Estudios Geográficos, Vol 80, No 287 (2019)

Simulación del crecimiento urbano de la zona metropolitana Tepic-Xalisco, México


https://doi.org/10.3989/estgeogr.201938.018

Armando Avalos Jiménez
Universidad Autónoma de Nayarit, México
orcid https://orcid.org/0000-0002-0192-813X

Montserrat Gómez Delgado
Universidad de Alcalá, España
orcid https://orcid.org/0000-0001-6021-4340

Francisco Aguilera Benavente
Universidad de Alcalá, España
orcid https://orcid.org/0000-0001-5710-2057

Fernando Flores Vilchez
Universidad Autónoma de Nayarit, México
orcid https://orcid.org/0000-0001-5472-255X

Resumen


La zona metropolitana Tepic-Xalisco (Nayarit, México) ha tenido un rápido crecimiento en los últimos 30 años, generando situaciones que han puesto en riesgo a la población y medio ambiente, siendo urgente y necesario establecer nuevos enfoques sobre estrategias de planificación urbana. Entender los procesos de crecimiento urbano y simular posibles escenarios futuros han demostrado ser una herramienta esencial para la toma de decisiones en el contexto de la ordenación del territorio. El objetivo del presente trabajo fue simular el crecimiento urbano de la zona metropolitana Tepic-Xalisco al año horizonte 2045. Se utilizaron tres modelos diferentes: técnicas de Evaluación Multi-Criterio (EMC), Regresión Logística (RL) y Autómatas Celulares con cadenas de Markov (AC-Markov), para comprobar el de mejor ajuste a la realidad espacial y establecer una situación tendencial futura. Los resultados fueron validados con datos reales de ocupación urbana del 2015. El modelo AC-Markov mostró mejores resultados al producir una exactitud general del 75 % y coincidencias cercanas en la comparación de las métricas del paisaje, por lo que este modelo fue utilizado para generar un escenario futuro tendencial de crecimiento urbano para el año 2045. La información resultante servirá para generar escenarios alternativos que ayuden a diseñar y evaluar estrategias de planificación urbana orientadas al desarrollo urbano sostenible.

Palabras clave


Crecimiento urbano; Sistemas de Información Geográfica; Regresión Logística; AC-Markov; Evaluación Multi-Criterio; Tepic (México)

Texto completo:


HTML PDF XML

Referencias


Aguilera B. F. (2006). Predicción del crecimiento urbano mediante sistemas de información geográfica y modelos basados en autómatas celulares. GeoFocus, 6, 81-112. Recuperado de: http://www.geofocus.org/index.php/geofocus/article/view/90/253

Aguilera B. F., Botequilha L. A., y Díaz V. E. (2014). Detecting multi-scale urban growth patterns and processes in the Algarve region (Southern Portugal). Applied Geography, 53, 234-245. https://doi.org/10.1016/j.apgeog.2014.06.019

Aguilera B. F., Valenzuela M. L. M., Soria L. J. A., Gómez D. M., y Plata R. W. (2011). Escenarios y modelos de simulación como instrumento en la planificación territorial y metropolitana. Serie Geográfica, 17, 11-28. Recuperado de: http://hdl.handle. net/10017/14342

Aguilera B. F.; Valenzuela M. L.M. y Bosque S. J. (2010): "Simulación de escenarios futuros en la aglomeración urbana de granada a través de modelos basados en autómatas celulares". Boletín de la Asociación de Geógrafos Españoles, 54, 271-300. Recuperado de: https://bage.age-geografia.es/ ojs/index.php/bage/article/view/1289/1212

Atak, B. K., Erdogan, N., Ersoy, E., y Nurlu, E. (2014). Analysing the Spatial Urban Growth Pattern by Using Logistic Regression in Didim District. Journal of Environmental Protection and Ecology, 15(4), 1866-1876.

Bahadur T. R., y Murayama Y., (2011). Scenario based urban growth allocation in Kathmandu Valley, Nepal. Landscape and Urban Planning, 105, 140-148. https://doi.org/10.1016/j.landurbplan.2011.12.007

Baluja A. J., Plata R. W., Gómez D. M. y Bosque S. J., (2010). Análisis de factores explicativos del crecimiento urbano en el área metropolitana de Granada mediante técnicas estadísticas y SIG. En Ojeda, J.; Pita, M.F. y Vallejo, I. (Eds.). Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos, Secretariado de Publicaciones de la Universidad de Sevilla. Sevilla, 640-657. Recuperado de: http://hdl.handle.net/11441/66606

Barredo, J. I., Kasanko, M., McCormick, N., y Lavalle, C. (2003). Modelling dynamic spatial processes: simulation of urban future scenarios through cellular automata. Landscape and urban planning, 64(3), 145-160. https://doi.org/10.1016/S0169-2046(02)00218-9

Barreira G. P., y Barros J. (2016). Configuring the neighbourhood effect in irregular cellular automata based models. International Journal of Geographical Information Science, 31(3), 617-636. https://doi.org/10.1080/13658816.2016.1219035

Barreira G. P., Aguilera B. F., y Gómez D. M. (2015). Partial validation of cellular automata based model simulations of urban growth: An approach to assessing factor influence using spatial methods. Environmental Modelling and Software, 69 (7), 7-89. https://doi.org/10.1016/j.envsoft.2015.03.008

Bocco G., Mendoza M. y Masera O. (2001). La dinámica del cambio del uso del suelo en Michoacán. Una propuesta metodológica para el estudio de los procesos de deforestación, Investigaciones Geográficas, Boletín del Instituto de Geografía, 44, 18-38. Recuperado de: http://www.scielo.org. mx/pdf/igeo/n44/n44a3.pdf https://doi.org/10.14350/rig.59133

Camacho, O. M. T., Pontius Jr, R. G., Paegelow, M., y Mas, J. F. (2015). Comparison of simulation models in terms of quantity and allocation of land change. Environmental Modelling and Software, 69, 214-221. https://doi.org/10.1016/j.envsoft.2015.03.003

Cantergiani, C., Gómez D. M., y Vergara, C. (2014). Desarrollo de un Modelo Basado en Agentes para la simulación del crecimiento urbano: Submodelo de asignación de nuevo suelo urbanizable. En Zaragozí, B.; Ramón, A. (Eds.): Tecnologías de la información para nuevas formas de ver el territorio: XVI Congreso Nacional de Tecnologías de Información Geográfica, 10-18. Recuperado de: http://hdl.handle.net/10045/46395

Cheng, J., y Masser, I. (2003). Urban growth pattern modeling: A case study of Wuhan city, PR china. Landscape and Urban Planning, 62(4), 199-217. https://doi.org/10.1016/S0169-2046(02)00150-0

Cifuentes, R. P. A., y Londoño, L. J. P., (2010). Análisis del crecimiento urbano: Una aproximación al estudio de los factores de crecimiento de la ciudad de Manizales como aporte a la planificación. Gestión y Ambiente, 13(1), 53-66. Recuperado de: https:// www.redalyc.org/articulo.oa?id=169419998004

Conway, M., (2005). Current and future patterns of land-use change in the coastal zone of New Jersey. Environment and Planning B: Planning and Design, 32, 877-893. https://doi.org/10.1068/b31170

Deep, S., y Saklani, A. (2014). Urban sprawl modeling using cellular automata. The Egyptian Journal of Remote Sensing and Space Science, 17(2), 179- 187. https://doi.org/10.1016/j.ejrs.2014.07.001

Development Core Team, (2012). R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna http:// www.Rproject.org/

Díaz, P.J., y Hewitt, R. (2013). Modelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparación con dos aplicaciones de software. GeoFocus, 14, 1-22. Recuperado de: http://www.geofocus.org/index.php/geofocus/article/view/298

Eastman, J. R., Toledano, J., Jin, W., y Kyem, P. A. (1993). Participatory multi-objective decision-making in GIS. En AUTOCARTO-CONFERENCE. ASPRS American Society for Photogrammetry And Remote Sensing, 33-42.

Eastman, J. R., Van Fossen, M. E., y Solarzano, L. A. (2005). Transition potential modeling for land cover change. En Maguire, D.J.; Goodchild, M.F. and Batty,M. (Eds.): GIS, spatial analysis and modeling, Esri Press, 357-386.

Eyoh, A., Olayinka, D. N., Nwilo, P., Okwuashi, O., Isong, M., y Udoudo, D. (2012). Modelling and predicting future urban expansion of Lagos, Nigeria from remote sensing data using logistic regression and GIS. International Journal of Applied Science and Technology, 2(5), 116-124. R Recuperado de: http://www.ijastnet.com/journals/ Vol_2_No_5_May_2012/13.pdf

Gómez D. M. y Barredo C. J. I. (2005): Sistemas de Información Geográfica y Evaluación Multicriterio en la ordenación del territorio. Editorial Ra-Ma, 2º Edición, Paracuellos de Jarama.

Gómez D. M., Aguilera B. F., Barreira G. P., Bosque S. J., y Rodríguez E. V. M. (2014). Simulación prospectiva del crecimiento urbano en la Comunidad Autónoma de Madrid a partir de modelos basados en autómatas celulares y modelos basados en EMC. En Zaragoza, B.; Ramón, A. (Eds.): Tecnologías de la información para nuevas formas de ver el territorio: XVI Congreso Nacional de Tecnologías de Información Geográfica, 27-37. Recuperado de: http://hdl.handle.net/10045/46397

Guan, D., Li, H., Inohae, T., Su, W., Nagaie, T., y Hokao, K. (2011). Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling. 222(20), 3761-3772. https://doi.org/10.1016/j.ecolmodel.2011.09.009

Gutiérrez A. J., Gómez D. M. y Bosque S. J. (2010). Simulación de crecimiento urbano mediante evaluación multicriterio y TIG en el Gran San Miguel de Tucumán. Argentina. En Ojeda, J.; Pita, M.F. y Vallejo, I. (Eds.). Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos, Secretariado de Publicaciones de la Universidad de Sevilla. Sevilla, 873-88. Recuperado de: http://tig.age-geografia.es//2010_Sevilla/ponencia3/GUTIERREZ.pdf

Hansen, H. S. (2010). Modelling the future coastal zone urban development as implied by the IPCC SRES and assessing the impact from sea level rise. Landscape and Urban Planning, 98(3), 141-149. https://doi.org/10.1016/j.landurbplan.2010.08.018

Hu Z. y Lo P., (2007). Modeling urban growth in Atlanta using logistic regression. Computers, Environment and Urban Systems, 31, 667-688. https://doi.org/10.1016/j.compenvurbsys.2006.11.001

INEGI, (2000 y 2010). Censo general de población y vivienda. México.

INEGI, CONAPO y SEDESOL, (2004). Delimitación de las Zonas Metropolitanas de México. Secretaría de Desarrollo Social, Consejo Nacional de Población, Instituto Nacional de Estadística, Geografía e Informática.

Jafari, M., Majedi, H., Masoud, S. M., Asghar, A. A., y Kheirkhah Z. M. (2016). Dynamic simulation of urban expansion based on cellular automata and logistic regression model: Case study of the Hyrcanian Region of Iran. Sustainability, 8(8), 810. https://doi.org/10.3390/su8080810

León, M. O. G., y Villalobos, H. L. R. (2010). Predicción y modelación del crecimiento urbano de Ciudad Cuauhtémoc, Chihuahua del 2010, usando autómatas celulares (SLEUTH). Revista Internacional de Contaminación Ambiental, 29 (1), 220-238. Recuperado de: https://bit.ly/2Ouzqjc

López, E., Bocco, G., Mendoza, M., y Duhau, E. (2001). Predicting land-cover and land-use change in the urban fringe: a case in Morelia city, Mexico. Landscape and urban planning, 55(4), 271-285. https://doi.org/10.1016/S0169-2046(01)00160-8

Mas, J. F., Kolb, M., Houet, T., Paegelow, M., y Camacho, M. C. (2010). Una comparación de diferentes enfoques de modelación de cambios de cobertura/uso del suelo. XIV Simposio Internacional SELPER 2010, Nov 2010, Guanajuato, México. Recuperado de: https://halshs.archives-ouvertes.fr/ halshs-01063482

McGarigal, K., SA Cushman, y E. Ene. (2012). FRAGSTATS v4: Spatial Pattern Analysis Program for Categorical and Continuous Maps. Computer software program produced by the authors at the University of Massachusetts, Amherst.

Menard, S., (2002). Applied logistic regression analysis (2.ª ed.). SAGE Publications. https://doi.org/10.4135/9781412983433

Omar, N. Q., Sanusi, S. A. M., Hussin, W. M. W., Samat, N., y Mohammed, K. S. (2014). Markov-CA model using analytical hierarchy process and multiregression technique. In IOP Conference Series: Earth and Environmental Science. (20), 1-20. https://doi.org/10.1088/1755-1315/20/1/012008

Overmars K. P., y Verburg P. H. (2006). Multilevel modelling of land use from field to village level in the Philippines. Agricultural Systems, 89, 435-456. https://doi.org/10.1016/j.agsy.2005.10.006

Paegelow, M., y Camacho, O. M. T. (2008). Modelling environmental dynamics. Advances in Geomatic simulations. Series Environmental Science. Springer. https://doi.org/10.1007/978-3-540-68498-5

Paegelow, M., Camacho O. M. T. y Menor T. J. (2003). Cadenas de Markov, evaluación multicriterio y evaluación multiobjetivo para la modelización prospectiva del paisaje. GeoFocus, 3, 22-44. Recuperado de: http://hdl.handle.net/10481/29651

Pascual R. V., Aguilera B. F., Plata, R. W., Gómez D. M. y Bosque S. J. (2010). Simulación de modelos de crecimiento urbano: Métodos de comparación con los mapas reales. En Ojeda, J.; Pita, M.F. y Vallejo, I. (Eds.). Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos, Secretariado de Publicaciones de la Universidad de Sevilla. Sevilla, 1.000-1.013. Recuperado de: https://idus.us.es/ xmlui/bitstream/handle/11441/66687/PASCUAL. PDF?sequence=1&isAllowed=y

Pijanowski, B. C., Tayyebi, A., Doucette, J., Pekin, B. K., Braun, D., y Plourde, J. (2014). A big data urban growth simulation at a national scale: configuring the GIS and neural network based land transformation model to run in a high performance computing (HPC) environment. Environmental Modelling and Software, 51, 250-268. https://doi.org/10.1016/j.envsoft.2013.09.015

Plata R. W., Gómez D., M., y Bosque S., J. (2010). Incidencia de la zonificación del territorio en los factores explicativos del crecimiento urbano de la comunidad de Madrid. Revista Geográfica de América Central, 1 (144 E), 37-60. Recuperado de: https://www.revistas.una.ac.cr/index.php/ geografica/article/view/89/63

Pontius, R. G. (2000). Quantification error versus location error in comparison of categorical maps. Photogrammetric engineering and remote sensing, 66(8), 1011-1016. Recuperado de: https:// pdfs.semanticscholar.org/ed7f/3f0896cda2b185 2425f6aaef4f0ab44aba46.pdf

Pontius Jr, R. G., y Millones, M. (2011). Death to Kappa: birth of quantity disagreement and allocation disagreement for accuracy assessment. International Journal of Remote Sensing, 32(15), 4407-4429. https://doi.org/10.1080/01431161.2011.552923

Pontius, R. G., Shusas, E., y McEachern, M. (2004). Detecting important categorical land changes while accounting for persistence. Agriculture, Ecosystems and Environment, 101(2), 251-268. https://doi.org/10.1016/j.agee.2003.09.008

Razavi, B. S. (2014). Predicting the trend of land use changes using artificial neural network and markov chain model (case study: Kermanshah City). Research Journal of Environmental and Earth Sciences, 6(4), 215-226. Recuperado de: https://pdfs.semanticscholar.org/c143/ e603e3ad4d4022e48bc3f57ef406062fa85c.pdf https://doi.org/10.19026/rjees.6.5763

Rienow, A., y Goetzke, R. (2015). Supporting SLEUTH- Enhancing a cellular automaton with support vector machines for urban growth modeling. Computers, Environment and Urban Systems, 49, 66-81. https://doi.org/10.1016/j.compenvurbsys.2014.05.001

Rojas, C., y Plata R. W., (2010). Área Metropolitana de Concepción: Factores espaciales explicativos de su crecimiento urbano reciente (2001-2009) por medio de un Modelo de Regresión Logística Espacial. Actas I Congreso Internacional de Ordenamiento Territorial y Tecnologías de la Información Geográfica (Tegucigalpa, Honduras), 375-396. Recuperado de: http://faces.unah.edu.hn/decanato/images/stories/PDF/Revista_Congreso_V2/ area_metropolitana_concepcion.pdf

Saaty, R. W., 1987. The analytic hierarchy process, what it is and how it is used. Mathematical Modeling, 9(3), 161-176. https://doi.org/10.1016/0270-0255(87)90473-8

Samat, N. (2009). Integrating GIS and CA-MARKOV model in evaluating urban spatial growth. Malaysian Journal of Environmental Management, 10(1), 83-99. Recuperado de: http://journalarticle.ukm.my/2281/1/Artikel_6_Narimah.pdf

Santé, I., García, A. M., Miranda, D., y Crecente, R. (2010). Cellular automata models for the simulation of real-world urban processes: A review and analysis. Landscape and Urban Planning, 96(2), 108-122. https://doi.org/10.1016/j.landurbplan.2010.03.001

Shen, G. (2002). Fractal dimension and fractal growth of urbanized areas. International Journal of Geographical Information Science, 16(5), 419-437. https://doi.org/10.1080/13658810210137013

Soares F.B.S., Pennachin, C.L., y Cerqueira, G., (2002). DINAMICA-A stochastic cellular automata model designed to simulate the landscape dynamics in an Amazonian colonization frontier. Ecological Modelling, 154 (3), 217-235. https://doi.org/10.1016/S0304-3800(02)00059-5

Torrens, P. M. (2000). How cellular models of urban systems work (1. Theory). CASA Working Papers, 28. Centre for Advanced Spatial Analysis (UCL), London, UK. Recuperado de: https://discovery. ucl.ac.uk/id/eprint/1371/1/paper28.pdf

Triantakonstantis, D., Mountrakis, G., y Wang, J. (2011). A spatially heterogeneous expert based (SHEB) urban growth model using model regionalization. Journal of Geographic Information System, 3(03), 195-210. https://doi.org/10.4236/jgis.2011.33016

Triantakonstantis, D., y Mountrakis, G. (2012). Urban growth prediction: a review of computational models and human perceptions. Journal of Geographic Information System, 4(06), 555-587. https://doi.org/10.4236/jgis.2012.46060

UN-HABITAT (2016). Urbanization and Development: Emerging Futures. World Cities Report.

Veldkamp, A. y Lambin, E.F., (2001). Predicting land-use change. Agriculture, Ecosystems and Environment, 85, 1-6. https://doi.org/10.1016/S0167-8809(01)00199-2

Verburg P. H., Van E. J. R., De Nijs T. C. M., Dijst M. J., y Schot P., (2004). Determinants of land-use change patterns in the Netherlands. Environment and Planning B: Planning and Design, 31, 125-150. https://doi.org/10.1068/b307

White, R., y Engelen, G. (1993). Cellular automata and fractal urban form: a cellular modelling approach to the evolution of urban land-use patterns. Environment and planning A: Economy and Space, 25(8), 1175-1199. https://doi.org/10.1068/a251175

White, R., Engelen, G., y Uljee, I. (1997). The use of constrained cellular automata for high-resolution modelling of urban land-use dynamics. Environment and Planning B: Planning and Design, 24(3), 323-343. https://doi.org/10.1068/b240323

Wu, F. (1998). SimLand: A prototype to simulate land conversion through the integrated GIS and CA with AHP-derived transition rules. International Journal of Geographical Information Science, 12(1), 63- 82. https://doi.org/10.1080/136588198242012




Copyright (c) 2019 Consejo Superior de Investigaciones Científicas (CSIC)

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.


Contacte con la revista estudiosgeograficos.cchs@cchs.csic.es

Soporte técnico soporte.tecnico.revistas@csic.es