Simulación del crecimiento urbano de la zona metropolitana Tepic-Xalisco, México
DOI:
https://doi.org/10.3989/estgeogr.201938.018Palabras clave:
Crecimiento urbano, Sistemas de Información Geográfica, Regresión Logística, AC-Markov, Evaluación Multi-Criterio, Tepic (México)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.
Descargas
Citas
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
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2019 Consejo Superior de Investigaciones Científicas (CSIC)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Puede consultar desde aquí la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.
