JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
6
Análisis de escenarios potenciales de desarrollo para el
parque automotor de Bolivia y sus emisiones de gases
efecto invernadero en el software LEAP para el periodo
2020-2030
Analysis of Potential Development Scenarios for Bolivia’s Vehicle Fleet and its
Greenhouse Gas Emissions using the LEAP Software for the 2020–2030 Period
Sergio Adrián Marañón Rodriguez1. Carlos Ariel Alejandro Fernández2
1 Tesista investigador. Universidad Católica Boliviana. Cochabamba. Bolivia. sermaro9906@gmail.com
MSc. Ing. Ambiental - Consultor asociado, Energética, Cochabamba, Bolivia, caa.fernandez@uliege.be
RESUMEN
El presente estudio analiza el aporte del parque automotor boliviano a las
emisiones de gases de efecto invernadero (GEI) para el periodo 2020-2030, a
través de la modelación de escenarios en la plataforma LEAP. Se caracterizó
el parque automotor utilizando una metodología bottom-up, procesando la
información en matrices de consumo, rendimiento y kilometraje. Se estableció un
escenario base (Business As Usual, BAU), así como tres escenarios alternativos:
la electromovilidad permitiría una reducción del 9% en emisiones al 2030, la
especialmente los pesados, son los mayores emisores. Este trabajo busca
servir como insumo técnico para el diseño de políticas públicas orientadas a la
reducción de emisiones del sector transporte.
Palabras clave: LEAP, emisiones, CO2eq, parque automotor, Bolivia,
escenarios.
ABSTRACT
gas (GHG) emissions for the period 2020-2030, through scenario modeling
methodology, processing the information in consumption, performance and
mileage matrices. A base scenario (Business As Usual, BAU) and three alternative
results show that electromobility would allow a 9% reduction in emissions by
especially heavy vehicles, are the biggest emitters. This work seeks to serve
as technical input for the design of public policies to reduce emissions in the
transportation sector.
Keywords: LEAP, emissions, CO2
Citar como: Marañón
Rodriguez, S.A., Fernández,
C.A. Análisis de escenarios
potenciales de desarrollo para
el parque automotor de Bolivia
y sus emisiones de gases efecto
invernadero en el software
LEAP para el periodo 2020-
2030. Journal Boliviano De
Ciencias, 21(57) 6-28. https://
Recepción: 16/05/2025
Aprobación: 12/06/2025
Publicado: 30/06/2025
Declaración: Derechos
de autor 2025 Marañón
Rodriguez, S.A., Fernández,
C.A. Esta obra está bajo una
licencia internacional Creative
autores/as declaran no tener
en la publicación de este
documento.Creative Commons
.
Los autores/as declaran no tener
en la publicación de este
documento.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
7
1. INTRODUCCIÓN
El transporte ha sido un motor del desarrollo humano, pero su evolución hacia
sistemas motorizados ha generado importantes impactos ambientales, especialmente
por el uso de combustibles fósiles. Actualmente, el sector transporte es uno de los
mayores emisores globales de gases de efecto invernadero (GEI), contribuyendo al
cambio climático y sus efectos negativos sobre la salud, el ambiente y la economía.
país.
(INE, 2020). La mayoría de los vehículos se encuentran registrados como privados
energético del PA, el Balance Energético Nacional (BEN) muestra un consumo
de combustibles fósiles utilizados en el sector, dejando de lado combustibles
alternativos.
Figura 1. Evolución del consumo y tipo energético del sector transporte 2006-
esta perspectiva, la matriz energética del transporte está basada íntegramente
en combustibles fósiles. Es importante señalar que los datos relacionados al
transporte del BEN engloban al sector transporte en su totalidad. En otras palabras,
se incluyen automóviles, aviones y trenes (Ministerio de Hidrocarburos, 2019).
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
8
Figura 2.
Fuente: Ministerio de Hidrocarburos, 2019.
de GEI. Aunque Bolivia no destaca por su volumen de emisiones, es uno de los
países más vulnerables al cambio climático en Sudamérica, debido a factores
como pobreza, deforestación y la presencia de ecosistemas frágiles como glaciares
tropicales.
Sin embargo, el país carece de inventarios actualizados de emisiones del transporte.
y poca modelación prospectiva a nivel nacional.
Ante esta situación, el presente estudio se propuso estimar el aporte actual y
futuro del parque automotor boliviano a las emisiones de GEI entre 2020 y 2030,
cuatro escenarios: uno de línea base (Business As Usual) y tres alternativos
de electromovilidad.
(2) estimar emisiones en un escenario tendencial, y (3) modelar y comparar los
escenarios de mitigación. Esta investigación busca aportar una base técnica y
energética y climática del país.
2. METODOLOGÍA
La investigación adoptó un enfoque cuantitativo-descriptivo y de tipo proyectivo,
utilizando la plataforma LEAP (Low Emissions Analysis Platform) como
herramienta para modelar el comportamiento energético y las emisiones del
parque automotor boliviano entre 2020 y 2030. El estudio se estructuró en cinco
etapas fundamentales: (1) caracterización del parque automotor, (2) construcción
y validación de la base de datos, (3) Desarrollo y análisis del escenario Business
comparativo de resultados.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
9
2.1 Caracterización del parque automotor
Esta etapa consistió en la recopilación y organización de datos provenientes
de diversas instituciones públicas bolivianas, como el Instituto Nacional de
Estadística (INE), el Ministerio de Hidrocarburos y el Ministerio de Energías. Se
utilizaron principalmente boletines estadísticos, rendiciones de cuentas, balances
energéticos y bases de datos disponibles públicamente. Con base en estos insumos,
referencia los lineamientos del Panel Intergubernamental sobre Cambio Climático
(IPCC). Esta segmentación fue adaptada a la disponibilidad local de datos y
diseñada para ser compatible con los requerimientos del software LEAP. Así,
procesamiento y modelación.
2.2 Construcción de la base de datos
Una vez recopilados los datos, se construyó una base de datos estructurada en
desagregación detallada. Esta etapa se desarrolló a través de la construcción de
cuatro matrices clave:
• Matriz A
combustible y año, abarcando el periodo 2003–2016. Los datos fueron
tomados del documento del INE “Estadísticas del parque automotor
participaciones por tipo de vehículo y combustible.
• Matriz B: Recoge los rendimientos vehiculares (km.L-1), transformados
a L.km-1, obtenidos de fuentes como la Environmental Protection Agency
(EPA) y el Ministerio de Energía de Chile. En casos donde la información
fue limitada, como con vehículos a GNV, se recurrió a estudios
especializados.
• Matriz C
mediante un promedio ponderado. Este fue construido a partir de estudios
• Matriz D: Integra las matrices anteriores para estimar el consumo diario
y anual de combustible, mediante la fórmula , donde C representa el
consumo en litros (L), Q la cantidad de vehículos (adimensional), D el
en la página de la EPA (2021b). Esta información se validó contra el
Balance Energético Nacional (BEN), manteniendo una diferencia dentro
del ±3%.
mayor precisión su cantidad real (considerando datos de la Entidad Ejecutora de
Conversión a GNV), y se aplicó la ley de Boyle para corregir las condiciones de
presión del gas, garantizando coherencia entre las distintas fuentes de datos.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
10
2.3 Análisis de los datos procesados
La tercera etapa comprendió un análisis estadístico para validar y proyectar los
estimaciones del modelo y los datos reportados por el BEN. Se eliminaron años
atípicos que generaban desviaciones anómalas y se aplicó una regresión lineal para
proyección se formuló mediante una ecuación de regresión simple, asegurando que
las predicciones se mantuvieran dentro de un margen de error aceptable de ±3%.
Los resultados proyectados fueron comparados con los datos reales para validar
proyecciones hasta el año 2030, utilizando la misma metodología.
2.4. Desarrollo y análisis del escenario Business as Usual (BAU)
Durante esta etapa se construyó el escenario de referencia denominado Business
as Usual (BAU), que representa la evolución natural del parque automotor sin
políticas adicionales de intervención. Este escenario estableció una línea base para
2016, por ser el año más reciente con datos desagregados disponibles. El periodo
de análisis fue de 10 años, y las proporciones de vehículos se mantuvieron según
de potencial de calentamiento global de 100 años.
del parque automotor basado en datos del INE. Este modelo fue introducido en
comparativa para evaluar el impacto de políticas alternativas de mitigación.
2.5. Modelación de escenarios alternativos en LEAP
de política pública orientados a la reducción de emisiones del PA. Estos escenarios
El Escenario A, denominado “Plan de revisión técnica vehicular”, propuso
mejoras progresivas en el rendimiento energético de los vehículos mediante la
implementación de controles técnicos obligatorios. Se simuló un incremento del
Step en LEAP.
El Escenario B, titulado “Políticas de movilidad urbana e incentivos de reducción
de circulación privada”, planteó medidas como el fomento del teletrabajo y
restricciones a la circulación de vehículos privados. El efecto de estas políticas
se simuló mediante la función Interp, que permitió representar la reducción en el
kilometraje y ventas de vehículos.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
11
El Escenario C, “Introducción de electromovilidad”, modeló la incorporación
progresiva de vehículos eléctricos al parque automotor nacional. La simulación se
basó en proyecciones de crecimiento utilizando la función Growth, considerando
tendencias internacionales y condiciones nacionales favorables, como la aparición
de la empresa Quantum.
Los tres escenarios fueron evaluados en función de tres variables principales:
bases sólidas para la formulación de políticas públicas de mitigación ambiental en
el sector transporte.
3. RESULTADOS Y DISCUSIÓN
3.1. Caracterización del Parque Automotor
La caracterización del parque automotor (PA) boliviano se estructuró bajo una
jerarquía de desagregación de cuatro niveles que permiten captar con mayor
precisión la diversidad del parque vehicular y sus implicancias energéticas y
ambientales (Figura 6). El primer nivel distingue los vehículos por el tipo de
Instituto Nacional de Estadística (INE), aunque no completamente coherente con
la Ley N°165 —que solo reconoce los tipos público y privado—, fue utilizada para
garantizar la compatibilidad con las fuentes estadísticas nacionales.
el rendimiento energético, el kilometraje y las emisiones. El tercer nivel agrupa
los vehículos por modelo y función —como motocicletas, camionetas, buses o
camiones— y considera aspectos como la cilindrada y el uso operativo. Finalmente,
el cuarto nivel considera el tipo de combustible utilizado, centrado en los tres más
representativos: gasolina, diésel y gas natural vehicular (GNV).
Este esquema fue construido a partir de metodologías reconocidas
internacionalmente. Por ejemplo, el IPCC propone hasta seis niveles de
utilizadas en este estudio. Rivera-González et al. (2020), Maduekwe et al. (2020)
3.2. Evolución del Consumo de Combustibles (2003–2016)
El análisis de la matriz A reveló un dominio sostenido de la gasolina como principal
combustible del PA boliviano durante el periodo 2003–2016, con una participación
segmentos, particularmente en vehículos ligeros privados. El diésel mostró una
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
12
parque total durante el periodo (vale la pena aclarar que el INE toma en cuenta
solo a los vehículos que funcionan a GNV de fábrica y no así los convertidos). Los
Figura 3. Distribución histórica del parque automotor de Bolivia en función
al porcentaje de combustibles y correspondiente al periodo 2003-2016.
Fuente: Elaboración propia con base en el INE.
Estos hallazgos son consistentes con estudios como los de Rochabrun (2019),
Martínez-Jaramillo et al et al. (2020), quienes
también destacan la prevalencia de la gasolina en América Latina. En Bolivia,
escasa infraestructura de carga eléctrica o abastecimiento masivo de GNV.
, además de hidrocarburos
enfermedades respiratorias y cardiovasculares (EIA, 2020; Canada Government,
y compuestos
reconocida (US EPA, 2015).
3.3. Rendimiento y Kilometraje de los Vehículos
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
13
.km-1, mientras que los camiones y buses alcanzaron hasta
0,690 L.km-1
Tabla 1. Rendimientos seleccionados para el estudio.
Modelo/Gasolina Rendimiento (L.Km-1)
Automóvil
Jeep/Vagoneta
Furgón 0,230
Camioneta 0,099
Moto/Quadra Track
Ómnibus/Microbús/Minibús 0,125
Camión/Torpedo/Tracto-Camión
Trimóvil de carga
Modelo/Diésel Rendimiento (L.Km-1)
Automóvil 0,092
Jeep/Vagoneta
Furgón 0,303
Camioneta 0,260
Moto/Quadra Track 0,069
Ómnibus/Microbús/Minibús 0,353
Camión/Torpedo/Tracto-Camión 0,690
Trimóvil de carga
Modelo/GNV Rendimiento (L.Km-1)
Automóvil 0,132
Jeep/Vagoneta
Furgón 0,600
Camioneta 0,500
Moto/Quadra Track 0,035
Ómnibus/Microbús/Minibús
Camión/Torpedo/Tracto-Camión
Fuente: Elaboración propia.
Estos valores están en línea con lo reportado por Sandhu et al. (2021),
et al
vehículos pesados, especialmente los que transportan carga, tienen rendimientos
de aceleración. Aunque las fuentes utilizadas —como la EPA y el Ministerio de
Energía de Chile— son de alta calidad, su validez local es limitada. Como indica
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
14
Maduekwe et al. (2020), el uso de datos calibrados para el país en estudio mejora
la robustez del modelo.
En cuanto al kilometraje diario, la matriz C reveló que los ómnibus, microbuses
.día-1), seguidos
de los automóviles con 129 km.día-1 (Tabla 2). Estos datos ponderados por ciudad
realidad operativa del transporte público y privado urbano. La antigüedad de estos
vehículos —muchos con más de 30 años— agrava su impacto ambiental, como se
Tabla 2. Kilómetros diarios recorridos por categoría de vehículos.
Modelo
Km.día-1
Datos
considerados
por categoría
La
Paz Datos considerados
por categoría Cochabamba Promedio
ponderado
Automóvil
Particular
125,33 Particular
publico
Jeep
Vagoneta Vagoneta 20 Jeep
Vagoneta
Furgón Camiones Camiones 19,50
Camioneta Particular 20 Camioneta 16,12
Moto
Quadra
Track
Particular 20 Motocicletas 19,10
Ómnibus
Microbús
Minibús
Minibús
Micro
Publico
Micro
Minibús
Camión
Torpedo
Tracto-
Camión
Camiones Camiones 19,50
Trimóvil
de carga - Motocicletas 10,32
Fuente: Elaboración propia con base en Pareja et al. (2012) y Spiess Herbts
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
15
3.4. Validación del Modelo frente al BEN (2006–2016)
La validación del modelo se llevó a cabo mediante la comparación de los resultados
años 2003–2005 debido a la incompatibilidad entre los balances energéticos
Para el caso de la gasolina, la diferencia promedio entre el modelo y los datos
de tendencia eran paralelas. El incremento sostenido del consumo de gasolina de
0,6 a 1,65 mil millones de litros entre 2006 y 2016 también fue capturado por
5). El GNV mostró una variación positiva continua, atribuida a los programas de
conversión vehicular, y fue el combustible con mayor crecimiento relativo en el
periodo (Figura 6).
Figura 4.
el BEN y según el modelo generado. Fuente: Elaboración propia con base en el
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
16
Figura 5. Diésel registrado (en millardos de litros) vs diésel calculado (en
millardos de litros).
Figura 6. Gas natural vehicular registrado (en millardos de litros) vs gas natural
vehicular calculado (en millardos de litros). Fuente: Elaboración propia con base
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
17
frente a los datos reales.
3.5. Proyección de Consumo Energético (2020–2030)
Según las proyecciones energéticas (Tabla 3), para el año 2030 se prevé que la
superando al diésel que había liderado en 2020. El GNV mostrará una participación
y políticas de incentivo. La evolución proyectada se alinea con lo planteado por
América Latina.
Tabla 3. Proyecciones del periodo 2020-2030.
Años Gasolina (KBEP) Diésel (KBEP) GNV (KBEP)
2020 12.331,95
2021
2022
2023 5.621,95
2025
2026
2029
2030 16.912,95 15.919,16
Fuente: Elaboración propia.
los vehículos privados pesados liderando el consumo debido a su bajo rendimiento
y alto kilometraje.
3.6. Escenario de Referencia (Business as Usual)
En el escenario Business as Usual (BAU), se proyecta que el parque automotor
privados pesados y públicos. El análisis de ciclo de vida del parque reveló una alta
presencia de vehículos antiguos —más del 10% supera los 30 años— con escasa
renovación debido a barreras económicas y administrativas.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
18
Figura 7. Fuente:
Elaboración propia con base en LEAP.
un crecimiento sostenido en todos los gases contaminantes.
Figura 8. Cantidad de CO2
periodo 2016-2030 subdividida en servicio y clase. Fuente: Elaboración propia
con base en LEAP.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
19
Figura 9.
periodo 2016-2030 subdividida en servicio y clase. Fuente: Elaboración propia
con base en LEAP.
Figura 10. Cantidad de NO
periodo 2016-2030 subdividida en servicio y clase. Fuente: Elaboración propia
con base en LEAP.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
20
Figura 11. Cantidad de CO2eq calculado (expresado en miles de toneladas)
para el periodo 2016-2030 subdividida en servicio y clase.
Fuente: Elaboración propia con base en LEAP.
3.7. Emisiones de Gases de Efecto Invernadero
mil toneladas, siendo responsables principales los vehículos privados pesados
mantiene durante todo el periodo, reforzando el papel clave del sector privado en
las emisiones de GEI.
3.8. Análisis de Escenarios
Se modelaron tres escenarios alternativos a partir del BAU:
Escenario A: Mejora del rendimiento.
Este escenario se basa en inspecciones técnicas y mantenimiento vehicular, con
et al. (2019) en Rusia.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
21
Figura 12.
escenario A y el escenario de referencia para el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
Figura 13. Cantidad de CO2 calculado (expresado en miles de toneladas)
para el escenario A y el escenario de referencia en el periodo 2016-2030.
Fuente: Elaboración propia con base en LEAP.
Figura 13.
el escenario A y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
22
Figura 14.
el escenario A y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
Escenario B: Teletrabajo.
Considera una reducción de kilómetros recorridos y ventas, especialmente tras la
y Martínez-Jaramillo et al
Figura 15. Cantidad de CO2eq
el escenario B y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
Escenario C: Electromovilidad.
Plantea una transición progresiva a vehículos eléctricos, con un objetivo del 20%
este escenario depende de una infraestructura energética sólida y renovable, lo cual
actualmente no está garantizado en Bolivia.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
23
Figura 16. Cantidad de CO2eq
el escenario C y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
Figura 17.
el escenario C y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
24
Figura 18. Cantidad de NOX
el escenario C y el escenario de referencia en el periodo 2016-2030. Fuente:
Elaboración propia con base en LEAP.
con el escenario de referencia. El escenario C fue el más efectivo en términos
de reducción de energía y emisiones, seguido por el escenario A. El escenario B,
aunque con menor impacto, se distingue por su factibilidad sociopolítica y bajo
costo de implementación.
Tabla 4. Comparación porcentual de reducción frente al escenario BAU al
2030
Escenario Demanda
energética CO2CO CO2eq
A -3,53%
B -2,19% -2,00% -2,19% -2,19%
C -6,96% -6,95%
Fuente: elaboración propia.
La comparación de los tres escenarios sugiere que ninguna medida por sí sola
se propone una política integrada que combine inspecciones técnicas, adopción
progresiva de electromovilidad y fortalecimiento del teletrabajo. Esta estrategia
promueve una matriz energética más limpia
4. CONCLUSIONES
La caracterización del parque automotor (PA) boliviano mostró una estructura
dominada por vehículos livianos privados, los cuales representan más del 90%
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
25
consumo energético creciente en el sector transporte. Esta tendencia se traduce en
INE y otras fuentes técnicas, permitieron estimar con precisión la evolución de la
demanda energética desde una perspectiva bottom-up, consolidando así una base
de datos sólida para la modelación de emisiones.
medidas correctivas. Este crecimiento está correlacionado con el aumento del
parque vehicular y la inercia tecnológica de vehículos de bajo rendimiento.
Los mayores contribuyentes a las emisiones fueron los camiones, minibuses y
automóviles particulares. Las estimaciones se validaron estadísticamente mediante
comparación con el Balance Energético Nacional (BEN), logrando un alto nivel de
correlación, lo cual respalda la robustez del escenario base planteado.
El escenario de teletrabajo, que simuló una reducción del 10% del kilometraje
privado, logró una disminución más modesta (2%), pero factible y de bajo costo.
Finalmente, el escenario de electromovilidad demostró el mayor potencial, con
una reducción del 9% en emisiones para el mismo año, evidenciando la necesidad
de políticas estructurales a largo plazo. La comparación entre escenarios subraya
del parque automotor boliviano en las emisiones de gases de efecto invernadero,
evidenciando una tendencia creciente bajo condiciones de continuidad. A
través de la modelación en LEAP, se desarrollaron escenarios prospectivos que
y, especialmente, una transición hacia la electromovilidad. El estudio constituye
compromisos climáticos internacionales, y subraya la urgencia de implementar
medidas integrales de descarbonización del transporte.
5. REFERENCIAS
Bolivia en tus Manos. (2021, septiembre 3). ¿Se venden más autos usados que
0 Km en Bolivia? | boliviaentusmanos. https://www.boliviaentusmanos.com/no-
Fuels and Air Pollution [Education and
awareness]. https://www.canada.ca/en/health-canada/services/environmen-
tal-workplace-health/fuels-air-pollution.html
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
26
EPA. (2021a). FuelEconomy.gov—The ocial U.S. government source for fuel
economy information. http://www.fueleconomy.gov
EPA. (2021b). Many Factors Aect MPG. https://www.fueleconomy.gov/feg/fac-
tors.shtml
INE. (2020). Boletín estadístico: Parque automotor 2019. INE.
Cambio climático 2014: Informe de síntesis. Contribución de
los Grupos de trabajo I, II y III al Quinto Informe de Evaluación del Grupo
Intergubernamental de Expertos sobre el Cambio Climático
IPCC, 2018: Global Warming of 1.5°C. An Special Report on the
impacts of global warming of 1.5°C above pre-industrial levels and related glob-
al greenhouse gas emission pathways, in the context of strengthening the glob-
al response to the threat of climate change, sustainable development, and eorts
to eradicate poverty (p. 630). IPCC. https://www.ipcc.ch/site/assets/uploads/
sites/2/2019/06/SR15_Full_Report_High_Res.pdf
IPCC. (2019). IPCC Updates Methodology for Greenhouse Gas Inventories—
IPCC.
Glosario en: Cambio Climático 2013. Bases físicas. Contri-
bución del Grupo de trabajo I al Quinto Informe de Evaluación del Grupo Inter-
gubernamental de Expertos sobre el Cambio Climático (p. 222). IPCC. https://
archive.ipcc.ch/pdf/assessment-report/ar5/wg1/WG1AR5_SummaryVolume_FI-
NAL_SPANISH.pdf
Schlömer, S., Von Stechow, C., Zwickel, T., Edenhofer, O., & Pichs-Madruga, R.
(2015). Contribución del Grupo de trabajo III al Quinto Informe de Evaluación
del Grupo Intergubernamental de Expertos sobre el Cambio Climático: Resumen
para responsables de políticas.
2012+ heavy-duty diesel vehicles equipped with DPF and SCR systems. Science
of The Total Environment, 619–620 https://doi.org/10.1016/j.scito-
Introducción a la contaminación atmosférica
(Alfaomega grupo editor S.A. de C.V.). Ediciones UC.
Historia y actualidad del transporte público en Bolivia en el con-
texto del cambio climático.
Ley General de Transporte, Ley N°165 del 16 de agosto del 2011 (2011). https://
Urban Areas: Case Study of Bangalore, India. Journal of Transportation Engineer-
ing, Part A: Systems, 143https://doi.org/10.1061/JTEPBS.0000061
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
27
Maduekwe, M., Akpan, U., & Isihak, S. (2020). Road transport energy consump-
tion and vehicular emissions in Lagos, Nigeria: An application of the LEAP mod-
el. Transportation Research Interdisciplinary Perspectives, 6https://doi.
Ministerio de Hidrocarburos. (2019). Balance energético nacional (BEN) 2006-
Ministerio de Energía de Chile. (2012). Comparador: Consumo Vehicular. http://
parque automotor perteneciente a la categoría M1 del cantón cuenca en función
a sus propiedades constructivas y niveles de emisión. RISTI - Revista Iberica de
Sistemas e Tecnologias de Informacao, 2020
Pareja, A., Hinojosa, M., & Luján, M. (2012). Inventario de Emisiones Atmosféricas
Acta Nova, 5(3),
Rivera-González, L., Bolonio, D., Mazadiego, L. F., Naranjo-Silva, S., & Esco-
a Sustainable Road Transport Sector in Ecuador (2016–2035): A LEAP Model Ap-
plication. Sustainability, 12(2), Article 2.
Rochabrun, M. (2019, marzo 26). South America resists electric vehicles as local
fuels remain in favor. Reuters. https://www.reuters.com/article/us-brazil-cars-elec-
agenda for energy demand reduction. Energy Policy, 123 https://doi.
Sandhu, G. S., Frey, H. C., Bartelt-Hunt, S., & Jones, E. (2021). Real-world ac-
tivity, fuel use, and emissions of heavy-duty compressed natural gas refuse trucks.
Science of The Total Environment, 761 https://doi.org/10.1016/j.scito-
Shabbir, R., & Ahmad, S. S. (2010). Monitoring urban transport air pollution and
energy demand in Rawalpindi and Islamabad using leap model. Energy, 35(5),
2323–2332. https://doi.org/10.1016/j.energy.2010.02.025
(2019). Impact of the Electric Mobility Implementation on the Greenhouse Gas-
es Production in Central European Countries. Sustainability, 11https://doi.
Inventario de Emisiones del Municipio de La Paz, Bolivia
2007. Proyecto aire limpio.
Stratas Advisors. (2015, julio 10). Alternative Fuels for HDVs in Latin America.
https://stratasadvisors.com/Insights/2015/Alternative-Fuels-HDV-Latin-America
JOURNAL BOLIVIANO DE CIENCIAS – Vol. 21 – Número 57
ISSN Digital: 2075-8944 ISSN Impreso: 2075-8936
28
Thiruvengadam, A., Besch, M., Padmanaban, V., Pradhan, S., & Demirgok, B.
Energy Policy,
122, 253–259.
https://www.academia.edu/39339522/Estad%C3%ADstica_
Mario_F_Triola_12ED
Model for the assessment greenhouse gas emissions from road transport. Peri-
odicals of Engineering and Natural Sciences (PEN), 7(1), Article 1. https://doi.
Us Energy Information Administration. (2016). Annual Energy Outlook 2016 With
Projections to 2040. CreateSpace Independent Publishing Platform.
U.S. Energy Information Administration (EIA). (2020a). Gasoline and the envi-
ronment. -
ronment.php
U.S. Energy Information Administration (EIA). (2020b, diciembre 2). Diesel
fuel and the environment. -
sel-and-the-environment.php
Natural gas fuels the future in Latin America
-
gy-and-innovation/latin-america/features/natural-gas-fuels-future-latin
