Autómatas Celulares en Cascada para modelar la expansión urbana con áreas restringidas

Autores/as

DOI:

https://doi.org/10.24201/edu.v36i3.1997

Palabras clave:

autómatas celulares, modelos de expansión urbana.

Resumen

Combinamos geografía urbana, matemáticas de sistemas dinámicos, sistemas de información geográfica (SIG) y ciencias computacionales para diseñar una metodología de modelado de carácter general fundamentada en Autómatas Celulares en Cascada, que permite construir modelos específicos de la expansión de ciudades mexicanas. Sometemos nuestra metodología a una triple prueba empírica en ciudades con características contrastantes. Los modelos consideran restricciones a la expansión urbana (vialidades, parques, etc.). Utilizamos indicadores de bondad de ajuste global y local entre imágenes, articulados en un filtro en cascada, lo que reduce el procesamiento computacional. Los modelos mostraron ajustes alentadores. Ilustramos cómo nuestro método puede impulsar el codiseño de políticas urbanas.

Biografía del autor/a

Eduardo Jiménez López, El Colegio Mexiquense, A.C.

Eduardo Jiménez López es doctor en Ciencias Aplicadas por la Universidad Autónoma de San Luis Potosí. Es profesor-investigador en El Colegio Mexiquense (desde 2014) y coordinador de la Maestría en Ciencias Sociales con especialidad en Desarrollo Municipal. Pertenece al Sistema Nacional de Investigadores, nivel 1. Sus líneas de investigación son: geografía espacio-temporal, cadenas de Markov aplicadas al análisis de flujos migratorios y modelos de autómatas celulares para simular el crecimiento de ciudades. ORCID: http://orcid.org/0000-0002-1883-3890

Entre sus publicaciones se encuentran:

Jiménez, E. (2019). Cadenas de Markov espaciales para simular el crecimiento del Área Metropolitana de Toluca, 2017-2031. Economía, Sociedad y Territorio, 19(60), 109-140. http://www.scielo.org.mx/pdf/est/v19n60/2448-6183-est-19-60-109.pdf

Jiménez, E., Chávez T. y Garrocho, C. (2018). Modelando la expansión urbana con autómatas celulares: aplicación de la Estación de Inteligencia Territorial (Christaller). Geografía y Sistemas de Información Geográfica, Geosig, 12, 1-26. http://201.132.119.56/images/Articulos/2_PDFsam_19.AUTOMATASCELULARES.pdf

Garrocho, C. y Jiménez, E. (2018). Redistribución de la atractividad migratoria entre los municipios de México, 2000-2020. Estudios Demográficos y Urbanos, 33(2), 289-325. https://estudiosdemograficosyurbanos.colmex.mx/index.php/edu/article/view/1739/pdf

Carlos Garrocho Rangel, El Colegio Mexiquense, A.C.

Carlos Garrocho es doctor en Geografía Socioeconómica por Exeter University, Reino Unido. Ha sido evaluador del Sistema Nacional de Investigadores (2015-2018), y es Investigador Nacional, nivel III. Desde 1986 es profesor-investigador en El Colegio Mexiquense. Es fundador y director de la revista Economía, Sociedad y Territorio. Sus líneas de investigación son: modelos urbanos y análisis socioespacial. Ha sido acreedor de diversos reconocimientos, como el Premio Estatal de Ciencia y Tecnología del Estado de México (2011); el Premio “Arch C. Gerlach” (2017), que otorga la Organización de los Estados Americanos a “la obra original de mayor valor e importancia para el desarrollo de la geografía de América.”; y ha sido distinguido desde 2018 por el Gobierno de la República del Paraguay como asesor internacional del Concyt-Paraguay. ORCID: http://orcid.org/0000-0001-9181-3151

            Entre sus publicaciones se encuentran:

Garrocho, C., Chávez, T. y Álvarez, J. (2020). Accesibilidad de la población mayor a farmacias en el espacio intraurbano mediante desplazamiento caminando. En O. Figueroa Mosalve, L. M. Valenzuela Montes y A. Brasileiro (coords.), Desafíos del desarrollo urbano sostenible en el transporte y la movilidad (pp. 415-442). México: El Colegio Mexiquense.

Álvarez, J., Trujillo, A. y Garrocho, C. (2018). Multifuncionalidad urbana y personas adultas mayores en el Área Metropolitana de la Ciudad de México. Investigaciones Geográficas, 96, 1-18. http://www.scielo.org.mx/pdf/igeo/n96/2448-7279-igeo-96-00008.pdf

Garrocho, C. y Jiménez, E. (2018). Redistribución de la atractividad migratoria entre los municipios de México, 2000-2020. Estudios Demográficos y Urbanos, 33(2), 289-325. https://estudiosdemograficosyurbanos.colmex.mx/index.php/edu/article/view/1739/pdf

Tania Chávez Soto, El Colegio Mexiquense, A.C.

Tania Chávez es doctora en Ciencias de la Educación por el Centro de Estudios Superiores en Educación; es maestra en Educación con especialidad en docencia; tiene estudios de maestría en Computación, con especialidad en Sistemas Distribuidos; y es ingeniera en Computación. Es profesora de diversas asignaturas en la Facultad de Ingeniería de la Universidad Autónoma del Estado de México. Desde 1994 es jefa de la Unidad de Tecnologías de Información y Comunicaciones de El Colegio Mexiquense. Sus líneas de investigación son: modelos urbanos, bases de datos, desarrollo de aplicaciones automatizadas para la planeación urbana, análisis espacial y análisis estadístico. ORCID: http://orcid.org/0000-0002-6884-0415

            Entre sus publicaciones se encuentran:

Garrocho, C., Chávez, T. y Álvarez, J. (2020). Accesibilidad de la población mayor a farmacias en el espacio intraurbano mediante desplazamiento caminando. En O. Figueroa Mosalve, L. M. Valenzuela Montes y A. Brasileiro (coords.), Desafíos del desarrollo urbano sostenible en el transporte y la movilidad (pp. 415-442). México: El Colegio Mexiquense.

Jiménez, E., Chávez T. y Garrocho, C. (2018). Modelando la expansión urbana con autómatas celulares: aplicación de la Estación de Inteligencia Territorial (Christaller). Geografía y Sistemas de Información Geográfica, Geosig, 12, 1-26. http://201.132.119.56/images/Articulos/2_PDFsam_19.AUTOMATASCELULARES.pdf

Chávez, T. y Garrocho, C. (2018), Christaller® Estación de Inteligencia Territorial. Geografía y Sistemas de Información Geográfica, Geosig, 10, 29-50. http://201.132.119.56/images/Articulos/Christaller.pdf

Citas

Abraira, V. (2001). El índice Kappa. Medicina de Familia. Semergen, 27(5), 247-249. https://www.elsevier.es/es-revista-medicina-familia-semergen-40-pdf-S113835930173955X

Aburas, M., Ho, Y., Ramli, M. y Ash’aari, Z. (2016). The simulation and prediction of spatio-temporal urban growth trends using cellular automata models: A review. International Journal of Applied Earth Observation and Geoinformation, 52, 380-389. https://www.sciencedirect.com/science/article/pii/S0303243416301143

Aguilera, F. (2006). Predicción del crecimiento urbano mediante sistemas de información geográfica y modelos basados en autómatas celulares. GeoFocus. Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 6, 81-112. http://www.geofocus.org/index.php/geofocus/article/view/90/253

Angilella, S., Bottero, M., Corrente, S., Ferretti, V., Greco, S. y Lami, I. (2016). Non additive robust ordinal regression for urban and territorial planning: An application for siting an urban waste landfill. Annals of Operations Research, 245(1-2), 427-456. https://link.springer.com/article/10.1007/s10479-015-1787-7

Banco Mundial. (2010). Sistemas de ciudades: la urbanización, motor del crecimiento y el alivio de la pobreza. Washington, D.C.: World Bank.

Baxendale, C. y Buzai, G. (2011). Dinámica de crecimiento urbano y pérdida de suelos productivos en el Gran Buenos Aires (Argentina), 1869-2011. Análisis espacial basado en sistemas de información geográfica. Serie Geográfica, 17, 77-95. http://hdl.handle.net/10017/14761

Benenson, I. y Torrens, P. (2004). A minimal prototype for integrating GIS and geographic simulation through geographic automata systems. En P. M. Atkinson, G. M. Foody, S. E. Darby y F. Wu (eds.), GeoDynamics (pp. 347-367). Nueva York: CRC Press.

Bhatta, B., Saraswati, S. y Bandyopadhyay, D. (2010). Urban sprawl measurement from remote sensing data. Applied Geography, 30(4), 731-740. https://www.sciencedirect.com/science/article/pii/S0143622810000226

Cabral, P., Augusto, G., Tewolde, M. y Araya, Y. (2013). Entropy in urban systems. Entropy, 15(12), 5223-5236. https://www.mdpi.com/1099-4300/15/12/5223

Chávez, T. y Garrocho, C. (2018). Christaller: Estación de Inteligencia Territorial. Geografía y Sistemas de Información Geográfica, Geosig, 10(10), 29-50. https://docs.wixstatic.com/ugd/79758e_06e66947b32a48369bf75f7c80a378c0.pdf

Chen, Y. (2018). How to understand fractals and fractal dimension of urban morphology. Physics and Society, 1, 1-25. shorturl.at/quOQV

Clarke, K. (2018). Land use change modeling with sleuth: Improving calibration with a genetic algorithm. En M. Camacho Olmedo, M. Paegelow, J. F. Mas y F. Escobar (eds.), Geomatic approaches for modeling land change scenarios (pp. 139-161). Berlín: Springer-Verlag.

Field, A. (2009). Discovering statistics using SPSS. Londres: Sage.

Fúster-Sabater, A., Pazo-Robles, M. y Caballero-Gil, P. (2008). Modelización del generador auto-shrinking mediante autómatas celulares. En Proceedings of the X Spanish Meeting on Cryptology and Information Security (RECSI 2008) (pp. 187-193). IFA: Comunicaciones Congresos. http://hdl.handle.net/10261/10875

García, N. (2017). Factores socioeconómicos de vulnerabilidad en la ciudad de Acapulco, Guerrero, México. Investigaciones Geográficas, 53(2017), 93-114. https://lenguasmodernas.uchile.cl/index.php/IG/article/view/44625

Garrocho, C. (2011). Población flotante, población en movimiento: conceptos clave y métodos de análisis exitosos. Ciudad de México: Consejo Nacional de Población / El Colegio Mexiquense, A.C.

Garrocho, C. (2013). Dinámica de las ciudades de México en el siglo XXI. Cinco vectores clave para el desarrollo sostenible. Zinacantepec, Estado de México: El Colegio Mexiquense, A.C. / Consejo Nacional de Población / Fondo de Población de las Naciones Unidas.

Garrocho, C. y Sobrino, L. (2018). Ciudades sostenibles en México: ¿qué hacer? En J. L. Lezama (coord.), Cambio climático, ciudad y gestión ambiental (pp. 201-246). Ciudad de México: El Colegio de México, A.C.

Giddens, A. (2013). The third way and its critics. Londres: John Wiley and Sons.

Glaeser, E. (2011). Triumph of the city: How urban spaces make us human. Nueva York: Pan Macmillan.

Goodchild, M. (2013). Prospects for a space-time GIS: Space-time integration in geography and GIScience. Annals of the Association of American Geographers, 103(5), 1072-1077. https://www.tandfonline.com/doi/full/10.1080/00045608.2013.792175

Guan, C. y Rowe, P. (2016). Should big cities grow? Scenario-based cellular automata urban growth modeling and policy applications. Journal of Urban Management, 5(2), 65-78. https://www.sciencedirect.com/science/article/pii/S2226585616300267

Holland, J. (2006). Studying complex adaptive systems. Journal of Systems Science and Complexity, 19(1), 1-8. https://link.springer.com/article/10.1007/s11424-006-0001-z

Jiménez, E., Chávez, T. y Garrocho, C. (2018). Modelando la expansión urbana con autómatas celulares: aplicación de la Estación de Inteligencia Territorial (Christaller). Geografía y Sistemas de Información Geográfica, Geosig, 12, 1-26. https://docs.wixstatic.com/ugd/79758e_5db4574cbd884d7b89e96df748dca7cc.pdf

Jiménez, E. (2019). Cadenas de Markov espaciales para simular el crecimiento del Área Metropolitana de Toluca, 2017-2031. Economía, Sociedad y Territorio, 19(60), 109-140. http://www.scielo.org.mx/scielo.php?pid=S1405-84212019000200109&script=sci_abstract

Kim, D. y Batty, M. (2011). Calibrating cellular automata models for simulating urban growth: Comparative analysis of SLEUTH and Metronamica. (Documento de trabajo, núm. 176). Londres: Centre for Advanced Spatial Analysis. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.227.8725&rep=rep1&type=pdf

Kuo, W., Jenssen, T., Butte, A., Ohno-Machado, L. y Kohane, I. (2002). Analysis of matched mRNA measurements from two different microarray technologies. Bioinformatics, 18(3), 405-412. https://academic.oup.com/bioinformatics/article/18/3/405/236502

Lai, T. y Dragićević, S. (2011). Development of an urban landslide cellular automata model: A case study of North Vancouver, Canada. Earth Science Informatics, 4(2), 69-80. https://link.springer.com/article/10.1007/s12145-011-0078-3

Lansing, J. (2003). Complex adaptive systems. Annual Review of Anthropology, 32(1), 183-204. https://www.annualreviews.org/doi/10.1146/annurev.anthro.32.061002.093440

Lee Jr., D. (1973). Requiem for large-scale models. Journal of the American Institute of Planners, 39(3), 163-178. https://www.tandfonline.com/doi/abs/10.1080/01944367308977851

Li, X., Liu, X. y Yu, L. (2014). A systematic sensitivity analysis of constrained cellular automata model for urban growth simulation based on different transition rules. International Journal of Geographical Information Science, 28(7), 1317-1335. https://www.tandfonline.com/doi/full/10.1080/13658816.2014.883079

Lin, C., Chen, S., Chen, C. y Tai, C. (2018). Detecting newly grown tree leaves from unmanned-aerial-vehicle images using hyperspectral target detection techniques. ISPRS Journal of Photogrammetry and Remote Sensing, 142, 174-189. https://www.sciencedirect.com/science/article/pii/S0924271618301552?via%3Dihub

Lopes, A. S., Grangeiro, C. y Van Wee, B. (2019). LUTI operational models review based on the proposition of an a priori ALUTI conceptual model. Journal Transport Reviews, 39(2), 204-225. https://www.tandfonline.com/doi/full/10.1080/01441647.2018.1442890

López-de-Ullibarri, I. y Pita-Fernández, S. (1999). Medidas de concordancia: el índice Kappa. Cadernos de atención Primaria, 6(4), 223-226. https://dialnet.unirioja.es/servlet/articulo?codigo=2332301

Louf, R. y Barthelemy, M. (2014). Scaling: lost in the smog. Environment and Planning B: Planning and Design, 41, 767-769. https://arxiv.org/abs/1410.4964

Marín, M., Rauch, V., Rojas-Molina, A., López-Cajún, C., Herrera, A. y Castaño, V. (2000). Cellular automata simulation of dispersion of pollutants. Computational Materials Science, 18(2), 132-140. https://www.sciencedirect.com/science/article/pii/S0927025600000975

Martner, C. (2016). Expansión dispersa, ciudad difusa y transporte: el caso de Querétaro, México. Revista Latinoamericana de Estudios Urbano Regionales, Eure, 42(125), 31-60. https://scielo.conicyt.cl/scielo.php?pid=S0250-71612016000100002&script=sci_arttext

Mohan, A. y Khan, N. (2018). Dataset expansion and accelerated computation for image classification: A practical approach. En M. Singh, P. Gupta, V. Tyagi, J. Flusser y T. Ören (eds.) Advances in computing and data sciences. Second International Conference, ICACDS 2018. Dehradun, India (pp. 43-54). Singapur: Springer. https://link.springer.com/chapter/10.1007/978-981-13-1813-9_5

ONU-Hábitat (2008). State of the world’s cities 2010/2011: Bridging the urban divide. Nairobi: United Nations Human Settlements Programme.

O’Sullivan, D. y Torrens, P. (2001). Cellular models of urban systems. (Documento de trabajo, núm. 22). Londres: Centre for Advanced Spatial Analysis. http://discovery.ucl.ac.uk/1367/1/paper22.pdf

Padilla, O., Pérez, P., Cruz, M., Huilcamaigua, S. y Astudillo, S. (2015). Utilización de autómatas celulares como técnica de modelamiento espacial para determinación del cambio de uso de suelo y cobertura vegetal. Ciencias Espaciales, 8(1), 310-326. https://www.lamjol.info/index.php/CE/article/view/2055

Pérez-Miranda, R., Valdez, R., Moreno, F., González, A. y Valdez, J. (2011). Predicción espacial de cambios del uso de suelo en Texcoco, Estado de México. Revista Mexicana de Ciencias Forestales, 2(5), 59-72. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007-11322011000300006

Rasmussen, R. y Hamilton, G. (2012). An approximate Bayesian computation approach for estimating parameters of complex environmental processes in a cellular automata. Environmental Modelling and Software, 29(1), 1-10. https://www.sciencedirect.com/science/article/pii/S1364815211002167

Rocha-Campos, P., De Almeida, C. y Pereira de Quiroz, A. (2018). Educational infrastructure and its impact on urban land use change in a peri-urban area: A cellular-automata based approach, Land Use Policy, 79, 774-788. https://www.sciencedirect.com/science/article/abs/pii/S026483771830557X

Romano, Y. (2018). Mosaico del territorio mexicano del año 2000 y 2018 a partir de imágenes Landsat. https://www.gob.mx/cms/uploads/attachment/file/412978/P2_201_LANDSAT_2000_2018_web.pdf

Rosebrock, A. (2016). Intersection over Union (loU) for object detection. https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/

Rutter, E., Lagergren, J. y Flores, K. (2019). Automated object tracing for biomedical image segmentation using a deep convolutional neural network. En A. F. Frangi, J. A. Schnabel, C. Davatzikos, C. Alberola-López y G. Fichtinger (eds.), Medical image computing and computer assisted. Intervention- MICCAI 2018 (pp. 686-694). Berlín: Springer-Verlag. https://link.springer.com/chapter/10.1007%2F978-3-030-00937-3_78

Shen, G. (2002). Fractal dimension and fractal growth of urbanized areas. International Journal of Geographical Information Science, 16(5), 419-437. https://www.tandfonline.com/doi/abs/10.1080/13658810210137013

Sobrino, J., Garrocho, C., Graizbord, B., Brambila, C. y Aguilar, G. (2015). Sustainable cities: A conceptual and operational proposal. Ciudad de Panamá, Panamá: United Nations Population Fund.

Storper, M. (2013). Keys to the city: How economics, institutions, social interaction, and politics shape development. Estados Unidos: Princeton University Press.

Unsworth, K., Forte, A. y Dilworth, R. (2014). Urban informatics: The role of citizen participation in policy making. Journal of Urban Technology, 21(4), 1-5. https://www.tandfonline.com/doi/full/10.1080/10630732.2014.971527

Viera, A. y Garrett, J. (2005). Understanding interobserver agreement: The Kappa statistic. Family Medicine, 37(5), 360-363. http://www1.cs.columbia.edu/~julia/courses/CS6998/Interrater_agreement.Kappa_statistic.pdf

Vilchis-Mata, I., Garrocho-Rangel, C. y Díaz-Delgado, C. (2018). Modelo dinámico adaptativo para la toma de decisiones sostenibles en el ciclo hidrosocial urbano en México. Revista de Geografía Norte Grande, 71, 59-90. https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0718-34022018000300059

Wagner, M. y De Vries, W. (2019). Comparative review of methods supporting decision-making in urban development and land management. Land, 8(8), 123. https://www.mdpi.com/2073-445X/8/8/123/htm

Wahyudi, A. y Liu, Y. (2016). Cellular automata for urban growth modelling. International Review for Spatial Planning and Sustainable Development, 4(2), 60-75. https://www.jstage.jst.go.jp/article/irspsd/4/2/4_60/_article

Warrens, M. (2015). Five ways to look at Cohen’s Kappa. Journal of Psychology and Psychotherapy, 5(4), 1-4. https://www.longdom.org/open-access/five-ways-to-look-at-cohens-kappa-2161-0487-1000197.pdf

Wolfram, S. (1983). Statistical mechanics of cellular automata. Reviews of Modern Physics, 55(3), 601-644. https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.55.601

Wongthanavasu, S. y Tangvoraphonkchai, V. (2007). Cellular automata-based algorithm and its application in medical image processing. En IEEE International Conference on 2007 (pp. 41-44). http://vigir.missouri.edu/~gdesouza/Research/Conference_CDs/IEEE_ICIP_2007/pdfs/0300041.pdf

Yassemi, S., Dragićević, S. y Schmidt, M. (2008). Design and implementation of an integrated GIS-based cellular automata model to characterize forest fire behaviour. Ecological Modelling, 210(1-2), 71-84. https://www.sciencedirect.com/science/article/pii/S0304380007003626?via%3Dihub

Yeh, A. y Li, X. (2001). Measurement and monitoring of urban sprawl in a rapidly growing region using entropy. Photogrammetric Engineering and Remote Sensing, 67(1), 83-90. https://ci.nii.ac.jp/naid/80012193198/

Descargas

Publicado

2021-09-17

Cómo citar

Jiménez López, E., Garrocho Rangel, C., & Chávez Soto, T. (2021). Autómatas Celulares en Cascada para modelar la expansión urbana con áreas restringidas. Estudios Demográficos Y Urbanos, 36(3), 779–823. https://doi.org/10.24201/edu.v36i3.1997