Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial

Descripción del Articulo

The environmental crisis due to climate change has forced many States to direct efforts towards environmental transition to reduce the probability of occurrence of a situation with a negative impact on their population or environment. Peru is no exception. In this sense, the need arises to identify...

Descripción completa

Detalles Bibliográficos
Autor: Trujillo Córdova, Christian Moisés
Formato: artículo
Fecha de Publicación:2024
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.pucp.edu.pe:20.500.14657/199387
Enlace del recurso:https://revistas.pucp.edu.pe/index.php/Kawsaypacha/article/view/27539/26360
https://repositorio.pucp.edu.pe/index/handle/123456789/199387
https://doi.org/10.18800/kawsaypacha.202401.A007
Nivel de acceso:acceso abierto
Materia:Risk society
Sustainable development
Socio-environmental vulnerability
Socio-environmental risk
Machine learning
Peru
Sociedad del riesgo
Desarrollo sostenible
Vulnerabilidad socioambiental
Riesgo socioambiental
Aprendizaje automatizado
Perú
https://purl.org/pe-repo/ocde/ford#2.07.01
id RPUC_bb70f868c55f408c9993d313967f11c2
oai_identifier_str oai:repositorio.pucp.edu.pe:20.500.14657/199387
network_acronym_str RPUC
network_name_str PUCP-Institucional
repository_id_str 2905
spelling Trujillo Córdova, Christian Moisés2024-04-25T17:57:50Z2024-04-25T17:57:50Z20242024-04-17https://revistas.pucp.edu.pe/index.php/Kawsaypacha/article/view/27539/26360https://repositorio.pucp.edu.pe/index/handle/123456789/199387https://doi.org/10.18800/kawsaypacha.202401.A007The environmental crisis due to climate change has forced many States to direct efforts towards environmental transition to reduce the probability of occurrence of a situation with a negative impact on their population or environment. Peru is no exception. In this sense, the need arises to identify and categorize its districts according to a certain socio-environmental risk. Faced with this challenge, a multistage quantitative methodology was developed and implemented, which made use of both machine learning (supervised and unsupervised) and spatial econometrics. The results of this methodology, visualized through emerging risk indixes, evidenced the existence of 165 districts considered socio-environmental risk zones (SERZ, in Spanish known as ZRS), mostly located in the coastal strip. Finally, it is concluded that the pattern and replicability of urban development model in Peru is currently not coherent with efforts towards environmental conservation and preservation.La crisis ambiental por el cambio climático ha obligado a muchos Estados a dirigir esfuerzos hacia la transición medioambiental para reducir la probabilidad de ocurrencia de una situación con un impacto negativo sobre su población o medioambiente. El Perú no es la excepción. En tal sentido, surge la necesidad de identificar y categorizar sus distritos según un determinado riesgo socioambiental. Ante tal reto, se construyó e implementó una metodología cuantitativa multietápica, la cual hizo uso tanto del aprendizaje automatizado (supervisado y no supervisado) como de la econometría espacial. Los resultados de la metodología, visualizados a través de índices de riesgo emergentes, evidenciaron la existencia de 165 distritos considerados zonas con riesgo socioambiental (ZRS), ubicados en su mayoría en la franja costera. Finalmente, se concluye que el patrón y replicabilidad del modelo de desarrollo urbanístico en el Perú actualmente no es coherente con los esfuerzos de conservación y preservación del medioambiente.application/pdfspaPontificia Universidad Católica del PerúPEurn:issn:2709-3689urn:issn:2523-2894info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0Revista Kawsaypacha: Sociedad y Medio Ambiente; Núm. 13 (2024)reponame:PUCP-Institucionalinstname:Pontificia Universidad Católica del Perúinstacron:PUCPRisk societySustainable developmentSocio-environmental vulnerabilitySocio-environmental riskMachine learningPeruSociedad del riesgoDesarrollo sostenibleVulnerabilidad socioambientalRiesgo socioambientalAprendizaje automatizadoPerúhttps://purl.org/pe-repo/ocde/ford#2.07.01Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacialSocio-environmental risk in Peru: Identification, characterization, and categorization of 1874 districts in 2019, using machine learning and spatial econometricsinfo:eu-repo/semantics/articleArtículo20.500.14657/199387oai:repositorio.pucp.edu.pe:20.500.14657/1993872024-09-18 16:02:58.86http://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessmetadata.onlyhttps://repositorio.pucp.edu.peRepositorio Institucional de la PUCPrepositorio@pucp.pe
dc.title.es_ES.fl_str_mv Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
dc.title.alternative.en_US.fl_str_mv Socio-environmental risk in Peru: Identification, characterization, and categorization of 1874 districts in 2019, using machine learning and spatial econometrics
title Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
spellingShingle Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
Trujillo Córdova, Christian Moisés
Risk society
Sustainable development
Socio-environmental vulnerability
Socio-environmental risk
Machine learning
Peru
Sociedad del riesgo
Desarrollo sostenible
Vulnerabilidad socioambiental
Riesgo socioambiental
Aprendizaje automatizado
Perú
https://purl.org/pe-repo/ocde/ford#2.07.01
title_short Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
title_full Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
title_fullStr Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
title_full_unstemmed Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
title_sort Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
author Trujillo Córdova, Christian Moisés
author_facet Trujillo Córdova, Christian Moisés
author_role author
dc.contributor.author.fl_str_mv Trujillo Córdova, Christian Moisés
dc.subject.en_US.fl_str_mv Risk society
Sustainable development
Socio-environmental vulnerability
Socio-environmental risk
Machine learning
Peru
topic Risk society
Sustainable development
Socio-environmental vulnerability
Socio-environmental risk
Machine learning
Peru
Sociedad del riesgo
Desarrollo sostenible
Vulnerabilidad socioambiental
Riesgo socioambiental
Aprendizaje automatizado
Perú
https://purl.org/pe-repo/ocde/ford#2.07.01
dc.subject.es_ES.fl_str_mv Sociedad del riesgo
Desarrollo sostenible
Vulnerabilidad socioambiental
Riesgo socioambiental
Aprendizaje automatizado
Perú
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.07.01
description The environmental crisis due to climate change has forced many States to direct efforts towards environmental transition to reduce the probability of occurrence of a situation with a negative impact on their population or environment. Peru is no exception. In this sense, the need arises to identify and categorize its districts according to a certain socio-environmental risk. Faced with this challenge, a multistage quantitative methodology was developed and implemented, which made use of both machine learning (supervised and unsupervised) and spatial econometrics. The results of this methodology, visualized through emerging risk indixes, evidenced the existence of 165 districts considered socio-environmental risk zones (SERZ, in Spanish known as ZRS), mostly located in the coastal strip. Finally, it is concluded that the pattern and replicability of urban development model in Peru is currently not coherent with efforts towards environmental conservation and preservation.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-04-25T17:57:50Z
dc.date.available.none.fl_str_mv 2024-04-25T17:57:50Z
dc.date.created.none.fl_str_mv 2024
dc.date.issued.fl_str_mv 2024-04-17
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.other.none.fl_str_mv Artículo
format article
dc.identifier.uri.none.fl_str_mv https://revistas.pucp.edu.pe/index.php/Kawsaypacha/article/view/27539/26360
https://repositorio.pucp.edu.pe/index/handle/123456789/199387
dc.identifier.doi.none.fl_str_mv https://doi.org/10.18800/kawsaypacha.202401.A007
url https://revistas.pucp.edu.pe/index.php/Kawsaypacha/article/view/27539/26360
https://repositorio.pucp.edu.pe/index/handle/123456789/199387
https://doi.org/10.18800/kawsaypacha.202401.A007
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.none.fl_str_mv urn:issn:2709-3689
urn:issn:2523-2894
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0
dc.format.none.fl_str_mv application/pdf
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.none.fl_str_mv PE
dc.source.es_ES.fl_str_mv Revista Kawsaypacha: Sociedad y Medio Ambiente; Núm. 13 (2024)
dc.source.none.fl_str_mv reponame:PUCP-Institucional
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Institucional
collection PUCP-Institucional
repository.name.fl_str_mv Repositorio Institucional de la PUCP
repository.mail.fl_str_mv repositorio@pucp.pe
_version_ 1835638417764909056
score 13.894945
Riesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espacial
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares