Diferencia entre revisiones de «Discusión:Índice sintético de vulnerabilidad en Barcelona y Madrid»

De Atlas Nacional de España
Saltar a: navegación, buscar
 
(No se muestran 21 ediciones intermedias de 5 usuarios)
Línea 1: Línea 1:
{{ANEObra|Serie=Monografías del Atlas Nacional de España|Logo=[[Archivo:Logo_Monografía.jpg|left|50x50px|link=]]|Título=La pandemia COVID-19 en España|Subtítulo=Primera ola: de los primeros casos a finales de junio de 2020|Año=2021}}
+
{{ANEEtiqueta|palabrasclave=subtema de la Monografía covid-19, pandemia, covid19, casos de COVID-19,vulnerabilidad social, vulnerabilidad frente al covid, secciones censales|descripcion= Análisis cartográfico de la vulnerabilidad socialmediante el índice de vulnerabilidad en los municipios de Barcelona y Madrid|url=valor}}{{ANEObra|Serie=Monografías del Atlas Nacional de España|Logo=[[Archivo:Logo_Monografía.jpg|left|50x50px|link=]]|Título=La pandemia COVID-19 en España|Subtítulo=Primera ola: de los primeros casos a finales de junio de 2020|Año=2021|Contenido=Nuevo contenido}}
 
+
{{ANENavegacionSubcapitulo (monografía COVID-19)|estructura temática=Estructura temática|seccion=[[La pandemia COVID-19 en España|La pandemia COVID-19 en España]]|capitulo=[[Comportamientos espaciales diferenciados|Comportamientos espaciales diferenciados]]|subcapitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}
{{ANENavegacionCapitulo (monografía COVID-19)|estructura=[[Estructura temática (monografía COVID-19)|Estructura temática]]|seccion=[[La pandemia COVID-19 en España|La pandemia COVID-19 en España]]|capitulo=Índice sintético de vulnerabilidad en Barcelona y Madrid}}
 
 
 
  
 
En los ejemplos de Barcelona y Madrid presentados anteriormente, se ha podido contemplar la incidencia espacial diferenciada de la COVID-19 a diferentes escalas y niveles. En el primer caso, a escala intraurbana y en el ámbito de su área metropolitana. En el caso de Madrid, en la comunidad autónoma, además de en la propia ciudad. Las unidades espaciales objeto de análisis y representación cartográfica quedaron circunscritas a los términos municipales y, cuando se trataba de las ciudades de Madrid y Barcelona, se descendió a los distritos.
 
En los ejemplos de Barcelona y Madrid presentados anteriormente, se ha podido contemplar la incidencia espacial diferenciada de la COVID-19 a diferentes escalas y niveles. En el primer caso, a escala intraurbana y en el ámbito de su área metropolitana. En el caso de Madrid, en la comunidad autónoma, además de en la propia ciudad. Las unidades espaciales objeto de análisis y representación cartográfica quedaron circunscritas a los términos municipales y, cuando se trataba de las ciudades de Madrid y Barcelona, se descendió a los distritos.
  
Asimismo, junto a la información propia de la afección de la pandemia, expresada mediante el indicador de casos de contagio, se cartografiaron algunas variables sociales y económicas como los niveles de renta o movilidad, o relativas a la estructura demográfica como el peso de la población mayor. De esta manera, el lector puede efectuar en los ejemplos citados una lectura comparada. En resumen, los ejemplos mostrados anteriormente dan la posibilidad de intuir si determinadas condiciones socia- les y económicas han podido hacer más vulnerable a la población frente a la acción del virus.
+
Asimismo, junto a la información propia de la afección de la pandemia, expresada mediante el indicador de casos de contagio, se cartografiaron algunas variables sociales y económicas como los niveles de renta o movilidad, o relativas a la estructura demográfica como el peso de la población mayor. De esta manera, el lector puede efectuar en los ejemplos citados una lectura comparada. En resumen, los ejemplos mostrados anteriormente dan la posibilidad de intuir si determinadas condiciones sociales y económicas han podido hacer más vulnerable a la población frente a la acción del virus.
 
 
En los mapas que se presentan ahora, se da un paso más. En primer lugar, por razón de profundizar en la medición de la vulnerabilidad al integrar en un índice sintético un número determinado de variables de cariz social y económico, aspecto que anterior- mente se ha hecho de manera aislada para cada una de las variables consideradas. En segundo lugar, al utilizar una unidad espacial más fina –la sección censal–, es posible reflejar la diversidad interna de los distritos municipales y hacer un análisis espacial más detallado. Téngase en cuenta que en el municipio de Madrid existen 2.443 secciones censales y 21 distritos. Y, en Barcelona, son 1.068 secciones censales y 10 distritos.
 
  
El no disponer de datos referidos a la afección de la pandemia por secciones censales ha determinado que en estos dos mapas se haya decidido incluir también los límites de distrito de cara a facilitar un análisis comparativo siquiera mediante una mera percepción visual, entre lo representado en el mapa y la incidencia de la pandemia cuyos resultados quedan reflejados en los mapas insertos en los ejemplos de Barcelona y Madrid antes mencionados.
+
En los mapas que se presentan ahora, se da un paso más. En primer lugar, por razón de profundizar en la medición de la vulnerabilidad al integrar en un índice sintético un número determinado de variables de cariz social y económico, aspecto que anteriormente se ha hecho de manera aislada para cada una de las variables consideradas. En segundo lugar, al utilizar una unidad espacial más fina –la sección censal–, es posible reflejar la diversidad interna de los distritos municipales y hacer un análisis espacial más detallado. Téngase en cuenta que en el municipio de Madrid existen 2.443 secciones censales y 21 distritos. Y, en Barcelona, son 1.068 secciones censales y 10 distritos.
  
Se han seleccionado cinco variables de índole social y económica para la elaboración del índice sintético de vulnerabilidad: población extranjera, población analfabeta o sin estudios, renta media por persona, población con prestaciones y población en situación de desempleo. Las fuentes de donde se han extraído los datos son el Instituto Nacional de Estadística (Estadística Experimental) y los respectivos portales estadísticos de Madrid y Barcelona.
+
El no disponer de datos referidos a la afección de la pandemia por secciones censales ha determinado que en estos dos mapas se haya decidido incluir también los límites de distrito de cara a facilitar un análisis comparativo siquiera mediante una mera percepción visual, entre lo representado en el mapa y la incidencia de la pandemia cuyos resultados quedan reflejados en los mapas insertos en los ejemplos de Barcelona y Madrid antes mencionados.  
  
{| cellspacing="0" cellpadding="0" style="margin-top: 0; float:right;margin-right: 10px; margin-bottom: 0em; margin-left: 0px; width:25%"  
+
{| cellspacing="0" cellpadding="0" style="margin-top: 0; margin-right: 0px; margin-bottom: 0em; margin-left: 0px; float:right; width:350px"  
 
| style="vertical-align: top; border-style: solid; border-width: 1px; border-color: #ffffff; background-color:#ffffff" |
 
| style="vertical-align: top; border-style: solid; border-width: 1px; border-color: #ffffff; background-color:#ffffff" |
<div style="text-align:center; float:right"><div style="color:#DF7401">'''Matriz de componentes'''</div>
+
<div style="text-align:center; float:right"><div style="color:MediumBlue">'''Matriz de componentes'''<span style="color:#636363"><sup>a</sup></span></div>
  
{| cellspacing="0" cellpadding="0" style="margin-top: 0; margin-right: 0px; margin-bottom: 0em; margin-left: 0px; float:left; width:100%"  
+
{| cellspacing="0" cellpadding="0" style="margin-top: 0; margin-right: 0px; margin-bottom: 0em; margin-left: 20px; float:right; width:350px"  
 
| style="vertical-align: top; border-style: solid; border-width: 1px; border-color: #A7A7A7; background-color:#ffffff" |
 
| style="vertical-align: top; border-style: solid; border-width: 1px; border-color: #A7A7A7; background-color:#ffffff" |
<div style="padding-top: 0.3em; padding-right: 0.3em; padding-bottom: 0.3em; padding-left: 0.3em; font-size: 100%; text-align: center; float:right">
+
<div style="padding-top: 1.0em; padding-right: 0.5em; padding-bottom: 0.3em; padding-left: 0.5em; font-size: 100%; text-align: center">
  
{| class="wikitable" style="margin-right: 0px; margin-left: 0px; font-size:12px; float:left"
+
<div style="margin-bottom:10px; margin-right:0px">
 +
{| style="margin-right: 0px; margin-left: 0px; font-size:12px"
 
|-
 
|-
| rowspan="2" style="color:#ef9248; background:#f1d3c0; text-align:center; width:50px" | '''VARIABLE''' || colspan="2" style="background:#f1d3c0; color:#ef9248; text-align:center" | '''COMPONENTE'''  
+
| rowspan="2" style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:250px" | '''VARIABLE''' || colspan="2" style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center" | '''COMPONENTES'''
 
|-
 
|-
| style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''1''' || style="background:#f1d3c0; color:#ef9248; text-align:center; width:50px" | '''2'''
+
| style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:50px" | '''1''' || style="background:LightGoldenrodYellow; color:MediumBlue; border: solid; border-width: 1px; text-align:center; width:50px" | '''2'''
 
|-
 
|-
| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Renta media por persona || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,899 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,189
+
| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Renta media por persona || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | -,899 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,189
 
|-
 
|-
| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población en paro || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,880 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,137
+
| style="color:#000000; background:Ivory; text-align:left; border: solid; border-width: 1px" | Población en paro || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,880 || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | -,137
 
|-
 
|-
| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población con prestaciones || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,830 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | -,250
+
| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población con prestaciones || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,830 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | -,250
 
|-
 
|-
| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población analfabeta/sin estudios || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,272 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,810
+
| style="color:#000000; background:Ivory; text-align:left; border: solid; border-width: 1px" | Población analfabeta/sin estudios || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,272 || style="background:Ivory; color:#000000; text-align:center; border: solid; border-width: 1px" | ,810
 
|-
 
|-
| style="color:#636363; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población extranjera || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,513 || style="background:#ffffff; color:#636363; text-align:center; border: solid; border-width: 1px" | ,539
+
| style="color:#000000; background:#ffffff; text-align:left; border: solid; border-width: 1px" | Población extranjera || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,513 || style="background:#ffffff; color:#000000; text-align:center; border: solid; border-width: 1px" | ,539
|}
+
|}</div>
<div style="padding-top: 0.4em; padding-right: 0.5em; padding-bottom: 0.3em; padding-left: 0.5em; font-size: 100%"><small style="color:#959595">Método de extracción de componentes principales. (a) 2 componentes extraídos</small>
+
</div>
 
+
<hr class="style2" />
 +
<div style="padding-top: 0.4em; padding-right: 0.5em; padding-bottom: 0.3em; padding-left: 0.5em; font-size: 100%"><small style="color:#959595">Método de extracción de componentes principales. (<span style="color:#636363"><sup>a</sup></span>) 2 componentes extraídos</small>
 
</div>
 
</div>
 
|}
 
|}
|}
+
|}Se han seleccionado cinco variables de índole social y económica para la elaboración del índice sintético de vulnerabilidad: población extranjera, población analfabeta o sin estudios, renta media por persona, población con prestaciones y población en situación de desempleo. Las fuentes de donde se han extraído los datos son el Instituto Nacional de Estadística (estadística experimental) y los respectivos portales estadísticos de Madrid y Barcelona.
  
 +
La selección de variables de cariz más económico se justifica por la importancia numérica de personas con bajos ingresos y que continúan atrapadas por el desempleo y la pobreza laboral. La falta de ingresos, sobre todo cuando la prolongación en el tiempo es significativa, conlleva la dependencia de prestaciones no contributivas. Por su parte, los inmigrantes y personas analfabetas o sin estudios se encuentran entre los colectivos de población potencialmente más expuestos a una situación de pobreza tal y como se constata en el VIII Informe Foessa ''Exclusión y desarrollo social en España 2019'', o en la publicación de Oxfam Intermón ''Una reconstrucción justa es posible y necesaria. No es momento para la austeridad, elijamos dignidad'' (2020). Asimismo, cabe señalar que dichas variables aparecen recogidas y analizadas en obras tan señaladas para el estudio de la vulnerabilidad como el ''Atlas de la Vulnerabilidad Urbana y el Análisis urbanístico de Barrios Vulnerables en España'' publicadas por el Ministerio de Fomento (2012, 2015).
  
La selección de variables de cariz más económico se justifica por la importancia numérica de personas con bajos ingresos y que continúan atrapadas por el desempleo y la pobreza laboral. La falta de ingresos, sobre todo cuando la prolongación en el tiempo es significativa, conlleva la dependencia de prestaciones no contributivas. Por su parte, los inmigrantes y personas analfabetas o sin estudios se encuentran entre los colectivos de población potencialmente más expuestos a una situación de pobreza tal y como se constata en el VIII Informe Foessa Exclusión y desarrollo social en España 2019, o en la publicación de Oxfam Intermón Una reconstrucción justa es posible y necesaria. No es momento para la austeridad, elijamos dignidad (2020). Asimismo, cabe señalar que dichas variables aparecen recogidas y analizadas en obras tan señaladas para el estudio de la vulnerabilidad como el Atlas de la Vulnerabilidad Urbana y el Análisis urbanístico de Barrios Vulnerables en España publicadas por el Ministerio de Fomento (2012, 2015).
+
Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto de las variables (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (''natural breaks'').
  
Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (natural breaks).
+
[[Archivo:Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Barcelona. 2017. Barcelona. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Barcelona_Indice-de-vulnerabilidad.-Ciudad-de-Barcelona_2017_mapa_18011_spa.zip Datos].]][[Archivo:Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.jpg|left|thumb|none|300px|Mapa: Índice de vulnerabilidad. Ciudad de Madrid. 2017. Madrid. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.pdf PDF]. [//centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Madrid_Indice-de-vulnerabilidad.-Ciudad-de-Madrid_2017_mapa_18012_spa.zip Datos].]]
 +
Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables (González y Piñeira, 2020).
  
<div><ul style="text-align: center">
+
La vulnerabilidad en Barcelona y Madrid castiga especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.  
 
 
<li style="display: inline-block; vertical-align:top">
 
[[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de de índice de vulnerabilidad. Ciudad de Barcelona. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]]
 
</li>
 
 
 
</ul></div>
 
 
 
Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables.
 
 
 
La vulnerabilidad en Barcelona y Madrid castigan especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.  
 
  
 
La distribución de la vulnerabilidad en Barcelona, a partir del índice elaborado, dibuja una ciudad con unas tasas elevadas que se concentran, por un lado, en las barriadas populares del norte municipal (Torre Baró, Ciutat Meridiana, Canyelles, les Roquetes) y algunas del nordeste, como Bon Pastor –secciones con destacada presencia de población trabajadora e inmigrante– y, por otro, en un extenso territorio del sur de la ciudad que se corresponde con la zona portuaria y la Barceloneta. En estos territorios se supera la incidencia acumulada de 500 casos por 100.000 habitantes (febrero-junio 2020) e incluso, en algunos, se alcanza el máximo considerado (1.000 casos). Por su parte, los indicadores de vulnerabilidad más baja se localizan en las secciones censales de la zona oeste, desde Pedralbes y Sarriá, pasando por buena parte de las secciones del Eixample, hasta la primera línea litoral, altamente revalorizada (desde la Vila Olímpica del Poblenou hasta Diagonal Mar i el Front Marítim del Poblenou). A la vista de los datos acumulados de COVID-19, son las áreas de más baja incidencia del municipio, mayoritariamente con una tasa por debajo de 500 casos.
 
La distribución de la vulnerabilidad en Barcelona, a partir del índice elaborado, dibuja una ciudad con unas tasas elevadas que se concentran, por un lado, en las barriadas populares del norte municipal (Torre Baró, Ciutat Meridiana, Canyelles, les Roquetes) y algunas del nordeste, como Bon Pastor –secciones con destacada presencia de población trabajadora e inmigrante– y, por otro, en un extenso territorio del sur de la ciudad que se corresponde con la zona portuaria y la Barceloneta. En estos territorios se supera la incidencia acumulada de 500 casos por 100.000 habitantes (febrero-junio 2020) e incluso, en algunos, se alcanza el máximo considerado (1.000 casos). Por su parte, los indicadores de vulnerabilidad más baja se localizan en las secciones censales de la zona oeste, desde Pedralbes y Sarriá, pasando por buena parte de las secciones del Eixample, hasta la primera línea litoral, altamente revalorizada (desde la Vila Olímpica del Poblenou hasta Diagonal Mar i el Front Marítim del Poblenou). A la vista de los datos acumulados de COVID-19, son las áreas de más baja incidencia del municipio, mayoritariamente con una tasa por debajo de 500 casos.
Línea 66: Línea 56:
  
 
En suma, las dos cabeceras del sistema urbano español tienen importantes problemas de vulnerabilidad. La situación actual demuestra que las mejoras urbanas de las últimas décadas se fundamentaron sobre bases y estructuras débiles y sobre un modelo de ciudad desigual políticamente aceptada. Primero, la crisis de 2008 y las denominadas políticas poscrisis ahondaron las desigualdades internas en unas ciudades que ya tenían importantes problemas de cohesión social. Posteriormente, la crisis relacionada con la COVID-19 puede provocar un aumento del desequilibrio señalado en relación a la vulnerabilidad. Habría que iniciar nuevas investigaciones al respecto, pero existe el riesgo de que la vulnerabilidad detectada en los espacios más precarios se expandiese a ámbitos que hoy están habitados por clases medias y aparentemente bien integrados en la ciudad.
 
En suma, las dos cabeceras del sistema urbano español tienen importantes problemas de vulnerabilidad. La situación actual demuestra que las mejoras urbanas de las últimas décadas se fundamentaron sobre bases y estructuras débiles y sobre un modelo de ciudad desigual políticamente aceptada. Primero, la crisis de 2008 y las denominadas políticas poscrisis ahondaron las desigualdades internas en unas ciudades que ya tenían importantes problemas de cohesión social. Posteriormente, la crisis relacionada con la COVID-19 puede provocar un aumento del desequilibrio señalado en relación a la vulnerabilidad. Habría que iniciar nuevas investigaciones al respecto, pero existe el riesgo de que la vulnerabilidad detectada en los espacios más precarios se expandiese a ámbitos que hoy están habitados por clases medias y aparentemente bien integrados en la ciudad.
<div><ul style="text-align: center">
 
 
<li style="display: inline-block; vertical-align:top">
 
[[Archivo:Espana Poblacion-y-densidad-de-poblacion 1900 mapa 14663 spa.jpg|left|thumb|none|300px|Mapa de de índice de vulnerabilidad. Ciudad de Madrid. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.pdf PDF]. [http://centrodedescargas.cnig.es/CentroDescargas/busquedaRedirigida.do?ruta=PUBLICACION_CNIG_DATOS_VARIOS/aneTematico/Espana_Poblacion-y-densidad-de-poblacion_1900_mapa_14663_spa.zip Datos] [https://interactivo-atlasnacional.ign.es/index.php#c=indicator&i=r_3_t.r_3_t&i2=c_43_t.c_43_t&s=1900&s2=1900&t=A02&t2=A02&view=map9 Interactivo. ]]]
 
</li>
 
 
</ul></div>
 
  
 
{{ANEAutoria|Autores= Jesús M. González Pérez y María José Piñeira Mantiñán}}
 
{{ANEAutoria|Autores= Jesús M. González Pérez y María José Piñeira Mantiñán}}
 +
{{ANEBibliografia|Texto=
 +
*BENAVIDES, L. et al. (2020): ''Una reconstrucción justa es posible y necesaria. No es momento para la austeridad, elijamos dignidad''. Madrid, Oxfam Intermón. Disponible en: https://www.observatoriorealidadsocial.es/es/documentacion/Record/553245
 +
*EPData (2021): «Población especialmente vulnerable». Disponible en: https://www.epdata.es/datos/poblacion-especialmente-vulnerable-estadistica-accentur-fedea-juntos-empleo/87/espana/106
 +
*FERNÁNDEZ MAÍLLO, G. (2019), coord.: ''VIII Informe Foessa Exclusión y desarrollo social en España. Madrid, Fundación Foessa''. Disponible en: https://www.foessa.es/main-files/uploads/sites/16/2019/06/Informe-FOESSA-2019_web-completo.pdf
 +
*GONZÁLEZ PÉREZ, J. M. y PIÑEIRA MANTIÑÁN, M. J. (2020): «La ciudad en rebelión. Vulnerabilidades urbanas y nuevos gobiernos en la ciudad», Boletín de la Asociación de Geógrafos Españoles, nº 87. Disponible en: https://bage.age-geografia.es/ojs/index.php/bage/issue/view/126
 +
*MINISTERIO DE FOMENTO (2012): ''Atlas de la Vulnerabilidad Urbana''. https://www.mitma.gob.es/areas-de-actividad/arquitectura-vivienda-y-suelo/urbanismo-y-politica-de-suelo/observatorio-de-la-vulnerabilidad-urbana/atlas-de-la-vulnerabilidad-urbana/atlas-de-las-vulnerabilidad-urbana-en-espan%CC%83a
 +
*MINISTERIO DE FOMENTO (2015): ''Análisis urbanístico de Barrios Vulnerables en España''. https://www.mitma.gob.es/areas-de-actividad/arquitectura-vivienda-y-suelo/urbanismo-y-politica-de-suelo/observatorio-de-la-vulnerabilidad-urbana/analisis-urbanistico-de-barrios-vulnerables}}
 
{{ANESubirArriba}}
 
{{ANESubirArriba}}
 
{{ANEPaginaDescargas (monografía COVID-19)}}
 
{{ANEPaginaDescargas (monografía COVID-19)}}
{{ANENavegacionHermanosUltimo|anterior=[[Visión de conjunto]]}}
+
{{ANENavegacionHermanosUltimo|anterior=[[Málaga]]}}
  
 
[[Categoría:La pandemia COVID-19 en España]]
 
[[Categoría:La pandemia COVID-19 en España]]

Revisión actual del 13:26 24 ene 2022


Logo Monografía.jpg

La pandemia COVID-19 en España. Primera ola: de los primeros casos a finales de junio de 2020

Monografías del Atlas Nacional de España. Nuevo contenido


Estructura temática > La pandemia COVID-19 en España > Comportamientos espaciales diferenciados > Índice sintético de vulnerabilidad en Barcelona y Madrid

En los ejemplos de Barcelona y Madrid presentados anteriormente, se ha podido contemplar la incidencia espacial diferenciada de la COVID-19 a diferentes escalas y niveles. En el primer caso, a escala intraurbana y en el ámbito de su área metropolitana. En el caso de Madrid, en la comunidad autónoma, además de en la propia ciudad. Las unidades espaciales objeto de análisis y representación cartográfica quedaron circunscritas a los términos municipales y, cuando se trataba de las ciudades de Madrid y Barcelona, se descendió a los distritos.

Asimismo, junto a la información propia de la afección de la pandemia, expresada mediante el indicador de casos de contagio, se cartografiaron algunas variables sociales y económicas como los niveles de renta o movilidad, o relativas a la estructura demográfica como el peso de la población mayor. De esta manera, el lector puede efectuar en los ejemplos citados una lectura comparada. En resumen, los ejemplos mostrados anteriormente dan la posibilidad de intuir si determinadas condiciones sociales y económicas han podido hacer más vulnerable a la población frente a la acción del virus.

En los mapas que se presentan ahora, se da un paso más. En primer lugar, por razón de profundizar en la medición de la vulnerabilidad al integrar en un índice sintético un número determinado de variables de cariz social y económico, aspecto que anteriormente se ha hecho de manera aislada para cada una de las variables consideradas. En segundo lugar, al utilizar una unidad espacial más fina –la sección censal–, es posible reflejar la diversidad interna de los distritos municipales y hacer un análisis espacial más detallado. Téngase en cuenta que en el municipio de Madrid existen 2.443 secciones censales y 21 distritos. Y, en Barcelona, son 1.068 secciones censales y 10 distritos.

El no disponer de datos referidos a la afección de la pandemia por secciones censales ha determinado que en estos dos mapas se haya decidido incluir también los límites de distrito de cara a facilitar un análisis comparativo siquiera mediante una mera percepción visual, entre lo representado en el mapa y la incidencia de la pandemia cuyos resultados quedan reflejados en los mapas insertos en los ejemplos de Barcelona y Madrid antes mencionados.

Matriz de componentesa
VARIABLE COMPONENTES
1 2
Renta media por persona -,899 ,189
Población en paro ,880 -,137
Población con prestaciones ,830 -,250
Población analfabeta/sin estudios ,272 ,810
Población extranjera ,513 ,539

Método de extracción de componentes principales. (a) 2 componentes extraídos

Se han seleccionado cinco variables de índole social y económica para la elaboración del índice sintético de vulnerabilidad: población extranjera, población analfabeta o sin estudios, renta media por persona, población con prestaciones y población en situación de desempleo. Las fuentes de donde se han extraído los datos son el Instituto Nacional de Estadística (estadística experimental) y los respectivos portales estadísticos de Madrid y Barcelona.

La selección de variables de cariz más económico se justifica por la importancia numérica de personas con bajos ingresos y que continúan atrapadas por el desempleo y la pobreza laboral. La falta de ingresos, sobre todo cuando la prolongación en el tiempo es significativa, conlleva la dependencia de prestaciones no contributivas. Por su parte, los inmigrantes y personas analfabetas o sin estudios se encuentran entre los colectivos de población potencialmente más expuestos a una situación de pobreza tal y como se constata en el VIII Informe Foessa Exclusión y desarrollo social en España 2019, o en la publicación de Oxfam Intermón Una reconstrucción justa es posible y necesaria. No es momento para la austeridad, elijamos dignidad (2020). Asimismo, cabe señalar que dichas variables aparecen recogidas y analizadas en obras tan señaladas para el estudio de la vulnerabilidad como el Atlas de la Vulnerabilidad Urbana y el Análisis urbanístico de Barrios Vulnerables en España publicadas por el Ministerio de Fomento (2012, 2015).

Una vez recogida y tratada la información, se procedió a la elaboración de un índice sintético de vulnerabilidad mediante la técnica de análisis de componentes principales, que se representó en forma de matriz respecto de las variables. Estas se representan en filas y los componentes principales en columnas. Lo ideal es que cada componente se relacione de forma positiva con pocas variables (con unos coeficientes de correlación próximos a 1 o -1) y mal con el resto de las variables (con coeficientes próximos a 0). En este caso, de los dos componentes obtenidos, se optó por escoger el primero, al considerar que era el más representativo. Finalmente, se dio traslado de los resultados a un sistema de información geográfica, donde se optó por clasificarlos según el método de clasificación en intervalos naturales (natural breaks).

Mapa: Índice de vulnerabilidad. Ciudad de Barcelona. 2017. Barcelona. PDF. Datos.
Mapa: Índice de vulnerabilidad. Ciudad de Madrid. 2017. Madrid. PDF. Datos.

Como ya se demostró hace más de cien años, la cartografía médica es una herramienta fundamental para la visualización de los procesos de difusión de las enfermedades, la gestión de las crisis epidemiológicas y la toma de decisiones. Los estudios clásicos sobre salud pública y ciudad recuperan un espacio que hasta hace poco parecía impensable introducir en el debate urbano del siglo XXI. La pandemia de la COVID-19 obliga a una reformulación de los estudios urbanos, recuperando antiguos debates que propicien la reflexión sobre problemas urbanos no satisfactoriamente superados. Entre ellos, los referidos a las desigualdades en la ciudad. La enfermedad, precisamente, se está mostrando como un indicador principal y muy expresivo de las desigualdades urbanas. El descuido sistemático de las necesidades humanas universales de refugio, salud y seguridad parece que están provocando que los barrios con rentas más bajas sean desproporcionadamente más vulnerables, en este caso, a la pandemia COVID-19, no sólo en términos de salud, sino también en pérdida de renta, aumento del desempleo, menor protección social, etc. El incremento de la pobreza y el aumento multiescalar de la desigualdad socioespacial cristalizan en lo que se viene a denominar injusticia espacial. No resulta arriesgado manifestar, aunque sea como hipótesis plausible, que la pobreza y precariedad están provocando más contagios y víctimas entre los más vulnerables (González y Piñeira, 2020).

La vulnerabilidad en Barcelona y Madrid castiga especialmente a las periferias urbanas, sobre todo aquellas construidas durante el desarrollismo (1960-1970), con alta presencia de vivienda social, altas densidades y que sirven como lugar de residencia de población inmigrante (primero de la emigración interior y más recientemente de la extranjera laboral). En Barcelona, la fractura social se percibe en un norte y sur mucho más vulnerables frente al oeste más privilegiado. En Madrid, la relación es claramente sur-norte. En los dos casos, la baja vulnerabilidad es característica común en los espacios centrales (ensanches y centros históricos). En estos últimos, los índices elevados se reducen a puntuales reductos de áreas todavía no rehabilitadas o gentrificadas, como por ejemplo el Raval en Barcelona. En definitiva, la detección de estos contrastes en Madrid y Barcelona parece que han podido favorecer, en general, la existencia de una relación directa entre altas tasas de vulnerabilidad y la incidencia acumulada por la COVID-19.

La distribución de la vulnerabilidad en Barcelona, a partir del índice elaborado, dibuja una ciudad con unas tasas elevadas que se concentran, por un lado, en las barriadas populares del norte municipal (Torre Baró, Ciutat Meridiana, Canyelles, les Roquetes) y algunas del nordeste, como Bon Pastor –secciones con destacada presencia de población trabajadora e inmigrante– y, por otro, en un extenso territorio del sur de la ciudad que se corresponde con la zona portuaria y la Barceloneta. En estos territorios se supera la incidencia acumulada de 500 casos por 100.000 habitantes (febrero-junio 2020) e incluso, en algunos, se alcanza el máximo considerado (1.000 casos). Por su parte, los indicadores de vulnerabilidad más baja se localizan en las secciones censales de la zona oeste, desde Pedralbes y Sarriá, pasando por buena parte de las secciones del Eixample, hasta la primera línea litoral, altamente revalorizada (desde la Vila Olímpica del Poblenou hasta Diagonal Mar i el Front Marítim del Poblenou). A la vista de los datos acumulados de COVID-19, son las áreas de más baja incidencia del municipio, mayoritariamente con una tasa por debajo de 500 casos.

Esta dualidad social es igualmente percibida en el municipio de Madrid. Las secciones censales periféricas del sur, originalmente obreras e industriales, obtienen los índices de vulnerabilidad más altos, en secciones censales localizadas en Vicálvaro, Villa de Vallecas, Villaverde, Puente de Vallecas y Carabanchel. Estos barrios se sitúan dentro de distritos con una alta incidencia acumulada en términos absolutos, aunque no siempre registran las tasas relativas (por 100.000 habitantes) más elevadas. Por su parte, la vulnerabilidad más baja se localiza en el norte, ensanche y la mayor parte del centro histórico; parte sur de Fuencarral-El Pardo, Moncloa-Aravaca, Chamartín, Salamanca, Centro, Retiro, Hortaleza, buena parte de Ciudad Lineal, etc. Aunque, en general, éstas son las áreas con menor incidencia, existen algunas excepciones como es el caso de Retiro.

En suma, las dos cabeceras del sistema urbano español tienen importantes problemas de vulnerabilidad. La situación actual demuestra que las mejoras urbanas de las últimas décadas se fundamentaron sobre bases y estructuras débiles y sobre un modelo de ciudad desigual políticamente aceptada. Primero, la crisis de 2008 y las denominadas políticas poscrisis ahondaron las desigualdades internas en unas ciudades que ya tenían importantes problemas de cohesión social. Posteriormente, la crisis relacionada con la COVID-19 puede provocar un aumento del desequilibrio señalado en relación a la vulnerabilidad. Habría que iniciar nuevas investigaciones al respecto, pero existe el riesgo de que la vulnerabilidad detectada en los espacios más precarios se expandiese a ámbitos que hoy están habitados por clases medias y aparentemente bien integrados en la ciudad.


AUTORES.jpg
Texto: Jesús M. González Pérez y María José Piñeira Mantiñán. Véase la lista de participantes


BIBLIOGRAFIA.jpg
Bibliografía


↑ Arriba

BAJADA-01.jpg

En la página Libros Digitales del ANE puedes descargar la obra completa La pandemia COVID-19 en España. Primera ola: de los primeros casos a finales de junio de 2020.