📄 earth_science

Diagnosing Spatial Disparities in Urban Flood Burden through Hydro- Environmental Normalization in Jakarta, Indonesia

Este estudio introduce el marco de la Desviación de la Carga de Inundación Normalizada por Peligro (HNFBDev, por sus siglas en inglés) para diagnosticar las disparidades espaciales en la carga de inundación urbana de Yakarta mediante la cuantificación de la desviación entre los resultados observados y los ambientalmente esperados, identificando así los lugares donde los impactos de las inundaciones son inusualmente altos o bajos en relación con las condiciones hidroambientales.

Autores originales: Rifky Husaini, Perdinan Perdinan, Novindra Novindra

Publicado 2026-08-11

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Rifky Husaini, Perdinan Perdinan, Novindra Novindra

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El Gran Juego del Detective de las Inundaciones

Imagina que estás tratando de averiguar por qué algunos vecindarios se empapan en una tormenta de lluvia mientras otros permanecen secos. En el mundo de la ciencia, esto se llama "evaluación de inundaciones urbanas". Normalmente, los científicos observan dos cosas principales: el peligro (cuánta lluvia cayó o qué tan alto llegó el río) y la exposición (cuántas personas viven allí). Es como revisar el tamaño de una ola y contar el número de nadadores. Si la ola es enorme y la multitud es grande, asumimos que el desastre es masivo.

Pero aquí está la parte complicada: a veces una ola enorme golpea un lugar con muy poca gente, y el "desastre" se siente pequeño. Otras veces, una ola de tamaño medio golpea un vecindario concurrido y el caos es enorme. Este artículo hace una pregunta inteligente: ¿Es el desastre real que vemos más grande o más pequeño de lo que esperaríamos, dado el clima y el terreno? Para responder a esto, los investigadores utilizan un método llamado "diagnósticos de observado-esperado". Piensa en ello como un profesor calificando un examen. Si un estudiante obtiene un 90% en un examen súper difícil, eso es increíble. Si obtiene un 90% en un examen donde todos los demás obtuvieron un 99%, tal vez no estudió lo suficiente. Este artículo intenta calificar los vecindarios de Yakarta no solo por qué tan mojados quedaron, sino por qué tan mojados quedaron en comparación con lo que el clima y las condiciones del suelo decían que deberían quedar.

La Historia del Detective de Inundaciones de Yakarta

En la bulliciosa y baja ciudad de Yakarta, Indonesia, las inundaciones son una mezcla complicada de lluvias intensas, el aumento del nivel del mar, el hundimiento del suelo y calles congestionadas. Los investigadores, Rifky Husaini, Perdinan y Novindra, querían resolver un misterio: ¿Por qué algunos vecindarios sufren más que otros, incluso cuando el clima parece similar? No solo querían mapear hacia dónde fue el agua; querían saber si la carga (los problemas causados por el impacto del agua sobre las personas) era inusualmente alta o baja.

Para hacer esto, crearon una nueva herramienta llamada HNFBDev (Desviación de la Carga de Inundación Normalizada por el Peligro). Suena como el nombre de un robot, pero es en realidad un verificador de "Expectativa vs. Realidad". Así es como jugaron el juego:

Paso 1: La puntuación "Esperada"
Primero, construyeron un modelo digital de la "personalidad de inundación" de Yakarta. Observaron la lluvia, la pendiente del terreno, la cercanía del vecindario al océano, cuánto se hundía el suelo y cuántos edificios había. Basándose en estos ingredientes, calcularon cuál debería ser la carga de la inundación. Si un vecindario está justo en la costa y el suelo se está hundiendo, el modelo dice: "Deberías esperar muchos problemas". Si un vecindario está en una zona alta y lejos del río, el modelo dice: "Deberías esperar muy pocos problemas".

Paso 2: La puntuación "Observada"
Después, observaron lo que realmente sucedió. Usando ojos satelitales (específicamente el radar Sentinel-1, que puede ver a través de las nubes), rastrearon las inundaciones importantes entre 2020 y 2024. No solo contaron el agua; contaron a las personas paradas en el agua. Combinaron las imágenes satelitales de las áreas inundadas con mapas de dónde vive la gente para crear una "puntuación de carga".

Paso 3: La Gran Revelación (La Desviación)
Finalmente, restaron la puntuación "Esperada" de la puntuación "Observada".

Puntuación Positiva: El vecindario recibió más problemas de los que el clima y el terreno predijeron.
Puntuación Negativa: El vecindario recibió menos problemas de los predichos.
Puntuación Cero: El vecindario recibió exactamente lo esperado.

Lo Que Encontraron

Los resultados fueron fascinantes y demostraron que la historia de las inundaciones de Yakarta es más compleja que simplemente "lluvia + gente = desastre".

El Clima Explica Algo, Pero No Todo
Los investigadores encontraron que la "personalidad de inundación" (el forzamiento hidro-ambiental) hizo un trabajo decente prediciendo la carga. Explicó aproximadamente el 22.8% de las diferencias entre vecindarios. Esto significa que, si bien la lluvia y el hundimiento del suelo son importantes, no cuentan toda la historia. Queda mucho misterio por resolver.

Los Puntos Calientes "Alto-Alto"
El mapa de las "Puntuaciones Positivas" (lugares que recibieron más problemas de lo esperado) no fue aleatorio. Formó grandes grupos, especialmente en las partes norte y central de Yakarta. Los vecindarios de Tangki, Kota Bambu Utara, Jembatan Besi, Duri Selatan y Duri Utara tuvieron las puntuaciones de "desviación" más altas, que oscilaron entre 3.56 y 3.83. Estos lugares estaban siendo golpeados mucho más fuerte de lo que el clima y el terreno por sí solos sugerirían.

Las Zonas Frescas "Bajo-Bajo"
Por el contrario, algunas áreas en el sur y el oeste tuvieron "Puntuaciones Negativas". Estos vecindarios sufrieron menos problemas de los esperados. Esto podría significar que tienen un excelente drenaje, una mejor protección, o quizás los satélites pasaron por alto algo de agua allí.

El Patrón es Real
Los investigadores verificaron si estos patrones eran solo un error de su matemática. Intentaron cambiar los pesos de sus ingredientes (dándole más importancia a la lluvia o más importancia al hundimiento del suelo) y los resultados se mantuvieron casi iguales. La correlación fue increíblemente alta (0.990 con una ponderación estándar y 0.970 con una ponderación igual). Esto sugiere que el "problema extra" o la "suerte extra" en estos vecindarios es algo real y físico, no solo un error en el cálculo.

Lo Que Esto Significa (Y Lo Que No Significa)

Los autores son muy cuidadosos al decirnos lo que esta herramienta no es. Establecen explícitamente que una puntuación alta no significa que el gobierno local sea malo, que la infraestructura esté rota o que la gente sea vulnerable. Tampoco nos dice por qué la carga es alta. Solo marca el vecindario como "sospechoso".

Piensa en el HNFBDev como una alarma de humo. Si la alarma suena, no te dice si hay un incendio, una tostada quemada o una ducha con mucho vapor. Solo te dice: "Oye, algo está pasando aquí que no coincide con las reglas habituales".

El artículo sugiere que estos grupos "Alto-Alto" son lugares donde necesitamos mirar más de cerca. Tal vez hay un cuello de botella oculto en el drenaje, un río bloqueado o un tipo específico de diseño de edificios que atrapa el agua. Las áreas "Bajo-Bajo" podrían ser lugares donde las defensas locales están funcionando bien, o tal vez los satélites simplemente no vieron el agua.

La Conclusión

Este estudio nos ofrece una nueva forma de ver los mapas de inundaciones. En lugar de solo decir "esta área está mojada", ahora podemos decir "esta área está más mojada de lo que debería estar, dado el clima y el suelo". Al usar este trabajo de detective de "observado-esperado", los planificadores urbanos pueden dejar de adivinar y comenzar a investigar los vecindarios específicos donde la carga de la inundación actúa de manera extraña. Es una herramienta para encontrar pistas, no para resolver todo el misterio de una sola vez. Los autores enfatizan que este es un instrumento de detección para ayudar a priorizar a dónde enviar a los verdaderos expertos para investigar, asegurando que los recursos vayan a los lugares donde la carga de la inundación es verdaderamente fuera de lo común.

Resumen Técnico: Diagnóstico de las Disparidades Espaciales en la Carga de Inundaciones Urbanas mediante la Normalización Hidroambiental en Yakarta, Indonesia

Planteamiento del Problema
La evaluación de inundaciones urbanas tradicionalmente se centra en identificar ubicaciones con altos niveles de peligrosidad, exposición o vulnerabilidad. Sin embargo, los marcos existentes a menudo no logran distinguir si una carga de inundación realizada es inusualmente alta o baja en relación con las condiciones hidroambientales específicas bajo las cuales ocurre. En ciudades costeras y deltaicas complejas como Yakarta, los resultados de las inundaciones son el resultado de factores interactuantes (procesos pluviales, fluviales, costeros, de hundimiento del terreno y de la superficie terrestre) en lugar de mecanismos únicos. En consecuencia, una alta carga observada en una zona altamente propensa a inundaciones puede ser consistente con las expectativas ambientales, mientras que una carga moderada en una zona de bajo riesgo podría indicar una falla en la protección o una brecha de datos. Los métodos actuales carecen de un diagnóstico geoespacial que separe explícitamente el forzamiento hidroambiental representado de la carga de inundación urbana realizada para identificar disparidades espaciales que ameriten mayor investigación.

Metodología
El estudio desarrolla y aplica la Desviación de la Carga de Inundación Normalizada por el Peligro (HNFBDev, por sus siglas en inglés), un marco de diagnóstico geoespacial observado–esperado. El análisis se realizó a nivel de kelurahan (aldea urbana) en 261 unidades administrativas de Yakarta, Indonesia, cubriendo el periodo 2020–2024.

Línea Base de Forzamiento Hidroambiental: Se construyó una superficie de forzamiento compuesto para representar las condiciones ambientales bajo las cuales se espera la carga de inundación. Esta línea base integró factores terrestres (precipitación diaria máxima, elevación ajustada por hundimiento, pendiente, proximidad al agua superficial, intensidad de áreas construidas, impermeabilidad) y factores costeros (elevación ajustada por hundimiento, proximidad a la costa, conectividad de ríos/estuarios). Los indicadores se normalizaron a una escala de 0 a 1 y se integraron mediante una suma algebraica difusa para crear una puntuación de forzamiento compuesto.
Carga Observada Ponderada por Población y Exposición: Utilizando imágenes de radar de apertura sintética (SAR) de Sentinel-1, se mapearon las extensiones de inundación para eventos principales seleccionados (2020–2024). Estas extensiones se intersectaron con datos de población en cuadrícula (WorldPop) para calcular un proxy anual de la carga de inundación ponderada por la exposición de la población para cada kelurahan. Esta métrica representa la intersección de la inundación y la población expuesta, en lugar de la pérdida económica directa o la profundidad de la inundación.
Modelado de la Expectativa Ambiental: Se desarrolló un modelo de expectativa ambiental para estimar la carga anticipada bajo el forzamiento hidroambiental representado. Dada la naturaleza no negativa y con sesgo a la derecha de los datos, se evaluaron tres especificaciones de modelos (GLM de Tweedie, OLS con transformación logarítmica y modelos de dos partes o hurdle models). El modelo final (seleccionado según su adecuación y estabilidad) estimó la carga esperada ( $\hat{B}_{it}$ ) para cada unidad.
Cálculo de HNFBDev: La desviación entre la carga observada ( $B_{it}$ ) y la carga esperada se calculó como el residuo anual ( $e_{it}$ ). Estos residuos se agregaron tomando la mediana a través del periodo de estudio para cada kelurahan. El valor final de HNFBDev se derivó estandarizando estos residuos medianos ( $HNFBDev_i = \frac{\tilde{e}_i - \mu_{\tilde{e}}}{\sigma_{\tilde{e}}}$ ).
Diagnósticos Espaciales y Robustez: Se utilizaron estadísticas de la I de Moran global y local para probar la autocorrelación espacial e identificar conglomerados (Alto-Alto, Bajo-Bajo) y valores atípicos. La robustez se evaluó comparando los resultados bajo una ponderación informada por la literatura frente a una ponderación equitativa de los componentes de forzamiento, y evaluando supuestos alternativos de la máscara de inundación.

Resultos Clave

Forzamiento vs. Carga: El forzamiento hidroambiental compuesto mostró una relación positiva estadísticamente significativa con el proxy de la carga de inundación ponderada por la población y la exposición. Sin embargo, el modelo de forzamiento explicó solo el 22.8% de la variación en la carga observada, lo que indica que la línea base hidroambiental proporciona una referencia pero no determina completamente los resultados realizados.
Disparidades Espaciales: La superficie de HNFBDev reveló una sustancial heterogeneidad intraurbana. Las desviaciones positivas (carga mayor de lo esperado) se concentraron en el norte y centro de Yakarta, mientras que las desviaciones negativas (carga menor de lo esperado) aparecieron con mayor frecuencia en las zonas sur y oeste.
Puntos Críticos Específicos: Las desviaciones positivas más altas (valores de HNFBDev entre 3.56 y 3.83) se identificaron en kelurahan tales como Tangki, Kota Bambu Utara, Jembatan Besi, Duri Selatan y Duri Utara.
Organización Espacial: Los valores de HNFBDev exhibieron una autocorrelación espacial significativa (I de Moran Global = 0.355, p = 0.001). El análisis local identificó conglomerados de Alto-Alto (29 unidades) donde las áreas vecinas experimentaron consistentemente una carga mayor de lo esperado, y conglomerados de Bajo-Bajo (44 unidades) donde la carga fue menor de lo esperado. Los valores atípicos espaciales fueron menos comunes.
Robustez: Los rankings de HNFBDev y los patrones espaciales fueron altamente estables bajo supuestos analíticos alternativos, mostrando una correlación de Pearson de 0.990 entre los esquemas de forzamiento de ponderación equitativa y los informados por la literatura.

Significancia y Reivindicaciones
El artículo posiciona al HNFBDev como un diagnóstico geoespacial observado–esperado transferible diseñado para complementar, no reemplazar, los modelos hidrodinámicos existentes, las evaluaciones de vulnerabilidad o las auditorías de infraestructura.

Utilidad Diagnóstica: La contribución principal es la capacidad de identificar ubicaciones donde los resultados de las inundaciones son desproporcionadamente altos o bajos en relación con el entorno ambiental. Esto permite a los planificadores distinguir entre áreas donde una alta carga es "esperada" debido a un forzamiento severo y áreas donde una alta carga es "inesperada", lo que sugiere cuellos de botella en el drenaje, bajo rendimiento de la infraestructura o factores de exposición no medidos.
Herramienta de Cribado: Los autores declaran explícitamente que el HNFBDev es una herramienta de cribado y priorización. Identifica dónde se requiere una mayor verificación hidráulica, de infraestructura, institucional y local.
Límites de Interpretación: El estudio mantiene un alcance modesto respecto a sus afirmaciones. El HNFBDev no es una medida directa de:
- El desempeño de la adaptación o la resiliencia.
- La calidad de la gobernanza o la efectividad institucional.
- La efectividad de la infraestructura.
- La vulnerabilidad social, la profundidad de la inundación o los mecanismos causales.
- La pérdida económica directa.

Los autores advierten que la agrupación espacial de las desviaciones no valida automáticamente mecanismos específicos; más bien, destaca áreas donde la brecha "observado–esperado" requiere una triangulación de múltiples fuentes (por ejemplo, verificación de campo, análisis de redes de drenaje) para comprender las causas subyacentes. El marco se presenta como un paso hacia la priorización basada en evidencia en la planificación de la resiliencia climática urbana, particularmente en entornos con limitaciones de datos donde la información hidrodinámica o de infraestructura detallada puede ser incompleta.