VOL 38 | NO 113 | ENERO 2012 | pp.

33-51 | ARTÍCULOS | ©EURE 33

Asociación espacial entre

fragmentación socioeconómica
y ambiental en la ciudad de Mar del
Plata, Argentina

Juan P. Celemín. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET),

Centro de Investigaciones Geográficas, Universidad Nacional del Centro de la Provincia de Buenos
Aires, Buenos Aires, Argentina.

resumen | ¿Existe relación entre el nivel socioeconómico de las personas y la calidad

ambiental del entorno en que viven? Para responder a tal interrogante se recurrió a la
autocorrelación espacial, de manera de asociar un índice socioeconómico con otro de
calidad ambiental a los radios censales que conforman la localidad de Mar del Plata
(Argentina), lo que permitió obtener una respuesta positiva a la pregunta. Es decir, aquellos
que poseen recursos económicos tienen la capacidad de agenciarse un ambiente sano en el
cual desarrollarse. La integración de las variables de ambos índices posibilitó realizar otro
análisis de tipo cluster, que registró una configuración espacial similar a la obtenida con
la autocorrelación espacial. Así quedó plasmada la necesidad de mejorar las condiciones
ambientales en las que se encuentran los sectores menos favorecidos, dado que, además del
contexto económico, un ambiente sano es uno de los factores necesarios para una buena
calidad de vida.

palabras clave | fragmentación urbana, segregación, calidad de vida, calidad

ambiental, indicadores ambientales.

abstract | Is there a relationship between peoples’ socioeconomic level and the quality of
the environment in which they live? To answer this question, spatial autocorrelation was used
to associate a social and economic index with an environmental one, using the census tracts of
Mar del Plata (Argentina). This demonstrated a positive answer to the question, i.e. those who
possess economic resources have the capacity to live in a healthy environment. The integration of
the variables of these two indices in a cluster analysis showed a spatial configuration similar to
that obtained with the spatial autocorrelation. This reflected the need to improve environmental
conditions in those less favored sectors as, in addition to the economic context, a healthy environment
is one of the factors necessary for good quality of life.

key words | urban fragmentation, segregation, quality of life, environmental quality,

environmental indicators.

Recibido el 20 de mayo de 2009, aprobado el 10 de agosto de 2011.

E-mail: [email protected]

issn impreso 0250-7161 | issn digital 0717-6236

34 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Introducción

La globalización se caracteriza por la excesiva concentración de los medios de pro-

ducción y comercialización, así como de los medios financieros y de servicios en el
plano mundial y nacional en un contexto de apertura indiscriminada de los merca-
dos. La mundialización económica promueve la integración a la vez que la exclusión
cercena la soberanía nacional y aumenta la autonomía del mercado. Este proceso se
impone al mundo no solo a través de la internacionalización de la economía, sino
también de la cultura y del consumo, entre otros aspectos, un proceso cuya finalidad
es la homogeneización de la sociedad y del territorio. Ello ocurre, sin embargo, a
costa de una gran cantidad de fracturas, por lo que se considera que este modelo va
acompañado de otro, denominado fragmentación (Uribe Ortega, 1998).
Este esquema global, además de cambiar el tejido económico y social y el
medioambiente de las grandes áreas urbanas, también reforma su estructura espa-
cial (Sachs-Jeantet, 1994, p. 7). Consecuentemente, su marca queda registrada en la
territorialidad de las ciudades al acentuar sus disparidades internas, ya que algunos
sectores se ven favorecidos por ese proceso de internacionalización de la economía,
mientras que otros, la mayoría, quedan marginalizados.
La supuesta modernización es la fuerza motriz que anima la vida de relaciones de
países y lugares, merced a la incorporación diferencial y selectiva, por parte de cada
territorio, de los datos centrales de cada período histórico. Así, a cada totalidad le
corresponde una modernidad respectiva, provista de nuevos significados, contenidos,
jerarquías y valores. De este modo, la modernización no es lineal ni unívoca. Una eta-
pa no sucede mecánicamente a la otra, ni una es el producto inequívoco de la anterior.
No existen situaciones geográficas que puedan ser explicadas únicamente mediante
una referencia a su pasado. En efecto, la naturaleza central del problema no reside
en áreas modernizadas diferencialmente, sino, por el contrario, en la coexistencia
espacio-temporal de diversas modernidades, esto es, diversas formas de moderniza-
ción, articuladas entre sí por y en el proceso de totalización. Cada modernidad es una
totalidad concreta, una forma de ser del mundo, con sus posibilidades y sus limitacio-
nes, que se objetiva, se funcionaliza y se plasma en uno o más puntos del espacio. El
proceso de modernización, comandado a cada momento de la historia y en cada lugar
por las clases dominantes —capitales hegemónicos, el propio Estado—, lejos de su-
primir las desigualdades preexistentes, las exacerba. Y así, durante el devenir espacio-
temporal de los fenómenos sociales, engendra nuevos mecanismos de diferenciación
y fragmentación de la sociedad y el territorio, merced a la funcionalización de nuevos
sistemas, objetos, acciones y normas. En este contexto, la calidad de vida es tributaria
de ese proceso de modernización, pues deviene medio y resultado de las nuevas racio-
nalidades y usos del territorio (Gómez Lende, 2005, p. 243).
El estudio de la fragmentación urbana no ha dejado de provocar desacuerdos,
tanto en la definición y límites del término, como en sus métodos y técnicas de
medición (González Arellano, 2006). Esto se debe a que su análisis no es propiedad
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 35

exclusiva de una disciplina específica, de manera que cada una la entiende y examina
de acuerdo con sus lenguajes y metodologías A su vez, la mayoría de los conceptos
asociados a la temática (vulnerabilidad social y segregación, por nombrar algunos)
también son multidimensionales, están en permanente discusión y su delimitación
continúa abierta. No obstante, se reconoce que la fragmentación repercute en la
configuración urbana, y en particular en la de las ciudades de América Latina, se-
gún las modalidades que adquiere el impacto del capitalismo internacional en las
diferentes culturas de los países dependientes de la región.
La diferenciación espacial ha existido siempre; sin embargo, en la actualidad se
observa con mayor nitidez y amplitud en los espacios de ciudades en desarrollo. Par-
ticularmente se presenta una clara distinción entre los que tienen mucho y los que no
tienen; es decir, se exhibe un espacio más fragmentado y segregado. En este marco,
Alvarado Rosas, Medrano & Lozano (2008) y Janoschka (2002) mencionan que
existe una gran fragmentación de los usos del suelo como nuevas formas de la expre-
sión espacial de las ciudades de América Latina a finales del siglo veinte y principios
del veintiuno. Asimismo, es común que el suelo público se vea cada vez más afecta-
do por el fenómeno de la privatización, proceso que ha trascendido varios espacios
de la economía de las ciudades. Ello es especialmente notorio en las áreas donde se
han promovido fuertemente las inversiones inmobiliarias, enfocadas a los fraccio-
namientos cerrados de alto nivel, que prácticamente construyen pequeñas ciudades
dentro de otra gran ciudad. A la vez crecen los espacios de pobreza, zonas margi-
nadas destinadas a la población de bajos ingresos, que se encuentran aislados por
grupos de población de nivel socioeconómico mayor. Esta característica también es
mencionada en los trabajos de Meyer y Bähr (2001) y De Mattos e Hidalgo (2007).
Por su parte, Sabatini, Cáceres y Cerda (2001) discuten teóricamente la rela-
ción entre desigualdad social y segregación espacial, rechazando el enfoque usual
que ve la segunda como un mero reflejo en el espacio de la primera, mientras que
Borsdorf (2003) sostiene la necesidad de recurrir a nuevos modelos para el análisis
urbano, que deben ser generalizaciones de la realidad fragmentada de la ciudad la-
tinoamericana actual.
La gran mayoría de los trabajos que analizan la fragmentación lo hacen, como
es de esperar, desde una perspectiva socioeconómica y aplicando técnicas estadís-
ticas tradicionales (correlación entre variables, por ejemplo). Consiguientemente,
son escasas las publicaciones que contemplan el uso explícito de procedimientos
de análisis espacial para el estudio de la segregación urbana y también son pocas las
producciones que vinculan el ambiente urbano como un elemento más que pue-
de ser considerado al momento de estudiar la fragmentación. Entre las primeras
se puede mencionar los recientes trabajos de Linares (2008, 2010) sobre ciudades
intermedias argentinas; a Groisman y Suárez (2006) con el estudio de la segrega-
ción residencial en Buenos Aires; Kaztman y Retamoso (2007) con el análisis de la
segregación educativa en Montevideo; y Martori, Hoberg y Surinach (2006) para
Barcelona. Todos ellos recurren a la autocorrelación espacial —por ejemplo, los
habituales coeficientes de correlación— como medida para mensurar la fragmen-
36 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

tación en sus áreas de estudio, dejando de lado técnicas cuantitativas no-espaciales.

Más limitada es la producción que analiza el vínculo entre la distribución espacial
de los servicios ambientales y el contexto socioeconómico urbano a partir del uso
de estas técnicas. Una variable ambiental de fácil relevamiento, que ha sido utiliza-
da en diferentes trabajos para relacionarla espacialmente, de manera más o menos
explícita, con la segregación socioeconómica, es la distribución de la vegetación
urbana. Así, Escobedo et al. (2006) establecen su vínculo con los estratos socioeco-
nómicos de las comunas de Santiago de Chile; Pedlowski, Carneiro Dasilva, Adell
y Heynen (2006) la asocian con la inequidad ambiental de Campos dos Goytacazes
(Brasil); y Jensen (2004) y Mennis (2006) estudian su vínculo con la calidad de
vida para localidades estadounidenses a partir de la elaboración de un índice “ver-
de”, que es contrastado con variables socioeconómicas. Otro trabajo interesante es
el de Santana Rodríguez, Escobar Jaramillo y Capote (2010) que combinan varia-
bles socioeconómicas y ambientales a partir de la integración de información censal
y de imágenes satelitales de la ciudad de Cali (Colombia), para luego realizar un
análisis factorial. Entre los índices ambientales más recientes se puede mencionar
el de Celemín y Velázquez (2011), que elaboran un índice a escala departamental
para la provincia de Buenos Aires constituido no solo por las habituales variables fí-
sico-naturales, sino también por aquellas referidas al ambiente urbano construido.
Queda, entonces, plasmada la necesidad de incorporar de manera explícita la
dimensión ambiental en el estudio de la polarización; en otras palabras, demostrar
en el espacio urbano que quienes se encuentran en un mejor contexto socioeconó-
mico son los mismos que pueden acceder a una calidad ambiental aceptable. Consi-
guientemente, cuando el acceso a los bienes y servicios ambientales y la posibilidad
de evitar efectos negativos están determinados esencialmente por el nivel de ingre-
so, los costos recaen invariablemente sobre las franjas más débiles y pobres de la
población. Así, surge el objetivo del presente trabajo: determinar territorialmente
el grado de asociación entre ambas dimensiones en la ciudad de Mar del Plata, una
localidad de 600.000 habitantes que se encuentra ubicada sobre el océano Atlánti-
co, en la zona sudeste de la provincia de Buenos Aires de la República Argentina,
y que es cabecera del Partido de General Pueyrredón (Figura 1). Para ello se busca
relacionar espacialmente, por medio de la autocorrelación espacial, un índice so-
cioeconómico con otro de índole ambiental que no solo contempla la vegetación,
tal como lo hicieron los trabajos mencionados con anterioridad.
Un ejemplo claro de vinculación entre ambiente e ingreso se produce con lo que
se conoce como “tragedia de los comunes”, que ocurre cuando los servicios ambien-
tales supuestamente gratuitos —sean ellos recursos como el aire, el agua o los espa-
cios verdes, entre otros— y que son de carácter público, son apropiados para usos
privados por los sectores más acomodados. La consecuencia es un tipo de ciudad
que, en rasgos generales, aparece fragmentada entre un sector social de la población
con acceso al consumo y los servicios, y otro sumido en la pobreza y a pocos pasos
de la exclusión social. En otras palabras, la inequidad social se refleja en la produc-
ción y mantenimiento de la ciudad. Existe una ciudad para los que la pueden pagar,
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 37

con todos los servicios que los avances técnicos permiten, con una sana situación
de legalidad y, en la mayoría de nuestras ciudades, con un medioambiente circun-
dante con pocos signos de deterioro. La otra ciudad es inundable, sin servicios ni
equipamientos, sin una seguridad en la situación legal, con un entorno ambiental
deteriorado. La polarización cada vez mayor que se da en la sociedad se refleja, así,
en la apropiación y construcción del ambiente urbano (Clichevsky, 2002, p. 12).
La contribución empírica que puede realizarse desde el análisis de los datos geo-
rreferenciados consiste en reconocer que la localización en el espacio tiene mucha
importancia en las condiciones de vida de las personas. En tal sentido, las diferen-
cias territoriales son un reflejo de las inequidades de la población dentro de una
sociedad definida temporal y espacialmente.

Figura 1 | Ubicación de la ciudad de Mar del Plata, en la provincia de Buenos

Aires, Partido de General Pueyrredón, Argentina

Argentina 64°W
Partido del General
Pueyrredón n
24°S
56°W

57°37´W

32°S 37°48´S
Provincia de
Buenos Aires

40°S

64°W

48°S
escala
0 400 800 km
72°W Mar del
Plata

38°04´S
Provincia de Buenos Aires
57°50´W

34°00´S n
62°00´W

36°00´S
escala
0 10 20 km

38°00´S

60°00´W Partido del General

Pueyrredón
40°00´S
escala
0 100 200 km

fuente Elaboración propia.

38 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

El proceso contemporáneo de fragmentación social y territorial de las condicio-

nes de vida de la población se manifiesta, entonces, como un nuevo mecanismo de
exclusión social y segregación espacial, que transforma sustancialmente la dinámica
y la configuración de un diverso mosaico de subespacios. Un abordaje riguroso y
sistemático de la naturaleza de esta situación resulta fundamental para la investiga-
ción urbana. El proceso histórico genera así la necesidad continua y sistemática de
adaptar la construcción metodológica de índices a las nuevas condiciones socioes-
paciales inherentes al período contemporáneo (Cepeda Marinelli, Gómez Lende
& Velázquez, 2004) y, para ello, es fundamental recurrir a las nuevas tecnologías y
procedimientos que permiten un análisis detallado de las configuraciones sociales y
ambientales en el espacio urbano. Con tal fin se emplean medidas incluidas en el es-
tudio de la autocorrelación espacial, que se vislumbra como un fundamento propio
del análisis de datos georreferenciados (Lucero & Celemín, 2008), y cuyas técnicas
vienen evolucionando debido al particular interés por reconocer los fenómenos
espaciales con la mayor profundidad posible. A dicho estudio se suma el análisis
cluster. El primero sirve para establecer si los índices propuestos están correlaciona-
dos espacialmente, mientras que el segundo procedimiento los integra, para luego
poder cartografiar los agrupamientos de las variables.

Metodología

Para realizar el análisis de los datos georreferenciados es fundamental recurrir a

las herramientas informáticas desarrolladas en los últimos años en el ámbito del
análisis de la información espacial, resaltando la potencialidad que tienen para es-
tudiar la distribución de índices y variables en el espacio, mensurando y localizan-
do las diferentes configuraciones territoriales como forma de diagnóstico ante los
problemas urgentes y emergentes. Para obtener un alto grado de detalle, es muy
importante recurrir a la mínima unidad espacial disponible; en este caso, el radio
censal, compuesto por aproximadamente un conjunto de trescientas viviendas. De
esta manera se minimiza el efecto conocido como Problema de la Unidad Espa-
cial Modificable, en el cual, en la medida en que las unidades espaciales se agrupan
para formar otras de mayor tamaño (de radios a fracciones, de estas a municipios, y
de estos a provincias, por ejemplo), las correlaciones entre las variables estudiadas
tienden a aumentar debido al promedio de los datos que se realiza al pasar de una
escala a otra (Openshaw, 1984). En la localidad de Mar del Plata, dicha escala está
compuesta por un total de 739 radios censales.

Elaboración de índices
El proceso metodológico de construcción de un índice presenta una gran comple-
jidad, dado que deben seleccionarse variables representativas de la situación que se
pretende mostrar. Además, su implementación varía según los ámbitos geográficos
para los cuales está propuesto y diseñado. Este tipo de agrupación es una forma
de organizar mejor la información de acuerdo con la similitud existente entre las
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 39

variables y la finalidad del índice. Tanto en la forma de agruparlas como en su pon-

deración existe un componente subjetivo, producto de los conocimientos del inves-
tigador y de las referencias consultadas.
En muchos casos, la disponibilidad de esa información es inversa a la escala de
análisis, dado que gran parte de las variables disponibles para el país en su totalidad
no lo están a escala provincial y, a su vez, no lo están para el nivel departamental
o para niveles más detallados, como los de fracción o radio censal. Esta suerte de
paradoja de la información geográfica implica que la información más interesante
esté disponible solamente para escalas poco interesantes, y en la medida en que el
nivel de análisis espacial se incrementa, la disponibilidad de información disminu-
ye (Velázquez, 2008, p. 26). Consecuentemente, la pertenencia de las variables a
una dimensión determinada no es definitiva, ya que alguna puede pertenecer a más
de una. Por lo tanto, en algunos casos hay que recurrir a variables que se aproximan
a las que el investigador desearía utilizar.
En el Cuadro 1 se desagrega la información del Índice Socioeconómico (ISE),
mientras en el Cuadro 2 se hace lo mismo con el Índice de Calidad Ambiental
(ICA), que fueron representados cartográficamente mediante un Sistema de Infor-
mación Geográfica (SIG). La información proviene mayoritariamente del último
Censo Nacional de Población, Vivienda y Hogares (CNPVyH) realizado el año
2001. A la vez, los datos ambientales fueron complementados con aportes prove-
nientes de la Secretaría de Política Ambiental de la Provincia de Buenos Aires y de
dependencias de la Municipalidad de General Pueyrredón.

Cuadro 1 | Dimensiones, variables y ponderaciones utilizadas en el Índice

Socioeconómico

Dimensión Variables Ponderación

Porcentaje de población de 15 años o más que ya no asiste y con nivel de instrucción 1,25
menor a primario completo.
Educación
Porcentaje de población de 20 y más años que ya no asiste y con nivel de instrucción 1,25
universitario completo.

Porcentaje de población que posee obra social o cobertura médica asistencial. 1,50

Salud Porcentaje de población con provisión de agua por cañería dentro de la vivienda. 1,50

Porcentaje de población en hogares con baño de uso exclusivo. 1,50

Porcentaje de población en viviendas con CALMAT I.* 1,00

Vivienda
Porcentaje de población en hogares con hacinamiento (dos y más personas por cuarto). 1,00

Porcentaje de hogares con horno microondas. 0,50

Equipamiento
Porcentaje de hogares con tenencia de computadora con conexión a internet. 0,50

Total 10,00

* CALMAT: Calidad de los materiales de la vivienda. CALMAT I: La vivienda presenta materiales resistentes y sólidos en to-
dos los parámetros (pisos, paredes o techos) e incorpora todos los elementos de aislación y terminación. Véase Municipalidad
de La Plata, Estadística y evaluación de programas especiales. En http://www.estadistica.laplata.gov.ar/paginas/CENSO/3%20
Viviendas/v3-6.pdf
40 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Cuadro 2 | Dimensiones, variables y ponderaciones utilizadas en el Índice de

Calidad Ambiental

Dimensión Variable Ponderación

Porcentaje de población que reside en hogares con inodoro con descarga de

2,00
agua y desagüe a red pública.
Uso del agua
Porcentaje de población que reside en viviendas con agua proveniente de la
2,00
red pública.

Porcentaje de población que reside en viviendas con servicio regular de

1,50
recolección de residuos.
Recolección de
residuos
Superficie en metros cuadrados de vacíos urbanos por habitante. 0,75

Superficie en metros cuadrados de espacios verdes por habitante (públicos y

1,00
privados).
Calidad del aire
Porcentaje de la superficie del radio censal a menos de 201 metros de
0,75
fábrica(s).

Riesgo natural Población por hectárea en condiciones de riesgo de inundabilidad. 1,00

Porcentaje de la superficie del radio censal a menos de 501 metros de

Accesibilidad 1,00
espacio(s) verde(s) público(s) y a menos de 1001 metros de la costa.

Total 10,00

Los valores para cada variable y unidad espacial fueron estandarizados de acuerdo
con las siguientes fórmulas matemáticas y su sentido positivo o negativo.

Variables cuyo incremento implica peor situación relativa:

M - xi
PEI=
M-m

Variables cuyo incremento implica mejor situación relativa:

M - xi
PEI= 1
M-m

siendo PEi = puntaje estándar de i-esimo dato, xi = el dato original por ser estandarizado.
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 41

Autocorrelación espacial
Los índices de autocorrelación espacial permiten relacionar en forma conjunta la
dependencia entre lugares y valores de variables o atributos que interesan. A la vez,
resultan muy adecuados para observar la configuración espacial fragmentada pro-
pia de nuestros tiempos.
Definida de una manera estadística, se considera autocorrelación espacial de
primer orden aquella influencia que ejerce un punto i sobre sus vecinos contiguos,
mientras que hay autocorrelación espacial de un orden mayor cuando también se
consideran los vecinos a las observaciones j. También se pueden considerar los ve-
cinos que se localicen a cierta distancia d de la observación i.
Según lo expuesto con anterioridad, queda claro que la intención del análisis es
medir la asociación entre lugares distintos según atributo o variable de interés, pero
teniendo en cuenta cuál es la posición relativa de los lugares involucrados.
Si se intenta medir la correlación que una misma variable tiene en diferentes
unidades espaciales contiguas en una perspectiva horizontal, se puede registrar una
de las siguientes tres posibilidades:

r
Autocorrelación espacial positiva: las unidades espaciales vecinas presentan

valores próximos. Indica una tendencia al agrupamiento de las unidades espa-
ciales.
r
"VUPDPSSFMBDJÓO
FTQBDJBM
OFHBUJWB
MBT
VOJEBEFT
FTQBDJBMFT
WFDJOBT
QSFTFOUBO

valores muy disímiles. Indica una tendencia a la dispersión de las unidades es-
paciales.
r
4JO
BVUPDPSSFMBDJÓO
OP
PDVSSF
OJOHVOB
EF
MBT
EPT
TJUVBDJPOFT
BOUFSJPSFT
1PS

lo tanto, los valores de las unidades espaciales vecinas presentan valores produ-
cidos en forma aleatoria.

Con base en el estadístico general se crearon diferentes índices para medir la au-
tocorrelación espacial. El primero, establecido por Moran en 1950 y perfeccionado
en el transcurso de los años, es análogo al coeficiente de correlación usual entre dos
variables. A pesar de su antigüedad no fue muy utilizado, debido a que el cómputo
manual era sumamente laborioso; fue necesario contar con programas informáticos
para poder realizarlo. Es por ello que recién en la década de los noventa fue rescatado
del olvido y comenzó a utilizarse en trabajos de investigación de manera consistente.
El programa utilizado para aplicar la autocorrelación espacial es el GeoDa, ela-
borado por la University of Illinois, Urbana-Champaign, de carácter gratuito, que
se enmarca en lo que se conoce como un software para el Análisis Exploratorio de
Datos Espaciales (ESDA, por su sigla en inglés). Este programa busca crear una
interfaz intuitiva y fácil de usar para estudiar la información geográfica, que aliente
la exploración y permita a los usuarios descubrir patrones y anomalías en los datos
que de otro modo no serían aparentes. Como tal, las pruebas de su éxito parecen
estar más asociadas con los programas de análisis estadístico tradicionales que con
42 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

los SIG, más reconocidos por su complejidad y por el largo aprendizaje necesario
para poder manejarlos.

Análisis cluster
El segundo procedimiento es más conocido. Se lo denomina análisis cluster y es
utilizado para obtener grupos homogéneos de unidades espaciales y maximizar la
heterogeneidad entre los grupos formados. Por lo tanto, desde el análisis espacial
se le podría incluir el concepto de regionalización, dado que los objetos por cla-
sificar son unidades espaciales que, una vez unidas, generan regiones en el espacio
(Buzai, 2003, p. 186). Asimismo, la excelente capacidad de clasificación que este
procedimiento presenta permite identificar claramente las relaciones multivariadas
que difícilmente son accesibles a partir del análisis de las unidades espaciales indi-
viduales. En este estudio se empleó un cluster jerárquico ascendente, considerando
como medida de distancia la euclídea al cuadrado, y el método de mínima variación
intragrupo (método de Ward). El mismo se diferencia de otros por realizar en cada
etapa todas las uniones posibles, eligiendo aquella que genera una menor variación
en el interior de los grupos. En este caso se recurrió al Philcarto 5.xx para el análisis,
un software francés que, como el anterior, también es gratuito y puede ser conside-
rado como un ESDA.

Resultados

Distribución espacial de los índices

El resultado final del Índice Socioeconómico (ISE) para la localidad de Mar del
Plata muestra una distribución espacial con patrones bien definidos (Figura 2). Se
establecieron cuatro categorías que permiten observar cómo, desde el centro urba-
no hacia la periferia, la disminución del índice se hace evidente, la fragmentación
socioeconómica es más nítida y, por lo tanto, la representación territorial se torna
más patente. Se puede distinguir que parte del centro no está en el rango de valores
máximos. Esto podría estar reflejando cierto deterioro en un contexto de envejeci-
miento edilicio, en una zona sin margen para las nuevas construcciones, que pro-
picia una búsqueda de nuevos lugares por parte de determinados grupos sociales,
en sitios puntuales en zonas aledañas o directamente en la periferia. En este último
caso predominaría el interés por los espacios verdes y “alejarse del ruido del centro”.
La situación podría ser potenciada por el surgimiento de nuevas áreas comerciales,
de carácter más exclusivo.
El Índice de Calidad Ambiental (ICA) para la ciudad de Mar del Plata tiene una
distribución más fragmentada que el anterior (Figura 3). En general, se observa una
preponderancia de los valores altos y medios altos, a la vez que, como en el caso del
ISE, la periferia registra las puntuaciones más bajas de toda la localidad.
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 43

Figura 2 | Índice Socioeconómico para la ciudad de Mar del Plata

37°56’ S 37°56’ S
57°38’ O 57°30’ O
57°38’ O

ISE
0.174 - 0.449
0.449 - 0.573
0.573 - 0.666
0.666 - 0.839

2 0 2 kilómetros

38°08’ S 38°08’ S
57°38’OO
57°38’ 57°30’ O

fuente Elaboración propia con base en cartografía del Censo 2001.

Autocorrelación bivariada del Índice Socioeconómico con el Índice de Calidad

Ambiental
La comparación de ambos índices se realizó mediante un análisis de autocorrela-
ción bivariado en el cual el ISE se ubica en el eje de las x y el ICVA en el eje de las
y. El resultado refleja un valor medio para I de Moran de 0,5126 que se diferencia
del valor esperado para ese índice si la configuración espacial hubiese sido aleatoria,
E(I)= -0,0014 con un p-valor de 0,0010, que implica una muy baja probabilidad de
error. La información desagregada por cuadrante está en el Cuadro 3.
44 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Figura 3 | Índice de Calidad Ambiental para la ciudad de Mar del Plata

37°56’ S 37°56’ S
57°38’ O 57°30’ O

ICA
0,328 - 0,605
0,605 - 0,758
0,758 - 0,856
0,856 - 0,998

2 0 2 kilómetros

38°08’ S 38°08’ S
57°38’ O 57°30’ O

fuente Elaboración propia con base en cartografía del Censo 2001.

Cuadro 3 | Autocorrelación espacial bivariada del ISE-ICA por cuadrante

cantidad de
cuadrante cantidad de radios
población
% población

I 363 206.511 38,91

II 83 55.759 10,50

III 168 157.498 29,67

IV 125 110.988 20,91

Total 739 530.756 100,00

El cuadrante I (Figura 4) abarca casi el 40% de población y la mitad de los radios

censales del área de estudio. Su distribución espacial se asemeja al ICA. Le sigue a
diez puntos porcentuales de distancia el cuadrante III (Figura 5), que contiene los
radios del sector periférico. En esta autocorrelación espacial bivariada los cuadran-
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 45

tes II y, particularmente, el IV (Figuras 6 y 7) tienen menor relevancia en el conteo

porcentual de población. El primero no posee un patrón definido; no obstante, los
radios del norte y sur de la periferia que se encuentran en esta parte corresponden
a zonas de crecimiento poblacional hacia donde se dirigen sectores medios en bus-
ca de espacios verdes, favorecidos por los bajos costos de los lotes, a pesar de que
todavía no cuentan con la totalidad de los servicios. El cuadrante IV distingue una
estructura más homogénea, especialmente en el centro y sur de la ciudad, área que
comprende un 20% del total de los habitantes.
Por lo tanto, casi el 70% de los habitantes de la localidad de Mar del Plata se
encuentra en una situación polarizada de acuerdo con el procedimiento utilizado,
dado que están repartidos entre el Cuadrante I (radios censales con alto nivel so-
cioeconómico y vecinos con alta calidad ambiental) y el Cuadrante III (radios cen-
sales con bajo nivel socioeconómico y vecinos con baja calidad ambiental). El resto
se reparte entre el Cuadrante II (radios censales con alto nivel socioeconómico y
radios vecinos con baja calidad ambiental) y el Cuadrante IV (radios censales con
alto índice de calidad ambiental y vecinos con bajo índice socioeconómico).

Figura 4 | Autocorrelación espacial del ISE con el ICA. Cuadrante I

fuente Elaboración propia con base en el programa Beoda.

46 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Figura 5 | Autocorrelación espacial ISE con el ICA. Cuadrante III

fuente Elaboración propia con base en el programa Beoda.

Figura 6 | Autocorrelación espacial ISE con el ICA. Cuadrante II

fuente Elaboración propia con base en el programa Beoda.

 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 47

Figura 7 | Autocorrelación espacial ISE con el ICA. Cuadrante IV

fuente Elaboración propia con base en el programa GeoDa.

Mapa del análisis cluster

La integración de todas las variables que se encuentran en ambos índices permite
realizar un análisis cluster, cuya representación cartográfica con cinco agrupamien-
tos permite distinguir una configuración muy fragmentada (Figura 8), tal como se
reconoció con la autocorrelación espacial. Así, se distinguen dos núcleos de color
negro (clase 5) compuestos por 103 radios censales, que demuestran ser zonas con
un muy buen nivel socioeconómico y ambiental. A su alrededor están 395 radios
de color gris claro (clase 2), que actúan como un área de transición hacia la perife-
ria, en la que están representados 132 radios de color blanco (clase 1), con valores
bajos en la mayoría de las variables consideradas. Con menor cantidad de unidades
espaciales se encuentran 94 radios de color gris oscuro (clase 4), que se asemejan
en la distribución espacial al Cuadrante IV de la autocorrelación espacial; es decir,
un alto ISE y un bajo ICA. Por último se observan solo 15 radios de color negro
con texturas blancas (clase 3), correspondientes a zonas céntricas de la ciudad que
presentan signos de deterioro en algunas variables consideradas.
48 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Figura 8 | Mapa cluster

[S5] dIVISIÓN n°4 [45.08%]

Clase n° 01 N = 132
Clase n° 02 N = 395
Clase n° 03 N = 15
Clase n° 04 N = 94
Clase n° 05 N =103

2 0 2 kilómetros

fuente Elaboración propia con base en el Programa Philcarto 5.xx.

Consideraciones finales

El trabajo buscó aportar al vínculo entre calidad ambiental y las características so-
cioeconómicas de la población desde una visión mayoritariamente empírica. Para
ello se construyeron dos índices, uno de índole socioeconómica y otro sobre la cali-
dad ambiental de la ciudad de Mar del Plata (Argentina).
Para su confección y posterior estudio se recurrió a las herramientas desarrolladas
en los últimos tiempos en el campo de la información espacial: Sistemas de Informa-
ción Geográfica (SIG) y programas para el Análisis Exploratorio de Datos Espacia-
les (ESDA), que permiten mensurar, localizar y estudiar en el territorio las distintas
configuraciones resultantes del proceso de fragmentación que se viene registrando
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 49

en los últimos tiempos. El grado de detalle es el máximo posible: el radio censal,

compuesto por, aproximadamente, trescientas viviendas. Al abordar la distribución
de los índices desde este tipo de unidad espacial, se logra constatar la fragmentación
espacial al interior de la ciudad, un reflejo de la desigualdad en la estructura social
que permite reflexionar acerca del papel condicionante del espacio en la evaluación
de las condiciones de vida de la población en varias de sus dimensiones.
Los resultados vertidos muestran que las dimensiones ambiental y socioeco-
nómica están interrelacionadas. De esta manera, la capacidad que poseen algunas
personas para acceder a una vivienda digna, a un servicio de salud apropiado y a una
educación de calidad, también se traslada al componente ambiental. Esto se debe a
que el ambiente, en la actualidad, es considerado de manera funcional al contexto
socioeconómico prevaleciente y, por lo tanto, sujeto a las directrices del modelo
imperante, cuyos rasgos básicos determinan la disposición territorial en el interior
de las ciudades. Consecuentemente, se podría decir que el ambiente está “privati-
zado”; en otras palabras, la disponibilidad de recursos económicos permite acce-
der o crear mejores condiciones ambientales, a pesar del carácter público que le es
inherente. Por lo tanto, las problemáticas ambientales quedan acotadas a aquellos
sectores periféricos de la ciudad donde residen las personas de menores recursos.
En definitiva, en cualquiera de los estudios realizados (índices, autocorrelación
espacial y análisis cluster) existe un deterioro progresivo en las condiciones de vida
de la población en cualquiera de las dimensiones consideradas, en un recorrido
desde el centro hacia la periferia de la localidad. Por lo tanto, hacia los sectores de
menos recursos no solo hay que implementar políticas que incrementen su situa-
ción económica, sino también prevenciones que mejoren el marco ambiental en
que habitan. Vivir en un ambiente sano, esto es, sin inundaciones, con abundantes
espacios verdes, alejados de focos de contaminación, etcétera, forma parte de los
factores esenciales que condicionan el bienestar, el cual, a su vez, no tiene que ser
mensurado exclusivamente en términos económicos.

Referencias

Alvarado Rosas, C., Medrano & Lozano, J. (2008). Diferenciación socio-residencial en el área urbana
de la ciudad de Cuernavaca, Morelos. Investigaciones Geográficas, 66, 135-152. Recuperado
de http://www.revistas.unam.mx/index.php/rig/article/view/17986
Anselin, L. (1993, December 1-5). The Moran Scatterplot as an ESDA tool to asses instability in local
association. Documento preparado para su presentación en GISDATA Specialist Meeting
on GIS and Spatial Analysis, Ámsterdam, Países Bajos.
Borsdorf, A. (2003). Hacia la ciudad fragmentada. Tempranas estructuras segregadas en la ciudad la-
tinoamericana. Scripta Nova. Revista electrónica de geografía y ciencias sociales, 7, 146(122).
Buzai, G. (2003). Mapas sociales urbanos. Buenos Aires: Lugar Editorial.
Buzai, G. & Baxendale C. (2006). Análisis socioespacial con Sistemas de Información Geográfica. Buenos
Aires: Lugar Editorial / Grupo de Ecología del Paisaje y Medio Ambiente (GEPAMA).
50 ©EURE | VOL 38 | NO 113 | ENERO 2012 | pp. 33-51

Celemín, J. & Velázquez, G. (2011). Estimación de un índice de calidad ambiental para la Ciudad
y Provincia de Buenos Aires. Journal of Latin American Geography; 10(1), 71-84. doi:
10.1353/lag.2011.0017
Cepeda, R., Marinelli, C., Gómez Lende S. & Velázquez G. (2004).Técnicas de análisis multivariado
para la determinación de calidad de vida. Memorias del Primer Seminario Argentino de
Geografía Cuantitativa, Buenos Aires, Argentina.
Clichevsky, N. (2002). Pobreza y políticas urbano-ambientales en Argentina. CEPAL Serie Medio
Ambiente y Desarrollo, 49. Santiago: CEPAL, División de Medio Ambiente y Asenta-
mientos Humanos.
De Mattos, C. & Hidalgo, R. (Eds.). (2007). Santiago de Chile: Movilidad espacial y reconfiguración
metropolitana. Santiago: Colección Eure Libros / Geolibros.
Di Pace, M., Federovisky, S., Hardoy, J. & Mazzucchelli, S. (1992). Medio ambiente urbano en la Argen-
tina. Colección Los fundamentos de las ciencias del hombre. Buenos Aires: Centro Editor
de América Latina (CEAL).
Escobedo, F. J., Nowak, D. J., Wagner, J., De la Maza, C. L, Rodríguez, M., Crane, D. & Hernández, J.
(2006). The socioeconomics and management of Santiago de Chile’s public urban forests.
Urban Forestry and Urban Greening, 4, 105-114. Disponible online en
www.sciencedirect.com
Gómez Lende, S. (2005). La fragmentación de la calidad de vida en el conurbano bonaerense (1991-
2001). En G. Velázquez & S. Gómez Lende (autores/comp.), Desigualdad y calidad de vida
en la Argentina (1991-2001). Aportes empíricos y metodológicos (pp. 241-280). Tandil (Pro-
vincia de Buenos Aires): Red de Editoriales Universitarias Nacionales (REUN).
González Arellano, S. & Villeneuve, P. (2007). Transformaciones en el espacio sociorresidencial de
Monterrey, 1990-2000. Estudios Demográficos y Urbanos, 22 (1 64), 143-178.
Goodchild, M. (1988). Spatial autocorrelation. Reino Unido: Geo Books.
Groisman, F. & Suárez, A. L. (2006). Segregación residencial en la Ciudad de Buenos Aires. Revista de
Población de Buenos Aires, 3(4), 27-37.
Janoschka, M. (2002). El nuevo modelo de la ciudad latinoamericana: fragmentación y privatización.
EURE, 28(85), 11-29. doi: 10.4067/S0250-71612002008500002
Jensen, R., Gatrell, J., Boulton, J. & Harper, B. (2004). Using remote sensing and geographic informa-
tion systems to study urban quality of life and urban forest amenities. Ecology and Society,
9(5). Disponible en http://www.ecologyandsociety.org/vol9/iss5/art5/
Kaztman, R. & Retamoso, A. (2007). Efectos de la segregación urbana sobre la educación en Montevi-
deo. Revista de la CEPAL., 9(1), 133-152. Disponible en http://www.eclac.org
/publicaciones/xml/3/28263/LCG2333eKaztman.pdf
Linares, S. (2008). Viejas técnicas, nuevas tecnologías: El aporte de los SIGs al análisis de la segrega-
ción socioespacial urbana. Geodemos (Buenos Aires) (en prensa).
Linares, S. (2010). Aplicación de Sistemas de Información Geográfica al estudio de la segregación so-
cioespacial urbana: el caso de la ciudad de Tandil. En G. Buzai (Ed.), Geografía y Sistemas
de Información Geográfica. Aspectos conceptuales y aplicaciones (pp. 329-392). Luján: Grupo
de Estudios sobre Geografía y Análisis Espacial con Sistemas de Información Geográfica
(GESIG), Universidad Nacional de Luján.
 Celemín | Asociación espacial entre fragmentación socioeconómica... | ©EURE 51

Lucero, P. & Celemín, J. (2008). La calidad de vida de la población en la determinación de la calidad

territorial. Un estudio de autocorrelación espacial aplicado a la ciudad de Mar del Plata.
GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 8, 94-
114. Disponible en http://geofocus.rediris.es/2008/Articulo5_2008.pdf
Martori, J.; Hoberg, K. & Surinach, J. (2006). Población inmigrante y espacio urbano: Indicadores de
segregación y pautas de localización. EURE, 32(97), 49-62. doi: 10.4067/
S0250-71612006000300004
Mennis, J. (2006). Socioeconomic-vegetation relationships in urban, residential land: The case of
Denver, Colorado. Photogrammetric Engineering & Remote Sensing, 72, 911–921. Dispo-
nible en http://astro.temple.edu/~jmennis/pubs/mennis_pers06.pdf
Meyer, K. & Bähr, J. (2001). Condominios in Greater Santiago de Chile and their impact on the urban
structure. Die Erde, 132(3), 293-321.
Openshaw, S. (1984). The modifiable areal unit problem. Norwich: Geo Books.
Pedlowski, M. A., Carneiro Dasilva, V. A., Adell, J. J. C., & Heynen, N. C.. (2002). Urban forest and
environmental inequality in Campos dos Goytacazes, Rio de Janeiro, Brazil. Urban Ecosys-
tems, 6(1-2), 9–20. doi: 10.1023/A:1025910528583
Sabatini, F.; Cáceres, G. & Cerda, J. (2001). Segregación residencial en las principales ciudades chi-
lenas: Tendencias de las tres últimas décadas y posibles cursos de acción. EURE, 28(82),
21-42. doi: 10.4067/S0250-71612001008200002
Sachs-Jeantet, C. (1995). Ciudad y gestión de las transformaciones sociales. Unesco, Documentos de
debate, 2, 1-24.
Santana Rodríguez, L., Escobar Jaramillo, L. & Capote, P. 2010. Estimación de un índice de calidad
ambiental urbano, a partir de imágenes de satélite. Norte Grande, 45, 77-95. doi: 10.4067
/S0718-34022010000100006
Stathopoulou, M. (2009). Quality of life in metropolitan Athens using satellite and census data: Com-
parison between 1991 and 2001. Documento presentado en Second International Con-
ference on Countermeasures to Urban Heat Islands, Berkeley, California.
Uribe Ortega, G. (1998). Geografía y sociedad. Exploraciones en compromisos y propuestas actuales. Mé-
xico: Centro de Investigaciones Científicas.
Velázquez, G. (2008). Viejas inequidades, nuevos dimensionamientos: “centros” y “periferias” como
elementos para el análisis geográfico del bienestar de la población argentina luego del censo
de 2001. En G. Velázquez & N. Formiga (Coords.), Calidad de vida, diferenciación socioes-
pacial y condiciones sociodemográficas. Aportes para su estudio en la Argentina (pp. 23-47).
Bahía Blanca (Provincia de Buenos Aires): Editorial de la Universidad Nacional del Sur.