Professional Documents
Culture Documents
net/publication/265381429
CITATION READS
1 1,106
2 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Autonomous Surface Vehicle and Unmanned Aerial Vehicle to estimate the Laguna de Bustillos storage of water as a part of the system of the closed basin of Cuauhtemoc
View project
All content following this page was uploaded by Hugo Luis Rojas Villalobos on 10 September 2014.
Resumen. En este trabajo se realizó una con un periodo de cinco años de 1990 a 2005
predicción del crecimiento urbano de Ciudad y con un modelo digital de elevaciones. La
Cuauhtémoc, Chihuahua del año 2010 comparación entre el modelo de predicción
mediante el programa SLEUTH, el cual se generado para el año 2010 y la imagen
basa en el análisis de autómatas celulares a Landsat-TM del mismo año, mostró las áreas
partir de datos históricos del crecimiento y porcentajes de coincidencia entre el
urbano. En este estudio también se crecimiento predicho y el real.
determina si es confiable usar este modelo
para realizar predicciones del crecimiento de Palabras clave: Predicción del crecimiento
la mancha urbana. Para este propósito se urbano, programa SLEUTH, autómatas
obtuvieron los requerimientos del modelo celulares, comparación.
mediante imágenes satelitales Landsat-TM
Abstract. In this work it has been done, a years from 1990-2005 and a digital elevation
prediction of the City's urban growth model. The comparison between the
Cuauhtémoc, Chihuahua in 2010 by generated prediction model for 2010 and
SLEUTH program, which is based on Landsat-TM image of the same year, showed
cellular automata analysis of historical data the areas and percentages of agreement
from urban growth. In this study, we also between the predicted and actual growth.
determined if it is reliable to use this model
to make predictions of the growth of the Key words: Urban growth prediction,
urban area. For this purpose we obtained the SLEUTH program, cellular automata,
requirements of the model were based on comparison.
Landsat-TM images with a period of five
Figura 2. Proceso de predicción del modelo SLEUTH. Fuente: USGS, Project Gigalopolis: Urban and
Land Cover Modeling.
dándole el peso generado con los vectores. a) Pendientes (slope)
Con el mismo software se realizaron el
sombreado de colinas (Hillshade) y el mapa La forma de la tierra, representada por las
de pendientes mediante el MDE. pendientes, es determinante para el
crecimiento urbano. En las extensiones
Cuadro 1. Valores que tienen los datos de planas, al contrario de los lugares en donde
entrada la pendiente aumenta, es más fácil el
crecimiento debido a la estabilidad del suelo
Datos de entrada Valores para las estructuras de los desarrollos
Área Urbana 0 y 254 urbanos.
Red de transporte 0, 1, 2 y 4 Como su nombre lo indica, esta imagen
Usos de suelo 1, 2, 3, 4 y 5 muestra las pendientes las cuales se
Sombreado de colinas De 0 a100 representan en porcentajes y se obtienen
Pendientes De 0 a 100 0, entre la altura y la distancia del terreno. Los
Zonas de exclusión 30 y 100 valores de este dato de entrada tienen un
rango de 0 a 100 en escala de grises y se
Generación de la base de datos de entrada obtuvieron a partir del Modelo Digital de
de SLEUTH Elevaciones (Figura 3).
Las imágenes de entrada de SLEUTH Para poder correr SLEUTH en su versión 3.0
necesitan estar en un formato de intercambio para el sistema operativo Linux, fue
Figura 9. Sombreado de colinas.
necesario compilar y correr el archivo que Calibración del modelo
contiene los datos de entrada. Para este
estudio se utilizó la herramienta cygwin, que La calibración del modelo es un ajuste de los
es un compilador de Linux y se puede datos de entrada de los cuales se derivan un
utilizar dentro del sistema operativo conjunto de valores estimados. Esta
Windows. estimación se genera a partir de los cambios
Se usó la herramienta cygwin, obtenida de los datos históricos de entrada y de la
desde el sitio web de la misma (GPL, 2012), comparación del suelo.
con la que se compilo la carpeta de SLEUTH Esta fase se siguió en tres pasos
copiada dentro del área de trabajo ubicada en denominados gruesa, fina y final (coarse,
la carpeta de cygwin que se instaló en el fine, final), los cuales ayudan a obtener los
disco duro de la computadora. Después de mejores valores de los cinco parámetros con
compilar la carpeta Scenarios, se ejecutó el los que se determina el crecimiento urbano.
archivo escenario que contiene los datos La calibración se realizó a través de
modificados para cada estudio al cual se le interactuar con los valores de los
realizó la calibración y predicción. coeficientes hasta tener el valor óptimo de
cada coeficiente. Estos coeficientes son: el
coeficiente de difusión (diffusion), que comenzó con valores que van de 0 a 100
determina la dispersión general de la dentro de los parámetros, en donde los pasos
distribución de cuadrícula y la circulación de se colocaron con un valor de 25. Con esto, el
los nuevos asentamientos hacia el exterior a crecimiento en cada parámetro puede tomar
través de la red de transporte; el coeficiente el valor de 0, 25, 50, 75 o 100. También se
raza (breed), que determina la probabilidad debe de cambiar a un valor bajo (~4-5) la
de una solución recién generada a partir de configuración de Monte Carlo.
su propio ciclo de crecimiento; un Para esta calibración los datos de entrada
coeficiente de propagación (spread), que tienen que ser de ¼ de la resolución original
controla que tan normal se hace la expansión de las imágenes. Por ejemplo, si un conjunto
dentro del sistema; un coeficiente de de datos tiene una resolución de 200x200,
resistencia a la pendiente (slope), el cual para la calibración gruesa las imágenes
disminuye el crecimiento a donde las tienen que ser reemplazadas por una
pendientes son más pronunciadas, y un resolución de 50x50. En esta fase se utiliza
coeficiente de caminos (road), que crea el tamaño de celda más grande de los tres
nuevos asentamientos hacia donde se dirige pasos de calibración.
la red de transporte ya existente. Dentro de los resultados de la calibración,
Los valores de los parámetros de la se ordenaron los datos de mayor a menor en
calibración pueden ir de 0 a 100, los que base a la medida de Lee Salle para obtener
indican la importancia de cada tipo de los primeros tres valores de los parámetros,
crecimiento urbano en el proceso de los cuales se colocan en los parámetros de la
predicción de crecimiento. Entre más alto siguiente calibración.
sea el valor del parámetro, mayor será la el
efecto de este parámetro en la generación del b) Calibración fina
crecimiento urbano (Márquez, 2008). Para
realizar la calibración se requieren como En esta fase de calibración los coeficientes
base cuatro imágenes que representen lo del documento escenario toman los valores
urbano, cuatro imágenes de la red de obtenidos de la calibración gruesa, los cuales
transporte, la imagen de pendientes, de generan índices que identifican las
exclusión y la de sombreado de colinas. combinaciones de los valores de cada
En cada calibración se creó un archivo parámetro que generan mejores
denominado control_stats.log, el cual simulaciones. La configuración de Monte
contiene los resultados de las estadísticas Carlo se debe de cambiar a un valor bajo
creadas por la calibración. Dentro de estos (~7-8).
valores se encuentra la medida de Lee Sallee Para la calibración fina los datos de
que es el ajuste espacial entre el modelo de entrada deben de ser cambiados por los que
crecimiento y la extensión urbana conocida tienen ½ resolución. Por ejemplo, si un
para el control de los años, en donde 1 es la conjunto de datos tiene una resolución de
combinación perfecta y 0 representa un 200x200, en este proceso las imágenes
espacio de desconexión. Esta medida es deben de tener una resolución de 100x100.
utilizada para generar los valores que lleva En los resultados de los datos, lo
cada coeficiente de calibración dentro del recomendable es que los rangos se redujeran
documento de escenario. a los incrementos de 5 - 10 para poder ser
utilizados al mismo tiempo sólo con valores
a) Calibración gruesa de 5-6 en el coeficiente, por ejemplo, en
cada coeficiente, el valor sería de 25, 30, 35,
En esta fase inicial de calibración, se 40, 45, 50.
Después de correr este paso se ordenaron Después de haber seleccionado los mejores
los datos de mayor a menor en base a la valores de crecimiento del pasado, se realizó
medida de Lee Salle. El primer valor es el el crecimiento a futuro.
que se coloca en los parámetros de la El año de inicio de la predicción debe de
calibración final. ser el último año de las imágenes de entrada
con las que se realizó la calibración. Para
c) Calibración final este estudio la fecha de inicio es el 2005 y la
final el 2010.
En la calibración final, los valores de los Los datos de entrada de la predicción son
coeficientes se reducen aún más. En esta fase las imágenes con resolución completa de
lo recomendable es que los rangos se pendientes, zonas de exclusión, red de
redujeran a los incrementos de 1 - 3 para transporte, sombreado de colinas y los datos
poder ser utilizados al mismo tiempo sólo más recientes generados con la calibración.
con valores de 5-6 en el coeficiente, por
ejemplo, en cada coeficiente, el valor sería Comparación entre el modelo de
de 4, 6, 8, 10, 12, 14. predicción y la imagen real
En la calibración final se usa la
resolución completa de las imágenes en la Debido a que es posible formular diferentes
entrada de los datos. criterios que permiten medir la similitud de
Los parámetros se obtienen de la dos mapas y de esa manera establecer la
calibración fina y los pasos son de 1. El validez de un modelo de simulación (Pascual
valor de Monte Carlo se cambia a un valor et al., 2010), se realizó la comparción entre
bajo de entre 8 y 10. el modelo de predicción del crecimiento
urbano de Ciudad Cuauhtémoc del año 2010
d) Mejores valores de calibración y la imagen satelital de la misma fecha,
mediante el programa ArcMap 10 se realizó
En este paso se seleccionan los mejores una digitalización de las áreas que crecieron
valores, derivados de la calibración gruesa, del 2005 al 2010, en base a las imágenes
fina y final, para realizar la predicción y la satelitales Landsat-TM; después, la
configuración de Monte Carlo incrementa a digitalización se empató con el modelo
un valor de 100 o mayor. El archivo avg.log predicho y se hizo una comparación
generado en la carpeta de salida, contendrá mediante fotointerpretación para determinar
los mejores valores que se colocan en el las zonas urbanas que coincidieron.
coeficiente de predicción, esto es debido a
que las iteraciones de Monte Carlo RESULTADOS Y DISCUSIÓN
incrementan y producen un conjunto más
robusto de valores. El valor que se utiliza en Modelo de Predicción
los parámetros de la predicción se ubica en
el último renglón del archivo en números Los resultados del modelo, debido a lo
que se tienen que convertir a reales. dinámico que pueden ser los factores en el
proceso del crecimiento urbano, condicionan
Predicción del modelo a que las áreas que se predijeron se
representen en probabilidades (Brugués et
La predicción dentro de SLEUTH se basó en al., 2008). La figura 10 muestra la mancha
las tendencias del crecimiento urbano del urbana base de la predicción, las vialidades
pasado (Márquez, 2008), las cuales son principales y un rango de probabilidad de
usadas para generar el crecimiento a futuro. crecimiento representado en colores
obtenido del modelo SLEUTH. A partir de los modelos teóricos de
El modelo de predicción representa la crecimiento urbano, en el modelo se observa
posibilidad de crecimiento urbano hasta el que el crecimiento fue en forma concéntrica,
año 2010 y muestra las tendencias de que es el crecimiento en forma de anillos en
expansión, siendo principalmente hacia el torno al área central de la mancha urbana
norte y oeste de la ciudad. (Burgess et al., 1925), y en forma de núcleos
Un elemento que influencia fuertemente múltiples (Harris y Ullman, 1945), en donde
la expansión urbana son las vialidades los usos de suelo se disponen alrededor de
regionales con mayor flujo vehicular, esto los núcleos de crecimiento separados entre
debido a que en los años anteriores el sí; estos tipos de crecimiento se generaron en
crecimiento de la mancha urbana fue atraído todas las zonas urbanas, excluyendo las
por zonas en donde se encontraban cerca áreas que presentaron algún tipo de
estas redes de transporte. resistencia de crecimiento, como lo fue en
El modelo de predicción generó este caso las huertas de manzana.
crecimiento en todos los polígonos urbanos
de los datos de entrada, siendo que en Resultados de la comparación
algunos polígonos no se presentó
crecimiento en este periodo donde se El crecimiento real se mostró al igual que en
encuentran los valores iniciales. el que generó el modelo, un crecimiento
Figura 12. Gráfica de comparación entre el crecimiento real y el predicho con SLEUTH.