- Introducción
- Figura 1. Mapa de Calor de Industrias Contaminantes en relación con los sensores de Calidad del Aire.
- Figura 2.Mapa de Cortes Naturales de Fuentes Fijas en relación con los sensores de Calidad del Aire.
- Figura 3.Mapa granular de Posibles Industrias Contaminantes en relación con los sensores de Calidad del Aire.
- Figura 4. Mapa de Fuentes Fijas en relación con los sensores de Calidad del Aire por AGEB Urbano del AMM.
- Figura 5. Clusters de Fuentes Fijas en relación con los sensores de Calidad del Aire por AGEB Urbano del AMM utilizando el indice de Moran y Moran LISA.
Introducción
El presente análisis tiene el objetivo de mapear la concentración de posibles industrias contaminantes en el estado de Nuevo León a fin de verificar si la concentración de las mismas coincide con el posicionamiento de sensores que miden la contaminación atmosférica.
Tabla 1: Posibles Industrias Contaminantes
Fuente: Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y los Documentos del Inventario Nacional de Emisiones 2020 de la SEMARNAT
Una vez identificadas estas posibles industrias, se procederá a mapearlas.
Figura 1. Mapa de Calor de Industrias Contaminantes en relación con los sensores de Calidad del Aire.
Fuente:Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y el Sistema Integral de Monitoreo Ambiental [SIMA] Nuevo León
Figura 2.Mapa de Cortes Naturales de Fuentes Fijas en relación con los sensores de Calidad del Aire.
| Número de Fuentes Fijas Contaminantes por Municipio | Municipio |
|---|---|
| 3811 | Monterrey |
| 1359 | Guadalupe |
| 1129 | Apodaca |
| 819 | General Escobedo |
| 774 | San Nicolás de los Garza |
| 683 | Santa Catarina |
| 411 | Juárez |
| 328 | García |
| 181 | San Pedro Garza García |
Fuente:Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y el Sistema Integral de Monitoreo Ambiental [SIMA] Nuevo León
Figura 3.Mapa granular de Posibles Industrias Contaminantes en relación con los sensores de Calidad del Aire.
Fuente:Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y el Sistema Integral de Monitoreo Ambiental [SIMA] Nuevo León
Figura 4. Mapa de Fuentes Fijas en relación con los sensores de Calidad del Aire por AGEB Urbano del AMM.
Fuente:Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y el Sistema Integral de Monitoreo Ambiental [SIMA] Nuevo León
Figura 5. Clusters de Fuentes Fijas en relación con los sensores de Calidad del Aire por AGEB Urbano del AMM utilizando el indice de Moran y Moran LISA.
El análisis comienza con el Índice de Moran Global, una medida que resume en un solo valor el grado de autocorrelación espacial presente en toda la región. Este índice evalúa si los valores de una variable —en este caso, el número de fuentes fijas por AGEB— tienden a agruparse espacialmente o si están distribuidos al azar. Un valor positivo y significativo del Moran Global indica que las unidades territoriales con valores altos tienden a estar cerca de otras unidades altas (y lo mismo con las bajas), es decir, existe un patrón espacial no aleatorio. Para calcularlo, se construyen primero matrices de pesos espaciales que definen quién es vecino de quién y, posteriormente, se evalúa si la similitud entre unidades es mayor de lo que ocurriría por azar.
El Moran I obtenido en este ejercicio (0.2898) es positivo y altamente significativo, lo que indica una autocorrelación espacial clara: las AGEBS con valores altos tienden a estar cerca de otras AGEBS altas, y las bajas cerca de otras bajas, mucho más de lo que ocurriría por azar.
El valor Z = 18.8 y el p-value < 2.2e-16 confirman que este patrón no es aleatorio, sino que existe un agrupamiento espacial real en la distribución del número de fuentes fijas en Nuevo León.
Mientras el Moran Global ofrece una visión general, los Índices Locales de Asociación Espacial (LISA) permiten identificar dónde exactamente ocurren esos patrones. El análisis LISA calcula, para cada AGEB, la correlación entre su valor y el de sus vecinos inmediatos, detectando concentraciones locales de valores altos o bajos. Esto permite distinguir cuatro tipos de patrones: Alto-Alto (High-High), zonas donde valores altos se agrupan creando “hotspots”; Bajo-Bajo (Low-Low), donde valores bajos se concentran formando “coldspots”; y las categorías de contraste Alto-Bajo (High-Low) y Bajo-Alto (Low-High), que revelan anomalías donde una unidad difiere fuertemente de sus vecinos.
Es importante interpretar únicamente aquellos clústeres con p-values significativos, ya que representan patrones espaciales reales y no coincidencias aleatorias. Un mapa LISA no solo describe dónde hay continuidad territorial y zonas críticas, sino que también permite detectar rupturas espaciales y transiciones abruptas. En conjunto, el Moran Global y el Moran Local ofrecen una visión completa de la autocorrelación espacial, funcionando como el equivalente geográfico de un análisis de autocorrelación en series de tiempo, pero aplicado al territorio.
Fuente:Elaboración propia con datos del Directorio Estadístico Nacional de Unidades Económicas del INEGI y el Sistema Integral de Monitoreo Ambiental [SIMA] Nuevo León