Modelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparación con dos aplicaciones de software

Jaime Díaz-Pacheco, Richard Hewitt

Resumen


Este trabajo aborda el uso de métodos basados en redes neuronales artificiales (RNA) para la modelización del cambio de usos de suelo en la región de Madrid. Se exploraron los potenciales de transición de cambio de usos de suelo urbano en Madrid y al mismo tiempo fueron comparados los resultados producidos por dos aplicaciones diferentes que implementan un prototipo de cálculo basado en redes neuronales artificiales RNA: Land Transformation Modeler de la Universidad de Purdue (LTM) y Land Change Modeler (LCM), éste último implementado en el software IDRISI Taiga de la Universidad de Clark. Las bases de datos geográficas recogen dos periodos temporales de estado de usos de suelo urbano (2000 y 2006) para entrenar y calibrar el modelo y un tercer periodo temporal (2009) para llevar a cabo un proceso de validación. Los resultados han mostrado que ambas aplicaciones, a pesar de contener el mismo algoritmo pueden llegar a producir resultados disímiles. Además este trabajo confirma la utilidad de los modelos de simulación de cambio de usos de suelo basados en RNA para la definición de patrones de comportamiento y la generación de mapas de aptitud de usos de suelo.

Palabras clave


redes neuronales artificiales, cambio de usos de suelo, simulación urbana, Madrid

Texto completo:

PDF


Licencia Creative Commons

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.


GeoFocus es la revista del Grupo de Tecnologías de la Información Geográfica de la Asociación de Geógrafos Españoles. Recibe soporte institucional y técnico de RedIRIS (Red Española de I+D soportada por el Gobierno de España), de la FECYT (Fundación Española para la Ciencia y la Tecnología) y Grumets (Grupo de Investigación Métodos y Aplicaciones en Teledetección y Sistemas de Información Geográfica).