Modelos para la proyección del crecimiento de la mancha urbana utilizando múltiples heurísticas

Abstract

El dinamismo característico de las ciudades, requiere del uso de la planeación urbana para generar mejores condiciones de vida entre sus habitantes, un ejemplo de esto es que los bienes y servicios que demanda la sociedad actual se ven afectados debido al crecimiento poblacional. Es así que diversos investigadores han desarrollado modelos matemáticos que simulan el crecimiento de la población, los cuales contribuyen en el área de la planeación urbana. Sin embargo, la mayoría de estos modelos no trabajan con datos espaciales, lo cual impide representar fenómenos de la vida real. Es por ello que en esta tesis se proponen tres modelos de cambio de uso de suelo que solventan los problemas mencionados: Cadenas de Markov Espaciales, Autómatas Celulares Restringidos 1D y Regresión Lineal Local. En esta investigación se utiliza un conjunto de imágenes experimentales producidas a partir de cuatro etapas: 1. Obtención de imágenes, 2. Preprocesamiento, 3. Combinación y 4. Binarización. La obtención de imágenes se realiza por medio del satélite Landsat 8, uno de los proyectos gestionado por la NASA en conjunto con el Sistema Geológico de los Estados Unidos de América para la exploración de la superficie de la Tierra. Dicho satélite está conformado por dos sensores: OLI (Operational Land Imager) y TIRS (Thermal Infrared Sensor), los cuales capturan diferentes frecuencias del espectro electromagnético a través de 11 bandas espectrales. Las bandas capturadas por el sensor OLI tienen una resolución de 30 metros por píxel, mientras que las bandas capturadas por el sensor TIRS tienen una resolución de 100 metros por píxel. Sin embargo, se remuestrean a 15 metros por píxel utilizando la banda 8 (banda pancromática). El preprocesamiento de las bandas espectrales involucra tres tipos de correcciones, a través de las cuales se eliminan errores producidos al momento de la captura. La corrección radiométrica utiliza una interpolación por columna para recuperar píxeles erróneos o ruido capturado por los sensores del satélite. La corrección geométrica alinea las bandas a través de puntos de control para solucionar problemas en la rotación, traslación y curvatura de la Tierra. La corrección atmosférica disminuye los niveles de nubosidad. La combinación de las bandas espectrales emplea el método de Brovey para resaltar áreas de interés. Siendo la combinación de las bandas 4, 6 y 7 la m ́as utilizada para destacar zonas urbanas. La binarización de las bandas espectrales emplea algebra matricial sobre las bandas combinadas para producir una imagen libre de zonas no urbanas, a la que se le aplica el método DFPS para calcular un umbral que discrimina los píxeles de interés, codificando con 1 a los píxeles de mancha urbana y 0 en otro caso. Para la experimentación y análisis de resultados se establece el área de estudio a partir de imágenes binarias a una resolución de 15 metros por píxel de ciudades millonarias bajo el periodo delimitado por los años 2003 y 2017, obtenidas del satélite Landsat 8, las cuales sirven para realizar proyecciones a través de los tres modelos propuestos. Las proyecciones generadas por los modelos de cambio de uso de suelo propuestos son evaluadas a partir de un filtro que calcula cuatro métricas de bondad de ajuste: i) Índice Kappa, ii) Índice Jaccard, iii) Dimensión fractal y iv) Entropía de Shannon; las cuales evalúan cambios en el tiempo, cambios en el espacio, geometría y distribución de la mancha urbana respectiva- mente entre las imágenes reales y las proyecciones. La evaluación de las proyecciones demostró resultados prometedores, al reportar valores en el rango de igualdad total, alta dispersión y buena distribución respecto a la similitud entre las imágenes reales y las proyectadas Finalmente, es posible afirmar que el desarrollo del presente trabajo contribuye a la creación de modelos innovadores codificados en el lenguaje de programación Python incorporados a los Sistemas de Información Geográfica (SIG): ArcGIS y QGIS, contrario a los presentados en estado del arte, donde las propuestas realizadas por otros autores son programadas bajo entornos aislados, lo cual dificulta su interacción con otros sistemas.