Com P4 11JB Crecimiento Urbano
-
Upload
israel-gutierrez -
Category
Documents
-
view
6 -
download
0
Transcript of Com P4 11JB Crecimiento Urbano
1
FLEXIBILIDAD DE LOS SIG PARA ASISTIR A LA TOMA DE
DECISIONES ESPACIALES Víctor Hugo López Vázquez
Doctorado en Cartografía, SIG y Teledetección, Universidad de Alcalá [email protected]
Joaquín Bosque Sendra Catedrático Geografía Humana, Universidad de Alcalá
[email protected] Montserrat Gómez Delgado
Profesora Titular, Universidad de Alcalá [email protected]
Resumen
En las últimas décadas, el aumento de estudios basados en información espacial, así
como los avances tecnológicos, han fortalecido la utilización de los SIG al proveerlos de una
extensa capacidad de análisis y visualización de datos. No obstante, el carácter horizontal de
su estructura ha dificultado su utilización en problemas complejos de decisión espacial lo que
ha dado lugar al desarrollo de sistemas específicos que conjuntan los beneficios del análisis
espacial y la toma de decisiones. El presente trabajo, explora la flexibilidad de las actuales
herramientas incorporadas en los SIG para agrupar operaciones analíticas que permitan la
introducción de modelos para asistir en el proceso de toma de decisiones. Se sigue el esquema
de construcción de un Sistema de Ayuda a la Toma de Decisiones Espaciales (SADE) y se
aplica en un modelo orientado a localizar áreas aptas para el crecimiento urbano en Ciudad de
México. Tres software SIG se toman como ejemplo para el estudio: Idrisi, ArcGis e ILWIS.
Palabras clave: SIG, SADE, Aptitud urbana, Ciudad de México.
Gis flexibility to assist in the spatial decision support
Abstract
During the last decades the increase of the studies based in spatial information and the
computer technology improves have reinforced the use of GIS provided them with an ample
capacity of analysis and visualization to manage the data. However, the horizontal structure of
GIS have hindered its utilization in complex spatial decision problem, that’s why it have been
developed specific systems that conjoin the benefits of spatial analysis with the decision
support. This work explores the flexibility of the actual GIS software tools to group them into
specific analytic operations to assist in the decision support process. It follows the Spatial
Decision Support System (SDSS) framework to construct a model to allocate suitable land for
2
urban growth in Mexico City. Three software GIS are the base for the study: Idrisi, ArcGis
and ILWIS.
Keywords: GIS, SDSS, Urban suitability, Mexico City.
1. Introducción
El desarrollo de sistemas computacionales ha buscado desde sus inicios el poder
facilitar la elaboración de análisis complejos, desde las primeras grandes computadoras que
solo estaban disponibles para cierto grupo de especialistas en computación y dentro de ciertas
instituciones, hasta la aparición de las computadoras personales que permitió su uso a una
gran variedad de personas que no eran expertos pero que podían utilizar estos avances en una
gran variedad de aplicaciones.
Los SIG se desarrollaron dentro de este esquema y sus primeras aplicaciones estuvieron
confinadas a grandes organizaciones públicas que desarrollaban sus programas de acuerdo
con sus necesidades y su operación requería de especialistas en sistemas computacionales
(Bosque, 1992). Más tarde, la tecnología fue distribuida a las computadoras personales y una
nueva generación de usuarios no expertos en SIG provenientes de diferentes áreas del
conocimiento comenzó a utilizarlos. Esto aumentó la conciencia de cómo los SIG eran
utilizados y como podían adaptarse a diferentes necesidades, por lo que los intereses en el
diseño de la interfase gráfica y la incorporación de herramientas llegó a incrementarse como
necesidad de dar soporte a un amplio rango de requerimientos (Tobon y Haklay, 2003).
Este primer desarrollo en software y hardware permitió la aparición de nuevos métodos
para trabajar con datos geoespaciales y dio lugar a que los SIG se desarrollaran como sistemas
horizontales, es decir, un sistema analítico planeado para muchas aplicaciones con
herramientas para cualquier tipo de estudio que involucrara datos de carácter espacial para dar
soporte a problemas variados. Actualmente, diversos autores enfatizan en la necesidad de
entender las tareas específicas que los usuarios abordan con el fin de realizar interfases mas
adaptables y flexibles para cada situación y usuario (Nivala, et.al, 2007). A estos sistemas se
les ha denominado como de aplicación vertical porque están diseñados para tareas específicas
o áreas de enfoque. Mientras que en el pasado estas aplicaciones fueron desarrolladas
principalmente por particulares, en la actualidad, la creciente demanda por obtener soluciones
a problemas complejos y concretos, ha orientado el desarrollo de componentes verticales a los
productores de software de Sistemas de Información Geográfica comerciales (Eastman,
2007).
3
Una de las aplicaciones verticales, dentro de los estudios desarrollados con SIG, son los
Sistemas de Ayuda a la Toma de Decisiones Espaciales (SADE). Los SADE están diseñados
para ayudar a solucionar problemas complejos, que involucran la toma de decisiones cuando
se tienen diferentes criterios y alternativas y que tienen una fuerte carga de información
espacial (Bosq ue Sendra, 2001; Bosque Sendra y otros, 2000). Un SADE incorpora las
funcionalidades de un SIG como el manejo espacial de los datos y el despliegue cartográfico,
así como la capacidad de integrar modelos matemáticos analíticos, dentro de una interfase
flexible capaz de estructurar los datos y realizar informes (Ahola et.al, 2007; Goodchild,
1999).
En el presente trabajo, se pretende abordar la verticalidad de los SIG desde el punto de
vista del desarrollo de los Sistemas de Ayuda a la Toma de Decisiones espaciales (SADE), a
través de la utilización de las herramientas de análisis espacial y evaluación multicriterio
implementadas en tres software SIG que actualmente están en circulación: ArcGis versión
9.2, Idrisi Andes e Ilwis 3.4. Lo que se busca es evaluar la flexibilidad de estos software para
conjuntar herramientas orientadas a dar soporte en la toma de decisiones. Se toma como
ejemplo la determinación de áreas susceptibles de crecimiento habitacional urbano para la
Zona metropolitana de la Ciudad de México a través de un esquema de trabajo que incluye la
definición del problema, la selección de criterios y la obtención de alternativas.
2. Integración de los SIG y los Sistemas de ayuda a la toma de decisiones
Aunque los SIG tienen poco más de 40 años de existencia, no fue sino hasta alrededor
de la década de los 80 que éstos comenzaron a incorporar herramientas para dar soporte a la
toma de decisiones. Originalmente los SIG fueron utilizados en áreas como la planeación o el
manejo de recursos naturales gracias a su capacidad de almacenar y visualizar datos
espaciales, pero sin hacer énfasis en análisis formales de simulación, ni en el diseño de
herramientas para la toma de decisiones (Maguire, et al., 1991). Con los avances tecnológicos
y el creciente interés por parte de las organizaciones en manejar información de índole
espacial orientada a mejorar la toma de decisiones, los SIG ganaron aceptación por su
capacidad de asistir en la preparación de datos espacialmente distribuidos, realizar análisis, así
como visualizar y representar la información geográfica.
Las diversas definiciones de un SIG concuerdan con que éstos proveen la capacidad de
cartografiar y visualizar los datos y que los mapas son un excelente medio de comunicación
para presentar la información espacial en un lenguaje que puede ser entendido por el público
en general. No obstante, existen discrepancias respecto a si los SIG cumplen totalmente con el
4
carácter analítico de los datos. Algunos autores, como Openshaw (1991) o Nijkamp y
Scholten (1993), sostienen esto sobre todo por la falta de herramientas de carácter
exploratorio y explicativo del que carecen muchos de los software SIG, ya que los mapas por
sí solos no proveen de la suficiente capacidad analítica para reconocer y entender patrones
cuando se utiliza demasiada información y que es necesario un análisis cuantitativo adicional
para complementar el mapa. Sin embargo, existen definiciones que incluyen el rol crucial de
los SIG en la solución de problemas y el esfuerzo realizado para evolucionar de un sistema de
información hacia un Sistema de ayuda a la toma de decisiones con la incorporación de
herramientas espaciales analíticas, métodos de optimización, visualización, evaluación y
procesos estadísticos (Adrienko et al., 2007; Eastman, et al., 1993; Carver, 1991).
Un mapa es estático y sólo es útil para la función para la que fue creado, su utilidad
disminuye cuando se tiene que analizar gran cantidad de información o comparar impactos de
diferentes alternativas, por lo que es necesario emplear herramientas adicionales para dar
soporte a dicha evaluación, por este motivo se ha recurrido a la utilización de métodos de
evaluación incluidos en los Sistemas de Ayuda a la Toma de Decisiones.
Los Sistemas de Ayuda a la Toma de Decisiones (DSS) han sido un área activa durante
muchos años dentro de los estudios en Sistemas de Información, para dar soporte al proceso
de análisis, planeación y manejo durante la toma de decisiones. El término Sistema de Ayuda
a la Toma de Decisiones emergió como disciplina a principios de la década de los 70 dentro
del ámbito empresarial por la presión competitiva y los cambios económicos que se preveían
por parte de las empresas. Se argumentó que, con los desarrollos computacionales producidos
hasta entonces, era posible capturar algunos procesos de toma de decisiones realizadas por
personas en modelos matemáticos e introducirlos en el ordenador. Sin embargo, fue hasta
principios de los 80´s que muchos software denominados como Sistemas de Ayuda a la Toma
de Decisiones llegaron al mercado y muchas disciplinas como la economía, las ciencias
computacionales, los negocios, la psicología, las ciencias políticas o la geografía los
adoptaron para dar soporte a sus estudios (Power, 2007; Pelizaro, 2005; Sugumaran y
Sugumaran, 2005; Sharifi et al., 2004).
Aunque no existe una única definición de Sistemas de Ayuda a la Toma de Decisiones,
muchos autores coinciden en que son sistemas interactivos basados en procesos
computarizados para asistir a los usuarios en el análisis, planeación y manejo de la toma de
decisiones utilizando datos y modelos para resolver problemas no estructurados o
semiestructurados, donde el problema a resolver requiere de un diálogo interactivo entre el
sistema y un usuario. Su función es mejorar la eficacia en la toma de decisiones a través de la
5
generación y evaluación de soluciones alternativas para la problemática planteada a partir del
análisis de diferentes objetivos que permitan asistir, más que remplazar, los juicios de los
tomadores de decisiones, lo que implica que su enfoque se centra en la calidad del proceso de
decisión y no en la decisión en sí (Wismadi, 2003; Janssen, 1992).
La característica distintiva de los DSS incluye acceso interactivo a los datos y modelos
que tienen que ver con una decisión específica, pero que no puede ser resuelta de manera
automatizada y requiere la intervención humana, además de encontrarse limitados por su
incapacidad de trabajar con información espacial. Esta necesidad de contar con sistemas que
integren herramientas de carácter geoespacial, junto con modelos numéricos y de
optimización, dio como resultado la unión de la funcionalidad espacial de los SIG y los
Sistemas de ayuda para la toma de decisiones para conformar los denominados Sistemas de
Ayuda a la Toma de Decisiones Espaciales (SADE) (Sugumaran y Sugumaran, 2005).
El SADE, por lo tanto, es una aplicación que funciona como un sistema de información,
el cual puede ayudar a los usuarios a tomar decisiones de manera flexible sobre cuestiones
territoriales, seleccionar la mejor solución a partir de modelos de simulación y optimización
propios de los análisis de toma de decisiones, e integrarlos en una interfase que permite la
interacción con el usuario implicado en dar soluciones. La diferencia fundamental entre los
sistemas de ayuda a la toma de decisiones tradicionales y los SADE está dada por el carácter
espacial de la información y el despliegue cartográfico de ésta (Sharifi, et al, 2004).
Las primeras aplicaciones SADE que fueron desarrolladas lo hicieron de manera
externa a las plataformas SIG; funcionan con independencia de cualquier software, pero son
vistas como complejas e inaccesibles para los tomadores de decisiones (Uran y Janssen,
2003). Esta falta de funcionalidad inicial dentro de los SIG abrió un debate dentro de la
comunicad científica respecto a la necesidad de integrar herramientas analíticas de evaluación
multicriterio dentro de los sistemas, por lo que paulatinamente los software han ido
incorporado estas herramientas para ser utilizadas en el proceso de creación de un SADE.
Un SADE desarrollado dentro del ambiente del SIG es considerado como una
aplicación vertical, que a diferencia de los procesos convencionales, donde para llevar a cabo
alguna tarea se requiere una gran cantidad de procedimientos para llegar a un resultado, éste
proveería de herramientas integradas para resolver el problema de toma de decisiones al
relacionar en una solo ambiente los procesos espaciales y analíticos y disminuyendo el tiempo
empleado en obtener los resultados (Dhore, et al, 2005).
6
3. Fases en el proceso de toma de decisiones
Un problema de decisión es definido como una situación en el que un grupo o un
individuo percibe diferencias entre el estado actual y uno deseado. Su análisis engloba a un
conjunto de procedimientos sistemáticos para analizar problemas que requieren decisiones
complejas, que implican un número elevado de posibles alternativas y múltiples criterios de
evaluación que entran en conflicto entre sí. Habitualmente, las alternativas son valoradas por
expertos, cada uno de los cuales se caracteriza por distintas preferencias con respecto a las
importancias relativas de cada criterio de evaluación (Varela, et al, 2002).
Diversos esquemas conceptuales han sido propuestos en la literatura para describir el
proceso de toma de decisiones aunque el más conocido y aceptado es el propuesto por Simon
en 1967. Éste divide el proceso de toma de decisiones en tres fases principales: Identificación
del problema, Diseño de soluciones y Selección de alternativas (Pelizaro, 2005:14). Aunque
el esquema ha sufrido modificaciones a lo largo del tiempo, los modelos sucesivos conservan
en su estructura las tres partes principales que lo conforman (Janssen, 1992) (Figura1). Figura 1 Modelo general del proceso de toma de decisiones
Fuente: Janssen, 1992
La primera fase se caracteriza por identificar el problema y las oportunidades de
solución, así como la definición de objetivos y la selección de los indicadores propios para la
resolución de la problemática. La fase del diseño se centra principalmente en la formulación
del modelo para la generación de alternativas o identificación de las alternativas que permitan
la solución del problema. Finalmente, la etapa de selección consiste en la evaluación de las
alternativas, medir los impactos, ordenar jerárquicamente las opciones, tomar la decisión para
seleccionar la alternativa mejor tasada y exponer los resultados. Este trabajo se concentra en
las 2 primeras fases del esquema (identificación del problema y diseño e identificación de
7
alternativas), para crear un modelo que permita la localización de áreas aptas para el
crecimiento residencial urbano.
4. Herramientas integradas en los SIG para la construcción de un SADE
Se reconoce que la arquitectura de un SADE se compone de cuatro elementos
principales: Los datos, que pueden ser espaciales y no espaciales; un gestor de la base de
datos; un gestor de análisis de la información y la interfase para crear y generar los reportes
(Janssen, 1992). Con el desarrollo de la programación orientada a objetos y los lenguajes de
modelaje ejecutable (EML), se logró que los sistemas fueran más interactivos y que los
componentes pudieran ser creados, integrados y ejecutados dentro de la interfase de
programación del SIG, al utilizar las herramientas de las librerías para realizar el análisis y
presentación de los resultados. Software como ARCGIS, ILWIS, IDRISI o MAPINFO son
considerados como sistemas generadores, por su capacidad de permitir escalar en las
herramientas provistas originalmente, aunque la complejidad de los análisis dependerá de las
herramientas disponibles y la capacidad de programar nuevas funciones (Dhore et al., 2005;
Yeh, A. y Qiao, J., 2005; Ochola y Kerkides, 2004) (Figura 2). Figura 2 Arquitectura de un SADE dentro de un ambiente GIS
Fuente: Dhore et al., 2005
Como se ha mencionado, el diseño e identificación de alternativas representa uno de los
elementos claves dentro del proceso de toma de decisiones, ya que introduce los indicadores y
las reglas de decisión sobre las cuales se basará la obtención de las diferentes alternativas. En
este trabajo se analizan las herramientas que toman parte en esta fase, específicamente las de
evaluación multicriterio incorporadas en las librerías de los tres software mencionados y la
manera en que pueden ser conjuntadas para la construcción de un SADE.
En este sentido, se entiende por análisis o evaluación multicriterio (EMC) un conjunto
de técnicas orientadas a asistir en procesos de decisión con el fin de generar alternativas a
8
partir de múltiples criterios en conflicto (Gómez y Barredo, 2005). Su objetivo se basa en la
ponderación y compensación de variables que van a influir de manera positiva (aptitud) o
negativa (impacto) sobre la actividad objeto de decisión y que deben ser inventariados y
clasificados previamente (Molero et al., 2007).
El proceso de evaluación multicriterio se divide en cinco fases: Estructuración, que
corresponde a la especificación de factores y limitantes sobre los que se basará el análisis de
acuerdo con los objetivos planteados; Estandarización de los criterios, se refiere a la
transformación de los valores de cada uno de los factores a unidades que puedan ser
comparables entre sí. Este valor estará en función del costo o beneficio que se adopte para ese
factor y puede ser de tipo lineal y no lineal. Ponderación, peso o importancia que va tener
cada factor dentro del proceso de análisis. Obtención de alternativas las áreas con las
condiciones más óptimas y análisis de sensibilidad para determinar el grado de confianza de
los resultados. (Sharifi, et al., 2004) (Figura 3) Figura 3 Fases del proceso de evaluación multicriterio
Fuente: Sharifi et al, 2004
De manera general, existen 4 formas de introducir modelos para la toma de decisiones
dentro de los SIG evaluados:
1) De manera tradicional, en la que cada proceso se realiza de manera independiente de
otro y el usuario utiliza las herramientas que le convienen en cada fase, se va agregando la
información conforme se vaya generando mediante la superposición de mapas; no obstante,
cada análisis requiere la repetición de todo el procedimiento con la consecuente inversión de
tiempo (Chan et al., 2008; Dragan, et al., 2003);
2) Utilizando los módulos ya establecidos para este propósito (Decisión Wizard en
Idrisi, Spatial Multi-Criteria Evaluation dentro de Ilwis y Wighted overlay en ArcGIS)
(Sharifi et al., 2003; Zucca et al., In Press)
3) Creando una secuencia de rutinas automatizadas a través de un ambiente gráfico que
permite crear paso a paso las diferentes partes en que se divide el proceso de evaluación
9
multicriterio (Macro Modeler en Idrisi y ModelBuilder en ArcGis) (Sakellariou, et al., 2007;
Molero et al., 2007; Baz et al., In Press);
4) programando scripts o macros para generar nuevos módulos (Idrisi, Ilwis y ArcGis)
(Li, et al. 2004, Lejeune y Feltz, In Press).
En el primero de los casos, no existe un proceso automatizado que guíe al usuario por
las diferentes fases del esquema de toma de decisiones, por lo que éste utiliza las herramientas
que considera necesarias en cada etapa. Esta metodología basa su análisis en la sobreposición
de mapas, lo que deriva que cada resultado sea individual e independiente de otro, consume
mucho tiempo y genera gran cantidad de información. Como se ha mencionado, los tres
software analizados proveen de herramientas para la realización de análisis multicriterio,
aunque con métodos y condiciones particulares en cada caso (Anexo 1).
Los módulos creados específicamente para estudios con EMC, conjuntan herramientas
que se encuentran de manera dispersa en el sistema. Los tres software analizados cuentan con
aplicaciones de este tipo, pero se diferencian por los métodos de estandarización, ponderación
de la información y la presentación de los resultados que utilizan cada uno de ellos. Los
módulos establecidos permiten llevar un mejor control de los diferentes pasos para realizar
una evaluación, desde la introducción de objetivos hasta la obtención de alternativas.
Idrisi, a través del módulo Decisión Wizard, permite estandarizar los factores a través de
una función no lineal fuzzy; Ilwis contiene más posibilidades al hacerlo de manera lineal y no
lineal, de manera directa en función del costo o beneficio de la variable, a través de
comparación de pares de factores y mediante la jerarquización de prioridades; en ArcGis esta
fase se realiza de manera manual mediante la clasificación de cada clase del mapa dentro de
una escala de valores. La asignación de pesos en Idrisi e Ilwis puede ser realizada para cada
factor de manera manual, determinando el mismo peso para todos los factores o mediante
proceso de análisis jerárquico (AHP), en el modulo de ILWIS, además, es posible usar el
método Ranking para jerarquizar los factores de acuerdo con su importancia, mientras que en
ArcGis los pesos son asignados a partir de su importancia en un rango de porcentajes. La
ventaja de utilizar uno u otro dependerá de cada situación. Por ejemplo, Ilwis permite
incorporar factores y limitantes que no tengan carácter espacial, pero Idrisi tiene la ventaja de
poder asignar requerimientos del área según sea necesario, mientras ArcGis permite soportar
más formatos de información raster sin necesidad de transformarlos a su lenguaje nativo.
La automatización de rutinas a través del ModelBuilder y MacroModeler permite
utilizar todas las herramientas incorporadas en el sistema para la construcción de modelos
lógicos a partir de tres tipos básicos de elementos: datos, comandos y links que establecen la
10
secuencia de los procesos. Esta opción es útil en el sentido de que es posible realizar
procedimientos en bloque con múltiples rutinas sin necesidad de programar e incorporar
modelos previamente creados. El modelo puede ser tan complejo como se requiera, pero sólo
es posible utilizar las herramientas que tiene agregadas el sistema.
Los scripts permiten desarrollar e integrar herramientas, aplicaciones o módulos del
sistema para extender las funcionalidades de éste a través de la captura de una secuencia de
comandos. De igual manera, permite realizar procesos y crear interfases personalizadas de
acuerdo con la necesidad de cada usuario. Idrisi fue diseñado a través de una arquitectura
OLE usando la tecnología COM de objetos, por lo que es posible utilizar lenguajes de
desarrollo de alto nivel como DELPHI, Visual C++, Visual Basic o Visual Basic for
Applications (VBA) como macro lenguajes para controlar las operaciones en IDRISI (Clark
Labs, 2006). Por su parte, ArcGis puede ser utilizado con diferentes interfases de
programación como .NET, Java, COM y C++, aunque para ello es necesario contar con un set
de desarrollo denominado ArcGIS Engine para la construcción de nuevas aplicaciones. En
cualquier caso, la forma más usual de aumentar la funcionalidad del programa es a través de
VBA, que ya viene incluida en las diferentes interfases de los productos de ESRI (ESRI,
2006). En lo que respecta a ILWIS, éste cuenta con su propia interfase de programación para
el desarrollo de nuevas herramientas u optimizar las que ya tiene, denominada Ilwis Script
Languages (ITC, 2007).
5. Esquema conceptual para la localización de áreas aptas de crecimiento residencial
urbano. Ejemplo de construcción de un modelo de EMC con ArcGis e Idrisi
Una vez analizado cada uno de los software en cuestión, en esta parte del trabajo se
pretende observar la ventaja de contar con herramientas multicriterio dentro de los software y
de su aplicabilidad en procesos de toma de decisiones. Para ello, se desarrolla un ejercicio
práctico y se construye un modelo para la obtención de alternativas de localización para áreas
aptas de crecimiento urbano. El ejercicio se desarrolla con ArcGis utilizando la
automatización de rutinas con Model Builder e información de tipo raster, debido a las
ventajas que ofrece este formato para realizar operaciones matemáticas, a través de la
conjunción de las herramientas Reclassify, Map algebra y el módulo Weighted overlay. En
Idrisi se decidió desarrollar el ejercicio también con el Macro Modeler para comparar su
funcionalidad con el de ArcGis utilizando principalmente las herramientas Weight y
Multicriteria Evaluation (MCE). De igual manera, se desarrolla el ejercicio con el módulo
11
Decision Wizard para observar los beneficios que aporta el tener una herramienta con
características verticales.
El diseño conceptual para la obtención de áreas aptas para el crecimiento urbano se basa
en el proceso descrito en la figura 3, en la que se parte de la definición del problema, la
especificación de criterios, generación del modelo y obtención de alternativas. Debido a que
este esquema es sólo un ejercicio para mostrar el funcionamiento de algunas herramientas de
EMC incorporadas en los SIG, no se explica en detalle las diferentes fases, ni se hace hincapié
en las variables propuestas.
5.1 Definición del problema y área de estudio
El problema tratado en el ejercicio se orienta a la localización de zonas con las mejores
condiciones para soportar el futuro crecimiento habitacional de la Ciudad de México. La
ciudad está considerada como la segunda urbe más poblada del mundo, sólo por detrás de
Tokio. Actualmente cuenta con una población de poco más de 18 millones de personas y se
extiende por un área de 5000 km2 (INEGI, 2005). Dentro de este esquema, las estadísticas
indican que la ciudad llegará albergar más de 23 millones de personas, la mayoría de ellos en
edades comprendidas entre los 20 y 50 años de edad, correspondientes al segmento más
propenso de generar nuevos hogares, por lo que se espera que la tasa de crecimiento en
viviendas sea superior a la poblacional. Así que se calcula que para el año 2030 se agreguen al
entramado urbano alrededor de 2 millones de viviendas más (Chumacero, 2007; Partida y
Anzaldo, 2003).
5.2 Criterios de localización de áreas aptas de crecimiento urbano
Una vez que el problema ha sido identificado, el siguiente paso es la selección de
criterios que permitan construir escenarios. De acuerdo con la situación prevista de
crecimiento urbano, es necesario realizar escenarios de potencialidad de sitios aptos para la
localización de nuevos asentamientos urbanos dentro de la ZMCM. Existen diversos estudios
para la determinación de dichos criterios. En este trabajo, la selección se formuló a través de
la revisión de la literatura sobre el tema y sobre la base del acceso a la información del área de
estudio (Klosterman, 2001; Sakellariou et al., 2007; Molero et al., 2007; Mu, 2006, GDF,
2003; CEOTMA, 2002; SGM, 2004).
Los criterios tomados en cuenta se presentan en la tabla 1 y se categorizan en 3
diferentes grupos a partir de la conjunción de 10 variables (Tabla 1).
12
5.3 Construcción del modelo de localización
El modelo conceptual parte de dividir los criterios en restricciones y factores. Ambos se
estandarizan para tener valores comparables en el análisis. En todos los casos expuestos en
este trabajo, las restricciones se estandarizan a una imagen boolena de 0 y 1 donde el uno
corresponde a las áreas disponibles. Las restricciones están dadas por las áreas urbanas ya
existentes, los cuerpos de agua, las áreas naturales protegidas y las áreas susceptibles a
deslizamientos de tierra. Tabla 1 Criterios para la selección de áreas óptimas de crecimiento urbano
Criterios Variables umbrales Vulnerabilidad Pendientes
Áreas susceptibles a deslizamientos >15 grados es no apto Restricción
Condiciones sociales y acceso a servicios
Distancia a red de agua Distancia a alcantarillado Distancia a red de energía eléctrica Distancia a escuelas Distancia a hospitales Distancia a Red vial
Hasta 500 m Hasta 500 m Hasta 500 m Hasta 2 Km. Hasta 5 Km. < a 2 km
Condiciones naturales Áreas naturales protegidas Usos de suelo
Restricción Área urbana y cuerpos de agua son restrictivos, los demás usos pueden ser aptos
La construcción de modelos a través de la automatización de rutinas se realiza de
manera similar en ArcGis e Idrisi a partir de la importación de herramientas e información
hacia la interfase de modelamiento. Una diferencia fundamental entre ambos sistemas es la
interacción que permiten entre el usuario y las herramientas; En este sentido, Model Builder
permite interactuar de manera más directa con la herramienta al poder realizar cambios en los
parámetros de la información desde la misma interfase de modelamiento, cosa que Idrisi no
permite, ya que si en determinado momento se requiere manipular los datos, es necesario salir
de la interfase de modelamiento y llamar a la herramienta desde la interfase principal del
programa, guardar los cambios y volver a cargar los cambios en el modelo. En ambos casos,
el inconveniente de utilizar estos módulos es que una vez que se inicio la secuencia de
procesos, no se tiene ningún control sobre ellos y es hasta finalizar la rutina que podemos
evaluar los resultados.
Las diferencias entre los resultados obtenidos en cada análisis están dadas por la forma
en que se estandarizan los factores y la asignación de pesos a los mismos. La herramienta
Weighted overlay permite estandarizar y asignar pesos dentro de la misma interfase, pero
tiene la limitante de que sólo es posible utilizar imágenes con números enteros o imágenes
13
clasificadas, ya que cada valor en la imagen es catalogado dentro de uno rango de valores
establecidos, que pueden ser de 1 a 3, de 1 a 5, 1 a 9 ó -1 a 1, donde el uno representa las
zonas con mayor aptitud. El peso para cada factor es asignado en porcentaje de acuerdo con la
importancia que tendrá dentro del análisis, no existe un proceso matemático para asignar estos
pesos, por lo que la asignación dependerá exclusivamente del usuario y su experiencia en el
tema. En este ejercicio se priorizó las condiciones naturales sobre las de servicios y
accesibilidad por lo que se le dio mayor peso a éstos para localizar áreas potenciales de
crecimiento. Finalmente, en el ejercicio realizado con ArcGis, las áreas resultantes de este
último proceso son sobrepuestas a las áreas con restricciones y, mediante una operación de
algebra de mapas, se obtienen las zonas que pueden ser potencialmente aptas para soportar el
crecimiento urbano (Figura 4).
En Idrisi el modelo se construyó principalmente con la utilización de dos herramientas,
Weight y MC; éstas aportan más procedimientos de EMC que los soportados por ArcGis. La
utilidad de MCE es que permite realizar el análisis multicriterio a partir de 3 procedimientos:
combinación de imágenes booleanas, combinación linear de pesos y promedio ordenado de
pesos y, con la ayuda de la herramienta Weight es posible sustentar matemáticamente los
pesos asignados a cada factor ya que ésta se basa en la comparación de pares de elementos a
partir de un Procedimiento de Análisis Jerárquico (AHP) (Figura 5).
Finalmente, la existencia de herramientas de tipo vertical que conjunten en una sola
interfase las distintas etapas del proceso de toma de decisiones resulta de gran utilidad porque
permite el desarrollo de análisis en el menor tiempo posible. Este es el caso del módulo
Decision Wizard desarrollado dentro de Idrisi y que guía al usuario durante todo el proceso de
evaluación multicriterio o multiobjetivo, desde la asignación de objetivos hasta la obtención
de los mapas de localización. El módulo tiene incorporada la función fuzzy para estandarizar
los factores, tres opciones para asignar pesos y, una característica interesante es que permite
obtener una superficie definida a partir de los mayores valores obtenidos en la imagen (Figura
6)
Los mapas resultantes de los ejercicios elaborados, permiten reconocer que existen
múltiples alternativas para abordar problemas de evaluación multicriterio, que los resultados
dependerán de las metodologías empleadas y las técnicas disponibles en cada caso y que los
software van incorporando cada vez más herramientas para afrontar estos tipos de estudios.
La opción de usar uno u otro dependerá de las condiciones técnicas, económicas o incluso del
formato de la información que cada usuario tenga, ya que la interoperabilidad entre sistemas
14
todavía es un tema que no resulta del todo transparente, y que incluso puede tomar más
tiempo transformar formatos que llevar a cabo el procesamiento.
Estos resultados representan la primera aproximación espacial dentro de un problema de
toma de decisiones al aportar las diferentes alternativas sobre las cuales se centrará el análisis.
Con el anterior ejercicio, se comprobó que, con las herramientas incorporadas actualmente en
los SIG, es factible crear aplicaciones verticales y abordar problemas concernientes a la toma
de decisiones espaciales a partir de la construcción de modelos semi-automatizados. En
segundo lugar es posible escalar el sistema y generar aplicaciones acordes a las necesidades
de cada usuario, lo que permite abordar problemas tan complejos como se requieran, ahorrar
tiempo en el procesamiento de la información y en la obtención de resultados.
Figura 4. Modelo para la localización de áreas óptimas de crecimiento urbano y mapa de alternativas
Fuente: Elaboración propia
15
Figura 5. Modelo elaborado en Macro Modeler
Fuente: Elaboración propia
Figura 6. Decision Wizard
Fuente: Elaboración propia
16
6 Conclusiones
La evolución en la arquitectura de los SIG ha permitido aumentar la complejidad
analítica de los estudios al proveer de herramientas, interfases gráficas y de programación
para la construcción de modelos que requieren una gran cantidad de información para la
generación de resultados. En el presente trabajo se muestra como los procedimientos propios
de los sistemas de toma de decisiones tradicionales se han unido a la funcionalidad de los SIG
para poder desarrollar aplicaciones verticales denominadas como SADE.
La verticalidad en los SIG provee de medios para encapsular rutinas de manera ordenada y
que puedan ser repetitivas, esta flexibilidad permite crear procedimientos tan complejos como
se requieran en interfases personalizadas al utilizar las herramientas requeridas de acuerdo a la
necesidad de cada usuario, generar numerosas aplicaciones semi-automatizadas y facilitar la
interacción entre los usuarios para simplificar el tiempo empleado en cada análisis. La
exploración de las herramientas contenidas en tres software SIG, permitió observar que
actualmente existen elementos suficientes dentro de estos sistemas para abordar problemas de
toma de decisiones que pueden ordenarse de una manera lógica para escalar el sistema de acuerdo
a los intereses perseguidos. El progreso de los SIG tenderá hacia el desarrollo de estas
aplicaciones analíticas y se extenderá más allá de las herramientas básicas, hacia operaciones más
complejas que permitirán asistir en el proceso de toma de decisiones para que éste se realice de
una manera más informada.
7 Bibliografía
Ahola, T., Virrantaus, K., Krisp, J. y Hunter, G. (2007) “A spatio-temporal population model to support risk assessment and damage analysis for decision making”, en International Journal of Geographical Information Science no 8, págs: 935-953.
Adrienko, G., Adrienko, N., Jankowski, P., Keims, D., Kraak, M., Maceachren, A. y Wrobel, S. (2007) “Geovisual analytics for spatial decision support: setting the research agenda”, en International Journal of Geographical Information Science no 8, págs. 839-857.
Baz, I.,. Geymen, A. y Nogay, S. (In Press) "Development and application of GIS-based analysis/synthesis modeling techniques for urban planning of Istanbul Metropolitan Area", en Advances in Engineering Software, In Press, Corrected Proof.
Bosque Sendra, J. (2001) “Planificación y gestión del territorio. De los SIG a los Sistemas de ayuda a la decisión espacial (SADE)”. El Campo de las Ciencias y las Artes, 2001, nº 138, pp. 137-174
Bosque Sendra, J. (1992) Sistemas de información geográfica, Madrid, Rialp. Bosque Sendra, J. Gómez Delgado, M., Moreno Jiménez, A. y F. dal Pozzo. (2000) “Hacia
un sistema de ayuda a la decisión espacial para la localización de equipamientos”. Estudios geográficos, 2000, tomo LXI, nº 241, pp. 567-598
Carver, S. (1991) “Integrating multicriteria evaluation with GIS” en International Journal of Geographical Information Systems no 3, págs. 321-339.
17
CEOTMA (2002) Guia para la elaboración de estudios del medio físico. Contenido y metodología, Madrid, Ministerio de Obras Públicas y Urbanismo.
Chan, N., Parvathinathan, G., Breeden, J. (2008) "Combining GIS with fuzzy multicriteria decision-making for landfill siting in a fast-growing urban region" en Journal of Environmental Management no1, págs. 139-153.
Chumacero, G. (2007) "Sustentabilidad y crecimiento. ¿Compatibles en la ZMCM?" en Iconos. Temas inmobiliarios no 8, págs. 18-27.
Clark Labs (2006) Idrisi Andes Ver 15. Worcester, MA. Dhore, K., Khare, D., Chaube, C., Garg, P. (2005) “Spatial Decision Support System
Architecture: Evolution and Application for Watershed Planning and Management” en Map India –2005. International Conference and Exhibition in the field of GIS and Remote Sensing. New Delhi, Indian Institute of Technology Roorkee. (7-9 de febrero)
Dragan, M., E. Feoli, Fernetti, M., Zerihun, W. (2003) "Application of a spatial decision support system (SDSS) to reduce soil erosion in northern Ethiopia" en Environmental Modelling & Software no10, págs. 861-868
Eastman, R. (2007) “La verticalización de los Sistemas de Información Geográfica”, en. XI Conferencia Iberoamericana de Sistemas de Información Geográfica, Buenos Aires, SIBSIG.
Eastman, R., Kyem, P., Toledano, J. y Jyn, W. (1993) “GIS and decision making: explorations in Geographic Information Systems Technology” en UNITAR. (volumen unico.) Switzerland, Institutre for Training and Technology.
ESRI (2006) ArcGis 9.2, Redlands, California. Ezcurra, E., Mazari, M., Pisanty, I., Aguilar, A. (2006) La cuenca de México. Aspectos
ambientales y de sustentabilidad, México, Fondo de Cultura Económica. GDF (2003) Gaceta Oficial del Distrito Federal. Decreto por el que se aprueba el
Programa General de Desarrollo Urbano del Distrito Federal 103-Bis, México, Asamblea Legislativa, Gobierno del Distrito Federal.
Gómez, M., Barredo, J. (2005) Sistemas de Información Geográfica y evaluación multicriterio en la ordenación del territorio, Madrid, RA-MA.
Goodchild, M. (1999). "Future directions in Geographic Information Science." en Geographic Information Science Nº 1, págs. 1-8.
INEGI (2005). Estadisticas del medio ambiente del Distrito Federal y Zona Metropolitana 2002, México, INEGI.
ITC (2007) ILWIS 3.4 Open, Netherlands. Janssen, R. (1992) Multiobjetive decision support for environmetal management,
Netherlands, Kluwer Academic Publisher. Klosterman, R. (2001) “The What if? Planning Support System” en. ESRI (edit)
Planning Support Systems: Integrating Geographic Information Systems Models and Visualization Tool, Redland, California, ESRI Press.
Lejeune, P. y C. Feltz (In Press) "Development of a decision support system for setting up a wind energy policy across the Walloon Region (southern Belgium)" en Renewable Energy In Press, Corrected Proof.
Li, Y., Shen, Q. y Li, H. (2004) "Design of spatial decision support systems for property professionals using MapObjects and Excel" en Automation in Construction nº5, págs. 565-573.
Maguire, D., Goodchild, M. y Rhind, D. (1991) Geographical Information Systems, Essex, Longman Scientific and Technical.
Molero, E., Grindlay, A., Asensio, J. (2007) "Escenarios de aptitud y modelización cartográfica del crecimiento urbano mediante técnicas de evaluación multicriterio" en Geofocus nº 7, págs.120-147.
18
Mu, Y. (2006) “Developing a Suitability Index for Residential Land Use: A case study in Dianchi Drainage Area” Master Thesis, Waterloo, Univesity of Waterloo.
Nijkamp, P. y Scholten, H. (1993) “Spatial information systems: design modelling, and use in Planning” en International Journal for Geographical Information Systems, nº 1, págs. 85-96.
Nivala, A., Sarjakoski, T. , Sarjakoski, T. (2007) "Usability methods’ familiarity among map application developers" en International Journal of Human-Computer Studies nº 65, págs. 784-795.
Ochola, W., Kerkides, P. (2004). "An integrated indicator-based spatial decision support system for land quality assessment in Kenya." Computers & Electronics in Agriculture 45: 3-26.
Openshaw, S. (1991) “Developing appropriate spatial analysis methods for GIS” en Maguire, J., Goodchild, M. y Steyaert, L.(eds.) Geographic Information Systems, Harlow, Longman Scientific & Technical.
Partida, V.y.Anzaldo, C. (2003) “Escenarios demográficos y urbanos de la zona metropolitana del valle de México” en CONAPO (Edit) La situación demográfica en México, 2003, México, Consejo Nacional de Población.
Pelizaro, C. (2005) “A spatial decision support system for the provision and monitoring of urban green space”. Doctorate Thesis, Eindhoven, Technische Universiteit Eindhoven.
Power, D. (2007) “A Brief History of Decision Support Systems” [online] [consulta Mayo 2008]. Disponible en http://DSSResources.COM/history/dsshistory.html
Sakellariou, A., Katsios, I., Magafosis, A. (2007) “Multi-Criteria Spatial Decision Support System: Locating Industrial Zones with GIS” en. 47th European Regional Science Association Congress, Paris, ERSA.
Schteingart, M., Salazar, C. (2005) Expansion urbana, sociedad y ambiente, México, El Colegio de México.
SGM (2004) “Susceptibilidad a procesos en remoción en masa” Servicio Geológico Metropolitano [online] [consulta mayo 2008]. Disponible en http://geologia.igeolcu.unam.mx/SeGeoMet/Suceptibilidad.html
Sharifi, A., Van Herwijnen, M., Van den Toorn, W. (2004) Spatial Decision Support Systems. Enschede, ITC.
Sharifi, A. (2003) “Integrated Planning and Decision Support Systems for Sustainable Water Resources Management: Concepts, Potentials and Limitations” en Seminar on Water Resources Management for Sustainable Agricultural Productivity, Lahore, Pakistan, Asian Productivity Organization.
Sharifi, A., Retsios, V. (2003) “Site selection for waste disposal through spatial multiple criteria decision analysis” en 3rd International conference on decision support for telecommunications and information society DSTIS, Warsaw, Poland, DSTIS.
Sugumaran, V. y Sugumaran, R. (2005) “Web-based Spatial Decision Support Systems (WebSDSS): Evolution, Architecture, and Challenges”, en Third Annual SIGDSS Pre-ICIS Workshop, Las Vegas, Nevada, Pre-ICIS Workshop.
Tobon, C., Haklay, M. (2003) “Human-computer interaction and usability evaluation in GIScience”, en Longley, P. y Michael, B. (Ed.) Advanced Spatial Analysis. The CASA book of GIS, New York, ESRI Press.
Uran, O. y Janssen, R. (2003) “Why are spatial decision support systems not used? Some experiences from the Netherlands”, en Computers, Environment & Urban Systems nº 27, págs.511-526.
19
Varela, J., Arias, J., Cotos, J., Sordo, I., Triñanes, J. (2002) "Sistema de apoyo a la toma de decisión para el despliegue de medios aéreos de defensa contra incendios forestales", en Geofocus nº 2, págs. 78-97.
Wismadi, A. (2003) “Validation of urban growth modelling by GIS and earth observation data. Case study: RaMCo Model for Makassar, Indonesia” Master Thesis, Netherlands, ITC.
Yeh, A. y Qiao, J. (2005) "ModelObjects-a model management component for the development of planning support systems", en Computers, Environment & Urban Systems nº2, págs.133-157.
Zucca, A., Sharifi, A., Fabri, A. (In Press) "Application of spatial multi-criteria analysis to site selection for a local park: A case study in the Bergamo Province, Italy" en Journal of Environmental Management, In Press, Corrected Proof. Anexo 1 Herramientas para el proceso de EMC integradas en los software analizados
Herramienta Descripción Software Fase Standard Permite transformar valores cuantitativos de
una imagen a valores estandarizados a partir del cálculo de la media y la desviación estándar para cada píxel.
IDRISI Estandarización
Fuzzy Se basa en evaluar la posibilidad de que un píxel pertenezca a una categoría u a otra al considerar que los diferentes elementos no tienen una frontera establecida sino que existe una transición entre las diferentes clases. La clasificación de cada elemento se presenta de manera gradual y dependerá de las funciones de pertenencia que se seleccione. IDRISI ofrece 4 funciones de pertenencia: Sigmoidal, J-Shaped, Linear y las definidas por el usuario.
IDRISI Estandarización
Rank Estandariza los valores a partir de la ordenación de pixeles de acuerdo a su importancia.
IDRISI Estandarización
Reclass Se puede utilizar para estandarizar imágenes cuando se busque que la información se encuentre dentro de una escala de valores. El proceso no es automático y el usuario es quien ingresa directamente el valor.
IDRISI Estandarización
Scalar Permite estandarizar imágenes de manera linear a través de una función aritmética de división para obtener una imagen similar a la del método de máxima estandarización
IDRISI Estandarización
Stretch Permite estandarizar los valores de una capa de información a través del rescalamiento de éstos a un nuevo rango de valores
IDRISI Estandarización
Weigth Asigna la importancia que cada factor tendrá dentro del análisis. El procedimiento para determinar los pesos sigue la lógica de comparación de pares utilizando el método AHP para crear un modelo jerárquico.
IDRISI Peso de los criterios
Decision wizard Es un modulo que permite crear modelos para resolver problemas multicriterio o multiobjetivo a través de la conjunción de herramientas que se encuentran dispersas en el sistema, Fuzzy, MCE, Weight, Rank y Mola
IDRISI Obtención de alternativas
Multicriteria evaluation (MCE)
Es una herramienta que permite realizar el proceso de evaluación multicriterio una vez que
IDRISI Obtención de alternativas
20
Herramienta Descripción Software Fase los factores y restricciones hayan sido estandarizados. El procedimiento de combinación de factores puede realizarse a través de tres métodos: Intersección booleana para análisis no compensatorios, Combinación linear de los pesos y promedio de pesos ponderados para análisis compensatorios. Los pesos pueden agregarse de manera directa o a través del resultado obtenido con la herramienta Weight.
True /False Método de estandarización para datos booleanos
ILWIS Estandarización
Direct Estandariza mapas o datos no espaciales clasificados en categorías a partir de la introducción de valores asignados directamente por el usuario
ILWIS Estandarización
Pairwaise Estandariza la información espacial y no espacial a partir de la comparación de pares utilizando el método AHP
ILWIS Estandarización
Rank Order Estandariza los datos a partir de la ordenación de las categorías por rango de importancia.
ILWIS Estandarización
Value Fuction Estandariza los factores que presentan datos continuos a partir del costo o beneficio que representan. Puede utilizarse una estandarización de tipo linear o no linear. Dentro de las primeras se encuentran las funciones de máxima estandarización, por intervalos y por objetivos; mientras que en la segunda se utilizan métodos de conjuntos borrosos utilizando funciones cóncavas y convexas.
ILWIS Estandarización
Direct Permite asignar el peso a cada factor de forma manual de acuerdo con el criterio del usuario
ILWIS Peso de los criterios
Pairwaise Utiliza el método AHP para indicar para cada par de factores la importancia relativa que tiene uno con respecto al otro en términos cualitativos, para obtener el peso para cada factor
ILWIS Peso de los criterios
Rank Order Ordenación manual de los factores de acuerdo con un ranking de importancia para obtener el peso relativo de cada uno de ellos
ILWIS Peso de los criterios
Reclasify Se puede utilizar cuando se busque estandarizar la información mediante una escala de valores. El proceso no es automático y es el usuario quien ingresa directamente el valor.
ArcGis Estandarización
Divide Permite estandarizar imágenes de manera linear a través de una función aritmética de división para obtener una imagen similar a la del método de máxima estandarización
ArcGis Estandarización
Weighted overlay Estandariza los criterios a partir de diferentes escalas de valores y permite el cálculo de múltiples criterios asignando el peso a cada factor de manera directa en porcentaje para obtener un mapa de aptitud.
ArcGis Peso de los criterios
Weighted sum Multiplica el valor estandarizado de cada factor por el peso asignado. Es útil para evaluar diferentes alternativas
ArcGis Peso de los criterios