnología y análisis espacial: tendencias, métodos y explicaciones, 3 - 16. Recuperado el 28 de noviembre de 2019, de http://hdl.handle.net/10486/668488

Buzai, G. (2015). Geografía cuantitativa, paradigmas y simplicidad. En G. Buzai, G. Cacace, L. Humacata, & S. (. Lanzelotti, Teoría y Métodos de la Página | 92 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Geografía Cuantitativa. (Vol. 1, págs. 23 - 38). Mercedes, provincia de Buenos Aires, Argentina: MCA Libros. Recuperado el 28 de noviembre de 2019, de https://docs.wixstatic.com/ugd/7242a9_26e7c4215d5d4aa48b8b460cdd ca70fe.pdf

Buzai, G., & Baxendale, C. (2012). Análisis Socioespacial con Sistemas de Información Geográfica. Ordenamiento Territorial. Temáticas de base raster (Vol. 2). Buenos Aires: Lugar Editorial.

Chuvieco, E (2010). Teledetección Ambiental. La observación de la Tierra desde el espacio. Barcelona: Ariel.

Google Maps Street View. (2017). Recuperado el 12 de diciembre de 2019, de http://www.google.com.ar/maps/

INDEC. (2003). Recuperado el 15 de noviembre de 2019, de https://web.archive.org/web/20101113161116/http://www.indec.gov.ar/ nuevaweb/cuadros/4/folleto%20GBA.pdf

INDEC. (2013). Sistema REDATAM+SP. Código de las unidades geográficas utilizadas en el Censo de Población, Hogares y Viviendas 2010. Recuperado el 27 de 11 de 2019, de https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?& MODE=MAIN&BASE=CPV2010B&MAIN=WebServerMain.inl&_ga=2.699738 44.531904598.1574880407-704931138.1519662831

INDEC. (2013). Sistema REDATAM+SP. Cuestionario básico del Censo de Población, Hogares y Viviendas 2010. Recuperado el 27 de 11 de 2019, de https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?& MODE=MAIN&BASE=CPV2010B&MAIN=WebServerMain.inl&_ga=2.692222 93.469209804.1574901364-456025370.1571671405

Mapping Gis. (2019). Procesado de Imágenes Satelitales en elentorno de QGis. Mapping Gis.

Gobierno Nacional, Argentina (2019). Mi Argentina. Recuperado el 27 de noviembre de 2019, de

Página | 93 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

https://www.argentina.gob.ar/sites/default/files/plan_estrategico_urban o_territorial_de_lanus.pdf

Instituto Geográfico Nacional (2019). Información geoespacial. Capas SIG. Recuperado el 2 de octubre de 2019, de http://www.ign.gob.ar/NuestrasActividades/InformacionGeoespacial/C apasSIG

QGIS. (2019). Proyecto QGIS. Recuperado el 26 de 11 de 2019, de www.qgis.org

Quiroga, M. (2005). La ciudad latinoamericana y su relación con el modelo fundacional. (C. -F. UBA, Ed.) Imaginarios Urbanos 4.

Sarmiento, U. N. (2019). Infraestructura de Datos Espaciales del Conurbano. Recuperado el 27 de noviembre de 2019, de http://ideconurbano.ungs.edu.ar/

Torres, H. A. (2006). El Mapa Social de Buenos Aires (1940 - 1990). (D. y. Dirección de Investigación. Secretaría de Investigación y Posgrado. Facultad de Arquitectura, Ed.) Serie Difusión(3). Recuperado el 28 de noviembre de 2019, de https://periferiaactiva.files.wordpress.com/2015/06/torres-el-mapa- social-del-amba.pdf

Página | 94 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

ANEXO

Página | 95 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 11 Extracto de los primeros veinte radios censales de la tabla de la variable población que no sabe leer ni escribir

Total Código Total Seleccionado Porcentaje 64340101 1866 129 6.91 64340102 827 32 3.87 64340103 778 36 4.63 64340104 909 23 2.53 64340105 999 29 2.90 64340106 1065 37 3.47 64340107 787 39 4.96 64340108 877 53 6.04 64340109 711 28 3.94 64340110 922 36 3.90 64340111 887 25 2.82 64340201 762 29 3.81 64340202 177 11 6.21 64340203 825 22 2.67 64340204 647 34 5.26 64340205 778 24 3.08 64340206 799 24 3.00 64340207 165 9 5.45 64340208 561 28 4.99 64340209 150 6 4.00

Fuente Censo Nacional de Población, Hogares y Viviendas 2010. Cuestionario Básico. Buenos Aires. INDEC. [consultada 28/11/2019] Datos procesados con REDATAM+SP. Disponible en: https://redatam.indec.gob.ar/argbin/RpWebEngine.exe/PortalAction?&MODE=MAIN&BASE=CPV 2

Página | 96 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 12 Extracto de los primeros veinte radios censales de la tabla de la variable población que cursa o cursó el nivel universitario

Total Total Seleccionado Porcentaje 64340101 1866 54 2.89 64340102 827 84 10.16 64340103 778 81 10.41 64340104 909 64 7.04 64340105 999 101 10.11 64340106 1065 130 12.21 64340107 787 58 7.37 64340108 877 98 11.17 64340109 711 105 14.77 64340110 922 141 15.29 64340111 887 131 14.77 64340201 762 89 11.68 64340202 177 12 6.78 64340203 825 92 11.15 64340204 647 60 9.27 64340205 778 113 14.52

64340206 799 113 14.14 64340207 165 23 13.94

64340208 561 52 9.27 64340209 150 24 16

Página | 97 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 13 Extracto de los veinte primeros radios censales de la tabla de la variable hogares con al menos un indicador de NBI

Total Código Total Seleccionado Porcentaje 64340101 531 95 17.89 64340102 285 9 3.16 64340103 267 8 3.00 64340104 337 16 4.75 64340105 362 10 2.76 64340106 380 37 9.74

64340107 263 17 6.46 64340108 300 44 14.67

64340109 256 5 1.95 64340110 315 1 0.32 64340111 309 2 0.65 64340201 260 5 1.92 64340202 56 1 1.79 64340203 291 6 2.06 64340204 217 1 0.46 64340205 293 4 1.37 64340206 294 0 0.00 64340207 60 0 0.00 64340208 198 17 8.59 64340209 54 0 0.00

Página | 98 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 14 Extracto de los primeros veinte radios censales de la tabla de la variable población con condición de ocupación ocupada

Total Código Total Seleccionado Porcentaje 64340101 1866 901 48.29 64340102 827 448 54.17

64340103 778 382 49.1 64340104 909 481 52.92

64340105 999 526 52.65 64340106 1065 595 55.87 64340107 787 412 52.35 64340108 877 462 52.68 64340109 711 364 51.2 64340110 922 516 55.97 64340111 887 457 51.52 64340201 762 400 52.49 64340202 177 90 50.85 64340203 825 438 53.09 64340204 647 318 49.15 64340205 778 409 52.57 64340206 799 416 52.07 64340207 165 101 61.21 64340208 561 270 48.13 64340209 150 84 56

Página | 99 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 15 Extracto de los veinte primeros radios censales de la tabla de la variable hogares con desagüe cloacal sólo a pozo ciego

Total Código Total Seleccionado Porcentaje 64340101 531 62 11.68 64340102 285 24 8.42 64340103 267 33 12.36 64340104 337 12 3.56 64340105 362 28 7.73 64340106 380 27 7.11 64340107 263 4 1.52 64340108 300 8 2.67 64340109 256 4 1.56 64340110 315 2 0.63 64340111 309 4 1.29 64340201 260 39 15.00 64340202 56 10 17.86 64340203 291 24 8.25 64340204 217 28 12.90 64340205 293 8 2.73

64340206 294 7 2.38 64340207 60 0 0.00

64340208 198 1 0.51 64340209 54 0 0.00

Página | 100 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 16 Extracto de los primeros veinte radios censales de la tabla de la variable viviendas con calidad constructiva satisfactoria

Total Código Total Seleccionado Porcentaje 64340101 418 107 25.60 64340102 296 182 61.49 64340103 300 203 67.67 64340104 311 210 67.52 64340105 384 242 63.02 64340106 414 229 55.31 64340107 269 135 50.19 64340108 306 185 60.46 64340109 318 198 62.26 64340110 354 252 71.19 64340111 346 221 63.87 64340201 275 210 76.36

64340202 60 38 63.33 64340203 313 198 63.26

64340204 269 159 59.11 64340205 363 226 62.26 64340206 349 201 57.59 64340207 70 50 71.43 64340208 225 116 51.56 64340209 67 46 68.66

Página | 101 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 17 Extracto de los primeros veinte radios censales de la Matriz de Datos Índice (MDI)

pobl Código analf nivel_univ NBI pobl_ocup desag_p_c constr_satisf 64340101 6.91 2.89 17.89 48.29 11.68 25.60 64340102 3.87 10.16 3.16 54.17 8.42 61.49 64340103 4.63 10.41 3.00 49.1 12.36 67.67 64340104 2.53 7.04 4.75 52.92 3.56 67.52 64340105 2.90 10.11 2.76 52.65 7.73 63.02 64340106 3.47 12.21 9.74 55.87 7.11 55.31 64340107 4.96 7.37 6.46 52.35 1.52 50.19 64340108 6.04 11.17 14.67 52.68 2.67 60.46 64340109 3.94 14.77 1.95 51.2 1.56 62.26 64340110 3.90 15.29 0.32 55.97 0.63 71.19 64340111 2.82 14.77 0.65 51.52 1.29 63.87 64340201 3.81 11.68 1.92 52.49 15.00 76.36 64340202 6.21 6.78 1.79 50.85 17.86 63.33 64340203 2.67 11.15 2.06 53.09 8.25 63.26 64340204 5.26 9.27 0.46 49.15 12.90 59.11 64340205 3.08 14.52 1.37 52.57 2.73 62.26 64340206 3.00 14.14 0.00 52.07 2.38 57.59 64340207 5.45 13.94 0.00 61.21 0.00 71.43 64340208 4.99 9.27 8.59 48.13 0.51 51.56 64340209 4.00 16 0.00 56 0.00 68.66

Fuente Elaboración propia

Página | 102 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 18 Extracción de los veinte primeros radios censales de la Matriz de Datos Estandarizados (MDE)

Código pobl analf nivel_univ NBI pobl_ocup desag_p_c constr_satisfest_p_a est_n_u est_nbi est_p_o est_d_p_c est_con_s 064343303 4.57 12.69 0.58 51.68 55.07 25.6 3.03 12.69 0.58 13.76 55.07 63.53 064340211 3.93 14.82 0.84 56.65 2.79 61.49 2.39 14.82 0.84 18.73 2.79 66.66 064340212 3.12 15.83 1.34 57.07 3.68 67.67 1.58 15.83 1.34 19.15 3.68 66.47 064340210 4.79 14.36 6.64 60.41 5.21 67.52 3.25 14.36 6.64 22.49 5.21 51.99 064340101 6.91 2.89 17.89 48.29 11.68 63.02 5.37 2.89 17.89 10.37 11.68 23.96 064340107 4.96 7.37 6.46 52.35 1.52 55.31 3.42 7.37 6.46 14.43 1.52 48.55 064340201 3.81 11.68 1.92 52.49 15 50.19 2.27 11.68 1.92 14.57 15 74.72 064340203 2.67 11.15 2.06 53.09 8.25 60.46 1.13 11.15 2.06 15.17 8.25 61.62 064340204 5.26 9.27 0.46 49.15 12.9 62.26 3.72 9.27 0.46 11.23 12.9 57.47 064340305 3.68 10.5 0.62 54.76 11.42 71.19 2.14 10.5 0.62 16.84 11.42 59.86 064340308 5.05 10.32 1.54 48.23 8.37 63.87 3.51 10.32 1.54 10.31 8.37 59.91 064340501 4.07 9.17 4.21 51.04 8.88 76.36 2.53 9.17 4.21 13.12 8.88 71.07 064340702 4.92 5.82 4.44 45.53 6.67 63.33 3.38 5.82 4.44 7.61 6.67 73.69 064340801 3.78 5.2 5.26 50.08 33.97 63.26 2.24 5.2 5.26 12.16 33.97 61.42 064340802 5.44 8.23 4.06 49.43 38.37 59.11 3.9 8.23 4.06 11.51 38.37 65.03 064340804 4.45 5.58 6.16 52.6 52.79 62.26 2.91 5.58 6.16 14.68 52.79 56.95 064340809 10.52 0.94 27.8 44.04 78.76 57.59 8.98 0.94 27.8 6.12 78.76 7.41

Fuente Elaboración propia

Página | 103 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 19 Extracción de los veinte primeros radios censales del cálculo del PVC (inv)

Código est_p_a est_n_u est_nbi est_p_o est_d_p_c est_s_s pobl analf nivel_univ NBI pobl_ocup desag_p_c serv_satis inv_nbi inv_d_p_c inv_p_a 064340101 5.37 2.89 17.89 10.37 11.68 41.82 6.91 2.89 17.89 48.29 11.68 74.16 82.11 88.32 94.63 064340102 2.33 10.16 3.16 16.25 8.42 34.89 3.87 10.16 3.16 54.17 8.42 67.23 96.84 91.58 97.67 064340103 3.09 10.41 3 11.18 12.36 32.33 4.63 10.41 3 49.1 12.36 64.67 97 87.64 96.91 064340104 0.99 7.04 4.75 15 3.56 30.36 2.53 7.04 4.75 52.92 3.56 62.7 95.25 96.44 99.01 064340105 1.36 10.11 2.76 14.73 7.73 30.42 2.9 10.11 2.76 52.65 7.73 62.76 97.24 92.27 98.64 064340106 1.93 12.21 9.74 17.95 7.11 24.42 3.47 12.21 9.74 55.87 7.11 56.76 90.26 92.89 98.07 064340107 3.42 7.37 6.46 14.43 1.52 13.76 4.96 7.37 6.46 52.35 1.52 46.1 93.54 98.48 96.58 064340108 4.5 11.17 14.67 14.76 2.67 15.7 6.04 11.17 14.67 52.68 2.67 48.04 85.33 97.33 95.5 064340109 2.4 14.77 1.95 13.28 1.56 18.6 3.94 14.77 1.95 51.2 1.56 50.94 98.05 98.44 97.6 064340110 2.36 15.29 0.32 18.05 0.63 26.98 3.9 15.29 0.32 55.97 0.63 59.32 99.68 99.37 97.64 064340111 1.28 14.77 0.65 13.6 1.29 25.17 2.82 14.77 0.65 51.52 1.29 57.51 99.35 98.71 98.72 064340201 2.27 11.68 1.92 14.57 15 30.93 3.81 11.68 1.92 52.49 15 63.27 98.08 85 97.73 064340202 4.67 6.78 1.79 12.93 17.86 14.33 6.21 6.78 1.79 50.85 17.86 46.67 98.21 82.14 95.33 064340203 1.13 11.15 2.06 15.17 8.25 26.13 2.67 11.15 2.06 53.09 8.25 58.47 97.94 91.75 98.87 064340204 3.72 9.27 0.46 11.23 12.9 24.54 5.26 9.27 0.46 49.15 12.9 56.88 99.54 87.1 96.28 064340205 1.54 14.52 1.37 14.65 2.73 23.58 3.08 14.52 1.37 52.57 2.73 55.92 98.63 97.27 98.46 064340206 1.46 14.14 0 14.15 2.38 24.39 3 14.14 0 52.07 2.38 56.73 100 97.62 98.54 064340207 3.91 13.94 0 23.29 0 26.23 5.45 13.94 0 61.21 0 58.57 100 100 96.09 064340208 3.45 9.27 8.59 10.21 0.51 22.33 4.99 9.27 8.59 48.13 0.51 54.67 91.41 99.49 96.55 064340209 2.46 16 0 18.08 0 19.9 4 16 0 56 0 52.24 100 100 97.54

Fuente Elaboración propia

Página | 104 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 20 Extracto de los veinte primeros radios censales del cálculo del Puntaje de Clasificación Espacial (PCE)

Código pobl analf nivel_univ NBI pobl_ocup desag_p_c constr_satisfest_p_a est_n_u est_nbi est_p_o est_d_p_c est_con_s inv_nbi inv_d_p_c inv_p_a PCE 064340101 6.91 2.89 17.89 48.29 11.68 63.02 5.37 2.89 17.89 10.37 11.68 23.96 82.11 88.32 94.63 50.38 064340102 3.87 10.16 3.16 54.17 8.42 67.11 2.33 10.16 3.16 16.25 8.42 59.85 96.84 91.58 97.67 62.06 064340103 4.63 10.41 3 49.1 12.36 67.69 3.09 10.41 3 11.18 12.36 66.03 97 87.64 96.91 61.53 064340104 2.53 7.04 4.75 52.92 3.56 68.22 0.99 7.04 4.75 15 3.56 65.88 95.25 96.44 99.01 63.1 064340105 2.9 10.11 2.76 52.65 7.73 74.06 1.36 10.11 2.76 14.73 7.73 61.38 97.24 92.27 98.64 62.4 064340106 3.47 12.21 9.74 55.87 7.11 64.82 1.93 12.21 9.74 17.95 7.11 53.67 90.26 92.89 98.07 60.84 064340107 4.96 7.37 6.46 52.35 1.52 55.31 3.42 7.37 6.46 14.43 1.52 48.55 93.54 98.48 96.58 59.83 064340108 6.04 11.17 14.67 52.68 2.67 69.76 4.5 11.17 14.67 14.76 2.67 58.82 85.33 97.33 95.5 60.48 064340109 3.94 14.77 1.95 51.2 1.56 68.35 2.4 14.77 1.95 13.28 1.56 60.62 98.05 98.44 97.6 63.79 064340110 3.9 15.29 0.32 55.97 0.63 61.74 2.36 15.29 0.32 18.05 0.63 69.55 99.68 99.37 97.64 66.6 064340111 2.82 14.77 0.65 51.52 1.29 62.13 1.28 14.77 0.65 13.6 1.29 62.23 99.35 98.71 98.72 64.56 064340201 3.81 11.68 1.92 52.49 15 50.19 2.27 11.68 1.92 14.57 15 74.72 98.08 85 97.73 63.63 064340202 6.21 6.78 1.79 50.85 17.86 59 4.67 6.78 1.79 12.93 17.86 61.69 98.21 82.14 95.33 59.51 064340203 2.67 11.15 2.06 53.09 8.25 60.46 1.13 11.15 2.06 15.17 8.25 61.62 97.94 91.75 98.87 62.75 064340204 5.26 9.27 0.46 49.15 12.9 62.26 3.72 9.27 0.46 11.23 12.9 57.47 99.54 87.1 96.28 60.15 064340205 3.08 14.52 1.37 52.57 2.73 74.47 1.54 14.52 1.37 14.65 2.73 60.62 98.63 97.27 98.46 64.02 064340206 3 14.14 0 52.07 2.38 70.14 1.46 14.14 0 14.15 2.38 55.95 100 97.62 98.54 63.4 064340207 5.45 13.94 0 61.21 0 63.3 3.91 13.94 0 23.29 0 69.79 100 100 96.09 67.19 064340208 4.99 9.27 8.59 48.13 0.51 27 3.45 9.27 8.59 10.21 0.51 49.92 91.41 99.49 96.55 59.48 064340209 4 16 0 56 0 59.13 2.46 16 0 18.08 0 67.02 100 100 97.54 66.44

Fuente Elaboración propia

Página | 105 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 21 Extracto de los primeros veinte radios censales del cálculo del porcentaje de superficie y del porcentaje del PCE

Superficie Código Superficie % PCE PCE % 064340101 0.5 0.99502488 50.38 0.1701111 064340102 0.08 0.15920398 62.06 0.20954932 064340103 0.09 0.17910448 61.53 0.20775974 064340104 0.09 0.17910448 63.1 0.21306094 064340105 0.1 0.19900498 62.4 0.21069735 064340106 0.12 0.23880597 60.84 0.20542991 064340107 0.1 0.19900498 59.83 0.20201959 064340108 0.14 0.27860697 60.48 0.20421435 064340109 0.1 0.19900498 63.79 0.21539077 064340110 0.1 0.19900498 66.6 0.2248789 064340111 0.1 0.19900498 64.56 0.21799072 064340201 0.15 0.29850746 63.63 0.21485052 064340202 0.13 0.25870647 59.51 0.20093909 064340203 0.13 0.25870647 62.75 0.21187914 064340204 0.08 0.15920398 60.15 0.20310009 064340205 0.08 0.15920398 64.02 0.21616737 064340206 0.08 0.15920398 63.4 0.21407391 064340207 0.08 0.15920398 67.19 0.22687107 064340208 0.05 0.09950249 59.48 0.20083779 064340209 0.06 0.11940299 66.44 0.22433865

Fuente Elaboración propia

Página | 106 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 22 Extracto de los veinte primeros radios censales del cálculo de la diferencia entre el porcentaje de superficie y el porcentaje del PCE a fin de obtener el ICEG

Superficie Código Superficie % PCE PCE % Si - ai 064340101 0.5 0.99502488 50.38 0.1701111 0.82491378 064340102 0.08 0.15920398 62.06 0.20954932 -0.050345337 064340103 0.09 0.17910448 61.53 0.20775974 -0.028655263 064340104 0.09 0.17910448 63.1 0.21306094 -0.033956462 064340105 0.1 0.19900498 62.4 0.21069735 -0.011692372 064340106 0.12 0.23880597 60.84 0.20542991 0.033376056 064340107 0.1 0.19900498 59.83 0.20201959 -0.003014613 064340108 0.14 0.27860697 60.48 0.20421435 0.074392613 064340109 0.1 0.19900498 63.79 0.21539077 -0.016385791 064340110 0.1 0.19900498 66.6 0.2248789 -0.025873925 064340111 0.1 0.19900498 64.56 0.21799072 -0.018985742 064340201 0.15 0.29850746 63.63 0.21485052 0.083656946 064340202 0.13 0.25870647 59.51 0.20093909 0.057767379 064340203 0.13 0.25870647 62.75 0.21187914 0.046827324 064340204 0.08 0.15920398 60.15 0.20310009 -0.043896107 064340205 0.08 0.15920398 64.02 0.21616737 -0.056963395 064340206 0.08 0.15920398 63.4 0.21407391 -0.054869927 064340207 0.08 0.15920398 67.19 0.22687107 -0.06766709 064340208 0.05 0.09950249 59.48 0.20083779 -0.101335305 064340209 0.06 0.11940299 66.44 0.22433865 -0.104935665

Fuente Elaboración propia

Página | 107 Lic. María José García Barassi

Mapa socio-habitacional del partido de Lanús a partir del análisis espacial cuantitativo con Sistemas de Información Geográfica

Cuadro 23 Extracto de los veinte primeros radios censales del cálculo del ïndice de Concentración Areal (ICEA)

Superficie Código Superficie % PCE PCE % Si - ai ICEA 064340101 0.5 0.99502488 50.38 0.1701111 0.82491378 0.17096165 064340102 0.08 0.15920398 62.06 0.20954932 -0.050345337 1.31623165 064340103 0.09 0.17910448 61.53 0.20775974 -0.028655263 1.15999188 064340104 0.09 0.17910448 63.1 0.21306094 -0.033956462 1.18959025 064340105 0.1 0.19900498 62.4 0.21069735 -0.011692372 1.05875417 064340106 0.12 0.23880597 60.84 0.20542991 0.033376056 0.86023776 064340107 0.1 0.19900498 59.83 0.20201959 -0.003014613 1.01514843 064340108 0.14 0.27860697 60.48 0.20421435 0.074392613 0.73298366 064340109 0.1 0.19900498 63.79 0.21539077 -0.016385791 1.0823386 064340110 0.1 0.19900498 66.6 0.2248789 -0.025873925 1.13001647 064340111 0.1 0.19900498 64.56 0.21799072 -0.018985742 1.09540335 064340201 0.15 0.29850746 63.63 0.21485052 0.083656946 0.71974923 064340202 0.13 0.25870647 59.51 0.20093909 0.057767379 0.77670686 064340203 0.13 0.25870647 62.75 0.21187914 0.046827324 0.81899438 064340204 0.08 0.15920398 60.15 0.20310009 -0.043896107 1.27572242 064340205 0.08 0.15920398 64.02 0.21616737 -0.056963395 1.35780132 064340206 0.08 0.15920398 63.4 0.21407391 -0.054869927 1.34465173 064340207 0.08 0.15920398 67.19 0.22687107 -0.06766709 1.42503391 064340208 0.05 0.09950249 59.48 0.20083779 -0.101335305 2.01841981 064340209 0.06 0.11940299 66.44 0.22433865 -0.104935665 1.87883619

Fuente Elaboración propia

Página | 108 Lic. María José García Barassi