Análisis de interpolación espacial de contagios de COVID-19 en la cuenca del río Luján

Contenido principal del artículo

Luis Humacata

Resumen

Uno de los factores que se debe tener en cuenta cuando se analiza la propagación de un virus es el geográfico o espacial, que condiciona su proceso de difusión espacial, a partir de las relaciones funcionales que se presentan en el espacio geográfico. El presente trabajo desarrolla la propuesta metodológica basada en el método de interpolación espacial denominado Estimador de Densidad Kernel, orientado a la modelización cartográfica de densidades continuas, considerando la tasa de contagios de COVID-19. El área de estudio corresponde a los municipios de la cuenca del río Luján (Argentina). Los resultados cartográficos evidencian una marcada diferenciación espacial de la incidencia de los contagios en el interior de los municipios del área de estudio, y definen sectores de mayor dinamismo en la propagación espacio-temporal del virus.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Humacata, L. (2021). Análisis de interpolación espacial de contagios de COVID-19 en la cuenca del río Luján. Geograficando, 17(2), e099. https://doi.org/10.24215/2346898Xe099
Sección
Artículos

Citas

Bosque Sendra, J.; García, R. (2001). Métodos de interpolación para la elaboración de un modelo digital de elevaciones. Estudios geográficos, 245. pp. 605-620.

Buzai, G. D. y Baxendale, C. (2011). Análisis socioespacial con Sistemas de Información Geográfica. Tomo 1. Perspectiva científica/Temáticas de base raster. Buenos Aires: Lugar Editorial.

Buzai, G. D. y Baxendale, C. (2012). Análisis socioespacial con Sistemas de Información Geográfica. Tomo 2. Ordenamiento territorial/Temáticas de base vectorial. Buenos Aires: Lugar Editorial.

Buzai, G. D., Baxendale, C., Humacata, L. y Principi, N. (2016). Sistemas de Información Geográfica. Cartografía temática y análisis espacial. Buenos Aires: Lugar Editorial.

Brunsdon, Ch. (1995). Estimating probability furces for geographical point data: and adaptive kernel algorithm. Computers and geosciences. 21(7). pp 874-894.

De Cos Guerra, O. (2004). Valoración del método de densidades focales (Kernel) para la identificación de los patrones espaciales de crecimiento de la población en España. GeoFocus (Artículos), 4. 136-165.

Ercolano, S. (2002). Densidad de población y sustentabilidad en la ciudad de Zaragoza. En L. A. Longares Alardeen y J. L. y Peña Monné (Eds.), Aportaciones geográficas en memoria del profesor L. Miguel Yetano Ruiz. Zaragoza: Universidad de Zaragoza, Departamento de Geografía y Ordenación del Territorio, pp. 173-182.

Humacata, L. (2020). Análisis espacial del COVID-19 en los partidos de la cuenca del río Luján (Provincia de Buenos Aires, Argentina), durante los meses de marzo a agosto de 2020. Revista Cardinalis, 8(15), 121–136. Recuperado de https://revistas.unc.edu.ar/index.php/cardi/article/view/31763/32727

Instituto Nacional de Estadística y Censos, INDEC (2013). Censo Nacional de Población, Hogares y Vivienda 2010. Base de datos REDATAM. Instituto Nacional de Estadística y Censos de la República Argentina. Buenos Aires, Argentina. Recuperado de https://www.indec.gob.ar/

Méndez, M. y Calvo, L. A. (2015). Evaluación de diversos modelos de interpolación espacial para la estimación de la precipitación promedio en la cuenca alta de río Toro. PROHIMET. Costa Rica.

Ministerio de Salud de la República Argentina (2020). Reporte Diario COVID-19. Recuperado de https://www.argentina.gob.ar/Coronavirus/informe-diario

Moreno Jiménez, A. (1991). Modelización cartográfica de densidades mediante estimadores Kernel. Treballs de la Societat Catalana de Geografia, 30, 155-170.

Olivera, A. (1993). Geografía de la Salud. Madrid: Síntesis.

Parras, A. (2015). Modelización de la red de transporte público a partir de isócronas. En G. D. Buzai, G. Cacace, L. Humacata y S. Lanzelotti, Teoría y métodos de la Geografía Cuantitativa. Libro 1. Por una Geografía de lo real. Mercedes: MCA Libros. pp 195-21

Pezzuchi, G. (2003). Análisis espacial del delito. Análisis exploratorio de enfrentamientos policiales, años 1999-2001 en el Conurbano Bonaerense-Argentina (Tesis de Maestría en Sistemas de Información Geográfica). Quito: Universidad San Francisco de Quito.

Pickenhayn, J. A. (2008). Geografía de la Salud: el camino de las aulas. En Ch. Barcellos (Org.). A Geografía e o contexto dos problemas de saúde (pp. 63-84). Río de Janeiro: Abrasco.

Pumain, D. y Saint Julien, T. (2014). Análisis espacial. Las interacciones. Santiago: Pontificia Universidad Católica de Chile. Serie GEOlibros, n° 21.

Ramírez, L. (2020). Evolución, distribución y difusión del COVID-19 en Argentina: primer mes (03/03/2020 - 02/04/2020). Revista Posición. Dossier: análisis geográfico del COVID-19. Instituto de Investigaciones Geográficas, Universidad Nacional de Luján, 3.

Romero Méndez, A. y Montes Galbán, E. (2009). Evaluación espacio–temporal de la sedimentación en el embalse Burro Negro, estado Zulia/Venezuela mediante el uso combinado de SIG–Ecosonda–DGPS. GeoFocus (Artículos), 9, 209-231.

Santos Preciado, J. M. y García Lázaro, F. J. (2003). El método dasimétrico-picnofiláctico: un procedimiento para la desagregación de datos censales. IX Conferencia Iberoamericana de SIG. Universidad de Extremadura. CD-ROM, 1-16.

Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Londres: Chapman & Hall.

Unwin, D.J. (1996). GIS, spatial analysis and spatial statistics. Progress in Human Geography. 20(4), 540-551.

Warntz, W. (1975). La nueva geografía como teoría de sistemas espaciales: ¿cuenta mucho la vieja “física social”?. En R. J. Chorley (Ed.), Nuevas tendencias en geografía (pp. 137-187). Madrid: IEAL.