Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 658
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Camacho Olmedo, M.T., Mole o Melga ejo, E. y Paegelow, M. (2010): Modelos geomá icos aplicados a la simulación
de cambios de usos del suelo. E aluación del po encial de cambio. En: Ojeda, J., Pi a, M.F. y Vallejo, I. (Eds.), Tecno-
logías de la In o mación Geog á ica: La In o mación Geog á ica al se icio de los ciudadanos. Sec e a iado de Publi-
caciones de la Uni e sidad de Se illa. Se illa. Pp. 658-678. ISBN: 978-84-472-1294-1
MODELOS GEOMÁTICOS APLICADOS A LA SIMULACIÓN DE CAMBIOS DE USOS DEL
SUELO. EVALUACIÓN DEL POTENCIAL DE CAMBIO.
Ma ía Te esa Camacho Olmedo1, Emilio Mole o Melga ejo2 y Ma in Paegelow3
(1) Depa amen o de Análisis Geog á ico Regional y Geog a ía Física, Uni e sidad de G anada. Campus de Ca uja s/n. 18071
G anada. [email p o ec ed]
(2) Depa amen o de Exp esión G á ica A qui ec ónica y en la Ingenie ía. Á ea de U banís ica y O denación del Te i o io. Uni e si-
dad de G anada. Campus de Fuen enue a s/n. E.T.S. de Ingenie os de Caminos, C. y P. 18071 G anada. [email p o ec ed]
(3) Labo a o io GEODE UMR CNRS, Uni e sidad de Toulouse Le Mi ail. 5 Allées An onio Machado. 31058 Toulouse, F ancia.
[email p o ec ed]
RESUMEN
En el ma co de un p oyec o de in es igación, y como con inuación de abajos p eceden es, se es á lle ando a
cabo una labo de compa ación de modelos de simulación de cambios de uso del suelo, con el obje i o de ob ene
conclusiones ace ca de los p incipales a ances emá icos y me odológicos que pueden ex ae se de su u ilización.
Aquí se p esen an los p ime os esul ados ob enidos en un á ea- es de la Región de Mu cia de ap oximadamen e
2300 km² de ex ensión. Pa a la ase de calib ación ( 0 y 1) se han u ilizado los mapas de usos del suelo del p oyec-
o Co ine Land Co e 1990 y 2000, y pa a la simulación de los esul ados (T), el año 2006. Las a iables desc ip i as
y explica i as u ilizadas p oceden de dis in as uen es y bases de da os o iciales, siendo ans o madas como ac o-
es o es icciones de las ca ego ías de ocupación del suelo y de las ansiciones de ec adas en la ase de calib a-
ción.
Las he amien as TIGs u ilizadas (Land Change Modelle , CA_MARKOV) es án incluidas en el so wa e IDRISI 16,
e sión Taïga. El obje i o es pode conoce las en ajas y limi aciones de es os modelos y compa a la especi icidad
de cada uno en la ase de calib ación (es imación y localización de los cambios, mé odos pa a ans o mación de
a iables).
Palab as Cla e: Modelización espacio- empo al, cambios de usos del suelo, simulaciones geomá icas, po encial de
cambio.
ABSTRACT
The p esen ed esul s come om a amewo k o p ojec s ocussing on compa ison o a ious geoma ic simula-
ion models in o de o ge in o ma ion abou hei deg ee o gene aliza ion and land use / land co e changes
(LUCC) o which hey may be applied.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 659
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
He e we p esen i s esul s om one es a ea loca ed in Mu cia egion wi h an ex en o 2300 km². Co ine Land
Co e maps o 1990 and 2000 we e used o model calib a ion. The simula ion was done o 2006 wi h he possibil-
i y o alida e model ou pu s by Co ine Land Co e da a om he same yea . Da a abou iden i ied d i e s o LUCC
ha e di e en sou ces, in pa icula land planning agencies and he Depa men o En i onmen . These d i e s we e
used as cons ain s and ac o s explaining he loca ion o land use ca ego ies and ansi ions du ing he calib a ion
p ocess.
The p esen ed simula ion esul s we e ope a ed wi h model unc ions a ailable in Id isi 32, Taïga: Land Change
Modele and CA_Ma ko . The aim o his wo k is o be e unde s and ad an ages and limi a ions o applied models
and, pa icula ly he speci ici ies o each one du ing he calib a ion p ocess (es ima ion and localiza ion o changes
and me hods o d i e ans o ma ion).
Key Wo ds: Spa io- empo al modelling, land use changes, geoma ic simula ion, po en ial o change.
INTRODUCCIÓN
Modeliza la ocupación / usos del suelo con ibuye a comp ende y p e e su e olución u u a, y la simulación
p ospec i a p opo ciona una e icaz he amien a de ayuda a la decisión. Los g upos de abajo implicados en es a
línea de in es igación son cada ez más nume osos y las aplicaciones pueden en oca se hacia dinámicas
ambien ales a iadas y complejas: de o es ación en egiones opicales (Mas e al, 2004), e o es ación na u al en la
mon aña eu opea, cambios de paisaje y c ecimien o u bano (Gómez Delgado, 2005 y Aguile a Bena en e, 2006),
e c.
La bibliog a ía sob e aspec os me odológicos elacionados con los modelos de simulación es ambién p olija.
B imicombe (2003), abo da cómo la complemen a iedad en e los SIG, los modelos de simulación pa a p oblemas
ambien ales y la ingenie ía o ece eno mes posibilidades pa a cons ui sis emas de apoyo a la decisión muy e sá i-
les. En es a ob a, los es udios de caso in eg an siemp e la componen e espacio- empo al y cues iones me odológicas
como la alidación de los modelos se analizan y discu en.
En la ob a de Kane ski y Maignan (2004), aunque cen ada p incipalmen e en geoes adís ica y en modelos de
p edicción espacial, se e lexiona ace ca de aspec os me odológicos de modelos basados en edes neu onales,
in eligencia a i icial, simulaciones es ocás icas y o as he amien as basadas en SIG. Wainw igh and Mulligan
(2004) ealizan una e isión de mé odos y he amien as, calib ación, alidación y e o es de la modelización, así
como una e lexión sob e el u u o de la modelización ambien al. Pe y e al. (2005) publica un in e esan e abajo
ace ca de cómo la lógica bo osa y los modelos basados en ella son cada ez más ú iles en modelización espacial e
inciden en las soluciones pa a las aplicaciones geog á icas especialmen e si los lími es en e las en idades geog á i-
cas son con inuos y no disc e os.
La ob a de Paegelow y Camacho (2008), en donde se enma can una se ie de es udios de caso sob e dinámicas
ambien ales di e sas (ag icul u a in ensi a, e o es ación y de o es ación, sis ema de apoyo a la decisión, modeliza-
ción e ospec i a, c ecimien o u bano) si ió de base pa a la pues a en ma cha de un p oyec o de in es igación1,
con inuación de uno p e io2 que enma ca el abajo que aquí se p esen a. Las conclusiones a las que se llega on
ue on la necesidad de p o undiza en la compa ación me odológica de una se ie de modelos de simulación y en una
1 Simulaciones geomá icas pa a modeliza dinámicas ambien ales. A ances me odológicos y emá icos.
P oyec os de I+D. MICIIN. Dp o. de Análisis Geog á ico Regional y Geog a ía Física, Uni e sidad de G anada.
Labo a o io GEODE CNRS, Uni e sidad de Toulouse Le Mi ail, Toulouse. Ins i u o de Geog a ía, UNAM,
México. Du ación 1-01-2009 has a 31-12-2011. BIA2008-00681.
2 Sis emas de In o mación Geog á ica y modelización de la dinámica paisajís ica de la mon aña medi e-
ánea: Sie a Ne ada y Pi ineos O ien ales anceses. Plan Nacional de I+D+I del Minis e io de Educación y
Ciencia. Ins i u o de Desa ollo Regional, Uni e sidad de G anada. Labo a o io GEODE CNRS, Uni e sidad de
Toulouse Le Mi ail, Toulouse. Du ación 1-12-2003 a 30-11-2007. BIA2003-01499.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 660
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
p opues a de e lexión ace ca de la idoneidad de los mismos en unción del ipo de dinámica ambien al o de usos del
suelo, lo que puede apo a soluciones más adap adas a sus p oblemá icas.
Pa a log a es os obje i os se es án aplicando di e sas he amien as geomá icas (basadas en SIG) a á eas de
es udio de dinámica especí ica, con una es uc u a de abajo uni o me y cen ándose pa icula men e en la
compa ación de las ases de aplicación de los modelos (calib ación y alidación) y en los a ances emá icos ex aídos
de su u ilización.
En el p esen e abajo se mues an los p ime os esul ados de la aplicación de dos de es as he amien as a una
de las á eas de abajo, en conc e o a un á ea es de la Región de Mu cia. El obje i o es mos a los pun os comunes
en la pues a en p ác ica de la ase de calib ación de ambos modelos y, a la ez, analiza las di e encias de p ocedi-
mien o que a ec an, sob e odo, a la e aluación del po encial de cambio y, en meno medida, a la localización de
dichos cambios. Pa a ello, se ha seguido un p oceso pa alelo de abajo, u ilizando la misma se ie c onológica de
ocupación / usos del suelo y las mismas a iables explica i as, y se ha enunciado, en los casos posibles, a u iliza
las pa icula idades y no edades que apo a cada modelo pa a pe mi i la compa ación de los esul ados.
CA_Ma ko y Land Change Modele (LCM) son los dos modelos espacio- empo ales u ilizados pa a la consecu-
ción de dichos obje i os en es e abajo. Ambos es án disponibles en el so wa e Id isi (Cla klabs, 2010), el p ime o
de ellos desde la e sión 32bi (año 2000), mien as que LCM ue in oducido en la e sión Andes en 2006 y, pos e-
io men e, ha sido incluido como una ex ensión del so wa e A cGIS de ESRI.
El módulo CA_MARKOV se nu e de la unción MARKOV pa a el cálculo de la ma iz de p obabilidades de ansi-
ción y de la e aluación mul ic i e io (MCE) pa a la ob ención de los mapas de ap i ud, e inco po a un au óma a celu-
la básico pa a homogeneiza el esul ado. Po o a pa e, la inclusión del mapa de usos del suelo más ecien e pe -
mi e modi ica en pa e la ma iz ma ko iana. Una explicación más de allada de CA_MARKOV es á desc i a en Paege-
low y Camacho Olmedo (2005).
El módulo Land Change Modele (LCM) in eg a an o el análisis de los da os, especialmen e la noción de cam-
bios de ocupación / usos del suelo (LUCC budge , Pon ius e al., 2004), la modelización p opiamen e dicha y las apli-
caciones anexas en ma e ia de ecología del paisaje y biodi e sidad, así como implicaciones de la o denación y ges-
ión e i o ial. La modelización espacio- empo al p ospec i a es á di idida en dos ases: la de la elabo ación de los
modelos de po encial de ansición y la de la pues a en p ác ica de la p edicción y/o ob ención de escena ios. Una
desc ipción exhaus i a de la pues a en p ác ica de LCM puede encon a se, en e o os, en Aguejdad e Houe (2008)
e Dang Khoi e Mu ayama (2010).
ZONA DE ESTUDIO
El ámbi o espacial elegido pa a la compa ación de los modelos se si úa en el su es e español, conc e amen e
en la egión mu ciana, con ue es dinámicas de ans o mación de usos ligados sob e odo a la ges ión del agua en
sus é iles egas y al enómeno u banís ico. P e iamen e a la modelización comple a de la egión, se elige una zona
es , más educida, pa a el ensayo y alidación de las me odologías y algo i mos, de 2270 km2 de ex ensión (ma co
de 50 km x 45 km) y que comp ende g an pa e de la ega media del ío Segu a, la cuenca del Mula y el alle del
Guadalen ín.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 661
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Figu a 1. Localización de la zona es
Las se ies c onológicas de usos del suelo pa a los años 1990, 2000 y 2006 se ob ienen po ag upación de las
ca ego ías de ni el 3 del p oyec o Co ine Land Co e . Las ca og a ías ans o madas, las ca ego ías o iginales y los 7
usos esul an es se e lejan en las siguien es igu as:
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 662
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Figu a 2. Mapas de usos ag upados pa a los años 1990, 2000 y 2006 p oceden es del p oyec o Co ine Land Co e .
Asimismo, se han conside ado, como a iables explica i as de las dinámicas exis en es, las ca og a ías de los
núcleos u banos, ed ia ia, ed hid og á ica, ed de acequias, hipsome ía, clinome ía y o ien aciones, p oceden es

Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 663
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
de las bases de da os u ilizadas en un ex enso es udio an e io 3. Es as capas de in o mación son ans o madas a
o ma o as e , siendo la esolución de pixel adop ada de 20 me os, y esul ando imágenes de 2278 columnas y
2490 ilas. Es as a iables si en de base pa a los siguien es ac o es conside ados:
- Modelo digi al de e eno (hipsome ía)
- Mapa de pendien es (clinome ía)
- Mapa de O ien aciones
- Dis ancia a los Núcleos u banos
- Dis ancia a la ed ia ia
- Dis ancia a la ed hid og á ica
- Dis ancia a la ed de acequias
Figu a 3. Modelo Digi al del Te eno, Mapa de pendien es y mapa de o ien aciones
3 Agua, Ingenie ía y Te i o io: la ans o mación de la cuenca del ío Segu a po la ingenie ía hid áulica.
Minis e io de Medio Ambien e, Medio Ru al y Ma ino. Con ede ación hid og á ica del Segu a. Gómez O -
dóñez, J.L. y G indlay Mo eno, A. (2008)
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 664
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
METODOLOGIA
Figu a 4. O ganig ama de abajo
Los dos modelos se basan en el conocimien o de es ados empo ales pasados de la a iable que se a a mode-
liza , ep esen ados en o ma de mapas que desc iben dicho es ado (con leyendas idén icas en cuan o a cla-
ses/ca ego ías). Pa a ello, el usua io inco po a en el p ocedimien o los dos mapas de ocupación del suelo más e-
cien es ( 0 y 1) o los más signi ica i os según la e olución pasada. El mapa simulado (T) end á la misma nomencla-
u a (simulación disc e a según Legend e e Legend e, 1984).
Un segundo ac o común concie ne al cálculo de ansiciones empo ales que, en ambos modelos, aunque con
di e encias que más adelan e comen a emos, se basa en las cadenas de Ma ko .
Sal o es os pun os comunes (es ados iniciales de la a iable simulada y da os de la supe icie de cada es ado =
ca ego ía es imada en la echa de simulación median e el cálculo de ansiciones condicionales p obabilís icas ma -
ko ianas), los dos módulos son esencialmen e di e en es y, como e emos, complemen a ios en algunas cues iones.
CA_MARKOV dis ibuye las supe icies es imadas pa a cada ca ego ía median e los co espondien es mapas de ap i-
ud de localización ( an os como ca ego ías), mien as que LCM desc ibe, ca ac e iza y modeliza las ansiciones
en e las ca ego ías. Pa a ello, ambos p ocedimien os es ablecen elaciones en e a iables explica i as de dis in a
na u aleza (d i e s) y las ca ego ías de usos del suelo o las ansiciones, aunque u ilizando mé odos di e en es (e a-
luación mul ic i e io, MCE, en CA_MARKOV; edes neu onales en LCM).
En las siguien es líneas de alla emos es a di e encia esencial en la aplicación de ambos modelos, que concie -
ne sob e odo a la ase de e aluación del po encial de cambio, aunque, como e emos, las pa icula idades son am-
bién mani ies as en la ase de localización de los cambios.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 665
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
E aluación del po encial de cambio
- CA_MARKOV: la noción de ap i ud (sui abili y)
Con a iamen e a LCM, el mé odo de modelización de CA_MARKOV se basa en los es ados empo ales de la a-
iable y no en las ansiciones po enciales en e dichos es ados. Pa a ello, la unción necesi a una se ie de mapas de
ap i ud, uno pa a cada ca ego ía de ocupación/uso del suelo. La ap i ud puede simplemen e ma e ializa la isión del
expe o (sob e la que ol e emos a insis i ) o puede se el esul ado de un cálculo más complejo, ep oducible y
anspa en e: la e aluación mul ic i e io (MCE), en la pe spec i a de Eas man (1996), y que, como unción, es una de
las más u ilizadas en el so wa e Id isi. La posibilidad de mezcla ambos en oques conduce a un g ado a iable de
con ol del p oceso.
Una de las di e encias espec o a LCM, es que CA_MARKOV no conside a de mane a explíci a la con igu ación
espacial de los cambios acaecidos, aunque dichos cambios sí pueden se in oducidos en o ma de ac o es en la
ase de e aluación mul ic i e io.
MCE abo da la ap i ud como el esul ado de di e sos c i e ios. És os se di iden undamen almen e en dos ipos:
las es icciones (0 / 1), que indican la posibilidad o no de que la ca ego ía exis a (lími es del medio na u al, lími es
ligados a la legislación, e c…) y los ac o es. Es os úl imos exp esan un po encial a iable en el espacio. Po ejemplo,
la ap i ud pa a la cons ucción de una i ienda a ía en el espacio según a ios ac o es: el p ecio del e eno, la
p oximidad de in aes uc u as, e c. Pues o que las unidades de medida de los ac o es son ambién di e sas (si-
guiendo el ejemplo, eu os, km o minu os), en una p ime a e apa es necesa io es anda iza , es deci , op a po un
índice común a la misma escala. Es a es anda ización puede ealiza se de mane a manual o u ilizando unciones de
lógica bo osa (Eas man e Jiang, 1996). Una ez ealizada es a ope ación, en la que los ac o es se uel en compa-
ables, és os pueden se ponde ados g acias a di e sas écnicas: de o ma manual (po ejemplo, como esul ado de
es udios compa ables o expe iencias empí icas) o u ilizando la ma iz de Saa y (1977), que compa a el peso ela i o
de un ac o compa ándolo con o o ( écnica po pa es, como écnica más simple, sob e odo cuando hay p esen es
muchos ac o es). El obje i o es ob ene el peso inal po cálculo de su ec o p opio.
Una segunda ponde ación, de ipo con ex ual en es e caso, au o iza di e en es ni eles de compensación en e
ac o es y de ni eles de iesgo, és a úl ima exp esada en una escala de ope ado es booleanos en e AND y OR (Ya-
ge , 1988).
MCE, po an o, es una écnica de cálculo de ap i ud so is icada, e sá il y muy po en e, sob e odo si se compa-
a con la ap oximación mul ic i e io de Elec e III (Roy, 1990, Mousseau e al., 2001). En la p ác ica, mues a la loca-
lización p obable de cada ca ego ía basándose en la ealidad du an e las echas del pe íodo de calib ación ( ase de
en enamien o del modelo) y en la que los lími es son los dos mapas de ocupación del suelo elegidos.
Como se ha indicado an e io men e, los mapas de ap i ud, en luga de se el esul ado de un abajo cien í ico
ex apolable y anspa en e, pueden se elabo ados de o a o ma. En el ex emo con a io de la MCE, el usua io
puede cons ui los mapas de ap i ud siguiendo simplemen e su in uición de expe o. En conclusión, se a a de una
he amien a de modelización que pe mi e un al o g ado de libe ad donde se pasa ácilmen e, según la pues a en
p ác ica del mé odo, de la p edicción al escena io. Po ello, pa a e alua los esul ados ob enidos es indispensable la
desc ipción cla a y de allada de cada uno de los pasos ealizados. Pa a una mejo comp ensión de los p ocesos de
e aluación mul ic i e io y sus aplicaciones en la plani icación del e i o io e Gómez y Ba edo (2005).
- LCM: el po encial de ansición
En con as e espec o a CA_MARKOV, LCM abo da la simulación p ospec i a eniendo en cuen a no las ca ego-
ías sino el po encial de ansición en e ellas. El usua io selecciona p ime o las ansiciones a inclui en la modeliza-
ción a pa i de odas las ansiciones eales. Es a selección puede es a condicionada po el obje i o de la modeli-
zación (simulación de una ca ego ía o g upo de ca ego ías en pa icula ), po eliminación de las ansiciones con
poca supe icie en el conjun o de la imagen, o bien po la mayo o meno p obabilidad de que las ansiciones engan
luga en la ase de simulación (pe iodo anscu ido en e la ca og a ía más ecien e de la ase de calib ación y la
echa de simulación p oyec ada). Es a p obabilidad puede adqui i di e sos signi icados: hipó esis de la con inuidad
de p obabilidades obse adas en el pasado, acele ación de cambios, cambio de hipó esis de pa ida pa a calcula
di e sos escena ios, e c. La hipó esis de pa ida es que aquellas á eas que han cambiado p esen an un mayo po-
encial de cambio en el u u o.
A con inuación cada ansición elegida debe se ca ac e izada po a iables explica i as. Va ias ansiciones,
egidas po las mismas eglas, pueden se eag upadas bajo o ma de sub-modelos, una asociación que acili a la
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 666
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
pues a en p ác ica del modelo, especialmen e cuando el mapa de ocupación/ usos del suelo p esen a nume osas
ca ego ías.
Los « d i e s » pueden se con olados según su ni el de signi icación y ans o mados según a ias opciones
disponibles en LCM. Es a ans o mación es á de e minada, po o a pa e, po el modelo de e aluación que apli-
quemos pos e io men e a cada ansición (po ejemplo, la eg esión logís ica múl iple exige una ans o mación lineal
de las a iables espec o al po encial de ansición). Po o a pa e las a iables ca egó icas o nominales deben se
ans o madas bien en una se ie de a iables booleanas o u ilizando la ans o mación de máxima e osimili ud, que
se basa en la compa ación de los mapas de ansición (mapa bina io de cada ansición, con zonas que cambian y
zonas que pe manecen) y la ecuencia ela i a de las dis in as ca ego ías de la a iable.
La ca ac e ización de es as a iables incluye ambién la posibilidad de conside a algunas de ellas como a ia-
bles dinámicas, es deci , que pueden e oluciona du an e la simulación (ce canía a alguna ca ego ía de usos del
suelo, dis ancia a in aes uc u as, e c.).
El po encial de ansición, po sub-modelo, es a con inuación e aluado ya sea po eg esión logís ica múl iple, o
po edes neu onales (Mul i-Laye Pe cep on, MLP). La u ilización de algo i mos de in eligencia a i icial ( edes neu-
onales en pa icula ) pe mi e ob ene gene almen e mejo es esul ados y compi e de o ma a en ajada con la
ap oximación es adís ica de ipo p obabilís ica, especialmen e con las se ies c onológicas (Bishop, 1995; Lai y Wong,
2001; Li y Ga -On, 2002; Pa li z y Me kwi h, 2000).
Can idad y localización del cambio es imado
Tan o en CA_MARKOV como en LCM, la can idad de cambio es imado es ob enida a pa i de una ma iz ma ko-
iana (mé odo p obabilís ico, Me opolis e Ulam, 1949; Coquilla d e Hill, 1997), que calcula las á eas (núme o de
píxeles) y las p obabilidades de ansición en e dos mapas de ocupación / usos del suelo. Es os mapas ( 0 y 1), que
cons i uyen los da os de la ase de calib ación, son el pun o de pa ida pa a p oyec a los cambios es imados en una
echa pos e io (T).
CA_MARKOV u iliza los esul ados ob enidos desde el módulo MARKOV de Id isi. La opción po de ec o en LCM
es la misma, sabiendo que las ansiciones ma ko ianas pueden se eemplazadas en es e módulo po un cálculo
ex e no. Dicho es o, incluso op ando po la ma iz de Ma ko pa a el cálculo de las ansiciones p obabilís icas condi-
cionales, es impo an e señala que CA_MARKOV au o iza un ni el de con ianza en los da os in e io al 100 %. En un
buen núme o de aplicaciones se admi e una asa de e o del 15% (po ejemplo, en los mapas de ocupación del
suelo ob enidos a pa i de clasi icaciones de imágenes de sa éli e). LCM si emba go no pe mi e es a a iación del
ni el de con ianza. Po ello, pa a ga an iza la compa ación de los esul ados, con iene impo a la ma iz ma ko ia-
na, calculándola di ec amen e con el módulo MARKOV.
CA_MARKOV, po o a pa e, inco po a en la modelización los mapas de usos del suelo (en conc e o el más e-
cien e, 1), y usa es a in o mación pa a modi ica la ma iz de ansición, lo que cons i uye ambién una pa icula i-
dad de es e modelo.
Una ez calculada la can idad de cambio es imado, la localización de dichos cambios es un segundo p oceso
que, an o en CA_MARKOV como en LCM, se basa en la elección de aquellos píxeles más ap os o de mayo po encial
de cambio. Un algo i mo de e aluación mul iobje i o soluciona los p oblemas de incompa ibilidad en e usos o an-
siciones dis in os.
CA_MARKOV localiza en el espacio las ansiciones ma ko ianas calculadas, compa ando la ap i ud de las di e-
en es ca ego ías, y p oyec ando la si uación hacia una echa u u a T (núme o de i e aciones). La u ilización de un
au óma a celula básico, no malmen e un simple il o de con igüidad, pe mi e homogeneiza el mapa simulado po
ag egación espacial, e i ando de es a mane a el aspec o pixelado bien conocido en las clasi icaciones de imágenes
de sa éli e que se apoyan únicamen e en las espues as espec ales sin ene en cuen a las in e elaciones espacia-
les ( ex u a, es uc u a).
En LCM, una ez modelizado el po encial de ansición, la p edicción se basa, po de ec o, en la ma iz ma ko-
iana an es mencionada. LCM pe mi e, además, la con e sión de la simulación en un p oceso dinámico, al ecalcula
en cada paso empo al (simulación disc e a) cie as condiciones como la modi icación de la ed ia ia, las dis ancias
de unas ca ego ías espec o a o as, o incluso la inse ción en la simulación de e en os u u os plani icados o p e is-
os (zonas de p o ección, igu as de planeamien o). LCM, po an o, no sólo incluye a iables dinámicas sino que,
además, pe mi e explici a los cambios que an a p oduci se en cie as a iables, lo que en CA_MARKOV sólo puede
se in oducido de mane a implíci a en los mapas de ap i ud. O a cues ión que di e encia ambos modelos es la in-
clusión de las es icciones e incen i os, que, si bien en CA_MARKOV, como hemos comen ado, o ma pa e de la
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 673
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
La supe posición píxel a píxel de cada una de las ansiciones eales en e 2000 y 2006 (mapas bina ios ob e-
nidos a pa i de los mapas de usos del suelo Co ine Land Co e de es as echas) y de los co espondien es mapas
de po encial de ansición ob enidos po MLP, pe mi e ambién alo a la alidez de es os esul ados. A modo de
ejemplo, la Figu a 11 mues a las á eas que cambian de secano a egadío ( ansición 7-6), esal adas con una ama
de líneas ho izon ales, y el po encial de ansición de secano a egadío como ondo de la imagen, con alo es que
oscilan de 0 a 1. Se obse a un buen ajus e en e ambos mapas, des acando que la mayo ía de los polígonos de
cambio eal se encuen an sob e la supe icie po encial.
Figu a 11. Supe posición de la ansición eal del secano al egadío (7-6) en e 2000 y 2006 ( ama de líneas ho izon ales) sob e el mapa de
po encial de ansición ob enido median e MLP de LCM.
- Mapas de simulación 2006:
La dis ibución de las dinámicas que cada modelo ha simulado de o ma di e en e se e leja en la igu a 12,
des acando po su ex ensión algunas ans o maciones de secano a egadío en las que CA_MARCOV ha sido más
gene oso (en e de) y o as en las que lo ha sido LCM. (en magen a). Es as di e encias pod ían se jus i icables po el
di e en e g ado de in e ención de los modelos pa a es ablece la elación en e las a iables explica i as y las diná-
micas es udiadas.

Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 674
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Figu a 12. Dis ibución espacial de las di e encias en e las simulaciones ob enidas po ambos modelos.
La homogeneización po con igüidad ealizada po el il o del au óma a celula en CA_MARCOV p oduce esul-
ados algo más limpios que jus i ican el al o iempo del p oceso en es a á ea es pe o que pod ía limi a su uso en
g andes ex ensiones o condiciona la esolución del pixel.
Se obse an algunos desajus es en la modelización inal de ambos modelos si la compa amos con la ealidad.
El desajus e de mayo supe icie es el que a ec a a lo p e is o como “supe icie de secano” y que en ealidad es “su-
pe icie de egadío”. El aumen o espec acula , que pod ía no se eal, de es a úl ima ca ego ía en e 2000 y 2006
puede explica es e hecho. Po o a pa e, el aspec o pixelado de la imagen gene ada po LCM co esponde unda-
men almen e a las ca ego ías menos ecuen es, y en donde la simulación no ha enido en cuen a la ag egación de
píxeles. O os usos como el u bano son simulados de o ma más co ec a po ambas he amien as al y como se
ap ecia en la igu a 13.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 675
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Figu a 13. Compa a i a de los esul ados de los dos modelos (CA_MARCOV a la izquie da y LCM a la de echa) pa a el uso u bano en 2006. Los
con o nos en neg o ep esen an el es ado eal.
CONCLUSIONES
A modo de conclusión pa cial de la compa ación de es os dos módulos de Id isi, es necesa io indica que, si
bien ambos son modelos de simulación espacio- empo al aplicables a los cambios de ocupación / usos del suelo,
sus mé odos – ca ego ías e sus ansiciones – son esencialmen e di e en es, y la compa ación de esul ados no
es á ga an izada si no se oma la p ecaución de que haya una pe ec a anspa encia en su pues a en p ác ica. De
hecho, no bas a con u iliza los mismos da os y d i e s. Sólo una desc ipción minuciosa de las opciones au o iza la
compa ación de los esul ados y la ob ención de conclusiones sob e el compo amien o de los modelos. Po ello se
ha aplicado el modelo básico an o en LCM como en CA_MARKOV. En LCM no se han incluido ninguna de las opcio-
nes de plani icación (incen i os y es icciones, modi icación de in aes uc u as, e c.) o de implicaciones en biodi e -
sidad, hábi a y es uc u a de paisaje, que do an a es e modelo de la na u aleza p opia de un so wa e in eg ado o
aplicación e ical ocalizada hacia una aplicación especí ica (Cla kslabs, 2006).
O a di e encia es que ambos modelos p esen an g ados a iados de in e ención pa a es ablece la elación
en e las ca ego ías o ansiciones y las a iables explica i as. La e aluación mul ic i e io de CA_MARKOV, po ejem-
plo, acili a la inclusión del conocimien o del expe o y con ie e es a he amien a en un ú il complejo y so is icado.
LCM es bas an e más ígido y condiciona más la ans o mación e inclusión de las a iables. MLP unciona de mane-
a au omá ica, no equi iendo la in e ención del usua io, aunque és e puede in e eni pa a modi ica pa áme os,
pa a el p oceso o ol e a inicia lo. De hecho, los mejo es esul ados se ob ienen modi icando los alo es de ap en-
dizaje del modelo MLP de mane a in e ac i a. Po o a pa e, CA_MARKOV ealiza una p oyección de ipo lineal, mien-
as que MLP, en LCM, puede abo da elaciones no lineales.
De hecho, la capacidad de modeliza unciones complejas no es necesa iamen e una en aja en modelización
p ospec i a ya que puede conduci a un sob eajus e del modelo, po lo que las condiciones pasadas u ilizadas pa a
calib a el modelo de e mina ían su endimien o. Así, po ejemplo, Mas e al (2004) encon ó que las edes neu ona-
les más complejas pe mi ían una mejo conexión du an e el pe íodo de calib ación pe o allaban al p edeci los cam-
bios en el pe íodo siguien e.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 676
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
AGRADECIMIENTOS
Es e abajo ha sido ealizado en el ma co del P oyec o de I+D. MICIIN. Simulaciones geomá icas pa a modeli-
za dinámicas ambien ales. A ances me odológicos y emá icos. Dp o. de Análisis Geog á ico Regional y Geog a ía
Física, Uni e sidad de G anada. Labo a o io GEODE CNRS, Uni e sidad de Toulouse Le Mi ail, Toulouse. Ins i u o de
Geog a ía, UNAM, México. Du ación 1-01-2009 has a 31-12-2011. BIA2008-00681
REFERENCIAS BIBLIOGRÁFICAS
Aguejdad, R. y Houe , T. (2008): Modélisa ion de l’é alemen u bain d’une mé opole ançaise (Rennes) à l’aide
du modèle Land Change : scéna ios d’é olu ions u u es. Symposium Spa ial landscape modelling: om dynamic
app oaches o unc ional e alua ions. Toulouse, 3-5 junio 2008; 12 pp.
Aguile a Bena en e, F. (2006): P edicción del c ecimien o u bano median e sis emas de in o mación geog á ica
y modelos basados en au óma as celula es. Geo ocus: Re is a In e nacional de Ciencia y Tecnología de la In o ma-
ción Geog á ica, Nº. 6
Bishop, C.M. (1995): Neu al Ne wo ks o pa e n ecogni ion. Ox o d Uni e si y P ess, New Yo k.
B imicombe, A. (2003): GIS, En i onmen al Modelling and Enginee ing. Taylo and F ancis.
Coquilla d, P. y Hill, D.R.C. (1997): Modélisa ion e simula ion d’écosys èmes. Des modèles dé e minis es aux
simula ions à é énemen s disc e s. Pa is, Masson; 273 pp.
Cla klabs (2006, 2010) h p://www.cla klabs.o g/
Dang Khoi, D. y Mu ayma, Y. (2010): Fo ecas ing A eas Vulne able o Fo es Con e sion in he Tam Dao Na ional
Pa k Region, Vie nam. Remo e Sensing, 2, 1249-1272.
Eas man, J.R. (1996): Unce ain y and Decision Risk in Mul i-C i e ia E alua ion. Implemen a ion o GIS So wa-
e Design. UN Uni e si y In e na ional Ins i u e o So wa e Technology Expe G oup. Wo kshop on So wa e Techno-
logy o Agenda ’21. Decision Suppo Sys ems; 26 eb e o-8 ma zo.
Eas man, J.R. y Jiang, H. (1996): Fuzzy Measu es in Mul i-C i e ia E alua ion. Second In e na ional Symposium
on Spa ial Accu acy Assessmen in na u al Resou ces and En i onmen al S udies. Colo ado, 21-23 Mayo; pp. 527-
534.
Gómez Delgado, M. y Ba edo Cano, J.I. (2005): Sis emas de In o mación Geog á ica y E aluación Mul ic i e io
en la o denación del e i o io (GIS and mul ic i e ia e alua ion o u ban and egional planning). Ra-Ma (Mad id), 279
pp.
Kane ski, M. y Maignan, M. (2004): Analysis and modelling o spa ial en i onmen al da a. EPEL P ess, 288 pp.
Lai, T.L. y Wong, S. (2001): S ochas ic Neu al Ne wo ks Wi h Applica ions o Nonlinea Time Se ies. Jou nal o
he Ame ican S a is ical Associa ion, ol 96, n° 455, Theo y and Me hods.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 677
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Legend e, L. y Legend e, P. (1984): Écologie numé ique, 2ième éd. Tome 2: La s uc u e des données écologi-
ques. Masson, Pa is. P esses de l'Uni e si é du Québec. iii + 335 pp.
Li, X. y Ga -On, A. (2002): Neu al ne wo k based cellula au oma a o simula ing mul iple land use changes
using GIS. In e na ional Jou nal o Geog aphical In o ma ion Science, 16:4, 323-343.
Mas, J.F., Puig, H., Palacio, J.L. y Sosa-López, A (2004): Modelling de o es a ion using GIS and a i icial neu al
ne wo ks. En i onmen al Modelling & So wa e, Volume 19, Issue 5, pp. 461-471
Me opolis, N. y Ulam, S. (1949): The Mon e Ca lo me hod. Jou nal o he Ame ican S a is ical Associa ion, 44;
pp. 335-341.
Mousseau, V., Figue a, J. y Naux, J. (2001): Using assignmen examples o in e weigh s o Elec e TRI me hod:
some expe imen al esul s. Eu opeen Jou nal o Ope a ional Resea ch, Vol. 130, No. 2, pp. 263-275.
Mole o Melga ejo, E., G indlay Mo eno, A. y Asensio Rod iguez, J.J. (2007): Escena ios de ap i ud y modelización
ca og á ica del c ecimien o u bano median e écnicas de e aluación mul ic i e io. Geo ocus: Re is a In e nacional
de Ciencia y Tecnología de la In o mación Geog á ica, ISSN 1578-5157, Nº. 7
Paegelow, M. y Camacho Olmedo, M.T. (2005): Possibili ies and limi s o p ospec i e GIS land co e modeling - a
compa ed case s udy: Ga o xes (F ance) and Al a Alpuja a G anadina (Spain). In e na ional Jou nal o Geog aphical
In o ma ion Science; ol. 19, n° 6; pp. 697-722.
Paegelow, M. y Camacho Olmedo, M.T. (coo d.) (2008): Modelling en i onmen al dynamics. Ad ances in geoma-
ic simula ions. Se ies En i onmen al Science. Sp inge Ve lag, Be lin, Heidelbe g, New Yo k.
Pa li z, U. y Me kwi h, C. (2000): Nonlinea p edic ion o spa io- empo al ime se ies. ESANN’2000 p oceedings,
B uges, 26-28, pp. 317-322.
Pe y, F.E. e al. (eds.) (2005): Fuzzy Modeling wi h Spa ial In o ma ion o Geog aphic P oblems. New Yo k,
Sp inge Ve lag.
Pon ius, R.G.J ., Shusas, E. y McEache n, M. (2004): De ec ing impo an ca ego ical land changes while ac-
coun ing o pe sis ence. Ag icul u e, Ecosys ems & En i onmen , 101, pp. 251–268.
Roy, B. (1990): The ou anking app oach and he ounda ions o ELECTRE me hods. En: CA. Bana (Ed.), Rea-
dings in Mul iple C i e ia Decision Aid, pp. 115–184, Sp inge -Ve lag, Heidelbe g.
Saa y, T.L. (1977): A Scaling Me hod o P io i ies in Hie a chical S uc u es. J. Ma h. Psychology, 15; pp. 234-
281.
Wainw igh , J. y Mulligan, M. (2004): En i onmen al Modelling: Finding simplici y in complexi y. Wiley.
Tecnologías de la In o mación Geog á ica: la In o mación Geog á ica al Se icio de los Ciudadanos. 678
Sec e a iado de Publicaciones de la Uni e sidad de Se illa. Se illa 2010
Yage , R.R. (1988): On O de ed Weigh ed A e aging agg ega ion ope a o s in mul ic i e ia decision making, IEEE
T ansac ions on Sys ems, Man, and Cybe ne ics, 8(1), pp. 183–190.