En el año 1800 solo el 2% de las personas del planeta vivían en ciudades, mientras que en el año 1900 este porcentaje llegó a ser del 12%. En el siglo XX la población urbana mundial aumentó muy rápidamente pasando de 220 a 2800 millones. Estudios recientes indican que en los próximos decenios se espera en el mundo un crecimiento urbano sin precedentes (Triantakonstantis y Mountrakis, 2012), estimándose que para el año 2030 vivan 5 mil millones de personas en áreas urbanas (UN-HABITAT, 2016). En los países más desarrollados el crecimiento urbano ha sido paulatino, mientras que en los países menos desarrollados este crecimiento se ha producido de manera vertiginosa desde mediados del siglo XX

Actualmente América Latina y el Caribe son de las regiones con más población viviendo en ciudades (79,8 %), casi a la par con Norte América que registra un 81,6 % (UN-HABITAT, 2016), aunque también son de las menos pobladas en relación a su territorio. En esta región se incluye México, también con el 80% de su población viviendo en zonas urbanas (INEGI, 2010). En este contexto, la tarea de administrar el crecimiento urbano ha aumentado tanto en alcance y complejidad, que se ha convertido en uno de los retos más importantes del siglo XXI (Bahadur y Murayama, 2011), siendo necesario utilizar herramientas prospectivas para poder planificar mejor el territorio y obtener información de los posibles impactos que las futuras expansiones urbanas puedan provocar en el medio ambiente. Por ello, resulta evidente la necesidad de aplicación de modelos de simulación que han demostrado capacidad para entender y explorar el comportamiento de los sistemas complejos (White y Engelen, 1993; Torrens, 2000; Barredo, Kasanko, McCormick y Lavalle, 2003; y Barreira y Barros, 2016), para ayudar a comprender mejor los procesos de urbanización y sus factores motrices (Cheng y Masser, 2003 y Verburg, Van, Nijs, Dijst y Schot, 2004), reproducir dinámicas y procesos territoriales pasados (Paegelow y Camacho, 2008), simular posibles evoluciones de dichas dinámicas y procesos futuros (Hansen, 2010; Santé, García, Miranda y Crescente, 2010), construir escenarios de crecimiento urbano que nos muestren cómo, dónde y cuánto podría crecer el área urbana en los próximos años (Aguilera, 2006), que nos ayude a tener una visión clara del futuro (Omar, Sanusi, Hussin, Samat y Mohammed, 2014 y Aguilera, Botequilha y Diaz, 2014), y a partir de lo cual sea posible generar estrategias en materia de planificación urbana congruentes con el desarrollo sostenible (Veldkamp y Lambin, 2001; Verburg et al., 2004; Overmars y Verburg, 2006, y Rojas y Plata, 2010).

El presente trabajo pretende ser una aportación en este sentido. Para ello se tomó como referencia la zona metropolitana Tepic-Xalisco (México), debido a que en los últimos 30 años ha tenido un crecimiento urbano acelerado que ha generado un continuo proceso de deterioro ambiental. El crecimiento urbano se ha dado incluso en zonas no aptas para ello, como áreas de humedales y límites de cauces de ríos o arroyos, generando condiciones que han puesto en riesgo a la población y al medio ambiente en situaciones tales como inundaciones y desbordamiento de ríos.

Partiendo de este contexto, el objetivo del trabajo fue realizar una simulación prospectiva del crecimiento urbano en esta zona al año horizonte 2045, ejecutando el proceso en dos fases: en primer lugar, se aplicaron hasta tres modelos diferentes para comprobar cuál era el que mejor reproducía la realidad espacial del territorio estudiado, y luego, a partir de los resultados obtenidos, se simuló el crecimiento urbano de la zona metropolitana Tepic- Xalisco al año horizonte 2045. Para ello, se realizó un análisis de los cambios de usos del suelo registrados en la zona siguiendo la metodología propuesta por Pontius, Shusas y McEachern, (2004), con el objetivo de detectar las tendencias de crecimiento con énfasis en el uso del suelo urbano. A continuación, y a diferencia de lo que aparece en otros trabajos en la literatura, se emplearon tres modelos para simular el crecimiento urbano para el año 2015: Evaluación Multi-Criterio (EMC), Regresión Logística (RL) y Autómatas Celulares con cadenas de Markov (AC-Markov), que a pesar de ser distintos tanto en fundamento teórico como en desarrollo, permiten, combinados en algunos casos con otras operaciones analíticas, generar una imagen con los usos del suelo simulados, haciendo posible su comparación. Los tres resultados fueron validados comparándolos con la superficie urbana real del año 2015. Finalmente, se seleccionó el modelo que mejor representó la realidad espacial de la zona metropolitana Tepic-Xalisco para simular un escenario tendencial de crecimiento urbano para el año 2045.

El artículo se organiza a partir de aquí, en varios epígrafes principales; se comienza con una presentación del área de estudio, los datos de partida y su preparación utilizando Sistemas de Información Geográfica (SIG); a continuación, se presenta la metodología utilizada para analizar los cambios de usos del suelo, los tres modelos utilizados para simular el crecimiento urbano al año 2015 y luego el aplicado para simular el escenario tendencial al año horizonte 2045. Después se presentan los resultados de las simulaciones para el año 2015, su comparación con los datos reales de ese año y los resultados de la simulación final para el año 2045. Posteriormente se discuten los resultados obtenidos y finalmente se hace una breve conclusión del trabajo.

La figura 1 muestra la localización de la zona metropolitana Tepic-Xalisco, en la parte poniente de la República Mexicana y en el centro del Estado de Nayarit, en las coordenadas geográficas 21° 43’ 26” Latitud Norte, 104° 56’ 46” Longitud Oeste y 21° 16’ 12” Latitud Norte, 104° 43’ 06” Longitud Oeste y a una altitud promedio de 915 m.s.n.m. (INEGI, 2000). El área de estudio se delimitó por un cuadrante de 900 km2, (área lo suficientemente amplia como para analizar y explorar los procesos de crecimiento urbano que se han registrado hasta la fecha), abarcando un total de 30 localidades con una superficie urbana que representa el 1% de la superficie territorial del Estado y una población de 368.565 habitantes (INEGI, 2010), con una densidad de población media de 6.751 hab/ km2. Entre estas localidades destacan principalmente la zona urbana de la ciudad de Tepic (Capital del Estado) y Xalisco, catalogadas en su conjunto como zona metropolitana por el Instituto Nacional de Estadística, Geografía e Informática (INEGI), Consejo Nacional de Población (CONAPO) y Secretaría de Desarrollo Social (SEDESOL), (INEGI, CONAPO Y SEDESOL, 2004), así como otras 28 localidades asentadas en un radio de 15 km. Aunque podríamos decir que no es una zona muy poblada en comparación con otras ciudades metropolitanas del país, como Guadalajara y la Ciudad de México, se trata de dos de las principales localidades del Estado, donde se asienta aproximadamente el 40% de la población total del Estado de Nayarit.

La zona metropolitana Tepic-Xalisco se encuentra en el denominado valle de Matatipac, que forma parte de la cuenca del río Mololoa, afluente del río Santiago, y que está rodeada por elevaciones de origen volcánico entre las que destacan al Norte el cerro de La Cruz y la Batea; al oriente el cerro de Los Metates; y al poniente la Sierra de San Juan, esta última catalogada como Área Natural Protegida (ANP) desde 1987, por lo que cuenta con una gran variedad de recursos naturales y servicios ecosistémicos que es importante conservar.

Debido a la falta de información cartografiada sobre los usos del suelo del pasado reciente en el área de estudio, se tomaron como base tres imágenes de satélite Landsat de los años 1985, 2000 y 2015 (descritas en la tabla 1), para obtener esta información.

Las escenas de las imágenes Landsat 5, 7 y 8 fueron pre-procesadas utilizando el programa ENVI 5.3, para homologar el tamaño de pixel a 30 m., y realizar la clasificación (mediante algoritmo de máxima probabilidad) de los diferentes tipos de usos del suelo, identificando especialmente los cambios de teselas urbanas para cada periodo analizado. Concretamente se contemplaron un total de 5 clases de usos del suelo: Urbano (industrial) Agrícola (temporal y regadío), Cuerpos de agua, Vegetación arbustiva y arbórea (vegetación de baja densidad), y Bosque (vegetación arbórea de alta densidad).

La validación de la cartografía de usos del suelo arrojó una exactitud general del 84 %, para de las imágenes LandSat 5 (1985) y 7 (2000), y del 96 % para la LandSat 8 (2015). De esta forma se generó la cartografía de usos del suelo para cada periodo de estudio, mostrada en la figura 2.

La recopilación de la información necesaria para simular el crecimiento urbano fue precedida por una revisión bibliográfica sobre los factores que más comúnmente se encuentran relacionados con dicho crecimiento, considerando los trabajos de Plata, Gómez y Bosque, (2010); Baluja, Plata, Gómez y Bosque, (2010); Rojas y Plata, (2010); Cifuentes y Londoño, (2010); López, Bocco, Mendoza y Duhau, (2001); y, Bocco, Mendoza y Masera, (2001). A partir de esta revisión se pudo obtener información disponible del Instituto Nacional de Estadística y Geografía (INEGI) y de la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (CONABIO), ambas instituciones oficiales de México, logrando cartografiar 16 factores relacionados con el crecimiento urbano del área de estudio, que fueron analizados y agrupados en tres grupos: factores socio-económicos, ambientales y físicos (tabla 2).

La figura 3 muestra el proceso metodológico seguido a partir de aquí, dividido en un total de cuatro etapas: 1) Análisis de cambio de usos del suelo; 2) Simulación del crecimiento urbano; 3) Validación de las simulaciones; y, 4) Simulación de escenario tendencial para el año 2045. Todos los procesos fueron ejecutados en SIG, utilizando los programas TerrSet 18.11 y ArcGis 10.3.

Existe una multitud de trabajos que exploran la realización de simulaciones del crecimiento urbano mediante el empleo de EMC, (Gutiérrez et al., 2010), redes neuronales artificiales (Razavi, 2014), modelos fractales (Shen, 2002), modelos basados en agentes (Cantergiani, Gómez y Vergara, 2014), análisis con regresión logística (Guan et al., 2011), árboles de decisiones (Triantakonstantis, Mountrakis y Wang, 2011), modelos basados en autómatas celulares como SLEUTH (León y Villalobos, 2010; Rienow y Goetzke, 2015), SimLand (Wu, 1998), o los realizados por Aguilera, Valenzuela y Bosque, (2010) y Barreira y Barros, (2016), así como otros que analizan la dinámica de un conjunto de categorías de coberturas y usos de suelo (entre los que se encuentra el uso urbano) como: DINAMICA desarrollado por el Centro de Sensoriamento Remoto de la Universidad Federal de Minas Gerais (Brasil) y aplicado por Soares, Pennachin y Cerqueira, (2002); Land Change Modeler (LCM por sus siglas en ingles), de la Universidad de Clark (Eastman, Van Fossen y Solorzano, 2005); Land Transformation Modeler (LTM por sus siglas en inglés) de la Universidad de Purdue (Pijanowski, Tayyebi, Doucette, Pekin, Braun, Plourde, 2014); y AC-Markov (Paegelow, Camacho y Menor, 2003), pero no es tan frecuente la aplicación de diferentes modelos y la posterior comparación de los resultados.

Algunos ejemplos a este respecto son los trabajos de Díaz y Hewitt (2013), donde se comparan los resultados obtenidos por el modelo LCM y LTM: los realizados por Camacho, Pontius, Paegelow y Mas, (2015), donde se analizan las diferencias en la aplicación de cada modelo comparando LCM con el basado en Autómatas celulares (AC-Markov); o el estudio más amplio en el que se comparan cuatro modelos de cambio de cobertura y usos de suelo utilizando CA_MARKOV, CLUE-S, DINAMICA EGO y LCM (Mas, Kolb, Houet, Paegelow y Camacho, 2010). Sin embargo, en estos últimos se simula el cambio de varios usos del suelo simultáneamente, y no exclusivamente el uso urbano como en el presente trabajo. Además, en la mayor parte de ellos no se comparan los resultados obtenidos con la realidad espacial para determinar cuál sería el de mejor ajuste y proyectarlo hacia un futuro cercano, como sí ha llevado a cabo en el presente trabajo.

Así, se ha podido comprobar que no todos los modelos han podido reproducir con la misma precisión las tendencias del pasado en la zona de estudio, siendo el modelo AC-Markov el que representa mejor los patrones espaciales de crecimiento urbano en la zona, con valores más altos para los índices kappa y un comportamiento similar en las métricas espaciales en comparación con la situación real en 2015. Este modelo, al contar con una serie de módulos propios de un proceso probabilístico aleatorio como es el basado en Autómatas celulares, logra introducir mayor complejidad a las relaciones entre los distintos usos del suelo (White y Engelen, 1993) (aunque en este caso se haya empleado para simular un único uso) y al contar con una función que permite introducir un análisis de contigüidad espacial, logra captar de mejor manera la dinámica de crecimiento urbano. Este hecho es coincidente con otros trabajos sobre AC, demostrando tener mayor potencial para simular los patrones de crecimiento urbano (Santé et al., 2010), por lo que han sido ampliamente utilizados para explorar escenarios futuros de expansión urbana (Triantakonstantis y Mountrakis, 2012; Barreira, Aguilera y Gómez, 2015).

Sin embargo, estos resultados no coinciden con otro de los pocos trabajos en los que se han comparado los resultados de diferentes modelos de crecimiento urbano con mapas reales. Pascual et al., (2010) compara dos métodos de simulación: uno basado en técnicas de EMC y otro en AC. Los resultados de su validación arrojan mejores ajustes para las técnicas EMC, con un índice kappa de 0,80 para todo el uso del suelo urbano, y de 0,75 para el modelo de AC. Estos resultados difieren parcialmente de los obtenidos en el presente trabajo donde los resultados para el método de AC-Markov arrojan un índice kappa de 0,75, muy similar a los obtenidos por los autores antes citados, pero en caso contrario para las EMC con kappa de 0,53.

En el caso del modelo de RL, al ser un modelo estadístico, aporta resultados algo deterministas al estar condicionado por la respuesta de la variable dependiente y sesgar los resultados en función del conjunto de factores utilizados, que influyen sobre el crecimiento urbano.

No obstante, los resultados del método EMC pueden estar sesgados en función de los valores de ponderación asignados a cada uno de los factores, por ello, es una técnica que puede estar más indicada para simular escenarios de tipo normativo o deseables, tal como señalan Gómez et al., (2014); Gutiérrez et al., (2010); y Aguilera et al., (2011), entre otros, ya que se pueden obtener resultados diferentes en función de los objetivos planteados.

Finalmente, en lo que respecta a las limitaciones, es necesario destacar que los resultados obtenidos por los modelos están condicionados por la cartografía de usos del suelo empleada, obtenida mediante clasificación de las imágenes de satélite. En este sentido, para futuros trabajos, sería importante poder contar con una base cartográfica de usos de suelo con un mayor porcentaje de acuerdo en la validación, lo que daría mayor certidumbre a los resultados de los modelos de simulación aplicados.

Realizar simulaciones de crecimiento urbano a futuro no es una tarea fácil, dado el alto grado de incertidumbre y la variedad de factores motrices que intervienen en el comportamiento de estas dinámicas. La comparación de los resultados de los distintos modelos ha servido como punto de partida para tratar de establecer un modelo cuyos mejores resultados se ajusten a la realidad de la expansión urbana registrada en la zona; no obstante, aunque las condiciones sucedidas en el pasado pueden estar poco relacionadas con lo que suceda en el futuro, el escenario tendencial de crecimiento urbano obtenido constituye una fuente de información muy valiosa para el conocimiento de las consecuencias en el territorio, en el caso de que dichas áreas fueran ocupadas por el uso de suelo urbano en el futuro.

El modelo AC-Markov muestra mayor potencial sobre RL y EMC, planteándose como un modelo probabilístico integral al involucrar criterios de los otros modelos utilizados, tanto las variables que influyen en el crecimiento urbano (que son tomadas de RL), como la aplicación de EMC para la construcción de los mapas de probabilidad. Además, cuenta con la función de contigüidad espacial, condiciones que no tienen los modelos de RL y EMC al aplicarlos de manera independiente. La combinación de las herramientas de RL y EMC con AC-Markov ha mostrado mayor certidumbre en la comparación de los resultados de la simulación del crecimiento urbano.

El modelo de simulación prospectiva de crecimiento urbano generado en el presente trabajo logra ser una buena aproximación para la generación de futuros escenarios alternativos de crecimiento urbano de la zona metropolitana Tepic-Xalisco, y contar con información con sustento científico que pueda ser tomada como base para la toma de decisiones por los planificadores, para diseñar y evaluar instrumentos que ayuden a atender y mitigar la problemática actual y futura por efectos del crecimiento urbano, todo ello con un enfoque hacia desarrollo urbano sostenible.