1 Verónica Pascual Departamento de Geografía, Universidad de

MÉTODOS DE COMPARACIÓN DE MAPAS SIMULADOS DEL CRECIMIENTO
URBANO CON LOS MAPAS REALES1
Verónica Pascual
Departamento de Geografía, Universidad de Alcalá. C/Colegios nº2, 28801, Alcalá de
Henares, Madrid. E-mail: [email protected],
Francisco Aguilera
Departamento de Geografía, Universidad de Alcalá. C/Colegios nº2, 28801, Alcalá de
Henares, Madrid. E-mail:
Montserrat Gómez
Departamento de Geografía, Universidad de Alcalá. C/Colegios nº2, 28801, Alcalá de
Henares, Madrid. E-mail: [email protected]
Pablo Barreira
Departamento de Geografía, Universidad de Alcalá. C/Colegios nº2, 28801, Alcalá de
Henares, Madrid. E-mail: [email protected]
José Miguel Santos
Departamento de Geografía
UNED, España
[email protected]
Joaquín Bosque Sendra
Departamento de Geografía, Universidad de Alcalá. C/Colegios nº2, 28801, Alcalá de
Henares, Madrid. E-mail: [email protected]
Resumen
Los modelos de simulación de la ocupación del suelo, por ejemplo, los
modelos que intentan calcular el crecimiento urbano, generan mapas que
muestran la disposición territorial de las zonas seleccionadas por el modelo para
instalar las nuevas ocupaciones del suelo, como pueden ser las nuevas zonas
urbanas. Un problema importante es decidir si esas simulaciones se ajustan a la
realidad observada en el territorio. Para eso, se necesita comparar los mapas
reales con los simulados. Esta comparación no es tan sencilla como parece y es
necesario desarrollar nuevos procedimientos para llevarla a cabo en las mejores
condiciones. Esta comunicación pretende realizar una primera discusión del tema
y aportar algunos procedimientos prácticos de solucionar la cuestión.
Palabras clave: Crecimiento urbano, simulación, Autómatas Celulares, Evaluación
Multi-criterio, comparación de mapas.
METHODS TO COMPARE SIMULATED AND ACTUAL MAPS FOR URBAN GROWTH
ABSTRACT
1
Trabajo financiado por el proyecto SIMURBAN del Ministerio de Educacion y Ciencia (MEC España) a
traves de la convocatoria de 2006 de proyectos del Plan Nacional de Investigacion Cientifica, Desarrollo e
Innovacion 2004-2007, Programa Nacional de Ciencias Sociales, Economicas y Juridicas (Referencia
SEJ2007-66608-C04-00/ GEOG.
1
The urban growth models generate simulated maps that are necessary to compare with the actual
maps. The methods available to compare maps are not appropriate. This work proposes new
methods to improve the comparison of maps.
Keywords: Urban growth. Simulation. Cellular automata. Multi-criteria evaluation. Map
comparison.
1. Introducción: El problema que se pretende analizar
El uso de modelos de simulación de diverso tipo para estudiar el crecimiento urbano se ha
convertido en algo habitual en los últimos años. Se emplean para ello modelos muy diferentes, por
ejemplo basados en la aplicación de los autómatas celulares, o en las técnicas de evaluación multicriterio.
Normalmente es necesario comparar los resultados de la ejecución de un modelo con los datos
reales para decidir lo adecuado de ese modelo para reproducir la realidad estudiada. Esta
comparación no es sencilla y es imprescindible avanzar ideas y nuevos métodos que permitan
mejorar los actuales procedimientos de comparación.
El objetivo de este trabajo es el de plantear nuevos elementos en la discusión de los
procedimientos que se pueden emplear para determinar el ajuste del mapa simulado por un modelo
al mapa del crecimiento real de las zonas urbanas.
La comparación de dos mapas, uno real y otro simulado con un modelo, ambos referidos al
crecimiento urbano en un periodo de tiempo, necesita concretar qué elementos queremos medir y
comparar entre los dos mapas. En principio, dos mapas se pueden parecer más o menos en función
de muy diversos aspectos:
•
Similitud en la localización geométrica de los elementos existentes en el mapa, cuanto más
iguales sean estas posiciones en los dos mapas, más parecidos serán los mismos. Esta es la
primera y más elemental manera de establecer la comparación, pero no parece difícil imaginar
otras similitudes que resultan relevantes.
•
Semejanza en la estructura formal del paisaje reflejado en los dos mapas. La Ecología del
paisaje, una nueva disciplina que analiza las formas del paisaje, subraya la importancia de este
tema en la comparación de dos situaciones y en la evaluación de la calidad ambiental en ciertos
aspectos relevantes.
•
De manera aún más general, en muchos casos puede parecer significativo comparar dos mapas
del crecimiento urbano en cuanto a la estructura territorial básica de los hechos reflejados en
él. Esto es particularmente importante respecto a mapas de zonas urbanas y metropolitanas, de
manera que podríamos comparar si la situación simulada es similar, en mayor o menor grado, a
una situación metropolitana real en cuanto a su organización general.
•
Finalmente, una cuarta opción, que puede que se encuentre bastante relacionado con el primer
criterio que hemos mencionado, sería la comparación de la accesibilidad de los lugares
urbanos y residenciales generados por los modelos de simulación en relación a los valores de
esta magnitud en la realidad.
En resumen, es posible formular diferentes criterios que permitan medir la similitud de dos
mapas y de esa manera establecer la validez de un modelo de simulación para construir resultados
próximos a la realidad o, al menos, razonablemente cercanos. Un tema importante es cómo medir en
concreto cada uno de estos criterios de comparación. En esta comunicación sólo se van a adelantar
algunas ideas para medir el segundo criterio que hemos mencionado, las semejanzas en la estructura
2
formal de los hechos representados en los dos mapas. Los otros aspectos se dejan para trabajos
posteriores.
La organización del texto es la siguiente. A continuación se describe el área de estudio y los
mapas que deseamos comparar: los simulados y el real. En los siguientes epígrafes, se explican con
algún detalle cómo medir tres de los anteriores aspectos: localización geométrica, organización
formal del paisaje y estructura territorial básica. El epígrafe 4 contiene los resultados concretos
obtenidos al aplicar los procedimientos descritos para medir la estructura formal del paisaje en los
dos mapas. A continuación, en el epígrafe 5, se plantean algunas conclusiones de interés. El texto
termina con la bibliografía citada.
Para la simulación del crecimiento urbano en la región de Madrid se utilizó la información
aportada por el proyecto CORINE Land Cover, correspondiente a las fechas de 1990 y 2000. Este
proyecto recopila de forma coordinada y homogénea la información numérica y gráfica a escala
1:100.000 sobre la Cobertura y/o Uso del Territorio en el ámbito europeo. Este proyecto recoge por
tanto las distintas ocupaciones del suelo para los años 1990 y 2000, intervalo suficiente como para
advertir los cambios en los usos del suelo estudiados: residencial y el denominado productivo
(comercial e industrial).
2. La zona de estudio y los modelos de simulación realizados
2.1. Zona de estudio
La Comunidad Autónoma de Madrid se sitúa en el centro de la Península Ibérica,
concretamente en el centro de la Meseta Central. Limita con las provincias de Ávila y Segovia
(Castilla y León), Guadalajara, Cuenca y Toledo (Castilla-La Mancha). Con una extensión de 8.028
km2 (1,6% del total nacional), es la 12ª comunidad española en superficie y se encuentra dividida
en 179 municipios.
La población de Madrid ocupa el primer lugar provincial en número de habitantes, con
5.030.598 en 1990, ascendiendo a 5.205.408 en 2000 y con 6.369.167 en 2011 (Instituto Nacional
de Estadística, 2011). Se caracteriza por una gran concentración humana, especialmente en su
capital y área metropolitana. A partir de la década de 1990, se produce un cambio en el modelo de
crecimiento urbano de la Comunidad de Madrid, registrándose una descentralización hacia
municipios cada vez más alejados de la principal aglomeración metropolitana (Barrios y otros, 2008
y Plata y otros, 2008a)
La Comunidad de Madrid ha sufrido, durante el periodo de estudio (1990-2000), un proceso de
rápida urbanización (Figuras 1) que se ha traducido, sobre todo, en un aumento de la ocupación del
territorio a base de urbanizaciones residenciales con patrones difusos (EEA, 2006). En este periodo
de tiempo, aproximadamente 50.000 ha se han convertido en superficies artificiales; es decir, casi
un 50% más de la superficie existente en 1990 (Plata, 2010; Plata et al, 2008b). Al analizar
solamente el incremento del área residencial, usando para ello las categorías utilizadas en la base de
datos CORINE, la empleada para realizar el estudio del crecimiento urbano real (Plata et al, 2008b):
tejido urbano continuo, estructura urbana abierta, y urbanizaciones exentas y/o ajardinadas, en el
periodo 1990 a 2000, es la provincia de Madrid la que presenta cambios más significativos,
aumentando su superficie urbana en 20.190 ha, seguida de las provincias de Alicante (12.589 ha) y
Valencia (5858 ha) (OSE, 2008).
El mapa de crecimiento del suelo residencial y lo que podríamos considerar suelo productivo
asociado (industrial y comercial), entre ambas fechas, se muestra en la Figura 1. Éste es el mapa
real que se intenta reproducir mediante las dos técnicas a estudiar. Al no considerar la competencia
de usos del suelo que podría o no existir, las simulaciones se realizaron por cada tipo de suelo a
estudiar; por un lado el uso residencial y por el otro el uso productivo.
3
Como muestra la Figura 1, en general, el crecimiento se ha localizado muy próximo a las
zonas urbanas ya existentes y en las zonas cercanas a la red principal de comunicaciones como
ocurre en la A-2 (Corredor del Henares) y A-6. Este crecimiento se ha realizado a costa de las zonas
agrícolas, principalmente de tierras de labor en secano (Plata y otros, 2008b). Los aumentos más
evidentes se han localizado en el municipio de Madrid y en las zonas metropolitanas del oeste, sur y
este. Las demás zonas de la Comunidad se mantuvieron casi sin transformar, destacando sólo los
incrementos en la Sierra Central y en la zona nordeste. Además, en este periodo de tiempo aparecen
numerosas urbanizaciones de pequeño tamaño, alejadas de los centros urbanos consolidados,
localizadas un gran número en la zona de la Sierra (noroeste de la comunidad).
2.2. Los modelos de simulación utilizados
La construcción de modelos de simulación basados en las dos técnicas que se explicarán
posteriormente necesita, previamente, establecer qué factores van a intervenir en la localización de
los distintos tipos de crecimientos que se desean estudiar (residencial y productivo). En este caso, se
realizó, en primer lugar, un análisis estadístico exhaustivo, a partir de técnicas de regresión, con el
objetivo de averiguar qué factores podrían haber estado relacionados con la localización espacial de
las nuevas zonas residenciales, industriales y comerciales (Plata 2008a y b). De estos trabajos se ha
podido concluir que, entre las fuerzas impulsoras del crecimiento urbano en la región, se encuentran
factores relacionados con la accesibilidad, como la proximidad a carreteras, a zonas urbanas, a
servicios, a equipamientos de ocio, y otros de carácter ambiental, como los usos de suelo ya
existentes, la pendiente o la altitud. Es por ello que estos factores se incluyeron en los dos modelos
de simulación realizados.
De todas las técnicas de simulación existentes, en este caso, siguiendo la línea de
investigación iniciada en trabajos anteriores (Pascual y otros, 2010) y enmarcado dentro del
proyecto SIMURBAN, se ha decidido emplear dos de ellas, muy diferentes en su planteamiento
básico y en su desarrollo operativo.
Por un lado, el procedimiento de los Autómatas Celulares (AC), diseñados por John Von
Neuman y Stanislaw Ulam en los años 40, que se han convertido en los últimos años en una técnica
estándar para estudiar la dinámica temporal de muy diversas cuestiones y, en primer lugar, del
crecimiento urbano (Aguilera, 2006 y 2008). Para White et al (1997), esta metodología se puede
entender como un sistema espacial dinámico muy simple en el que el estado de cada celda depende
de los estados previos de las celdas vecinas, de acuerdo con un conjunto de reglas de transición. Por
tanto, junto a la aptitud del territorio a ser urbanizado, otro factor determinante del proceso es la
vecindad inmediata de cada punto del territorio. Además, otra característica singular de los
autómatas celulares es que el resultado de una simulación incide en la siguiente fase del proceso,
siendo, por tanto, un procedimiento iterativo (Barredo et al, 2003). Para este modelo se utilizaron
los siguientes factores: distancia a carreteras, al centro de negocios, a comercios, a cuerpos de agua,
a zonas urbanas y a universidades, altitud, pendiente, incremento de la población y usos del suelo.
Por otra parte, las técnicas de Evaluación multicriterio (EMC) son muy utilizadas para
formular planteamientos normativos en tareas de planificación; es decir, establecer dónde debería
desarrollarse una determinada actividad en el territorio, en función de los objetivos y de los criterios
establecidos por los planificadores (Gómez y Barredo, 2005). En este caso se utiliza esta técnica
con un propósito diferente al habitual, ya que, partiendo de los factores que han sido determinantes
en el desarrollo de nuevas zonas urbanas, se intenta reproducir lo que ha sucedido con el uso del
suelo urbano residencial y productivo (comercial e industrial) y no lo que hubiera sido deseable. Es
decir, se emplean estas técnicas en un contexto exploratorio, intentando reproducir una evolución
posible y probable, en función de lo ocurrido en el pasado (Aguilera et al., 2010).
4
Con este modelo, se utilizaron los siguientes factores: distancia a carreteras, a zonas
urbanas, a nodos de conexión, distancia ponderada a la población, usos del suelo existentes, y
protección de suelo de mayor productividad. La ponderación de los factores se obtuvo a partir de
una regresión lineal. Como resultado, se obtuvo la adecuación para cada uso, y, una vez clasificados
de mayor a menor todos los puntos del territorio en función de su aptitud, para este uso concreto, se
seleccionaron aquellos necesarios para alcanzar la cantidad de suelo (hectáreas de crecimiento)
residencial o productivo desarrollada entre 1990 y 2000.
Como se ha expuesto, estas técnicas se van a aplicar para calcular los lugares más probables
de urbanización en una fecha del presente, en función de criterios observados como determinantes
del crecimiento urbano en el pasado. De esta manera, tales resultados (Figura 2) los podemos
contrastar con lo que realmente ha ocurrido con el proceso de urbanización en esa fecha (Figura 1).
3. Hacia una propuesta de procedimientos a emplear para comparar mapas
Como se ha señalado anteriormente, a la hora de comparar dos mapas, como sucede con los
resultados de los modelos de simulación con la realidad, surgen diversas alternativas y problemas
que este trabajo intenta abordar. No en vano, ya importantes trabajos de simulación en la materia
(White et al., 1997 o Barredo et al., 2003) destacaban los problemas de la tradicional comparación
píxel a píxel. En este sentido, podemos constatar que si realizamos este tipo de comparación, dos
mapas iguales, en los que únicamente se desplazarán los valores de cada píxel una fila, darían lugar
a diferencias sustanciales.
Por tanto, a lo largo del presente epígrafe, se presentarán tres posibles aproximaciones a la
comparación de mapas simulados con mapas reales, que puedan ser útiles para su aplicación en los
estudios de simulación.
3.1. Comparación de la posición geométrica de los diferentes resultados
La comparación de la localización entre dos mapas, y determinar correctamente el acuerdo
entre una simulación de un mapa de usos del suelo y uno real, no es sencilla y depende de varias
cuestiones como las siguientes:
a) ¿Qué mapas se deben comparar? ¿Es adecuado usar el mapa final que incluye tanto los usos
preexistentes como las adiciones de nuevos usos? ¿O sólo se deben comparar la posición de
las nuevas zonas urbanas? En tu trabajo previo se ha justificado la idea de comparar sólo las
nuevas zonas urbanas (Pascual et al, 2010). Se trata de comprobar si se ha acertado, con el
modelo de simulación, en la posición concreta de los nuevos usos urbanos: residenciales y
productivos.
b) Sin embargo, una reflexión básica sobre el tema encuentra que las probabilidades de acertar
son bastante reducidas. Si el mapa de adecuación usado para seleccionar la posición de los
nuevos usos incluye 100,000 lugares (por ejemplo píxeles de un mapa ráster) de un nivel de
adecuación elevado (y, en general, con pequeñas variaciones, adecuados para ser
urbanizados), y se deben seleccionar 10,000 lugares (píxeles) de nuevas zonas urbanas,
resulta que las combinaciones posibles de 10,000 entre 100,0000 son enormes.
En resumen, la posición espacial de las soluciones simuladas sólo se puede aproximar algo
a las reales y de lo que se trata es encontrar un procedimiento razonable, alejado de planteamientos
excesivamente rigurosos y estrictos. Como alternativa, se proponen, en el texto antes citado, varias
opciones:
5
1º Comparar la distribución de frecuencias (y los estadísticos de resumen de esa
distribución) de la adecuación que se observa en los usos reales con la distribución de frecuencias
de la adecuación en los usos simulados.
2º Tener en cuenta no la posición exacta de los usos sino su localización aproximada. Es
decir, que no se considere completamente erróneo que un uso simulado se sitúe en las proximidades
de los píxeles reales con ese uso.
En cualquier caso, los resultados de estos procedimientos de comparación son iniciales y es
interesante contrastarlos con lo que se obtiene usando otros de los procedimientos propuestos en
este texto, en particular la organización formal del paisaje.
3.2. Comparación de la organización y fragmentación del paisaje: uso de índices de Ecología del
paisaje
Otro procedimiento que puede permitir realizar la comparación de mapas, son los índices de
la ecología del paisaje (Berling-Wolf y Wu, 2004). De una forma sintética, estos índices o métricas
pueden ser definidos como “un conjunto de medidas cuantitativas agregadas derivadas del análisis
digital de mapas temáticos” (Herold et al, 2003). Estos índices permiten cuantificar, y por tanto
comparar, las características espaciales de diferentes mapas categóricos, como los que resultan de
una simulación de cambios de usos del suelo o de crecimiento urbano.
Estas características espaciales tienen que ver, tanto con la composición de los mapas (o
paisajes) simulados y reales, así como con la configuración espacial de los mismos.
De forma genérica, estas métricas permiten comparan las características espaciales de las
diferentes teselas o fragmentos que componen los mapas categóricos (métricas a nivel de tesela), de
los valores agregados de las teselas para un mismo uso (métricas a nivel de categoría), del paisaje
en su conjunto (métricas a nivel de paisaje) e incluso a través de ventanas móviles (Kernel) (DíazVarela et al, 2009). En este último caso, se podrían tener como resultado, más allá de valores
numéricos referidos a las diferentes teselas o categorías, mapas con valores que representen el valor
de cada métrica para cada píxel de acuerdo con una vecindad determinada.
Por tanto, las métricas de la ecología del paisaje pueden realizar un análisis comparativo a
nivel de la propia estructura espacial de los paisajes a contrastar (a través de medir la
correspondencia espacial de las teselas formadas por agregados de píxeles del mismo uso), que
puede resultar más adecuada que una evaluación píxel a píxel.
Sin embargo no resulta sencillo seleccionar aquellos índices de la ecología del paisaje más
adecuados para su uso, y quizás menos aún para la comparación de paisajes urbanos, resultado de
una simulación con paisajes reales. No obstante, en diversos trabajos, se han propuesto un conjunto
de índices que pueden ser adecuados, tanto para la planificación de paisajes (Botequilha e Ahern,
2002; Botequilha et al, 2006) como para la caracterización de procesos de crecimiento urbano
(Herold et al, 2005; Aguilera et al, 2011). Estos conjuntos de índices pueden ser un buen punto de
partida para la selección de un conjunto de métricas de la ecología del paisaje, útiles para la
comparación de resultados de simulaciones con la realidad.
En el caso que nos ocupa, el de comparar resultados de simulaciones de crecimiento urbano
con la realidad, podemos emplear el conjunto de índices seleccionados en Aguilera (2010) para la
identificación de procesos de crecimiento urbano en áreas metropolitanas. Estos índices se
encuentran en relación con los diferentes procesos que actualmente afectan a las zonas urbanas
(Font, 2004; Indovina, 2005), como la dispersión, la agregación, etc. Por tanto, a través de dichos
6
índices pueden valorarse los cambios espaciales que tienen lugar como consecuencia de los
procesos urbanos (Aguilera et al, 2011).
3.2.1. Procesos urbanos y métricas de ecología del paisaje
A continuación se presenta un conjunto de seis índices o métricas que pueden ser adecuadas
para cuantificar cambios en la estructura del paisaje (Aguilera, 2010) y que, por tanto, puede
emplearse en la medición de las características espaciales de los procesos urbanos simulados, y
compararlas con los procesos de cambio real. Las métricas empleadas se obtienen a nivel de clase,
de tal forma, que para cada categoría de los diferentes mapas se obtienen valores numéricos de las
diferentes métricas. Estas métricas se pueden asociar a diferentes procesos de cambio en las áreas
urbanas, como queda recogido en la Tabla 1.
Y es que mediante la comparación de los valores de las métricas para el crecimiento
simulado entre el período 90-00 con el crecimiento real experimentado, así como de la situación
final resultante para el año 2000 (resultado de adicionar a las zonas urbanas existentes en 1990 el
crecimiento experimentado), se podrán valorar los resultados de los escenarios en relación con los
siguientes procesos urbanos.
Proceso de agregación/fragmentación
La agregación se corresponde con el proceso de agrupamiento de los fragmentos urbanos
para formar teselas de mayor tamaño. Este proceso tiene lugar cuando los crecimientos urbanos se
producen adyacentes a las zonas urbanas preexistentes. Como consecuencia, los fragmentos urbanos
se hacen de mayor tamaño, y puede dar lugar a la unión de diferentes fragmentos, lo que igualmente
reduciría su número. Para medir el grado de agregación de las áreas urbanas, se pueden emplear
métricas como el Número de Fragmentos (NP) de cada categoría urbana, o el tamaño medio de los
fragmentos de las diferentes categorías urbanas (AREA_MN). Generalmente, una mayor agregación
implica un menor número de fragmentos, así como un mayor tamaño de los mismos. El proceso
contrario sería el de la fragmentación de los usos urbanos, caracterizado por un incremento del NP y
descenso del AREA_MN.
Proceso de elongación
Se trata de un proceso de formación de teselas más alargadas, como parte de crecimientos a
lo largo de las principales vías de comunicación, que pueden ser de gran importancia en ciertos usos
urbanos (industriales por ejemplo) o en algunas de las áreas urbanas. Este proceso puede
caracterizarse por métricas que miden la forma de las diferentes teselas de cada uso, y el grado de
proximidad que presentan con la forma del círculo. Estas métricas son el índice de forma
SHAPE_MN, así como el índice de compacidad GYRATE_MN, que cuanto mayores son, mayor
elongación muestran.
Proceso de dispersión
Este proceso consiste en el incremento de la distancia que separa a las teselas de la misma
clase de uso unas de otras. Puede medirse mediante la distancia mínima a la tesela más próxima
(ENN_MN), de tal forma que su incremento se traducirá en un mayor proceso de dispersión de las
teselas, que comienzan a localizarse en las zonas intersticiales existentes entre los núcleo urbanos
consolidados. Esto por su parte también genera incrementos del PROX_MN.
3.3. Comparación respecto a la organización general del territorio
7
Un tercer procedimiento que serviría para cotejar el resultado alcanzado por los modelos de
simulación, respecto a la situación real, podría lograrse si consideráramos la localización del
crecimiento urbano acaecido en un territorio concreto, no de manera indiscriminada, sino
clasificado de acuerdo con un modelo general representativo de las nuevas tendencias que
caracterizan al desarrollo urbano de la ciudad actual. Se trataría de identificar, en primer lugar, los
píxeles en donde habría habido cambios de suelo no urbano a suelo urbano, agrupándolos de
acuerdo con algún patrón que facilitara la comparación.
Antonio Font (1997) define, en una obra de gran interés sobre el tema, las nuevas
tendencias existentes en la construcción de la ciudad de Barcelona, que podrían servir de base para
definir los rasgos del cambio de la estructura metropolitana clásica al modelo de ciudad disperso en
nuestro país. Según este autor y de forma sintética, los procesos contemporáneos que podrían
adivinarse en las nuevas morfologías urbanas de la ciudad actual se podrían agrupar en varios
apartados:
• La expansión del núcleo central y de los núcleos históricos de la región metropolitana, con
caracteres de continuidad espacial y promiscuidad de usos (residencial, industrial, servicios,
etc.). Este crecimiento se estaría produciendo en mancha de aceite, conurbando los
asentamientos más próximos, siguiendo la tendencia de una mayor densidad de ocupación
cuanto menor sea la distancia a los centros urbanos de los mismos.
•
Los nuevos emplazamientos o lugares de las actividades de la innovación o de la centralidad
dispersa, en enclaves de alta accesibilidad o exposición visual, o a lo largo de los elementos
principales de la infraestructura vial y del transporte público. Podrían contemplarse las grandes
superficies comerciales y equipamientos, las sedes representativas de las principales empresas
del sector servicios o de la producción, junto a los nuevos espacios productivos innovadores
(parques de actividad, tecnológicos, etc.).
•
Las formas del crecimiento disperso, fundamentalmente la edificación aislada de la segunda
residencia, que consume importantes superficies de territorio, gracias a la accesibilidad de la
nueva red viaria construida.
Simplificando, el desarrollo urbano disperso se realizaría, de acuerdo con tres patrones
básicos de unión de las celdas representativas del desarrollo urbano disperso: crecimiento urbano
compacto y continuo (cluster growth); crecimiento lineal (normalmente a lo largo de una arteria de
tráfico llamado linear growth) y crecimiento en manchas urbanas discontinuas y separadas entre sí
(leapfrog growth) (Harvey and Clark 1971), mostrados en la Figura 3.
Esta forma de actuar podría permitirnos definir una metodología específica, con la finalidad
de organizar el nuevo crecimiento urbano de una ciudad determinada en una serie de unidades
espaciales de carácter estructural:
•
El núcleo urbano fundamental, integrado por las celdas de este núcleo y las que se añadieran
por contigüidad o proximidad en un entorno o radio determinado. En este sentido, podría
aplicarse el modelo del gradiente de densidad, para poner de manifiesto la disminución
progresiva de la ocupación del suelo respecto a la distancia al centro.
•
Los núcleos urbanos secundarios, integrados por las celdas de estos núcleos y las que se
añadieran por contigüidad o proximidad en un entorno o radio determinado inferior. De igual
manera, podrían considerarse los buffers de distancia a cada sub-centro.
8
•
El desarrollo urbano lineal, caracterizado por el nuevo crecimiento, situado en la proximidad
de las vías básicas de tráfico.
•
El desarrollo urbano nodal, caracterizado por el nuevo crecimiento, situado en la proximidad
de los principales nodos viales de la región.
•
El desarrollo urbano disperso, caracterizado por la baja densidad edificatoria y un alejamiento
relativo respecto a otros píxeles ya existentes.
La comparación entre el crecimiento urbano real y el correspondiente a la aplicación de los
modelos de simulación dispondría de un patrón de referencia, que facilitaría la medición de la
adecuación de ambos. Se podría, por tanto, contrastar la acomodación del resultado de los modelos
predictivos a la estructura real del territorio:
•
Bien por la verificación del tipo de patrón de crecimiento y posición relativa de los píxeles en
los que la situación del crecimiento real y simulado coinciden.
•
Bien por la medición del encaje de los puntos no coincidentes, respecto a la organización
general del territorio, por la posición relativa que ocupan en los diferentes buffers de
aproximación a los elementos estructuradores de la misma. Determinar qué porcentaje de los
puntos simulados, aunque no concuerden con la situación real. Se amolda a este patrón espacial
y permite aventurar la existencia de una aproximación entre realidad y simulación.
El estudio podría realizarse, además, analizando el desarrollo urbano por sectores urbanos.
Este tipo de análisis estaría más que justificado en el caso de Madrid, ya que en determinados
sectores (zona norte y sobre todo oeste) el desarrollo disperso ha tenido una presencia muy superior
al resto, mientras que en la zona sur predomina una estructura mallada de núcleos urbanos bien
definida, que continúan organizando el desarrollo urbano de carácter compacto en su alrededor, y en
el sector este, donde el nuevo crecimiento urbano se halla estructurado de manera lineal a lo largo
del eje del Henares.
4. Algunos resultados: aplicación de índices de Ecología del paisaje
Los índices obtenidos para las simulaciones de crecimiento urbano para los modelos AC y
EMC, tanto para el crecimiento simulado (CRECIMIENTO) como para el resultado total de la
simulación (RESULTADO TOTAL), han sido comparados con los índices obtenidos para los
mapas de crecimiento real entre 90 y 00 y de la situación real en el año 2000, cada uno con un mapa
de resolución comparable a la obtenida en la simulación2. La Tabla 2 recoge dichos valores.
Para facilitar la interpretación de los resultados, puesto que cada modelo tiene que ser
comparado con una mapa de resolución comparable, y eso altera los valores de las métricas para los
mapas “reales”, se ha recurrido a realizar una comparación mostrando el porcentaje de diferencia
entre los valores de las métricas de cada modelo con respecto al mapa de referencia comparable
(Figura 4 y Figura 5).
En lo que respecta a los valores del crecimiento del suelo productivo simulado, recogidos
en la Figura 4 (2 barras de la izquierda de la figura), se puede apreciar cómo el modelo basado en
2
Puesto que los resultados de los dos modelos tienen una resolución espacial diferente, tienen que ser
comparados con los mapas “reales” de la misma resolución. Por ello se emplearán dos mapas reales, uno con
la resolución del modelo basado en EMC, y otro con la del basado en AC.
9
EMC presenta un valor del NP menor del real (-61%), así como unos valores superiores de
AREA_MN (156%). Por el contrario, el modelo de AC presenta un número de fragmentos más
elevado (140% NP), pero que son de menor tamaño (-60% AREA_MN). Por tanto, para los usos
productivos, el modelo basado en EMC simula un proceso de crecimiento más agregado del que
realmente tuvo lugar, mientras que modelo basado en AC simula un crecimiento más fragmentado.
En relación con la elongación de los crecimientos simulados, el modelo basado en EMC
muestra unos crecimientos más elongados de los reales (56% del GYRATE_MN y 53% del
SHAPE_MN) potenciando así crecimientos más lineales. Por lo que respecta al modelo basado en
AC, éste simula fragmentos levemente más compactos (36% disminución del GYRATE_MN),
aunque más parecidos a la realidad que para el caso del modelo EMC.
Por su parte, en lo referente a la dispersión, ambos modelos muestran una mayor dispersión
que la real, puesto que presentan una disminución de la distancia entre teselas del mismo uso (-41%
ENN_MN para EMC y un -56% para AC), y un aumento del PROX_MN (256% para EMC y 51%
para AC)
En lo que respecta al resultado total simulado para los usos productivos en el año 2000
(barras de la derecha de la Figura 4), y puesto que se adicionan las superficies existentes en 1990,
los valores de diferencias de las métricas se atenúa con respecto a los anteriores. De manera
pormenorizada, se puede señalar que el modelo EMC presenta un número menor de teselas (-35%
NP) y una mayor área media (53% AREA_MN) mostrando una mayor agregación que la real. No
obstante sus valores son más parecidos a la realidad que en el caso del modelo AC, que
especialmente muestra un proceso de dispersión mucho mayor, con la disminución de los valores de
ENN_MN.
El análisis del crecimiento de los usos residenciales simulados (barras izquierdas de la
Figura 5) muestran como para el caso del modelo basado en AC se observa una gran similitud con
el proceso de crecimiento real, experimentado por este uso entre las dos fechas (por ejemplo -10%
NP y -0.2% AREA_MN). Este hecho implica que el modelo simula de forma adecuada la
agregación de los usos residenciales. Por el contrario, el modelo basado en EMC presenta unos
resultados mucho más alejados de la situación real (por ejemplo 59% NP y -37% AREA_MN).
En cuanto al análisis de la superficie total resultante para el uso residencial (barras de la
derecha de los índices de la Figura 5), el modelo basado en AC muestra ahora unos resultados con
una agregación mucho menor de la real, con un mayor número de teselas (65% NP AC) y de
tamaño más pequeño (-41% AREA_MN AC). Esto se debe a la presencia de múltiples fragmentos
de pequeño tamaño, que igualmente condicionan unos valores más bajos de GYRATE_AM (-28%)
(por el menor tamaño de las teselas) y una distancia más cercana de unas manchas con respecto a
otras (-28% de ENN_MN).
No ocurre así en el caso del modelo EMC, con valores mucho más similares con respecto a
los reales en lo que respecta a la práctica totalidad de las métricas y que únicamente difieren un
poco más en lo referente al SHAPE_MN.
Por tanto, a la vista de los valores comentados, se puede observar que los resultados, en
términos de la estructura del paisaje, son más similares a la realidad para el modelo basado en AC
en lo que respecta al análisis de los mapas de crecimiento y especialmente para los usos
residenciales. Sin embargo, el modelo basado en EMC muestra, por su parte, unos valores más
cercanos a la realidad para el análisis realizado a nivel de la estructura del paisaje total
simulada para el año 2000. Este hecho sucede debido a que los nuevos fragmentos urbanos que
10
aparecen en el período 90-00 en realidad aparecen agregados a teselas urbanas existentes en el año
90, lo que reduce el número total de teselas cuando se realiza un análisis completo para el paisaje en
su totalidad para el año 2000. De esta forma, aunque el modelo basado en AC sea más ajustado en
lo que respecta al tamaño y el número de teselas que van a crecer, falla a la hora de colocarlas de
forma adyacente a las ya existentes en el año 90, lo que da lugar a un número de teselas (PN)
mayor, de tamaño más pequeño (AREA_MN), y unas más cerca de otras (ENN_MN).
5. Conclusiones
Una conclusión de este trabajo, en gran medida todavía muy preliminar, es que la cuestión
de comparar mapas de manera realista sigue siendo un problema complicado y difícil de resolver.
No obstante, nuestra propuesta de separar este complejo tema en diversos aspectos creemos que es
un avance en el desarrollo de métodos más completos y precisos.
Los aspectos propuestos creemos que miden cuestiones diferentes en las que los mapas se
pueden diferenciar y que deben ser tomados en cuenta en una correcta comparación, lo que no está
totalmente resuelto es que todos los posibles aspectos que caracterizan a un mapa, y lo hacen
similar o distinto de otro, estén recogidos totalmente con nuestra propuesta. Es una cuestión aún
abierta a debate.
En cualquier caso, un análisis de la estructura del paisaje como el presentado en este texto,
puede permitir conocer y evaluar algunos detalles de la configuración espacial de los resultados de
los modelos de simulación, no evaluables con otros métodos como aquellos de comparación píxel a
píxel y que, por lo tanto, complementa la comparación entre los dos mapas.
La información recogida sobre las diferencias en la estructura formal del paisaje, que separa
y diferencia a la realidad de la simulación, puede ser muy valiosa para la realización de las
modificaciones oportunas en los modelos de simulación con el objetivo de generar paisajes más
“realistas”.
De todas formas, insistimos, conviene destacar que esta valoración de la estructura
paisajística puede ser completada por otras valoraciones como las descritas anteriormente, tales
como las aquí planteadas, la comparación geométrica o el análisis de la estructura del territorio.
Referencias bibliográficas
Aguilera Benavente, F. (2006). Predicción del crecimiento urbano mediante sistemas de
información geográfica y modelos basados en autómatas celulares. GeoFocus (Artículos) 6: 81-112.
Aguilera Benavente, F. 2008: Análisis espacial para la ordenación eco-paisajística de la
Aglomeración Urbana de Granada. Tesis Doctoral. Universidad de Granada, 303 pp.
Aguilera, F. (2010): Aplicación de métricas de ecología del paisaje para el análisis de patrones de
ocupación urbana en el Área Metropolitana de Granada. Anales de Geografía, vol 30, pp 9-29.
Aguilera Benavente, F.; Gómez Delgado, M. y Cantergiani, C.C (2010). Instrumentos de
simulación prospectiva del crecimiento urbano. Ciudad y Territorio. Estudios Territoriales, Vol
XLII, (Nº165-166), pp. 481-495.
11
Aguilera, F., Valenzuela, L.M, and Botequilha-Leitao, A. (2011) Landscape metrics in the analysis
of urban land use patterns: A case study in a Spanish metropolitan area. Landscape and Urban
Planning. Vol 99, pp 226-238
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, vol 64, pp 145-160
Barrios I., Romero R., Montero-Serrano, J. (2008) Efecto de la dinámica territorial (1990-2000)
sobre los espacios naturales protegidos de la Comunidad de Madrid. En: A. Galve, V. Pascual, V.M.
Rodriguez (Editores), XI Coloquio Ibérico de Geografía: la perspectiva geográfica ante los retos de
la sociedad y el medioambiente en el contexto ibérico. Universidad de Alcalá, España.
Berling-Wolf, S.,Wu, J. (2004) Modelling urban landscape dynamics: a case study in Phoenix,
USA. Urban Ecosystems, vol 7, pp 215–240.
Botequilha-Leitão, A.,Ahern,J. (2002). Applying landscape concepts and metrics in sustainable
landscape planning. Landscape and Urban Planning. Vol 59, pp 65–93.
Botequilha-Leitão, A., Miller,J., Ahern,J., Mcgarigal,K. (2006) Measuring Landscapes. A Planner’s
Handbook. Island Press, Washington, DC.
Díaz-Varela, E.R; Marey-Pérez M.F y Álvarez-Álvarez, P (2009) Use of simulated and real data to
identify heterogeneity domains in scale-divergent forest landscapes. Forest Ecology and
Management, vol 258, pp 2490–2500
EEA (European Environment Agency) (2006): Urban sprawl in Europe, the ignored challenge.
EEA Report No 10/2006
Font, A. (1997): Anatomía de una metrópoli discontinua: la Barcelona metropolitana, Papers, Región
Metropolitana de Barcelona, nº 26, páginas 9-19. Barcelona.
Font, A. (Ed.) (2004). L’explosió de la ciutat. COAC I Fòrum Universal de les Cultures de
Barcelona, Barcelona.
Gómez Delgado, M. y Barredo Cano, J. I. (2005): Sistemas de Información Geografía y Evaluación
Multicriterio aplicados al ordenamiento del territorio. Ed. Ra-Ma. Madrid, 279pp.
Harvey, R.O. y Clark, W (1971): “The Nature and Economics of Urban Sprawl”, en Internal
Structure of City (Ed.: L.S. Bourne). Oxford University Press, New York.
Herold, M., Goldstein, N.C.,Clarke,K.C. (2003) The spatio-temporal form of urban growth:
measurement, analysis and modeling. Remote Sensing.Environ, vol 86,pp 286–302.
Herold, M.,Couclelis,H.,Clarke,K.C (2005) The role of spatial metrics in the analysis and modeling
of urban land use change. Comput.Environ.Urban., vol 29,pp 369–39
Indovina, F. (2005). L’esplosione della città .Ed Compositori, Bologna.
Instituto Nacional de Estadística: [consultado el 17 de enero de 2011] www.ine.es
12
Li, X., Yang, Q., Liu, X. (2008) Discovering and evaluating urban signatures for simulating
compact development using cellular automata. Landscape and Urban Planning. Vol 86, pp 177–
186.
McGarigal, K., S.A.Cushman, M.C.Neel, E.Ene. (2002) FRAGSTATS: Spatial Pattern Analysis
Program for Categorical Maps. Computer software program produced by the authors at the
University of Massachusetts, Amherst.
www.umass.edu/landeco/research/fragstats/fragstats.html (consultado el 15 Marzo de 2010).
Observatorio de la Sostenibilidad en España (OSE) (2008) Informe de Sostenibilidad en España –
2007 [consultado el 19 de junio de 2009] www.sostenibilidad-es.org/]
Pascual Rosa, V., Aguilera Benavente, F., Plata Rocha, W., Gómez Delgado, M. y Bosque Sendra,
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. Pp. 1.000-1.013. ISBN: 978-84-472-1294-1
Plata Rocha, W., Gómez Delgado M., y Bosque Sendra, J. (2008a): Análisis de factores
explicativos del crecimiento urbano en la comunidad de Madrid a través de métodos estadísticos y
SIG. En: Hernández, L. y Parreño, J. M. (Eds.), Tecnologías de la Información Geográfica para el
Desarrollo Territorial. Servicio de Publicaciones y Difusión Científica de la ULPGC. Las Palmas
de Gran Canaria. Pp. 121-134. ISBN: 978-84-96971-53-0.
Plata Rocha W., Gómez Delgado M., y Bosque Sendra J. (2008b): Cambios de usos del suelo y
expansión urbana en la Comunidad de Madrid. Scripta Nova Vol. XIII, 293.
Plata Rocha W. (2010) Descripción, análisis y simulación del crecimiento urbano mediante
Tecnologías de la Información Geográfica. El caso de la Comunidad de Madrid. Tesis doctoral,
Universidad de Alcalá.
White, R; Engelen, G. (1997): “Cellular automata as the basis of integrated dynamic regional
modelling”, Environment and Planning B: Planning and Design, 24, pp. 235-246.
White, R., Engelen, G., Uljee, I. (1997). The use of constrained cellular automata for high
resolution modeling of urban land use dynamics. Environment and Planning B, vol 24, pp 323–343.
TABLAS
Tabla 1. Métricas de la ecología del paisaje para la caracterización de procesos
urbanos
Métrica
Número
de
fragmento
s
Tamaño
NP
AREA_M
Descripción
Proceso Urbano
Número de teselas de un Proceso
de
mismo uso en un entorno
Fragmentación
/Agregación.
Cuanto
mayor sea el incremento
PN y mayor el
Tamaño medio de todos del
13
medio de N
los
fragmento
s
Índice de SHAPE_
tamaño
MN
medio
Índice de GYRATE
compacida _MN
d
Distancia
ENN_MN
media al
fragmento
más
próximo
Índice de PROX_M
proximidad N
medio
los fragmentos o teselas descenso
del
de un mismo uso
AREA_MN, mayor será
la fragmentación de la
clase.
Media de las relaciones Proceso
de
entre el perímetro de un elongación. A mayores
fragmento y el perímetro sea el incremento de
que tendría el fragmento GYRATE_MN
y
SHAPE_MN
mayor
más simple de igual área.
Media de las distancias de serán los procesos de
de
las
cada pixel al centroide del elongación
fragmento. Es sensible al diferentes teselas de un
tamaño de las teselas uso.
(Mayor AREA_MN implica
mayor GYRATE_MN)
Media de las distancias Proceso
de
relativas entre fragmentos Dispersión.
Valores
del mismo uso, (distancia más bajos del ENN_MN
euclídea
de
cada y
más
altos
del
fragmentos
al
más PROX_MN
indicarán
próximo)
una mayor dispersión de
Representa el valor medio los fragmentos en el
para cada tipo de uso del territorio.
índice de proximidad, el
cual aporta información
relativa a la proximidad
entre las manchas de un
uso. Sensible al tamaño
de las teselas, al igual que
el GYRATE_MN. Se ha
calculado
para
una
distancia de 500m
Fte. Elaboración propia
Tabla 2. Valores de los índices de la ecología del paisaje para el uso productivo y para
el uso urbano
Usos
PROCE
SOS
URBAN
OS
CRECIMIENTO
METRICAS
emc
real_e
mc
Ac
RESULTADO TOTAL
real_
ac
NP
64
164 396
165
AREA_ 123,
19,5
MN
04 48,02
0 48,75
GYRAT 464,
178, 281,3
E_MN
87 292,20
69
5
Elongación
SHAPE_
MN 2,33
1,53 1,25 1,31
Agreg/
Frag
14
emc
real_e
mc
ac
real_
ac
120
184
373
167
119,6
8 78,05 38,20 87,26
456,1 355,46 231,5 362,3
0
47
6
3
1,972
1,348
4 1,512 1,325
9
Usos residenciales
PROX_
Disper- MN_500
sión
ENN_M
N
NP
Agre/
AREA_
Frag
MN
GYRAT
E_MN
Elongación
SHAPE_
MN
PROX_
Disper- MN_500
sión
ENN_M
N
39,2
5 11,02 0,78 0,52
801, 1368,1 678, 1541,
52
1
94
54
612
386 485
542
25,7
29,4
2 40,78
4 29,51
164,
210, 215,9
93 271,57
94
2
1,256
1,59
1,65 1,29
6
30,8
2,17 1,129
6 14,10
05
1
476,
748, 923,7
20 957,35
71
8
80,62
1287,
911
484
123,9
8
320,7
7
1,593
6
296,7
227
919,0
9
34,42 2,18 2,62
1299,8 899,6 1639,
7
9
10
475
639
387
148,6
126,33 87,44
8
273,4 378,8
353,99
4
1
1,320 1,348
1,4831
3
3
198,89 26,41 5,743
22
99
9
1091,0 1058, 1474,
3
86
93
Nota: Las cuatro primeras columnas de valor corresponden con los valores de superficie de crecimiento y las
cuatro siguientes a superficie total. La notación “emc” y “ac” corresponde con los modelos de simulación, el
“real_emc” a la realidad con resolución comparable a la EMC y el “real_ac” a la realidad de resolución
comparable a AC.
FIGURAS
15
Figura 1. Zonas urbanas (residenciales y productivas en Madrid (1990 y 2000).
Elaboración propia
16
Figura 2. Resultados obtenidos para los usos urbanos y productivos para el
año 2000 mediante evaluación multi-criterio (EMC), arriba, y autómatas celulares.
(AC), abajo
Elaboración propia
17
Figura 3. Principales patrones del crecimiento urbano disperso
Figura 4: Diferencia en % para los valores de las métricas seleccionadas entre las
simulaciones y la situación real para los usos productivos. “cto_EMC” y “total_EMC”
representan los valores para el crecimiento entre 90 y 2000 y el resultado total para 2000
simulados con EMC. “cto_AC” y “total_AC” representan los valores para el crecimiento
entre 90 y 2000 y el resultado total para 2000 simulados con AC.
Elaboración propia
18
Figura 5: Diferencia en % para los valores de las métricas seleccionadas entre las
simulaciones y la situación real para los usos residenciales. “cto_EMC” y “total_EMC”
representan los valores para el crecimiento entre 90 y 2000 y el resultado total para 2000
simulados con EMC. “cto_AC” y “total_AC” representan los valores para el crecimiento
entre 90 y 2000 y el resultado total para 2000 simulados con AC.
Elaboración propia
19