Resumen (Objetivo) El objetivo de este estudio fue analizar qué papel pueden jugar las tecnologías de teledetección para estudiar los factores multidimensionales que influyen en la seguridad alimentaria y nutricional (SAN), en Córdoba Argentina. (Metodología) El área de estudio comprende la ciudad de Córdoba, Argentina. Se obtuvieron datos epidemiológicos de la prevalencia de bajo peso, sobrepeso y obesidad (malnutrición) durante el 2013 de 23 centros de atención primaria de la ciudad. Se exploraron las condiciones ambientales de los centros en un radio de 1000 m. Se clasificaron imágenes SPOT 5, se utilizaron características espectrales y espaciales y se evidencia cómo una clasificación no supervisada puede dar información para describir la dimensión social y el acceso económico a los alimentos. Se realizó una regresión lineal multivariante para examinar la relación entre la prevalencia de malnutrición y las variables ambientales y espaciales, derivadas de las imágenes SPOT. (Resultados) Los resultados de la clasificación no supervisada de imágenes muestran la diferencia en el patrón espectral-espacial de los barrios, evidencian cómo una simple clasificación de imágenes de satélite puede convertirse en una herramienta de discriminación útil. Se obtienen análisis de regresión múltiple con R2 ajustados de 0,70 y 0,6435 respectivamente para desnutrición, y sobrepeso y obesidad. A partir de los modelos obtenidos, se construyen mapas continuos de prevalencia. (Conclusiones) El método propuesto en este trabajo puede discriminar socialmente diferentes áreas relacionadas con la SAN. Es innovador y necesario aprovechar las herramientas de teledetección y las tecnologías geoespaciales, en nuestra región, aplicadas a la SAN.
Resumo (Objetivo) O objetivo deste estudo foi analisar o papel que as tecnologias de sensoriamento remoto podem desempenhar no estudo dos fatores multidimensionais que influenciam a segurança alimentar e nutricional (SAN) em Córdoba, Argentina. (Metodologia) A área de estudo compreende a cidade de Córdoba, Argentina. Dados epidemiológicos sobre a prevalência de baixo peso, sobrepeso e obesidade (desnutrição) durante 2013 foram obtidos de 23 centros de atenção primária à saúde da cidade. As condições ambientais dos locais foram exploradas dentro de um raio de 1000 m. As imagens do SPOT 5 foram classificadas e as características espectrais e espaciais utilizadas, e o que se mostra é como uma classificação sem supervisão pode fornecer informações para descrever a dimensão social e o acesso econômico aos alimentos. A regressão linear multivariada foi realizada para examinar a relação entre a prevalência da desnutrição e as variáveis ambientais e espaciais derivadas das imagens de SPOT. (Resultados) Os resultados da classificação da imagem não supervisionada mostram a diferença no padrão espectral espacial dos bairros, evidenciando como uma simples classificação da imagem de satélite pode se tornar uma ferramenta útil de discriminação. São obtidas as análises de regressão múltipla com R2 ajustado de 0,70 e 0,6435 respectivamente para desnutrição, sobrepeso e obesidade. Os mapas de prevalência contínua são construídos a partir dos modelos obtidos. (Conclusões) O método proposto neste trabalho pode discriminar socialmente diferentes áreas relacionadas à SAN. É inovador e necessário tirar proveito de ferramentas de sensoriamento remoto e tecnologias geoespaciais, em nossa região, aplicadas à SAN.
Abstract (Objective) The aim of this study was to analyze which role remote sensing technologies can play to study multidimensional factors influencing the Food and Nutrition Security (FNS), in Córdoba Argentina. (Methodology) The study area includes the city of Córdoba, Argentina. Epidemiological data on theprevalence of underweight, overweight, and obesity (malnutrition) in 2013 were obtained from 23 primaryhealth care centers in the city. The environmental conditions of the surroundings of the health centers were explored within a radius of 1000m. SPOT 5 images were classified using spectral and spatial features and we show how a non-supervised classification can give information to describe the social dimension and economic access to food. In addition, a multivariate stepwise linear regression was performed to examine the relation between the prevalence of malnutrition and the environmental and spatial variables, derived from the SPOT image, proposed. (Results) The results of the unsupervised image classification show the difference in the spectral-spatial pattern of neighborhoods showing how a simple satellite image classification can become a useful discrimination tool. Multiple regression analyses with adjusted R2 of 0.70 and 0.6435 respectively are obtained for undernutrition, and overweight, and obesity. On the basis of the obtained models, continuous maps of prevalence are built. (Conclusions) The method proposed in this work can discriminate socially different areas related to FNS. It is innovative and necessary to take advantage of remote sensing tools and geospatial technologies, in our region, applied to FNS.