Autómatas Celulares en Cascada para modelar la expansión urbana con áreas restringidas
DOI:
https://doi.org/10.24201/edu.v36i3.1997Palabras 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.
Referencias
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 DOI: https://doi.org/10.1016/S1138-3593(01)73955-X
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 DOI: https://doi.org/10.1016/j.jag.2016.07.007
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 DOI: https://doi.org/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. DOI: https://doi.org/10.1201/9781420038101.ch23
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 DOI: https://doi.org/10.1016/j.apgeog.2010.02.002
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 DOI: https://doi.org/10.3390/e15125223
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. DOI: https://doi.org/10.1007/978-3-319-60801-3_8
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 DOI: https://doi.org/10.5354/0719-5370.2017.44625
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. DOI: https://doi.org/10.2307/j.ctv4g1r5m.9
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 DOI: https://doi.org/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 DOI: https://doi.org/10.1016/j.jum.2017.01.002
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 DOI: https://doi.org/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 DOI: https://doi.org/10.1093/bioinformatics/18.3.405
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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/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 DOI: https://doi.org/10.1016/j.isprsjprs.2018.05.022
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 DOI: https://doi.org/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 DOI: https://doi.org/10.1068/b4105c
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 DOI: https://doi.org/10.1016/S0927-0256(00)00097-5
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 DOI: https://doi.org/10.4067/S0250-71612016000100002
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 DOI: https://doi.org/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 DOI: https://doi.org/10.1007/978-1-4471-0709-5_13
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 DOI: https://doi.org/10.5377/ce.v8i1.2055
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 DOI: https://doi.org/10.29298/rmcf.v2i5.586
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 DOI: https://doi.org/10.1016/j.envsoft.2011.10.005
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 DOI: https://doi.org/10.1016/j.landusepol.2018.08.036
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 DOI: https://doi.org/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. DOI: https://doi.org/10.1515/9781400846269
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 DOI: https://doi.org/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 DOI: https://doi.org/10.4067/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 DOI: https://doi.org/10.3390/land8080123
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 DOI: https://doi.org/10.14246/irspsd.4.2_60
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 DOI: https://doi.org/10.4172/2161-0487.1000197
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 DOI: https://doi.org/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 DOI: https://doi.org/10.1109/ICIP.2007.4379241
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 DOI: https://doi.org/10.1016/j.ecolmodel.2007.07.020
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/
Publicado
Número
Sección
Cómo citar
-
Resumen1102
-
PDF511
-
En línea24
Descargas
Licencia
Derechos de autor 2021 Estudios Demográficos y Urbanos
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.