Análisis y simulación del crecimiento poblacional utilizando variaciones con factores ambientales en la Región Piura, Provincia Morropón Chulucanas.

Abstract

El crecimiento poblacional es un fenómeno complejo que incide de forma directa en la planificación urbana, el uso sostenible de los recursos naturales y la adaptación frente a escenarios de cambio climático (Naciones Unidas, 2022). La modelación matemática de dicha dinámica ha sido objeto de múltiples investigaciones, especialmente mediante modelos de crecimiento como el exponencial y el logístico, los cuales han sido adaptados con éxito para considerar variables ambientales en contextos específicos (González, 2023). En ese marco, el distrito de Chulucanas, ubicado en la región de Piura, Perú representa un caso de estudio relevante debido a su dinamismo demográfico y su exposición recurrente a fenómenos extremos como El Niño, sequías e inundaciones (INEI, 2021). El objetivo general de esta investigación fue desarrollar un modelo matemático que simule el crecimiento poblacional del distrito considerando la variabilidad de factores ambientales, con el fin de predecir tendencias bajo distintos escenarios climáticos. Para ello, se analizaron series temporales de temperatura, precipitación, natalidad y mortalidad, se compararon modelos de crecimiento, y se realizaron simulaciones numéricas con validación empírica. El modelo logístico con tasa de crecimiento dependiente del clima mostró el mejor ajuste, siendo implementado mediante el método numérico de Runge-Kutta de cuarto orden. Las simulaciones arrojaron una precisión superior al 94 %, con desviaciones menores al 6 % en comparación con datos históricos. Asimismo, se incorporó un análisis de sensibilidad y una estimación de capacidad de carga ajustada en función de agua, vivienda y servicios básicos, proyectando un límite poblacional sostenible de 150 000 habitantes. Bajo escenarios climáticos extremos, el crecimiento se desacelera significativamente. Los resultados evidencian la importancia de integrar variables ambientales en la modelación poblacional y ofrecen una herramienta predictiva útil para la gestión territorial y la planificación urbana en zonas vulnerables al cambio climático.

Population growth is a complex phenomenon that directly impacts urban planning, the sustainable use of natural resources, and adaptation to climate change scenarios (United Nations, 2022). The mathematical modeling of this dynamic has been the subject of numerous investigations, particularly through growth models such as exponential and logistic models, which have been successfully adapted to consider environmental variables in specific contexts (González, 2023). Within this framework, the district of Chulucanas, located in the Piura region of Peru, represents a relevant case study due to its demographic dynamism and its recurrent exposure to extreme events such as El Niño, droughts, and floods (INEI, 2021). The overall objective of this research was to develop a mathematical model that simulates the district's population growth, considering the variability of environmental factors, in order to predict trends under different climate scenarios. To this end, time series of temperature, precipitation, birth, and death rates were analyzed, growth models were compared, and numerical simulations with empirical validation were performed. The logistic model with a climate-dependent growth rate showed the best fit, and was implemented using the fourth-order Runge-Kutta numerical method. The simulations yielded an accuracy greater than 94 %, with deviations of less than 6 % compared to historical data. A sensitivity analysis and an adjusted carrying capacity estimate based on water, housing, and basic services were also incorporated, projecting a sustainable population limit of 150,000 inhabitants. Under extreme climate scenarios, growth slows significantly. The results demonstrate the importance of integrating environmental variables into population modeling and offer a useful predictive tool for territorial management and urban planning in areas vulnerable to climate change.