Capítulo 5 Discusión

Los modelos realizados son un intento por capturar evidencia empírica sobre el nivel explicativo de un conjunto de condiciones de la población y las condiciones de vida que provee la ciudad de Cali en lo que a beneficios ambientales se refiere. El modelo no es la realidad ni prueba de causalidad, es un instrumento para cuantificar la relación entre algunas de esas dimensiones teniendo certeza de su potencial asociación. El uso de modelos espaciales indaga sobre los patrones espaciales de esas variables, lo que permite la identificación de zonas que agrupan características altas de esos servicios con los patrones espaciales de las condiciones de la población y de la estructura urbana. Los análisis no buscan hacer inferencia sobre la población, pues no son una muestra, son la población completa de arboles, espacio verde y los datos del censo. En este sentido los coeficientes y su representatividad son sobre la población, y se interpretan como la importancia relativa de esas variables sobre las otras.

Entre las posibilidades que ofrece el código como herramienta cartográfica está la de producir y reproducir múltiples mapas, en lugar de uno solo con mucho detalle como respuestas a las limitaciones tecnológicas y de costos de la cartografía impresa, lo que redunda en mejor información para los análisis. Debido a las restricciones de longitud en la presentación de este texto académico no fueron incluidos la totalidad de gráficos realizados que se pueden reproducir con los scripts del repositorio del trabajo. Los métodos gráficos como los mapas de LISA permiten ampliar la interpretación de los mecanismos de ajuste de los modelos espaciales y de la combinación lineal de los términos. Estos mapas junto con los mapas temáticos de cada una de las variables, los gráficos de dispersión de las distribuciones multivariadas son una estrategia eficaz para lidiar con las dificultades para analizar conjuntos de datos multidimensionales y espaciales. Los métodos de ajuste espacial y la comparación entre distintos modelos permitieron obtener resultados confiables de la estimación de coeficientes.

Hay que resaltar el uso de herramientas libres como R (R Core Team, 2017), Rstudio y los diferentes paquetes del ecosistema del CRAN (Hornik, 2018), que favorecen la reproductibilidad y diseminación del conocimiento científico. El esfuerzo y la curva de aprendizaje de herramientas como Bookdown (Xie, 2018) y knitr (Xie, 2019) para la generación de los contenidos y textos en diferentes formatos, la reproductibilidad del uso de scripts y la posibilidad de publicar un repositorio del resultado, del proceso y de los datos, no solo vale la pena como base para la construcción de flujos de trabajo eficientes en el manejo y divulgación de datos e información —geográfica—, sino que son un compromiso ineludible con la construcción de conocimiento científico y la ética investigativa.

5.1 Sobre el arbolado urbano

En esta investigación se pregunta si el acceso a servicios del AU es una característica local de los sectores geográficos o si se extienden esos beneficios a agrupaciones de sectores urbanos vecinos. Al revisar la literatura es notorio que los indicadores referenciados son expresados como densidades por unidad de área (ver tabla 2.2). Al usar el área de los SU (ya sea el área total o la pública) y al delimitar el conteo de individuos arbóreos o la suma total del área de copa con los polígonos de cada SU en los indicadores, se está privilegiando una perspectiva local del acceso a los beneficios del AU. La definición matemática de los indicadores seleccionados en este trabajo no se aleja de esta visión local del disfrute, pero promueve matices en la lectura comparativa entre sectores (porcentaje de cobertura de copa respecto del área pública del SU) y su importancia a nivel urbano (área total de copa). El área de copa y el porcentaje de cobertura de copa configuran dos medidas complementarias sobre un fenómeno local a los SUs, sin desconocer que en el contexto global del área urbana existen beneficios ecológicos para toda la ciudad.

Es relevante sobre los resultados de los análisis con diferentes diseños de matriz, que la vecindad de los SU exhibe un grado de autocorrelación espacial y por lo tanto los grupos de alta y baja prestación en los servicios ecosistémicos del AU configuran evidencia de los sesgos espaciales en la distribución de dichos beneficios, rechazando la hipótesis nula de distribución espacial aleatoria o uniforme. A pesar de la persistencia de problemas en la estimación como la no normalidad de los residuos y la heterocedasticidad —debidos a posibles no linealidades entre los predictores y la cobertura de copa— las estimaciones mejoran con los modelos con estructura espacial. Aunque las matrices de vecindad construidas son muy similares entre sí, muestran que la inclusión a priori de una estructura espacial es un mecanismo eficaz para identificar grupos y probar aspectos teóricos de la estructura de la autocorrelación. Como trabajo a futuro es necesario profundizar e incluir criterios teóricos o conocimientos del desarrollo histórico de la ciudad en la especificación de los modelos y en la estructura de vecindad.

Al comparar los modelos espaciales seleccionados, se sabe que el SEM incorpora el componente espacial como información no modelada por los predictores, y el SD como una influencia de los retardos espaciales de las variables independientes. Para el área de copa, cuando se acoje la perspectiva de los retardos (modelo SD con \(W_q\)), solo se considera significativo el retardo de la variable de porcentaje de viviendas tipo cuarto, y descarta la variable no retardada. Es decir que la prevalencia de este tipo de viviendas en un sector urbano está asociado a baja disponibilidad de copa en sectores vecinos. Cuando se compara esta interpretación con el modelo SEM con \(W_d\), en contraste, la variable no retardada de porcentaje de viviendas tipo cuarto resulta significativa. Es interesante que las diferencias entre las matrices privilegien la escogencia de un modelo u otro, lo que alerta sobre la importancia de los supuestos en la escogencia de su estructura ante la discrepancia entre los resultados, señalando posibles mejoras en la metodología utilizada.

Sobre los problemas de la estimación, es probable que provengan de dimensiones no incluidas en el modelo como sugiere el rendimiento del modelo SEM con la matriz \(W_d\) para el área de copa. En este sentido, la cercanía a ríos y arterias viales de un mayor desarrollo urbanístico como el eje longitudinal (figura 4.12), donde se encuentran la Calle 5 una de las vía más emblemáticas de la ciudad, puede explicar el agrupamiento de sectores censales con buena cobertura de AU.

En el caso de la variable de porcentaje de área de copa, los estudios superiores en la población reflejan el patrón de agrupamiento espacial de la cobertura de copa pero es poco significativa como variable retardada, cuestión que pone dudas sobre si el SD proponga una interpretación acertada o diferente de un modelo autorregresivo puro como el SAR. De nuevo, estas diferencias indican caminos de mejora metodológica en lo que se refiere a la selección de modelos y refinamiento de la formulación de las hipótesis en trabajos futuros.

Estos resultados no son evidencia concluyente para responder si hay un tipo de modelo más apropiado que otro para capturar la dependencia espacial en los datos, cuando esta existe. Sin embargo, la lectura contrastada de los modelos de mayor rendimiento y los diferentes diseños de la matriz de vecindad convergen en señalar sesgos espaciales, relacionados con variables de estatus social, la densidad poblacional, la disponibilidad de zonas verdes y la vocación habitacional o comercial de un sector urbano.

En ambos modelos la variable más significativa y de mayor valor en el coeficiente es estudios superiores. Cuando se formulan los modelos se excluye el uso de variables como porcentaje de población afro o personas sin estudios por tener una alta correlación negativa con personas con estudios superiores o postgrado o con su versión porcentual. Esto implica que los beneficios ambientales son mejores en sectores con población mejor educada, presumiblemente de mejores ingresos, (figura 5.2), o con preferencia a habitar espacios con buena arborización y con mayor desarrollo del espacio público. Estas zonas se caracterizan por la disponibilidad de espacios verdes y baja densidad de población como indica la significancia de los coeficientes de estas variables (ver tabla 4.10). En particular, sobre la disponibilidad de EV, no es probable que tengan un efecto de difusión o derrame, pues la creación de estas zonas verdes es algo que ocurre en el proceso de urbanización del sector y poco o nada cambia después de su creación.

Al indagar sobre cuáles son las zonas que muestran mayores correlaciones negativas entre las variables sociales y la cobertura de copa, los resultados muestran un alto grado de segregación de los grupos de sectores con mayor arborización (figura 5.2) y la población afro (figura 5.1) y sin estudios, ambos altamente correlacionadas, como se aprecia en los mapas de LISA y las matrices de correlación de las figuras 4.3 y 4.4. Existe pues una asociación negativa entre acceso a educación superior en zonas con prevalencia de población afro y población sin estudios, que además de la alta segregación laboral y geográfica que exhiben (Arroyo Mina et al., 2016; Cerón y Escobar, 2014; Mora y Arcila, 2014; Pacheco, 2013), está menos beneficiada de los servicios ambientales provistos por el AU. Estos hallazgos coinciden con trabajos sobre ciudades en Estados Unidos como en Schwarz et al. (2015) donde se prueba que la distribución espacial de árboles está sesgada por la distribución del ingreso, que a su vez también está relacionada con patrones de segregación racial.

Este tipo de desigualdades son una responsabilidad de los urbanizadores y de los gobiernos locales. Es de su interés y responsabilidad dialogar para construir y propiciar espacios para la siembra y desarrollo de los individuos arbóreos, pues es fundamental su agencia para reducir brechas sociales, crear una ciudad con espacio e infraestructura natural que sostenga los ecosistemas de los que depende la ciudad y la calidad de vida de sus ciudadanos. Ciudadanos para quienes lo ambiental viene cobrando más importancia como valor social, y que además se convierte en una estrategia para mitigar los cambios que pueda traer consigo el calentamiento global.

Figura 5.1: Mapas LISA - Porcentaje población afrocolombiana

Figura 5.2: Mapas LISA - Porcentaje población con estudios superiores

5.2 Sobre los espacios verdes

Análogamente al ejercicio realizado con el AU, este trabajo se pregunta si el acceso a servicios de los EVs es una característica local de los sectores geográficos o si se extienden esos beneficios a agrupaciones de sectores urbanos vecinos. En contraste con los indicadores de acceso a beneficios del AU, en los indicadodres de acceso a EV se diferencia claramente un enfoque local de uno global (ver tabla 2.3). Desde la concepción local se define el acceso a EVs en un SU como la existencia de EVs exclusivamente dentro de ese SU. En el enfoque global se propone indicadores en los que el acceso está compuesto por aportes ponderados por la distancia de los EVs al SU, incluyendo aquellos situados por fuera del SU, ya sea en todo el área de estudio o en un rango de búsqueda predeterminado. Son dos apuestas conceptuales distintas para aproximarse al concepto de acceso. Esta investigación usó un indicador de cada tipo: un indicador local, porcentaje de área de EV respecto del área del SU y uno global, que define el acceso como la relación entre el área disponible y el costo de traslado hasta un EV sin importar si los EVs están estrictamente dentro del SU. En síntesis, el concepto de acceso admite ambos enfoques, y pueden en trabajos futuros combinarse en un índice de acceso compuesto.

Al evaluar la autocorrelación espacial de los indicadores propuestos, ambos presentan un valor significativo y positivo en el Moran’I. Sin embargo, el indicador de relación área-distancia, en consecuencia con la concepción global de acceso, obtuvo valores de Moran’I muy superiores al indicador de porcentaje de EV (ver tablas 4.23 y 4.24).

Es relevante en los resultados de los análisis que los grupos de alta prestación en los servicios ecosistémicos de los EV configuran evidencia de los sesgos espaciales en la distribución de dichos beneficios. Puede decirse que la mayor parte de la ciudad tiene bajos valores en el acceso a EVs y que la población con mejores beneficios está concentrada en el sur de la ciudad. Como se muestra en los histogramas de distribución de los valores de ambos indicadores (ver figuras 4.17 y 4.18), la tendencia es a una baja disponibilidad y acceso a los EV. Puede entonces rechazarse la hipótesis nula de distribución espacial aleatoria o uniforme.

Con base en los resultados del ajuste de los modelos y de la evaluación del rendimiento de la estimación, usando el AIC, se escogió el modelo SEM para el porcentaje de EV y SD para el indicador de relación área-distancia.

En el SEM todos los coeficientes son significativos y el valor de área media de manzana es la variable más influyente. El coeficiente de autocorrelación en el error es muy significativo, lo que sugiere que sí existe información de patrones espaciales en el error por variables no modeladas (ver tabla 4.26). La importancia que tiene en el modelo el área media de manzana puede interpretarse como una característica estructural del barrio o sector, que por tener manzanas más grandes, las zonas destinadas para parque o espacio verde son en consecuencia más grandes y el beneficio mayor; o que algunas manzanas que albergan equipamientos de ciudad o zonas verdes como riberas de ríos y lagunas son determinantes para marcar altas diferencias en el valor del indicador de acceso local.

El indicador de acceso área-distancia fue mejor ajustado por el modelo SD, que tuvo como coeficientes significativos al porcentaje de predios con uso de unidad económica con un valor bajo pero positivo. La variable de área media de manzana retardada es significativa y es la que tiene el valor más alto entre los coeficientes, confirmando el efecto de derrame de los grandes espacio verdes que son parte del equipamiento de ciudad y que producen beneficios en un radio más amplio que el área de sector urbano que los contiene, en concordancia con el indicador de acceso global propuesto (ver tabla 4.29).

¿Es entonces igual tener acceso a un parque pequeño que a uno grande? Aunque obvio desde la experiencia de pasear por un parque grande, que permite a los habitantes desconectarse del ruido y la polución de las áreas urbanas sin salir de ellas, los resultados de los modelos refuerzan esta condición, al igual que la propia definición matemática de los indicadores de acceso seleccionados.

Por otro lado, no existe evidencia sobre una relación concluyente con ninguna variable poblacional desde el punto de vista local ni global del acceso, por lo que no puede decirse que se vulnere a ciertas comunidades o grupos diferenciados. La baja calidad del acceso a EVs es una condición generalizada en la ciudad, pues 61.7% de 329 sectores en la ciudad tiene menos del 5% de espacio verde de área respecto del área total del sector (figura 4.18). En toda el área urbana los EVs representan un 6.28% del área total. Esta cifra se encuentra por debajo del estándar mínimo generalmente aceptado para el espacio público en áreas urbanas (definido para zonas urbanas que alcanzan una densidad mínima de 150 habitantes por hectárea con respecto al área total urbana) que es del 15% para espacios verdes (UN, 2014).

Finalmente, la estrategia de selección de lugares para construir equipamientos con espacios verdes puede verse beneficiada con este tipo de análisis e indicadores, pues identifica las zonas donde el impacto de estas obras puede ser mayor. Los resultados de esta investigación llaman a los urbanizadores y las autoridades a asumir su responsabilidad para generar proyectos de renovación urbana, que integren y den relevancia al acceso a EV como criterio de diseño de los proyectos, como respuesta a los bajos valores de los indicadores de acceso a EV en la ciudad de Cali. Es importante tener en cuenta en la planificación urbana el tamaño de las manzanas, para que puedan alojar parques de mayor tamaño, y se desarrolle el potencial recreativo y ambiental de esos espacios, así como el de las especies arbóreas que los pueblan.