Show simple item record

dc.contributor.authorTrujillo Córdova, Christian Moisés
dc.date.accessioned2024-04-25T17:57:50Z
dc.date.available2024-04-25T17:57:50Z
dc.date.created2024
dc.date.issued2024-04-17
dc.identifier.urihttps://revistas.pucp.edu.pe/index.php/Kawsaypacha/article/view/27539/26360
dc.identifier.urihttps://repositorio.pucp.edu.pe/index/handle/123456789/199387
dc.description.abstractThe 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.en_US
dc.description.abstractLa 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.es_ES
dc.formatapplication/pdf
dc.language.isospa
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.relation.ispartofurn:issn:2709-3689
dc.relation.ispartofurn:issn:2523-2894
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by/4.0*
dc.sourceRevista Kawsaypacha: Sociedad y Medio Ambiente; Núm. 13 (2024)es_ES
dc.subjectRisk societyen_US
dc.subjectSustainable developmenten_US
dc.subjectSocio-environmental vulnerabilityen_US
dc.subjectSocio-environmental risken_US
dc.subjectMachine learningen_US
dc.subjectPeruen_US
dc.subjectSociedad del riesgoes_ES
dc.subjectDesarrollo sosteniblees_ES
dc.subjectVulnerabilidad socioambientales_ES
dc.subjectRiesgo socioambientales_ES
dc.subjectAprendizaje automatizadoes_ES
dc.subjectPerúes_ES
dc.titleRiesgo socioambiental en el Perú: identificación, caracterización y categorización de 1874 distritos al 2019, usando aprendizaje automatizado y econometría espaciales_ES
dc.title.alternativeSocio-environmental risk in Peru: Identification, characterization, and categorization of 1874 districts in 2019, using machine learning and spatial econometricsen_US
dc.typeinfo:eu-repo/semantics/article
dc.type.otherArtículo
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.07.01
dc.publisher.countryPE
dc.identifier.doihttps://doi.org/10.18800/kawsaypacha.202401.A007


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess