Ciencia de Datos II - trabajo final
Ariel Quintanilla
2024-08-13
ANÁLISIS DE DISPOSICIÓN DE ÁREAS VERDES EN LA CIUDAD DE SAN SALVADOR
Introducción
San Salvador, como ciudad capital de la República de El Salvador, experimentó un crecimiento demográfico a partir de 1950. Este fenómeno, repetido en la mayoría de capitales de América Latina, respondió ante el modelo económico de sustitución de importaciones, que priorizó el desarrollo industrial y desarrollo inmobiliario de la ciudad. El primer plan de ordenamiento territorial que se tiene para San Salvador data de 1951 (Chicas, 2019), en la cual se visibilizaron problemáticas como concentración poblacional, embotellamientos en zonas comerciales (alrededor de los mercados) y falta de vías, o calles muy estrechas para la buena circulación del parque vehícular. A partir de 1968, se implementó el METROPLAN 80, que continuó priorizando el proceso de cambio de uso de suelo en la ciudad (Chicas 2019), y que estableció una pauta para aumentar el comercio a través del impulso privado a centros comerciales y hoteles. Esto conllevó a una clara segregación socioespacial, que establecía la zona nor poniente de la ciudad a un comercio de clases medias y altas, mientras que la zona oriental y sur se emplazaba la industria, entendiéndose como polos de desarrollo que brindaban una sola tipificación del suelo urbano (Castellanos, 2023). La guerra civil de El Salvador (1979-1992) fue un periodo que poco se habló sobre planificación urbana, más allá de las medidas contrainsurgentes para salvaguardar áreas prioritarias de defensa. Es a partir de 1993, con la creación de la Comisión del Área Metropolitana de San Salvador, y la Oficina de Planificación del Área Metropolitana de San Salvador (OPAMSS) que se establece nuevamente la necesidad de planificar el territorio capitalino, a través del Plan Maestro de Desarrollo Urbano para el Área Metropolitana de San Salvador (PLAMADUR-AMSS). Este plan priorizó la densificación de la ciudad y una nueva política para la mejora de servicios en asentamientos urbanos precarios de la ciudad(Chicas, 2019; Renderos, 2023). Este repaso histórico ayuda a comprender que la planificación urbana de San Salvador no ha tenido interés en generar espacios recreativos para sus ciudadanos, ni tampoco ha considerado los espacios verdes de la ciudad para el ocio, o el cuidado de áreas de bosque que funcione como permeabilizadores para la ciudad, que año con año se ve afectada por inundaciones. En el año 2021, la OPAMSS estimó que el área impermeabilizada de San Salvador había incrementado a 56.8 km2, representando un 3.7% del suelo del Área Metropolitana de San Salvador. Esto nos refiere a dos preguntas de investigación: ¿Cuántas áreas verdes cuenta la Ciudad de San Salvador? ¿el emplazamiento de áreas verdes de San Salvador está más próximo a zonas historicamente catalogadas para clases medias y altas? Para este trabajo, se retoma la definición de la Ley de Urbanismo y Construcción en lo relativo a Parcelaciones y Urbanizaciones de 1991 del Gobierno de El Salvador: Área de terreno destinado a la recreación al aire, para uso público y/o comunitario. Sin embargo, se delimitará a aquellas áreas que cuenten con vegetación arbórea, sea flores, arbustos, árboles y que no estén destinados a usos agrarios; esto último, retomado del Instituto Euskera de Estadística.
Metodología
primeramente se establecerá el límite de la ciudad de San Salvador. Dado que es un ejercicio de clase, solamente cubriremos un distrito (San Salvador centro). Se importarán los polígonos de la ciudad, así como las áreas verdes. También se buscará conocer las distancias que se tienen entre un área verde hacia otros, con el fin de brindar un dato de la ruta y disposiciones de áreas verdes que tienen los habitantes de la capital. Esto brindará datos para dar respuesta a la segunda pregunta planteada en este ejercicio.
instalación de librerías
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ ggplot2 3.5.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(ggmap)## Warning: package 'ggmap' was built under R version 4.4.1## ℹ Google's Terms of Service: <https://mapsplatform.google.com>
## Stadia Maps' Terms of Service: <https://stadiamaps.com/terms-of-service/>
## OpenStreetMap's Tile Usage Policy: <https://operations.osmfoundation.org/policies/tiles/>
## ℹ Please cite ggmap if you use it! Use `citation("ggmap")` for details.library(osmdata)## Warning: package 'osmdata' was built under R version 4.4.1## Data (c) OpenStreetMap contributors, ODbL 1.0. https://www.openstreetmap.org/copyrightlibrary(sf)## Linking to GEOS 3.12.1, GDAL 3.8.4, PROJ 9.3.1; sf_use_s2() is TRUElibrary(leaflet)## Warning: package 'leaflet' was built under R version 4.4.1library(tidygeocoder)## Warning: package 'tidygeocoder' was built under R version 4.4.1##
## Adjuntando el paquete: 'tidygeocoder'
##
## The following object is masked from 'package:ggmap':
##
## geocodelibrary(osrm)## Warning: package 'osrm' was built under R version 4.4.1## Data: (c) OpenStreetMap contributors, ODbL 1.0 - http://www.openstreetmap.org/copyright
## Routing: OSRM - http://project-osrm.org/Establecer polígonos
La delimitación de polígonos nos ayudará a enfocar solamente en áreas verdes de la ciudad capital, dejando de lado otros distritos.
bbox_sivar <- getbb("San Salvador, El Salvador")bbox_sivar## min max
## x -89.27672 -89.16293
## y 13.63262 13.74592mapa_sivar <- get_stadiamap(bbox = bbox_sivar,
maptype = "stamen_toner_background",
zoom = 12)## ℹ © Stadia Maps © Stamen Design © OpenMapTiles © OpenStreetMap contributors.ggmap(mapa_sivar)
polygon_sivar <- getbb("San Salvador, El Salvador",
format_out = "sf_polygon")ggmap(mapa_sivar)+
geom_sf(data=polygon_sivar, inherit.aes = FALSE)## Coordinate system already present. Adding new coordinate system, which will
## replace the existing one.
ggmap(mapa_sivar)+
geom_sf(data=polygon_sivar, inherit.aes = FALSE, fill = NA, color = "red")## Coordinate system already present. Adding new coordinate system, which will
## replace the existing one.
Definir Áreas verdes de San Salvador
Para definir las áreas verdes de San Salvador, se utilizará la base de Open Street Map, para traer los políginos a utilizar.
parques_sivar <- opq(bbox_sivar)parques_sivar <- parques_sivar %>%
add_osm_feature(key="leisure", value="park")parques_sivar <- osmdata_sf(parques_sivar)parques_sivar## Object of class 'osmdata' with:
## $bbox : 13.632618,-89.27672,13.7459166,-89.1629308
## $overpass_call : The call submitted to the overpass API
## $meta : metadata including timestamp and version numbers
## $osm_points : 'sf' Simple Features Collection with 3170 points
## $osm_lines : 'sf' Simple Features Collection with 58 linestrings
## $osm_polygons : 'sf' Simple Features Collection with 191 polygons
## $osm_multilines : 'sf' Simple Features Collection with 2 multilinestrings
## $osm_multipolygons : 'sf' Simple Features Collection with 23 multipolygonsparquessivar_plg <- parques_sivar$osm_polygonsparquessivar_mpplg <- parques_sivar$osm_multipolygonsggmap(mapa_sivar)+
geom_sf(data = polygon_sivar, inherit.aes = FALSE, fill = NA, color = "red")+
geom_sf(data = parquessivar_plg, inherit.aes = FALSE, fill= "forestgreen", color = "forestgreen")## Coordinate system already present. Adding new coordinate system, which will
## replace the existing one.
dim(parquessivar_plg)## [1] 191 29summary(parquessivar_plg)## osm_id name addr:city addr:housenumber
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## addr:postcode addr:street amenity barrier
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## construction description designation dog
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## ele landuse leisure lit
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## note old_name old_name:es opening_hours
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## operator operator:short operator:type operator:wikidata
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## source source:name surface wikidata
## Length:191 Length:191 Length:191 Length:191
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
## geometry
## POLYGON :191
## epsg:4326 : 0
## +proj=long...: 0parquessivar_plg <- parquessivar_plg %>%
select(osm_id, name, geometry)parquessivar_plg <- parquessivar_plg %>%
st_make_valid() %>%
mutate(area_m2 = st_area(geometry))parquessivar_mpplg <- parquessivar_mpplg %>%
select(osm_id, name, geometry)parquessivar_mpplg <- parquessivar_mpplg %>%
st_make_valid() %>%
mutate(area_m2 = st_area(geometry))arver_sivar <- rbind(parquessivar_plg,
parquessivar_mpplg)ggmap(mapa_sivar)+
geom_sf(data=polygon_sivar, inherit.aes = FALSE, fill=NA, color="red")+
geom_sf(data=arver_sivar, inherit.aes = FALSE, fill="blue", color=NA)+
labs(title = "Áreas Verdes de la Ciudad de San Salvador",
subtitle = "Hasta 2023",
color = "",
caption = "Fuente: Open Street Map")## Coordinate system already present. Adding new coordinate system, which will
## replace the existing one.
summary(arver_sivar)## osm_id name area_m2 geometry
## Length:214 Length:214 Min. : 16.4 POLYGON :214
## Class :character Class :character 1st Qu.: 838.7 epsg:4326 : 0
## Mode :character Mode :character Median : 1873.8 +proj=long...: 0
## Mean : 17066.1
## 3rd Qu.: 4991.8
## Max. :1440470.0De esta manera, hemos logrado dar respuesta a nuestra primera pregunta ¿Cuántas áreas verdes hay en San Salvador? contando con un total de 214 áreas verdes (sean parques, plazas o jardines). El área máxima tiene una cobertura de 1440470 M2 (144 hectáreas o 1.44 km2), mientras que el más pequeño es de 16.4 m2. Es importante ver que la mediana de los parques de San Salvador es de 1873 m2. Con base en el mapa detallado de la Ciudad de San Salvador, se logra ver que las áreas verdes con mayor extensión se encuentran en la zona occidental de la ciudad (fuera del límite municipal de San Salvador Centro). Para lograr una mejor visualización, se agregará un mapa interactivo que detalle nombre y área de cada parque.
Determinación del emplazamiento de las áreas verdes en San Salvador.
Primeramente se visualizará la cantidad de áreas verdes registradas por Open Street Map. Esto servirá para tener una primera vista de cómo se distribuyen en toda la ciudad de San Salvador. Es importante mencionar que algunos recintos de ocio no fueron seleccionados por la aplicación. Sin embargo, no se hará mayor depuración y se trabajará con la base asignada.
leaflet() %>%
addTiles() %>%
addPolygons(data = polygon_sivar, fill = NA, color = "red") %>%
addPolygons(data = arver_sivar, fill = "blue", weight = 1, popup = ~name)Para continuar, se elaboraron dos puntos de refencia de la ciudad. El primero, al oriente de la capital, en el barrio Lourdes, que tiene como característica ser un barrio históricamente para obreros y vendedores del centro de San Salvador. También se estableció una referencia al poniente, en la colonia Campestre, un sitio de clase media alta o alta, que tiene mayores facilidades en cuanto a centros comerciales, museos, y se diseñaron algunos parques ecológicos en los últimos años.
oriente_sivar <- geo(address = "207, 38 Avenida Sur, Barrio Lourdes, Distrito Municipal 6, San Salvador, San Salvador Centro, Departamento de San Salvador, 1011, El Salvador",
lat = lat,
long = long,
method = "osm")## Passing 1 address to the Nominatim single address geocoder## Query completed in: 1 secondsoriente_sivar## # A tibble: 1 × 3
## address lat long
## <chr> <dbl> <dbl>
## 1 207, 38 Avenida Sur, Barrio Lourdes, Distrito Municipal 6, San Sa… 13.7 -89.2leaflet() %>%
addProviderTiles(providers$OpenStreetMap) %>%
addMarkers(data = oriente_sivar, ~long, ~lat)poniente_sivar <- geo(address = "19A, Avenida Juan Ramon Molina, Colonia Campestre 1, Colonia Escalón, Distrito Municipal 3, San Salvador, San Salvador Centro, Departamento de San Salvador, 3970, El Salvador",
lat = lat,
long = long,
method = "osm")## Passing 1 address to the Nominatim single address geocoder## Query completed in: 1 secondsponiente_sivar## # A tibble: 1 × 3
## address lat long
## <chr> <dbl> <dbl>
## 1 19A, Avenida Juan Ramon Molina, Colonia Campestre 1, Colonia Esca… 13.7 -89.2leaflet() %>%
addProviderTiles(providers$OpenStreetMap) %>%
addMarkers(data = poniente_sivar, ~long, ~lat)En este punto se establecieron las isocronas en ambos sitios, agregando un lapso de 20 minutos de caminata desde el punto referencial. Se observó que el patrón para cada anillo fuera de 5 minutos.
isocrona_po <- osrmIsochrone(loc = c(poniente_sivar$long, poniente_sivar$lat),
breaks = seq(from=0, to = 20, by = 5),
res = 35,
osrm.profile = "foot")isocrona_po## Simple feature collection with 4 features and 3 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -89.2572 ymin: 13.68857 xmax: -89.23576 ymax: 13.71249
## Geodetic CRS: WGS 84
## id isomin isomax geometry
## 1 1 0 5 MULTIPOLYGON (((-89.24692 1...
## 2 2 5 10 MULTIPOLYGON (((-89.24529 1...
## 3 3 10 15 MULTIPOLYGON (((-89.24868 1...
## 4 4 15 20 MULTIPOLYGON (((-89.24163 1...ggplot()+
geom_sf(data = isocrona_po, aes(fill=isomax), color = NA)+
scale_fill_viridis_c(direction = -1)+
labs(fill = "Minutos (max)",
title = "Isocronas de la Colonia Campestre",
subtitle = "Desde el punto de referencia")+
theme_minimal()
leaflet(isocrona_po) %>%
addProviderTiles(providers$OpenStreetMap) %>%
addPolygons(fillColor = ~colorBin("YlOrBr", domain = isocrona_po$isomax)(isomax),
color = NA,
fillOpacity = 0.5) %>%
addPolygons(data = arver_sivar, fill = "skyblue", weight = 1, popup = ~name) %>%
addMarkers(data = poniente_sivar, ~long, ~lat,) %>%
addMiniMap(tiles = providers$CartoDB.Positron)isocrona_or <- osrmIsochrone(loc = c(oriente_sivar$long, oriente_sivar$lat),
breaks = seq(from=0, to = 20, by = 5),
res = 35,
osrm.profile = "foot")isocrona_or## Simple feature collection with 4 features and 3 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -89.18866 ymin: 13.69147 xmax: -89.16676 ymax: 13.70767
## Geodetic CRS: WGS 84
## id isomin isomax geometry
## 1 1 0 5 MULTIPOLYGON (((-89.17494 1...
## 2 2 5 10 MULTIPOLYGON (((-89.17874 1...
## 3 3 10 15 MULTIPOLYGON (((-89.17874 1...
## 4 4 15 20 MULTIPOLYGON (((-89.17698 1...ggplot()+
geom_sf(data = isocrona_or, aes(fill=isomax), color = NA)+
scale_fill_viridis_c(direction = -1)+
labs(fill = "Minutos (max)",
title = "Isocronas del Barrio Lourdes",
subtitle = "Desde el punto de referencia")+
theme_minimal()
leaflet(isocrona_or) %>%
addProviderTiles(providers$OpenStreetMap) %>%
addPolygons(fillColor = ~colorBin("YlOrBr", domain = isocrona_or$isomax)(isomax),
color = NA,
fillOpacity = 0.5) %>%
addPolygons(data = arver_sivar, fill = "skyblue", weight = 1, popup = ~name) %>%
addMarkers(data = oriente_sivar, ~long, ~lat,) %>%
addMiniMap(tiles = providers$CartoDB.Positron)Las isocronas respetaron diversos obstáculos, como en el caso del Barrio Lourdes, en que el Bulevar Coronel José Arturo Castellanos es una barrera que limita el acceso al sur oriente, dado que es una vía congestionada, bordando el río Acelhuate y con pocos puentes peatonales. A este punto la visualización mostraba un claro acceso para la colonia Campestre del poniente de San Salvador, a más áreas verdes y con mayor espacio. Mientras que en le oriente de la capital, estos se reducen a plazas pequeñas con vías muy congestionadas, lo cual limita que los habitantes del Barrio Lourdes puedan acceder a parques y plazas a cinco o diez minutos. Esto puede ayudarnos a responder que sí existe segregación de espacios verdes entre la zona poniente de la capital (con más áreas verdes y amplias zonas para caminar), que en la zona oriente de San Salvador (limitado a algunas plazas de menor tamaño y un tráfico concurrido que obstruye el acceso a pie).
Sin embargo, y entrando un poco en la curiosidad del ejercicio, se buscó tener en consideración el acceso a transporte público para ambos sectores. Si bien en la zonas de clase media y alta de la capital hay mayor uso de vehículo personal, se hace importante el conocer cuánto pueden desplazarse los habitantes de ambos sitios hasta tener una parada de autobuses.
Cantidad de paradas de buses por zona de la ciudad
Se siguió utilizando las isocronas de la zona oriental y occidental de San Salvador. Para ello se creó un set de datos nuevos de paradas de buses.
buses_sivar <- opq(bbox_sivar)buses_sivar <- buses_sivar %>%
add_osm_feature(key="highway", value="bus_stop")buses_sivar <- osmdata_sf(buses_sivar)buses_sivar## Object of class 'osmdata' with:
## $bbox : 13.632618,-89.27672,13.7459166,-89.1629308
## $overpass_call : The call submitted to the overpass API
## $meta : metadata including timestamp and version numbers
## $osm_points : 'sf' Simple Features Collection with 338 points
## $osm_lines : NULL
## $osm_polygons : 'sf' Simple Features Collection with 2 polygons
## $osm_multilines : NULL
## $osm_multipolygons : NULLbuses_sivar <- buses_sivar$osm_pointsbuses_sivar <- buses_sivar %>%
extract(geometry, c("long", "lat"), '\\((.*), (.*)\\)', convert = TRUE)buses_sivar <- buses_sivar %>%
select(osm_id, name, highway, local_ref, operator, long, lat)leaflet() %>%
addTiles() %>%
addPolygons(data = polygon_sivar, fill = NA, color = "red") %>%
addPolygons(data = arver_sivar, fill = "blue", weight = 1, popup = ~name) %>%
addCircleMarkers(data = buses_sivar, color = "black", popup = ~name)## Assuming "long" and "lat" are longitude and latitude, respectivelyEl anterior mapa muestra claramente que la mayor concentración se da en la zona centrica, aunque desplazado más al norte y sur poniente de la capital. Es importante recalcar que los datos son extraídos de Open Street Map. Se pasó luego a seleccionar por zonas establecidos por los isocronas creados anteriormente.
buses_geosivar <- buses_sivar %>%
st_as_sf(coords = c("long", "lat"),
crs = 4326)sf_use_s2(FALSE)## Spherical geometry (s2) switched offbuses_geosivar <- st_intersection(buses_geosivar, isocrona_or)## although coordinates are longitude/latitude, st_intersection assumes that they
## are planar## Warning: attribute variables are assumed to be spatially constant throughout
## all geometriesbuses_geosivar## Simple feature collection with 9 features and 8 fields
## Geometry type: POINT
## Dimension: XY
## Bounding box: xmin: -89.18809 ymin: 13.6963 xmax: -89.17587 ymax: 13.70086
## Geodetic CRS: WGS 84
## osm_id name highway local_ref operator
## 5350080922 5350080922 <NA> bus_stop <NA> <NA>
## 5401844121 5401844121 <NA> bus_stop <NA> <NA>
## 9092817475 9092817475 <NA> bus_stop <NA> <NA>
## 4470371589 4470371589 Tica bus Terminal San Carlos bus_stop <NA> Tica bus
## 5463341920 5463341920 Parada Iglesia El Rosario bus_stop <NA> <NA>
## 5463343621 5463343621 Parada Iglesia La Merced bus_stop <NA> <NA>
## 5463343622 5463343622 Parada Mercado Ex-Cuartel bus_stop <NA> <NA>
## 5463343624 5463343624 Parada Mercado Ex-Cuartel bus_stop <NA> <NA>
## 5824580668 5824580668 <NA> bus_stop <NA> <NA>
## id isomin isomax geometry
## 5350080922 1 0 5 POINT (-89.17651 13.69978)
## 5401844121 1 0 5 POINT (-89.17647 13.69966)
## 9092817475 2 5 10 POINT (-89.17587 13.70086)
## 4470371589 4 15 20 POINT (-89.18647 13.70004)
## 5463341920 4 15 20 POINT (-89.18809 13.69736)
## 5463343621 4 15 20 POINT (-89.18726 13.6963)
## 5463343622 4 15 20 POINT (-89.187 13.69884)
## 5463343624 4 15 20 POINT (-89.18792 13.69896)
## 5824580668 4 15 20 POINT (-89.18713 13.69863)buses_geosivarpo <- buses_sivar %>%
st_as_sf(coords = c("long", "lat"),
crs = 4326)buses_geosivarpo <- st_intersection(buses_geosivarpo, isocrona_po)## although coordinates are longitude/latitude, st_intersection assumes that they
## are planar## Warning: attribute variables are assumed to be spatially constant throughout
## all geometriesggplot()+
geom_bar(data=buses_geosivar, aes(x=as.factor(isomax)),
fill = "orange")+
labs(title = "Estaciones de buses cercanas a Barrio Lourdes",
x = "Distancia maxima (minutos)",
y = "cantidad de estaciones de buses")+
theme_light()
La distribución de las paradas de autobuses para el barrio Lourdes demuestra que no tiene mucha oferta de líneas a cinco minutos del centro del barrio, contando solamente con dos. Si quisieran acceder a otras líneas tendrían que caminar casi 20 minutos (seis paradas). Solamente hay 9 paradas de autobuses en la zona del barrio Lourdes.
ggplot()+
geom_bar(data=buses_geosivarpo, aes(x=as.factor(isomax)),
fill = "pink")+
labs(title = "Estaciones de buses cercanas a Colonia Campestre",
x = "Distancia maxima (minutos)",
y = "cantidad de estaciones de buses")+
theme_light()
Es interesante la distribución de autobuses de la Colonia Campestre, que
muestra que, a pesar que en su mayoría tiene que caminar entre 15 a 20
minutos, tienen mayores opciones de utilizar el transporte colectivo.
Esto también se debe a la cantidad de comercios o zonas de ocio, para
otras personas de la ciudad de San Salvador.
Replicación de análisis de distancia y tiempo en las áreas verdes de las zonas de San Salvador
Por último, se estableció encontrar la cantidad de áreas verdes y llevarlo a una gráfica para observar la disponibilidad de cada parque, plaza o jardín que cuenta tanto el Barrio Lourdes, como la Colonia Campestre.
areas_verdesSS <- arver_sivar %>%
st_as_sf(coords = c("long", "lat"),
crs = 4326)areas_verdesSSPO <- areas_verdesSS %>%
st_as_sf(coords = c("long", "lat"),
crs = 4326)areas_verdesSSPO <- st_intersection(areas_verdesSSPO, isocrona_po)## although coordinates are longitude/latitude, st_intersection assumes that they
## are planar## Warning: attribute variables are assumed to be spatially constant throughout
## all geometriesggplot()+
geom_bar(data=areas_verdesSSPO, aes(x=as.factor(isomax)),
fill = "black")+
labs(title = "Parques cercanas a Colonia Campestre",
x = "Distancia maxima (minutos)",
y = "parques")+
theme_light()
areas_verdesSSOR <- areas_verdesSS %>%
st_as_sf(coords = c("long", "lat"),
crs = 4326)areas_verdesSSOR <- st_intersection(areas_verdesSSOR, isocrona_or)## although coordinates are longitude/latitude, st_intersection assumes that they
## are planar## Warning: attribute variables are assumed to be spatially constant throughout
## all geometriesggplot()+
geom_bar(data=areas_verdesSSOR, aes(x=as.factor(isomax)),
fill = "black")+
labs(title = "Parques cercanas a Barrio Lourdes",
x = "Distancia maxima (minutos)",
y = "parques")+
theme_light()
Mientras que el Barrio Lourdes solamente tiene el acceso a 8 parques,
plazas o jardines (que se sabe, no son los más amplios), la Colonia
Campestre cuenta con 10 áreas verdes, siendo amplias y concentradas a 5
o 10 minutos del punto de referencia seleccionado. Esto valida la
pregunta que se desarrolló sobre que el emplazamiento sí está más cerca
de zonas medias y altas, teniendo poco desarrollo de ocio las zonas
obreras de la ciudad de San Salvador.
Visualización de acceso a áreas verdes
Como último mapa de visualización, se agregan un mapa interactivo con las isocronas para la Colonia Campestre y el Barrio Lourdes, agregando dos elementos: áreas verdes y paradas de buses.
paleta <- c(low="gold", high="deeppink4")leaflet(isocrona_or) %>%
addProviderTiles(providers$OpenStreetMap) %>%
addPolygons(fillColor = ~colorBin("YlOrBr", domain = isocrona_or$isomax)(isomax),
color = NA,
fillOpacity = 0.5) %>%
addPolygons(data = areas_verdesSSOR, fill = "skyblue", weight = 1, popup = ~name) %>%
addCircleMarkers(data = buses_geosivar, color = "black", popup = ~name) %>%
addLegend("bottomleft", pal = colorNumeric(paleta, areas_verdesSSOR$isomax),
values = ~isomax,
title = "Distancia",
labFormat= labelFormat(suffix = "mts")) %>%
addMarkers(data = oriente_sivar, ~long, ~lat) %>%
addMiniMap(tiles = providers$CartoDB.Positron)leaflet(isocrona_po) %>%
addProviderTiles(providers$OpenStreetMap) %>%
addPolygons(fillColor = ~colorBin("YlOrBr", domain = isocrona_po$isomax)(isomax),
color = NA,
fillOpacity = 0.5) %>%
addPolygons(data = areas_verdesSSPO, fill = "skyblue", weight = 1, popup = ~name) %>%
addCircleMarkers(data = buses_geosivarpo, color = "black", popup = ~name) %>%
addLegend("bottomleft", pal = colorNumeric(paleta, areas_verdesSSPO$isomax),
values = ~isomax,
title = "Distancia",
labFormat= labelFormat(suffix = "mts")) %>%
addMarkers(data = poniente_sivar, ~long, ~lat) %>%
addMiniMap(tiles = providers$CartoDB.Positron)Es importante observar que la distrubición de paradas para el Barrio Lourdes están concentradas ya en la zona del Centro Histórico de la ciudad, hacia el occidente del barrio Lourdes, donde también se encuentran los parques, plazas o jardines que los habitantes de esta zona tienen. Mientras que el caso de la Colonia Campestre, es necesarrio observar que tanto la paradas de buses, como los parques que pueden acceder, se encuentran en todas las orientaciones posibles. Hay que señalar que las isocronas se hicieron con base a lo que se pueda caminar, haciendo que el acceso de esta colonia pueda ser mayor (agregando el Ecoparque El Espino, que está muy próximo).
Conclusión
El trabajo realizado es una síntesis de la mayoría de las aplicaciones que pueden hacerse desde RStudio a una pregunta básica sobre uso, distribución de relaciones socioespaciales en zonas urbanas, sobre todo, cuando los datos están accesibles por bases de datos de internet, base de datos de gobiernos locales y nacionales, o aplicaciones como Open Street Map. El uso de estas herramientas es útil para conocer la cantidad de servicios que una población cuenta, su distribución, la capidad de acceder a cada uno de ellos, así como las limitantes que puedan encontrarse para no acceder. Como conclusión, este trabajo es una muestra que la planificación urbana en países centroamericanos, primeramente no tomó en cuenta el desarrollo de zonas de recreación, en específico, áreas verdes en la cual las personas puedan hacer uso. También es importante el señalar que barrios obreros en Latinoamérica fueron creciendo sin mayor planificación, o mejor dicho una planificación mínima solamente para garantizar algunos derechos (como puede ser la vivienda), pero sin mayores servicios. En las muestras seleccionadas con los puntos de referencia, se puede determinar que de los 214 parques registrados en la ciudad de San Salvador, existen menos y más estrechas áreas verdes en el sector oriental de la ciudad, que historicamente ha sido un sector obrero; mientras que los parques más grandes y con mayores usos se encuentran en el sector occidental, con mayor presencia de clase media y alta. Este trabajo, puede ser depurado para determinar otras condiciones para acceder a áreas verdes, así como determinar si han existido pérdidas o aumento de zonas de ocio para los habitantes de la Ciudad de San Salvador.
Referencias
Atlas Metropolitano - OPAMSS. (2022, 7 octubre). OPAMSS. https://opamss.org.sv/ova_doc/atlas-metropolitano/
Castellanos, C. (2023, 1 septiembre). Urbanismo feminista: introducción del enfoque de Ciudad Cuidadora para la mejora de los NODOS Precarios en el Área Metropolitana de San Salvador, El Salvador. http://hdl.handle.net/10609/148929
Chicas, J. (2020). El difícil camino a la ordenación urbana del Área Metropolitana de San Salvador: una revisión crítica a los planes urbanos del AMSS 1953-1997. AKADEMOS, 73-95. https://doi.org/10.5377/akademos.v0i0.9511
Renderos, E.Departamento de Urbanística y Ordenación del Territorio, Universidad de Sevilla. (2021, 11 enero). La ciudad invisible: análisis de los asentamientos precarios urbanos en el área metropolitana de San Salvador. idUS - Depósito de Investigación Universidad de Sevilla. https://idus.us.es/handle/11441/107302?locale-attribute=
Renderos-Pineda, E. A. (2024). Pasos hacia una planificación urbana democrática para el Área Metropolitana de San Salvador, El Salvador. Deleted Journal, 2(2), 81-93. https://doi.org/10.62407/rciya.v2i2.104