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

  1. Armando Avalos Jiménez
  2. Montserrat Gómez Delgado
  3. Francisco Aguilera Benavente
  4. Fernando Flores Vilchez
Revista:
Estudios geográficos

ISSN: 0014-1496

Año de publicación: 2019

Volumen: 80

Número: 287

Páginas: 10-10

Tipo: Artículo

DOI: 10.3989/ESTGEOGR.201938.018 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Estudios geográficos

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.

Referencias bibliográficas

  • 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. http://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. Recuperadode: 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
  • 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.2010.08.018Hu 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 inthe 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.
  • 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.
  • 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
  • Rienow, A., y Goetzke, R. (2015). Supporting SLEUTH–Enhancing a cellular automaton with supportvector 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/doi: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
Fuente de los datos: Dialnet