Documentos de Académico
Documentos de Profesional
Documentos de Cultura
https://doi.org/10.1007/s11069-021-04657-1
PAPEL ORIGINAL
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.
🖂 Nicolás C. Bronfman
nbronfman@unab.cl
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.
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
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
2.2 Datos
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.
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
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).
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.
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.
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
13
Cuadro 3 Estructuras factoriales para el análisis de la vulnerabilidad social 1992-2017
13
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
antiguo con
adulto dificulta
s des
mentales
Cuadro 3 (continuación)
13
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
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.
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
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
13
Riesgos
naturales
Cuadro 5 Porcentaje de distritos Macrozona % Distritos % Población
y población por nivel de
Vulnerabilidad Social 1992 2002 2017 1992 2002 2017
13
Riesgos
transformaciones: si bien en la primera naturales
13
Riesgos
naturales
Cuadro 6 Estadísticas de agrupación espacial Moran y LISA, 1992-2017
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.
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
4 Debate
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.
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.
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
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.
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