Suscríbete a DeepL Pro para poder traducir archivos de mayo

Riesgos Más información disponible en www.DeepL.com/pro.

naturales

https://doi.org/10.1007/s11069-021-04657-1

PAPEL ORIGINAL

Evolución temporal de la vulnerabilidad social a los riesgos

naturales en Chile

Nicolás C. Bronfman1,2 - Paula B. Repetto2,4 - Nikole Guerrero2 - Javiera V. Castañeda4 -

Pamela C. Cisternas2,3

Recibido: 3 de noviembre de 2020 / Aceptado: 20 de febrero de 2021

© Los autores, bajo licencia exclusiva de Springer Nature B.V. 2021

Resumen
Uno de los principales retos a la hora de estudiar la vulnerabilidad social a las amenazas
naturales es captar su naturaleza dinámica. En este estudio, exploramos las variaciones
espaciales y temporales de la vulnerabilidad social en Chile durante las últimas dos
décadas. Utilizando los datos reportados en los tres censos anteriores, hemos caracterizado
la vulnerabilidad social utilizando el Índice de Vulnerabilidad Social (SoVI) para 2.464
distritos en todo el país para 1992, 2002 y 2017. Examinamos las variaciones espaciales en
la vulnerabilidad social a través de análisis de autocorrelación espacial global y local.
Nuestros resultados revelan que la vulnerabilidad social en Chile se distribuye
heterogéneamente a lo largo del territorio como resultado de la interacción espacial y
temporal de diferentes factores que reflejan los contrastes sociales y económicos de sus
comunidades. Además, los fac- tores que explican mayores o menores niveles de
vulnerabilidad social en un periodo pueden persistir o reducir su influencia a lo largo del
tiempo. Por lo tanto, territorios muy vulnerables en un momento dado pueden serlo menos
en otro. Por último, factores como la discapacidad y la inmigración emergen como
elementos significativos de la vulnerabilidad social al final del periodo estudiado.
Discutimos las implicaciones de nuestros hallazgos para las instituciones responsables del
desarrollo e implementación de planes, programas y políticas de reducción del riesgo de
desastres.

Palabras clave Vulnerabilidad social - Riesgos naturales - SoVI - Índice de vulnerabilidad

🖂 Nicolás C. Bronfman
nbronfman@unab.cl

Departamento de Ciencias de la Ingeniería, Universidad Andrés Bello, Santiago, Chile

1

13
 Riesgos
Centro Nacional de Investigación para la Gestión Integral del Riesgo de Desastres
2
naturales
(CIGIDEN), ANID/FONDAP/15110017, Santiago, Chile.
Departamento de Ingeniería
3 Industrial y de Sistemas. Pontificia, Universidad Católica de
Chile, Santiago, Chile
4 Departamento de Psicología. Pontificia, Universidad Católica de Chile, Santiago, Chile

13
Riesgos
naturales

1 Introducción

El riesgo al que se exponen las comunidades y los territorios ante las amenazas naturales
depende de las interacciones entre la amenaza, las condiciones de vulnerabilidad y las
capacidades de las personas para prepararse, responder y recuperarse de estos fenómenos
(Cutter et al. 2003; Tapsell et al. 2010).
Varios estudios han avanzado en la comprensión de estos elementos, centrándose
principalmente en el comportamiento de las amenazas naturales, como el aumento de los
eventos asociados al cambio climático, los terremotos y los tsunamis. Del mismo modo,
varias instituciones internacionales han creado marcos de acción para fortalecer las
capacidades de los Estados, las agencias de respuesta y la población para mitigar el
impacto de las amenazas naturales en los territorios y las comunidades (UNDRR 2015).
Por otro lado, el estudio de la vulnerabilidad se ha incrementado en las últimas dos
décadas. A pesar de los avances en las nuevas metodologías desarrolladas para su estudio,
aún falta mucho por aprender sobre su naturaleza y evolución dinámica en el tiempo, para
generar políticas públicas efectivas de gestión de riesgos (Birkmann 2007; Fekete 2019b).
La definición de vulnerabilidad varía según la disciplina desde la que se estudie (Khan
y Salman 2012; Menoni et al. 2012). A pesar de las diferencias, la mayoría de las
disciplinas coinciden en definir la vulnerabilidad como la susceptibilidad de un sistema a
ser impactado por un desastre y ese es el enfoque que seguiremos para el presente estudio
(Adger 2006; McEntire 2005).
El estudio de la vulnerabilidad a los peligros naturales se ha centrado principalmente en
la vulnerabilidad biofísica. Sólo en los últimos años se ha puesto de manifiesto la
importancia de estudiar la vulnerabilidad social a los peligros naturales (Birkmann 2007;
Lee 2014). La vulnerabilidad social trata de medir las condiciones sociales y económicas
que existen antes de que se produzca un desastre y que facilitan o interfieren en la
capacidad de preparación, respuesta y recuperación (Cutter et al. 2003; Marmot 2005;
Tapsell et al. 2010).
Estudios previos indican que las poblaciones de bajos ingresos, los ancianos, los niños,
las mujeres y los inmigrantes suelen soportar mayores costes de recuperación tras una
catástrofe (Masozera et al. 2007; Stanton y Duran-Stanton 2019). Algo similar ocurre con
las poblaciones socialmente marginadas, que generalmente experimentan una mayor
vulnerabilidad al quedar relegadas a zonas de asentamiento con una mayor exposición a
los peligros (Schmidtlein et al. 2011). Por lo tanto, identificar los factores sociales y/o
contextuales que subyacen a la forma en que se desencadena el riesgo es relevante para
entender cómo interactúan las dinámicas sociales con las amenazas naturales (Bronfman et
al. 2020).
Los métodos cuantitativos para abordar la evaluación de la vulnerabilidad social (Khan
y Sal- man 2012; Tate 2012) pueden clasificarse en cuatro modelos de análisis principales:
el modelo de ponderación jerárquica, el modelo de pilares temáticos, el enfoque de perfiles
o conglomerados y el modelo inductivo basado en el análisis factorial (Rufat et al. 2019).
Este último incluye el Índice de Vulnerabilidad Social (SoVI), que permite cuantificar y
visualizar la distribución espacial de la vulnerabilidad a través de datos censales, índices
de desarrollo económico o índices medioambientales (Cutter et al. 2003). Estudios previos
han replicado esta metodología, identificando el género, el estatus socioeconómico, el
empleo y las características sociodemográficas, entre otros, como los principales factores
asociados a la vulnerabilidad social (De Loyola Hummell et al. 2016; Fatemi et al. 2017;
Frigerio y De Amicis 2016). En consecuencia, utilizamos el SoVI en este estudio y
permitió caracterizar, por primera vez, la vulnerabilidad social en Chile.
El Índice de Vulnerabilidad Social, al igual que otras metodologías que caracterizan la
13
 Riesgos
naturales
vulnerabilidad social, tiene ventajas y limitaciones. Este índice permite reducir la
complejidad de los estudios de vulnerabilidad y comprenderla desde diferentes
dimensiones debido a los múltiples indicadores que intervienen en el análisis (Armas y
Gavris 2013). Sin embargo, solo permite realizar análisis descriptivos e inductivos, y no es
posible analizar los factores sociales que

13
Riesgos
naturales
de la vulnerabilidad (Kuhlicke et al. 2011; Yoon 2012). Aunque se necesitan más estudios
que puedan aportar pruebas de la mayor validez de constructo de este modelo, el SoVI
sigue siendo una de las metodologías más utilizadas para medir o caracterizar los niveles
de vulnerabilidad a las amenazas (Rufat et al. 2019).
La metodología SoVI se ha reproducido en varios países. La gran mayoría de estos
trabajos han caracterizado la vulnerabilidad social para una amenaza específica a nivel
local (municipios, distritos o ciudades) (Armaş y Gavriş 2016; Fekete 2019a). Sin
embargo, hay algunos trabajos en los que la vulnerabilidad social se ha examinado a
mayor escala, por ejemplo, a nivel nacional (Dintwa et al. 2019; Holand et al. 2011;
Siagian et al. 2014; Zhou et al. 2014a). Un análisis nacional de vulnerabilidad social es
relevante porque proporciona información útil para identificar los lugares más vulnerables
y determinar dónde enfocar los recursos y las políticas públicas para la mitigación del
riesgo. También es importante, porque muestra que la distribución de la vulnerabilidad
social no es el resultado de características que se distribuyen homogéneamente en todos
los lugares, sino más bien el resultado de la interacción de diferentes fac- tores que
generan diferencias entre las comunidades que componen el territorio nacional (Fekete et
al. 2010; Frigerio y De Amicis 2016; Schmidtlein et al. 2008).
Uno de los retos más importantes a la hora de aplicar el SoVI y estudiar la
vulnerabilidad social es captar su naturaleza dinámica. La vulnerabilidad es el resultado de
procesos sociales, culturales y políticos y, por lo tanto, tiende a cambiar con el tiempo y el
espacio (Tapsell et al. 2010). A pesar de su importancia, pocos estudios han investigado la
dimensión espacio-temporal de la vulnerabilidad social, ejemplos de los cuales son los
estudios realizados por Cutter y Finch (2008) en los EE.UU.; Zhou et al. (2014b) en
China; y Fekete (2019b) en Alemania. Estos estudios han revelado que los factores que
explican los mayores niveles de vulnerabilidad en una década pueden persistir o cambiar
con el tiempo, lo que significa que los territorios que solían ser altamente vulnerables en
un momento dado pueden dejar de serlo más adelante.
En Chile, numerosos estudios se han concentrado en la vulnerabilidad social de áreas
teritoriales específicas, enfocándose tradicionalmente en una sola amenaza natural
(Martínez 2014; Martínez et al. 2020; Müller et al. 2011). A pesar de ser una de las
naciones más expuestas a diversas amenazas naturales, Chile aún carece de una
caracterización nacional de la vulnerabilidad social que permita iden- tificar los territorios
y poblaciones más sensibles a las amenazas naturales. Esta información sería invaluable
para diseñar futuras estrategias de preparación y mitigación frente a amenazas naturales. A
la luz de lo anterior, el objetivo del presente estudio es explorar las variaciones espaciales
y temporales de la vulnerabilidad social en Chile.

1.1 Chile: país de peligros múltiples

Ubicado en el Cinturón de Fuego del Pacífico, Chile está altamente expuesto a la

ocurrencia de múltiples desastres. Según el Índice de Riesgo Mundial, Chile se encuentra
en la categoría de muy alto riesgo de exposición a peligros naturales, situándose entre los
diez países de América con mayor riesgo (World RiskReport 2019).
En los últimos 30 años, Chile ha sufrido más de 70 catástrofes que han afectado a más
de cinco millones de personas y causado pérdidas económicas superiores a los 35.000
millones de dólares. Algunos de los fenómenos más destructivos son terremotos, tsunamis,
incendios forestales, erupciones volcánicas y fenómenos asociados al cambio climático,
como sequías, temperaturas extremas, inundaciones y corrimientos de tierra (EM-DAT

13
 Riesgos
naturales
2020).
Las inundaciones son unas de las catástrofes naturales más recurrentes en las últimas
décadas, provocadas principalmente por la ocurrencia de sistemas frontales o por el
desbordamiento de ríos cerca de las viviendas en las zonas urbanas.

13
Riesgos
naturales
sector. Entre 1997 y 2019, estos eventos afectaron a más de un millón de personas en el
norte, centro y sur del país (EM-DAT 2020).
Además, Chile ha sido escenario de dos de los diez terremotos de mayor magnitud
registrados en la historia de la humanidad: el de 9,5 Mw de 1960 y el de 8,8 Mw de 2010.
Ambos eventos fueron seguidos de grandes tsunamis con olas de más de 20 m de altura,
que afectaron a más de 800 km de la zona costera del país (Samaniego 2010).
Además, la amenaza volcánica en Chile está representada por 45 volcanes activos de un
total de 90 que se encuentran a lo largo del territorio nacional (SERNAGEOMIN 2020).
Una de las erupciones más destructivas fue la del volcán Chaitén en 2008, que obligó a
evacuar a cerca de cinco mil personas y destruyó más del 95% de la ciudad de Chaitén,
imposibilitando el retorno de sus habitantes (Lara 2009).
Por último, en la última década, Chile se ha enfrentado a más de 22 megaincendios que
se han prolongado más allá de la temporada estival, durando algunos más de 60 días. Cabe
destacar los sucesos de 2017, con 621 incendios forestales, cifra diez veces superior a la
media histórica del país. Estos sucesos duraron 17 días y destruyeron más de medio millón
de hectáreas. La enorme magnitud de los incendios y las dificultades técnicas para
combatirlos llevaron al gobierno a declarar el estado de catástrofe y a solicitar ayuda
internacional (González et al. 2020).

2 Material y métodos

2.1 Área de estudio

Chile está situado al sur del continente americano. Su superficie total supera los 2.000.000
km2 , con un litoral que se extiende a lo largo de unos cuatro mil km2 (BCN 2020).
Según el último censo de población y vivienda realizado en 2017, Chile cuenta con
17,5 millones de habitantes (51,1% mujeres), 36% de los cuales residen en la capital,
Santiago. La tasa media anual de crecimiento intercensal de la población para los censos
de 1992, 2002 y 2017 fue de 1,6, 1,2 y 1,0, respectivamente, lo que sugiere que la
población de Chile está envejeciendo rápidamente (INE 2017).
El país está dividido política y administrativamente en 16 regiones, 56 provincias y 346
comunas (BCN 2020). Debido a su gran extensión y diversidad económica y geográfica,
las regiones y comunas del país pueden agruparse en cinco zonas naturales o macrozonas
correspondientes al Norte Grande, Norte Chico, Centro, Sur y Austral (Fig. 1).
Su clima desértico caracteriza las macrozonas del Norte Grande y Norte Chico, y la
minería es la principal actividad económica. Los datos censales muestran que en las
últimas tres décadas el Norte Grande concentra cerca del 7% de la población nacional
(Tabla 1), mientras que el Norte Chico representa el 6%. La macrozona Centro agrupa a
las regiones de Valparaíso, O'Higgins, Maule, Ñuble y Metropolitana. Esta zona tiene un
cli- mate mediterráneo y es el centro de la actividad agrícola y comercial del país,
albergando a la mayor parte de la población del país (73,5%). Por último, la macrozona
Sur incluye las regiones de la Araucanía, Los Ríos y Los Lagos, mientras que la
macrozona Austral incluye las regiones de Aysén, Magallanes y Antártica Chilena. Ambas
macrozonas se caracterizan por su clima frío y lluvioso, cuyas principales actividades
económicas giran en torno a la ganadería, la acuicultura y la silvicultura (Fuenzalida
1965).
El cuadro 1 muestra que, aunque todas las macrozonas han experimentado un

13
 Riesgos
naturales
crecimiento demográfico intercensal, sólo el Norte Grande y el Norte Chico han registrado
un aumento de la población en

13
Riesgos
naturales
Fig. 1 Área de estudio para el
análisis SoVI en Chile y densidad
de población

13
 Riesgos
naturales
Cuadro 1 Población nacional por macrozona en 1992, 2002 y 2017

Macrozona Distritos Censo de 1992 Censo de 2002 Censo de 2017

Población % Población % Población %

Norte Grande 112 750,303 5.6 922,578 6.1 1,164,160 6.6

Norte Chico 266 735,260 5.5 857,546 5.7 1,043,754 5.9
Centro 1407 9,909,088 74.2 11,151,323 73.8 12,925,629 73.5
Sur 595 1,730,051 13.0 1,942,670 12.9 2,170,769 12.4
Austral 84 223,699 1.7 242,318 1.6 269,691 1.5
Total nacional 2464 13,348,401 100 15,116,435 100 17,574,003 100

Fuente: Instituto Nacional de Estadística de Chile

a

en términos de porcentaje sobre el total nacional. En el caso de las macrozonas Centro,

Sur y Austral, su población intercensal ha disminuido.

2.2 Datos

Esta investigación se realizó utilizando datos de los Censos de Población y Vivienda de

Chile de 1992, 2002 y 2017 realizados por el Instituto Nacional de Estadísticas, los cuales
son de libre acceso para la población.
En la organización administrativa del país se han establecido tres unidades operativas
de representación de la información censal: zonas, localidades y distritos. Estas unidades
se utilizan para la representación espacial y las escalas de análisis de este estudio. Una
zona corresponde a la división urbana del distrito censal, mientras que una localidad
corresponde a la misma escala de análisis pero en la división rural del distrito censal. Un
distrito es la unidad operativa más grande de un recinto censal y está formado por un
conjunto de zonas y localidades (INE 2018).
Se recolectaron 30 variables a escala de zona y localidad para los tres censos,
incluyendo las zonas urbanas y rurales de Chile, las que fueron normalizadas mediante
porcentajes o medias aritméticas para el cálculo del SoVI. Cabe señalar que, con el fin de
utilizar las mismas variables para los tres censos, 11 variables asociadas a 2017 se
complementaron con datos de un censo parcialmente fallido realizado en 20121 (el censo
de 2017 corresponde a un estudio abreviado de población (INE 2014)).

1 El Censo de 2012 presentó problemas en su ejecución, incumpliendo los criterios de universalidad y los
estándares minimos en la representación de la población. Se señala principalmente que: 'la base de datos
2012 presenta problemas en aspectos demográficos, en cuanto a la cobertura obtenida, estructura
poblacional por sexo, edad y variables migratorias' (INE 2014). Por esta razón, en 2017 se encargó un
censo abreviado para actualizar la información demográfica básica. Sin embargo, no hay grandes cambios
demográficos que puedan distorsionar los datos entre el censo de 2012 y el de 2017.
Ante esta situación y para obtener la mejor estimación posible de los datos para construir el Índice de
Vulnerabilidad Social, las variables extraídas del censo 2012 fueron revisadas manualmente y no
corresponden a los grupos de indicadores con las dificultades mencionadas. En concreto, las variables
extraídas corresponden a: el porcentaje de viviendas de alquiler, de viviendas sin alcantarillado, de hogares
sin coche, de p o b l a c i ó n de 15 o más años analfabeta, de población con ceguera, de población con
sordera, de población con parálisis física, de población con discapacidad psíquica, de mujeres solas con al
menos un hijo y el porcentaje de población soltera, viuda o separada.

13
Riesgos
naturales
La cartografía digital de las divisiones político-administrativas del país se obtuvo a
través de una solicitud de transparencia a la misma dependencia estatal para cada uno de
los años en estudio. Sin embargo, para analizar los cambios espacio-temporales entre
1992, 2002 y 2017, fue necesario representar los resultados a nivel distrital, por ser la
unidad más pequeña disponible para la representación gráfica de los niveles de
vulnerabilidad para 1992.

2.3 Ámbitos de vulnerabilidad social

Diversos indicadores permiten cuantificar la complejidad asociada a la vulnerabilidad

social. Estudios previos reconocen la edad, el género, la educación y el nivel
socioeconómico, entre otras variables, como factores significativos que influyen en la
vulnerabilidad (Fatemi et al. 2017; Stanton y Duran-Stanton 2019). Para caracterizar la
vulnerabilidad social en Chile se eligieron 30 variables de la base de datos censal, las
cuales se pueden agrupar en ocho dominios, como se muestra en la Tabla 2.
El nivel socioeconómico es uno de los dominios más estudiados y representa las
capacidades para afrontar y recuperarse de las pérdidas causadas por un desastre. Así, un
nivel socioeconómico bajo implica mayores dificultades para hacer frente a un desastre y,
en consecuencia, mayores niveles de vul- nerabilidad (Murphy et al. 2009; Shapira et al.
2018). En esta categoría se incluyeron variables como los ingresos del hogar, la propiedad
de la vivienda y los bienes materiales (Tabla 2).
El nivel educativo está relacionado con el conocimiento o la concienciación de las
personas sobre los peligros naturales y las medidas de preparación correspondientes. Un
mayor nivel educativo permite una mayor capacidad para comprender la información y,
por tanto, se asocia a un menor nivel de vulnerabilidad (Muttarak y Lutz, 2014; Rufat et
al., 2015). Para caracterizar el nivel educativo, utilizamos las variables que miden el
número de personas de la población con niveles educativos bajos o nulos.
La ocupación es otro ámbito relacionado con la vulnerabilidad. Suele estar asociada al
acceso a los recursos necesarios para mitigar los impactos de una catástrofe, además de las
posibles pérdidas y dificultades para hacer frente a este tipo de eventos. Así, la inactividad
ocupacional se traduciría en una mayor vulnerabilidad social ante las amenazas (Cutter et
al. 2003; Tapsell et al. 2010). Hemos representado el estatus ocupacional utilizando las
variables de población activa (personas en edad de trabajar), población desempleada y
número de estudiantes.
Se incluyeron variables demográficas como la edad, el género y la convivencia en
pareja, que reflejan las necesidades únicas de algunos grupos para hacer frente a una
catástrofe (Bronfman et al. 2019; Castañeda et al. 2020). Estudios previos sugieren que las
diferencias entre hombres y mujeres en cuanto a su nivel de empleabilidad y presencia en
los procesos de toma de decisiones hacen de las mujeres un grupo más vulnerable
(Sikandar y Khan 2019). Del mismo modo, los adultos mayores y los niños, que carecen
de plena independencia en términos de movilidad o acciones de respuesta ante este tipo de
eventos, también se consideran grupos con mayor vulnerabilidad (Al-Rousan et al. 2014;
Daddoust et al. 2018).
Las personas con discapacidad representan uno de los ámbitos con mayor
vulnerabilidad a los peligros naturales. En general, corren más riesgo de sufrir lesiones
como consecuencia de un desastre natural y tienen más dificultades para acceder a
información adaptada a sus necesidades (Hemingway y Priestley 2006; Kelman y Stough
2015; Malpass et al. 2019). Para este estudio se tuvieron en cuenta diferentes tipos de

13
 Riesgos
naturales
discapacidad.
Los niveles de vulnerabilidad de las poblaciones inmigrantes e indígenas son más
elevados. Suelen vivir en zonas de riesgo y tienen barreras lingüísticas y culturales para
acceder a los conocimientos sobre el peligro, ya que los planes de mitigación de riesgos no
suelen integrar estas barreras culturales.

13
Riesgos
naturales
Cuadro 2 Ámbitos y variables para la evaluación de la vulnerabilidad social
DomainVariabledescription Componentname Positioningwith Fuente
respect to
vulner- ability

Estatus socioeconómico (4) Porcentaje de la población con ingresos familiares Bajos ingresos familiares Censo positivo Casena
entre los deciles 1 y 6
de población sin Hogares sin
Censode viviendas alquiladas Viviendas alquiladasPositivo
Censo Porcentaje de mujeres cabeza de familiaMujeres cabeza de
familia Positivo Censo
Nivel de estudios (2) Porcentaje de población analfabeta mayor de 15 años Analfabetismo Positivo Censo
Porcentaje de la población ≥ 25 años con estudios Bajo nivel educativo Positivo Censo
primarios completos
Empleo(3) Porcentaje de población desempleada Desempleados Positivo Censo
Porcentaje de población activa (15-64 años) Población activaNegativo Censo
Porcentaje de población escolarizada Estudiantes Positivo Censo
Datos demográficos(7) Porcentaje de mujeres en la población Mujeres Positivas
Censode mujeres solteras con hijos
Mujeres solteras con hijos Censo
Porcentaje de población menor de 15 años Niños Positivo Censo
Porcentaje de la población mayor de 64 añosAdultos mayores Positivo Censo
Edad media de la poblaciónEdad media Positivo Censo
Porcentaje de jubiladosJubilados Positivo Censo
Porcentaje de población sin parejaPoblación sin pareja Positivo Censo
Población con discapacidad (5)ceguera ceguera Censo

sordera
mutismo
parálisis Censo
Porcentaje de población con discapacidad mentalPoblación con discapacidad mental Positivo Censo
 Etnia/inmigrantes(2) Porcentajede la población que se identifica como de etnia Etnia Positivo Censo
13

indígena
Porcentaje de población extranjera Inmigrantes Positivo Censo

naturales
Riesgos
 Cuadro 2 (continuación)

naturales
Riesgos
DomainVariabledescription Componentname Positioningwith Fuente
respect to
vulner- ability

la vivienda (4) Porcentaje de Viviendas irrecuperablesPositivo Censoparedes

Paredesmaterial irrecuperable PositivoCensocon techos irre
Techo de material irrePositivoCenso Porcentaje de viviendas
con suelos irrecuperablesSuelos de material irrecuperable Positivo Censo
Acceso a servicios básicos (3)a agua Viviendas sin red de aguaPositivoCenso Porcentaje de viviendas
sin acceso a alcantarilladoViviendas sin alcantarillado Positivo Censo
Índice de hacinamiento (personas en el hogar/número Hacinamiento Positivo Censo
de habitaciones)

Esta variable también se obtuvo de la Encuesta de Caracterización Socioeconómica Nacional (CASEN) 2017 aplicada por el Ministerio de Desarrollo Social de Chile
a
13
 Riesgos naturales

diferencias (Bernales et al. 2019; Bolin y Kurtz 2018; Donner y Rodríguez 2008; Wil- son
y Tiefenbacher 2012).
Finalmente, se incorporaron variables asociadas a Calidad de la vivienda y Acceso a
servicios básicos. Mientras que el primer dominio se refiere a la calidad de la
construcción y por lo tanto a la potencial pérdida o destrucción de la vivienda (Cutter et al.
2003; De Loyola Hummell et al. 2016), el segundo dominio se refiere a la falta de
servicios básicos como agua, electricidad o alcantarillado que en un escenario de desastre
generan más retrasos en el proceso de recuperación (Vieira et al. 2020).

2.4 Análisis de datos

2.4.1 SoVI Chile

Para construir y adaptar el SoVI a Chile, se utilizaron 30 variables de las bases de datos
censales para cada dominio en estudio a nivel de vivienda, persona y hogar. Para poder
cotejar los datos, en este estudio se procesaron los datos censales siguiendo los métodos
descritos por Cut- ter y Finch (2008) y Zhou et al. (2014b). Así, las 30 variables se
transformaron en niveles porcentuales para cada zona y localidad y luego se
estandarizaron a una puntuación Z, considerando una media igual a cero y una desviación
estándar igual a uno. Esto nos permitió comparar entre variables que utilizan diferentes
unidades de medida. Una vez estandarizadas las variables, se realizó un análisis de
componentes principales (ACP) utilizando una rotación varimax para reducir el número de
variables y observar los grupos homogéneos entre ellas.
Para generar e interpretar los factores resultantes, se consideraron todas aquellas
variables con una carga factorial mayor o igual a 0,5 y menor o igual a -0,5. A cada factor
se le asignó un sentido cardinal, basado en su relación teórica con la vulnerabilidad. Un
signo positivo se asoció a un aumento de la vulnerabilidad total, mientras que una
disminución de los niveles de vulnerabilidad total se asoció a un signo negativo. Se utilizó
el valor absoluto para los factores con una relación no clara con la vulnerabilidad social.
Por último, calculamos la suma lineal de los valores de cada componente en cada zona
y localidad para obtener el valor SoVI. Utilizamos unidades de desviación estándar y
clasificamos cada zona y localidad de la siguiente manera: todos los valores inferiores o
iguales a - 1,5 desviaciones estándar (DE) se consideraron de vulnerabilidad muy baja; los
valores superiores a - 1,5 DE e inferiores o iguales a - 0,5 DE se definieron como nivel de
vulnerabilidad bajo. Los valores superiores a - 0,5 DE e inferiores o iguales a - 0,5 DE
corresponden a un nivel de vulnerabilidad medio. Por último, los valores superiores a 0,5
DS e inferiores o iguales a 1,5 DS se consideraron de vulnerabilidad alta, mientras que los
valores superiores a 1,5 DS se consideraron de vulnerabilidad muy alta.

2.4.2 Población por nivel de vulnerabilidad

Una vez obtenido el valor del SoVI para cada zona y localidad de Chile y su
representación gráfica a nivel distrital, se calculó el porcentaje de población por nivel de
vulnerabilidad para cada año y cada una de las cinco macrozonas del país.

2.4.3 Índice de Moran y LISA

Para representar la distribución espacial de los niveles de vulnerabilidad social en todo el

territorio, realizamos un análisis de autocorrelación espacial utilizando el Índice Global de
Moran (Moran I) y el Índice Local de Moran (LISA). Moran I muestra si los niveles de
vulnerabilidad social se distribuyen siguiendo un patrón específico en todo el territorio.
Para calcularlo, los valores SoVI
13
Riesgos naturales

de cada distrito se compararon con la vulnerabilidad global media. Los valores de Moran I
oscilan entre - 1 y 1, donde los valores de Moran I < 0 representan una autocorrelación
espacial negativa, lo que sugiere que la vulnerabilidad se distribuye de forma dispersa en
el territorio. Por otro lado, valores de Moran I > 0 significan una autocorrelación espacial
positiva, indicando que los distritos tienen niveles similares de vulnerabilidad y que ésta se
distribuye de manera uniforme en el espacio. Por último, un valor de I de Moran = 0
corresponde a una autocorrelación espacial nula, indicando que la vulnerabilidad social se
distribuye aleatoriamente en el territorio (Moran 1948; Ord y Getis 1995).
El Índice Local de Moran (LISA) expone subzonas en las que se agrupan niveles
similares o disímiles de vul- nerabilidad. Este índice compara la puntuación SoVI de cada
distrito con el valor SoVI de sus vecinos y con la vulnerabilidad global media de la zona
de estudio. Se obtiene una autocorrelación espacial positiva para aquellos distritos cuyo
valor de vulnerabilidad está por debajo de la media global y cuyas unidades vecinas tienen
un nivel similar y se agrupan en el conglomerado bajo-bajo (LL). Lo mismo ocurre con los
distritos cuyo valor de SoVI es superior a la media global, que se agrupan en el
conglomerado alto-alto (HH) y representan altos niveles de vulnerabilidad (Anselin 1995).
Cuando los distritos están rodeados de unidades de análisis con diferentes valores de
SoVI, se obtiene un conglomerado con una autocorrelación espacial negativa. Así, para un
distrito con un valor de SoVI indicativo de un mayor nivel de vulnerabilidad en lugar de
unidades contiguas, se establece un conglomerado alto-bajo (HL). Para un distrito con un
valor de SoVI que indica una vulnerabilidad baja en comparación con sus unidades
vecinas, se establece un conglomerado bajo-alto (LH) (Anselin 1995). Las
autocorrelaciones espaciales significativas con un valor p < 0,05 se representan en el
mapa.

3 Resultados

3.1 Análisis de componentes principales

El análisis de componentes principales reveló que las 30 variables incluidas se agrupaban

en nueve, ocho y siete factores que explicaban el 62,7%, el 57,6% y el 65,1% de la
varianza para los datos censales de 1992, 2002 y 2017, respectivamente. La tercera
columna de la Tabla 2 muestra los nombres de los componentes que integran cada factor
obtenido. Cada componente fue nombrado siguiendo una alineación positiva con la
vulnerabilidad social; en otras palabras, un aumento en la variable se asocia con un
aumento en la vulnerabilidad. La excepción fue la variable "población activa", que se
asocia negativamente con la vulnerabilidad social.
El cuadro 3 muestra la estructura factorial obtenida para cada año censal ordenada
según su poder explicativo. Se encuentran estructuras factoriales muy similares para los
tres años censales analizados, donde el factor más dominante incluye componentes
asociados al bajo nivel socioeconómico, explicando el 16,2%, 15,4% y 14,9% de la
varianza de la vulnerabilidad social para 1992, 2002 y 2017, respectivamente. Este factor
comprende principalmente indicadores que señalan bajos ingresos familiares, bajo nivel
educativo, carencia de servicios básicos y ausencia de bienes mate- riales como automóvil
o vivienda, todos ellos relacionados con un aumento en los niveles de vulnerabilidad.
Para 1992 y 2002, el segundo factor representa grupos vulnerables específicos
caracterizados principalmente por mujeres y niños. El factor también incluía la población
sin pareja y la población activa. Aunque la mayoría de estos indicadores están asociados a
grupos más vulnerables a las catástrofes, la población activa indica una mano de obra más
numerosa y es

13
 Cuadro 3 Estructuras factoriales para el análisis de la vulnerabilidad social 1992-2017
13

1992 2002 2017

Compo- Firm Compo- Carg Porcentaj Compo- Firme Compo- Carg Porcentaj Compo- Firm Compo- Carg Porcentaje
e a e- a e- e a
nent NOMBRE edad de nent NOMBRE edad de nent NOMBRE de
la la varianza
varianza varianza explicada
explicada explicada
Factor 1 (+) Bajo (+) 0.84 16.2 Factor 1 ( +) Bajo (+) 0.86 15.4 Factor 1 (+) Desemple (+) 0.72 14.9
renta nivel ados
familiar educati
vo
Vivienda (+) 0.82 Bajo (+) 0.81 Vivienda (+) 0.72
s sin renta s sin
alcantar familiar alcantar
illado illado
Viviendas (+) 0.80 Vivienda (+) 0.77 Bajo (+) 0.69
sin red de s sin nivel
agua alcantar educati
potable illado vo

Bajo (+) 0.75 Viviendas (+) 0.75 Etnia (+) 0.67

nivel sin red de
educati agua
vo potable

Viviendas (+) - 0.65 Desempl (+) 0.62 Viviendas (+) 0.62

alquilad eados sin red de
as agua
potable

naturales
Riesgos
Estudian (+) -0.61 Viviendas (+) -0.61 Bajo (+) 0.61
tes alquilad renta
as familiar
 Cuadro 3 (continuación)

naturales
Riesgos
1992 2002 2017
Compon Signo Compo- Carga Compon Signo Compo- Carga Compon Signo Compo- Carga Porcentaje
ente NOMBRE Po ente NOMBRE Po ente NOMBRE de
rcentaje rcentaje varianza
de de explicada
varianza varianza
explicada explicada

Familias (+) 0.57 Casa- (+) 0.56 Casa- (+) 0.57

sin retencio retencio
coche nes/ nes/
familias familias
sin sin
coche coche
Desempl (+) 0.55 Factor 2 abs Niños ( +) - 0.88 9.3 Vivienda (+) - 0.57
eados alquila
da
Factor 2abs Niños (+) 0,91 11,8 Población (-) 0, 72Factor 2 (+) Población (+) 0.80 11.8
activa con
sordera
Población (-) -0.84 Mujeres (+) - 0.68 Población (+) 0.80
activa con
ceguera
Mujeres (+) 0.70 Población (+) 0.56 Población (+) 0.77
sin con
pareja parálisis
Población (+) - 0.59 Factor 3 ( +) Adultos (+) 0.91 8.2 Población (+) 0.75
sin mayo muda
pareja res
Factor 3 (+) Más (+) 0.91 8.4 Jubilados (+) 0.74 Población (+) 0.67
13

antiguo con
adulto dificulta
s des
mentales
 Cuadro 3 (continuación)
13

1992 2002 2017

Compo- Firm Compo- Carg Porcentaj Compo- Firm Compo- Carg Porcentaj Compo- Firm Compo- Carg Porcentaje
ar a e- e a e- e a
nent NOMBRE edad de nent NOMBRE edad de nent NOMBRE de
la la varianza
varianza varianza explicada
explicada explicada
Jubilados (+) 0.72 Edad media (+) 0.69 Factor 3 (+) Más (+) 0.93 11.4
antiguos
mujeres adultos
Edad media (+) 0.66 Factor 4 (+) con hijos (+)
Único 0.76 6.5 Edad media (+) 0.86
Factor 4 (+) Techo (+) 0.82 6.1 Mujeres (+) 0.76 Jubilados (+) 0.79
de cabeza
material de
irrecuper familia
able
Viviendas (+) 0.82 Factor 5 (+) Techo (+) 0.73 5.2 Factor 4 abs Mujeres (+) - 0.78 8.0
no de
recuper material
ables irrecuper
able
Factor 5 (+) Paredes (+) 0.86 4.8 Viviendas (+) 0.67 Niños (+) - 0.70
de no
material recuper
irrecuper ables
able
Suelos de (+) 0.82 Factor 6 (+) Paredes (+) 0.69 4.8 Población (+) - 0.61
material de activa
irrecuper material

naturales
Riesgos
able irrecuper
able
 Cuadro 3 (continuación)

naturales
Riesgos
1992 2002 2017
Compon Signo Compo- Carga Compon Signo Compo- Carga Compon Signo Compo- Carga Porcentaje
ente NOMBRE Po ente NOMBRE Po ente NOMBRE de
rcentaje rcentaje varianza
de de explicada
varianza varianza
explicada explicada

Etnia (+) - 0.50 Etnia (+) - 0.63 Factor 5 (+) Suelos de (+) 0.80 6.9
material
irrecuper
able

Factor 6 (+) Mujeres (+) 0.78 4.6 Factor 7 (+) Población (+) 0.68 4.5 Paredes (+) 0.67
solteras con de
con ceguera material
hijos irrecuper
able
Mujeres (+) 0.76 Factor 8 (+) Población (+) 0.73 3.7 Viviendas (+) 0.42
cabeza con no
de dificulta recuper
familia des ables
mentales
Factor 7 (+) Población (+) 0.74 4.0 Población (+) 0.55 Factor 6 (+) Mujeres (+) 0.80 6.9
con muda solteras
ceguera con
hijos
Población (+) 0.59 Población (+) 0.67
con sin
sordera pareja
13

Población (+) 0.55 Factor 7 (+) Migrantes (+) 0.55 5.2

con parálisis
 Cuadro 3 (continuación)
13

1992 2002 2017

Compo- Firm Compo- Carga Porcentaje- Compo- Signo Compo- Carga Porcentaje- Compo- Signo Compo- Carga Porcentaje
e
nent NOMBRE edad de la NOMBRE edad de la NOMBRE de
vari vari varianza
anza explicada anza explicada explicada

Factor 8 (+) Over- (+) -0.66 3.5

aglomera
ción
Factor 9 (+) Población (+) 0.79 3.4
con
dificulta
des
mentales

naturales
Riesgos
Riesgos
naturales
considerado inversamente relacionado con la vulnerabilidad. Por consiguiente, a este
factor se le dio un valor absoluto para calcular la puntuación SoVI.
En 2017, la estructura del SoVI cambia, y la población con discapacidad se convierte
en el segundo factor que explica una varianza más sustancial, a diferencia de 1992 y 2002,
cuando este factor estaba cerca de la parte inferior de los componentes del modelo.
El tercer factor con mayor poder explicativo se estructura de forma similar para todos
los periodos censales incluidos en el estudio. Este factor se caracteriza por los adultos
mayores e integra variables como la población mayor de 65 años, mayor edad promedio y
población inactiva. Es en relación con estas características, que indican una población
envejecida, que el factor tiene una relación positiva con la vulnerabilidad social.
Los siguientes factores presentan tendencias de agrupación similares para los censos de
1992, 2002 y 2017, cambiando su posición únicamente en función del porcentaje de
varianza explicada. Así, los factores cuarto, quinto y sexto para los tres periodos censales
representan dos categorías principales, la baja calidad de la vivienda y los hogares
encabezados por madres solteras. El primero se refiere al grado de no recuperabilidad de
la vivienda en caso de catástrofe. En cambio, la segunda se refiere a un hogar encabezado
por madres solteras, en el que la mujer es la principal proveedora económica. Ambos casos
tienen una relación positiva con la vulnerabilidad.
Por último, se observan cambios significativos dentro de los últimos factores obtenidos
para cada año. En 1992, el hacinamiento aparece como factor independiente y se asocia a
mayores niveles de vulnerabilidad. Del mismo modo, el factor de la inmigración apareció
en 2017 para explicar el 5,2% de la varianza de la vulnerabilidad social.
El cuadro 3 muestra que para los años censales 1992 y 2002, algunos factores son
conceptualmente equivalentes: por ejemplo, los factores 4 y 5 en 1992 representan la
vivienda de baja calidad, y juntos explican el 10,9% de la varianza del modelo. Así pues,
para interpretar mejor las estructuras factoriales obtenidas, el cuadro 4 revela las
estructuras factoriales agrupadas en las categorías descritas en los párrafos anteriores. Bajo
este esquema, en 1992 y 2002 los tres tipos con mayor poder explicativo de la
vulnerabilidad social fueron el estatus socioeconómico bajo (factor 1 en 1992 y 2002), la
vivienda de baja calidad (factores 4 y 5 en 1992 y factores 5 y
6 en 2002) y mujeres y niños (factor 2 en 1992 y 2002). Sin embargo, en 2017 el orden
cambia drásticamente, siendo las categorías estatus socioeconómico, discapacidad y
adultos mayores las que tienen el poder explicativo más significativo de la vulnerabilidad
social, desplazando a la vivienda de baja calidad al quinto lugar. Las razones e
implicaciones de este resultado se abordan en la sección de discusión.

3.2 Evolución espacial y temporal de la vulnerabilidad social

La Figura 2 resume el patrón geográfico de los valores de SoVI obtenidos a nivel distrital
para cada año censal. Para 1992, el 25,7% de los distritos del país presentaban niveles
superiores de vulnerabilidad social (niveles alto y muy alto), de los cuales el 75% se
ubican en las macrozonas Centro y Norte Chico (ver Cuadro 5). A nivel de macrozonas, el
Norte Chico y Sur agrupan los mayores porcentajes de población con mayores niveles de
vulnerabilidad social, con valores de 23,8% y 13,5% del total de la población zonal,
respectivamente. Por el contrario, las macrozonas Austral, Norte Grande y Centro
presentan los mayores porcentajes de población con menores niveles de vulnerabilidad
sobre el total de su población zonal (niveles bajo y muy bajo), alcanzando valores de
86,6%, 68,7% y 61,0%, respectivamente.
Entre 1992 y 2002, se observó una disminución significativa del porcentaje de
13
población en los niveles de vulnerabilidad más bajos, que pasó del 57,4% en 1992 al
38,6% en 2002 (véase el cuadro 5). En consecuencia, para el mismo periodo, se produjo
un aumento del 48% y del 28% en la proporción de
 Riesgos
naturales
13

Cuadro 4 Resumen de las estructuras factoriales 1992-2017

1992 2002 2017
CategoríaPorcentaj CategoríaPorcentaj Categoría Porcentaje
e de vari- e de vari- de
anza explicada anza explicada varianza
explicada

Estatus socioeconómico (F1 )a 16,2Estado socioeconómico (F1) 15,4Estado socioeconómico (F1) 14.9
Mujeres y niños (F2) 11,8Vivienda de baja calidad (F5 + F6) 10, 0Con discapacidad (F2) 11.8
Viviendas de baja calidad (F4 + F5) 10, 9Mujeres y niños (F2) 9,3Adultos mayores (F3) 11.4
Adultos mayores (F3) 8, 4 Adultos mayores (F3) 8, 2Mujeres y niños (F4) 8.0
Con discapacidad (F7 + F9) 7, 4Con discapacidad (F7 + F8) 8,2Vivienda de baja calidad (F5) 6.9
Madres solteras cabeza de 4.6Madres solteras cabeza de familia (F4) 6.5Madres solteras cabeza de familia (F6) 6.9
familia (F6)
Hacinamiento (F8) 3, 5Inmigración (F7) 5.2
Varianza total explicada 62,7Varianza total explicada 57,6Varianza total explicada 65.1
aF correspondía al número de factores obtenidos por el análisis de componentes principales para cada año

naturales
Riesgos
 Riesgos
naturales

Fig. 2 Índice de vulnerabilidad social de Chile 1992-2017

habitantes con niveles de vulnerabilidad media y alta, respectivamente. En 2002, las

macrozonas Norte Chico y Norte Grande presentaron la mayor concentración de
habitantes con niveles de vulnerabilidad más altos del país, alcanzando valores de 44,9% y
20,4% del total de la población zonal, respectivamente. Algo que se destaca este año es el
aumento del número de distritos con menores niveles de vulnerabilidad social en la
macrozona Sur del país, áreas que albergan al 60,3% de la población zonal.

13
Riesgos
naturales
Cuadro 5 Porcentaje de distritos Macrozona % Distritos % Población
y población por nivel de
Vulnerabilidad Social 1992 2002 2017 1992 2002 2017

Todos los países

Bajo y muy bajo 31.2 28.8 27.0 57.4 38.6 43.8
Medio 43.1 47.6 51.1 34.8 51.6 49.2
Alta y muy alta 25.7 23.7 22.0 7.7 9.9 7.0
Norte Grande
Bajo y muy bajo 47.3 20.5 15.2 68.7 30.1 54.3
Medio 18.8 33.9 34.8 25.5 49.5 34.6
Alta y muy alta 33.9 45.5 50.0 5.7 20.4 11.0
Norte Chico
Bajo y muy bajo 13.2 2.3 12.0 39.5 8.5 41.7
Medio 23.7 27.4 46.2 36.7 46.7 49.7
Alta y muy alta 63.2 70.3 41.7 23.8 44.9 8.6
Centro
Bajo y muy bajo 32.7 26.4 34.5 61.0 36.8 45.2
Medio 45.7 52.5 53.0 33.2 55.9 49.0
Alta y muy alta 21.6 21.2 12.5 5.8 7.4 5.8
Sur
Bajo y muy bajo 28.9 46.4 19.7 36.1 60.3 30.1
Medio 52.3 48.7 52.3 50.4 35.2 58.2
Alta y muy alta 18.8 4.9 28.1 13.5 4.5 11.6
Austral
Bajo y muy bajo 58.3 39.3 16.7 86.6 83.6 46.5
Medio 28.6 39.3 46.4 11.0 12.3 48.7
Alta y muy alta 13.1 21.4 36.9 2.4 4.1 4.8

Finalmente, para 2017 el país alcanzó un 7,0% de su población en niveles de

vulnerabilidad mayor (la cifra más baja de los tres periodos censales estudiados) y un
49,2% en niveles de vulnerabilidad media. Las diferentes macrozonas obtuvieron una
distribución poblacional relativamente similar entre sus niveles de vulnerabilidad. Las
cinco macrozonas alcanzaron cifras de entre el 4,8% y el 11,6% de su población en los
niveles de mayor vulnerabilidad y entre el 30,1% y el 54,3% en los niveles de menor
vulnerabilidad. En 2017, las macrozonas Norte Grande, Norte Chico y Sur presentaron la
mayor proporción de habitantes con mayores niveles de vul- nerabilidad respecto al total
de su población zonal. Sin embargo, destacamos que las macrozonas Norte Grande y
Norte Chico experimentaron una disminución significativa en su tasa de población más
vul- nerable entre 2002 y 2017. Por el contrario, para el mismo periodo, en 2017 la
macrozona Sur experimentó el aumento más considerable en la proporción de habitantes
más vulnerables. Se convirtió en la macrozona con mayores niveles de vulnerabilidad para
el total de su población zonal.
Del análisis de los tres años censales se concluye que la macrozona Centro presenta una
distribución de la población relativamente estable en términos de niveles de vulnerabilidad
a lo largo de las décadas estudiadas. Mantiene una baja concentración en los niveles altos
de vulnerabilidad y altas concentraciones en los niveles bajos de vulnerabilidad. Por su
parte, las macrozonas Norte Grande y Norte Chico sufrieron importantes

13
 Riesgos
transformaciones: si bien en la primera naturales

13
Riesgos
naturales
Cuadro 6 Estadísticas de agrupación espacial Moran y LISA, 1992-2017

Global Moran's I 1992 2002 2017

0.22 0.17 0.11

Z (I) 94.8 74.9 48.1

Categorías de grupos LISA cuente % del total cuente % del total cuente % del total

Agrupación espacial local significativa (p < 0,05)

Alta vulnerabilidad (HH) 610 25% 555 23% 411 17%
Baja vulnerabilidad (LL) 841 34% 1140 46% 935 38%
Distritos espaciales atípicos (p <
0,05)
Vulnerabilidad baja-alta (LH) 131 5% 104 4% 97 4%
Vulnerabilidad alta-baja (HL) 166 7% 254 10% 272 11%
Agrupación espacial no estadísticamente significativa (p > 0,05)
Distritos 716 29% 411 17% 749 30%
Total 2464 100% 2464 100% 2464 100%

dos periodos censales alcanzaron las mayores concentraciones de población con mayores
niveles de vulnerabilidad, para 2017 esta situación mejoró sustancialmente. En 2017, la
macrozona Sur se convirtió en el área con mayor concentración de población zonal con
mayores niveles de vulnerabilidad. Finalmente, la macrozona Austral presenta la
reducción más significativa en la concentración de población en niveles de vulnerabilidad
más bajos.

3.3 Índice de Moran y LISA

En la Tabla 6, presentamos los resultados obtenidos para el análisis de autocorrelación

espacial utilizando los índices I de Moran y LISA. Se observa un I de Moran positivo para
cada uno de los años analizados, lo que sugiere que los valores del SoVI de los distritos
están relacionados entre sí. En términos generales, se observa que la agrupación espacial
disminuye entre décadas, pasando de una autocorre- lación espacial de Moran I = 0,22 para
1992 a Moran I = 0,11 para 2017.
En 1992, encontramos el mayor número de distritos en extrema vulnerabilidad social
(HH cluster con 610 distritos, 25% del total nacional). Estos se agrupaban principalmente
en las macrozonas de las regiones Norte Chico y Centro del país (ver Fig. 3). Asimismo,
en este año encontramos el menor número de distritos agrupados en el extremo de menor
vulnerabilidad social (cluster LL con 841 distritos, 34% del total nacional). La mayoría de
estos conglomerados se ubicaron en las macrozonas Sur y Austral. Para el año 2002, se
observa una disminución del número de distritos en el cluster HH respecto a la década
anterior (555 dis- tritos, 23% del total nacional), agrupados en las macrozonas Norte
Grande, Norte Chico y Centro.
Al comparar los tres períodos censales en estudio, la mayor cantidad de distritos
agrupados en LL (1.140 distritos, 46% del total nacional) se ubicó en las macrozonas Sur y
Austral, en 2002. El menor número de distritos agrupados en HH (411 distritos, 17% del
total nacional) ocurrió en 2017. La Figura 3 muestra que estos distritos se ubican
principalmente en las macrozonas Norte Grande, Norte Chico y, por primera vez, Austral
del país. Por otro lado, el número de distritos en agrupaciones de LL disminuyó en

13
 Riesgos
naturales
comparación con el periodo anterior (935 distritos, 38% del total nacional) y se concentran
casi exclusivamente en la macrozona Centro del país.

13
Riesgos
naturales

Fig. 3 Análisis de autocorrelación espacial de Moran y LISA, 1992-2017

4 Debate

A pesar de su importancia, pocos estudios han explorado la vulnerabilidad social a un

desastre natural a nivel nacional y la naturaleza dinámica de la vulnerabilidad. En este
estudio, caracterizamos la evolución temporal y la variación en la distribución espacial de
la vulnerabilidad social en Chile durante las últimas dos décadas utilizando el SoVI. El
estudio de estas variaciones a nivel nacional

13
 Riesgos
naturales
es pertinente y permite a los gobiernos y a las organizaciones públicas y privadas
identificar a las comunidades más vulnerables y aplicar planes, programas y políticas más
eficaces y eficientes de preparación, respuesta y recuperación ante las catástrofes
naturales.
Nuestro estudio presenta dos resultados principales. En primer lugar, al igual que en
estudios anteriores, hemos con- cluido que los factores que explican los niveles más altos
o más bajos de vulnerabilidad social en un periodo pueden persistir o reducir su influencia
a lo largo del tiempo, y que pueden surgir nuevos factores. Dado que la vulnerabilidad
social está estrechamente relacionada con las condiciones económicas, cuando se alivian
las privaciones materiales, éstas pierden relevancia como indicador de vulnerabilidad. Sin
embargo, con el tiempo, otros factores que revelan la posición social de un individuo en la
sociedad adquieren mayor relevancia cuando se intenta comprender la vulnerabilidad
social (Marmot 2005). En segundo lugar, la vulnerabilidad social en Chile, medida a
través del SoVI, se distribuye de manera heterogénea a lo largo del territorio. Esto es el
resultado de la interacción espacial y temporal de varios factores que reflejan diferentes
condiciones socioeconómicas de las comunidades distribuidas a lo largo del territorio
nacional. En las siguientes secciones, discutiremos estos resultados con más detalle.

4.1 Tendencias temporales de los factores de vulnerabilidad social

Para los tres períodos censales estudiados, el factor con mayor poder explicativo de la
vulnerabilidad social en Chile fue el estatus socioeconómico. El estatus socioeconómico
incluye el nivel educacional alcanzado, los ingresos, la propiedad de la vivienda, entre
otras variables que determinan los recursos y capacidades de los individuos y las
comunidades para enfrentar y recuperarse de un desastre y, eventualmente, la comprensión
de las amenazas y las acciones de preparación asociadas. Si bien, en las últimas décadas,
Chile ha avanzado significativamente en sus condiciones socioeconómicas, aún persisten
importantes desigualdades a lo largo del territorio, que deben ser abordadas para
convertirse en un país más resiliente frente a los desastres naturales. Este resultado es
consistente con el obtenido por Cutter y Finch (2008) para EE.UU., donde el factor estatus
socioeconómico (que también incorporaba el nivel educacional) fue invariablemente el
factor que mejor pudo explicar la vulnerabilidad social para los cinco períodos censales
estudiados.
El factor discapacidad exhibió la variación más significativa a lo largo de las décadas
estudiadas: mientras que para los años 1992 y 2002 la discapacidad se encontraba entre
los de menor poder explicativo, para 2017 emergió como el segundo de mayor poder
explicativo de la vulnerabilidad social. Los autores coinciden en que esta variación podría
explicarse por el mayor alcance que implicó la definición de discapacidad implementada
en el censo 2017 y su consecuente aumento en la calidad de la información relevada. Este
resultado es relevante, ya que indica que las variaciones dinámicas en la vulnerabilidad
social captada por metodologías como SoVI no sólo se deben a cambios en elementos
socioeconómicos y culturales característicos de las comunidades, sino también a cambios
en elementos técnicos y legales que afectan la calidad, profundidad y cantidad de la
información recolectada. En el caso específico del Estado de Chile, algunas de las
acciones que explican las variaciones antes mencionadas son la ratificación de la
Convención de Naciones Unidas sobre los Derechos de las Personas con Discapacidad de
2008, lo que significó adecuar la legislación del país y su institucionalidad pública a través
de la promulgación de la Ley N° 20.422 que entró en vigencia en 2010 y creó el Servicio
Nacional de la Discapacidad. Además, la Ley N° 21.015 de 2017 incentivó la inclusión

13
Riesgos
naturales
laboral de las personas con discapacidad. Asimismo, sugiere que no reconocimos la
vulnerabilidad a la que estaban expuestos estos grupos y por ello indica que debemos
adoptar programas públicos para reducir los efectos de los desastres para las personas con
discapacidad.
Esta evolución disruptiva no fue exclusiva de la discapacidad, la inmigración también
exhibió un comportamiento interesante a lo largo del periodo estudiado. Mientras que en
1992 y 2002

13
 Riesgos
naturales
la inmigración no era explicada significativamente por el modelo, en 2017, emergió como
un factor bien estructurado para explicar un porcentaje significativo de la vulnerabilidad
social del país. Los autores coinciden en que esta variación se debe al explosivo
crecimiento de la inmigración en el país en las últimas dos décadas. Chile nunca había
recibido inmigrantes en las cifras reportadas en 2018, mientras en 2006 el 1,3% de la
fuerza laboral era inmigrante, en 2018 la cifra subió a más del 8% (DEM & INE 2019).
Además, estas variaciones reflejan al número de inmigrantes y a su origen. En el censo de
2002, los inmigrantes en Chile provenían principalmente de Argentina, Perú y países
europeos, y en el censo de 2017, más del 90% de los migrantes provenían de América
Latina y el Caribe, principalmente de Haití, Perú, Colombia, Ven- ezuela y Bolivia
(Vergara 2019). Siendo Chile uno de los países más expuestos a riesgos naturales en
términos de territorio y población, el fenómeno de la inmigración es particularmente
relevante. El crecimiento de personas extranjeras viviendo en las distintas comunidades a
lo largo del territorio nacional es un elemento significativo para el aumento de la
vulnerabilidad social en estos territorios. Las comunidades inmigrantes se enfrentan
tradicionalmente a barreras lingüísticas, culturales y eco- nómicas que podrían ayudarles a
comprender y prepararse ante los riesgos naturales de los territorios que ahora habitan. Por
ejemplo, en un estudio realizado con adultos migrantes que viven en Valparaíso, Chile,
ante el riesgo de terremotos y tsunamis, los investigadores describieron cómo, estos
migrantes que dominaban el idioma nativo, se enfrentaban a barreras y dificultades para
comprender las instrucciones y planes desarrollados por las autoridades, que al parecer no
eran culturalmente sensibles (Bernales et al. 2019). Esta tendencia disruptiva y acelerada
tiene serias implicaciones para el diseño e implementación de planes, programas y
políticas de prevención de riesgos, que deben ajustarse a las nuevas realidades y
estructuras poblacionales.
Aunque de manera menos radical, el factor que incluyó a los adultos mayores también
cambió su posición respecto a la vulnerabilidad social. Durante las dos décadas en estudio,
este factor se mantuvo entre los primeros lugares de vulnerabilidad, alcanzó su punto
máximo en 2017, posicionándose junto a los factores de condición socioeconómica y
discapacidad descritos en párrafos anteriores. Esta tendencia es particularmente relevante
ya que Chile, al igual que muchos otros países del mundo, enfrenta un acelerado
envejecimiento de su población. Diversos elementos hacen de la población adulta mayor
un grupo social altamente vulnerable, ya que este grupo se asocia a una mayor
dependencia física y eco- nómica en términos de movilidad y acciones de preparación,
respuesta y recuperación ante amenazas naturales.

4.2 Distribución espacial heterogénea de la vulnerabilidad social

En términos globales, nuestros resultados indican que en el período 1992-2017 Chile ha

mantenido una proporción relativamente estable de habitantes en los niveles altos de
vulnerabilidad social (promedio 8,2%, DE = 1,5%). Sin embargo, nuestros resultados
también muestran que la interacción espacial y temporal de los distintos elementos que
determinan la vulnerabilidad social se distribuye de manera heterogénea a lo largo del
territorio nacional, revelando importantes contrastes. La macrozona Centro del país
(principal área comercial del país, que alberga a más del 70% de la población e incorpora a
la capital de Chile) mejoró leve pero consistentemente sus niveles de vulnerabilidad social
en los períodos estudiados. Las macrozonas del norte mantuvieron los niveles de
vulnerabilidad más altos (aunque han disminuido sustancialmente en la última década),
mientras que las macrozonas del sur del país aumentaron sostenidamente sus niveles de
13
Riesgos
naturales
vulnerabilidad.
En consonancia con las conclusiones de estudios anteriores, nuestros resultados
sugieren que un enfoque común y único puede resultar ineficaz para reducir la
vulnerabilidad social o mejorar la resiliencia ante los desastres naturales (Cutter y Finch
2008; Zhou et al. 2014b). Una distribución geográficamente heterogénea de la
vulnerabilidad social debe traducirse en una preparación múltiple,

13
 Riesgos
naturales
estrategias de respuesta y recuperación que se adapten al elemento de vulnerabilidad
particular de cada comunidad. Así, por ejemplo, las comunidades caracterizadas por una
elevada proporción de inmigrantes requerirán estrategias de preparación diferenciadas y
específicas en comparación con otras comunidades representadas por una mayor
proporción de adultos mayores o de personas con un estatus socioeconómico más bajo.
Esto mejora los esfuerzos de los gobiernos locales para reducir el riesgo de desastres en
sus comunidades mediante la incorporación de estas consideraciones en sus planes y
políticas de preparación, respuesta y recuperación ante desastres naturales.

4.3 Conclusiones

Nuestros resultados revelan que la vulnerabilidad social a las catástrofes naturales es un

fenómeno dinámico que depende de los cambios en los contextos socioeconómicos,
culturales y políticos de los países. La evolución temporal y espacial indica que la
vulnerabilidad social es un proceso generado a través de la interacción de dinámicas
sociales y no es necesariamente una característica permanente ni de los pueblos ni de los
lugares. Por lo tanto, debe valorarse y evaluarse a lo largo del tiempo en el mismo lugar y
en lugares diferentes.
El carácter dinámico de la vulnerabilidad social también acentúa el valor de mantener
su medición continua mediante índices que permitan captar eficazmente los niveles de
vulnerabilidad de un territorio y sus variaciones. Del mismo modo, cabe señalar la
importancia de la disponibilidad de datos públicos a nivel nacional que permitan una
desagregación más detallada de los principales factores que intervienen en la
vulnerabilidad. Este ejercicio también puede proporcionar información valiosa sobre el
impacto de las políticas aplicadas para reducir la vulnerabilidad y si éstas son eficaces o
no.
Estudios como éste pueden revelar y predecir puntos focales en los que centrar las
políticas y programas de reducción del riesgo de desastres. Esto es aún más relevante para
los países que, a pesar de un desarrollo económico prometedor, presentan altos índices de
desigualdad -económica, educativa, de género, etc.- y los que experimentan una migración
significativa o un rápido envejecimiento de su población.
Con base en nuestros hallazgos, concluimos que las políticas y programas de gestión
del riesgo de desastres requieren de la coordinación entre diferentes agencias
gubernamentales y del sector privado, tal como lo sugieren las Naciones Unidas entre
otros (UNDRR 2015). La reducción de los niveles de vulnerabilidad social depende no
solo de la creación de programas enfocados en la mitigación de las amenazas naturales,
sino también de programas integrales enfocados en la reducción de las desigualdades en la
población. Asimismo, la alta heterogeneidad en la distribución espacial de la
vulnerabilidad, especialmente en países que abarcan grandes distancias latitudinales,
requiere la descentralización del desarrollo económico y social y una distribución más
equitativa de los recursos.
Por último, el análisis de la evolución espacial y temporal de la vulnerabilidad social
muestra que el desarrollo de políticas y programas más eficaces para construir
comunidades más resilientes requiere una evaluación continua del estado de vulnerabilidad
e integrar los cambios en la dinámica social de cada territorio.

5 Limitaciones

13
Riesgos
naturales
La implementación del SoVI para Chile tiene algunas limitaciones. En primer lugar, se
refiere a la utilización de datos censales como recurso principal. Si bien el censo de
población y vivienda es un informe estadístico completo sobre las características
sociodemográficas de una población, su escala global puede limitar la posibilidad de
desagregar en datos locales (Contreras et al.

13
 Riesgos
naturales
2020; Fekete et al. 2010). En el caso de Chile, el uso de las bases de datos censales
presentó algunas dificultades, ya que fue necesario extraer variables de 2012 para
complementar los datos de 2017 por tratarse de un censo abreviado. Asimismo, el uso de
sólo 30 variables para el cálculo del SoVI es una limitación. Aunque el modelo logra un
ajuste razonable de los principales factores implicados en la vulnerabilidad social, el
reducido número de vari- ables no permite una medición más detallada de las áreas
incluidas. A pesar de estas limitaciones, los resultados de nuestro estudio no difieren en
gran medida de otros comunicados anteriormente y caracterizan cómo cambia la
vulnerabilidad social según el lugar y a lo largo del tiempo.

Financiamiento Esta investigación fue financiada parcialmente por la Agencia Nacional de Investigación y
Desarrollo (ANID) de Chile a través del Fondo Nacional de Investigación Científica y Tecnológica
(Fondecyt, Subsidio 1180966) y por el Centro Nacional de Investigación para la Gestión Integrada de
Desastres Naturales ANID/ FONDAP.
/15110017.

Cumplimiento de las normas éticas

Conflicto de intereses Los autores declaran no tener ningún conflicto de intereses.

Referencias
Adger WN (2006) Vulnerabilidad. Global Environ Change 16:268-281
Al-Rousan TM, Rubenstein LM, Wallace RB (2014) Preparedness for natural disasters among older US
adults: a nationwide survey. Am J Public Health 104:506-511
Anselin L (1995) Indicadores locales de asociación espacial-LISA. Geogr Anal 27:93-115
Armas I, Gavris A (2013) Social vulnerability assessment using spatial multi-criteria analysis (SEVI model)
and the Social Vulnerability Index (SoVI model)-a case study for Bucharest, Romania. Nat Hazards
Earth SystSci 13:1481-1499
Armaş I, Gavriş A (2016) Evaluación de la vulnerabilidad social basada en censos para Bucarest. Proc
Environ Sci 32:138-146
BCN (Biblioteca del Congreso Nacional de Chile) (2020) Información Territorial "Chile Nuestro País". https
://www.bcn.cl/siit/nuestropais/index_html.
Bernales M, Repetto P, McIntyre A, Vásquez A, Drury J, Sullivan G, Castañeda J (2019) Experiencias y
percepciones de los peligros naturales entre los migrantes internacionales que viven en Valparaíso,
Chile. Int J Disaster Risk Reduct 34:116-128
Birkmann J (2007) Risk and vulnerability indicators at different scales: applicability, usefulness and policy
implications. Environ Hazards 7:20-31
Bolin B, Kurtz LC (2018) Raza, clase, etnia y vulnerabilidad a los desastres. En: Rodríguez H, Donner W,
Trainor JE (eds) Handbook of disaster research. Springer, Cham, pp 181-203
Bronfman NC, Cisternas PC, Repetto PB, Castañeda JV (2019) Natural disaster preparedness in a multi-
hazard environment: characterizing the sociodemographic profile of those better (worse) prepared.
PloS one 14:e0214249
Bronfman NC, Cisternas PC, Repetto PB, Castañeda JV, Guic E (2020) Understanding the relationship
between direct experience and risk perception of natural hazards. Risk Anal 40:2057
Castañeda JV, Bronfman NC, Cisternas PC, Repetto PB (2020) Understanding the culture of natural dis-
aster preparedness: exploring the effect of experience and sociodemographic predictors. Nat Hazards
13:1881-1904. https://doi.org/10.1007/s11069-020-04060-2
Contreras D, Chamorro A, Wilkinson S (2020) The spatial dimension in the assessment of urban socio-
economic vulnerability related to geohazards. Nat Hazards Earth SystSci 20:1663
Cutter SL, Boruff BJ, Shirley WL (2003) Social vulnerability to environmental hazards. SocSci Q 84:242-
261
Cutter SL, Finch C (2008) Temporal and spatial changes in social vulnerability to natural hazards. ProcNat-
lAcadSci 105:2301-2306
Daddoust L, Khankeh H, Ebadi A, Sahaf R, Nakhaei M, Asgary A (2018) La vulnerabilidad social de las

13
Riesgos
naturales
personas mayores a los desastres naturales: una revisión integradora. Health Emerg Disasters 4:5-14

13
 Riesgos
naturales
De Loyola Hummell BM, Cutter SL, Emrich CT (2016) Social vulnerability to natural hazards in Brazil.
Int J Disaster Risk Sci 7:111-122
Dintwa KF, Letamo G, Navaneetham K (2019) Quantifying social vulnerability to natural hazards in
Botswana: an application of cutter model. Int J Disaster Risk Reduct 37:101189
DEM & INE (2019) Estimación de personas extranjeras residentes en Chile al 31 de diciembre de 2018,
Chile.
Donner W, Rodríguez H (2008) Population composition, migration and inequality: the influence of
demographic changes on disaster risk and vulnerability. Fuerzas sociales 87:1089-1114
EM-DAT (2020) EM-DAT: La base de datos internacional sobre catástrofes OFDA/CRED: Universite'
Catholique de Lovaina-Bruselas-Bélgica
Fatemi F, Ardalan A, Aguirre B, Mansouri N, Mohammadfam I (2017) Social vulnerability indicators in
disasters: findings from a systematic review. Int J Disaster Risk Reduct 22:219-227
Fekete A (2019a) Social vulnerability (re-) assessment in context to natural hazards: review of the use-
fulness of the spatial indicator approach and investigations of validation demands. Int J Disaster Risk
Sci 10:220-232
Fekete A (2019b) Social vulnerability change assessment: monitoring longitudinal demographic indica- tors
of disaster risk in Germany from 2005 to 2015. Nat Hazards 95:585-614
Fekete A, Damm M, Birkmann J (2010) Scales as a challenge for vulnerability assessment. Nat Hazards
55:729-747
Frigerio I, De Amicis M (2016) Mapping social vulnerability to natural hazards in Italy: a suitable tool for
risk mitigation strategies. Environ Sci Policy 63:187-196
Fuenzalida H (1965) Geografía económica de Chile Santiago, Chile: CORFO. pp 228-267
González M et al (2020) Incendiosforestales en Chile: Causas. Santiago, Chile, Impactos y Resiliencia-
center for climate and resilience research
Hemingway L, Priestley M (2006) Natural hazards, human vulnerability and disabling societies: a disas-
ter for disabled people? Revista internacional de estudios sobre discapacidad
Holand IS, Lujala P, Rød JK (2011) Social vulnerability assessment for Norway: a quantitative approach.
NorskGeografiskTidsskrift-Norwegian J Geogr 65:1-17
INE (2014) Auditoría Técnica a la base de daros del levantamiento Censal año 2012. Chile
INE (2017) Censo de Población y Vivienda 2017.
INE (2018) Manual de Usuario de la base de datos del Censo de Población y Vivienda 2017. Instituto-
Nacional de Estadísticas, Chile.
Kelman I, Stough L (2015) Discapacidad y catástrofe: exploraciones e intercambios. Springer, Cham
Khan FA, Salman A (2012) A simple human vulnerability index to climate change hazards for Pakistan.
Int J Disaster Risk Sci 3:163-176
Kuhlicke C, Scolobig A, Tapsell S, Steinführer A, De Marchi B (2011) Contextualizing social vulner- ability:
findings from case studies across Europe. Nat Hazards 58:789-810
Lara LE (2009) La erupción de 2008 del volcán Chaitén, Chile: un informe preliminar. Geología andina
36:125-129
Lee Y-J (2014) Indicadores de vulnerabilidad social como herramienta de planificación sostenible. Environ
Impact Assess Rev 44:31-42
Malpass A, West C, Quaill J, Barker R (2019) Experiencias de personas con discapacidad que se refugian
durante desastres naturales: una revisión integradora. Aust J EmergManag 34:60
Marmot M (2005) Determinantes sociales de las desigualdades en salud. Lancet 365:1099-1104
Martínez C (2014) Factores de vulnerabilidad y reconstrucción posterremoto en tres localidades costeras
chilenas:¿ generación de nuevas áreas de riesgo?. Bulletin de l'Institut français d'études andines. pp
529-558
Martínez C, Cienfuegos R, Inzunza S, Urrutia A, Guerrero N (2020) Worst-case tsunami scenario in
Cartagena Bay, central Chile: challenges for coastal risk management. Ocean Coast Manag
185:105060
Masozera M, Bailey M, Kerchner C (2007) Distribution of impacts of natural disasters across income
groups: A case study of New Orleans. Ecol Econ 63:299-306
McEntire DA (2005) Why vulnerability matters: exploring the merit of an inclusive disaster reduction
concept. Disaster Prev Manag 14(2):206-222. https://doi.org/10.1108/09653560510595209
Menoni S, Molinari D, Parker D, Ballio F, Tapsell S (2012) Assessing multifaceted vulnerability and
resilience in order to design risk-mitigation strategies. Nat Hazards 64:2057-2082
Moran PA (1948) La interpretación de mapas estadísticos. J Roy Stat Soc: Ser B (Methodol) 10:243-251
Müller A, Reiter J, Weiland U (2011) Assessment of urban vulnerability towards floods using an indica-
Un estudio de caso para Santiago de Chile. Nat Hazards Earth Syst Sci 11:2107-2123.
https://doi.org/10.5194/nhess-11-2107-2011

13
Riesgos
naturales
Murphy ST, Cody M, Frank LB, Glik D, Ang A (2009) Predictors of emergency preparedness and com-
pliance. Disaster Med Publ Health Preparedness 3(2):1-10. https://doi.org/10.1097/DMP.0b013
e3181a9c6c5
Muttarak R, Lutz W (2014) ¿Es la educación una clave para reducir la vulnerabilidad a las catástrofes
naturales y, por tanto, cambio climático inevitable? Ecol Soc. https://doi.org/10.5751/ES-06476-
190142
Ord JK, Getis A (1995) Local spatial autocorrelation statistics: distributional issues and an application.
Geogr Anal 27:286-306
Informe WR (2019) Índice Mundial de Riesgos 2019.
Rufat S, Tate E, Burton CG, Maroof AS (2015) Social vulnerability to floods: review of case studies and
implications for measurement. Int J Disaster Risk Reduct 14:470-486
Rufat S, Tate E, Emrich CT, Antolini F (2019) ¿Hasta qué punto son válidos los modelos de vulnerabilidad
social? Ann Am As Geo- graph 109:1131-1153
Samaniego J (2010) Terremoto en Chile: una primera mirada al 10 de marzo de 2010
Schmidtlein MC, Deutsch RC, Piegorsch WW, Cutter SL (2008) A sensitivity analysis of the social vulner-
ability index. Risk Anal Int J 28:1099-1114
Schmidtlein MC, Shafer JM, Berry M, Cutter SL (2011) Modeled earthquake losses and social vulnerability
in Charleston, South Carolina. ApplGeogr 31:269-281
SERNAGEOMIN (2020) Red Nacional de Vigilancia Volcánica. Servicio Nacional de Geología y Minería
de Chile. https://www.sernageomin.cl/red-nacional-de-vigilancia-volcanica/. 2020
Shapira S, Aharonson-Daniel L, Bar-Dayan Y (2018) Anticipated behavioral response patterns to an earth-
quake: the role of personal and household characteristics, risk perception, previous experience and
preparedness. Int J Disaster Risk Reduc 31:1
Siagian TH, Purhadi P, Suhartono S, Ritonga H (2014) Social vulnerability to natural hazards in Indonesia:
driving factors and policy implications. Peligros naturales 70:1603-1617
Sikandar R, Khan A (2019) Vinculación de la vulnerabilidad de género y los desastres. En: Zutshi B,
Ahmad A, Srungarapati A (eds) Reducción del riesgo de desastres. Palgrave Macmillan, Singapur.
https://doi. org/10.1007/978-981-10-8845-2_14
Stanton RR, Duran-Stanton AM (2019) Poblaciones vulnerables en desastres: residencia, resiliencia y
recursos asistente médico. Clinics 4:675-685
Tapsell S, McCarthy S, Faulkner H, Alexander M (2010) Social vulnerability to natural hazards State of the
art report from CapHaz-Net's WP4 Londres
Tate E (2012) Social vulnerability indices: a comparative assessment using uncertainty and sensitivity anal-
ysis. Nat Hazards 63:325-347
UNDRR (2015) El Marco de Sendai para la Reducción del Riesgo de Desastres 2015-2030 22
Vergara R (2019) Inmigración en Chile: unamirada multidimensional. Fondo de CulturaEconómica Chile,
Centro de EstudiosPúblicos.
Vieira RMDSP et al (2020) Characterizing spatio-temporal patterns of social vulnerability to droughts, deg-
radation and desertification in the Brazilian northeast. Environ Sustain Indic 5:100016
Wilson SN, Tiefenbacher JP (2012) The barriers impeding precautionary behaviours by undocumented
immigrants in emergencies: the Hurricane Ike experience in Houston, Texas, USA. Environ Hazards
11:194-212
Yoon DK (2012) Assessment of social vulnerability to natural disasters: a comparative study. Nat Hazards
63:823-843
Zhou Y, Li N, Wu W, Wu J (2014a) Assessment of provincial social vulnerability to natural disasters in
China. Nat Hazards 71:2165-2186
Zhou Y, Li N, Wu W, Wu J, Shi P (2014b) Local spatial and temporal factors influencing population and
societal vulnerability to natural disasters. Risk Anal 34:614-639

Nota del editor Springer Nature se mantiene neutral con respecto a las reclamaciones jurisdiccionales en los
mapas publicados y las afiliaciones institucionales.

13