Analysis of spatial interpolation of COVID-19 infection in the Luján river basin
Main Article Content
Abstract
One of the factors that must be taken into account when analyzing the spread of a virus is the geographic or spatial factor, which conditions its spatial diffusion process based on the functional relations occurring in geographic space. This article develops the methodological proposal based on the spatial interpolation method called Kernel Density Estimation, which aims at cartographic modeling of continuous densities, considering the COVID-19 infection rate. The study area corresponds to the municipalities of the Luján river basin (Argentina). The cartographic results show a marked spatial differentiation of the incidence of infection within the municipalities in the study area, defining sectors of greater dynamism in the spatio-temporal spread of the virus.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This magazine is available in open access under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (http://creativecommons.org/licenses/by-nc-sa/4.0/).
References
Bosque Sendra, J.; García, R. (2001). Métodos de interpolación para la elaboración de un modelo digital de elevaciones. Estudios geográficos, 245. pp. 605-620. DOI: https://doi.org/10.3989/egeogr.2001.i245.268
Buzai, G. D. y Baxendale, C. (2011). Análisis socioespacial con Sistemas de Información Geográfica. Tomo 1. Perspectiva científica/Temáticas de base raster. Buenos Aires: Lugar Editorial.
Buzai, G. D. y Baxendale, C. (2012). Análisis socioespacial con Sistemas de Información Geográfica. Tomo 2. Ordenamiento territorial/Temáticas de base vectorial. Buenos Aires: Lugar Editorial.
Buzai, G. D., Baxendale, C., Humacata, L. y Principi, N. (2016). Sistemas de Información Geográfica. Cartografía temática y análisis espacial. Buenos Aires: Lugar Editorial.
Brunsdon, Ch. (1995). Estimating probability furces for geographical point data: and adaptive kernel algorithm. Computers and geosciences. 21(7). pp 874-894. DOI: https://doi.org/10.1016/0098-3004(95)00020-9
De Cos Guerra, O. (2004). Valoración del método de densidades focales (Kernel) para la identificación de los patrones espaciales de crecimiento de la población en España. GeoFocus (Artículos), 4. 136-165.
Ercolano, S. (2002). Densidad de población y sustentabilidad en la ciudad de Zaragoza. En L. A. Longares Alardeen y J. L. y Peña Monné (Eds.), Aportaciones geográficas en memoria del profesor L. Miguel Yetano Ruiz. Zaragoza: Universidad de Zaragoza, Departamento de Geografía y Ordenación del Territorio, pp. 173-182.
Humacata, L. (2020). Análisis espacial del COVID-19 en los partidos de la cuenca del río Luján (Provincia de Buenos Aires, Argentina), durante los meses de marzo a agosto de 2020. Revista Cardinalis, 8(15), 121–136. Recuperado de https://revistas.unc.edu.ar/index.php/cardi/article/view/31763/32727
Instituto Nacional de Estadística y Censos, INDEC (2013). Censo Nacional de Población, Hogares y Vivienda 2010. Base de datos REDATAM. Instituto Nacional de Estadística y Censos de la República Argentina. Buenos Aires, Argentina. Recuperado de https://www.indec.gob.ar/
Méndez, M. y Calvo, L. A. (2015). Evaluación de diversos modelos de interpolación espacial para la estimación de la precipitación promedio en la cuenca alta de río Toro. PROHIMET. Costa Rica.
Ministerio de Salud de la República Argentina (2020). Reporte Diario COVID-19. Recuperado de https://www.argentina.gob.ar/Coronavirus/informe-diario
Moreno Jiménez, A. (1991). Modelización cartográfica de densidades mediante estimadores Kernel. Treballs de la Societat Catalana de Geografia, 30, 155-170.
Olivera, A. (1993). Geografía de la Salud. Madrid: Síntesis.
Parras, A. (2015). Modelización de la red de transporte público a partir de isócronas. En G. D. Buzai, G. Cacace, L. Humacata y S. Lanzelotti, Teoría y métodos de la Geografía Cuantitativa. Libro 1. Por una Geografía de lo real. Mercedes: MCA Libros. pp 195-21
Pezzuchi, G. (2003). Análisis espacial del delito. Análisis exploratorio de enfrentamientos policiales, años 1999-2001 en el Conurbano Bonaerense-Argentina (Tesis de Maestría en Sistemas de Información Geográfica). Quito: Universidad San Francisco de Quito.
Pickenhayn, J. A. (2008). Geografía de la Salud: el camino de las aulas. En Ch. Barcellos (Org.). A Geografía e o contexto dos problemas de saúde (pp. 63-84). Río de Janeiro: Abrasco.
Pumain, D. y Saint Julien, T. (2014). Análisis espacial. Las interacciones. Santiago: Pontificia Universidad Católica de Chile. Serie GEOlibros, n° 21.
Ramírez, L. (2020). Evolución, distribución y difusión del COVID-19 en Argentina: primer mes (03/03/2020 - 02/04/2020). Revista Posición. Dossier: análisis geográfico del COVID-19. Instituto de Investigaciones Geográficas, Universidad Nacional de Luján, 3.
Romero Méndez, A. y Montes Galbán, E. (2009). Evaluación espacio–temporal de la sedimentación en el embalse Burro Negro, estado Zulia/Venezuela mediante el uso combinado de SIG–Ecosonda–DGPS. GeoFocus (Artículos), 9, 209-231.
Santos Preciado, J. M. y García Lázaro, F. J. (2003). El método dasimétrico-picnofiláctico: un procedimiento para la desagregación de datos censales. IX Conferencia Iberoamericana de SIG. Universidad de Extremadura. CD-ROM, 1-16.
Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Londres: Chapman & Hall.
Unwin, D.J. (1996). GIS, spatial analysis and spatial statistics. Progress in Human Geography. 20(4), 540-551. DOI: https://doi.org/10.1177/030913259602000408
Warntz, W. (1975). La nueva geografía como teoría de sistemas espaciales: ¿cuenta mucho la vieja “física social”?. En R. J. Chorley (Ed.), Nuevas tendencias en geografía (pp. 137-187). Madrid: IEAL.