SISTEMA DE INFORMACIÓN GEOGRÁFICA PARA LA EVALUACIÓN DEL COMPORTAMIENTO

DEMOGRÁFICO DE LA CIUDAD DE CERRO DE PASCO - 2019”

GEOGRAPHICAL INFORMATION SYSTEM FOR THE EVALUATION OF DEMOGRAPHIC BEHAVIOR OF

THE CITY OF CERRO DE PASCO – 2019

Hebert Castillo1,*; Jose Sosa; Ruben Palomino; Manuel Huaman; Saturnino Flores; Eduardo Mayorca;
Eusebio Roque

Facultad de Ingeniería, Escuela de Sistemas y Computación, Universidad Daniel Alcides Carrión, av. los
próceres 703, Cerro de Pasco.
Correo: ccastillop@undac.edu.pe

_____________________________________________________________________________________

RESUMEN
En el presente trabajo de investigación se tuvo como objetivo principal evaluar el comportamiento
demográfico de la ciudad de Cerro de Pasco, mediante el sistema de información geográfica para la cual
usamos el tipo de investigación aplicada, que consiste en dar soluciones concretas partiendo de principios
fundamentales, pues se busca definir las condiciones óptimas del proceso de zonificación económica y
ecológica del ordenamiento territorial de la ciudad de Cerro de Pasco, el nivel de la presente Investigación
es Descriptiva. Se tomaron muestras representativas de la base de datos disponibles de la minería de datos,
está metodología servirá para recolectar y analizar los datos necesarios con la finalidad de responder a los
objetivos y las variables de estudios. Como técnica e instrumento de recolección de datos requeridos para
implementar la información requerida para el SIG para la evaluación del comportamiento demográfico de
la Ciudad de Cerro de Pasco; es a través del uso de los datos disponibles en internet que será evaluado
mediante el uso de Software proporcionado por el CONIDA.

Palabras claves: Comportamiento demográfico; crecimiento poblacional; redes neuronales.

____________________________________________________________________________________

ABSTRACT
In the present research work whose main objective was to evaluate the demographic behavior of the city of
Cerro de Pasco, through the geographic information system for which the type of applied research was
used, which consists in giving concrete solutions based on fundamental principles, since it is sought to
define the optimal conditions of the economic and ecological zoning process of the territorial planning of
the city of Cerro de Pasco, the level of this Research is Descriptive. Representative samples of the available
data mining database will be taken, this methodology will be used to collect and analyze the necessary data
in order to respond to the objectives and variables of studies. As a technique and instrument of data
collection required to implement the information required for the GIS for the evaluation of the demographic
behavior of the City of Cerro de Pasco; It is through the use of data available on the Internet that will be
evaluated through the use of Software provided by CONIDA.

Keywords: Demographic behavior; population growth; neural networks

____________________________________________________________________________________

1. INTRODUCCIÓN
El centro o Nudo de Pasco representa la unidad territorial de mayor importancia para la Provincia de Pasco,
ahí se concentra y desarrolla el conglomerado urbano, representado por dos Distritos de Chaupimarca,
Simón Bolívar y Yanacacha. La distribución espacial del asentamiento poblacional, en algunos casos
incompatibles, la inexistencia de un verdadero plan de desarrollo urbanístico, y la poca responsabilidad
socio ambiental de las empresas, han hecho de la Ciudad de Cerro de Pasco que crezca desordenadamente.
El objetivo fue la evaluación del comportamiento demográfico mediante el sistema de información
geográfica, partiendo de la transformación del uso del suelo urbano de la ciudad, mediante el análisis
multitemporal de las dinámicas de cambio geográficos registrados en la base de datos de los sistemas de
información geográfica, mapas satelitales proveídos por el CONIDA y los servidores de Google y USGS
Science for a changing world; para un determinado periodo de tiempo. Así

mismo se realizó el reconocimiento de patrones mediante el uso de redes neuronales convoluciones que
influyeron en la evaluación del comportamiento demográfico de la ciudad de Cerro de Pasco.

En la actualidad, debido a las exigencias de los lineamientos de políticas para el ordenamiento territorial,
según la Ley N° 27 867 art. 53, donde se contempla la formulación, ejecución y evaluación de la
administración de los planes y políticas de Ordenamiento Territorial en concordancia con los planes de los
gobiernos locales (Ambiente, 2 015). En tal sentido, la presente investigación se justifica por que pretende
ser una ayuda a planificar integralmente el desarrollo local y ordenamiento territorial, para la Ciudad de
Cerro de Pasco.

2. MATERIALES Y MÉTODOS
2.1 Materiales
Los equipos y materiales empleados en el desarrollo del proyecto de investigación para alcanzar el objetivo
se detallan en la tabla:

Tabla 1 Equipos

Tipo Descripción Rubro

Equipo Gps Undac
Equipo Estación total Undac
Equipo Imágenes satelitales Conida
Software Matlab Compra
Software Qgis Compra
Equipo Impresora planos Compra

Las imágenes satelitales son captadas del Barrido del satélite PERUSAT 1 a través del globo terráqueo para
captar áreas específicas de interés, entre ellas las imágenes de la ciudad en mención con las características
(CONIDA, 2019).

Resolución Espacial:
Multiespectral 2,8 m
Pancromático 0,70 m
Resolución Espectral:
4 bandas espectrales (Rojo, Verde, Azul e infrarrojo cercano)
Resolución Radiométrica:
12 bits
Resolución Temporal:
26 días

En el portal oficina de Atención al Usuario nos permite acceder a las imágenes de observación terrestre
adquiridas por los satélites PerúSAT-1, SPOT6/7, Pleiades HR y TerraSAR-X (CONIDA, 2019)
Gráfico 1 Acceso a Comida

Imagen satelital para georreferenciar las coordenadas UTM tomadas con los equipos topográficos de la
UNDAC, puntos al contorno de la ciudad.

Gráfico 2 Puntos georreferénciales del área de estudio

Fuente: Google Earth

Tabla 2 Coordenadas UTM de la estación total

Puntos Norte Este Elevación

1 8821971 363012 4442,000
2 8821977 362998 4444,000
3 8822081,383 363199,652 4390,796
4 8822187,034 363281,578 4418,362
5 8822133,17 363320,035 4406,666
6 8822116,138 363404,763 4373,492
7 8822108,36 363456,028 4364,756
8 8822094,246 363483,721 4365,043
9 8822037,035 362824,047 4531,447
 10 8822069,458 363546,746 4357,163
11 8822055,937 363603,201 4349,884
12 8821935,751 363676,964 4334,362
13 8821943,142 362850,402 4503,727
14 8821710,583 363671,447 4324,371
15 8821888,998 362854,4 4483,403
16 8821522,759 363691,881 4367,324
17 8821796,962 362849,322 4453,406
18 8821766,477 362862,59 4442,220
19 8821479,557 363812,224 4362,253
20 8821305,795 363817,987 4371,231
21 8821212,911 363714,637 4411,016
22 8821212,632 363714,317 4411,142
23 8820352,331 363936,724 4429,300
24 8819619,709 363858,51 4472,560
25 8818831 364352 4485,000
26 8818863,423 364355,981 4490,558
27 8818659,691 364818,2 4415,401
28 8818355,702 364794,646 4449,364
29 8818232,407 364729,611 4469,363
30 8818121,237 364604,715 4485,537
31 8817896,697 364482,663 4467,635
32 8817607,166 364207,348 4470,557
33 8817540,951 364120,463 4489,900
34 8817541,864 363695,504 4476,358
35 8817055,117 363457,999 4547,406
36 8817055,115 363458,01 4547,570
37 8817423,92 363515,003 4478,696
38 8817205,639 363329,955 4525,459
39 8817179,733 363170,034 4500,676
40 8817376,765 363252,564 4472,758
41 8817283,151 363031,922 4479,814
42 8817351,189 362919,266 4469,120
43 8817345,473 362807,663 4464,191
44 8817316,631 362690,465 4457,850
45 8817158,267 362248,758 4449,332
46 8817254,166 362417,207 4425,800

2.2 Método
La Metodología empleada está basada en la observación, analítica - sintética cuyo diseño es no experimental
de tipo correlacional y de nivel descriptivo por la naturaleza de encontrar el comportamiento demográfico
de la Ciudad de Cerro de Pasco, y su alcance ayuda a mejorar el proceso de zonificación económica y
ecológica del ordenamiento territorial desde un punto de vista prospectivo.

La selección de la muestra se basa en la disponibilidad de las imágenes satelitales en encontradas en la base

de datos del CONIDA y el Google ERach. Por lo que es intencionada y dependiente del barrido espectral
del satélite infiriendo que la captación optima se dan en los meses julio y junio.
Los criterios de selección obedecen a los parámetros de calidad de una imagen satelital, donde se considera
la resolución en 4k y la superficie despejando de nubes o niebla (CONIDA), descartando imágenes se
detalla en el anexo (imagen año 2010).

Tabla 3 Base de datos del CONIDA

INFORMACIÓN 2018-06-28T 2018-04-18T 2018-04-16T 2017-12-09T 2016-12-12T

TÉCNICA 15:34:52.520Z 15:30:36.571Z 15:45:30,411Z 15:30:11.860Z 15:16:18.219Z

Ángulo de incidencia de
-18,3452193 -4,1376457 -37,1985641 -4,823068 36,5060617
traqueo a través:
Ángulo de incidencia de
40,4550284 -40,135727 22,56545268 -36,039539 -31,604906
traqueo a lo largo:
Ángulo de incidencia: 41,3527484 40,152239 39,03963018 36,0574337 38,4623861
Ángulo de elevación solar: 48,2917781 57,236741 60,71944964 64,8277642 61,2834363
Ángulo de azimuth solar: 34,7820498 51,337066 47,22864293 120,286865 118,664387
Calidad / pocentaje medio
0,56543 0,561263 0,481308 0,306517 0,654772
de valores errados:
Calidad / Modo de cálculo: AUTOMATIC AUTOMATIC AUTOMATIC AUTOMATIC AUTOMATIC

Mayor información se encuentra en los anexos del 18 al 22 identificados por fecha, y su visualización de la
calidad de la imagen.

Descripción del área de estudio (coordenadas Georreferenciadas) (el método de georreferenciación,

procesamiento de imágenes, satélite PERU SAT-1 orbita), medir la superficie de la ciudad, las cuales son
los patrones, con el aplicativo determinamos el área de la imagen (base teórica), segmentación de imágenes
(base teórica) algoritmo comteur del Matlab

Gráfico 3 Superficie de área de estudio

Fuente: CONIDA

La aplicación Image Segmenter segmenta una imagen por regiones de refinación,esta aplicación te permite
segmentar una imagen usando el algoritmo de contornos activos (también llamados serpientes). Con esta
aplicación, primero crea una segmentación inicial que define las ubicaciones de semillas y luego segmenta
la imagen de forma iterativa (Mathworks, 2019).
La aplicación Image Region Analyzer mide un conjunto de propiedades para cada componente conectado
(también llamado objeto o región) en una imagen binaria y muestra esta información en una tabla. También
puede usar esta aplicación para crear otras imágenes binarias filtrando la imagen en las propiedades de la
región.

Gráfico 4 Image Region Analyzer

Fuente: CONIDA

Con las imágenes suministradas no se localiza zonas de alto relieve por que se analiza la superficie como
una región plana, con el formato en imagen tiff es posible pero su disponibilidad del satélite por lo que el
procesamiento en 3D, depende de la accesibilidad de la base de datos del CONIDA y estas son de carácter
confidencial.

Concerniente al Procedimiento de ética CONIDA el compromiso de confidencialidad de uso de los

productos suministrados es no compartirlos, cederlos, donarlos, copiarlos en medio físico o virtual,
regalarlos, distribuirlos, arrendarlos, venderlos a otro estado o persona natural o jurídica, nacional o
extranjera, en todo o en parte, donde se debe cumplir bajo responsabilidad los términos y condiciones
establecidas en los acuerdos de licencia de usuario final para el uso de imágenes satelitales. Anexo 23 y 24.

3. Resultados y Discusión
3.1 Resultados
El estudio comprende el área urbana de la ciudad de Cerro de Pasco, constituida por los distritos de
Chaupimarca, Yanacancha y Simón Bolívar, siendo su extensión territorial y población la siguiente

Tabla 4 Compendio estadístico

Fuente: INEI – Compendio Estadístico Departamental 2005 y Censo 2007
Distrito Ha POBLACIÓN
Chaupimarca 306,7 27 873
Yanacancha 289,2 29 593
Simón Bolívar 99,6 13 681
Cerro de Pasco 695,5 71 147
Tabla 5 Densidad de la ciudad de cerro de pasco, por distritos
Fuente: Adaptado de INEI – Compendio Estadístico Departamental 2005 y Censo 2007
DISTRITOS EXTENSION POBLACION DENSIDAD
(ha) (hab.) hab/ha
Chaupimarca 306,7 27 873 90,57
Yanacancha 289,2 29 593 102,33
Simon Bolivar 99,6 13 681 137,40
TOTAL 695,5 71 147

La población de los distritos de Yanacancha, Chuquimarca y Simón Bolívar, en lo que corresponde al área
del proyecto, se encuentra ubicada, de acuerdo a la clasificación del INEI.

El resultado del procesamiento de imágenes satelitales nos muestra la superficie en km2 por cada año que
se va expandiendo la ciudad, según la tabla

Tabla 6 Superficie en función al tiempo

AÑO km2
2 019 7,45
2 017 7,57
2 016 7,62
2 015 7,49
2 013 7,39
2 012 7,53
2 007 7,27

La tendencia de incremento se refleja en la pendiente de 0,02 de la recta y el análisis de la tendencia con

una prospectiva para 3 años se muestra en el gráfico.

Gráfico 5 Comportamiento demográfico

Fuente: Elaboración propia

Las fluctuaciones se justifican por la razón que hace un siglo la minería se expande y la ciudad se destruye
y construye cotidianamente. La ampliación del tajo reduce las áreas para hacer ciudad y la expansión urbana
invade las tierras de las comunidades campesinas. La utopía de ciudad para el Cerro de Pasco sería encontrar
un área intangible para su desarrollo urbano, intangible para la minería en cualquiera de los espacios
alternativos identificados para su expansión o reubicación. Un espacio intangible donde construir no sólo
sea sinónimo de desarrollo urbano sino un derecho para vivir la utopía de un ambiente sano. Un espacio
para una ciudad donde la memoria y el futuro se funden (Vittor, 2009).
Del análisis de las imágenes, la tendencia de mayor expansión urbana es la zona de Tahuantinsuyo, en el
Distrito de Chuquimarca y las zonas periféricas del Distrito de Yanacancha, observándose un crecimiento
no planificado, dado que se muestra las regiones de mayor expansión según las tonalidades mostradas en
la figura.

Gráfico 6 Expansión

3.2 Discusión
Las regiones de expansión superficial generada por la construcción de viviendas de los pobladores de la
ciudad son procesadas con el algoritmo contour activecontour lo cual consiste en utilizar el método de
conjunto de niveles de campo disperso, similar al método descrito en A level-set approach to 3d
reconstruction from range data, para implementar la evolución activa del contorno (MathWorks, 2019).

Para determinar la expansión de la ciudad formada por los 3 distritos, se suman las superficies en km2 como
se muestra en la tabla.

Tabla 7 Regiones de superficies en pixeles y áreas

Yanacancha + Cerro de
Paragsha Unidades
chaupimarca Pasco

Perímetro 25 7 32 Km
Área 6,76 0,86 7,62 km2

En el año 2019, la región en pixeles de la ciudad procesada en él Matlab es de 1281687, y en el sistema de

información geográfica es de 7.62 km2, entonces las demás regiones tienen un área que es calculada
mediante la siguiente fórmula

Tabla 8 Relación de pixeles con el área

ÁREA
Año Pixel km2
2 019 1281687 7,62
2 019 1252825 7,448407
 2 017 1273706 7,572551
2 016 1280971 7,615743
2 015 1259280 7,486784
2 013 1242448 7,386713
2 012 1265726 7,525107
2 007 1222434 7,267724

𝟕,𝟔𝟐∗𝐏𝐢𝐱𝐞𝐥𝐞𝐬
Á𝐫𝐞𝐚 = 1
𝟏𝟐𝟖𝟏𝟔𝟖𝟕

La cual nos permite determinar las áreas generadas por la construcción de viviendas en la ciudad de Cerro
de Pasco.

4. CONCLUSIONES
Como resultado de la comparación de las imágenes satelitales en forma cronológica por 7 años no
consecutivos, nos permitió obtener el comportamiento demográfico a través de la superficie detallado en la
tabla 7.

Por otro lado, al procesar las imágenes satelitales en los softwares correspondientes a través del algoritmo
contour nos permitió medir los contornos de los patrones en las imágenes, obteniendo el área generada por
la expansión del comportamiento demográfico de la ciudad de Cerro de Pasco

Del análisis de las imágenes satelitales de los años 2 007 y del 2 012 al 2019 se observa un uso del suelo
por la expansión urbana a través de un reasentamiento de la población y la dinámica de la actividad minera;

El reconocimiento de los patrones mediante el algoritmo de contour, influye directamente en la evaluación

del comportamiento demográfico obteniendo una demarcación ajustada a las características de expansión
de la ciudad de Cerro de Pasco.

5. AGRADECIMIENTO
En primer lugar, expresamos nuestro agradecimiento a cada uno de nuestros colegas de la Universidad
Nacional Daniel Alcides Carrión de la facultad de ingeniería por el apoyo personal y humano,
contribuyendo al desarrollo de la investigación, y de forma especial al equipo investigador, con quien
hemos compartido proyectos durante este año.

Un trabajo de investigación es siempre fruto de ideas, proyectos y esfuerzos previos que corresponden a
diferentes personas. En este caso nuestro más sincero agradecimiento MAG. FAP. Javier Martin Tuesta
Márquez, de la Comisión Nacional de Investigación y Desarrollo Aeroespacial del Perú (CONIDA), por
habernos facilitado el acceso al satélite PerúSAT-1 y obtener la información necesaria para nuestra
investigación

6. REFERENCIAS

CONIDA. (2019). PERUSAT 1. Obtenido de http://www.lizard-

tail.com/isana/tracking/?catalog_number=41770

MathWorks. (2019). activecontour. Obtenido de

https://www.mathworks.com/help/images/ref/activecontour.html?searchHighlight=activecontour&s_tid=
doc_srchtitle#btuvpp9-6

Mathworks. (2019). Image Segmenter. Obtenido de

https://www.mathworks.com/help/images/ref/imagesegmenter-
app.html?searchHighlight=activecontour&s_tid=doc_srchtitle

Rosell, P. A. (Abril de 2016). researchgate. Obtenido de

https://www.researchgate.net/publication/300018730_Analisis_del_crecimiento_demografico_y_la_relaci
on_entre_espacios_verdes_y_edificados_en_Darregueira_con_QGIS
SIGMUR. (2006). Introducción a los Sistemas de Información Geográfica de la licenciatura de Geografía.
Obtenido de https://www.um.es/geograf/sig/teledet/geom.html

Taspinar, A. (4 de Diciembre de 2017). Using Convolutional Neural Networks to detect features in satellite
images. Obtenido de http://ataspinar.com/2017/12/04/using-convolutional-neural-networks-to-detect-
features-in-sattelite-images/

Vittor, L. (2009). Perú: Cerro de Pasco y la expansión minera, un conflicto infinito. Obtenido de
https://www.servindi.org/actualidad/2249

wikipedia. (17 de Mayo de 2017). TIFF (Tagged Image File Format). Obtenido de
https://es.wikipedia.org/wiki/TIFF

Wikipedia. (28 de Julio de 2018). Procesamiento digital de imágenes. Obtenido de

https://es.wikipedia.org/wiki/Procesamiento_digital_de_im%C3%A1genes

wikipedia. (01 de Octubre de 2018). QGIS. Obtenido de https://es.wikipedia.org/wiki/QGIS

wikipedia. (22 de Noviembre de 2018). Redes neuronales convolucionales. Obtenido de

https://es.wikipedia.org/wiki/Redes_neuronales_convolucionales

wikipedia. (24 de Diciembre de 2018). Sistema de información geográfica. Obtenido de

https://es.wikipedia.org/wiki/Sistema_de_informaci%C3%B3n_geogr%C3%A1fica

wikipedia. (29 de Enero de 2019). Modelo matemático. Obtenido de Modelo matemático