Universidad Autónoma de Ciudad Juárez Ricardo Duarte Jáquez Rector David Ramírez Perea Secretario General Manuel Loera de la Rosa Secretario Académico Erick Sánchez Flores Instituto de Arquitectura, Diseño y Arte Ramón Chavira Chavira Director General de Difusión Cultural y Divulgación Científica
Geoinformática aplicada a procesos geoambientales en el contexto local y regional: teledetección y sistemas de información geográfica
Coordinadores: Luis Carlos Alatorre Cejudo María Elena Torres Olave Hugo Luis Rojas Villalobos Luis Carlos Bravo Peña Lara Cecilia Wiebe Quintana Fernando Sandoval Gutiérrez Elifalet López González
Universidad Autónoma de Ciudad Juárez
ISBN electrónico: 978-607-520-150-4 Apoyado con recursos del PIFI 2013 La edición, diseño y producción editorial de este documento estuvo a cargo de la Dirección General de Difusión Cultural y Divulgación Científica, a través de la Subdirección de Publicaciones. Diseño de la cubierta e interiores: Karla María Rascón Cuidado de la edición: Subdirección de Publicaciones Coordinación editorial: Mayola Renova González D.R. 2015 Hugo Luis Rojas Villalobos, Francisco Javier Domínguez Chávez, Elifalet López González, Luis Carlos Alatorre Cejudo, Javier Enríquez Domínguez, Luis Carlos Bravo Peña, Lara Cecilia Wiebe Quintana, Jaime Iván Rojo Venzor, María Elena Torres Olave, Jesús Antonio Bencomo Sáenz, Vladimir Hernández Hernández, Juan Carlos Enríquez Venzor, Jesús Pilar Amado Álvarez, Manuel Octavio González León, Jaime Octavio Loya Carrillo, Alan Edgardo Chávez Bustillos, José Alejandro Corral Alvarado, Luis Raúl Rodríguez Marín, Leoncio Elmer Ornelas Olivas, Luis Arturo Caraveo Caraveo, Luis René Cereceres Calzadillas, Manuel Iván Gil Hernández, Jesús Alfredo Banda Granados, Carlos Daniel Fierro Macias, Mario Iván Uc Campos, Fernando Sandoval Gutiérrez, Claudia Karina Legarreta Miranda, Fernando Sandoval Gutiérrez, María Olivia Trevizo Nevares D.R.
2015 Universidad Autónoma de Ciudad Juárez, Avenida Plutarco Elías Calles #1210, Fovissste Chamizal, Ciudad Juárez, Chihuahua, C.P. 32310 Tel. +52 (656) 688 2260
Primera edición, 2015 Disponible en: http://www.uacj.mx/DGDCDC/SP/Paginas/default.aspx
Índice
Prólogo
Descripción y análisis espacial de los accidentes de tránsito con el uso de SIG en la ciudad de Cuauhtémoc, Chihuahua. Jaime Iván Rojo Venzor, Hugo Luis Rojas Villalobos, Elifalet López González y María Elena Torres Olave 57 9
Capítulo 1 Geoinformática aplicada al análisis de riesgo Responsable: Hugo Luis Rojas Villalobos 11
http://www.uacj.mx/DGDCDC/SP/Paginas/ default.aspx
Digitalización de mapas para determinar riesgo a inundación y potencial de pérdidas económicas en el seccional de Anáhuac, Cuauhtémoc, Chihuahua: mediante sistemas de información geográfica Francisco Javier Domínguez Chávez, Hugo Luis Rojas Villalobos, Elifalet López González, Luis Carlos Alatorre Cejudo 13
Análisis de áreas susceptibles a riesgos químicos por gaseras y gasolineras de Cuauhtémoc, Chihuahua: evaluación mediante técnicas de Sistemas de Información Geográfica Javier Enríquez Domínguez, Hugo Luis Rojas Villalobos, Luis Carlos Bravo Peña, Lara Cecilia Wiebe Quintana 33
Capítulo II Geoinformática aplicada a la Planificación Urbana Responsables: Lara Cecilia Wiebe Quintana, María Elena Torres Olave y Hugo Luis Rojas Villalobos 87 Identificación de patrones de crecimiento urbano en el área de ciudad Cuauhtémoc, Chihuahua: 2003 - 2010 Jesús Antonio Bencomo Sáenz, Lara Cecilia Wiebe Quintana, Luis Carlos Bravo Peña y Vladimir Hernández Hernández 91 Análisis de la competencia de gasto de agua en ciudad Cuauhtémoc, Chihuahua con las huertas de manzana colindantes con la mancha urbana Juan Carlos Enríquez Venzor, Lara Cecilia Wiebe Quintana, Luis Carlos Alatorre Cejudo, Luis Carlos Bravo Peña y Jesús Pilar Amado Álvarez 115
Predicción y modelación del crecimiento urbano de Ciudad Cuauhtémoc, Chihuahua del 2010, usando autómatas celulares (SLEUTH) Manuel Octavio González León, Hugo Luis Rojas Villalobos, Luis Carlos Alatorre Cejudo y Luis Carlos Bravo Peña 141 Análisis del cambio de cobertura y uso de suelo durante el periodo 1995-2011, EMC y autómatas celulares para la predicción del crecimiento urbano, el caso de ciudad Cuauhtémoc, Chihuahua Jaime Octavio Loya Carrillo, María Elena Torres Olave, Luis Carlos Bravo Peña y Luis Carlos Alatorre Cejudo 163
Capítulo III Geoinformática aplicada a los procesos de erosión y degradación en suelos Responsable: Luis Carlos Alatorre Cejudo 195 Aplicación de un modelo empírico para determinar la erosión potencial en la cuenca de la Laguna Bustillos, Chihuahua, México 199
Capítulo IV Geoinformática aplicada al estudio de acuíferos Responsable: Luis Carlos Bravo Peña 223 Relaciones espaciales entre los cambios del nivel estático del acuífero Cuauhtémoc Chihuahua y la cobertura de huertas de manzana durante 1993-2003. Alan Edgardo Chávez Bustillos, José Alejandro Corral Alvarado, Luis Carlos Bravo Peña, Luis Carlos Alatorre Cejudo y Lara Cecilia Wiebe Quintana 227 Análisis y aplicación de un modelo empírico-conceptual para la identificación de zonas potenciales para recarga hídrica: cuenca de Laguna de Bustillos, Chihuahua. Luis Raúl Rodríguez Marín, Leoncio Elmer Ornelas Olivas, Luis Carlos Bravo Peña, Luis Carlos Alatorre Cejudo y Hugo Luis Rojas Villalobos 247
Capítulo V Geoinformática aplicada al estudio de cubiertas vegetales Responsable: Luis Carlos Alatorre Cejudo 269
Evaluación de la recuperación vegetal en áreas con distinta severidad de fuego usando teledetección: caso de estudio, Municipio de Ocampo, Coahuila Luis Arturo Caraveo Caraveo, Luis Carlos Alatorre Cejudo, María Elena Torres Olave y Lara Cecilia Wiebe Quintana 277 Efectos de las bajas temperaturas extremas registradas en febrero de 2011 en el municipio de Cuauhtémoc, Chihuahua: una evaluación en el bosque de encino usando técnicas de teledetección y SIG. Luis René Cereceres Calzadillas, Luis Carlos Alatorre Cejudo, Luis Carlos Bravo Peña y María Elena Torres Olave 293 Determinación de procesos de deforestación en el bosque templado de la región noroeste del municipio de Madera, Chihuahua, México: usando técnicas de teledetección y SIG Manuel Iván Gil Hernández, Luis Carlos Alatorre Cejudo, María Elena Torres Olave y Luis Carlos Bravo Peña 309
Capítulo VI Geoinformática aplicada al estudio de la distribución potencial de especies Responsable: María Elena Torres Olave 337 Distribución potencial de la guacamaya verde (Ara militaris) en el estado de Chihuahua México mediante el método de máxima entropía Jesús Alfredo Banda Granados, María Elena Torres Olave, Luis Carlos Alatorre Cejudo y Lara Cecilia Wiebe Quintana 341 Modelado de nicho ecológico para la predicción del área de distribución actual y potencial del venado cola blanca (Odocoileus virginianus) en el estado de Chihuahua Carlos Daniel Fierro Macias, María Elena Torres Olave, Luis Carlos Alatorre Cejudo y Hugo Luis Rojas Villalobos 369 Modelación del Potencial Actual del Quercus emoryi y Quercus grisea Mediante Variables Bioclimáticas y del Potencial a Futuro Hacia los Años 2020 y 2050 Bajo el Escenario CGCMA2en el Estado de Chihuahua México Mario Iván Uc Campos, María Elena Torres Olave, Elifalet López Gonzáles y Lara Cecilia Wiebe Quintana 389
Capítulo VII La Geoinformática como alternativa para el análisis de realidades educativas Responsable: Fernando Sandoval Gutiérrez 427 Correlación entre indicadores sociodemográficos y de rendimiento escolar en escuelas primarias de ciudad Cuauhtémoc Claudia Karina Legarreta Miranda, Fernando Sandoval Gutiérrez, Lara Cecilia Wiebe Quintana y María Olivia Trevizo Nevares 431
Prólogo
C
uando hablamos de Geoinformática se alude a una ciencia que aborda el estudio de la superficie terrestre, mediante la integración de técnicas informáticas para el procesado de datos, con los métodos y técnicas de las ciencias de la tierra tradicionales (geografía, geología, hidrología, entre otras). Se trata de una ciencia con enorme utilidad para el análisis geográfico, que no obstante su potencial para la solución de problemas ambientales en países como el nuestro, lamentablemente aún cuenta con muy pocos textos en lengua castellana. La obra que el lector tiene en sus manos constituye un aporte valioso para llenar ese vacío. Resume las investigaciones desarrolladas en los proyectos de titulación de la primera generación de licenciados en Geoinformática de la UACJ en ciudad Cuauhtémoc, Chihuahua, y muestra aplicaciones que tiene esta ciencia en el análisis de problemáticas ambientales en el contexto local y regional. Expone ejemplos del amplio potencial de la geoinformática, para generar datos que permitan transformar la realidad ambiental y social desde la trinchera de las aulas y del trabajo universitario. En la obra se incluyen investigaciones de amplia relevancia para el centro de Chihuahua, y trabajos con evidente pertinencia en el ámbito regional del norte de México. A través de un abordaje geoinformático, sustentado en la creatividad científica y en el rigor metodológico, se desarrollan siete capítulos que muestran el estudio de la superficie terrestre desde ángulos muy diversos. Entre estos se incluye el análisis de riesgos urbanos y aplicaciones de la geoinformática en la planificación urbana (capítulos I y II), el estudio y la caracte-
9
rización de procesos de degradación ambiental como la erosión del suelo, el abatimiento de acuíferos y los cambios de la cubierta vegetal por actividades humanas (capítulos III, IV y V), la modelación de patrones de distribución de especies amenazadas en México (capítulo VI), hasta aplicaciones de la geoinformática para el análisis geoespacial de realidades educativas en educación básica (capítulo VII). Todos estos temas tienen un valor indiscutible. Añejos en algunos casos, han cobrado mayor importancia en los inicios del siglo XXI, por las sinergias existentes entre las dinámicas inapropiadas de uso del espacio por el hombre, y las tendencias actuales de cambio climático. Son temas cuya vigencia demanda un abordaje novedoso, con herramientas geotecnológicas de vanguardia. Eso es lo que se ha logrado en estos trabajos de titulación. La obra es un trabajo de equipo. Muestra en pocas páginas aquello que puede lograrse cuando autoridades universitarias, coordinadores de carrera, maestros, investigadores, y alumnos, enfocan sus esfuerzos hacia un objetivo común: transformar la realidad geográfica regional desde el espacio académico. Lograr, con el esfuerzo de todos, datos y resultados que construyan la sustentabilidad ambiental y social del futuro. Gracias por esto a todos ellos, enhorabuena por un esfuerzo así. Muchos logros, muchas obras de estas. Dr. Luis Carlos Bravo Peña
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
CAPÍTULO 1
Geoinformática aplicada al análisis de riesgo
Responsable: Hugo Luis Rojas Villalobos
Panorama general del capítulo
E
l análisis de riesgos es la evaluación de la vulnerabilidad del ser humano y su entorno a fenómenos naturales o antropogénicos, y su potencial efecto negativo en los seres humanos, lo que llamamos un desastre natural, es decir, cuando la amenaza se convierte en una realidad peligrosa y daña a los seres humanos, a infraestructuras, asentamientos humanos, y otras realidades (Abbott, 1996). Antes de la aparición de los Sistemas de Información Geográfica (SIG), los mapas de distribución espacial y temporal de las amenazas contenían muy poca información, ya que los análisis de riesgos se realizaban utilizando téc-
11
nicas como la superposición manual de mapas temáticos (Coppock, J. T. y Rhind, D. W., 1991). Con el desarrollo de la informática, actualmente se utilizan los SIG, que ofrecen múltiples ventajas para el análisis de riesgos, ya que permiten capturar datos geográficos en diferentes formatos, ya sea mapas analógicos digitalizados o imágenes de satélite, se pueden almacenar grandes volúmenes de datos, realizar análisis implementando algoritmos complejos y la aplicación de modelaciones para la simulación de los riesgos. Los SIG actualmente forman parte primordial de la administración ante las situaciones de desastre e intervienen directamente en el desarrollo de las cuatro fases descritas por Greene: Mitigación. Actividades que reduzcan los efectos de un desastre inevitable, por ejemplo administración del uso de suelo, establecimiento de programas de administración de emergencias como restricciones de licencias de construcción para zonas inundables. Preparación. Actividades necesarias para minimizar los daños del desastre, por ejemplo consolidación de un inventario de recursos ante la emergencia, establecimiento de protocolos de respuesta, instalación de sistemas de alerta temprana y preparación de personal para atención a emergencias, entre otros. Respuesta. Actividades posdesastre, diseñadas para brindar asistencia a las víctimas, por ejemplo protocolos de búsqueda, rescate, atenciones médicas, alimentación y acelera las operaciones de recuperación (inventario de daños). Recuperación. Actividades necesarias para retornar todos los sistemas a la normalidad, incluyendo actividades de corto plazo (limpieza, acceso a agua y comida, viviendas temporales) y largo plazo (asesoría legal, planeamiento de la comunidad, etcétera) (Greene, 2002). En el panorama de la prevención y acción ante las situaciones de riesgo comentadas, la Geoinformática permite una serie de aproximaciones variadas. Algunos ejemplos son los trabajos que componen este capítulo.
Referencias Abbott, P. L. (1996). Natural Disasters. Wm. C. Brown Publishing Co., 438 pp. Coppock, J. T., Rhind, D. W. (1991). The history of GIS. Geographical information systems: Principles and applications, 1(1), 21-43. Greene, R. W. (2002). Confronting Catastrophe: A GIS Handbook. Redlands.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Digitalización de mapas
para determinar riesgo a inundación y potencial de pérdidas económicas en el seccional de Anáhuac, Cuauhtémoc, Chihuahua: mediante sistemas de información geográfica
Francisco Javier Domínguez Chávez, Hugo Luis Rojas Villalobos, Elifalet López González, Luis Carlos Alatorre Cejudo
Introducción
E
l agua es uno de los recursos naturales más valiosos de cualquier país debido a los beneficios sociales y económicos que se derivan de su explotación; sin embargo, junto con las ventajas de su uso existen también situaciones extremas tales como las inundaciones y las sequías. Las inundaciones son consideradas como uno de los fenómenos de mayor impacto en el ámbito mundial debido al efecto que producen en extensiones territoriales densamente pobladas (Domínguez, 1999). Una inundación es el proceso que se produce cuando el gasto de una avenida generada en una cuenca supera la capacidad del cauce, por lo que el exceso de agua escurre fuera del mismo hacia las partes más bajas. Las inundaciones son fenómenos naturales que se convierten en peligro cuando los espacios ocupados por las poblaciones abarcan las llanuras de inundación (Montecelos, 2011). La intensidad y volumen de la precipitación conlleva a la
13
inundación, que genera como consecuencia extensos y cuantiosos daños: pérdidas económicas a viviendas, pérdidas humanas así como efectos catastróficos para la población, la infraestructura urbana, daños al medio ambiente, servicios básicos entre otros, en gran parte del territorio nacional (CEPAL, 2000). La inadecuada planeación en el ordenamiento del territorio es la principal causa de que se desarrollen asentamientos humanos en las zonas aledañas a los cuerpos de agua, lo que provoca inundaciones cuando se desborda una corriente. Además la degradación del medio ambiente, tal como la deforestación, la erosión, entre otras, modifica la respuesta hidrológica de las cuencas, lo que incrementa la ocurrencia y la magnitud de inundaciones (Cenapred, 2007). La modificación del terreno en las cuencas debido a cambios en los usos del suelo, produce daños cada vez más considerables por el efecto de las inundaciones, asociados a dos fenómenos: • El incremento en las crecientes que históricamente habían ocurrido, cuando no existían modificaciones en el terreno o la degradación del medio ambiente, era mínimo (Salas, 2007). • El tiempo que debe transcurrir para que los efectos de una inundación sean percibidos por la población ha disminuido, provocando que en ocasiones la respuesta de las autoridades y de la población se vea comprometida (Salas, 2007). En otro sentido, esta situación se asocia fuertemente con el concepto de vulnerabilidad. La vulnerabilidad es la medida de la susceptibilidad de un bien expuesto a la ocurrencia de un fenómeno perturbador. De dos bienes expuestos uno es más vulnerable, ante la ocurrencia de fenómenos perturbadores con la misma intensidad, por lo que sufre mayores daños. La vulnerabilidad es una variable que el hombre tiene la posibilidad de disminuir, implementando planes de mitigación, recuperación y compensación. Reducir los indicadores de vulnerabilidad supone medidas como la planeación de un censo de la población en zonas potencialmente inundables. Para ello se deberán implementar ejercicios de consulta que permitan evaluar los bienes expuestos para cada vivienda, así como tener acceso a programas de cómputo necesarios para ir creando las bases de datos que servirán para su ubicación dentro de la zona urbana (Salas, 2007). El acercamiento al tema de la vulnerabilidad es amplio y tiene que ver con diversas dimensiones de la planeación urbana. Por ejemplo, las personas que viven en la planicie son más vulnerables ante las inundaciones que los que viven
14
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
en lugares más altos. Además el concepto de vulnerabilidad económica atañe a personas o familias de pocos recursos económicos, que muchas veces ocupan zonas de alto riesgo, alrededor de las ciudades porque no tienen suficiente opciones de elegir lugares más seguros. Por los riesgos descritos, la cartografía de las zonas con peligro de inundaciones es una tarea de suma importancia para preservar la vida y los bienes inmuebles, debido a que este tipo de peligro natural afecta a regiones muy diferentes en todo el mundo. Los análisis de zonas inundables y la evaluación de sus riesgos potenciales son esenciales para las actividades de protección y mitigación contra las afectaciones por inundaciones, de donde se obtienen resultados que orientan hacia una mejor planeación para el desarrollo territorial que prevén los fenómenos meteorológicos y sus riesgos (Montecelos, 2011). En esa tarea, los Sistemas de Información Geográfica (SIG) son esenciales. Estos sistemas son definidos como la captura, manejo y análisis de datos e información geográficamente representados. Son amplia y mundialmente implementados por instituciones gubernamentales, no-gubernamentales y académicas, como una herramienta indispensable para la planeación territorial, manejo integrado de cuencas, evaluación y mitigación de desastres, así como para la conservación de recursos naturales (Ellis, 2012). En la actualidad existe una amplísima gama de procedimientos adoptados para la realización de mapas de inundaciones con el empleo de las herramientas presentes en los SIG. La delimitación, la clasificación, y la cartografía constituyen un trabajo arduo en los que el uso de los SIG es de gran ayuda, ya que permite contar con una serie de elementos, tanto en el almacenamiento como en la actualización de la información de los componentes, así como la existencia de una base cartográfica única para cada uno de ellos, lo que nos da la posibilidad de integrar toda la información en un mapa preliminar de inundaciones, a partir del esquema metodológico general para la realización del mismo mediante el empleo de las herramientas SIG (Montecelos, 2011). Los grandes avances tecnológicos de las últimas décadas han provocado profundos cambios en las metodologías de estudio de las Ciencias de la Tierra y de disciplinas afines. En la actualidad tanto los trabajos de investigación básica como los aplicados hacen un uso intensivo de herramientas geoinformáticas como las imágenes satelitales y los SIG. Estos últimos en particular, son programas diseñados para el tratamiento eficiente de información espacial con fines de apoyo a la toma de decisiones, cuyas capacidades van desde la captura de los datos espaciales, su almacenamiento y organización mediante
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
15
una base de datos, hasta su procesamiento mediante funciones de análisis espacial y representación final de la información generada con salidas gráficas. Los SIG permiten la integración de datos provenientes de fuentes muy diversas (imágenes, mapas, datos de campo, GPS, planillas electrónicas, entre otras) para a partir de ellos poder elaborar un modelo en capas (layers) de la realidad. Esto facilita y potencia el tratamiento de los datos y el análisis espacial en gabinete, en tareas previas y posteriores a las del terreno. Para el caso específico de las inundaciones en el seccional de Anáhuac, Chihuahua, estas herramientas son ideales. Las inundaciones en Anáhuac están asociadas a problemas tales como modificaciones del terreno producidas por tala de árboles, urbanización y otras intervenciones en el medio ambiente o la combinación de ellas. Por lo que en gran medida se ve afectado por las inundaciones fluviales relacionadas generalmente con eventos meteorológicos con alta precipitación, en especial en los meses de junio-agosto. Los problemas relacionados con las inundaciones y la vulnerabilidad de la población se han incrementado debido a un desordenado proceso de cambios de uso de suelo, urbanización, asentamientos ilegales y viviendas construidas de manera inadecuadas y en zonas que incrementan el nivel de riesgo (Guarin et al., 2005). Estos problemas no han podido ser solucionados con obras estructurales. Es posible observar una tendencia a que nuevos problemas aparecen a un ritmo mayor que la generación de soluciones. Por lo tanto acciones de tipo no estructurales son necesarias como el control de uso y ocupación del suelo en zonas con riesgo de inundación. La base técnica de estas soluciones es el desarrollo de estudios de inundación que produzcan cartografía que represente las zonas de alto riesgo. Con base en todo lo anteriormente descrito, esta investigación tiene como objetivo determinar la vulnerabilidad ante situaciones de inundación que presentan las casas habitación localizadas en el seccional de Anáhuac, mediante el empleo de técnicas SIG. La vulnerabilidad en este trabajo estará limitada por la localización de las casas habitación, principalmente en las zonas que se encuentran en áreas que de manera recurrente presentan la acumulación repentina de caudales. Por otra parte, el proyecto de investigación tiene como segundo objetivo determinar el riesgo a pérdidas económicas de las inundaciones. Para determinar estas pérdidas se hará referencia únicamente a la afectación de bienes inmuebles. Para ambos objetivos se utilizará como recurso metodológico principal la integración de mapas de inundación analógicos a información digital mediante los Sistemas de Información Geográfica (SIG), dado que se
16
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
trata de una fuente de información lo bastante robusta como para diagnosticar la vulnerabilidad económica de las familias que habitan en las zonas de riesgo.
Área de estudio El seccional de Anáhuac se ubica en el municipio de Cuauhtémoc, en el estado mexicano de Chihuahua, en las siguientes coordenadas geográficas: latitud 28.480000 y longitud -106.744167, a una altura media de 1905 metros sobre el nivel del mar (msnm) (Figura 1). La zona está localizada en una región de clima semiseco templado, por lo cual tiene veranos de temperatura templada, pero sus inviernos son fríos, pudiendo descender las temperaturas incluso por debajo de los -10 °C; asimismo, la región es conocida por sufrir en verano tormentas periódicas. La temperatura media anual es de 10 a 14 °C y la precipitación media anual es de 500 a 600 mm. La ciudad de Anáhuac se conforma con un total de 2667 viviendas. De estas, 14 tienen piso de tierra y unas 84 consisten de una sola habitación, 2407 viviendas tienen instalaciones sanitarias, 2617 cuentan con agua potable, y 2620 tienen acceso al servicio de electricidad. En 605 hogares de Anáhuac se cuenta con una computadora, en 2376 con lavadora y 2619 viviendas tienen al menos una televisión. La población total del seccional Anáhuac es de 9253 personas; 4485 son hombres y 4768 mujeres (INEGI 2005).
Materiales y métodos La digitalización es una forma de conversión de datos analógicos a digitales, la cual consta de tres etapas sucesivas: preparación de datos, digitalización y captura de datos (GIS). El estudio que se presenta comprende la integración de datos a un SIG para la digitalización de mapas y para el análisis de las zonas de inundación en seccional de Anáhuac. Adicionalmente se integraron las técnicas de SIG para la evaluación de propiedades en las zonas de riesgo, simulando las áreas susceptibles de inundación para posteriormente integrar los datos de vulnerabilidad de estas zonas de riesgo a los SIG. La digitalización de la información analógica de mapas susceptibles a inundación del seccional de Anáhuac se obtuvo mediante una serie de pasos para la obtención de mapas digitales mediante los SIG. Los pasos de la metodología fueron los siguientes:
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
17
1. 2. 3. 4. 5.
Preparación y obtención de la información del seccional. Manejo y uso de software. Conversión de información análoga a digital. Georeferenciación de mapas. Estimación de posibles pérdidas de zonas inundables.
Para la digitalización de los mapas se inició con la obtención de la información necesaria, la cual fue proporcionada por el D epartamento de Catastro del seccional. Para el procedimiento de la digitalización se utilizó lo siguiente: 1. Mapas análogos de las zonas de inundación del seccional para su digitalización y su posterior vectorización. 2. Mapas del seccional con manzanas y lotes en formato DXF (AutoCad™). 3. Imagen satelital del seccional. 4. Mapas (basemaps) de ArcMap™. 5. Encuestas para la obtención de información de costos monetarios y número de habitantes por viviendas afectadas en caso de inundaciones para estimar la vulnerabilidad económica y humana. Para la digitalización de los mapas se trabajó con los mapas analógicos obtenidos en el Departamento de Catastro en la presidencia del seccional. Estos mapas muestran las zonas identificadas por dicho departamento como más vulnerables a las inundaciones y las zonas que delimitan las áreas afectadas a través de los años mediante los registros históricos. Para la digitalización de las imágenes se utilizó el software ArcGIS™ que es uno de los programas más utilizados hoy en día por empresas y administraciones públicas para el análisis geoinformático. El programa cuenta con los módulos ArcMap™, ArcToolbox™ y ArcCatalog™, para un mejor desempeño. ArcGIS™ es utilizado para trabajar bajo los SIG, utiliza datos geográficos de diferentes fuentes, crea bases de datos geoespaciales y permite el análisis espacial, la edición geométrica, el análisis de topología, entre otras funciones. Mediante el uso de ArcMap™ fue posible añadir información del material analógico al digital, obteniendo como resultado shapefiles con información de zonas en riesgo a inundación del seccional para su posterior análisis. El mapa de manzanas y lotes en formato DXF (AutoCAD™) (Figura 2), se convirtió a shapefiles para realizar un proceso de georeferenciación.
18
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 1. Zona de estudio (Fuente: Elaboración propia).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
19
Figura 2. Mapa de manzanas y lotes en formato DXF. (Fuente: Elaboración propia). La georeferenciación de imágenes es una serie de pasos y secuencias que consiste en relacionar la información digital al espacio geográfico que realmente ocupa. Este proceso consiste en buscar objetos bien definidos dentro de las imágenes, tales como intersecciones de caminos o las características de la tierra y ubicarlos en las imágenes de ayuda basemap de ArcMap™. De esta manera se puede estar seguro de que se está haciendo referencia a la misma ubicación en el conjunto de datos raster y datos alineados. Una vez que se obtuvieron los mapas de zonas de inundación potencial, y el mapa de manzanas y de lotes, se hizo una sobreposición de los tres mapas para su interpretación de la información generada, y así obtener como resultado las zonas afectadas divididas con manzanas y lotes. Este proceso ayudó a identificar las manzanas y los diferentes lotes que se encuentran en zonas inundables. Para calcular los costos de potenciales pérdidas económicas por inundación, se realizó una encuesta en las zonas de riesgo de inundación identificadas en los mapas generados, se trató de levantar la información necesaria por lote para cuantificar las posibles pérdidas de bienes, y posteriormente evaluar el costo de las pertenencias de los habitantes de las zonas en riesgo. La encuesta se integró con preguntas acerca de bienes con los que se cuenta en
20
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
cada casa-habitación y sus condiciones para hacer la estimación de costos. El instrumento incluyó preguntas sobre: • • • • • • • • • • • •
Tipo de lote: hogar, negocio, escuela, parque, iglesia, otro. Número de personas que habitan la vivienda. Número de habitaciones que se usan para dormir. Número y tipo de televisiones. Número de salas o estancias. Cuenta con estufa. Cuenta con comedor. Cuenta con refrigerador. Cuenta con aparato de microondas. Condiciones de cocina o cocineta. Cuenta con lavadora y secadora. Número de colchones y bases de cama.
Para la estimación de costos de los artículos mencionados en la encuesta, se tomaron los precios como referencia en tiendas de segunda mano, bazares y mueblerías como se muestra en el tabla 1. Tabla 1. Resultados de encuesta de potenciales pérdidas. (Fuente: Elaboración propia). Tipo
Precio 1
Precio 2
Precio 3
Televisión Normal
600
850
1,200
3,000
3,500
5,500
800
999
1,200
Bien
1,500
1,600
1,700
Muy bien Excelente
2,000 3,400
2,400 3,500
3,000 3,600
800
900
Pantalla LCD
Estufa Regular
Comedor Regular
Continúa...
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
21
Tipo
Precio 1
Precio 2
Precio 3
Bien
2,800
3,500
Muy bien
4,000
4,300
Excelente
10,000
7,000 12,000
Refrigerador Regular
550
850
1,000
Bien
1,200
1,500
2,000
Muy bien
2,500
3,000
4,000
Excelente
6,000
6,500
Cocina Regular
2,300
Bien
5,500
Muy bien
10,000
Excelente
20,000 Aparato de microondas
Regular
50
350
Bien
400
700
Muy bien
800
900
Excelente
1,200
1,250
Lavadora Bien
700
Muy bien
1,500
Excelente
4,800
2,100
2,800 7,000
Recámara Regular
900
500
1,400
Bien
1,500
1,000
2,500
Muy bien
3,500
3,500
7,000
Excelente
5,000
6,000
11,000
900
500
1,400
Bien
1,500
1,000
2,500
Muy bien
3,500
3,500
7,000
Excelente
5,000
6,000
11,000
Secadora Regular
22
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
La información generada a partir de las encuestas fue capturada en cada uno de los atributos del polígono que representa un lote dentro de las zonas de riesgo y se buscó estimar cuál es el costo de recuperación potencial.
Zonas potenciales a inundación en el seccional por colonias Mediante la digitalización de los mapas analógicos se obtuvieron los mapas de zonas potenciales a inundación, identificando las colonias con riesgos (Figura 3). En él se identifican las zonas afectadas por posible inundación, su ubicación y las calles donde ocurre la acumulación del agua. La Figura 3 utiliza la siguiente nomenclatura de colores: naranja representa el barrio “El Ojito”; azul oscuro representa la colonia “Francisco Villa”; amarillo representa la colonia “Habitación” (conocida también como colonia “Damnificados”); morado representa la colonia “Los Manzanos”, azul claro representa el fraccionamiento “Progreso”; verde representa la colonia “San José” y el rojo la zona centro de la ciudad. En total se ubicaron siete colonias con potencial a inundación. Se ubicaron tres en riesgo por su ubicación en zonas bajas donde se presenta la acumulación de agua: la colonia “San José”, zona Centro, y barrio “El Ojito”. Adicionalmente se encontró que las colonias “Francisco Villa”, “Habitación”, “Los Manzanos”, y el fraccionamiento “Progreso” tienen riesgo a inundación. Esto se debe a la ubicación cercana de un depósito de agua de menores dimensiones a una presa, que ante una fuerte precipitación puede presentar desbordamientos.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
23
Figura 3. Mapa de zonas potenciales a inundación (Fuente: Elaboración propia).
Lotes potenciales a inundación en el seccional por colonias. A partir del mapa de zonas de riesgo de inundación, y su división en colonias más vulnerables a ser inundadas, se procedió a identificar los lotes con potencial riesgo a inundación dividido por colonias (Figura 4). Este mapa se obtuvo mediante trabajo de campo, identificando los lotes expuestos en las diferentes zonas potenciales a inundación que arroja una clasificación según su tipo: hogares, negocios, parques, iglesias, funerarias, escuelas, casas no habitadas y lotes baldíos, se asignó un color diferente para identificarlas (Figura 4). El mapa muestra como la mayoría de lotes con potencial de afectación corresponde a hogares o casa habitación en todas las colonias, representando el 50.05 % del total de lotes (Tabla 2). Las zonas con más potencial de afectación son: la colonia San José y la Zona Centro del seccional. Se aprecia que hay más números de lotes con riesgo que en las otras colonias. En general se concluye que las zonas con potencial de inundación se relacionan con hogares.
24
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 4. Mapa de identificación de lotes con potencial riesgo a inundación (Fuente: Elaboración propia).
Clasificación de lotes potenciales a inundación en colonias “Francisco Villa”, “Habitación”, “Los Manzanos” y fraccionamiento “Progreso” A partir del mapa de clasificación de lotes en riesgo a inundación, y su división en colonias más vulnerables a ser inundadas, se realizó una imagen más detallada por colonias para identificar y cuantificar los lotes con potencial riesgo a inundación y su clasificación. Este mapa muestra con más detalle los lotes con potencial riesgo a inundación dividido por colonias. Se identifican los lotes clasificados por tipo. Estas colonias son afectadas por la corriente excesiva de agua. El problema se identificó a través de los años por registros históricos. La Figura 5 muestra la potencial afectación de cinco hogares y un negocio con un área de terreno de 5214 m² en el fraccionamiento “Progreso”, seis hogares, y un lote baldío con un área de 6968 m² en la colonia “Los Manzanos”, ocho hogares, y un parque con un área de 3209 m² en la colonia “Habitación”, siete hogares y un lote baldío con un área de 5440 m² en la
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
25
colonia “Francisco Villa”, tal y como se muestra en la Tabla 2. Completando un total de 26 hogares y familias con potencial de afectación de inundación, identificados en la imagen (Figura 5). Colonia
Hogares Negocios Baldíos Parques
No Escuelas Iglesias Funeraria habitado
Total
Progreso Manzanos Habitacional Ojito San José
3,394 5,276 1,807 7,877 24,503
1,820 0 0 1,702 3,705
0 1,692 0 939 9,489
0 0 1,402 0 0
0 0 0 396 5,912
0 0 0 0 4,257
0 0 0 0 1,194
0 0 0 0 1,095
5,214 6,968 3,209 10,914 50,155
Centro
26,562
15,267
7,969
0
2,386
6,573
1,037
0
59,794
72,342
22,494 22,606
1,402
8,694 10,830
2,231
Total %
50.05
15.87
15.95
.98
6.13
7.64
1,095 141,694
1.57
.77
100
Tabla 2. Resultados de identificación de lotes por colonia. (Fuente: Elaboración propia).
Figura 5. Identificación de potencial de inundación. (Fuente: Elaboración propia).
26
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Clasificación de lotes potenciales a inundación en colonias “San José”, “El Ojito” y zona centro A partir del mapa de clasificación de lotes en riesgo a inundación (Figura 4), y su división en colonias más vulnerables a ser inundadas, se realizó una imagen más detallada por colonias para identificar y cuantificar los lotes con potencial riesgo a inundación y su clasificación (Figura 6). La Figura 6 muestra un mapa más detallado de lotes con potencial riesgo a inundación dividido por colonias. Se identifican los lotes clasificados por tipo. Estas colonias son afectadas por la ubicación en zonas bajas del seccional donde se presenta la acumulación de agua al momento de las precipitaciones. La Figura 6 muestra la potencial afectación de nueve hogares, un lote baldío y dos negocios con un área de terreno de 10,914m² en el barrio “El Ojito”; cuarenta y dos hogares, nueve casas no habitadas, trece lotes baldíos, una funeraria, una escuela, una iglesia y cinco negocios con un área de 50,155 m² en la colonia “San José”; cincuenta y tres hogares, una iglesia, una escuela, cuatro casas no habitadas, cuatro lotes baldíos y treinta y cinco negocios con un área de 59,794 m² en la zona centro, como se muestra en la Tabla 2. Completando un total de 104 hogares y familias con potencial de afectación de una inundación, identificados en la imagen. En total se hizo la estimación de 130 hogares y familias con potencial riesgo a inundación en el seccional de Anáhuac.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
27
Figura 6. Potencial de afectación. (Fuente: Elaboración propia).
Colonias potenciales a inundación, con representación de riesgo a pérdidas económicas a hogares A partir del mapa de clasificación de lotes en riesgo a inundación, y su división en colonias más vulnerables a ser inundadas, y mediante la encuesta realizada para la estimación de costos de bienes de hogares, se realizaron dos imágenes detalladas por colonias para identificar y cuantificar los lotes en riesgo estimando las pérdidas económicas (Figura 7). Las imágenes muestran las potenciales pérdidas económicas en las diferentes áreas susceptibles a inundación, las colonias en riesgo y las pérdidas clasificadas. Mediante la aplicación de técnicas de SIG se evaluaron los potenciales impactos socioeconómicos relacionados con las áreas susceptibles donde se observa una clasificación por la estimación de pérdidas económicas según las encuestas realizadas en las diferentes zonas de inundación. La clasificación solo estima a los hogares. Los negocios, iglesias funerarias y escuelas que tienen pérdidas económicas más considerables, superando
28
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
los rangos económicos más altos que el de las viviendas. Las Figuras 7 y 8 muestran las parcelas sin valor donde no hay pérdidas económicas por ser lotes baldíos, casas no habitadas o parques. La clasificación consta de tres rangos: bajo, medio y alto. Las pérdidas van de 7050 a 93,250 pesos mexicanos a hogares: clasificadas en un nivel bajo son de 7050 a 35,783 pesos, las de nivel medio son de 35,784 a 64,516 pesos y las de nivel alto son de 64,517 a 93,250 pesos. Los negocios superarían esta estimación en pérdidas económicas de bienes, por esta razón en este estudio las encuestas solo se realizaron a hogares. La Figura 7 muestra las colonias “El Ojito”, “San José” y zona centro y la estimación de las posibles pérdidas económicas de bienes en hogares, en su mayoría es de nivel bajo.
Figura 7. Mapa de estimación de las posibles pérdidas económicas de bienes en hogares (Fuente: Elaboración propia).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
29
Tabla 3. Tabla de estimación de pérdidas (Fuente: Elaboración propia). Colonias
Pérdidas estimadas
Progreso
117,110
Manzanos
217000
Habitación
172,947
Francisco villa
90,997
Ojito
287,800
San José
947,100
Zona centro
1,497,449
Total
3,410,803
La tabla 3 muestra los resultados de las estimadas pérdidas económicas por colonias. La zona centro presenta una mayor afectación de bienes a hogares, seguida de la colonia “San José”. Esto se debe a que el número de viviendas en riesgo a inundación en esta zona, es mayor, arrojando un riesgo estimado total de $3,410,803.00. En todo el seccional aparecen aproximadamente 130 hogares en posible riesgo de inundación, con pérdidas económicas estimadas entre los $7050 y $93,250 por vivienda, con un ingreso mensual por familia estimado de $2325.80. El ingreso mensual promedio total por hogar es el resultado de dividir el conjunto total de percepciones de los miembros de la familia entre el total de hogares a nivel nacional y por entidad federativa. Los hogares mexicanos cuentan con un ingreso promedio mensual estimado de $2325.80 (INEGI, 2000). El estado de Chihuahua tiene un ingreso mensual por familia de $2931.80, lo que hace un ingreso semanal de $665.60.
Conclusiones El objetivo de este estudio fue integrar las técnicas de SIG para identificar las áreas vulnerables al riesgo de inundación así como la digitalización de los mapas de inundación, y con ellos evaluar las posibles pérdidas económicas de bienes en las zonas potenciales a inundación en el seccional Anáhuac. Este estudio aporta información importante para compatibilizar criterios entre las distintas disciplinas involucradas en la planificación urbana, y como resultado,
30
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
la planificación de las medidas no- estructurales a llevar a cabo conjuntamente con la legislación asociada para futuros procesos de urbanización. El uso de los SIG constituye una herramienta de gran ayuda a la hora de elaborar un mapa de peligrosidad por inundaciones, ya que permite contar con una serie de elementos, tanto para el almacenamiento como la actualización de la información de los componentes, así como la elaboración de una base cartográfica única para cada uno de ellos, lo que da la posibilidad de integrar toda la información en un mapa preliminar de inundaciones.
Referencias Centro Nacional de Prevención de Desastres (Cenapred). (2007). Serie Fascículos: Inundaciones. Secretaría de Gobernación. México, D. F. CEPAL. 2000. Los efectos socioeconómicos de las inundaciones y deslizamientos en Venezuela en 1999. Decimoséptima Conferencia Internacional de Estadísticos del Trabajo (2003). Estadísticas de ingresos y gastos de los hogares. Domínguez, R., et al, (1999), “Inundaciones”, serie fascículos, no. 3, segunda edición, Cenapred, México. Ellis, E. A. Romero, J. A. Hernández, I.U. Gallo, C. A. Alanís, J. L. (2012). Evaluación geográfica de áreas susceptibles a inundación en la cuenca del río Tuxpan, Veracruz. GIS-04_Entrada de datos.ppt. https://www.ucursos.cl/forestal/2009/1/E F078/1/material_docente/previsualizar?id_material=480145(accsesado (Accesado el 4 de noviembre del 2012). Guarin, G. P.; van Westen, C. J. y Montoya, L. (2005). Community-Based Flood Risk Assessment Using GIS for the Town of San Sebastián, Guatemala. Human Security and Development. INEGI (2000), Instituto Nacional de Estadística, Geografía e Informática. Indicadores de hogares y familias por entidad federativa. INEGI. 2005. Censo económico 2005. http://www.ocdemexico.org.mx/Chihuahua/Colonia-Anahuac/ (Accesado el 4 de noviembre del 2012). INEGI (2010). Encuesta Nacional de Ingresos y Gastos de los Hogares 2010. Montecelos Zamora Yalina, Batista Sánchez Daulemis, Ramón Puebla Adonis, Zaldivar Suarez Nircia, Batista Cruz Yosvanis (2011). Diseño metodológico para la elaboración de mapas de peligrosidad por inundaciones Ríccardi, Gerardo Adrián (1997). Elaboración de mapas de riesgo de inundación por medio de la modelación matemática hidrodinámica.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
31
Salas Salinas, M.A., Jiménez Espinoza M. (2007). Inundaciones 2007 CENAPRED Centro Nacional De Prevención De Desastres. Salas Salinas, Marco Antonio, Jiménez Espinosa Martin. (2007). Inundaciones (CENAPRED). Sánchez, M.; Batista, J. 2005. Evaluación del peligro ante la ocurrencia de Inundaciones. Cuenca del Cauto. Cuba. Servicio de Administración Tributaria http://www.sat.gob.mx/sitio_Internet/ asistencia_contribuyente/informacion_frecuente/salarios_minimos/ (Accesado el 4 de enero del 2013).
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Análisis de áreas
susceptibles a riesgos químicos por gaseras y gasolineras de Cuauhtémoc, Chihuahua: evaluación mediante técnicas de Sistemas de Información Geográfica
Javier Enríquez Domínguez, Hugo Luis Rojas Villalobos, Luis Carlos Bravo Peña, Lara Cecilia Wiebe Quintana
Introducción
E
n los últimos años la relación entre las poblaciones y su crecimiento acelerado ha tenido como consecuencia una mala organización para la construcción de colonias para casa-habitación, escuelas, hospitales, las cuales son establecidas en ubicaciones que ponen en riesgo a la población, con respecto a los establecimientos de distribuidores de combustibles (Sedesol, 2003). Cada uno de estos tiene normas y reglas a seguir para su establecimiento, desafortunadamente en muchas ocasiones no se respetan. Debido al crecimiento de la población, las ciudades tienden a expandirse muy rápido, con la construcción de colonias que rodean establecimientos de gasolineras y gaseras, quedando en riesgo de algún peligro como una explosión o derrame químico. Un ejemplo de un mal seguimiento de procesos de seguridad es lo que ocurrió en septiembre de 2012 en las instalaciones de una planta de gas de
33
Pemex en Reynosa, Tamaulipas. En esa fecha se presentó una fuga de gas que generó una gran explosión que tuvo como consecuencia graves pérdidas humanas y económicas. Es muy poca la consideración que los departamentos de gobierno encargados de la planeación del territorio tienen hacia estos riesgos para mejorar el manejo de peligros químicos. Estos riesgos han ido creciendo considerablemente, al contrario de las medidas de protección. Para poder enfrentarlos es necesario contar con el conocimiento básico del manejo de sustancias químicas, del tipo de almacenamiento adecuado, y del desarrollo de nuevas tecnologías que puedan mejorar su manejo, así como conocer los peligros a los que se están expuestos quienes trabajan en este rubro y cómo se pueden evitar antes y actuar ante el desastre: crear escenarios y simulaciones para las diversas organizaciones que actuarán en el momento en el que se presente la contingencia, como departamentos de protección civil, tránsito, paramédicos, bomberos, policía, entre otros. (DPIRDM, 2001). Los estudios de riesgos deben estar sujetos a cambios y evaluación constante, ya que continuamente hay cambios en el crecimiento de la cuidad, lo cual ocasiona modificaciones en la configuración de las ciudades y los peligros que causa para la población. Particularmente importantes son los efectos del crecimiento demográfico y de la industrialización que modifican e incrementan el riesgo (Cenapred, 2001). El rápido crecimiento de población, la expansión urbana y el crecimiento económico, todo esto ha llevado a una mala planeación urbana en la ciudad de Cuauhtémoc, Chihuahua. Existen problemáticas en la construcción de colonias, escuelas, iglesias y centros sociales, que tienen una relación de peligro por la cercanía con el establecimiento de distribución o almacenamiento de químicos, sin tener algún tipo de prevención o cuidado, estando seriamente expuestos. Por lo anterior, es importante la elaboración de un análisis mediante estudios de las zonas y mapas en toda la traza urbana que permitan identificar instalaciones en riesgo, y dar una breve evaluación de la gravedad del problema, identificando cuáles serían los niveles de riesgo e impacto en las diferentes construcciones, y la capacidad que tienen de ser afectadas, la población expuesta y minimizar el problema al que se expone. La implementación de la metodología propuesta en este documento y el uso de sistemas de información geográfica (SIG), permitirán la administración de la información espacial con la que se cuenta, y generarán la capacidad de actualizar y modificar la información de los mapas, y un uso de bases de datos geográficas más eficiente, permitiendo dar respuesta inmediata en la toma de decisiones ante situaciones de contingencia.
34
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Antecedentes Los desastres causados por actividades antropogénicas están presentes en la mayoría de las situaciones de desastre asociadas a sitios de riesgo. Por ello diferentes instituciones gubernamentales y grupos sociales se han dado a la tarea de buscar alternativas para mitigar los peligros a los que se ven expuestas la población y las edificaciones en el área de peligro (Barreto, 2005). Los avances científicos y tecnológicos recientes han incrementado el control de los riesgos, adquiriendo cada vez más experiencia, implementando los mapas de riesgo, y en muchos casos, mitigando los desastres al actuar con más eficacia (Barreto, 2005). En el mundo existen distintas instituciones que investigan problemáticas como la que se plantea en este estudio. Algunas son: Estrategia Internacional para la Reducción de Desastres de Naciones Unidas (EDRI/ONU), Centro Nacional de Prevención de Desastres (Cenapred), National Fire Protection Association (NFPA), US Environmental Protection Agency (EPA), Federal Emergency Management Agency (FEMA). Todas ellas se han orientado al desarrollo de esfuerzos de investigación acerca del impacto de los desastres en las actividades humanas, y han desarrollado en los últimos años un amplio número de publicaciones, generalmente orientadas a los temas de prevención. Un ejemplo es la Guía Básica para la Elaboración de Atlas Estatales y Municipales de Peligros y Riesgos (Cenapred, 2004). Adicionalmente están los textos normativos: según la Secretaría de Energía, conforme a la Norma Oficial Mexicana NOM-003-SEDG-2004 (Estaciones de gas L.P. para carburación, Diseño y construcción 2005) y la NOM-002-SESH-2009 (Bodegas de distribución de Gas L.P. Diseño, construcción, operación y condiciones de seguridad), es responsabilidad del Gobierno Federal establecer las medidas de seguridad necesarias a fin de asegurar que las instalaciones de aprovechamiento de Gas L.P. no constituyan un riesgo para la seguridad de las personas o dañen a la salud de las mismas. El documento ahonda en detalles en los siguientes apartados: • 3.14 Lugar de la estación. Perímetro de la superficie de la estación de gas L.P. limitada por las separaciones correspondientes, indicadas en el plano respectivo. • 3.15 Lugar de reunión. Cualquier espacio abierto o construcción de un inmueble para la reunión de 100 o más personas simultáneamente con propósitos educativos, religiosos o deportivos, así como establecimientos con 30 o más plazas donde se consuman alimento o bebidas. Plano mé-
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
35
trico, indicando las construcciones y actividades existentes en un radios de 30m a partir de las tangentes de los recipientes de almacenamiento, y que dentro de este radio no existen centros hospitalarios, educativos o de reunión. Esto solo aplica en estaciones comerciales. La Norma Oficial Mexicana NOM-005-SCFI-2005, que se refiere a los instrumentos de medición-Sistemas para medición y despacho de gasolina y otros combustibles líquidos-Especificaciones, métodos de prueba y verificación, indica que siendo responsabilidad del Gobierno Federal procurar las medidas que sean necesarias para garantizar que los instrumentos de medición que se comercialicen en territorio nacional sean seguros y exactos, con el propósito de que presten un servicio adecuado conforme a sus cualidades metodológicas, y aseguren la exactitud de las mediciones que se realicen en las transacciones comerciales. • 4. Requerimientos y especificaciones para el establecimiento de estaciones como gasera y gasolineras. 4.1 Selección de sitios. Para el establecimiento y operación de Estaciones de Servicio y de Autoconsumo, el predio y las instalaciones deben cumplir con los siguientes requerimientos: • 4.1.1. El área de despacho de combustible, debe estar a una distancia de resguardo mínima de 15 metros medidos a partir del eje del dispensario, con respecto a lugares de concentración pública, del sistema de transporte colectivo (metro) o su equivalente en cualquier parte del territorio nacional u otros usos urbanos. • 4.1.2 El predio debe estar a una distancia de resguardo mínima de 100 metros con respecto a actividades clasificadas de alto riesgo, tomando como referencia al Primer y Segundo Listado de Actividades Altamente Riesgosas, publicados en el Diario Oficial de la Federación el 28 de marzo de 1990 y 4 de mayo de 1992, respectivamente. La distancia respecto a Plantas de Almacenamiento y Distribución de Gas L.P., se tomará desde los tanques de almacenamiento localizados dentro de dicha planta de gas, hacia el límite del predio propuesto para la Estación de Servicio.
Justificación La ciudad y el municipio de Cuauhtémoc, Chihuahua han presentado en los últimos años un crecimiento acelerado generado por diferentes factores. Según el último censo del INEGI (2010), el total de población en el municipio asciende a 154 mil 527 habitantes; 30 mil más que en el 2005. El crecimiento poblacional de Cuauhtémoc duplicó su velocidad, considerando que en el
36
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
censo del 2000 la población total era de 124,378. Del 2000 al 2005 tuvo una tasa de crecimiento del 8.37% y entre 2005 y 2010, aumentó al 14.65%. Una consecuencia de este crecimiento ha sido la ausencia de una planificación adecuada del uso del territorio: la ubicación de muchos asentamientos humanos no ha sido la mejor. Por ello hoy en día es necesario tomar las medidas necesarias para minimizar los riesgos que puedan causar daños materiales, pérdidas económicas y sobre todo humanas.
Objetivos General Generar mapas de riesgos para su prevención y mitigación, identificando los peligros potenciales que generan las instalaciones de gas y gasolina, a los que está expuesta tanto la población como la infraestructura urbana en la ciudad de Cuauhtémoc, Chihuahua.
Específicos 1. Proponer una escala de riesgo en función de los peligros existentes y riesgos a los que la población y las edificaciones están expuestas, derivados de la cercanía que tienen con las gaseras y gasolineras. 2. Generar rutas de emergencia para las diferentes instituciones involucradas en brindar auxilio a la población en riesgo.
Hipótesis Existe un alto grado de riesgo en la ciudad, como pérdidas humanas, económicas y de infraestructura, por el mal establecimiento de gasolineras y gaseras.
Área de estudio La ciudad de Cuauhtémoc, Chihuahua es el hogar de aproximadamente 154,785 personas; la tercera ciudad con mayor población en el estado (INEGI 2010), se encuentra localizada en la región centro-oeste del estado entre los 28”25’ latitud norte y 106”52’ longitud oeste con una altitud de 2060 metros sobre el nivel medio del mar, cuenta con una superficie aproximada de 3.018,90 km2, representa un 1.2% del estado (Figura 1).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
37
Figura 1. Mapa de área de estudio. (Fuente: Elaboración propia).
Materiales y métodos Para llevar a cabo este estudio, el trabajo se dividió en 4 fases:
Búsqueda de literatura
En la primera etapa se llevó a cabo una recolección de toda la información necesaria sobre el tema, se realizó una búsqueda de estudios similares y de documentos de las distintas organizaciones involucradas en el manejo de químicos que aportaron los datos que fueron requeridos. Los documentos de prevención de desastres de Cenapred aportaron una parte muy importante sobre los riesgos y peligros que representan el establecimiento de estaciones de gas o gasolina, otra información de Cenapred que en conjunto con las Normas Oficiales Mexicanas se complementa son las distancias que deben de respetar y las características y medidas de seguridad que deben tener y cumplir en su construcción las gaseras y gasolineras
38
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Recopilación de datos, descarga y elaboración de bases de datos.
Traza urbana. En la segunda etapa se recopilaron datos de la ciudad, como la cartografía de la traza urbana de Cuauhtémoc, Chihuahua. Esta información proveniente el departamento de catastro de dicho municipio, fue exportada a formato shapefile ya que se encontraban en formato nativo de AutoCAD. Adicionalmente fueron corregidos los vectores que representaban la cartografía, ya que contenían errores de edición en los polígonos. Ubicación de gaseras y gasolineras involucradas. Para la elaboración de los mapas de riesgo se obtuvo información catastral de las diferentes instalaciones como: gasolineras, gaseras, hospitales, departamentos de seguridad pública, escuelas, iglesias y centros sociales, con el fin de observar la relación geoespacial que existe entre los establecimientos de combustible y los centros de concentración social. Trabajo en campo. En el levantamiento de datos en campo se utilizó un equipo GPS Garmin Etrex30™ para tomar los puntos de cada una de las instalaciones que fueron ubicadas en la cartografía de la traza urbana. Se tomaron los puntos de lugares que no se encontraron en la información obtenida de los departamentos municipales. Esta información se descargó con el programa OziExplorer™. Una vez descargados, se exportaron al programa ArcGIS™, se realizaron las modificaciones necesarias, como referenciar los puntos al igual que la cartografía de traza urbana para ubicar cada uno de los elementos faltantes y tener los datos más completos con respecto a la información recibida por los distintos departamentos y el levantamiento de puntos de los faltantes. Bases de datos. Se creó una base de datos con tablas para cada tipo de instalaciones que fueron incluidas en el estudio. Cada gasolinera y gasera incluyó la siguiente información en sus registros: • • • • • •
Ubicación, como calles y colonia El tipo de construcción de la instalación (la estación de servicio) Tipo de almacenamiento (los tanques de almacenamiento) Capacidad de almacenamiento de los tanques Capacidad máxima del tanque Tipo de combustible que se maneja.
Para los servicios de salud, comandancias y centros sociales, los campos son los siguientes:
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
39
• Ubicación como calles y colonia. • Tipo de servicio que prestan • El nombre de la instalación. Para centros educativos: • • • • •
Ubicación, calles y colonia, Nombre la escuela Clave de la escuela Nombre del director Total de alumnos
Mapas de riesgos
Cartografía, centros educativos y sociales, departamentos de seguridad pública y hospitales. En la tercera etapa, se elaboró la cartografía que incluye la traza urbana, los puntos que representan gasolineras, gaseras, hospitales, escuelas, centros sociales y servicios públicos, donde esta representación gráfica da una idea de la distribución geoespacial que tienen los puntos conflictivos (gaseras y gasolineras) con respecto a los puntos de concentración social (escuelas y centros de reunión social). Elaboración de zonas de influencia (Buffers). Con base al punto anterior, con los datos se realizaron los buffers o áreas de amortiguamiento utilizando ArcGis™. Estas áreas de amortiguamiento representan los rangos de riesgo que se les dio con base a la información de las normas y leyes oficiales de las gasolineras y gaseras. En el software se generó el análisis de proximidad, se crearon buffers con diferentes niveles de riesgo para cada uno de los anillos. Una vez creadas éstas áreas se identificaron las escuelas o centros recreativos qué están más expuestas a algún tipo de peligro por explosión o derrame químico.
Análisis de riesgos
Sistema de prevención. En la cuarta etapa se realizó un análisis para la mitigación y prevención de los riesgos y un plan de respuesta. En esta fase se buscó que los diferentes departamentos de seguridad pública puedan obtener información cuantitativa de la zona en peligro con base al uso de un sistema de información, de tal manera que al momento de acudir a alguna emergencia tienen como ventaja saber la magnitud del problema y una estimación de la población a debido a la cantidad de personas expuestas También saber la lo-
40
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
calización de las diferentes instalaciones comerciales o de servicios expuestos para minimizar los peligros. El uso de tecnología que ayude a administrar variables geoespaciales como los Sistemas de Información Geográfica (SIG), permite mantener un trabajo más controlado y tomar decisiones que salvaguarden la integridad física de los equipos de respuesta como protección civil, bomberos, paramédicos, tránsito y policía. Rutas de auxilio. Uno de los objetivos más importantes es prevenir la pérdida de vidas, disminuir el número de personas afectadas y evitar lo más posible el daño material, de una manera ordenada y con las estrategias más adecuadas para elaborar un plan de evacuación para el tipo de peligro que se presente. En este caso se tomaron en cuenta los departamentos de seguridad pública como tránsito, policía, protección civil, bomberos, paramédicos y en algún caso, apoyo del ejército, así como la colaboración de distintas empresas con apoyo de brigadas. Para ello se buscó elaborar las rutas de auxilio óptimas, esto mediante el uso de la herramienta Network Analyst™ del software ArcGIS™, con la cual se ubicaron las zonas de riesgo y los diferentes departamentos de emergencias. La generación de rutas se realizó con base en la red de calles. Tal información cuenta con la longitud de las calles, el tiempo en que se tarda para recorrerla, los altos, topes, semáforos, carriles y los sentidos en que circulan. Existen dos opciones para generar las rutas: una es en metros y otra en minutos. Las rutas se crearon tomando en cuenta la distancia en metros dado que son los resultados más óptimos, y que los servicios de auxilio tienen preferencia para rebasar los límites de velocidad y omitir altos.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
41
Proceso de materiales y métodos BÚSQUEDA DE LA INFORMACIÓN NECESARIA EN EL TEMA
RECOPILACIÓN DE DATOS Y ELABORACIÓN DE BASE DE DATOS
Bibliografía de apoyo de riesgos, peligros y reglamentos de Normas Oficiales Mexicanas.
Búsqueda de literatura, bibliográfica, estudios de hechos pasados, organizaciones, manejo de químicos, etc.).
Recolección de información en los diferentes departamentos y organizaciones de gobierno (catastros, comercio, CENAPRED, etc.).
Instalaciones de gasolineras, gaseras, escuelas, hospitales, centros sociales, colonias y población.
Trabajo en campo.
Tomar la ubicación las instalaciones mediante GPS Garmin etrex30, realizar encuesta de las actividades que se llevan a cabo con químicos, identificación de instalaciones y población expuesta.
ESTUDIO DE RIESGOS
Crear buffers de múltiples anillos con diferentes rangos de amortiguamiento.
Descarga de puntos de GPS con el programa OziExplorer, exportación y georeferenciación en ArcMap 10.
MAPAS DE RIESGO
Plan de riesgos y respuesta para las instalaciones con mayor grado de peligro.
Cartografía de la traza urbana, puntos de gasolineras, gaseras, escuelas, hospitales, base de datos. Delineamiento de rutas de evacuación y auxilio inmediato.
Base de datos en ArcMap para gasolineras, gaseras y escuelas.
42
Debe contener los elementos para poder crear un estudio de riesgos (ubicación, químico, almacenamiento, capacidad, explosividad, etc.).
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Resultados Generación de base de datos y elaboración de mapa base.
Se realizó una búsqueda y recopilación de información de las diferentes instalaciones involucradas en el análisis. Se elaboraron seis tablas de datos que corresponden a cada una de las instalaciones; gaseras, gasolineras, hospitales, seguridad pública, centros educativos y sociales, con el fin de obtener las características necesarias de cada una de estas, las cuales se explican en la metodología en el apartado correspondiente. Estas tablas fueron necesarias para obtener los resultados de la población expuesta en escuelas. Mediante la elaboración del mapa base, el cual se realizó con la información recopilada en diferentes instancias como Desarrollo Urbano, Protección Civil y cada una de las oficinas generales de las gaseras y gasolineras, se localizaron los puntos de las instalaciones en la cartografía con su ubicación exacta tal y como se muestra en la Figura 2.
Leyenda – Cuauhtémoc • Gaseras • Gasolineras • Comandancias • Servicios de salud • Centros educativos • Centros de concentración
Figura 2. Mapa de ubicación de potenciales instalaciones de peligro. (Fuente: Elaboración propia).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
43
Información de trabajo en campo
Se desarrolló trabajo de campo para verificar la existencia de gaseras y gasolineras, y adicionalmente, se acudió a las diferentes instalaciones de las gaseras para pedir información sobre los establecimientos que se encuentran distribuidos en toda la cuidad, las empresas a las cuales se acudió fueron; K-19, ServiGas, Gas Económico, Tomza y Z-Gas. La mayoría brindó la información para su ubicación en la cartografía de la ciudad, y ver la relación que existe entre los datos que se otorgaron por protección civil. La información que se negó en las instalaciones de las gaseras o en departamentos, o que no se encuentra en el mapa de protección civil, fue obtenida mediante trabajo de campo, como su ubicación utilizando el GPS. El mismo procedimiento se repitió para consolidar la base de datos de gasolineras. Los Servicios Educativos del Estado de Chihuahua (SEECH) otorgaron la información de las escuelas, que incluye: el nombre, ubicación, nombre del director y número de alumnos de cada uno de los planteles.
Zonas de influencia para gaseras y gasolineras (Buffers)
Conforme a la base de datos, al mapa principal de la cartografía y las diferentes instalaciones, se elaboraron las zonas de influencia para cada gasera y gasolinera con 7 anillos de diferentes rangos que van desde 15 hasta 150 metros, para establecer cada una de las restricciones que se deben obedecer. Estas restricciones se establecen por las Normas Oficiales Mexicanas, dándole a cada rango un color conforme a su magnitud de riesgo, que va del rojo como zona más peligrosa y verde a la zona menos riesgosa (Figuras 3 y 4).
44
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda • Gaseras 15 20 30 50 80 100 150 • Gasolineras 15 20 30 50 80 100 150
Figura 3. Mapa de zonas de peligro alrededor de la intalación. (Fuente: Elaboración propia).
Leyenda • Gaseras 15 20 30 50 80 100 150 • Gasolineras 15 20 30 50 80 100 150 – Cuauhtémoc
Figura 4. Mapa ubicación de instalaciones y su zona de peligro. (Fuente: Elaboración propia).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
45
Instalaciones estables e inestables.
Las instalaciones que se encuentran en el rango de condición estable, es debido a que cumplen con las leyes y normas establecidas y que no representan ningún riesgo para la población o pérdidas materiales y económicas. Se le dio un color azul a las instalaciones estables y rojo a las instalaciones que representan un riesgo violando alguna ley debido a su mala ubicación (Figura 5). Instalaciones con mayor riesgo. Una vez que se cuenta con el mapa de zonas de influencia y la ubicación de todas las instalaciones, se hace una verificación una a una, para observar si alguna de estas se encuentra dentro de los rangos de riesgo de las zonas de influencia de las gaseras y gasolineras. En el mapa correspondiente se observó que una de las gaseras que se encuentra ubicada en la intersección de las calles República de Colombia y calzada Las Américas, tiene una relación de peligro con la gasolinera que está ubicada en la misma calzada Las Américas y República de Guatemala, ambas en la colonia CTM, debido a que no cuentan con la distancia mínima que se establece en las Normas Oficiales Mexicanas. La distancia entre estas dos instalaciones es de 90 metros a partir del centro del cilindro de gas y el centro de la gasolinera, que en dado caso la distancia mínima entre una gasera y una gasolinera debe ser de 100 metros. En la zona intermedia entre estas dos instalaciones están expuestos dos negocios, uno de ellos una tienda de abarrotes y el otro un autolavado, quedando en peligro los clientes. (Figura 6).
46
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Gaseras condición • Estable • Inestable Gasolineras condición • Estable • Inestable Centros educativos Condición • Estable • Inestable Centros de concentración Condición • Estable • Inestable
Figura 5. Mapa de instalaciones que representan un riesgo violando alguna ley debido a su mala ubicación. (Fuente: Elaboración propia).
Leyenda Gaseras condición • Estable • Inestable Gasolineras Condición • Estable • Inestable – Distancia
Figura 6. Mapa ubicación gasera en colonia CTM. (Fuente: Elaboración propia).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
47
Al igual que el ejemplo anterior, en la gasera ubicada en la Calle 62 y avenida Cardenales y la gasolinera de la Calle 62 y avenida Las Águilas, ambas en la colonia PRI, no cumplen con el reglamento establecido en las normas oficiales, teniendo una distancia de 65 metros partiendo del punto medio de ambas instalaciones, exponiendo a los mismos consumidores (Figura 7). Otro punto de riesgo se ubica en la avenida Benito Juárez, entre las calles Novena y Onceava. Existe ahí un alto grado de peligro debido a que el almacenamiento de los químicos se realiza con una cantidad de tanques superficiales, con un almacenamiento muy alto de entre 19,000 a 101,000 litros de gasolina y diesel, sin contar con la distancia adecuada entre cada uno de estos tanques (Figura 8).
Leyenda Gaseras condición • Estable • Inestable Gasolineras Condición • Estable • Inestable – Distancia
Figura 7. Mapa ubicación de instalación de gaseras en colonia PRI. (Fuente: Elaboración propia).
48
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Gasolineras Condición • Estable • Inestable Gasolineras Combustible • Diesel Gasolina
Figura 8. Mapa de ubicación de gasolinera en Av. Benito Juárez. (Fuente: Elaboración propia). Existen cuatro zonas que aparecen en el rango de inestables, aunque estas cumplen con las leyes y normas oficiales. Las razones de esta clasificación se explican enseguida. En la gasera ubicada frente a las instalaciones de un complejo de salas de cine en la calzada 16 de septiembre y avenida José de San Martín en la colonia San Antonio, se respeta el reglamento de la distancia mínima de 30 metros, pero debido a que el almacenamiento de gas es más alto que los demás, con una capacidad de 14,300 litros (y que contrasta con la mayoría de las gaseras de la ciudad, que tienen capacidad de almacenaje de unos 5,000), se le incluyó en la categoría de inestable debido a la amplia afluencia de personas que normalmente concurren a las salas de cine (Figura 9). En la gasera que está ubicada en la calle Tercera, entre la avenida Estado de Guerrero y avenida Oaxaca en la colonia República, existe un grado alto de peligro debido a que frente a la instalación existen dos escuelas y una iglesia, las cuales tienen una distancia de 50 a 90 metros. En este caso, mediante el análisis de las tablas de datos, se obtuvo un resultado de 286 alumnos que pueden quedar en riesgo en las escuelas Cuauhtémoc y Alfonso Escárcega (Figura 10).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
49
Leyenda Gaseras Condición • Estable • Inestable Gasolineras Condición • Estable • Inestable Centros de Concentración Condición • Estable • Inestable – Distancia
Figura 9. Mapa ubicación gasera en colonia San Antonio. (Fuente: Elaboración propia).
Leyenda Gaseras Condición • Estable • Inestable Gasolineras Condición • Estable • Inestable Centros Educativos Condición • Estable • Inestable Centros de Concentración Condición • Estable • Inestable – Distancia
Figura 10. Mapa de gasera en colonia República. (Fuente: Elaboración propia). 50
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Otra de las gaseras con las mismas características está ubicada en la avenida Francisco Pacheco y avenida Genaro Calderón en la colonia Emiliano Zapata, debido a que a 36 metros está una iglesia; cumple con las leyes pero aun así existe un grado de peligro considerable para la sociedad (Figura 11).
Leyenda Gaseras Condición • Estable • Inestable Gasolineras Condición • Estable • Inestable Centros de Concentración Condición • Estable • Inestable – Distancia
Figura 11. Mapa de ubicación de gasera en colonia Emiliano Zapata. (Fuente: Elaboración propia). Finalmente, en la gasera que está ubicada en la calle 94ª y avenida Tenochtitlan en la colonia Tierra Nueva, existe una probabilidad de peligro ya que a 40 metros están las instalaciones de una escuela. Aunque no es muy alto el riesgo, existe el peligro de exposición de una parte de los 168 alumnos del plantel Mauricio Corredor, porque en la esquina con colindancia a la gasera están las aulas de estudio. En este caso sí se cumple con la legislación correspondiente, pero debido a la cercanía con la estación de gas, el punto es clasificado como inestable (Figura 12).
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
51
Leyenda Gaseras Condición • Estable • Inestable Gasolineras Condición • Estable • Inestable Centros Educativos Condición • Estable • Inestable – Distancia
Figura 12 Mapa ubicación de gasera cercana a la escuela primaria Mauricio Corredor. (Fuente: Elaboración propia). Rutas alternativas de emergencia. Las rutas alternativas se generaron para dar una mejor respuesta en casos de emergencia. Una vez que se realizó el mapa de resultados de las instalaciones que están en condiciones estables e inestables, se localizaron todos los servicios públicos como hospitales y clínicas con departamento de urgencias, policía, tránsito, protección civil y para casos de extremo peligro, las instalaciones del ejército. Las rutas se realizaron con base en la longitud de cada una de las calles en la cartografía de la cuidad, pero esto no quiere decir que sean la única o mejor manera de llegar al lugar de la emergencia. Hay que aclarar que cada servicio de emergencia (policía, bomberos, cruz roja, protección civil y tránsito) puede tomar una ruta con base en la experiencia y conocimiento en su labor (Figura 13).
52
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Hospital SOS Pediátrico Hospital de Gineco Obstetricia
Clínica del ISSSTE
Secretaría de Salud
Leyenda Protección Civil Bomberos Hospital Médica Sierra IMSS Sanatoria y Maternidad San José Policía Municipal Tránsito Centro Clínico del Noroeste SA de CV Ejército Mexicano
Centro de Salud 2
• Comandancias • Servicios de salud – Rutas – Rutas – Rutas – Rutas – Rutas – Rutas – Rutas – Rutas – Cuauhtémoc
Figura 13. Mapa de rutas potenciales para servicios de emergencia. (Fuente: Elaboración propia).
Conclusiones Existen en la ciudad gaseras y gasolineras que están fuera de la ley con base en el reglamento y las normas correspondientes. Un ejemplo son las gaseras que están en riesgo porque cuentan con mayor capacidad de almacenamiento que las demás, lo que implica un grado más alto de exposición. Para cada una de las gaseras se establecen las mismas reglas sobre las distancias que deben guardarse con instalaciones, cuando deberían tomarse medidas y precauciones adaptadas a cada uno de los establecimientos con base en las características como las construcciones, tipo y capacidad de almacenamiento; esto es de suma importancia debido a que el entorno está en constante riesgo, donde se afectaría a la población y a la infraestructura, ya sean escuelas o centros sociales. Aunque en los resultados existen muy pocos puntos que representen un riesgo para la población en toda la ciudad, y la mayoría de las estaciones de gas y gasolina están en condiciones estables, existe un peligro mínimo que podría afectar a algunas personas. El peligro que representan es intermitente, debido a que están ubicadas en vialidades o lugares con un alto flujo de personas. Un ejemplo sería al momento de hacer alto en algún semáforo y al encontrarse
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
53
cerca de una gasera, y pueda existir un accidente que provoque la explosión de un tanque. Otro ejemplo de una zona en riesgo es la distribuidora de combustibles Derivados de Petróleo Cuauhtémoc. Esta empresa almacena grandes volúmenes de combustible sin contar con medidas de seguridad adecuadas, no existe alguna protección para cada tanque, como una pared de amortiguamiento y dos de sus instalaciones colindan con zonas residenciales. Un punto más que se observó es la importancia tan limitada que se da al cumplimiento de las leyes y normas que deben llevar a cabo en las instalaciones de gas. Los diferentes departamentos encargados de la protección a la población, y el establecimiento de estas despachadoras de combustible, deberían dar un seguimiento constante y estricto para su establecimiento, y que cumplan con todas las reglas de emergencia en caso de incendio o derrame. Al igual que los departamentos de protección civil, otras instancias públicas deberían considerar con mayor seriedad la respuesta de las emergencias, no solo a las contingencias como una explosión o derrame de gaseras o gasolineras, sino a todo tipo de emergencia. Se hace hincapié en este punto, debido a que en los resultados de las rutas de auxilio se puede observar las largas distancias que tienen que recorrer para llegar a una emergencia, ocasionando que el auxilio no sea eficiente y con la rapidez que se requiere. Como último punto, cabe mencionar que con respecto a la elaboración de este estudio, no se cuenta con amplias referencias similares, por lo que es recomendable para las organizaciones gubernamentales hacer hincapié en estos temas para evitar desastres y pérdidas humanas y económicas.
Referencias Alberto Susini, Norbert Knechtle, Marcia Perrin, Christian Hurzeler, Felix Gmunder, Renaud Labarthe, Philippe Minier (2004), Sharing Evironmental, Spatial and Technical Data for Risk Assessment within the Geneva Region, Geneva, Suiza. Área medioambiente, unidad de desarrollo tecnológico (2003), Mapa de Riesgos como Herramienta de Gestión para Emergencias Tecnológicas, Universidad de Concepción, Biobío, Chile. Atlas Nacional de Riesgos, [http://www.atlasnacionalderiesgos.gob.mx/: 25 de septiembre de 2012].
54
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Centro Nacional de Prevención de Desastres (2001), Modelación de Radio de Afectación por Explosiones en Instalaciones de Gas, Coordinación de Investigación, México, D.F. Centro Nacional de Prevención de Desastres (Cenapred), [http://www.cenapred.unam.mx/es/: 25 de septiembre de 2012]. Centro Nacional de Prevención de Desastres (coord.; 2001), Diagnóstico de Peligros e Identificación de Riesgos de Desastres en México, México, D.F. Centro Nacional de Prevención de Desastres. (2004). Guía Básica para la Elaboración de Atlas Estatales y Municipales, México, D.F. Consultas del Catálogo de Normas Oficiales Mexicanas, [http://www.economia-noms.gob.mx/noms/inicio.do: 19 de diciembre de 2012]. Direccíon de Prevencion de Crisis y de Recuperación (coord.; 2004), La reducción de riesgos de desastres: Un desafío para el desarrollo, New York, NY. H. Ayuntamiento de Manzanillo, Col. (2004), Estudio Integral del Atlas de Riesgo para Manzanillo, Coquimatlán, Col. Instituto Nacional de Seguridad e Higiene en el Trabajo, Notas Técnicas de Prevención, Emiliano Turmo Sierra, Carga de fuego ponderada: parámetros de cálculo. J. A. Vilchez y E Blanco (2009), “La Informática Aplicada a la Gestión de Emergencias Químicas”, en Ingeniería Química, Tramites, Informes y Proyectos, S. L., pp. 84-90. Julio Rodolfo Barreto Caro (2005), Estimación de un Índice Relativo de Riesgo Múltiple, Universidad de Colima, Colima, Colima. National Fire Protection Association (NFPA), [http://www.nfpa.org/:18 de febrero de 2013]. NOM-001-SEDE-2005 (2005). Instalaciones Eléctricas (Utilización). Diario Oficial de la Federación, 8 de noviembre del 2005, México. NOM-002-SESH-2009 (2009). Bodegas de distribución de Gas L.P. Diseño, construcción, operación y condiciones de seguridad. Diario Oficial de la Federación, 20 de octubre del 2008, México. NOM-003-SEDG-2004 (2004). Estaciones de Gas L.P. para carburación. Diseño y construcción. Diario Oficial de la Federación, 19 de noviembre del 2004, México. NOM-005-SCFI-2005 (2005). Instrumentos de medición-Sistemas para medición y despacho de gasolina y otros combustibles líquidos-Especificaciones, métodos de prueba y de verificación. Diario Oficial de la Federación, 15 de abril del 2004, México.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
55
NOM-124-ECOL-1999 (1999). Especificaciones de protección ambiental para el diseño, construcción, operación, seguridad y mantenimiento de losdiferentes tipos de servicio. Diario Oficial de la Federación, 28 de agosto del 1997, México. Pemex, Gas y Petroquímica Básica (2007), Hoja de Datos de Seguridad para Sustancias Químicas, Gas Licuado de Petróleo, México D.F. Petróleos Mexicanos (Pemex), [http://www.ref.PEMEX.com/index.cfm: 18 de febrero de 2013]. Renjith V. R., G. Madhu (2010), “Individual and societal risk analysis and mapping of human vulnerability to chemical accidents in the vicinity of an industrial area”, International Journal of Applied Engineering Research, Dindigul, Boletín núm. 1, Division of Safety and Fire Engineering, School of Engineering Cochin University of Science and Technology, Kochi, Kerala, India. 135-148. Ricardo A. Smith, Gustavo Londoño Gaviria, Julieta Cecilia Gómez Gómez, Hernán Elejalde López, John R. Ballesteros, Aplicación Basada en SIG para la Obtención del Riesgo Químico y las Rutas de Transporte de Sustancias Peligrosas, área metropolitana del valle de aburra, Medellín, Colombia. Secretaría de Desarrollo Social (2003), Guía Metodológica para la Elaboración de Atlas de Peligros Naturales a Nivel de Cuidad, México, D.F.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Descripción y análisis
espacial de los accidentes de tránsito con el uso de SIG en la ciudad de Cuauhtémoc, Chihuahua
Jaime Iván Rojo Venzor, Hugo Luis Rojas Villalobos, Elifalet López González y María Elena Torres Olave.
Introducción
L
a circulación vehicular es una actividad que puede, frecuentemente, producir accidentes cuyos resultados se traducen en daños a personas o bienes materiales. Un accidente de tránsito, o automovilístico, es un hecho en el cual se involucra al menos un automóvil u otro tipo de vehículo de transporte. Dichos accidentes tienen diferentes escalas de gravedad, destacan aquellos que presentan como resultado víctimas mortales; más abajo en dicha escala se hayan los heridos graves, los heridos leves y los daños materiales a los vehículos implicados. Los accidentes constituyen un importante problema de salud pública debido a las consecuencias del costo social ocasionado por lesiones y mortalidad. Siempre hay una causa desencadenante que produce un accidente, que se puede agravar de forma considerable si por él resultan afectadas otras personas, además de la persona que lo provoca. La Organización Mundial de la Salud (OMS) calculó que en el 2000 más de 2.2% de la mortalidad mundial se relacionó con los accidentes de
57
tránsito (AT). Esto equivale a 1.2 millones de personas y se prevé que cada año alrededor de 50 millones de individuos resultarán lesionados por este tipo de sucesos. Se estima que en el mundo el promedio diario de defunciones por esta causa es de 3000, (Ávila, 2008).
Objetivos 1. Comprender la distribución espacial que se ha presentado en los accidentes de tránsito en la ciudad de Cuauhtémoc, Chihuahua, durante los meses de agosto, septiembre y octubre del año 2011, ya que en todo este año fueron los meses con mayor número de incidentes. Esto mediante el uso de Sistemas de Información Geográfica (SIG). 2. Demostrar la utilidad de los Sistemas de Información Geográfica (SIG) en este tipo de eventos, para tener un mejor entendimiento de los accidentes de tránsito en la ciudad de Cuauhtémoc. 3. Elaborar un mapa único de la ciudad de Cuauhtémoc en el cual se identifiquen los puntos o las zonas donde más accidentes se presentan.
Planteamiento del problema Esta investigación surge al observar el alto índice de accidentes automovilísticos que se registran en la ciudad de Cuauhtémoc, Chih., y que día a día va en aumento (Flores, 2010). Los denominados accidentes de tránsito forman parte de las pandemias del presente y es una de las causas de muertes evitables más significativas (Spencer H., 2006). Los accidentes de tránsito encabezan hoy en día la lista de principales muertes en el mundo, y la ciudad de Cuauhtémoc no es la excepción. Para el año 2008 en el municipio de Cuauhtémoc se registraron 70 defunciones por AT con una tasa de 50.99 por 100,000 habitantes en la población general, representando el 9.15% del total de defunciones registradas a nivel estatal, (Flores, 2010). Este aumento se debe a diversas causas: crecimiento del parque vehicular por encima de 21%, la razón de vehículos por familia es de 2:1 (gran número de vehículos extranjeros), el 74% de los vehículos se concentra en tres municipios ( Juárez, Chihuahua y Cuauhtémoc), únicamente por si solo el municipio de Cuauhtémoc representa el 22% y las vías de alto flujo vehicular y baja velocidad. (Flores, 2010).
58
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Por lo tanto, la realización de este estudio ayudará a entender la dimensión de la problemática que se presenta, y de esta manera hacer mayor énfasis en qué lugares se debe de tomar mayor precaución, tanto para los conductores como para los encargados de la infraestructura vial, y de esta manera lograr reducir las muertes y los accidentes en la ciudad.
Justificación Este proyecto es de suma importancia, ya que el tema que se aborda es un problemática potencial que ocurre de forma fortuita en cualquier momento de la vida de cualquier individuo, (Pérez, 2007). Este tipo de eventos se ve reflejado en los periódicos, noticias y en televisión, pero también y más importante aún, se observa en la circulación cotidiana, poniendo en riesgo la vida tanto de los conductores como de sus acompañantes. Prácticamente todos los días la gente vive con la espera de recibir alguna noticia referida a este tipo de sucesos. En los últimos años, los incidentes ocasionados por AT se han incrementado significativamente en el mundo y en México. En la ciudad de Cuauhtémoc, se tiene un acelerado crecimiento poblacional, por lo que esto implica mayor número de vehículos transitando por la calles de la ciudad, lo cual provoca repercusiones directas a la salud. Además del impacto de los AT que representan altos costos económicos y emocionales para los involucrados y sus familias, así como una pesada carga para los sistemas de salud y las economías, sobre todo de los países en desarrollo (Híjar et al., 2004). Por esta razón, el propósito de este estudio es velar por la seguridad y el bienestar de la población de ciudad Cuauhtémoc, proponiendo el uso de tecnologías, como lo son los (SIG), aquellos paquetes de software útiles para el manejo de mapas y datos geográficos. Si bien estos paquetes computacionales forman parte de los SIG, en términos estrictos éstos últimos comprenden un concepto mucho más amplio. Un SIG es el “conjunto organizado de tecnología informática (equipo computacional, paquetes de programas, datos geográficos y no geográficos en formato digital), métodos, procedimientos y personal, diseñados para la captura, almacenamiento, recuperación, manejo, despliegue y análisis de datos geográficamente referenciados, con el propósito de apoyar la toma de decisión en la solución de problemas que ocurren en un espacio geográfico dado”. Esto permite identificar las zonas vulnerables a los AT, y con estudios de esta magnitud se podrá mostrar a los distintos departamentos
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
59
gubernamentales a tener mayor interés en los principales problemas de salud pública de la actualidad como los son los traumatismos ocasionados por AT. Sin embargo, y a pesar de su importancia para la elaboración de estrategias eficaces de intervención, el estudio científico de los AT no ha sido empleado como estrategia para conocer el fenómeno, debido en parte, a las deficiencias en la calidad de la información con la que se cuenta en las distintas dependencias relacionadas con estos tipos de eventos.
Antecedentes El transporte por carretera beneficia tanto a las naciones como a los individuos, porque facilita el movimiento de bienes y personas, permite un mayor acceso a los empleos, los mercados económicos, la educación, la recreación, la atención sanitaria, entre otros. Sin embargo, el incremento del transporte vial también ha supuesto una carga importante para la salud de las personas, que se manifiesta en forma de AT. Según el proyecto de la OMS, Carga Mundial de Morbilidad, de 2004, los accidentes de tránsito causaron aquel año más de 1.27 millones de víctimas mortales, número similar a las provocadas por muchas enfermedades transmisibles. Se sabe ahora en la actualidad que los AT constituyen una parte de la vida cotidiana y, a la vez, un problema global que destruye vidas y medios de sustento, obstaculizan el desarrollo y puede convertir a millones de habitantes en población vulnerable. En general, existen muy pocos estudios y artículos enfocados al problema de la mortalidad en accidentes automovilísticos, con o sin sus causas y efectos. Adicionalmente, la problemática envolvente de la mortalidad en accidentes de tráfico no tan sólo persiste, sino que en muchas partes del mundo se vuelve crítica (Silva, 2009).
Desarrollo El impacto actual que tienen los AT en la mortalidad y morbilidad de la población es de gran magnitud. Cada año se producen en el mundo miles de choques, atropellos, volcaduras, despistes o caídas desde vehículos, que conllevan a muertes prematuras, lesiones permanentes y desórdenes psicológicos o emocionales que tienen serias implicaciones sanitarias, sociales y económicas (Wong, 2010).
60
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
En México, así como en otras partes del mundo, la inseguridad vial, expresada a través de los AT, constituye un grave problema que afecta significativamente a toda la sociedad (González, 1999). En la actualidad, más del 90% de los accidentes ocasionados por todos los modos de transporte motorizados (aviones, barcos, ferrocarriles, vehículos automotores, etc.) se deben a los vehículos automotores terrestres, de tal manera que este tipo de transporte está considerado como el más peligroso de todos en el mundo. Los AT ocurren principalmente por los siguientes factores: humanos (conducir bajo los efectos del alcohol, medicinas y estupefacientes; realizar maniobras imprudentes y de omisión por parte del conductor; rebasar en lugares prohibidos; pasar la señal de alto desobedeciendo las señales de tránsito; circular por el carril contrario; conducir a exceso de velocidad; usar inadecuadamente las luces del vehículo en la noche; carecer, ya sea el conductor o el peatón, de una adecuada salud física y mental; cruzar los peatones por lugares inadecuados), mecánicos y climatológicos (niebla, humedad, derrumbes, hundimientos). En cifras absolutas, cada año 1.2 millones de personas mueren víctimas del tráfico. Si se acomoda esta cifra a la realidad cotidiana, el resultado del tránsito diario alrededor del mundo deja aproximadamente 3000 muertes, (World Health Organization, 2005). Al ubicar los traumatismos ocasionados por el tráfico, en el contexto que plantean el resto de las enfermedades, las estimaciones mundiales ubican a los AT como los causantes del 2.1% de todas las defunciones, colocándose así como la undécima causa de muerte a nivel mundial, (Ameratunga, 2006). Si se mantienen las tendencias de estas cifras el panorama no luce muy alentador. Como visión futura, se prevé que entre el 2000 y el 2020 el número total de muertes aumentará un 65% a nivel mundial, incluso alcanzando un incremento del 80% en los países de ingresos medios y bajos, (Peden M., et al, 2004). Los altos índices de morbilidad, mortalidad y discapacidad que los AT provocan en la población, y la profunda repercusión social que esto conlleva, representan un gran impacto para la sociedad, como la pérdida de vidas, lesiones invalidantes que la interrumpen y otras enfermedades: lesiones leves y estrés, (Foschiatti y Rey, 2008). México ocupa el séptimo lugar mundial y tercero en la región en cantidades de muertes ocasionadas por accidentes viales, por lo que los AT constituyen un grave problema de salud pública. En 2007, el número de personas fallecidas ascendió a 142 252, de los cuales el 39% fueron usuarios vulnerables (motociclistas, ciclistas y peatones) y tres cuartas partes fueron hombres. Del
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
61
total de países de la región, durante ese año 11 se ubicaron por arriba de la tasa media regional de mortalidad (15,8%) y, de estos, México registró unas de las tasas más altas según informó el titular de la Secretaría de Salud (SSA), José Ángel Córdova Villalobos, quien precisó que por esta causa fallecen al año 24 mil personas, de las cuales 1400 son niños de menos de 14 años de edad (Salud, 2007-2012). En el 2012 México ocupó el séptimo lugar entre los países con mayor mortalidad por accidentes de tránsito en el mundo, al registrar una tasa media de 22.5 muertes por 100 000 habitantes. En el estado de Chihuahua se presentaron 33.7 muertes por 100 000 habitantes, tasa que supera a la nacional (Hernández V., 2012). A pesar del impresionante número de víctimas y daños materiales, estas cifras subestiman el problema, ya que en promedio sólo se registra uno de cada tres AT. Respecto a los decesos, únicamente se consideran aquéllos que ocurren en el sitio del accidente. Ya que las defunciones ocurridas durante el trayecto al hospital o durante la intervención médica, no se registran como causadas por el accidente. Por lo tanto, puede afirmarse que los AT en México constituyen un problema nacional con repercusiones tanto sociales (destrucción de la unidad familiar, disminución de ingresos, problemas de salud, lesiones permanentes, entre otros) como económicas (daños materiales, pérdidas en mercancías, costos de rescate, servicios jurídicos, entre otras). Actualmente la ciudad de Cuauhtémoc es amenazada por la constante ocurrencia de AT, debido a su acelerado crecimiento, que presenta la mayor tasa de crecimiento en el estado. La problemática se está presentando en los principales municipios en crecimiento que cuentan con muy pocos planes de acción para poder manejar de manera adecuada la situación y llevar un control de esta situación. El municipio de estudio ha llegado a ser el primero en crecimiento en el estado, por encima de Ciudad Juárez que tiene el primer lugar y Chihuahua el segundo, y es la tercera ciudad en el estado con mayor población (INEGI, 2005). Al haber mayor número de personas, esto ocasiona más problemas en las calles, debido al creciente flujo de transportes generando una constante concentración de vehículos en horas pico, lo que provoca congestionamiento en las principales calles de la ciudad y un importante grado de incomodidad, inseguridad y desorden vial. Lo que afecta el desplazamiento habitual de vehículos ya sean públicos, particulares y a peatones, trayendo con ello riesgos como lo son los AT (Andrade y Sánchez, 2011).
62
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Este hecho, que se manifiesta en un determinado ambiente antrópico, se genera cuando el crecimiento de población y vehículos, no es acompañado por un equipamiento vial adecuado, a esto se le suma la falta de acciones concretas, por parte de aquellos actores sociales responsables de controlar el modo de desplazamiento y circulación en la vía pública, circunstancias, concomitantes que llevan a involucrarse en situaciones de riesgo, provocando la posibilidad de sufrir AT con las consecuencias de enfermedad o muerte (Foschiatti y Rey, 2008). No se puede dejar de reconocer que los accidentes y todo tipo de violencia causan pérdidas (emocionales, materiales, económicas, entre otras.) que desencadenan situaciones que afectan el bienestar de la comunidad. Así, la realidad del tránsito en la ciudad de Cuauhtémoc, Chihuahua, conduce a reflexionar sobre las conductas de riesgo que protagonizan sus habitantes (Foschiatti y Rey, 2008). Si se parte del supuesto de que los AT no son eventos totalmente aleatorios e inevitables, una gran cantidad de ellos podría evitarse, al considerar los siguientes aspectos: a) Que el accidente se comporta como un fenómeno recurrente en tiempo y espacio. b) Que el accidente comúnmente tiene múltiples causas. c) Que su prevención requiere de conocer, no sólo la situación referente al vehículo, al conductor y a la vialidad, sino también las características y particularidades del entorno físico y socio-económico donde ocurren los accidentes. Los datos estadísticos que se obtuvieron describen la manera en que se han presentado los AT en la ciudad, además de impulsar la búsqueda de nuevas estrategias para prevenirlos, ya que se torna alarmante el número de casos diarios. Es necesaria la implementación de planes y programas de seguridad vial, además de utilizar nuevas metodologías de análisis para identificar lugares donde ocurren estos hechos, pudiendo dar sustento a nuevos proyectos que ayuden a reducir estos niveles tan altos de accidentes. De hecho, poco se sabe de los sitios más peligrosos para la circulación de vehículos en vialidades urbanas de la ciudad. Esta información, que debería ser de dominio público, le serviría al usuario cotidiano para empezar a conocer el problema que presenta la ciudad donde transita, concientizarse de su gra-
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
63
vedad y pasar del conocimiento y de la actitud pasiva a un comportamiento preventivo con el fin de disminuir los accidentes de tránsito en ciudad Cuauhtémoc, (Andrade y Sánchez, 2011). El desconocimiento de los sitios concretos donde ocurren los accidentes se ha utilizado, incluso, para justificar la falta de acción gubernamental, señalando que sería muy costoso implementar programas nacionales que abarcaran todas las vialidades urbanas. Sin embargo, el estudio de los patrones territoriales de los eventos analizados permitiría identificar y caracterizar aquellos sitios donde los accidentes se presentan recurrentemente. En este tipo de casos los SIG ofrecen alternativas muy interesantes para las entidades que brindan servicios de seguridad y contingencias, ya que pueden manejar información tabular, gráfica, georreferenciación y además de realizar aplicaciones puntuales según las necesidades, (Andrade y Sánchez, 2011).
Hipótesis Los accidentes de tránsito en ciudad Cuauhtémoc, Chihuahua, no se presentan de forma aleatoria sino que existen factores específicos que los determinan.
Metodología Se solicitó a la encargada de las oficinas de transito la información necesaria para la realización de este proyecto. Después de llenar los requisitos necesarios para poder obtener los datos, se proporcionaron doce libros, cada libro contiene el registro de todos los accidentes relacionados de cada mes de todo el año. Los libros fueron referentes al año 2011 ya que era la información que se pudo proporcionar, al no contar con información más actualizada referente al año 2012, a causa de que no se tenían terminados en su totalidad. Al tener la información de los libros, se realizó una selección de los meses consecutivos más relevantes, debido a que fue el periodo en el cual hubo mayor número de incidentes viales de ese año. En las papeletas se mostraba el evento del accidente y las variables correspondientes a cada caso, permitiendo así conocer aspectos relacionados con el tipo de accidente, hora, día y el tipo de vehículo involucrado, así como algunos datos respecto al lugar de ocurrencia del accidente, por lo que fue necesario ingresar cada accidentes de tránsito a una primera base de datos creada en Excel™ llamada Join, donde se
64
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
acumularon los accidentes de los meses de agosto, septiembre y o ctubre con una totalidad de 800 accidentes ocurridos, y de esta manera poder incorporar a el software de ArcGis™ 10. Además se identificaron y eliminaron todos aquellos casos ocurridos fuera del área urbana de la ciudad de Cuauhtémoc, ya que el área de estudio solo abarca dicha zona. Se obtuvo la traza urbana del área de estudio para poder ubicar así cada evento en ella, en formato de AutoCAD™, por lo que se convirtió a shape ya que es la única manera de poder trabajar en él, además de pasar por un proceso de georreferenciación, el cual consistió en dar coordenadas geográficas procedentes de una imagen conocida. Cada serie de pixeles serán fácilmente reconocibles en ambas imágenes y pueden tener un origen antrópico (cruces de carreteras, caminos, edificaciones y estructuras, construcciones, vértices geodésicos, etc.) o naturales normalmente de carácter fisiográfico y topográfico, y que no sean demasiado dinámicos en el espacio ni en el tiempo (desembocaduras de ríos, líneas de costas, toponimia, etcétera) para poder trabajar en él (Romero M., 2001). Al tener la base de datos con la información necesaria y el shape de ciudad Cuauhtémoc corregido, se agregó al ArcGis™ 10 para su manejo espacial, luego se creó un nuevo shape de puntos con las coordenadas de la traza urbana para hacer referente a cada accidente de tránsito ocurrido en la ciudad ubicándolos en sus puntos de ocurrencia, pero para poder generarle atributos referentes a lugar del accidente, día y hora fue necesario realizar una unión, esta funciona agregando los campos de una tabla a los de otra a través de un atributo o campo común a ambas tablas. Por lo que el campo de FID de Excel™ se unió con el campo de FID del shape de puntos. El proceso generó el primer mapa de la distribución total de los AT con atributos de la ciudad, que no mostraba una relación o un patrón que indicara cuales eran los accidentes más relevantes, por lo que se realizó un análisis espacial por el método de Kernel Density, que calcula la magnitud por unidad de área del punto de accidente, ya que al realizar varias pruebas se encontró que entre más bajo fuera el nivel del pixel, la imagen resultante se obtendría más suavizada, es decir, con más nivel de detalle, mostrando así mejores resultados. Además, se agregó el parámetro de tamaño de radio, el cual calcula la densidad a partir del punto, por lo que se le dio un valor de cien metros, ya que es el estándar del tamaño de las diferente calles de la ciudad. Posteriormente, se obtuvo el primer mapa general de todos los AT, con la densidad de Kernel. El mapa no mostraba una clasificación en la que se pudiese observar un patrón de incidencias, por lo que de la misma manera no
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
65
se podía apreciar cuales eran las intersecciones más relevantes. Para mostrar las calles con más problemas de accidentes, se realizó una reclasificación, contando con cuatro categorías de interés de la siguiente manera: • • • •
Aleatorio Bajo Moderado Alto
La categoría de aleatorio se eligió, ya que al estar agregando los datos al shape de puntos, se observó que los datos se encontraban mayormente agrupados, pero había puntos alojados de manera aleatoria sin seguir un patrón, por lo que se confirmó esta observación al realizar un estudio de Average Nearest Neighbor. Las categorías de asignación se observan reflejadas en diferentes colores: la categoría Aleatoria donde ocurrió un solo accidente no se le asignó ningún color, porque no se consideró relevante. La categoría Bajo, muestra la presencia de uno a dos accidentes, con un color amarillo representando que en esos lugares ocurren accidentes de tránsito de más proporción. A la categoría Moderado se le asignó el color anaranjado, que indica la presencia de dos a ocho accidentes ocurridos en un mismo lugar. Y a la categoría de Alto se le asignó el color rojo, que muestra la existencia de un número muy elevado de concentraciones de accidentes, que van desde los ocho en adelante. Se integró al estudio la generación de doce mapas, los cuales se realizaron con el mismo procedimiento, solo que ahora utilizando las variables de interés. Se elaboró un mapa para cada día de la semana para poder observar cómo se comportaba la distribución de los accidentes de cada día, saber cuál era el más conflictivo de la semana, así como el más tranquilo. Se integraron cuatro mapas más con la asignación de sábado y domingo para poder determinar si existe una relación de accidentes con los fines de semana, para los cuales se hizo un selección de horarios de interés de 12:00 am a 6:00 am, de 6:00 am a 12:00 pm, de 12:00 pm a 6:00 pm y de 6:00 pm a 12:00 am, mostrando un mapa diferente para cada selección. La unión se realizó con el mismo shape de puntos para todos los mapas, fue posible gracias a que se pueden utilizar varias tablas o capas con un mismo shape.
66
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Con la ayuda de los SIG, se pudo hacer posible la captura, almacenamiento, recuperación, manejo, despliegue y análisis de los datos geográficos en los mapas (León, 1989).
Resultados y discusión Se realizaron diferentes tipos de mapas que mostraban la cantidad y distribución de los AT en la ciudad de Cuauhtémoc, así como también la realización de un estudio de agrupamiento de vecinos, todos estos resultados se describen a continuación.
Average nearest neighbor Al realizar este estudio se mostró el agrupamiento que tenían los puntos de la ubicación de los AT, ya que esta herramienta calcula el índice del vecino más cercano basado en la distancia media de cada punto a su vecino más cercano, (ArcGIS™, 2013). El cual arrojó que el índice de agrupamiento era de un 99%, por lo que se pudo confirmar la hipótesis de que los accidentes de tránsito no son aleatorios, Figura 1.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
67
Average Nearest Neighbor Summary Nivel de significancia (p- valor) 0.01 0.05 0.10 --0.10 0.05 0.0.1
Relación de vecino más cercano: 0.377291 z-puntuación: -33.694673 p- valor: 0.000000
Valor crítico (z- puntuación) > -2.58 -2.58 – -1.96 -1.96 – -1.65 -1.65 – 1.65 1.65 – 1.96 1.96 – 2.58 >2.58
(Aleatorio) Significativo
Agrupado
Significativo
Aleatorio
Disperso
Tomando en cuenta el z-puntuación de -33.69, existe una probabilidad menor del 1% de que el agrupamiento se presente por casualidad.
Figura 1. Imagen de agrupamiento de los datos.
68
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 2. Distribución total de accidentes.
Distribución total de accidentes El primer mapa realizado, (Figura 2), muestra el total de accidentes generados en el periodo de agosto, septiembre y octubre del año 2011. Se mostró que el 99% de los AT en la ciudad de Cuauhtémoc se encuentran agrupados en los mismos lugares. Reyes, en el 2005, menciona que la distribución general de los accidentes de tráfico en la ciudad de Hermosillo no es resultado del azar. Por el contrario, detrás de ella parecen existir factores que no solo se relacionan con el error humano. El hecho de que los AT se agrupen en determinados espacios lleva a suponer que la interacción de diversos factores contextuales e individuales. La categoría de Bajo, se presenta en las principales calles de la ciudad, esto debido a que la mayoría de los conductores transitan por ellas, ya que estas calles cuentan con un menor número de altos, topes, semáforos, etcétera, reduciendo así el tiempo de llegada a sus destinos.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
69
La categoría de Moderado se presentó en el centro de la ciudad, esto puede deberse a que las principales calles pasan por él, por lo cual los conductores se ven obligados por diversas causas a circular por esta zona, provocando una mayor circulación vehicular y congestionamiento vial trayendo como resultado los AT. En un punto específico del centro de la ciudad se registró con la categoría de Alto debido a que la densidad de Kernel encontró un punto intermedio entre dos calles que contaban con la categoría de Moderado y ponderó esta agrupación. Los accidentes que se presentaron en la categoría de Alto fueron: doce puntos o intersecciones de calles y avenidas, contabilizando en la intersección más conflictiva un total de 18 AT en este periodo. En la calle 16 de Septiembre con intersección con la calle Tlaxcala o Boulevard Jorge Castillo Cabrera, se presentaron un total de 18 AT, se considera que algunas de las causas más importantes de estos accidentes son: a) Los conductores que transitan por dichas calles no miden el tiempo del semáforo al ser la entrada a la ciudad. b) En esta zona se encuentra un centro comercial, lo cual genera mayor concentración de parque vehicular. c) Esta intersección se considera una de las dos formas más rápidas de llegar a los diferentes centros de educación de esta ciudad. En el cruce de la calle 94 con la carretera federal Cuauhtémoc-Yécora (entrada y salida principal a la ciudad de las personas provenientes de la Sierra Tarahumara), presentó una concentración de 13 AT. Se atribuye a que la modernización de la carretera dejó un déficit de acceso a la entrada, así como salida a los ciudadanos que viven en las colonias de Tierra Nueva, Los Alcaldes, Los Olivos, entre otras. La avenida Venezuela con intersección a la carretera que se dirige al seccional de Álvaro Obregón Rubio, generó un total de 13 AT, a causa de: a) Esta carretera contiene uno de los corredores comerciales más grandes de Latinoamérica (Rodríguez, 2012), y es el principal acceso a las comunidades menonita, lo que provoca mayor congestionamiento de vehículos. b) El semáforo ubicado en esa intersección no contribuye a una mejor y mayor fluidez necesaria, ya que es una carretera que se transita a alta velocidad.
70
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Por tanto, en estas intersecciones es necesario contar con una infraestructura vial adecuada, contar con señalamientos necesarios de acuerdo con las necesidades de cada intersección, como lo indica Hijar. Para que de esta manera se puedan evitar el gran número de accidentes. Construir un paso a desnivel en cada una de estas zonas reduciría el número de AT, así como también disminuiría el congestionamiento vehicular y se presentaría mayor fluidez a las entradas y salidas de la ciudad, como mencionó Hermosillo (2006), que los puentes e infraestructura vial ayudan a reducir accidentes mejorando la fluidez vial en el interior de la mancha urbana. La salida y entrada de la colonia Mirador presenta un alto número de incidentes, contabilizando un total de 13 AT, algunas de las principales causas de estos hechos pudieran ser: a) Los ciudadanos de dicha colonia que desean salir tienen que atravesar la vialidad Gómez Morín, sin tener las precauciones adecuadas para incorporarse a ella. b) Esta vialidad es frecuentemente transitada por transportistas de materiales pesados que circulan a altas velocidades. En la calle Belisario Chávez y vialidad Venezuela, fue incluida en la categoría de nivel alto, debido a los 10 AT presentados en esta zona, la principal causa de esto es que en esta área existen diferentes instituciones de educación, lo cual provoca congestionamiento de vehículos en horas específicas. En la intersección de la calzada Morelos con la calle Periférico, ocurrieron en este periodo un total de 11 AT, a causa de: a) En esta zona se ubica el complejo industrial de maquiladoras de la ciudad. b) No se respeta el semáforo a la entrada y salida de la maquiladora. c) La infraestructura de las calles en este lugar no es de buena calidad ni de fluidez apropiada. La calle 18 que atraviesa el boulevard Fernando Baeza, es un punto conflictivo, presentando un total de 8 AT, generados por: a) Se presenta un fluido alto de automóviles. b) No se cuenta con infraestructura vial adecuada (semáforo). c) Falta de pericia a causa de las altas velocidades.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
71
La intersección del boulevard Fernando Baeza con la calle Mangos es considerada también como un cruce peligroso, ya que se presentaron un total de 8 AT. De acuerdo con Reyes (2005), algunos de los aspectos son: d) Se encuentra un centro comercial, lo cual ha generado un aumento de tráfico considerable en esta área. e) Una infraestructura vial inadecuada, ya que se tienen alrededor de seis semáforos en menos de cien metros a la redonda. f) Existen caminos que son de uso exclusivo para camiones de trasporte urbano así como de taxis, lo cual suele utilizarse frecuentemente por conductores para evitar la espera de un semáforo. La calle 40 que termina con la intersección del boulevard Fernando Baeza y una lateral, se ubicó en la categoría de alto por su elevado número de accidentes, contabilizando un total de 12 AT. La causa principal es que en esta zona se ubica un semáforo que cuenta con muy pocos segundos de cruce, lo cual genera que la mayoría de los conductores pase en luz roja. La calle Coahuila, que se convierte en Nicolás Bravo, y al llegar a la calle 16 de Septiembre, es donde se presentan mayor número de accidentes, con un total de 8 AT generados principalmente por: a) El no respetar los semáforos ni los límites de velocidad asignados para la calle Nicolás Bravo. b) Este lugar cuenta con una pendiente muy pronunciada, lo cual genera altas velocidades. c) La calle Nicolás Bravo cuenta con cuatro carriles, pero solo tres (contando de derecha a izquierda) son para cruzar o pasar por la calle 16 de Septiembre de Sur a Norte. Por lo que el cuarto carril es utilizado por las personas que se dirigen a la calle Nicolás Bravo provenientes de la calle 16 de Septiembre o de la Mariano Jiménez, esto genera que las persona provenientes de la calle Coahuila, al no tener señalamientos ni líneas divisorias que indiquen el uso de cada carril, tienden a utilizar el cuarto carril, el cual lo invaden en sentido contrario. En el punto de intersección de la calle Roma con la avenida 16 de Septiembre, ubicado en la categoría de Alto, debido a sus ocho AT. Las causas principales son:
72
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
a) En este punto se encuentran las instalaciones del Instituto Mexicano del Seguro Social, por lo cual se genera una alta concentración de personas circulando. b) No se respeta el semáforo.
Distribución de accidentes de todos los días de la semana Se incorporaron los mapas de todos los días de la semana (de la Figura 4 a la 14), para poder identificar qué día de la semana presenta más problemas de AT y sus posibles causas, además de realizar la sección que contiene la estadística de la distribución de accidentes de todos los días de la semana. Como se muestra en la Figura 3, los días que presentaron mayor índice de AT en la ciudad fueron sábado y domingo, con un total de 36.25%, Reyes, en el 2005 menciona que la distribución por día de la semana en la ciudad de Hermosillo cuenta con un 51% de los accidentes totales, y que estos ocurren en fin de semana, observándose mayores frecuencias los días sábado y domingo, principalmente a causa del alcoholismo.
138
133 90
89
91
154
106
Lunes Martes Miércoles Jueves Viernes Sábado Domingo
Figura 3. Distribución de accidentes en todos los días de la semana. Sección estadística. Meses de agosto, septiembre y octubre del 2011.
Distribución de accidentes del lunes Como se muestra en la Figura 4, el lunes cuenta con la mayor parte de accidentes registrados dentro de la categoría de mínimo, pero muestra un punto con categoría moderada, siendo este el punto de la intersección de la calle 94
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
73
entroncando con carretera Cuauhtémoc-Yécora. En este día se contabilizó un total de 133 accidentes, debido a que es el inicio de semana laboral y escolar, lo que provoca congestionamiento vial en horas específicas.
Distribución de accidentes del martes Como se muestra en la Figura 5, durante los martes disminuyen los accidentes en comparación con el lunes, en este día se presentaron los incidentes dentro de la categoría de mínimo, ya que se contabilizan un total de 90, por lo que los accidentes de los martes pueden deberse a falta de pericia de los conductores principalmente en el centro de la ciudad.
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 4. Distribución de accidentes del lunes.
74
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 5. Distribución de accidentes del martes.
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 6. Distribución de accidentes del miércoles.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
75
Distribución de accidentes del miércoles La Figura 6, muestra que los miércoles presentaron menos incidentes respecto a los demás días de la semana, con un total de 89 AT, aunque fue el día con menos accidentes de la semana los incidentes se mantuvieron dispersos en la ciudad. En el punto de la calle Tlaxcala o bulevar Jorge Castillo Cabrera entroncando con la calle 16 de Septiembre se presentó una categoría de moderado, debido a la presencia de 89 AT.
Distribución de accidentes del jueves La Figura 7 muestra que durante el día jueves se vuelve a incrementar el número de AT en la ciudad, contabilizando un total de 91 accidentes. El jueves se incluye dentro de la categoría de mínimo, mostrando que su mayor concentración se presenta en el centro de la ciudad.
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 7. Distribución de accidentes del jueves.
76
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 8. Distribución de accidentes del viernes.
Distribución de accidentes del viernes Como se muestra en la Figura 8, el viernes presenta un ascenso de los AT importante, con un total de 106 accidentes registrados en la ciudad, todos en la categoría de Mínimo, esto es porque se encontraban de manera más aleatoria en la ciudad. La causa principal es que se inicia el fin de semana y principalmente los jóvenes tienden a salir a pasear terminando sus labores escolares o de trabajo, con un elevado consumo de bebidas embriagantes.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
77
Leyenda Leyenda Mínimo Mínimo Bajo Bajo 1-2 1-2 Moderado Moderado 2-8 2-8 Alto Alto 8-20 8-20 –– Cuauhtémoc Cuauhtémoc
Figura 9. Distribución de accidentes del sábado.
Distribución de accidentes del sábado Como se muestra en la Figura 9, el día sábado la frecuencia de AT siguió en aumento, contabilizando un total de 137 AT, esto pude ser a causa de: a) Comienza el inicio de fin de semana, lo cual la gente procura salir a pasear en las calles de la ciudad. b) La combinación de alcohol y volante. c) El mal uso de señalamientos viales a causa del alcohol. Aunque los AT se presentan en su mayoría aleatoriamente con categoría de mínimo, y con una concentración en el centro de la ciudad, se presenta un punto en particular que es la calle 40 con intersección con el boulevard Fernando Baeza. Ya se había mencionado anteriormente de la mala infraestructura vial que se presenta en este lugar y de los periodos cortos de semáforo presentados ahí, pudiendo ser este el factor principal.
78
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 10. Distribución de accidentes del domingo.
Distribución de accidentes del domingo En la Figura 10, se muestra que el día domingo registra 153 AT, siendo este el número más alto registrado en toda la semana. El aumento generado durante el fin de semana se presentó en ciertos puntos muy cercanos a centros nocturnos, por lo que: a) La mayoría de estos centros nocturnos se ubican en el centro de la ciudad. b) Las personas que salen de dichos centros se encuentran bajo los influjos del alcohol, lo que propicia los AT.
Distribución de accidentes de los fines de semana Como se mencionó anteriormente los fines de semana (sábado y domingo), fueron los periodos que presentaron mayor índice de AT en la ciudad, Rosas R. en el 2011, menciona que el aumento gradual de los AT inicia el sábado y termina el domingo, por lo que existe un factor de riesgo entendido como los usuarios
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
79
de fin de semana que probablemente sufran más accidentes por falta de pericia, consumo de alcohol o por realizar conductas de alto riesgo como conducir a exceso de velocidad o realizar maniobras peligrosas. Al observar que el sábado y el domingo fueron los días de la semana que presentaron más incidentes de tránsito, y en particular una intersección, se pretendió determinar en qué horarios se presentaban principalmente estos AT, y si estaban concentrados en un horario en común, por lo que se generaron cuatro mapas más determinando horarios específicos según la problemática observada.
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 11. Distribución de accidentes entre sábados y domingos de 12:00 a.m. a 6:00 a.m.
Distribución de accidentes entre sábados y domingos de 12:00am a 6:00am Como se muestra en la Figura 11, en este rango de horarios, se registraron un total de 61 AT. Esta distribución quedó incluida dentro de la categoría de mínimo, presentándose la mayor parte de los AT en el centro de la ciudad, posiblemente la causa principal sea que buena parte de la población acostumbra pasear por el centro de la ciudad ingiriendo bebidas embriagantes.
80
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 12. Distribución de accidentes entre sábados y domingos de 6:00 a.m. a 12:00 p.m.
Distribución de accidentes entre sábados y domingos de 6:00am a 12:00pm La Figura 12, nos muestra que los AT presentados en este rango de horas contabilizan un total de 75, colocándose en la categoría de Mínimo, manifestándose en el centro de la ciudad, pero con un punto en particular de categoría Moderada, en la calle 40 y boulevard Fernando Baeza y esto se puede deber a que a esta hora se presenta mayor congestionamiento vial, ya que los principales negocios de la ciudad cierran al medio día.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
81
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 13. Distribución de accidentes entre sábados y domingos de 12:00 p.m a 6:00 p.m.
Distribución de accidentes entre sábados y domingos de 12:00pm a 6:00pm Como se muestra en la Figura 13, los accidentes registrados en este horario, tienden a descender, contabilizando un total de 68 AT, presentándose de una manera aleatoria o dispersa, sin presentarse algún conflicto mayor, en algún lugar en particular.
82
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda Mínimo Bajo 1-2 Moderado 2-8 Alto 8-20 – Cuauhtémoc
Figura 14. Distribución de accidentes entre sábados y domingos de 6:00 p.m a 12:00 a.m.
Distribución de accidentes entre sábados y domingos de 6:00pm a 12:00am Como se muestra en la Figura 14, en este mapa se registró un incremento considerable de AT, ya que se presentaron al margen de este horario un total de 86 accidentes, incluyéndose dentro de la categoría de Mínimo. Estos AT se ubican en las principales calles de la ciudad, pero sin concentración significativa.
Conclusiones Los AT en la ciudad de Cuauhtémoc Chihuahua, presentan en su mayoría altas concentraciones en puntos específicos de la ciudad, y son mostrados en los diferentes mapas como áreas conflictivas. Los AT en la ciudad, no se presentan de forma aleatoria como se comprobó estadísticamente por la herramienta Average Nearest Neighbor del software de ArcGis™, sino al contrario, se que se presentan de una manera agrupada, como se observa en la Figura 1.
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
83
Esto se debe a diferentes factores como se pudo observar en los mapas de resultados. Presentándose en su mayoría altas concentraciones de accidentes los fines de semana, debido al consumo del alcohol, la infraestructura vial inadecuada que está presente en algunos puntos en particular, falta de señalamientos correspondientes a cada calle, como: los límites de velocidad, altos, topes, semáforos etc., y además sumándole la falta de pericia y responsabilidad por parte del conductor. Por tanto, es necesario dar prioridad a estos puntos específicos, ya que así se reduciría en un máximo el número de incidentes que se presentan en esta ciudad, realizar nuevas infraestructuras viales que permitan mayor flujo de automóviles que circulan por estas zonas. Además de ser esencial el apoyo por parte de los oficiales de tránsito en ciertos días de la semana y en diferentes puntos de la ciudad. Los AT en el siglo XXI están considerados dentro de las principales causas de muerte en el mundo, la solución a este desafío no solo es mejorar la infraestructura de la ciudad, poner más altos, topes y semáforos, etcétera, sino que es fundamental promover la generación de conciencia social con respecto a la magnitud del problema: que un accidente no significa solo una pérdida material, sino conlleva muerte, enfermedades, incapacidad y daño emocional.
Referencias Ameratunga, S. M. (2006). Road- traffic injuries: confronting disparities to address a global- health problem. The Lancet, 365, 1533-1540. Andrade, M. G., y Sánchez, C. G. (2011). “Determinación de zonas susceptibles a accidentes de tránsito en el cantón ruminahui, mediante el desarrollo e implementación de un sistema de información geográfica para la policía nacional”. Tesis de ingeniería no publicada, ESPE, SangolquiEcuador. ArcGIS. (2013). Resources ArcGIS. Recuperado de: [http://resources.arcgis. com/es/hel p/main/10.1/index.html#//005p0000000p000000 11 de noviembre 2012]. Foschiatti, A. M., Lucca, A., y Rey, L. R. (2008). “Contribución de los SIG para la determinación de áreas vulnerables a sufrir accidentes de tránsito en la ciudad de resistencia (Chaco-Argentina)”. Investigaciones Geográficas, Boletín, num. 10 UNNA, Argentina, pp 131 - 142. Harvey Spencer Sánchez Restrepo, D. L. (2006). Dinámica de los accidentes de tránsito en la Ciudad de México: un enfoque desde los Sistemas
84
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Complejos. Num. 21, Facultad de Estudios Superiores Acatlán, Universidad Nacional Autónoma de México, México, pp. 1-21. Hernández Hernández V. (2012), Análisis exploratorio espacial de los accidentes de tránsito en Ciudad Juárez, México. Rev Panam Salud Pública, Núm. 31, pp.396–402. Hijar, M., Arredondo, A., Carrillo, C., Solorzano, L. (2004). Road traffic injuries in an urban area in Mexico. An epidemiological and cost analysis. Accident Analysis and Prevention, 36(1):37-42. Híjar-Medina, Martha. (2000), Utilidad del análisis geográfico en el estudio de las muertes por atropellamiento. Salud Pública de México, Núm. 42. pp. 188-93. INEGI (1997). División territorial del estado de Chihuahua de 1810 a 1995. Instituto Nacional de Estadística y Geografía, Publicación única. Primera edición, Aguascalientes, Ags. México. INEGI. (2005). Perfil sociodemografico en Chihuahua. Aguascalientes, Ags., Instituto Nacional de Estadística, Geografía e Informática, Publicación única, Primera edición, Aguascalientes, Ags. La situación mundial de la seguridad vial. (2004). Informe de antecedentes. Recuperado de [http://www.who.int/violence_injur y_prevention/ road_safety_status/re port/background_es.pdf: 15 de octubre 2012]. Lawrence, Roderick J. (2005). Building healthy cities. The World Health Organization perspective. En Handbook of urban health: populations, Methods and practice, EUA: Springer, pp. 479-501. Leon, G. C. (1989). El uso de Sistemas de Información Geográfica (GIS) en el manejo de la fauna silvestre. Ciencia Forestal, Núm. 65, CIFAP- Michoacán, INIFAP, Michoacán, pp. 90-98. López, H. D. (2005). Georeferenciación de puentes peatonales en ciudad de México y su relación con peatones atropellados. Universidad Nacional Autónoma de México, México, Distrito Federal, pp. 1-17. Luna, González, Laura; Chias, Becerril, Luis. (1999). “El uso de SIG en el análisis de la distribución de accidentes en carreteras: el caso de Tamaulipas, México”. Investigaciones Geográficas (Mx), diciembre, 148-162. Maldonado, G., et al, (2010), Accidentes de tránsito ocurridos entre el kilómetro 8 y 50 de la autopista. Academia Nacional de Medicina, Caracas, Venezuela. Boletín ANM, Núm. 18, Venezuela, pp. 1-12. Mena, C. G., (2011). México, séptimo lugar mundial en muertes por accidentes de tránsito, informa la SSA. La Jornada, Núm. 42, 12 de mayo del
Capítulo 1
Geoinformática aplicadaal análisis de riesgo
85
2011, http://www.jornada.unam.mx/2011/05/12/sociedad/042n1soc: 20 de Diciembre del 2012]. Mosqueda, G. (2010) “Manual de manejo defensivo”, Dirección General de Tránsito y Transporte, Gobierno de Guanajuato, pp. 1-46 Recuperado de:[http://transito.guanajuato.gob De Septiembre De 2012]. Paredes A., et al. (2008) “Proyecto de Investigación: accidentes de tránsito en Argentina”. Universidad de Buenos Aires. Sede Avellaneda, Recuperado de: [http://ipcgrupo6.blogspot.mx/ en 22 de septiembre 2012]. Peden M., et al. (2004). “Informe mundial sobre la prevención de los traumatismos causados por el tráfico”. Washington, D.C. : Organización Panamericana de la Salud. Academia Nacional de Medicina, Caracas, Venezuela. Boletín anm. Recuperado de: [http://www.who.int/violence_injur y_prevention/publications/road_traf fic/world_report/summary_es.pdf: 20 de diciembre 2012]. Pérez, E., et al (2007), “Trastorno por estrés postraumático en pacientes con lesiones no intencionales producidas en accidentes de tránsito”. Salud Mental, 30, 43-48. Programa Alcoholimetría ciudad Cuauhtémoc. (2010, 20 de agosto). Informe de accidentes. Cuauhtémoc, Chihuahua: Flores, M. A. Salud, (2007-2012). Por un México sano: construyendo alianzas para una mejor salud. México: D.R.© Secretaría de Salud. Recuperado de:[ http://www.geriatria.salud.gob.mx/descargas/programa_nacional_salud.p D.F. : 13 de abril 2013]. Silva, E. (2009). Mortalidad por accidentes automovilísticos en la Zona Metropolitana de la Ciudad de México al final del siglo XX. Centro de Investigación y Estudios Avanzados de la Población . Núm. 60, Toluca, pp 150-169. Wong1 P. et al. (2010), Autorreporte de accidentes de tránsito en una encuesta nacional en la población urbana de Perú. Rev Perú Med Exp Salud Pública Num. 27, Perú, pp. 170-78.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
CAPÍTULO II
Geoinformática aplicada a la Planificación Urbana
Responsables: Lara Cecilia Wiebe Quintana, María Elena Torres Olave y Hugo Luis Rojas Villalobos
Introducción
L bitan.
os espacios que ocupan los seres humanos y que comparten con otras especies cambian constantemente por causas antrópicas o naturales; desde países hasta ciudades, todos se ven afectados por aquellos criterios que se siguen para decidir qué espacio ocupar o cuál debe ser conservado tal cual. Resulta entonces necesario conocer las características del suelo y establecer cuál puede ser el impacto sobre dicho espacio y aquellos que lo ha-
La planificación urbana está relacionada con el rol del Estado a distintas escalas para intervenir con el diseño, mantenimiento y administración de las
87
ciudades. Dicha planificación establece criterios que afectan a un espacio en específico, por lo tanto a los seres que las ocupan; por ende, es un proceso que da forma a la estructura social y económica de una ciudad, y afecta de igual manera a los ecosistemas vecinos. El incremento de la población, el crecimiento urbano, el acelerado proceso de urbanización, y sus repercusiones sobre el medio natural, han provocado a lo largo de la historia desequilibrios ambientales que se convierten en temas recurrentes de diagnóstico y análisis (Cifuentes Ruiz, 2009). Debido a factores como el crecimiento acelerado de la población ha generado un desorden en el manejo del territorio, es por esto que surge la necesidad de realizar una planeación urbana correcta donde el medio ambiente sea una prioridad, como también la prevención de riesgos. Los Sistemas de Información Geográfica permiten realizar un análisis del espacio urbano incorporando variables demográficas, económicas, geográficas, etc., para una planificación urbana correcta. Los mapas, simples representaciones de varios aspectos de la realidad espacial, son indispensables para entender y visualizar la problemática existente en el entorno urbano y las condiciones que se puedan presentar a futuro (Maantay y Ziegler, 2006). El área de estudio que se aborda en este capítulo, presenta particularidades geográficas y económicas que hacen que la cobertura y uso de suelo se vean afectadas y en algunos casos determinadas no solo por las cuestiones climáticas propias del norte de México, sino también por fenómenos sociales relacionados estrechamente con el principal ingreso de la región, que está determinado por la agricultura, particularmente la manzana y el maíz. En este capítulo, se abordan diferentes criterios para modelar el comportamiento de la mancha urbana para ciudad Cuauhtémoc, Chihuahua, desde diferentes perspectivas. La primera que compara una serie de tiempo de imágenes para determinar posibles patrones de crecimiento que sigue la mancha urbana y aborda así mismo las posibles causas que determinan dicho comportamiento. Un segundo trabajo se apoya de dos algoritmos para analizar la cobertura y uso de suelo en el área de estudio y a su vez predecir el comportamiento de cada categoría hacia el año 2019, basándose en la aptitud del territorio. El tercer trabajo propone también un modelo por medio del cual se permite predecir el crecimiento de la mancha urbana en el área de estudio mediante autómatas celulares e imágenes de satélite, comparando una predicción al 2010 con el crecimiento real.
88
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Un último trabajo, relacionado no con el crecimiento sino con el impacto de la fruticultura en la mancha urbana, analiza el gasto de agua de las huertas de manzana comparado con el consumo de la población. Relaciona a su vez la ubicación de los pozos con la manera en que se comporta el consumo en varias ubicaciones del área de estudio. En este capítulo se muestran los siguientes trabajos: • Bencomo Sáenz Jesús Antonio, Wiebe Quintana Lara Cecilia, Bravo Peña Luis Carlos y Hernández Hernández Vladimir (2013).Identificación de patrones de crecimiento urbano en el área de ciudad Cuauhtémoc, Chih. 2003 – 2010. • Enríquez Venzor Juan Carlos, Wiebe Quintana Lara Cecilia, Alatorre Cejudo Luis, Carlos Bravo Peña Luis Carlos y Jesús Pilar Amado Álvarez (2013). Análisis de la Competencia de Gasto de Agua en ciudad Cuauhtémoc, Chihuahua con las Huertas de Manzana Colindantes con la Mancha Urbana. . • González León Manuel Octavio, Rojas Villalobos Hugo Luis, Alatorre Cejudo Luis Carlos y Bravo Peña Luis Carlos (2013). Predicción y modelación del crecimiento urbano de ciudad Cuauhtémoc, Chihuahua del 2010, usando autómatas celulares (Sleuth). • Loya Carrillo Jaime Octavio, Torres Olave María Elena, Bravo Peña Luis Carlos y Alatorre Cejudo Luis Carlos (2013). Análisis del cambio de cobertura y uso de suelo durante el periodo 1995 – 2011, Emc y Autómatas Celulares para la predicción del crecimiento urbano, el caso de Ciudad Cuauhtémoc, Chihuahua.
Referencias Cifuentes Ruiz, P. A. (2009). Modelización de los factores de crecimiento urbano como aporte a la sostenibilidad. Estudio de caso: Manizales – Colombia. Revista internacional de Sostenibilidad, Tecnología y Humanismo., 81-190. Maantay, J., y Ziegler, J. (2006). GIS for the Urban Environment. Redlands California: ESRI Press.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
89
Identificación de patrones de crecimiento urbano en el área de ciudad Cuauhtémoc, Chihuahua: 2003 - 2010
Jesús Antonio Bencomo Sáenz, Lara Cecilia Wiebe Quintana, Luis Carlos Bravo Peña y Vladimir Hernández Hernández
Introducción
E
l incremento de la población mundial, el crecimiento urbano, el acelerado proceso de urbanización, y sus repercusiones sobre el medio natural han provocado a lo largo de la historia desequilibrios ambientales que se han convertido en temas recurrentes de diagnóstico y análisis en diferentes reuniones de organismos internacionales (Cifuentes Ruiz, 2009). El crecimiento urbano se puede definir como la expansión de la mancha urbana, existiendo varios factores que lo determinan, tales como los económicos, sociales, culturales, geográficos, etcétera. A nivel mundial, al presentarse situaciones de crecimiento urbano acelerado, también se ha producido un descontrol en el manejo del territorio, mostrando así el proceso de artificialización del suelo a través de la urbanización. Esta es una de las formas más extremas de alteración del uso del suelo y una de las modificaciones más persistentes e importantes de los cambios producidos por las personas (Oltra-Carrió et al., 2010). Los lugares urbanos son ahora el
91
hogar de casi uno de cada dos seres humanos y, a mediados del siglo XXI, casi dos de cada tres personas vivirá en zonas urbanas. En los siglos XIX y XX, lo rural se convirtió en urbano cuando empezó a comunicarse con las principales vías de comercio y esta se conectó a las calles que conformaban una sola cuadrícula bien definida, con intenciones de que la población lograra acceder a todos los lugares sin mayores complicaciones de ubicación o transporte. Este proceso del crecimiento urbano seguirá mostrándose, siendo imposible detener este ciclo, tomando de esta manera un enfoque donde el preservar y conservar recursos naturales sea prioridad, estableciendo un control sobre la ciudad y efectuar planes de crecimiento. Uno de los factores que ayuda al proceso de urbanización es la migración, encontrada por parte de zonas rurales a zonas urbanas, mostrando así un desequilibrio en la ciudad, causando una reorganización territorial. Esto último genera que las poblaciones se sitúen en ciertas zonas de la ciudad donde no es viable la construcción o la introducción de nuevas vialidades. El análisis espacial del comportamiento de los indicadores según el periodo de crecimiento histórico al que pertenece el espacio urbano, nos permite encontrar patrones espaciales más claros y consistentes en la estructura de las ciudades medias mexicanas (Álvarez, 2010). A partir del siglo XXI el uso de mapas y del conocimiento geográfico ha tomado especial importancia debido a que, muchos de los análisis y profesiones requieren más de la información espacial para la toma de decisiones (Maantay y Ziegler, 2006). Además de simplificar y representar varios aspectos de la realidad, para el procesamiento de la información y la agrupación de esta en un ambiente gráfico existen los SIG (Sistemas de Información Geográfica), que por sus herramientas mezclan la información contenida en el espacio real a una simple composición gráfica que contiene todo tipo de información y ésta por su fácil interpretación ayuda en el proceso de optar por mejores soluciones a problemas presentados, incluyendo una fácil y accesible forma de almacenar cada dato obtenido. Los mapas, simples representaciones de varios aspectos de la realidad espacial, son indispensables para entender y visualizar la problemática existente en el entorno urbano y las condiciones que se puedan presentar a futuro (Maantay y Ziegler, 2006). El estudio del espacio urbano y concretamente del uso del suelo urbano ha sido muy vasto y ha suscitado el interés de las ciencias sociales en general y particularmente la geografía, la economía y la sociología urbana. Hoy en día, las transiciones bien definidas o cuadriculadas son raras (Rashed y Jürgens,
92
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
2010), esto como consecuencia de la falta de implementacion de planes de desarrollo urbano. La flexibilidad del automóvil combinado con el alcance de las telecomunicaciones ha puesto a la totalidad de las personas en contacto con la mayor parte de la vida urbana y la vida rural, o lo que queda de ella (Rashed y Jürgens, 2010). En las zonas más remotas de los países en desarrollo, la radio y las emisiones de televisión puede hacer a los pobladores rurales conocedores de la vida urbana, incluso si nunca han presenciado una localidad de gran magnitud (Rashed y Jürgens, 2010). Para mejor entendimiento de los fenómenos de crecimiento urbano se encuentran entre los principales modelos de estructura urbana: • El modelo de círculos concéntricos • El modelo de sectores de Hoyt • El modelo de núcleos múltiples El modelo de círculos concéntricos original de Burgess contempla que la ciudad crece alrededor de su centro en forma de círculos concéntricos. Burgess identificó cinco zonas o anillos. Estas zonas se encuentran distribuidas primordialmente por su grado de desarrollo o por las actividades que se realizan en la zona urbana. Otro modelo de sectores de Hoyt, donde uno de los factores importantes relacionados con este crecimiento son las clases sociales altas. Su modelo expone que el área considerada de alto nivel social está conformada por la zona central, donde confluyen actividades comerciales y de servicios y, por supuesto, se encuentra distante de la industria (Pardo, 2008). Mientras que, el sector residencial de nivel más alto tendría facilidad de comunicación con el centro y por último el de núcleos múltiples de Harris y Ullman explicaron que las ciudades no contienen un único centro, sino que se puede hablar de múltiples centros, donde se desarrollan distintas actividades (Pardo, 2008). Ello significa que el desarrollo de la ciudad no se da a través de un único espacio central que recoge todas las actividades comerciales y de servicios, como lo explicaban otras teorías, sino que el desarrollo de la ciudad se puede dar a partir de distintas zonas centrales que desempeñen diferentes tipos de actividades (Pardo, 2008). Estos visualizan la ciudad a partir de un centro donde se concentran las actividades económicas y el empleo, aunque el tercero ofrece la posibilidad de subcentros de actividad (Pardo, 2008). Dichos modelos nos dan la posibilidad de tener una lectura rápida, esquematizada y sencilla sobre los elementos que conforman la ciudad, su ubi-
Capítulo II
Geoinformática aplicada a la Planificación Urbana
93
cación, sus funciones e interrelaciones (Álvarez, 2010). Son los primeros acercamientos para entender las estructura urbana de la ciudad, para saber cómo son nuestras ciudades, cuáles son las partes que las conforman, dónde están ubicadas y cuáles son sus relaciones (Álvarez, 2010). Para complementar los modelos de estructura urbana se pueden plantear patrones de crecimiento urbano, los cuales describen diferentes fenómenos en la urbe a lo largo del tiempo. Basado en características de uso de suelo urbano se definieron cuatro tipos de patrones de crecimiento urbano: • • • •
Patrón agregado Patrón lineal Salto de rana Patrón nodal
Estos patrones describen formas de crecimiento urbano, pero no agotan todas las posibilidades de configuración espacial que puede tomar una ciudad, en contexto histórico y geográfico específicos. Sin embargo son modelos conocidos y reportados ampliamente en la bibliografía. El patrón agregado, correspondiente al tipo convencional de crecimiento urbano en ciudades mediterráneas, donde nuevas áreas urbanas son agregadas en la ciudad que está ya consolidada (Aguilera et al., 2011). Se caracteriza por el incremento de agregación y generalmente por la reducción de dispersión en ésta (Aguilera et al., 2011). Este patrón de crecimiento urbano tiende a permanecer constante o disminuir la fragmentación del paisaje. Suele estar integrado mayoritariamente por zonas residenciales de alta densidad que se mezclan con espacios libres y equipamientos (Aguilera, 2010). Patrón lineal, este patrón se refiere al crecimiento urbano alrededor de las principales conexiones preferentemente en sectores industriales o uso mixto del sueño industrial, esto último refiriéndose a la creación de zonas habitacionales para el fácil acceso de los obreros que trabajan en la industria. En este tipo de patrón se puede fácilmente identificar dos procesos principales, la agregación estable o en incremento, y la disminución de compactación (Aguilera et al., 2011). Salto de rana, este patrón refleja la aparición de parches urbanos, que son usados de espacios residenciales, este se caracteriza por su predominancia en dispersión de baja densidad en casas unifamiliares, es dominado por diferentes procesos: la reducción de la agregación, disminución de la elongación
94
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
debido a la formación de manchas más o menos redondeadas, y el incremento de la dispersión (Aguilera et al., 2011). Patrón nodal, se muestra reflejado a partir del crecimiento urbano comercial e industrial existente, cerca de los principales nodos de transporte, sin embargo, afecta principalmente a los usos industriales y comerciales (Aguilera et al., 2011). Los patrones se pueden representar en la siguiente Figura 1 (Rashed y Jürgens, 2010):
Figura 1. Patrones de crecimiento: A) Patrón compacto o agregado. B) Patrón lineal. C) Patrón nodal. D) Salto de rana (Rashed y Jürgens, 2010). Ciudad Cuauhtémoc se ha visto involucrado en grandes cambios urbanos, en primera instancia por la conexión que existe entre la ciudad y el corredor comercial en la Col. Manitoba que forma parte del municipio de Cuauhtémoc, este comprende de una serie de comercios dispersos, en la extensión de 33 kilómetros en algunos sectores de forma lineal en la carretera Cuauhtémoc-Col. Álvaro Obregón, por su cercanía a poblados a lo largo del estado de Chihuahua como Bocoyna, Carichi, San Francisco de Borja entre otros, y por su constante migración de localidades rurales por mayores oportunidades de empleo. La zona central de la ciudad, concentra gran parte del comercio y los servicios, y las zonas periféricas manifiestan las zonas industriales, una de las
Capítulo II
Geoinformática aplicada a la Planificación Urbana
95
principales fuentes de empleo. Otra de las principales fuentes de ingreso se encuentra en las huertas de manzana, que se produce en gran cantidad, alrededor de 55 mil toneladas, durante cada año. En general se muestra que las zonas habitacionales, comerciales e industriales, se encuentran muy relacionadas unas a otras debido a su cercanía, y a las conexiones principales y secundarias que conectan con las demás ciudades a lo largo del estado de Chihuahua; sin embargo la manera en que se presenta esta relación de los diferentes usos de suelo urbano, no son beneficiosas para el medio ambiente ya que las construcciones, por bienestar de la comunidad, crean edificaciones en sitios que no son evaluados previamente. Muchas de las principales vías de acceso a la ciudad se encuentran demasiado cercanas a la mancha urbana, provocando que periódicamente estas puedan quedar integradas a la estructura urbana, como consecuencia de la falta de delimitación en el crecimiento de la ciudad y con ello apoyando a la desorganización territorial. Una de las consecuencias más preocupantes que se presenta en la ciudad es la constante migración de los ciudadanos provenientes de poblados pequeños dentro del estado de Chihuahua, que regularmente vienen en épocas de pizca de manzana, actividad primaria más importante de la ciudad, algunos solamente recurren en la temporada, pero otros se instalan y se quedan permanentemente dentro de la ciudad, y aquí radica el problema, ya que esto provoca un desajuste por la falta de vivienda para esta población que llega e invade y el gobierno se ve obligado a construir más residencias, pero por la rapidez, construyen sitios con carencia de servicios, no aptas para la ocupación de estas y principalmente desarrolladas en usos de suelo no idóneas. Si en un futuro próximo no se regula el crecimiento o se plantea un nuevo plan de desarrollo urbano, se puede generar un gasto excesivo en infraestructura, que puede terminar sin ocuparse desperdiciando espacio, recursos, etc. y no solo eso si no que puede presentar graves problemas de salud, ya que por facilidad crean viviendas de baja calidad y en condiciones inhabitables. Para el caso del área urbana de ciudad Cuauhtémoc, no se cuenta con un estudio que pueda establecer las características que predominan, en este caso, del crecimiento urbano, por ello se realizará fotointerpretación y por medio de SIG, se analizarán y encontrarán los patrones que están presentes a lo largo de la mancha urbana de la ciudad. Siendo esto importante para desarrollos futuros en la mancha urbana, y poder proveer una información del pasado de cómo se dio el crecimiento, y poder aportar información para estudios futuros en planeación urbana.
96
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Las herramientas proporcionadas por los SIG permiten evaluar la situación actual, por ello varias de las profesiones requieren el uso y manejo de información geográfica.
Objetivos • Se pretende encontrar si la ciudad contiene un patrón de crecimiento particular y se desarrolla a través de él. • Al contrario del objetivo anterior mostrar si esta presenta varios patrones de crecimiento particulares o un nuevo patrón no definido por los autores anteriores. • Averiguar si a pesar del transcurso de los años la ciudad continúa en constante crecimiento como resultado de los patrones encontrados. • Encontrar el modelo teórico de estructura urbana que se ajuste más a la configuración espacial de la mancha urbana. Con los objetivos anteriores se plantea la hipótesis: la ciudad cuenta y se desarrolla a través de un solo patrón de crecimiento de tipo agregado.
Materiales y métodos El área de estudio (Figura 2) comprende de la mancha urbana de Ciudad Cuauhtémoc, ubicada geográficamente en 28° 24 18 Norte, 106° 52 0 Oeste, en la zona 13 norte según el sistema WGS 1984, ocupando un número de 154 639 habitantes para el año 2010. El municipio se encuentra situado en la región centro-oeste del estado, en la zona de transición entre la meseta y la sierra, con una altitud de 2,060 metros sobre el nivel del mar. Colinda al norte con Namiquipa, al este con Rivapalacio, al sur con Cusihuiriachi y con Gran Morelos; al oeste con Bachíniva y con Guerrero. La cabecera municipal se encuentra a 103 kilómetros de la capital del estado (INEGI,2010). Para el análisis visual y digital de Cuauhtémoc, se adquirieron imágenes de satélites de alta resolución. La principal razón por la cual se seleccionaron estas imágenes es por su fácil interpretación visual y por su manejo accesible dentro de los sistemas de información geográfica. Se utilizaron 2 imágenes, del sensor Spot 5 que fueron proporcionadas por el Dr. Luis Carlos Alatorre Cejudo, gestor de imágenes Spot ante la Secretaría de Defensa Nacional (ERMEX-Sedena), esta con resolución espacial de 2.5 m y del sensor Quickbird con 0.5 m, una del año 2003 y la otra del año 2010 respectivamente, en formato raster, dado que muchas
Capítulo II
Geoinformática aplicada a la Planificación Urbana
97
veces, estos conjuntos de datos, escaneados del mapa normalmente no contienen información de referencia espacial, es decir estos datos faltantes hacen que la imagen se muestre desubicada de la realidad (ESRI, 2012). En el manejo de la información obtenida, se utilizó el sistema de información geográfica “ArcMap®” de la corporación “ESRI®” en su versión 10.0. La información de ubicación espacial entregada con las imágenes es insuficiente (ESRI, 2012); por lo tanto, para utilizar algunos conjuntos de datos raster en un mismo proyecto con otros datos espaciales, es posible que se necesite alinear o georreferenciar, a un sistema de coordenadas del mapa (ESRI, 2012). Un sistema de coordenadas del mapa se define mediante una proyección cartográfica, un método por el cual se representa la superficie curva de la Tierra sobre una superficie plana (ESRI, 2012). Anticipadamente a la realización del estudio se definió la proyección geográfica de las imágenes de satélite y las capas vectoriales o Shapes, utilizando el sistema geográfico WGS_1984_UTM en su zona 13N, además de esto se realizó una georreferenciación de las imágenes con 10 puntos de muestreo para cada imagen, obtenidos de la base de datos de imágenes de Google Earth en su versión 7.0.2.8415.
Figura 2. Área de estudio, Cuauhtémoc, Chihuahua.
98
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Se realizó fotointerpretación, que se define como el acto de examinar las imágenes fotográficas de los objetos, con el fin de identificarlos y deducir su significación (Guerra, 2003). En este proceso, el intérprete desarrolla al menos una de las siguientes tareas: detección, reconocimiento e identificación, análisis, deducción, clasificación, idealización y determinación de la precisión (González, 2004). Se establecieron criterios antes de clasificar cada una de las clases en las imágenes correspondientes (González et al., 2006): • • • • •
Todos los polígonos generados deberán tener un número de clase. Un área digitalizada no podrá pertenecer a dos clases. La escala mínima cartografiable será de 1:15000. No habrá sobreposición de polígonos. No habrá espacios en blanco entre polígonos.
Se usó un polígono previamente creado en forma de rectángulo con la imagen más reciente, el cual definió la zona de estudio que ocupara en su casi totalidad la mancha urbana de Cuauhtémoc (Figura 3), con este polígono se realizó la selección de áreas de entrenamiento, que consiste en delimitar las áreas o polígonos que son rescatables o representativos de las diferentes clases que existen y que tengan una respuesta espectral que pueda ser de interés para el estudio. La clasificación digital comienza con la definición de las categorías que se pretenden distinguir en la imagen (Yébenes y Giner, 2010). Dicha clasificación digital comenzó analizando las imágenes y digitalizando solamente la composición urbana para ambos periodos, además se utilizaron polígonos previamente generados del 2010. Para el cálculo de métricas de paisaje se definieron 4 clases esto con el fin de obtener resultados más representativos, mostradas en el cuadro 1. Se realizó fotointerpretación como se mencionó, a la hora de clasificar cada polígono obtenido en la mancha urbana, muchas veces algunas clases pueden quedar confundidas por su similitud en la imagen, como en el caso del uso de suelo comercial, este presenta características de tener grandes composiciones de edificaciones con un amplio techado, y esto puede complicar la clasificación con las zonas industriales ya que se observan muchas similitudes, la diferencia entre estas es que por lo general sus construcciones industriales las realizan fuera de la urbe, esto por las normativas que se aplican y para la seguridad social. Para poder validar las diferentes clases se incluyeron datos de referencia del campo.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
99
Muchas veces evaluaciones en ámbitos urbanos, tratan de una clasificación basada en los valores numéricos contenidos en imágenes. Esto se consigue seleccionando una muestra de píxeles en la imagen que representen adecuadamente a cada categoría y a partir de estos se determinará el número digital medio de cada clase y el rango en el que varían, para todas las bandas que intervienen en la clasificación (Yébenes y Giner , 2010). La clasificación de una imagen como se mencionó, se realiza en el nivel del elemento de imagen individuales (píxeles), pero en la identificación de patrones de crecimiento no se está interesado en el valor que tiene cada píxel dentro de la región geográfica definida (Rashed y Jürgens, 2010). Cuadro 1. Clases definidas Nombre clase
Descripción
Imagen
Estas áreas se caracterizan por viviendas Urbano consolidado unifamiliares, que son de uso residencial y casas ya construidas servicios públicos tradicionales o nuevos desarrollos de vivienda (Aguilera et al., 2011).
Uso comercial interno y externo a la urbe
Se pueden observar a la cercanía de los principales nodos de comunicación (Aguilera et al., 2011), así como en la zona central de la ciudad.
Continúa...
100
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Nombre clase
Uso industrial
Descripción
Imagen
Se puede encontrar este uso principalmente a las afueras de la ciudad y son localizadas en las principales vías de comunicación o intersecciones (Aguilera et al., 2011).
Esta se encuentra principalmente en las zonas que tienen una asociación de zonas habitacionales Uso mixto (urbano y comercios estableconsolidado de uso cidos, se da princiresidencial y uso palmente por la falta comercial) de espacios para el desarrollo de comercio y por facilidad del usuario reconstruye su vivienda en un comercio pequeño.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
101
Figura 3. Recorte zona urbana ciudad Cuauhtémoc. Se utilizó la herramienta Topology de Arcgis, esta es una estructura de datos espacial, y utilizada principalmente para asegurar que los datos asociados, formen una tela topológica consistente y limpia (ESRI, 2012). Esta herramienta a su vez es una colección de reglas y relaciones que, con un conjunto de herramientas de edición y técnicas, permite a los datos relacionarse a modelos con más precisión geométrica (ESRI, 2012). Esta herramienta se incluyó con fin de evitar posibles errores dentro de la cartografía generada tales como superposición de polígonos o espacios vacíos entre estos y cumplir con los criterios anteriormente definidos. Una vez corregidos cada uno de los polígonos con sus clases, se procedió a exportar a formato raster (GRID), con la finalidad de poder analizarlo de forma automatizada en el programa Fragstats. Se dieron parámetros, entre ellos las clases que se mostrarán en el raster, (en este caso las definidas posteriormente) y el número de celda, que es el tamaño de pixel al momento de exportar. El nivel de detalle (las funciones / fenómenos) representada por un mapa de bits, es a menudo dependiente del tamaño de celda o la resolución
102
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
espacial del raster (ESRI, 2012). La celda debe ser lo suficientemente pequeña para capturar el detalle requerido, pero lo suficientemente grande para que el almacenamiento en el ordenador y el análisis puede realizarse de manera eficiente (ESRI, 2012), por ello el tamaño de celda se definió como 2.5, ya que es el mismo que el de pixel de la imagen Spot. Las estimaciones posteriores se basaron sobre la muestra seleccionada adecuadamente para que los resultados de la clasificación visual estén con valores más acertados. Una vez que se obtuvieron las clasificaciones de suelo correspondientes a cada año, se utilizaron las métricas del paisaje, que sirven para la evaluación del comportamiento de la mancha urbana, dichas métricas están divididas en tres categorías de procesamiento espacial urbano: • Agregación • Compactación • Aislamiento La categoría de agregación corresponde a toda agrupación de parches, esto para formar parches de un tamaño más grande (Aguilera et al., 2011). Reduciendo el número total de parches, y produciendo de este modo un aumento en su área media (Aguilera et al., 2011). La categoría de compactación implica la formación de parches redondos en una forma circular que los hace compactos (Aguilera et al., 2011). El proceso inverso es la elongación, en el que la forma de los parches se hace más alargada (Aguilera et al., 2011). Y por último aislamiento, este proceso implica un aumento en la distancia que separa los parches del mismo uso de suelo (Aguilera et al., 2011). Sin embargo, en contraste con los clásicos estudios de ecología del paisaje, en el análisis de los procesos urbanos, un mayor aislamiento indica una mayor dispersión (Aguilera et al., 2011).
Capítulo II
Geoinformática aplicada a la Planificación Urbana
103
Cuadro 2. Métricas del paisaje utilizadas. Atributo (s)
Métrica
Abreviatura
Descripción
Porcentaje del paisaje
PLAND
Es igual al porcentaje del paisaje comprendido del tipo de parche correspondiente.
Número de parches
Agregación/ Fragmentación
Tamaño medio de parche
Área total
Compacidad/ Elongación
Densidad de borde Índice medio de forma
Aislamiento/ Proximidad
Distancia media al vecino más cercano
NP
Area_mn
CA
Es igual al número de parches de un tipo correspondiente (clase). Es una función del número de parches en la clase y el área total de la clase. Es importante destacar que, aunque el tamaño de parche medio se deriva de la cantidad de parches, no transmiten ninguna información sobre cantidad de parches que están presentes (Mcgarigal y Ene, 2012) Es el área total de la clase o el parche, a menudo no tiene un gran valor interpretativo respecto a la evaluación de la estructura del paisaje, pero es importante porque define la extensión de este (Mcgarigal y Marks, 1994).
Es igual a la suma de las longitudes (m) de todos los segmentos de borde en el paisaje, ED dividida por el área total del paisaje (m2), multiplicado por 10.000 (para convertir a hectáreas). Mide la relación entre el perímetro de un Shape_MN parche y el perímetro del parche más simple en la misma zona. Enn_mn
Mide la distancia promedio entre dos parches en un paisaje.
En el análisis estadístico del paisaje se utilizaron las herramientas de PatchAnalyst en su versión 5. Esta es una extensión para el sistema ArcGIS® que facilita el análisis espacial de los parches del paisaje, y el modelado de los atributos asociados a los parches. Se utiliza para el análisis de patrones espaciales, a menudo en apoyo de la modelación del hábitat, la conservación de la biodiversidad y el manejo forestal (Rempel et al., 2012); además se incluyó el
104
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
software Fragstats en su versión 4.1, que calcula varias estadísticas para cada parche y clase en el paisaje y el paisaje como un todo. En el nivel de la clase y el paisaje, algunas de las métricas cuantifican la composición del paisaje, mientras que otros cuantifican la configuración del paisaje (Mcgarigal y Ene, 2012). De estos se seleccionaron las métricas que se muestran en el Cuadro 2. Para poder obtener resultados más acertados, además de los valores en las métricas del paisaje, se utilizó en conjunto la fotointerpretación de forma general y de forma particular para cada clase, la escala de interpretación fue la misma de digitalización a 1:15000, y el trabajo de campo que validó las clases.
Resultados Al momento de evaluar los patrones de crecimiento, se encontró que no se puede evaluar el patrón salto de rana, dado que este requiere al menos 3 periodos contenidos, ya que este se presenta solamente cuando algunos polígonos quedan aislados y a pesar del transcurso del tiempo siguen ahí sin que el crecimiento urbano llegue hasta estas zonas dispersas. Se encontró que en el periodo analizado hubo un crecimiento en la ciudad para cada uno de los sectores, como se muestra en los cuadros 3 y 4 en la métrica de área total (CA). Cuadro 3. Métricas de paisaje 2003. 2003
Clase
CA
PLAND
NP
area mn
ED
Shape Mn
Enn mn
Urbano 03
1
2237.5
86.5
89
25.14
12.54 1.4823
128.45
Comercial 03
2
215.9
8.3
55
3.92
7.29
1.4398
206.84
Industrial 03
3
69.9
2.7
17
4.11
1.55
1.4068
817.98
Mixto 03
4
61.1
2.3
13
4.70
5.25
1.6474
202.43
Capítulo II
Geoinformática aplicada a la Planificación Urbana
105
Cuadro 4. Métricas de paisaje 2010. 2010
Clase
CA
PLAND
NP area mn
ED
Shape_Mn
Enn_mn
Urbano 10
1
2423.2 83.4
90 25.71 14.16 1.4747
116.65
Comercial 10
2
282.5 9.7
59 4.85
7.02
1.4323
215.80
Industrial 10
3
88.6
14 5.59
1.46
1.4348
855.50
Mixto 10
4
108.1 3.7
18 6.00
8.00
1.6191
164.11
3.05
Cuadro 5. Métricas de paisaje. General 2003 2584.6381 N/a
131
Enn_mn area_mn ED Shape_Mn 19.7301 0 1.4441 102.5352
2010 2902.6119 N/a
136
21.3427 0
año
CA
PLAND
NP
1.442
86.8942
En la cartografía generada se puede visualizar que el crecimiento de lugares residenciales y comerciales se está propagando a lugares cercanos al sector industrial más importante de la ciudad como se muestra en la Figura 4, así mismo lo industrial muestra un crecimiento en su misma zona de ocupación, posiblemente esto podría implicar riesgos en un futuro para los habitantes que puedan formar parte de estos sectores en el noreste y este de la ciudad. En ciudad Cuauhtémoc puede analizarse cómo su estructura va cambiando en cada clase utilizada a un ritmo diferente pero constante; en general la ciudad muestra un patrón de crecimiento agregado, como se observa en las métricas del cuadro 5, esto gracias a su agregación, la compactación y la menor dispersión que existe entre polígonos o parches dentro de la misma. Para obtener más claridad sobre lo que ocurre en Cuauhtémoc, se analizó cada clase con sus métricas por separado, esto con fin de entender cuál es el comportamiento de cada una de las clases.
106
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Leyenda 2010 Tipo Urbano Comercial Industrial Mixto
Figura 4. Sector industrial más importante de Cuauhtémoc 2010.
Urbano consolidado de uso residencial y servicios públicos
Los parches ya existentes crecieron de tamaño como muestra de área media del parche (Area_mn), mientras que se crearon nuevos de estos mismos (NP), aunque estos permanecieron estables, el porcentaje de clase (PLAND) disminuyó no quiere decir que lo residencial necesariamente cambió a otra clase, si no que las otras clases presentaron mayor crecimiento que lo urbano residencial. El índice medio de forma (Shape_MN) tuvo un decremento haciendo más compacta la clase y la densidad de borde (ED) muestra aumentó, lo que puede interpretarse como una deformación del parche, gracias a los nuevos polígonos que se han agregado han hecho una forma más irregular de la clase residencial. La distancia media al vecino más cercano (Enn_mn) disminuyó indicando que los polígonos se acercaron más unos a otros, ésta última métrica implica que cuando hay un incremento se refleja un mayor aislamiento (Aguilera et al., 2011). Sin embargo, en contraste con los clásicos estudios de
Capítulo II
Geoinformática aplicada a la Planificación Urbana
107
ecología del paisaje, en el análisis de procesos de las zonas urbanas, un mayor aislamiento indica una mayor dispersión (Aguilera et al. , 2011). En el conjunto de las categorías de análisis espacial se encontró que aparecieron más parches de esta clase menos dispersos y más agregados a los parches existentes, aumentando su compactación y disminuyendo su dispersión, por ello se muestra que existe un patrón de crecimiento agregado.
Uso comercial interno y externo a la urbe
El área comercial aumentó en su número de parches (NP) explicando que hubo nuevas edificaciones de este tipo, en el área media del parche que muestra que los parches existentes al igual que los parches urbanos, aumentaron de tamaño, lo que muestra una fragmentación de los parches. La densidad de borde (ED) disminuyó junto con su índice medio de forma (Shape_MN), encontrando que hubo compactación en su clase. La distancia media al vecino más cercano (Enn_mn) aumentó haciendo más dispersa a esta clase. Los parches existentes crecieron y se compactaron, pero hubo aumento de parches dispersos en la ciudad en lugares donde inicialmente no existían, con la interpretación visual se confirmó que se presenta un patrón nodal, ya que la mayoría de los parches se desarrollan en las principales vías de comunicación.
Uso industrial
Se presenta un proceso de agregación, ya que el número de parches (NP) disminuyó mientras el área media del parche (Area_mn) aumentó. Los polígonos tomaron una nueva forma más cuadrada por la disminución de la densidad de borde (ED) y el índice medio de forma (Shape_MN), aumentó haciendo menos compacta a la clase. Al igual que la clase comercial la distancia media al vecino más cercano (Enn_mn) aumentó mostrando dispersión, además esta clase es la que se encuentra más alejada de las demás por contener menores cantidades de fragmentos. Los parches pequeños se sumaron a los de mayor tamaño, mostrando un fenómeno de agregación, ya que los polígonos están más dispersos y elongados reflejando así un patrón lineal.
Uso mixto (urbano consolidado de uso residencial y uso comercial)
108
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
El área mixta aumentó en el área media del parche que muestra que los parches existentes aumentaron de tamaño, con el aumento de número de parches (NP) se encuentra un decremento de agregación. Los polígonos tomaron una nueva forma más irregular por el aumento de la densidad de borde (ED) y del índice medio de forma (Shape_MN) disminuyó mostrando parches más compactos. La distancia media al vecino más cercano (Enn_mn) disminuyó, lo que muestra más proximidad entre los parches teniendo menor dispersión. Algunos de los parches de esta clase pasaron a comercial, y también se agregaron nuevos parches menos dispersos, apareciendo sobre el urbano, (esto se complementó con fotointerpretación y trabajo de campo), invadiendo lugares no aptos para comercio, lo que muestra un patrón de crecimiento de tipo nodal. Como se muestra en la Figura 5, los polígonos de mixto se presentan por lo general cerca de los principales nodos de comercio e industrial; esto puede ser explicado por la alta convivencia de la población con estos sectores.
Leyenda 2010 Tipo Urbano Comercial Industrial Mixto
Figura 5. zona comercial y mixta de Cuauhtémoc 2010.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
109
Se encontró que la estructura urbana de Cuauhtémoc está desarrollada principalmente por sectores para cada clase y estos se encuentran bien definidos, lo cual demuestra que su modelo de estructura urbana más adecuado es el de sectores de Hoyt, sin embargo, si el crecimiento se sigue propagando a las principales vías de comunicación de manera constante; este modelo de estructura urbana cambiará al de núcleos múltiples.
Conclusiones El crecimiento de ciudad Cuauhtémoc ha sido muy poco, cómo se puede apreciar dentro del periodo evaluado para 2003 se tenía 2,584 ha de la mancha urbana, mientras que para el 2010 se obtuvieron 2,902 ha. Para encontrar mejores resultados del comportamiento del crecimiento urbano, se requiere evaluar un periodo más amplio de tiempo. Aun así, con la información generada, se puede encontrar una variación entre lo comercial y lo residencial, además exhibe una conversión de zonas habitacionales a zonas comerciales, también se observa la creación de zonas comerciales en espacios urbanos que carecen de la infraestructura vial y de servicios adecuados para los nuevos usos. Por ejemplo, en estudios realizados en otras partes del mundo, muestran patrones mejor definidos que los que se muestran en ciudad Cuauhtémoc, esto se debe precisamente a la planeación con la que se ha influenciado y determinado el crecimiento y a una la cultura del ordenamiento territorial que se da en esos lugares, que impacta en el desarrollo y distribución del territorio, tanto en uso residencial como uso industrial. El fenómeno que se da en el área de estudio se deriva como consecuencia de la gran dependencia del automóvil por parte de los ciudadanos, lo que está logrando que la ciudad construya nuevas zonas comerciales en los principales nodos de comunicación, generando más costo energético, ambiental y social. Otra consecuencia de gran impacto ambiental es el alto consumo de suelo y de energía, esto asociado de igual manera con el crecimiento de la población y del área urbana. Debido a lo anterior, se requiere de mucha inversión de diferentes recursos enfocada solamente para la creación de zonas residenciales, pero no es suficiente lo que se emplea para la demanda que exige la población; esto conlleva a otra de las consecuencias por el crecimiento acelerado, que es la falta de regulación, distribución y mantenimiento de los servicios públicos, lo que afecta a diferentes partes dentro de la ciudad.
110
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
En contraste, se observa que en otras ciudades se han logrado identificar los patrones de crecimiento urbano con la ayuda de las técnicas empleadas en este estudio. Por ejemplo, como se mostró en la metrópolis de Andalucía en la provincia de Granada, que muestra un mejor ordenamiento territorial a pesar de esta ser una metrópolis, se identifica que los sectores quedan bien definidos, pero, también se destaca que la identificación de patrones es una factor clave en planeación territorial, aunque los retos son continuos por su constante crecimiento; en consecuencia, el uso y extensión de estos trabajos, si bien no son suficientes pero si necesarios. Las ciudades están sometidas a un permanente cambio por la tendencia del crecimiento y ocupación del territorio, por ello requiere de una guía, o de algún tipo de orientación, ya sea estimulando el cambio deseado o deteniendo el cambio considerado en este caso negativo; si no se toman en cuenta las precauciones necesarias en los cambios de la distribución de una ciudad, pueden traer grandes repercusiones en el medio ambiente, siendo varias dentro de la naturaleza como se podría notar en un futuro la ocupación de zonas propensas a la recarga de acuíferos. Dependiendo de los matices de evaluación para las métricas de paisaje, en este caso la escala, muestra diferentes comportamientos a lo largo de la mancha urbana, de manera general se encontró un patrón de crecimiento agregado, pero de manera particular se encontraron varios patrones de crecimiento: agregado, lineal, nodal. Las características de crecimiento de cada ciudad quedan marcadas a lo largo del paso del tiempo y estas siguen siendo definidas por las influencias de las diferentes perspectivas de los planeadores del pasado y del presente, para poder satisfacer a la población en los nuevos sectores creados. La implicación de las métricas de paisaje en este tipo de estudios, puede ayudar para el monitoreo en años posteriores en el crecimiento urbano. Con toda la información generada y los análisis correspondientes se puede aceptar nuestra hipótesis, Cuauhtémoc se desarrolla de forma general a partir de un patrón de crecimiento agregado dentro del periodo 2003 - 2010.
Bibliografía Aguilera Benavente, F. (2010). Aplicación de métricas de ecología del paisaje para el análisis de patrones de ocupación urbana en el Área Metropolitana de Granada. Anales de Geografía, 9-29.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
111
Aguilera, F., Valenzuela, L. M., y Botequilha-Leitão, A. (2011). Landscape metrics in the analysis of urban land use patterns: A case study in a Spanish metropolitan area. ScienceDirect, 226-238. Álvarez de la Torre, G. (2011). Estructura y temporalidad urbana de las ciudades intermedias en México. Frontera Norte, 91-124. Álvarez de la Torre, G. B. (2010). El crecimiento urbano y estructura urbana en las ciudades medias mexicanaS. Redalyc, 12(2), 94-114. Chang, H., Li, F., Li, Z., Wang, R., y Wang, Y. (2010). Urban landscape pattern design from the viewpoint of networks: A case study of Changzhou city in Southeast China. ScienceDirect, 51-59. Cifuentes Ruiz, P. A. (2009). Modelización de los factores de crecimiento urbano como aporte a la sostenibilidad. Estudio de caso: Manizales – Colombia. Revista internacional de Sostenibilidad, Tecnología y Humanismo., 81-190. ESRI. (07 de 11 de 2012). ArcGIS Resource Center. Recuperado el 05 de 02 de 2013, de http://resources.arcgis.com/en/home/ González Iturbe Ahumada, J. A. (2004). Sensores remotos y manejo de información. En F. Bautista Zuñiga, Técnicas de muestreo para manejadores de recursos naturales (pág. 507). México. González Vázquez, X. P., Marey Pérez, M. F., y Vicente Rodriguez, V. (2006). Aplicacion de sistemas de informacion geografica y fotografia aerea infrarroja para la planificacion de dehesas en la peninsula Iberica. Congreso internacional de ingenieria de proyectos, 572-583. Guerra Peña, F. (2003). Las doce principales reglas de la interpretacion fotogeologica y las bases fundamentales que se derivan. Investigaciones Geográficas, 42-46. Maantay, J., y Ziegler, J. (2006). GIS for the Urban Environment. Redlands California: ESRI Press. Mcgarigal, K., y Ene, E. (Enero de 2012). UMass Landscape Ecology Lab. Recuperado el 05 de Febrero de 2013, de FRAGSTATS: Spatial Pattern Analysis Program for Categorical Maps: http://www.umass.edu/landeco/research/fragstats/fragstats.html Mcgarigal, K., y Marks, B. J. (1994). Spatial pattern analysis program for quantifying landscape structure. Dolores, CO. Oltra-Carrió, R., Sobrino, J. A., Gutiérrez-Angonese, J., Gioia, A., Paolini, L., y Malizia, A. (2010). Estudio del crecimiento urbano,de la estructura de la vegetación y de la temperatura de la superficie del Gran San Miguel de Tucumán, Argentina. ISSN, 69-76.
112
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Pardo Montaño, A. M. (Agosto de 2008). Inserción laboral y residencial de los indígenas inmigrantes a la Zona Metropolitana del Valle de México. Los casos de la delegación Cuauhtémoc y el municipio Naucalpan. Facultad Latinoamericana de Ciencias Sociales México. México. Rashed, T., y Jürgens, C. (2010). Remote Sensing of Urban and Suburban Areas. Austin: Springer Dordrecht Heidelberg London New York. Rempel, R. S., Kaukinen, D., y Carr, A. P. (02 de 04 de 2012). Patch Analyst and Patch Grid. Ontario. Yébenes Gómez, Á., y Giner Sotos, Á. (2010). Observaciones y previsiones meteorológicas - Imágenes de los satélites - Valores climatológicos normales. Recuperado el 06 de 10 de 2012, de http://www.allmetsat.com/es/
Capítulo II
Geoinformática aplicada a la Planificación Urbana
113
Análisis de la competencia
de gasto de agua en ciudad Cuauhtémoc, Chihuahua con las huertas de manzana colindantes con la mancha urbana
Juan Carlos Enríquez Venzor, Lara Cecilia Wiebe Quintana, Luis Carlos Alatorre Cejudo, Luis Carlos Bravo Peña y Jesús Pilar Amado Álvarez
Introducción
E
l abastecimiento de agua es uno de los principales aspectos que aseguran la sustentabilidad de las ciudades en el mundo. Las limitaciones del medio ambiente son consideradas como una de las principales causas de movimientos poblacionales, principalmente en las zonas secas donde el agua y no la tierra son el factor limitante (Shah, 2010). En México el 75% de su población reside en localidades urbanas y la proyección de los datos de crecimiento demográfico al año 2030 muestra que el mayor crecimiento de la población será en las zonas urbanas (Arreguin, López, & Marengo, 2010). De manera inversa al crecimiento demográfico, la disponibilidad de agua per cápita disminuye cada vez más. En México la disponibilidad de agua per cápita se redujo del año 1950 al año 2010 de 18,035 m3 de agua anualmente a solamente 4,210 m3 por cada habitante del país; y según las proyecciones
115
de población realizadas para el año 2030, la disponibilidad de agua sería de 3,783 m3 por habitante y por año (CONAGUA, 2008). De acuerdo con los resultados obtenidos por Díaz-Padilla (2011) y Verbist K., (2010) es válido afirmar que todo el norte del país está bajo algún tipo de aridez y que el estado de Chihuahua en la mayor parte de su territorio cuenta con climas árido y semiárido. La mayor parte del estado de Chihuahua tiene una precipitación pluvial anual que oscila entre 250 y 500 mm (CONAGUA, 2008). De igual manera la mayor parte del territorio de Chihuahua no dispone de agua superficial (CONAGUA, 2008) y se está calentando y secando (Arreguin, et. al, 2010). La mayor sobreexplotación de acuíferos se registra en las regiones de Camargo-Jiménez, Cuauhtémoc, Chihuahua-Sacramento, Villa Ahumada-Flores Magón (Gobierno del Estado de Chihuahua, 2004). Aunado a esto, en la región hidrológica Rio Bravo a la que pertenece la cuenca Laguna Bustillos sobre la cual se encuentra la zona de estudio se cuenta con alto grado de presión sobre el recurso hídrico equivalente a 76% (CONAGUA, 2011). Este grado de presión sobre el recurso es el porcentaje que representa el agua empleada en usos consuntivos respecto al agua renovable, el cual se considera que si el porcentaje es mayor al 40% se ejerce una fuerte presión sobre el recurso. En el caso de la ciudad de Cuauhtémoc Chihuahua, la cual cuenta con un clima semiseco templado, se encuentra sobre un acuífero que está bajo una planicie cerrada de forma irregular por las sierras de Pedernales, San Juan, Salitrera, Chuchupate, Sierra Azul y el Rebote, en la cual la única aportación de agua al acuífero es mediante las precipitaciones. Actualmente el acuífero se encuentra sobre explotado, según la información que proporciona CONAGUA (2008): • Alimentación natural: 115.2 Mm3 anuales • Extracciones: 569.4 Mm3 anuales, con los siguientes usos: 1. Agrícola: 92.7%. 2. Público urbano: 4%. 3. Industrial y pecuario: 3.3%. El desarrollo no planificado de la agricultura y la obsolescencia de algunos sistemas de riego han incrementado la demanda de agua en regiones rurales, con lo cual se agudiza la competencia por el recurso hídrico necesario para uso público urbano (Gobierno del Estado de Chihuahua, 2004).
116
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Por otra parte, la fruticultura y en especial la manzana, es una de las fortalezas de Cuauhtémoc, pues junto con los municipios de la región han colocado al estado de Chihuahua como el primer productor nacional. Aunado a esto, la presencia de la comunidad menonita a lo largo de todo el año está generando riqueza con la producción de leche, quesos y sus derivados; así como en la elaboración de varios tipos de embutidos, estos dos aspectos, principalmente, han hecho que la ciudad tenga un elevado Índice de Desarrollo Humano (IDH)1 que es aceptado generalmente en los medios políticos y académicos como un indicador del nivel del desarrollo de una población (López, 2003). Este IDH fue calculado para México por Conagua en el 2008 a nivel municipal con base a los siguientes indicadores: probabilidad de sobrevivir el primer año de edad, tasa de alfabetización e ingreso promedio per cápita en dólares. El IDH que pertenece al municipio de Cuauhtémoc según Conagua (2008) es equivalente a 0.825, que está clasificado como “muy alto”. Este IDH tan elevado sugiere que la cabecera municipal tenga un importante crecimiento económico en los tiempos presente y futuro cercano, como también un crecimiento en las áreas del conocimiento, incluyendo todos los niveles de educación, y sus instalaciones en consecuencia. Se ha observado un crecimiento de la mancha urbana de Cuauhtémoc en los últimos 23 años, el cual se observa que crece alargadamente alrededor de las principales salidas viales de la ciudad, lo que ha generado dificultades en la prestación de servicios. Por ejemplo, para la dotación del servicio de agua potable se ha tenido que incrementar la red de tubería y se ha requerido de la perforación de más pozos. Según informes del censo INEGI 2010, el municipio de Cuauhtémoc tiene 154,537 habitantes. Esta cifra muestra un incremento poblacional en los últimos cinco años del 14.65%. A diferencia de otras ciudades del estado como Madera la cual decreció un 8.97%. En el municipio de Cuauhtémoc existen más de 7,600 hectáreas de huertas de manzana según los datos obtenidos por Callejas-Juárez (2007), de las cuales 1656 hectáreas se encuentran dentro del área urbana de la ciudad que representan el 21.76% del total de huertas en el municipio. Las huertas de manzana no solo representan una importante fuente de ingresos a la comunidad, sino también una importante fuente de empleo para los habitantes del municipio y otros municipios vecinos. Así mismo, el cultivo 1
El IDH es un índice compuesto que resume las mediciones de los avances medios logrados por una población en tres aspectos básicos del desarrollo humano: salud, conocimiento e ingresos. desarrollo nacional, como el nivel de ingresos y la tasa de crecimiento económico.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
117
de éste fruto requiere de una importante cantidad de agua, y estas huertas ubicadas dentro de la mancha urbana consumen del recurso que está destinado al abastecimiento público urbano en vez del abastecimiento agrícola. La hipótesis que se plantea a partir de lo anterior, es que existe una fuerte competencia por el agua del acuífero de Cd. Cuauhtémoc entre el uso agrícola (específicamente manzano) y el uso urbano ( JMAS); esto debido a que el agua se extrae del mismo acuífero y de la misma zona espacial para los dos usos distintos. Lo antes expuesto sugiere que es necesario encontrar soluciones para los problemas de abastecimiento de agua para la población de la ciudad, los cuales seguramente incrementarán en el futuro debido a la tendencia de abatimiento que actualmente tiene el acuífero (Díaz-Padilla, 2011) (Orozco, 2007). Por lo anterior el objetivo del presente trabajo es conocer la competencia que tienen con base al gasto de agua las huertas urbanas y la población de la ciudad, y de qué manera impacta esto en el nivel estático del acuífero.
Metodología Descripción del área de estudio Población
El municipio de Cuauhtémoc tiene una población de 154,639 habitantes, de los cuales el 73.72% se encuentran en la cabecera municipal equivalente a 114,007 habitantes (INEGI 2010).
Descripción general de las actividades económicas
La economía del municipio de Cuauhtémoc se sustenta particularmente en las actividades agropecuarias y agroindustriales; así como en las relacionadas con los sectores del comercio y servicios, que en conjunto absorben el 85% del empleo y generan el 90% de los ingresos, lo cual ha contribuido a colocar al municipio en la tercera posición en importancia a nivel estatal. La fruticultura y en especial la producción de manzana, es una de las fortalezas de Cuauhtémoc, pues junto con los municipios de Guerrero, Namiquipa, Bachíniva y Cusihuiriachi, han colocado al estado de Chihuahua como
118
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
el primer productor nacional. (Plan Municipal de Desarrollo 2010-2013 del Municipio de Cuauhtémoc Chihuahua).
Climatología
El municipio de Cuauhtémoc tiene un rango de temperatura promedio entre los 12 y los 20°C; el rango de precipitación se encuentra entre los 300 y los 500 mm; el 82.7% del territorio del municipio cuenta con un clima semiseco templado, y este es el clima que está presente en la totalidad de la zona de estudio, el 10.7% con un clima semifrío subhúmedo con lluvias en verano, de humedad media, el 5.8% tiene un clima semiseco semifrío y un 0.8% del municipio es de clima templado subhúmedo con lluvias en verano, de menor humedad.
Localización y delimitación
La región manzanera de Cuauhtémoc ubicada en el Estado de Chihuahua tiene como cabecera municipal la Ciudad de Cuauhtémoc que se encuentra en la longitud 106 52 0 W y latitud 28° 24 18 N, misma en la que se limita el área de estudio a la mancha urbana comprendida entre los límites que establecen las carreteras que sirven como periféricos o libramientos de la ciudad, debido a que son estas vías de comunicación las barreras que delimitan el área perteneciente a la ciudad, las cuales son: la carretera a Colonia Álvaro Obregón, el Periférico Manuel Gómez Morín y la carretera Chihuahua 21, al oeste, norte y este de la ciudad respectivamente; al sur de la ciudad no se tiene una barrera tan puntual, pero de igual manera no existen huertas de manzana colindantes con la mancha urbana (figura 1).
Capítulo II
Geoinformática aplicada a la Planificación Urbana
119
Figura 1. Área de estudio.
Cartografía de las huertas de manzano y requerimientos hídricos de las huertas de manzano Con el fin de ubicar las huertas manzaneras dentro del área de estudio, y cuantificar el área que éstas representan, se ocupó la cartografía generada por Bravo Peña, et. al. (2010) de las huertas de manzana de la cuenca en la que se encuentra ciudad Cuauhtémoc, de la cual se eliminaron todas las huertas que quedaron fuera del área de estudio. Esta cartografía se actualizó y corrigió exhaustivamente debido a que contaba con numerosos errores en la delimitación de las huertas, faltaban huertas por digitalizar y aparecían en la cartografía huertas que ya no existen o ya no están en producción. Lo anterior se realizó con ayuda del software ArcGis 10© en el cual se hizo fotointerpretación con imágenes Bing© 2010, también se hizo fotointerpretación con ayuda de imágenes de Google Earth© 2013, además de revisiones de campo. Para analizar el grado de influencia del gasto de agua de uso urbano para el sector agrícola (en huertas de manzana) dentro de la mancha urbana,
120
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
se analizó el gasto total de agua por año de todas y para cada una de las huertas urbanas con base a los resultados experimentales realizados por Orozco (2012) en huertas de Grupo La Norteñita, ubicadas en Cuauhtémoc, Chihuahua, México.
Determinación de la dotación de agua para uso urbano anual Con base a las entrevistas con el Director Técnico de la Junta Municipal de Agua y Saneamiento de Cuauhtémoc ( JMAS), se aplicó un método utilizado por la dependencia para calcular el abastecimiento que recibe la ciudad de Cuauhtémoc, también se obtuvo información que permitió conocer el comportamiento del bombeo y abastecimiento de la red hidráulica de la ciudad.
Comparación de los consumos de agua para uso urbano y en huertas de manzano Se realizó una suma aritmética simple de los gastos anuales de cada uno de los rubros que entran en competencia por el agua de uso urbano en el área de estudio, con el fin de conocer el porcentaje de gasto de cada uno de ellos.
Relación de nivel estático del acuífero con la profundidad de los pozos Se generó una base de datos con la información de la profundidad y los niveles estáticos, proporcionada por JMAS 2013, de cada pozo utilizado actualmente para el servicio de agua para la población de la ciudad. Se realizó un spline en ArcGis 10 con las profundidades de los pozos. La herramienta Spline utiliza un método de interpolación que estima valores usando una función matemática que minimiza la curvatura de la superficie, resultando en una superficie lisa que pasa exactamente a través de los puntos de entrada (ESRI, 2012). Conceptualmente, los puntos de muestra se extruyen a la altura de su magnitud; spline dobla una “lámina de goma” que pasa a través de los puntos de entrada mientras se minimiza la curvatura total de la superficie. Se ajusta una función matemática a un número determinado de puntos de entrada más cercanos a pasar por los puntos de muestreo. Este método es el mejor para
Capítulo II
Geoinformática aplicada a la Planificación Urbana
121
generar superficies suavemente variables como la elevación, la altura del nivel freático o las concentraciones de contaminación (ESRI, 2012). Aunado a lo anterior se realizó una evaluación de los diferentes métodos de interpolación contenidos en el módulo de análisis geoestadístico de ArcGis 10, y se seleccionó el que se adapta mejor a la información con la que se cuenta, con el fin de conocer a grandes rasgos el estado del acuífero de Cuauhtémoc, y relacionar esta información con otros datos de este trabajo.
Análisis de distintas técnicas de riego en huertas de manzano Se realizaron cálculos para el área de estudio sobre el ahorro en el consumo de agua, simulando una tecnificación de las huertas en sus métodos de riego. Se plantearon dos escenarios: 1) las huertas con riego de microaspersión pasan a tener riego por goteo y 2) todas las huertas pasan a tener riego por goteo con acolchado. Estos cálculos fueron hechos con base a los resultados obtenidos por Orozco (2012). El estudio de Orozco (2012) se realizó en huertas de una empresa local, las cuales equivalen al 24.57% de las huertas del área de estudio de este trabajo. Los tipos de riego analizados fueron: 1. Microaspersión. 2. Goteo. 3. Goteo con acolchado. Demostrando que la técnica de riego más eficiente de acuerdo a las condiciones del área de estudio, fue el método de goteo con acolchado (Orozco, 2012).
Análisis de la densidad de pozos de uso privado Se cuenta con una base de datos de la localización de numerosos pozos concesionados por CONAGUA al 2004, los cuales se digitalizaron mediante sus coordenadas y se ubicaron los que quedan dentro del área de estudio. Lo anterior se realizó con el fin de calcular la densidad de pozos por hectárea, y analizar si esto coincide con las áreas de huerta y con los sectores de la zona de estudio que representen mayor gasto.
122
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Simbología Huertas de manzana Urbano
Figura 2. Clasificación del área de estudio (Autoría propia)
Resultados Cartografía de las huertas de manzano y requerimientos hídricos de las huertas de manzano Se obtuvo una cartografía actualizada para el año 2013 de las huertas de manzana que se encuentran dentro del área urbana de Cuauhtémoc, Chihuahua. Cómo se puede observar en la figura 2, los polígonos que son ocupados por huertas de manzana ocupan 14.52% del área total, mientras que el área urbana ocupa el 24.35% y el resto ocupa 61.13% del área total. De acuerdo a estas proporciones se obtiene que el área de huertas de manzana ocupan un poco más del 50% del área urbana. Se generó una base de datos con el tipo de riego de cada huerta de manzana del área de estudio (Figura 3); con base a la información obtenida en campo y en la bibliografía. Se observa que el sistema de riego más empleado
Capítulo II
Geoinformática aplicada a la Planificación Urbana
123
en el área de estudio es el de microaspersión. De acuerdo a los resultados de Orozco (2012), este sistema de riego es el que menos eficiencia tiene respecto a los otros dos métodos (goteo y goteo con acolchado).
Simbología Huertas Riego Acolchado Goteo Microaspersión
Figura 3. Clasificación de las huertas por tipo de riego. (Autoría propia) Por otra parte, se obtuvo el gasto total aproximado de agua de todas y de cada una de las huertas del área de estudio (Cuadro 1), para lo cual se utilizó la información de las láminas de riego totales aplicadas en el ciclo de riego 2012 (Orozco, 2012) para los tres tipos de riego que existen en el área de estudio, los cuales son: • Microaspersión 12,710 m3 ha-1 • Goteo 7,920 m3 ha-1 • Goteo con Acolchado 4,050 m3 ha-1
124
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Tipo de huerta Microaspersión
Consumo anual (m3) 17,721,741.51 15,84,451.66 328,654.65
Goteo Goteo con acolchado Cuadro 1. Consumo de agua por tipo de riego No se tomaron en cuenta las edades de los árboles de manzano, el marco de plantación ni las densidades debido a que el 95% de los productores operan sus riegos de manera empírica (Orozco, 2007). Sin embargo, la evapotranspiración es un parámetro muy importante para saber los requerimientos hídricos de los cultivos, pero se dificulta su medición directa y la mayor parte del tiempo se obtiene a partir de datos climáticos. Ante este problema, la observación en tiempo real (p ej. humedad del suelo) permite a los productores hacer modificaciones en el cultivo para evitar situaciones que afecten la productividad de los árboles (Orozco, 2012), es decir, el productor riega bajo su propio criterio, sin apoyarse en algún esquema apropiado a las condiciones de la huerta, como son clima, tipo de suelo, disponibilidad del recurso hídrico.
Determinación de la dotación de agua para uso urbano anual Por otra parte, para conocer los gastos de agua que realiza la población de Cuauhtémoc, y poder así establecer una comparación entre los consumos de agua, se obtuvo la siguiente información que muestra la Figura 4. Se aprecia claramente el comportamiento del gasto de agua en litros por segundo (LPS) a lo largo de todo un día, con base a la experiencia del entrevistado ( JMAS), “este gasto tiene un comportamiento impredecible debido a que se necesitan tomar en cuenta muchas variables para cada una de las viviendas de la ciudad y con datos en tiempos reales”. Por este motivo se calculan parámetros como el gasto medio, gasto máximo diario y gasto máximo horario, los cuales son necesarios para la planeación de una red de agua potable.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
125
Figura 4. Comportamiento de los requerimientos de bombeo de agua en la red hidráulica de Cuauhtémoc, Chih. El gasto medio indica cuantos litros necesitan estar siendo bombeados a la red cada segundo del día, todo esto con un comportamiento continuo según la dotación por habitante que para el caso de Cuauhtémoc, según el Anexo al Acta de Tarifas 2013 de la JMAS, es de 250 litros/habitante/día. El gasto medio de la ciudad es de 501.15 LPS y se calcula con base en la siguiente fórmula:
Dónde: Qmedio = gasto medio en LPS d = Dotación, 250 litros/habitante/día. ih = Índice de hacinamiento 4.0 Habitantes/lote L = Número de lotes del desarrollo habitacional2 El gasto máximo diario es el máximo consumo que se espera realice la población en un día. Se calcula multiplicando el gasto medio por un factor de
2
126
El número de lotes se relaciona directamente con el número de tomas o contratos para el servicio de agua potable en la ciudad que es equivalente a 43,362 tomas ( JMAS 2013) GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
ampliación (CVD) que en este caso la JMAS establece en 1.2. El gasto máximo diario equivale a 601.38 LPS y se calcula con la siguiente fórmula: Qmax.horario = Qmedio * CVD Dónde: Qmax.horario = Gasto máximo horario en litros/segundo Qmedio = Gasto medio de la población CVD = Coeficiente de variación diaria (1.2) El gasto máximo horario se define como el consumo máximo que puede ser requerido por la red de la ciudad en determinada hora del día, el cual se calcula con un coeficiente más ampliado (CVH) que para Cuauhtémoc es de 1.5 según el Acta de Tarifas 2013 de la JMAS. El gasto máximo horario equivale a 751.73 LPS y se calcula de la siguiente manera: Dónde:
Qmax.horario = Qmedio * CVH
Qmax.horario = Gasto máximo horario en litros/segundo Qmedio = Gasto medio de la población CVH = Coeficiente de variación horaria (1.5) Para conocer el gasto de agua total al año de la población de la ciudad se aplicó la fórmula propuesta en el Acta de Tarifas 2013 de la Junta Municipal de Agua y Saneamiento de Cuauhtémoc, en la que se calcula el gasto de agua promedio por día, este resultado se multiplicó por 365 para sacar el total en un año. El gasto anual aproximado de la población de ciudad Cuauhtémoc es de 15,827,130 m3. La fórmula se muestra a continuación: Dónde:
Qaño = d * ih L * 365
Q = gasto en litros d = Dotación 250 litros/habitante/día. ih = Índice de hacinamiento 4.0 Habitantes/lote L = Número de lotes del desarrollo habitacional3 3
El número de lotes se relaciona directamente con el número de tomas o contratos para el servicio de agua en la ciudad que es equivalente a 43,362 tomas ( JMAS 2013). Capítulo II
Geoinformática aplicada a la Planificación Urbana
127
Comparación de los consumos de agua para uso urbano y en huertas de manzano Con base a los resultados obtenidos en las secciones anteriores se obtiene un gasto total de agua al año de la zona de estudio sumando los consumos de agua de los diferentes usos del agua (huertas con diferentes tipos de riego y consumo de la población de la ciudad) el cual es de 35,461,977.83 m3/año.
Figura 5 Gasto de agua en el área de estudio. De este consumo total de la zona, las huertas con riego de microaspersión gastan cerca del 50% del total del agua, además estas huertas representan el 83.21% del área total de huertas en la zona de estudio, y por otra parte equivalen al 12.09% del área total de estudio. El porcentaje de agua que se gasta en las huertas con riego por goteo es del 4.46%, estas huertas son el 11.93% del total de huertas y equivalen al 1.73% del área total. El porcentaje de agua que es consumido por parte de las huertas con riego por goteo con acolchado es menos del 1%, el área que ocupan estas huertas es el 4.84% del total de huertas y el 0.7% del área total. El agua que se gasta en el consumo urbano equivale a cerca del 45% del agua que se gasta en la zona de estudio, esta área urbana equivale al 24.35% del área total de estudio (Figura 5). La mayor parte de las huertas con riego por microaspersión se encuentran agrupadas al norte de la ciudad, son las que tienen el mayor gasto de agua.
128
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Dichas huertas son las más antiguas de la zona de estudio, se encuentran sobre una llanura aluvial con lomerío, el tipo de roca de estas huertas es sedimentaria y el tipo de suelo presente es luvisol (INEGI, 2005). La mancha urbana se encuentra rodeada en la mayor parte de su perímetro por un uso de suelo dedicado a la agricultura a excepción de la parte sur y sureste donde se cuenta con pastizal, esta misma zona se tiene como tipos de suelo leptosol y phaeozem y el tipo de roca es ígnea extrusiva (INEGI, 2005).
Relación de nivel estático del acuífero con la profundidad de los pozos Se realizó una cartografía de los pozos de JMAS (figura 6) con el fin de localizar espacialmente los pozos que actualmente sirven para el abastecimiento de la población de la ciudad y de los cuales se cuenta con los datos de profundidad y niveles estáticos.
Simbología Pozos
Figura 6. Pozos de Junta Municipal de Agua y Saneamiento de Cuauhtémoc Chih. (Autoría propia)
Capítulo II
Geoinformática aplicada a la Planificación Urbana
129
Superficie suavizada (Spline) con la profundidad de los pozos de JMAS Con los datos de profundidad de los pozos de JMAS se creó una superficie suavizada con la herramienta spline de ArcGIS 10 (Anexo 1).
Interpolación de núcleo suavizada con los niveles estáticos de los pozos de JMAS La Interpolación por núcleo (Kernel Interpolation) es una variante de la Interpolación Local Polinomial4, en la que las inestabilidades en los cálculos se previenen ajustando ligeramente las predicciones de manera similar a la regresión Ridge5 los ajustes se realizan de tal manera que no afectan en la práctica al momento de tomar decisiones. En éste modelo, el problema con los errores estándar excesivamente grandes y las predicciones cuestionables se corrige con el parámetro de corrección (que debe ser lo más pequeño posible) ajustando levemente las ecuaciones; ofreciendo por lo tanto, dos superficies de salida: Predicción y Error Estándar. Además, este modelo utiliza la distancia más corta entre los puntos, de tal manera que los puntos en las fronteras de las barreras absolutas se conectan con series de líneas rectas. Utiliza los siguientes núcleos radialmente simétricos: Exponencial, Gaussiano, Cuártico, Epanechnikov, Polinomial de quinto orden y Constante (ESRI, 2012). Se aplicó esta interpolación en sus 6 variantes a los 18 puntos asociados a cada pozo, usando la variable nivel estático, y de allí se seleccionó el método dónde la confiabilidad y el Error Cuadrático Medio (RMS) fueron menores (Cuadro 2). Con base en esta evaluación se eligió la interpolación gaussiana (Anexo 2), de la cual también se realizó la predicción del error estándar que nos permite visualizar la fiabilidad de los datos en la superficie generada por la predicción gaussiana (Anexo 3).
4 5
130
Acopla varios polinomios a vecindarios específicos que se traslapan. También se conoce como Regresión de Arista o Regularización de Tikhonov. GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Kernel smoothing
Gaussiano Exponencial Quartic Epanechnikov Polynomial 5 Constant
Error Estándar
RMS
RMSS
ASE
Confiabilidad
11.14 9.19 1.0049 9.0193 88.86 12.08 9.55 0.9849 9.62 87.92 11.49 9.3 1.007 9.11 88.51 11.12 9.22 1.0108 8.97 88.88 11.81 9.38 1.0044 9.21 88.19 11.18 9.17 1.0056 8.98 88.82 Cuadro 2 Evaluación de los métodos de interpolación
Comparación de la profundidad de los pozos de JMAS con los niveles estáticos de los mismos. Con las superficies resultantes de los dos apartados anteriores se realizó una sobreposición de las capas y se encontró una relación entre los niveles estáticos bajos, la profundidad de los pozos y la presencia de huertas de manzana con riego por microaspersión (Anexo 4).
Análisis de distintos escenarios donde se simulan cambios en las técnicas de riego para las huertas de manzana Con base a los estudios realizados por Orozco, 2012 en huertas de la zona de estudio se encontró que el cambio de tipo de riego de microaspersión a goteo obtuvo un ahorro de agua del 38%, y el cambio de microaspersión a goteo con acolchado generó un ahorro de agua del 68%. Dado que se determinó que el riego por microaspersión es el que gasta más agua y es por tanto el menos tecnificado, se decidió analizar cuál sería el comportamiento del gasto de agua en las huertas si todas las que utilizan este tipo de riego cambiaran a goteo, mediante el cálculo del gasto por hectárea al año de las 1394.31 Ha de microaspersión. Aunque se sabe que el riego por goteo es más eficiente que la microaspersión, se sabe también que no se controla la evapotranspiración dado que, como ya se había mencionado, el 95% de los productores riegan de manera empírica; esto significa que aun con un riego más eficiente el árbol no aprovecha toda el agua que se le suministra. Es por ello que se analizó también el escenario de que todas las huertas migrasen a goteo con acolchado.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
131
Con base a lo expuesto anteriormente se plantearon dos escenarios: 1) las huertas con riego de microaspersión pasan a tener riego por goteo; y, 2) todas las huertas pasan a tener riego por goteo con acolchado. En el primer escenario se encuentra que si las huertas de manzana con riego por microaspersión se tecnificaran a un riego por goteo pasarían de tener un gasto anual de 17,721,741.51 m3 a 11,042,974.55 m3 de agua, lo que representa un ahorro de 6,678,766.96 m3 que equivale a 62.31% del agua que se consume anualmente en las huertas que actualmente cuentan con riego por microaspersión. El gasto total de las huertas de manzana en la zona de estudio sería entonces de 12,956,080.86 m3. En el segundo escenario planteado donde se analiza si las huertas con microaspersión y las huertas con goteo pasaran a goteo con acolchado se obtuvieron los siguientes resultados: el gasto anual de las huertas con microaspersión se reduciría a 5,646,972.41 m3 de agua, lo cual es el 31.86% del agua que se gasta actualmente en estas huertas, el cambio de riego en las huertas con goteo a goteo con acolchado reduciría el consumo de agua de estas huertas de 1,584,451.66 m3 a 810,230.76 m3. El gasto total de las huertas de la zona de estudio sería de 6,785,857.83 m3 al año, lo cual representa el 34.56% del agua que actualmente se gasta en dichas huertas.
Análisis de la densidad de pozos de uso privado. Después de haber ubicado los pozos de CONAGUA dentro del área de estudio (Figura 7), se observa que algunos de ellos no quedan exactamente dentro del polígono de la huerta más cercana; y esto se debe principalmente a que el pozo fue perforado entre el área de huerta y la vivienda o las bodegas que sirven a la misma, por lo anterior es lógico afirmar que el pozo es mayormente utilizado para el riego de los árboles de manzana. Lo anterior se corroboró con diversas visitas de campo. Los resultados del anterior análisis se muestran en el cuadro 3.
132
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Simbología Pozos CONAGUA Huertas de manzana Urbano
Figura 7. Pozos concesionados por CONAGUA dentro del área de estudio al 2004. (Autoría propia) Uso de suelo
Urbano Huertas
Pozos JMAS
Area (Ha) 2808.331689 1675.521241
8 0
Pozos CONAGUA 80 344
Pozos totales 88 344
Densidad (Pozos/Ha) 0.03133533
0.205309244 Cuadro 3. Densidad de pozos en el área de estudio
Discusión y conclusiones De acuerdo a los resultados mostrados en los apartados anteriores, se corrobora que sin lugar a dudas que existe un desperdicio de agua en la zona de estudio debido en gran medida a los tipos de riego que se han venido utilizando en la actividad frutícola, y que está perjudicando de cierta forma la necesidad de agua de la población; se sabe que la recarga del acuífero es menor a la extracción que de él se realiza, y dado que en la zona de estudio la actividad agrí-
Capítulo II
Geoinformática aplicada a la Planificación Urbana
133
cola representa la principal fuente de ingresos, la tecnificación de los riegos es una buena solución para las huertas de la zona, dónde la competencia por el recurso hídrico es tan fuerte. La presencia de las huertas de manzana limita de cierta forma el crecimiento ordenado de la ciudad, lo cual causa problemas en la prestación de los servicios públicos de la mancha urbana, como es el caso del agua, lo cual se puede ver en déficit actual de agua en ocasiones en las colonias alejadas de los puntos de bombeo de agua, que coinciden con las zonas elevadas donde no existe la extracción de agua. La urbanización se está realizando sobre huertas de manzana antiguas, lo cual deja en claro que la ciudad crece hacia dónde el acuífero se ve más abatido. Esto marca a su vez una tendencia de crecimiento, ya que las huertas urbanas son de las más antiguas de la región, y es a dónde se está extendiendo la mancha urbana. Esta tendencia representa un problema inminente en el suministro de agua, ya que el problema de abastecimiento de agua en la ciudad se tiene contemplado solucionar con la construcción de más tanques para el almacenamiento para posteriormente bombearlo a la red hidráulica. Por otra parte, la solución al problema de falta de disponibilidad de agua bombeada en la red hidráulica se está llevando a cabo por parte de JMAS y consiste en la perforación de pozos al norte de la ciudad, lo que significa que se va a importar agua hacia la zona de la ciudad. Estas dos acciones que actualmente se están realizando van enfocadas a satisfacer las necesidades de la ciudad, pero son acciones que solamente resuelven el problema a corto plazo y que no están atacando el problema principal, que es el abatimiento del acuífero. Es decir, se resuelve el problema del desabasto, pero el agua se seguirá agotando bajo las condiciones actuales. Las extracciones de agua de JMAS se realizan en la misma zona donde existen gran cantidad de hectáreas de manzana con riego de microaspersión y con niveles estáticos profundos, lo que representa una fuerte presión del recurso hídrico en esa zona. En esta misma zona existe también la mayor densidad de pozos concesionados por CONAGUA, lo que nos indica que en estas áreas es donde la competencia por el agua es más fuerte aún. Esta zona tiene un tipo de suelo que favorece la extracción de agua y la actividad agrícola, ya que esta zona se encuentra en una llanura aluvial. En cambio en las zonas donde los niveles estáticos son más elevados (menos profundos), al este, sureste, sur y suroeste (Anexo 2), existe una menor densidad de pozos y se debe a que el tipo de roca que compone al suelo es roca ígnea extrusiva y estas zonas están más elevadas, lo cual quiere decir que es más difícil la perforación de pozos y no es un suelo favorable a la actividad agrícola.
134
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Referencias Arreguin, F., López, M., y Marengo, H. (2010). Los retos del agua en México en el siglo XXI. Retos de la investigación del agua en México, 19-33. Bravo Peña, L. C., Díaz, R., Alatorre, L., Sánchez, E., y Aguilar, S. (2010). Cambios de la cubierta vegetal y los usos del suelo en una cuenca endorréica de la región central de Chihuahua en el periodo 1993-2010. Una zonificación desde la perspectiva hidrofuncional. Memorias Reunión Nacional SELPER-México XIX, 390-398. Callejas, N. (2007). Evaluación de Alianza para el Campo de los Sistemas Producto Frutícolas en el Estado de Chihuahua. Retrieved Marzo 25, 2013, from http://www.fz.uach.mx/data/files/Alianza/informe%20 completo%20fruticola%20final.pdf CONAGUA. (2008). Estadísticas del Agua en México 2008. Retrieved Marzo 23, 2013, from CONAGUA: http://www.conagua.gob.mx/CONAGUA07/Publicaciones/Publicaciones/EAM_2008.pdf CONAGUA. (2011, Marzo). Estadísticas del agua en México, edición 2011. Retrieved Marzo 23, 2013, from http://www.conagua.gob.mx/OCB07/ Contenido/Documentos/EstadisticaAguamexico2011.pdf Díaz-Padilla, G. (2011, septiembre). Mapeo del índice de aridez y su distribución poblacional en México. Revista Chapingo. Serie ciencias forestales y del ambiente, vol. XVII, pp. 267-275. ESRI. (2012, 11 7). ArcGIS Resource Center. Retrieved 02 05, 2013, from http://resources.arcgis.com/en/home/ Gobierno del Estado de Chihuahua. (2004). Plan estatal de desarrollo 20042010, agua. Retrieved from http://bva.colech.edu.mx/xmlui/handle/1/1024 INEGI. (2005). INEGI. Retrieved 03 26, 2013, from http://www3.inegi.org. mx/sistemas/mexicocifras/datos-geograficos/08/08017.pdf López, L. (2003). El concepto de desarrollo humano, su importancia y aplicación en México. México: Programa de las Naciones Unidas para el Desarrollo [PNUD]. Orozco, A. (2007). Determinación del régimen de riego para manzano bajo microaspersión mediante el uso de estaciones meteorológicas y sondas de captancia (FDR). Retos de la investigación del agua en México, 239253. Orozco, A. (2012). Manejo eficiente del agua de riego en manzano mediante goteo y acolchado de subproductos forestales. Red Temática del Agua
Capítulo II
Geoinformática aplicada a la Planificación Urbana
135
del Consejo Nacional de Ciencia y Tecnología (RETAC - CONACYT). Shah, A. (2010). Land degradation and migration in dry land región in India: extent, nature and determinants. Environment and Development Economics 15(2), 173-196. Verbist K., S. F. (2010). Atlas de Zonas Áridas de América Latina y El Caribe. . Retrieved from CAZALAC. Documentos Técnicos del PHI-LAC.
136
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Capítulo II
Geoinformática aplicada a la Planificación Urbana Menos profundo
Simbología Spline (metros de profundidad) Value Más profundo: 423.369
Anexos Anexo 1
137
138 155.526056 - 160
151.312449 - 155.526056
147.344147 - 151.312499
143.606809 - 147.344174
140.086961 - 143.606809
136.771971 - 140.086961
130.649916 - 136.771971
130.709567 -133.649916
127.940349 - 130.709567
125 -127.940349
[MASCARA]
[Pozos_ACT].[N_Estático]
Interpolación Gausiana
Simbología
Anexo 2
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Capítulo II
Geoinformática aplicada a la Planificación Urbana
20.406018 - 28.0790273
15.5015574 - 20.406018
11.315051 - 15.5015574
8.70760257 - 11.315051
6.88804531 - 8.70760257
5.6183026 - 6.88804531
4.73223731 - 5.6183026
4.11391384 - 4.73223731
3.22784855 - 4.11391384
1.95810584 - 3.22784855
[MASCARA]
[Pozos_ACT].[N_Estático]
Error estándar de predicción
Simbología
Anexo 3
139
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica Menos profundo: 119.006
Microaspersión
Goteo
Simbología Huertas Spline (metros de profundidad) Riego Más profundo: 423.369 Acolchado
155.526056 - 160
151.312449 - 155.526056
147.344147 - 151.312499
143.606809 - 147.344174
140.086961 - 143.606809
136.771971 - 140.086961
130.649916 - 136.771971
130.709567 -133.649916
127.940349 - 130.709567
125 -127.940349
[MASCARA]
[Pozos_ACT].[N_Estático]
Interpolación Gausiana
Simbología
Anexo 4
Predicción y modelación del crecimiento urbano
de Ciudad Cuauhtémoc, Chihuahua del 2010, usando autómatas celulares (SLEUTH)
Manuel Octavio González León, Hugo Luis Rojas Villalobos, Luis Carlos Alatorre Cejudo y Luis Carlos Bravo Peña
Introducción
E
l estudio del crecimiento urbano, encuentra cada día nuevos retos debido a los impactos ambientales, sociales, económicos y culturales que comprenden los procesos de urbanización (Cifuentes, 2009). En la actualidad existe un proceso de urbanización acelerado, por lo que han surgido cambios importantes en los patrones de crecimiento de la población en las ciudades (Cifuentes, 2009). Dada la competencia por el suelo urbano, aquellos espacios de mejor accesibilidad adquieren mayor valor, al ser los sectores de mayor demanda (Hoyt, 2005). Por lo que las vías de comunicación se convierten en factores importantes de crecimiento urbano. Otro factor que ha sido protagonista en el cambio del espacio urbano es la economía, sin embargo, existen diferentes factores que pueden incidir en el crecimiento de una ciudad como son, la
141
topografía y las construcciones de equipamientos, como lo son educativos, de salud, culturales, administrativos, entre otros (Ascher, 1992). En algunas ciudades de América Latina, un importante factor de crecimiento urbano ha sido el surgimiento de nuevas zonas residenciales, comercios, equipamientos y servicios destinados a grupos sociales (Parrado, 2001). Dentro de la ciudad, diversas actividades se han ido desplegando hacia lugares específicos en la periferia, originando nuevos focos de crecimiento para la localización de actividades de alta tecnología y servicios especializados (Cifuentes, 2009). Se hace evidente entonces la necesidad de la planeación urbana que es de gran importancia para la toma de decisiones y planeación del crecimiento urbano, la cual permite evaluar distintas políticas tales como las de control de crecimiento urbano, conservación ambiental, etcétera (Brugués et al., 2008). El hecho de poder contar con herramientas que simulen la tendencia del crecimiento urbano, es útil para conocer hacia donde nos dirigimos sobre todo en este contexto en el que los cambios acontecen de manera acelerada (Aguilera, 2010), así como para apoyar a planificadores urbanos y tomadores de decisiones (Brugués et al., 2008). La simulación de patrones espaciales urbanos futuros pueden proveer elementos de cómo nuestras ciudades pueden desarrollarse bajo variadas condiciones sociales, económicas y ambientales (Clarke et al., 1997). Estos avances en los modelos de crecimiento urbano permiten hacer estudios formales y sistemáticos de posibles escenarios, y proveen las bases para preparar o evaluar políticas urbanas para ayudar a la planificación (Brugués et al., 2008). El uso de modelos de simulación para estudiar el cambio de usos de suelo se ha convertido en algo habitual y ha experimentado un desarrollo acelerado en los últimos años (Batty, 1997), siendo especialmente relevantes aquellos que se han ocupado de modelizar procesos de crecimiento urbano (Verburg et al., 2004). La técnica de simulación mediante autómatas celulares (AC), que se remonta a fines de la década de los 40s (Engelen et al., 1997), se ha convertido en los últimos años en una técnica estándar para estudiar la dinámica temporal de muchas cuestiones y, en primer lugar, el crecimiento urbano (Aguilera, 2006). Los modelos realizados con AC se han utilizado para simular diferentes tipos de formas urbanas y formas de desarrollo (Li y Yeh, 2000) y para investigar la evolución de la estructura espacial urbana en el tiempo (White y Engelen, 2000). Debido al crecimiento acelerado de la población y de la mancha urbana que ha presentado Ciudad Cuauhtémoc, Chihuahua la planeación para el mejoramiento de la estructura urbana puede ser deficiente. Una buena forma
142
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
para hacer la planeación dentro del contexto del crecimiento urbano de la ciudad es mediante una predicción del mismo. SLEUTH es un programa novedoso con el cual se pueden realizar modelos de predicción del crecimiento urbano. Para ciudad Cuauhtémoc, Chihuahua la predicción del crecimiento urbano simulada con el modelo SLEUTH para el año 2010, se ajusta a la realidad del mismo año. El objetivo de este estudio fue simular y predecir el crecimiento urbano de ciudad Cuauhtémoc para el año 2010, mediante el uso de un modelo de simulación de autómatas celulares (SLEUTH), y hacer una comparación entre los resultados obtenidos y una imagen satelital del mismo año, para así obtener el grado de ajuste del modelo predicho con la realidad, y saber si es confiable o no utilizar este modelo para realizar estudios a futuro que ayuden a la toma de decisiones y planear el crecimiento de la ciudad.
Metodología Área de estudio La investigación se llevó a cabo dentro del municipio de Cuauhtémoc en la zona centro-oeste del estado de Chihuahua, México entre 28°21’ y 28°28’ de latitud norte y 106°56’ y 106°46’ de latitud oeste, la cual abarca la mancha urbana de ciudad Cuauhtémoc (Figura 1). Cuauhtémoc es una de las principales ciudades del estado de Chihuahua, su municipio cuenta con una población total de 154,639 habitantes (INEGI, 2010) y en los últimos años el crecimiento poblacional ha ido aumentando aceleradamente, del año 2000 al 2010 la población incremento el 24% aproximadamente. La región de Cuauhtémoc se caracteriza por la producción de manzana y su gran cantidad de tierras agrícolas basadas principalmente en la siembra de maíz y frijol.
Programa SLEUTH El programa SLEUTH es un modelo simulador de predicciones del crecimiento urbano y otros cambios de uso de suelo basado en autómatas celulares. Este modelo programado en lenguaje C, utiliza imágenes satelitales y una base de datos geoespaciales como datos históricos para la calibración de sus parámetros y para la predicción de crecimiento urbano. El nombre del programa hace
Capítulo II
Geoinformática aplicada a la Planificación Urbana
143
referencia a los datos de entrada que necesita: Slope, Landuse, Excluded, Urban, Transportation y Hillshade (Pendiente, Usos de suelo, zonas de Exclusión, áreas Urbanas, red de transporte y sombreado de colinas). El funcionamiento del modelo es a partir de un grupo de coeficientes dados por el programa, los cuales son de difusión, de raza, de propagación, de pendiente y de caminos, que aplican un conjunto de reglas que se comparan con un conjunto de valores críticos a partir de los cuales se automodifican los coeficientes para generar un nuevo ciclo de crecimiento (Brugués et al., 2008). La predicción, que se realiza a partir de un conjunto de valores obtenidos de la calibración de los datos de entrada, hace el proceso mediante ciclos de crecimiento hasta llegar a la fecha de predicción a la que se desea llegar (Brugués et al., 2008) (Figura 2).
Adquisición de datos Este estudio utilizó datos de varias fuentes para obtener los requerimientos del modelo, incluyendo Sistemas de Información Geográfica (SIG), imágenes satelitales Landsat-TM, las cuales se descargaron de la página web de USGS (USGS, Earth Resources Observation and Science Center, 2012) y un Modelo Digital de Elevaciones (MDE) obtenidas del Instituto Nacional de Estadística y Geografía (INEGI, 2010).
Procesamiento y homogenización de los datos Para obtener los datos de entrada de SLEUTH, en primer término se seleccionó, cortó y exportó a un formato de archivo informático (.TIF, que es una imagen), el área de estudio mediante el software Idrisi Taiga. Luego se utilizó el software ArcMap en su versión 10 para realizar una clasificación manual mediante fotointerpretación, usando como base las imágenes Landsat-TM en sus diferentes años. Se digitalizó con vectores poligonales el área urbana, la red de transporte y usos de suelo, dando a cada área clasificada una ponderación (Cuadro 1). Después se convirtieron los polígonos a formato raster.
144
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 1. Localización del área de estudio. Mancha urbana de ciudad Cuauhtémoc, Chihuahua. Generación Generación de ciclosdedeciclos crecimiento de crecimiento
Condiciones Condiciones
Modelo de Modelo simulación de simulación
Imágenes deSlope entrada Slope Land Cover Valores iniciales Valores iniciales
+ +
Land cover Exluded Exluded Urban Urban Transportation Transportation
Calibración del modelo Calibración del modelo
Mejor coeficiente Mejor coeficiente
S
S
Hillshade
Figura 2. Proceso de predicción del modelo SLEUTH. Fuente: USGS, Project Gigalopolis: Urban and Land Cover Modeling. dándole el peso generado con los vectores. Con el mismo software se realizaron el sombreado de colinas (Hillshade) y el mapa de pendientes mediante el MDE.
Cuadro 1. Valores que tienen los datos de entrada
Capítulo II
Geoinformática aplicada a la Planificación Urbana
145
Datos de entrada
Área urbana Red de transporte Usos de suelo Sombreado de colinas Pendientes Zonas de exclusión
Valores 0 y 254 0, 1, 2 y 4 1, 2, 3, 4 y 5 De 0 a100 De 0 a 100 0, 30 y 100
Generación de la base de datos de entrada de SLEUTH a) Pendientes (slope)
La forma de la tierra, representada por las pendientes, es determinante para el crecimiento urbano. En las extensiones planas, al contrario de los lugares en donde la pendiente aumenta, es más fácil el crecimiento debido a la estabilidad del suelo para las estructuras de los desarrollos urbanos. Como su nombre lo indica, esta imagen muestra las pendientes las cuales se representan en porcentajes y se obtienen entre la altura y la distancia del terreno. Los valores de este dato de entrada tienen un rango de 0 a 100 en escala de grises y se obtuvieron a partir del Modelo Digital de Elevaciones (Figura 3).
Figura 3. Imagen de pendientes representada en porcentajes, ciudad Cuauhtémoc, Chihuahua.
146
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
b) Cobertura de suelo (landuse)
La cobertura de suelo es un requerimiento de SLEUTH usado para representar el uso de suelo. Es una entrada opcional que se genera para dos años. Para este estudio se realizaron para el año 1990 y 2005, en donde la clasificación tiene cinco valores en los pixeles que van del 1 al 5, representando las áreas de urbano, agrícola, no utilizado, forestal y cuerpos de agua (Figura 4 y 5). Para generar esta imagen se digitalizó cada clasificación mediante fotointerpretación de las imágenes Landsat-TM. Esto consiste en hacer polígonos de tipo vector en cada uso de suelo para posteriormente transformarlo a formato raster.
c) Exclusión (excluded)
Las áreas de exclusión son las zonas que no pueden ser urbanizadas, para este trabajo se tomaron en cuenta los cuerpos de agua, las huertas de manzana y las pendientes. Los pixeles de las zonas excluidas van de 0 a 100, con valor de 0 en donde no se tienen restricciones de crecimiento urbano y 100 las áreas que no pueden ser urbanizadas.
Leyenda U Urbano A Agrícola NU No utilizado F Forestal CA Cuerpos de agua
Figura 4. Usos de suelo del año 1990, ciudad Cuauhtémoc, Chihuahua.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
147
Leyenda U Urbano A Agrícola NU No utilizado F Forestal CA Cuerpos de agua
Figura 5. Usos de suelo del año 2005, ciudad Cuauhtémoc, Chihuahua. Para este trabajo se agregó un valor de 30 en el uso de suelo agrícola, con el fin de darle una resistencia debido a que los dueños de los terrenos, especulan con el valor de la tierra ya que se van generando servicios sanitarios y eléctricos alrededor (Antequera, 2010), y un valor de 100 en las huertas por el motivo de que, con base a la fotointerpretación, se observa el casi nulo cambio de uso de suelo en estas áreas; también se obtuvo el valor de 100 mediante las pendientes que superan la inclinación para la construcción y a los cuerpos de agua (Figura 6). En la imagen se observa de color blanco las áreas excluidas, en la parte inferior derecha se encuentran montañas y lomeríos de la zona, al centro de la imagen se muestran las huertas en su mayoría de manzana y en color gris el área agrícola.
d) Zonas urbanas (urban)
Las zonas urbanas son la delimitación de lo urbano y lo no urbano. SLEUTH requiere de un mínimo de 4 imágenes urbanas para determinar los datos históricos de crecimiento.
148
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Para representar las zonas urbanas, los pixeles toman valores de 0 a 255, en donde 0 es lo no urbano y los demás valores lo urbano (Figura 7).
Figura 6. Áreas que presentan resistencia para el crecimiento urbano, ciudad Cuauhtémoc, Chihuahua. Esta clasificación se realizó con base en las imágenes satelitales Landsat-TM, digitalizando polígonos urbanos y no urbanos para posteriormente modificarlos a formato raster. Los polígonos que tenían un área menor a 0.4 km2, los cuales fueron digitalizados a escala 1: 10 000, se eliminaron debido a que el área mínima cartografiable no debe ser menor a 4mm2 (2 x 2 mm), medidos a escala del mapa (Chuvieco, 2000). El crecimiento urbano de los cuatro años mostró una tendencia principalmente hacia el oeste. El periodo que más crecimiento tuvo, según la digitalización realizada, fue entre los años 2000 y 2005 con una expansión de la mancha urbana de 4.53 km2.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
149
e) Red de transporte (transportation)
Dentro de SLEUTH la red de transporte representa hacia donde puede crecer la ciudad tomando en cuenta la influencia de las vialidades principales. Esta red se genera a partir de las avenidas o caminos principales de la ciudad, a las cuales se les da un peso dependiendo su accesibilidad.
Figura 7. Mancha urbana de Ciudad Cuauhtémoc, Chihuahua de los años 1990, 1995, 2000 y 2005. Son necesarias mínimo 4 imágenes de años distintos de la red de transporte para los datos de entrada del programa. En este caso se dieron tres valores a los pixeles, en donde el valor 4 son las vialidades de alta accesibilidad o vialidades regionales, 2 las de medio acceso y 1 las de bajo acceso (Figura 8). En las imágenes generadas para este trabajo, se identificaron como vialidades de alto acceso las avenidas que conectan con las salidas de la ciudad, estas son la Avenida 16 de Septiembre que conecta con la carretera Cuauhté-
150
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
moc-Chihuahua, el Boulevard Fernando Baeza, que se une con la carretera a La Junta, la vialidad José María Morelos que conecta a la carretera a Anáhuac, también se identificó el corredor comercial, la carretera a Carichi, y dentro de la ciudad la avenida Ignacio Allende que es de las más transitadas. Estas vialidades no cambiaron durante este periodo y fueron las únicas de alto acceso para los cuatro años. Las vialidades de medio y bajo acceso tuvieron un cambio notable entre los años 2000 y 2005, sin embargo, ninguna cambio a vialidad de alto flujo vehicular.
Figura 8. Vialidades principales de Ciudad Cuauhtémoc, Chihuahua.
f) Sombreado de colinas (hillshade)
Se requiere usar el hillshade como dato de entrada en SLEUTH. Este es colocado en el resultado como imagen de fondo para darle un aspecto tridimensional y para tener una mejor visualización del relieve. El MDE transformado a hillshade tiene una escala de grises que van del 0 al 100 (Figura 9).
Capítulo II
Geoinformática aplicada a la Planificación Urbana
151
g) Formato de entrada
Las imágenes de entrada de SLEUTH necesitan estar en un formato de intercambio de gráficos (.GIF), deben de ser consistentes en su tamaño, tanto en el número de filas como de renglones en cada imagen y tener una especificación para darle un valor a cada pixel (Clarke y Hoppen, 1997). Las imágenes llevan un formato en su nombre y deben ser ubicadas en las carpetas de entrada para poder obtener la ejecución correctamente.
Compilación y ejecución de SLEUTH
Figura 9. Sombreado de colinas, Ciudad Cuauhtémoc, Chihuahua. Para poder correr SLEUTH en su versión 3.0 para el sistema operativo Linux, fue necesario compilar y correr el archivo que contiene los datos de entrada. Para este estudio se utilizó la herramienta cygwin, que es un compilador de Linux y se puede utilizar dentro del sistema operativo Windows. Se usó la herramienta cygwin, obtenida desde el sitio web de la misma (GPL, 2012), con la que se compiló la carpeta de SLEUTH copiada dentro del área de trabajo ubicada en la carpeta de cygwin que se instaló en el disco
152
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
duro de la computadora. Después de compilar la carpeta Scenarios, se ejecutó el archivo escenario que contiene los datos modificados para cada estudio al cual se le realizó la calibración y predicción.
Calibración del modelo La calibración del modelo es un ajuste de los datos de entrada de los cuales se derivan un conjunto de valores estimados. Esta estimación se genera a partir de los cambios de los datos históricos de entrada y de la comparación del suelo. Esta fase se siguió en tres pasos denominados gruesa, fina y final (coarse, fine, final), los cuales ayudan a obtener los mejores valores de los cinco parámetros con los que se determina el crecimiento urbano. La calibración se realizó a través de interactuar con los valores de los coeficientes hasta tener el valor óptimo de cada coeficiente. Estos coeficientes son: el coeficiente de difusión (diffusion), que determina la dispersión general de la distribución de cuadrícula y la circulación de los nuevos asentamientos hacia el exterior a través de la red de transporte; el coeficiente raza (breed), que determina la probabilidad de una solución recién generada a partir de su propio ciclo de crecimiento; un coeficiente de propagación (spread), que controla que tan normal se hace la expansión dentro del sistema; un coeficiente de resistencia a la pendiente (slope), el cual disminuye el crecimiento a donde las pendientes son más pronunciadas, y un coeficiente de caminos (road), que crea nuevos asentamientos hacia donde se dirige la red de transporte ya existente. Los valores de los parámetros de la calibración pueden ir de 0 a 100, los que indican la importancia de cada tipo de crecimiento urbano en el proceso de predicción de crecimiento. Entre más alto sea el valor del parámetro, mayor será la el efecto de este parámetro en la generación del crecimiento urbano (Márquez, 2008). Para realizar la calibración se requieren como base cuatro imágenes que representen lo urbano, cuatro imágenes de la red de transporte, la imagen de pendientes, de exclusión y la de sombreado de colinas. En cada calibración se creó un archivo denominado control_stats.log, el cual contiene los resultados de las estadísticas creadas por la calibración. Dentro de estos valores se encuentra la medida de Lee Sallee que es el ajuste espacial entre el modelo de crecimiento y la extensión urbana conocida para el control de los años, en donde 1 es la combinación perfecta y 0 representa un espacio de desconexión. Esta medida es utilizada para generar los valores que lleva cada coeficiente de calibración dentro del documento de escenario.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
153
a) Calibración gruesa
En esta fase inicial de calibración, se comenzó con valores que van de 0 a 100 dentro de los parámetros, en donde los pasos se colocaron con un valor de 25. Con esto, el crecimiento en cada parámetro puede tomar el valor de 0, 25, 50, 75 o 100. También se debe de cambiar a un valor bajo (~4-5) la configuración de Monte Carlo. Para esta calibración los datos de entrada tienen que ser de ¼ de la resolución original de las imágenes. Por ejemplo, si un conjunto de datos tiene una resolución de 200x200, para la calibración gruesa las imágenes tienen que ser reemplazadas por una resolución de 50x50. En esta fase se utiliza el tamaño de celda más grande de los tres pasos de calibración. Dentro de los resultados de la calibración, se ordenaron los datos de mayor a menor con base a la medida de Lee Salle para obtener los primeros tres valores de los parámetros, los cuales se colocan en los parámetros de la siguiente calibración.
b) Calibración fina
En esta fase de calibración los coeficientes del documento escenario toman los valores obtenidos de la calibración gruesa, los cuales generan índices que identifican las combinaciones de los valores de cada parámetro que generan mejores simulaciones. La configuración de Monte Carlo se debe de cambiar a un valor bajo (~7-8). Para la calibración fina los datos de entrada deben de ser cambiados por los que tienen ½ resolución. Por ejemplo, si un conjunto de datos tiene una resolución de 200x200, en este proceso las imágenes deben de tener una resolución de 100x100. En los resultados de los datos, lo recomendable es que los rangos se redujeran a los incrementos de 5 - 10 para poder ser utilizados al mismo tiempo sólo con valores de 5-6 en el coeficiente, por ejemplo, en cada coeficiente, el valor sería de 25, 30, 35, 40, 45, 50. Después de correr este paso se ordenaron los datos de mayor a menor con base a la medida de Lee Salle. El primer valor es el que se coloca en los parámetros de la calibración final.
c) Calibración final
En la calibración final, los valores de los coeficientes se reducen aún más. En esta fase lo recomendable es que los rangos se redujeran a los incrementos de
154
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
1 - 3 para poder ser utilizados al mismo tiempo sólo con valores de 5-6 en el coeficiente, por ejemplo, en cada coeficiente, el valor sería de 4, 6, 8, 10, 12, 14. En la calibración final se usa la resolución completa de las imágenes en la entrada de los datos. Los parámetros se obtienen de la calibración fina y los pasos son de 1. El valor de Monte Carlo se cambia a un valor bajo de entre 8 y 10.
d) Mejores valores de calibración
En este paso se seleccionan los mejores valores, derivados de la calibración gruesa, fina y final, para realizar la predicción y la configuración de Monte Carlo incrementa a un valor de 100 o mayor. El archivo avg.log generado en la carpeta de salida, contendrá los mejores valores que se colocan en el coeficiente de predicción, esto es debido a que las iteraciones de Monte Carlo incrementan y producen un conjunto más robusto de valores. El valor que se utiliza en los parámetros de la predicción se ubica en el último renglón del archivo en números que se tienen que convertir a reales.
Predicción del modelo La predicción dentro de SLEUTH se basó en las tendencias del crecimiento urbano del pasado (Márquez, 2008), las cuales son usadas para generar el crecimiento a futuro. Después de haber seleccionado los mejores valores de crecimiento del pasado, se realizó el crecimiento a futuro. El año de inicio de la predicción debe de ser el último año de las imágenes de entrada con las que se realizó la calibración. Para este estudio la fecha de inicio es el 2005 y la final el 2010. Los datos de entrada de la predicción son las imágenes con resolución completa de pendientes, zonas de exclusión, red de transporte, sombreado de colinas y los datos más recientes generados con la calibración.
Comparación entre el modelo de predicción y la imagen real Debido a que es posible formular diferentes criterios que permiten medir la similitud de dos mapas y de esa manera establecer la validez de un modelo de simulación (Pascual et al., 2010), se realizó la comparción entre el modelo de predicción del crecimiento urbano de Ciudad Cuauhtémoc del año 2010 y la imagen satelital de la misma fecha, mediante el programa ArcMap 10 se rea-
Capítulo II
Geoinformática aplicada a la Planificación Urbana
155
lizó una digitalización de las áreas que crecieron del 2005 al 2010, con base a las imágenes satelitales Landsat-TM; después, la digitalización se empató con el modelo predicho y se hizo una comparación mediante fotointerpretación para determinar las zonas urbanas que coincidieron.
Resultados y discusión Modelo de Predicción Los resultados del modelo, debido a lo dinámico que pueden ser los factores en el proceso del crecimiento urbano, condicionan a que las áreas que se predijeron se representen en probabilidades (Brugués et al., 2008). La figura 10 muestra la mancha urbana base de la predicción, las vialidades principales y un rango de probabilidad de crecimiento representado en colores obtenido del modelo SLEUTH. El modelo de predicción representa la posibilidad de crecimiento urbano hasta el año 2010 y muestra las tendencias de expansión, siendo principalmente hacia el norte y oeste de la ciudad. Un elemento que influencia fuertemente la expansión urbana son las vialidades regionales con mayor flujo vehicular, esto debido a que en los años anteriores el crecimiento de la mancha urbana fue atraído por zonas en donde se encontraban cerca estas redes de transporte. El modelo de predicción generó crecimiento en todos los polígonos urbanos de los datos de entrada, siendo que en algunos polígonos no se presentó crecimiento en este periodo donde se encuentran los valores iniciales. A partir de los modelos teóricos de crecimiento urbano, en el modelo se observa que el crecimiento fue en forma concéntrica, que es el crecimiento en forma de anillos en torno al área central de la mancha urbana (Burgess et al., 1925), y en forma de núcleos múltiples (Harris y Ullman, 1945), en donde los usos de suelo se disponen alrededor de los núcleos de crecimiento separados entre sí; estos tipos de crecimiento se generaron en todas las zonas urbanas, excluyendo las áreas que presentaron algún tipo de resistencia de crecimiento, como lo fue en este caso las huertas de manzana.
156
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Resultados de la comparación
Figura 10. Modelo de predicción generado con SLEUTH. El crecimiento real se mostró al igual que en el que generó el modelo, un crecimiento urbano hacia zonas pegadas a la mancha urbana base La comparación entre el modelo de predicción y el crecimiento real arrojó una baja coincidencia en el total de las probabilidades; sin embargo, los porcentajes de probabilidad de crecimiento fueron incrementando a partir del 70% y se obtuvo una alta coincidencia en los resultados en lo que SLEUTH determinó que la probabilidad de crecimiento era de entre 90 y 100%. La predicción y el crecimiento real que se presentó entre los años 2005 y 2010.
El cuadro 2 muestra el área de crecimiento y el porcentaje de coincidencia del modelo de predicción y el crecimiento real de ciudad Cuauhtémoc, determinados a partir de las probabilidades de crecimiento generadas con el modelo SLEUTH. El área total de crecimiento predicho fue de 10.54 Km2, en donde las probabilidades de crecimiento de 70 a 100% tuvieron poca área de expansión y las que van de 0 a 20 % y de 50 a 70 % fueron las que más crecieron. El área de crecimiento real total fue de 1.24 Km2, teniendo uno mayor crecimiento en
Capítulo II
Geoinformática aplicada a la Planificación Urbana
157
la probabilidad de 0 a 20% y de 50 a 80%. El rango con mayor posibilidad de crecimiento urbano en el modelo, que va de 90 a 100%, tuvo 0.02 Km2 y coincidió con el crecimiento real en 36.77%. La coincidencia total entre la comparación de ambos resultados fue de 11.78%, indicando un porcentaje bajo.
Figura 11. Áreas de coincidencia entre lo real y el modelo de predicción. Cuadro 2. Áreas de crecimiento del modelo de predicción y del crecimiento real. Probabilidad de Crecimiento Urbano 0 – 10 % 10 – 20 % 20 – 30 % 30 – 40 % 40 – 50 % 50 – 60 % 60 – 70 %
158
Área de crecimiento predicho (Km2) 2.784 1.758 0.985 0.783 0.836 1.242 1.113
Área de crecimiento real (Km2) 0.230 0.143 0.083 0.108 0.099 0.122 0.130
Porcentaje de coincidencia 8.271 8.162 8.470 13.839 11.920 9.878 11.718 Continúa...
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Probabilidad de Crecimiento Urbano 70 – 80 % 80 – 90 % 90 – 100 % Total
Área de crecimiento predicho (Km2) 0.703 0.305 0.028 10.54
Porcentaje de coincidencia
Área de crecimiento real (Km2) 0.115 0.058 0.010 1.24
16.486 19.118 36.771 11.78
Área de crecimiento (km2)
3 2.5 2 1.5 1 0.5 0 10%
20%
30%
Crecimiento predicho
40% 50% 60% 70% Probabilidad de crecimiento
80%
90%
100%
Crecimiento real
Figura 12. Gráfica de comparación entre el crecimiento real y el predicho con SLEUTH. En la figura 12 se observa la notable diferencia en la comparación del crecimiento real y predicho. En donde se presentó mayor crecimiento, basado en el resultado del modelo SLEUTH, fue en donde hubo baja probabilidad y en donde hubo mayor grado de certeza fue el crecimiento en áreas menores a 0.1 km2.
Conclusión Aun cuando se utilizaron imágenes Landsat-TM, las cuales tienen una baja resolución espacial (30 x 30 metros), se pudo hacer una confiable digitalización de los diferentes tipos de usos de suelo que requirió el modelo de predicción y la comparación con el crecimiento real. Los parámetros generados por el modelo, con base a los requerimientos de entrada, son parte crucial para generar la predicción del crecimiento ur-
Capítulo II
Geoinformática aplicada a la Planificación Urbana
159
bano, ya que con estos se obtienen los mejores valores para realizar la fase de predicción la cual da como resultado el modelo. La forma de representar los datos de entrada, generados por medio de la fotointerpretación, tienen una mejor delimitación de los usos de suelo en comparación a métodos de clasificación que son realizados por el software. La forma de crecimiento que arroja SLEUTH pudo haber sido porque no toma factores que pueden ser relevantes para el crecimiento de la mancha urbana, como lo son construcciones educativas, comerciales, de salud, culturales, administrativas entre otras. Aunque el total de coincidencia del modelo fue de 11.78%, la coincidencia en la comparación aumentó en los rangos más altos de certidumbre del modelo de predicción, por lo tanto SLEUTH puede generar una predicción con resultados confiables tomando en cuenta las zonas con alto nivel de probabilidad de crecimiento. Se recomienda que en los datos de entrada que usa el modelo SLEUTH sean definidos con imágenes de alta calidad para obtener un mejor resultado en la clasificación de usos de suelo y que se utilicen computadoras con procesadores novedosos ya que la calibración de los datos es muy tardada.
Agradecimientos Un agradecimiento especial al personal académico y administrativo de la Universidad Autónoma de Ciudad Juárez por su apoyo para poder realizar este proyecto de titulación. Al Mtro. Hugo Luis Rojas Villalobos director de mi proyecto. Al Dr. Alejandro Brugués Rodríguez del Colegio de la Frontera Norte por atenderme y compartirme su conocimiento el cual fue fundamental en mi trabajo. A la Mtra. Lara Cecilia Wiebe Quintana por su apoyo en la revisión y ayuda en las correcciones. Al Dr. Luis Carlos Alatorre Cejudo y al Dr. Luis Carlos Bravo Peña por sus enriquecedores comentarios y aportaciones.
Referencias Aguilera Benavente, F. (2006). Predicción del crecimiento urbano mediante sistemas de información y modelos basados en automatas celulares . GeoFocus, 81-112. Aguilera Benavente, F., Valenzuela Montes, L. M., y Bosque Sendra, J. (2010). Simulación de escenarios futuros en la aglomeración urbana de Granada
160
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
a través de modelos basados en autómatas celulares. Boletín de la Asociación de Geógrafos Españoles, 271-300. Antequera Durán, N., y Cielo, C. (2010). Ciudad sin fronteras. Sobre la multilocalidad de lo urbano en Bolivia. La Paz: Fondo Editorial Abigail Hodgen. Ascher, F. (1992). A Metápole. Ou L’avenir des villes . Editions Odile Jacob. Batty, M. (1997). Urban Systems as Cellular Automata. Environment and Planning B: Planning and Design, 159-164. Brugués Rodríguez, A., Fuentes Flores, C. M., y Cervera Gómez, L. E. (2008). La simulación del crecimiento urbano de la ciudad de Chihuahua Mediante la Aplicación de Autómatas Celulares. Antología de estudios territoriales. Fomento de los estudios territoriales en Iberoamérica, 1-25. Burgess, E. W., y Park, R. E. (1925). The City. Chicago.: University of Chicago Press. Chuvieco, E. (2000). En Fundamentos de Teledetección Espacial (pág. 568). Ed. Rialp Madrid. Cifuentes, P. A. (2009). Modelización de los factores de crecimiento urbano como aporte a la sostenibilidad. Estudio de caso: Manizales – Colombia. Sostenibilidad. Revista Internacional Sostenibilidad, Tecnología y Humanismo, 81-96. Clarke , K. C., Hoppen , S., y Gaydos, L. (1997). A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area. Environment and Planning B: Planning and Design, 24: 247-261. Engelen, G., White, R., y Uljee, I. (1997). Integrating constrained cellular automata models,GIS and decision support tools for urban planning and policy-making, in Timmermans H.(ed.), Decision Support Systems in Urban Planning, London: EyFN Spon. 125-155. GPL, G. (15 de Noviembre de 2012). Cygwin. Obtenido de Cygwin: www. cygwin.com Harris , C. D., y Ullman, E. L. (1945). The Nature of Cities. The ANNALS of the American Academy of Political and Social Science, 242, 7-17. Hoyt, H. (2005). The structure and growth of residential neighborhoods: 1939. Progress in Human Geography, Vol. 29, No. 3, 321-325. INEGI. (30 de Octubre de 2010). Instituto Nacional de Estadística y Geografía. Obtenido de http://www3.inegi.org.mx/sistemas/mexicocifras/ Li, X. y Yeh, A. G. O. (2000). Modelling sustainable urban forms by the integration of constrained cellular automata and GIS. International Journal of Geographical Information, 131-152.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
161
Márquez Lobato, B. Y. (2008). Análisis y simulación del crecimiento urbano utilizando sistemas de información geográficos: Ciudad Juárez, Chihuahua. Colegio de la Frontera Norte. Parrado, C. (2001). Metodología para la ordenación del territorio bajo el prisma de la sostenibilidad (Estudio de su aplicación en la ciudad de Santa Fe de Bogotá D.C), Tesis Doctoral, Departamento de Ingeniería Minera y Recursos Naturales, Universidad Politécnica de Cataluñ. Pascual Rosa, V., Aguilera Benavente , F., Plata, W., Gómez Delgado, M., y Bosque Sendra, J. (2010). Simulación de modelos de crecimiento urbano: métodos de comparación con los mapas reales. Tecnologías de la Información Geográfica: La Información Geográfica al servicio de los ciudadanos, 1000-1013. USGS. (15 de Noviembre de 2012). Earth Resources Observation and Science (EROS) Center. Obtenido de http://glovis.usgs.gov/ USGS. (7 de Mayo de 2013). Project Gigalopolis. Obtenido de Project Gigalopolis: http://www.ncgia.ucsb.edu/projects/gig/About/bkStrTest.html Verburg, P., Schot, P., Dijst, M., y Veldkamp, A. (2004). Land use change modelling: current practice and research priorities. Geojournal, 309-324. White, R. y Engelen, G. (2000). High-resolution integrated modelling of the spatial dynamics of urban and regional systems. Environment and Urban Systems, 383-400.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Análisis del cambio de cobertura y uso de suelo
durante el periodo 1995 –2011, EMC y autómatas celulares para la predicción del crecimiento urbano, el caso de ciudad Cuauhtémoc, Chihuahua
Jaime Octavio Loya Carrillo, María Elena Torres Olave, Luis Carlos Bravo Peña y Luis Carlos Alatorre Cejudo
Antecedentes
S
egún el Informe Mundial sobre la Cultura (1998) de la organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura (UNESCO), a principios del siglo XX, 150 millones de personas vivían en zonas urbanas, lo que representaba menos del 10% de la población mundial. Sin embargo para cuando el siglo termina, la población urbana en el mundo se ha multiplicado por veinte, para alcanzar casi los tres mil millones de personas, es decir, que dentro de los núcleos urbanos, se encuentra prácticamente la mitad de la población del planeta (UNESCO, 1999). A pesar de ello, es importante mencionar que aun cuando las expectativas del crecimiento demográfico eran muchas, las tendencias señalan que las tasas de
163
crecimiento poblacional han disminuido, principalmente en una gran cantidad de ciudades existentes en los países en vía de desarrollo (Banco Mundial [BM], 2002). Cabe mencionar que el desarrollo económico, especialmente en México, es una de las principales razones del crecimiento urbano, ya que como menciona Garza (2002), se convirtió en una nación esencialmente rural en el año 1900 a otra hegemónicamente urbana en el año 2000, de igual forma, Rionda (2007, 2008), señala que el esquema económico, las reformas institucionales y las bases estructurales del desarrollo, son factores que explican claramente los patrones de urbanización. Los procesos de crecimiento urbano se presentan en el espacio-tiempo, sobre los diferentes usos y coberturas de suelo existentes al área circundante, lo cual, propicia transformaciones radicales al entorno, ocasionando impactos agresivos al medio ambiente derivándose una gran cantidad de problemas ambientales, que en ocasiones, resultan impredecibles (Alberto, 2009). La importancia de este fenómeno, se debe principalmente a la degradación que se provoca en los ecosistemas naturales originales, causados específicamente por la presencia de ciudades, las cuales son el resultado del crecimiento urbano y según varios especialistas en el tema (Alberto, 2009), son consideradas como ecosistemas artificiales, a veces calificadas como parásitos, debido a que toman energía y recursos de ecosistemas vecinos. Es claro como la expansión urbana ha ocurrido a lo largo del tiempo a partir de procesos de cambio de cobertura y uso de suelo, en el que se transforman espacios naturales o seminaturales en espacios de ocupación urbana (Sandoval, 2009), de tal forma, que este fenómeno ha adquirido gran importancia durante los últimos años, debido, a la gran velocidad con la que se comprometen grandes extensiones de terreno, las cuales estuvieron cubiertas inicialmente por diversos usos agrícolas y extensas masas forestales (Romero et al, 2007), por lo que muy seguramente, este proceso seguirá ocurriendo de la misma forma en los siguientes lapsos de tiempo. En este sentido, el estudio de la dinámica espacio-temporal del cambio de uso y cobertura de suelo permite asentar las bases para conocer las tendencias de los procesos de deforestación, degradación, desertificación y perdida de la biodiversidad de una región especifica (Velázquez et al, 2002). De acuerdo con esto, en México, existen una gran cantidad de estudios realizados (Bocco, 2001; Priego et al, 2004; Berlanga et al, 2009), sin embargo, ya no es suficiente establecer el grado de conversión de usos y coberturas de suelo en una zona determinada, sino que es necesario aprovechar la tecnología, como
164
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
lo es el caso de los Sistemas de Información Geográfica (SIG) y Sistemas de Percepción Remota (SPR), con el objetivo de prevenir, anticipar y mitigar dinámicas insostenibles provocadas principalmente por las formas actuales de crecimiento urbano (Sandoval, 2009). Los SIG son definidos por Goodchild (2000) como: “una tecnología integradora que une varias disciplinas con el objetivo común del análisis, creación, adquisición, almacenamiento, edición, transformación, visualización, distribución, etc. de información geográfica”, mientras que los SPR permiten generar datos actualizados sobre terrenos específicos, apoyados con levantamientos y verificaciones en campo (Rosete y Bocco, 2004), ambas herramientas se complementan muy bien, de hecho, existen varios estudios que utilizan estos instrumentos como apoyo (Berlanga y Ruiz, 2007; Leutner et al, 2012) y gran parte de ellos, tratan de modelar diversos datos espaciales para descubrir patrones de crecimiento y cambio, sobre todo, para dar soporte a decisiones que tienen que ver con diversos proyectos cuyo objetivo, es la conservación ambiental. A partir del escenario planteado con anterioridad, surge la necesidad de utilizar modelos de simulación de cambio de cobertura y uso de suelo, los cuales, básicamente tienen el objetivo de explorar los mecanismos, las variables sociales, económicas y espaciales que provocan este fenómeno, además, permiten proyectar los efectos potenciales en el ámbito socio-ambiental, así como la evaluación del impacto que políticas y regímenes alternativos tienen, en los patrones de crecimiento urbano y uso de suelo (Henríquez et al, 2006).
Definición del problema Los cambios económicos, sociales y la urbanización de un territorio, en la mayoría de las ocasiones están ligados al desarrollo industrial, lo que trae consigo un acelerado incremento en la población urbana y a su vez, un aumento considerable en la extensión de su superficie, en consecuencia, surgen nuevos fenómenos sociales, entre los que destacan la migración del campo a la ciudad y la necesidad de desarrollar sistemas de transporte mucho mas complejos (Rojas et al, 2009). Estos factores han hecho que la ciudad se transforme en un espacio dinámico y en continuo crecimiento, donde la demanda de recursos es cada vez mayor. En este contexto, aparecen una gran cantidad de ciudades existentes en México, como lo es el caso de ciudad Cuauhtémoc, Chihuahua, la cual es catalogada como un complejo agrícola y comercial, en el que la decadencia del sistema de haciendas y el pensamiento que surgía de
Capítulo II
Geoinformática aplicada a la Planificación Urbana
165
la nueva forma de tenencia de la tierra, pretendía además del desarrollo de la agricultura y la ganadería, la creación de nuevos centros urbanos. El municipio de Cuauhtémoc, de acuerdo con las cifras correspondientes al censo de población y vivienda del Instituto Nacional de Estadística y Geografía (INEGI [INEGI], 2011), la población en el año de 1990 era de 112,589 habitantes, mientras para el año 2010 la cifra aumentó a154,639 habitantes, es decir se incrementó un 37.34% en un periodo de 20 años. Esto es señal de que la demanda de recursos es cada vez mayor y a pesar de no ser una ciudad con una gran extensión territorial, es bueno comenzar con estrategias de planeación que impidan el crecimiento desordenado de la ciudad. Partiendo de lo anterior, en el presente estudio se busca definir la dinámica de cambios de uso y cobertura de suelo en el contexto espacial y temporal, para de ser necesario, proponer a las autoridades encargadas de la planeación del municipio, la información necesaria para dar soporte a decisiones que busquen reducir los impactos del crecimiento urbano sobre los usos actuales (agrícolas) y la vegetación.
Justificación La expansión urbana tiene diversos efectos sobre la superficie terrestre por ejemplo la pérdida del suelo con un gran valor productivo, aumenta la presión en ambientes con un alto interés ecológico, fragmenta y satura el paisaje, provoca el uso intensivo de recursos naturales acabando con una porción bastante significativa de los mismos, y de esta forma, esta lista podría continuar hasta volverse casi interminable, por ello es necesario desarrollar modelos que permitan evaluar las consecuencias de las acciones del pasado y a la vez, permitan predecir las tendencias del futuro basados en las características del presente. En este sentido, es necesario prestar especial atención a los escenarios futuros, con el propósito de establecer estrategias mejor fundamentadas que permitan el desarrollo urbano con el mayor respeto posible hacia el entorno y que a su vez, ayuden a comprender mejor este fenómeno como el sistema dinámico complejo que es. Cabe resaltar que el diagnostico, la prospectiva y la modelización espacial del crecimiento urbano, también permite esclarecer el deterioro del entorno agrícola, lo cual lo vuelve en un tema de gran relevancia, principalmente, por ser un factor que garantiza la funcionalidad ambiental y la producción de alimentos. Por tal motivo, la información generada a partir del modelado de datos espaciales, permite a los administradores de suelo y tomadores de de-
166
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
cisiones predecir los efectos del manejo sobre las funciones del suelo, para de esta forma, comparar alternativas y tomar las decisiones apropiadas, lo que de alguna manera garantiza la fertilidad del suelo para futuras generaciones. El crecimiento urbano, se consolida principalmente en lugares preferentes por la población, de acuerdo a ello, aparece una técnica conocida como Evaluación MultiCriterio (EMC), la cual tiene el propósito de apoyar la toma decisiones, en este caso, la decisión del lugar más apto para construir. Esta técnica, puede ser integrada dentro de un SIG, por lo que suele ser muy útil en cuanto a procesos de modelación de datos espaciales para el ordenamiento del territorio. La modelación de escenarios urbanos futuros permite orientar como, donde y cuanto crecerán. En este sentido, se vuelve una herramienta muy importante sobre todo en términos de ordenamiento y planeación del territorio, en lo que a esto respecta, es de suma importancia para evitar los grandes problemas del crecimiento desordenado. De tal forma que esto, obliga a replantear las herramientas de planeación urbana, con el propósito analizar los pros y contras, y de ser necesario modificar el manejo de la ciudad. Lo innovador de este trabajo, reside en la importancia de generar información que ayude al establecimiento de políticas de planeación urbana, mediante el uso de modelos de simulación de cambio de usos y cobertura del suelo, integrando para ello, técnicas de sensoria remota y sistemas de información geográfica, especialmente en el caso de México, un país en vía de desarrollo, en el que es necesario la aplicación de modelos predictivos de crecimiento urbano, con el propósito de evitar los efectos secundarios que esto ocasiona. Además, hay que tomar en cuenta que este tipo de estudios en el país son muy escasos Rosete et al (2008) y Thaden (2012), de modo que la necesidad de generar este tipo de análisis es cada vez mayor, sobre todo aquellos en los que se especifique la metodología lo más claro posible, para que en un futuro puedan ser replicados en distintas zonas urbanas.
Objetivos Objetivo General • Generar un modelo integrado a partir del análisis del proceso de cambio de uso y cobertura de suelo en el periodo 1995-2011, además de la modelación del escenario futuro de crecimiento urbano para el año 2019.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
167
Objetivos específicos • Determinar la dinámica espacio-temporal de los patrones de cambio de cobertura y uso de suelo en el periodo 1995-2011. Modelar los procesos y patrones de cambio de cobertura y uso de suelo para el año 2019. • Determinar con base al modelo de predicción cuales usos y coberturas de suelo serán los más afectados a causa del crecimiento urbano.
Hipótesis “La proyección de escenarios futuros permite definir cuales usos o coberturas de suelo serán los más afectadas a causa del crecimiento urbano de acuerdo al modelo de predicción.”
Área de estudio La ciudad de Cuauhtémoc y colonia Anáhuac, forman un corredor que permite el flujo de servicios de una comunidad a otra. Estas dos comunidades se encuentran contenidos en el municipio de Cuauhtémoc, Chihuahua, México, en la región centro-oeste del estado, en una zona de transición entre la meseta y la sierra con altitudes que varían desde los 1800 a los 2400 metros de altura. Limita al norte con el municipio de Namiquipa, al sur con Cusihuiriachi y Gran Morelos, al este con Bachiniva y Guerrero y al oeste con Riva Palacio. Se encuentra delimitada por las coordenadas geográficas extremas 28° 19’ 39’’ y 28°30’ 15.9’’ de latitud norte y los 106°40’ 40.8’’ y 106° 56’ 33.1’’ de longitud oeste (Figura 1).
Materiales y métodos Cambio de uso y cobertura de suelo
Utilizando técnicas de fotointerpretación se realizaron tres cartografías de uso y cobertura de suelo correspondientes a los años 1995, 2003 y 2011, mediante el uso de imágenes del sensor Landsat TM pertenecientes a los meses de octubre para el primer año y noviembre para los siguientes dos, las cuales tienen una resolución espacial de 30 x 30 metros, además como herramienta auxiliar, se utilizaron imágenes en verdadero color contenidas
168
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
en el software SIG Google Earth, esto con el fin de facilitar el proceso de fotointerpretación. El manejo de imágenes satelitales fue a través de software SIG ArcGis 9.3, en el cuál, las clases fueron definidas de acuerdo al sistema de clasificación del Servicio Geológico de los Estados Unidos (USGS) resumido por Lillesand et al (2008). De acuerdo a esto, se establecieron las siguientes clases: suelo urbano o edificado, cultivos agrícolas (incluye cultivos de seca no de regadío y huertas de manzana), pastizales, bosques, agua y suelo desnudo (ver Cuadro 1).
Figura 1. Localización del área de estudio, imagen Landsat TM falso color infrarrojo (RGB: 432). Fuente: Elaboración propia.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
169
Cuadro 1. Tipología utilizada para la caracterización de usos y coberturas de suelo mediante fotointerpretación. USO O COBERTURA DE SUELO
DESCRIPCIÓN
VISTA
Se compone de áreas cubiertas en gran parte por estructuras. Se incluyen ciudades, pueblos, aldeas, grandes Suelo urbano o edificado extensiones a lo largo de vías de comunicación, complejos industriales y comerciales, instituciones que en su caso deban ser aisladas de la zona urbana.
170
Cultivos agrícolas
Puede ser definida como la tierra utilizada principalmente para la producción de alimentos y fibras. Incluye: tierras de cultivo, pastos, huertos, viñedos, viveros ornamentales, hortícolas, áreas confinadas y operaciones de alimentación.
Pastizales
Se definen como el terreno donde la vegetación natural potencial es predominante por gramíneas, plantas análogas, especies herbáceas o arbustos, así como pastos naturales.
Bosques
Representan las áreas que tienen un densidad aérea del 10% o más, zonas capaces de producir madera u otros productos de la misma. Zonas que ejercen una influencia sobre el régimen climático o el agua.
Agua
Esta clase incluye arroyos, canales, lagos, lagunas, embalses, bahías y estuarios.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
USO O COBERTURA DE SUELO
DESCRIPCIÓN
Suelo desnudo
Clasificada como la tierra árida con capacidad limitada para sustentar la vida y en la que menos de una tercera parte del área tiene vegetación u otra cubierta. Se incluyen áreas como: salinas secas, baches, rocas al descubierto, minas a cielo abierto, canteras y graveras.
VISTA
1 Fuente: Elaboración propia a partir de Lillesand, T. M., Kiefer, R. W., y Chipman, J. W.
(2008). Remote sensing and image interpretation. John Wiley y Sons.
Evaluación MultiCriterio (EMC) La técnica de EMC se llevó acabo en el software de procesamiento de imágenes Idrisi Taiga, a través del módulo Decision Wizard, para lo cual son requeridas una serie de capas, es decir, los factores, imágenes de aptitud con valores de 0 a 255 donde 0 es nula aptitud y 255 máxima aptitud. Mientras que las limitantes son capas binarias de 0 y 1, donde 0 restringe el cambio y 1 lo permite. Los factores considerados para la EMC fueron: • Red vial principal: a este factor se le calculó la distancia mediante el módulo DISTANCE en Idrisi y se utilizó para obtener el mapa de aptitud para crecimiento urbano, dado que como señalan Henríquez y Azócar (2007); “las vías de comunicación actúan como el principal eje estructurante del crecimiento urbano”. • Pendientes: para crecimiento urbano, de acuerdo con La Dirección de Estudios del Territorio Nacional (DETENAL) señalado por Durán (2004), considera pendientes adecuadas entre 0 y 15%, donde de 0 a 5% es totalmente apta, entre 5 y 15% moderadamente, y superiores al 15% es de uso urbano limitado. • Ganancias de superficie para cada uso de suelo Las limitantes consideradas para la EMC fueron: • Áreas naturales protegidas • Red hidrográfica
Capítulo II
Geoinformática aplicada a la Planificación Urbana
171
Cabe señalar que todos los factores utilizados para la obtención de los mapas de aptitud fueron estandarizados, es decir se generaron a partir de una función lineal en una escala de 0 a 255 mediante el módulo FUZZY de Idrisi, a excepción de la red vial principal, la cuál fue de modo decreciente, ya que como se señaló anteriormente, mientras mas cercanas estén las vías al área urbana mayor aptitud tendrán. Posteriormente se definió el peso para cada uno de los factores en la EMC, para ello, se utilizó el método de Jerarquías Analíticas (Gómez y Barredo, 2006) programado en el módulo Weight de Idrisi, en el cuál se asigna un valor a cada factor de acuerdo a su nivel de importancia (Figura 2). Al final, este procedimiento permitió obtener un mapa de aptitud territorial mediante la suma lineal ponderada de cada uno de los factores y limitantes, generados durante el análisis. Figura 2. Escala de posición continúa. 1/9
1/7
1/5
1/3
1
3
5
7
9
1 Fuente: Eastman, Ronald J. IDRISI Kilimanjaro Guide to GIS and Image Processing.USA: IdrisiProduction, 2003.
Modelo de simulación de cambio (Autómatas Celulares)
El modelo de simulación que se aplicó en el área de estudio fue un método con base en autómatas celulares, que se encuentra dentro del software Idrisi Taiga, en el módulo Ca_Markov. Para ello, es necesario la integración de una imagen con base, es decir una cartografía de usos y cobertura de suelo, en este caso la correspondiente al año 2011. Además, se deben incorporar las cadenas de Markov que contienen las probabilidades de cambio de un uso o cobertura de suelo en función del estado anterior de los mismos, es decir, con las cartografías pertenecientes al año 1995 y 2003, se obtuvieron las probabilidades de cambio para el año 2011. Por último, fueron requeridas las imágenes de aptitud generadas en la EMC, dado que el modelo Ca_Markov predice de acuerdo a las probabilidades generadas mediante el método de cadenas de Markov, pero limitándose a las zonas de mayor aptitud obtenidas a partir de la EMC.
172
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Una vez modelada la predicción de cambios de uso y cobertura de suelo, se validó a través de la comparación del año simulado con el año observado, es decir, el producto de aplicar Ca_Markov fue comparado contra la cartografía del año 2011. Para ello, se utilizó un índice estadístico llamado Kappa Estándar, el proporciona una perspectiva preliminar, con carácter matemático y fácil de interpretar (Barreira et al, 2012).Este índice utiliza a la vez Klocation y Kquantity. El primero de estos índices, mide el error de localización, es decir la ubicación de una categoría en un mapa es diferente de la ubicación de la misma categoría en otro mapa. Mientras que Kquantity, cuantifica el error que se produce cuando la cantidad de celdas pertenecientes a una categoría en un mapa es diferente a la cantidad de celdas de dicha categoría en otro mapa (Pontius, 2000; Sousa et al, 2002).
Resultados Cambio de uso y cobertura de suelo
Se generaron tres cartografías de usos y coberturas de suelo correspondientes a los años 1995, 2003 y 2011 (Figuras 3, 4 y5, respectivamente), con las cuales se cuantificaron los cambios en las diferentes coberturas existentes en el área de estudio. Mediante ellas se obtuvieron las matrices de detección de cambio en los periodos 1995-2003 (Cuadro2) y 2003-2011 (Cuadro3), así como las matrices de probabilidad de cambio para las fechas señaladas con anterioridad (Cuadro 4 y 5). Es importante señalar que en estos productos, se pudo discriminar que clases de usos y/o coberturas de uso de suelo, son los que presentaron cambios más notorios. Durante el periodo 1995-2003 (Cuadro2), la clase que sufre un cambio más significativo son los cuerpos de agua, dado que paso de 522.36 hectáreas (ha) a 93.78 ha, lo que equivale a un -82.54% de la superficie original. La clase pastizal también sufrió un cambio notable, dado que 224.64 ha pasaron a ser parte del uso agrícola. Para el periodo 2003-2011 la clase agua, pierde nuevamente una superficie significativa en cuanto a su representatividad en el área de estudio y a su ubicación espacial original, dado que 18.72 ha se convirtieron en suelo desnudo y 12.15 ha en pastizales, sin embargo, esta misma cobertura en el año 2003 era de 93.78 ha, y en el año 2011 se incrementó a103.32 ha, donde 40.41 ha de suelo desnudo se convirtieron en algún cuerpo de agua, un fenómeno que se nota claramente en la aparición de una serie de represas pequeñas, distribuidas a lo largo de la superficie en estudio.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
173
Cabe señalar que uno de los cambios de uso de suelo más importantes, es el crecimiento de la mancha urbana en ciudad Cuauhtémoc, Chihuahua y colonia Anáhuac, dado que en un lapso de dieciséis años, durante el periodo de 1995 a 2011, pasó de 3692.79 ha a 4464.9 ha, es decir, se incrementó 772.11 ha lo que equivale a un 20.9% de la superficie original. Este incremento se presenta de forma gradual, tal y como se muestra en la Figura 2 y principalmente, sobre el uso de suelo agrícola (Cuadro2 y 3). Es interesante observar que las zonas de crecimiento urbano son cada vez más alejadas del centro de la ciudad, lo cual demanda mayor cantidad de servicios y por tanto más explotación de recursos naturales, en este sentido habría que prestar especial atención al tipo de crecimiento que se está presentando en la región, específicamente el corredor Cuauhtémoc- Anáhuac y la parte sur-este de la ciudad, donde se observa claramente dicho crecimiento. Figura 2. Tendencias del crecimiento urbano durante el periodo 1995-2011.
Superficie en hectáreas
5000 4000
3692.79
4048.83
4464.9
2003
2011
3000 2000 1000 0
1995
Años
Fuente: Elaboración propia
174
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 3. Cartografía de usos y cobertura de suelo para el año 1995
Fuente: Elaboración propia Figura 4. Cartografía de usus y cobertura de suelo para el año 2003.
Fuente: Elaboración propia
Capítulo II
Geoinformática aplicada a la Planificación Urbana
175
Figura 5. Cartografía de usos y cobertura de suelo para el año 2011
Fuente: Elaboración propia Cuadro 2. Matriz de detección de cambios de usos y coberturas de suelo para la ciudad de Cuauhtémoc, Chihuahua durante el periodo 1995-2003. Agua
Bosque
5402.25 0 3.87 49.14 88.74 94.95
Urbano o edificado 69.48 3692.79 0 61.92 223.29 2.79
5.76 0 86.58 0 1.44 0
105.66 224.64 0 0 0 0 2587.41 18.18 32.49 15008.49 1.44 2.07
5638.95
4050.27
93.78
2727
Pastizales
Pastizales Urbano o edificado Agua Bosque Agrícola Suelo desnudo Cobertura total año 1 (1995)
Agrícola
Suelo desnudo 135.9 0 431.91 6.84 3.33 466.74
Cobertura total año 2 (2003) 5943.69 3692.79 522.36 2723.49 15357.78 567.99
15253.38 1044.72
28808.1
Fuente: Elaboración propia
176
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Cuadro 3. Matriz de detección de cambios de usos y coberturas de suelo para la ciudad de Cuauhtémoc, Chihuahua durante el periodo 2003-2011.
Pastizales
Pastizales 5619.42 Urbano o edificado 0 Agua 12.15 Bosque 0 Agrícola 0 Suelo desnudo 4.77 Cobertura total año 1 5636.34 (2003)
Urbano o edificado 11.7 4048.83 0 6.21 398.16 0 4464.9
Agua
Bosque
Agrícola
0 0 8.91 0 0 0 62.91 0 0 0 2720.79 0 0 0 14847.66 40.41 0 0 103.32
Suelo Cobertura total desnudo año 2 (2011) 0.18 5640.21 0 4048.83 18.72 93.78 0 2727 7.74 15253.56 999.54 1044.72
2720.79 14856.57 1026.18
28808.1
Fuente: Elaboración propia Cuadro 4. Matriz de probabilidad de cambio por clase para el periodo 1995-2003. Pastizales Pastizales Urbano o edificado Agua Bosque Agrícola Suelo desnudo
0.909 0.000 0.007 0.018 0.006 0.167
Urbano o edificado 0.012 1.000 0.000 0.023 0.015 0.005
Agua
Bosque
Agrícola Suelo desnudo
0.001 0.000 0.166 0.000 0.000 0.000
0.018 0.000 0.000 0.950 0.002 0.003
0.038 0.000 0.000 0.007 0.977 0.004
0.023 0.000 0.827 0.003 0.000 0.822
Sumatoria 1 1 1 1 1 1
Fuente: Elaboración propia Cuadro 5. Matriz de probabilidad de cambio para el periodo 2003-2011. Pastizales Pastizales Urbano o edificado Agua Bosque Agrícola Suelo desnudo
0.996 0.000 0.130 0.000 0.000 0.005
Urbano o edificado 0.002 1.000 0.000 0.002 0.026 0.000
Agua
Bosque Agrícola Suelo desnudo
0.000 0.000 0.671 0.000 0.000 0.039
0.000 0.000 0.000 0.998 0.000 0.000
0.002 0.000 0.000 0.000 0.973 0.000
0.000 0.000 0.200 0.000 0.001 0.957
Sumatoria 1 1 1 1 1 1
Fuente: Elaboración propia
Capítulo II
Geoinformática aplicada a la Planificación Urbana
177
Modelo de predicción de uso y coberturas de suelo • Cartografías de uso de suelo. Para la aplicación del modelo de predicción de usos y coberturas de suelo, se elaboraron tres cartografías de usos y coberturas de suelo (Figuras 3, 4 y 5), en las que se definieron las clases: agrícola, suelo urbano o edificado, pastizal, bosque, agua y suelo desnudo. • Cadenas de Markov. Se generaron diagramas de Markov, mediante las matrices de detección y probabilidad de cambio, en las cuales, se señalan cada uno de los cambios existentes por clase, en los periodos 1995-2003 y 2003-2011 (ver anexos 2 y 3). • Mapas de aptitud. A partir de una EMC, se obtuvieron cinco mapas de aptitud correspondientes a las clases de usos y coberturas de suelo: agrícola, suelo urbano o edificado, pastizal, bosque y suelo desnudo. En estos mapas, se resalta la aptitud del territorio para un uso o cobertura específica, a través de una escala graduada de 0 a 255, donde 0 indica nula aptitud y 255 la máxima (ver anexos 4 a8). • Modelo predictivo. El modelo predictivo de usos y coberturas de suelo basado en la técnica de autómatas celulares, se generó mediante el módulo CA_MARKOV de Idrisi, el cual no muestra cambios significativos para las diferentes clases manejadas. Aun así, de acuerdo con esto, en primer lugar se modeló hacia el año 2011 (Figura 6) y se procedió con la validación a través del comando validate, obteniendo de esta forma los resultados del índice de concordancia Kappa, el cual, depende directamente de Kquantity y Klocation. Por lo anterior y basados en el Cuadro 6, se aceptó el modelo de predicción para el año 2011, dado que el valor de Kappa obtenido en este modelo fue de 0.98. Por lo tanto, partiendo del supuesto que las probabilidades de cambio permanecen constantes, se aplicó el mismo modelo para el año 2019, obteniendo entonces, otra cartografía de usos y coberturas de suelo con las superficies esperadas para ese año (Figura 7).
178
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Cuadro 6. Fuerza de concordancia entre mapas categóricos de acuerdo a los valores de Kappa. Valores de Kappa Nivel de concordancia < 0.00 Pobre 0.00 - 0.20 Leve 0.21 - 0.40 Razonable 0.41 - 0.60 Moderado 0.61 - 0.80 Considerable 0.81 - 1.00 Casi perfecto Fuente: Sousa, S, S Caeiro, y M Painho. «Assessment of map similarity of categorical maps using kappa statistics, the case of Sado Estuary.» Proceedings of ESIG, 2002: 1-6. Figura 6. Resultado del modelo de predicción de usos y coberturas de suelo para el año 2011.
Fuente: Elaboración propia
Capítulo II
Geoinformática aplicada a la Planificación Urbana
179
Figura 7. Resultado del modelo de predicción de usos y coberturas de suelo para el año 2019.
Fuente: Elaboración propia • Usos de suelo susceptibles a cambio para el año 2019. Una vez obtenido el modelo de predicción de usos y coberturas de suelo para año 2019, se realizó una tabulación cruzada (Cuadro 7) para determinar las clases y superficie que pudieran cambiar. En este sentido, se observa que los pastizales pudieran cambiar 11.52 ha para uso urbano, así como 7.74 ha de suelo desnudo. El modelo de predicción señala que 13.68 ha pertenecientes a los cuerpos de agua, pudieran convertirse a pastizales, sin embargo, es difícil atribuirse este cambio a causas antropogénicas, dado que en los últimos años la región ha sido azotada por fuertes periodos de sequía, por otro lado, para el resto de los usos de suelo, el modelo no presenta ningún cambio.
180
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Discusión El uso de técnicas de fotointerpretación en imágenes digitales, en conjunto con el uso de SIG, pueden llegar a ser un instrumento de gran utilidad, es el caso con cambios de uso y cobertura de suelo en un área específica, como se presenta en este trabajo. Ante esto, autores como Berlanga y Ruiz (2007), Aguilar et al, (2010), han utilizado técnicas obteniendo resultados satisfactorios como una metodología viable para evaluar el crecimiento urbano de las ciudades (Romero y López, 2000), coincidiendo con los resultados de este trabajo. El crecimiento urbano de la ciudad de Cuauhtémoc, Chihuahua y colonia Anáhuac, se ha presentado mayormente a costa del uso de suelo agrícola, un fenómeno que no ha sido abordado del todo y además, considerado como una de las variables que fragmenta los ecosistemas, y que en algunos casos puede incidir sobre la capacidad de abastecimiento de servicios para la población humana (Martínez y Monroy, 2009). Cuadro 7. Matriz de detección de posibles cambios de usos y coberturas de suelo para la ciudad de Cuauhtémoc, Chihuahua durante el año 2011 y el escenario obtenido para el año 2019.
Pastizales
Pastizales 5624.82 Urbano o edificado 0 Agua 13.68 Bosque 0 Agrícola 0 Suelo desnudo 0 Cobertura total espera5638.5 da al año 2019
Urbano o edificado
Agua
Bosque
Agrícola
Suelo desnudo
11.52 4464.9 0 0 0 7.74
0 0 89.64 0 0 0
0 0 0 0 0 0 2720.79 0 0 14856.57 0 0
0 0 0 0 0 1018.44
Cobertura total año 1 (2011) 5636.34 4464.9 103.32 2720.79 14856.57 1026.18
4484.16
89.64
2720.79 14856.57
1018.44
28808.1
Fuente: Elaboración propia La disminución acelerada de los cuerpos de agua en la zona de estudio, resalta la vulnerabilidad de la zona agrícola circundante a la mancha urbana de ciudad Cuauhtémoc y colonia Anáhuac (Ávila, 2008). Esto debido a que dentro de la región existe una gran cantidad de superficie dedicada para la agricultura de riego, si los cuerpos de agua superficiales dejan de existir, las
Capítulo II
Geoinformática aplicada a la Planificación Urbana
181
aguas subterráneas comienzan a ser explotadas con el objetivo de mantener la zona productivamente activa. Sin embargo, cuando el agua comienza a escasear, trae consigo la pérdida del uso de suelo agrícola, de tal forma que si una superficie se vuelve poco rentable para este uso, lo más probable es que se convierta en otro y mientras se encuentre más circundante al área urbana, la probabilidad de cambio para uso urbano es mayor (Tang et al, 2008), tal y como ocurrió en este trabajo, donde la ciudad consume los usos de suelo circundantes a ella. El crecimiento urbano de la ciudad de Cuauhtémoc y colonia Anáhuac, presenta un crecimiento desordenado en el que se están comprometiendo las zonas productivamente agrícolas, además ante las presentes temporadas de sequía los cuerpos de agua se están reduciendo, sin mencionar los efectos medioambientales que esto pudiera traer (Vásquez et al 2008). Este fenómeno resalta el uso inadecuado de políticas de planeación, provocando fuertes impactos sobre el ambiente, pues el sistema urbano en el área de estudio puede ser considerado como un ecosistema artificial que termina de tipo “parasito”, debido a que extrae recursos y energía de los ecosistemas vecinos (Alberto, 2009), degradándolos al punto de hacerlos poco funcionales o en un caso extremo, acabar con ellos. Por otra parte la EMC es una parte importante en la elaboración de este trabajo de investigación, ya que permite determinar la aptitud del territorio para un uso de suelo específico, como Barredo (1996) señala, son “un conjunto de técnicas orientadas a asistir en procesos de toma de decisiones” además de ser considerada como una herramienta de gran utilidad en la elaboración de políticas de planeación, como puede ser en el ordenamiento ecológico del territorio, tal y como lo demandan los términos de referencia propuestos por la Secretaría de Medio Ambiente y Recursos Naturales (SEMARNAT,2010) en México. El modelo de simulación de cambio de uso y cobertura de suelo permitió señalar las tendencias del crecimiento urbano en ciudad Cuauhtémoc y colonia Anáhuac, de tal forma que es posible señalarlo como una herramienta de análisis espacial que permite evaluar el impacto de un uso específico sobre otro, sobre todo cuando se aborda desde una perspectiva geográfica (Henríquez et al, 2006, Ye y Bai, 2008; Samat, 2009). La EMC además de permitir obtener mapas de aptitud, resulta ser de gran utilidad en los modelos de simulación de cambio, ya que como señala Sandoval (2009), permite limitar “secuencias ilógicas en las proyecciones de los proceso de cambio”, es decir, especializa una celda para un uso específico, de
182
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
tal forma que el modelo de predicción basado en autómatas celulares aplicado al área de estudio permitió proyectar el cambio de los usos y coberturas de suelo en función de criterios observados, apegándolo mucho más a la realidad (Pascual et al, 2010). El uso de índice Kappa como parámetro de validez para mapas categóricos elaborados a partir de capas raster es una técnica muy bien definida (Barreira et al, 2012), de hecho Santé (2010) hace una revisión exhaustiva al respecto. Sin embargo, quienes tradicionalmente utilizan esta medida como forma de cuantificación en la precisión (Pontius y Millones, 2011) sugieren no seguir utilizando el Kappa tradicional y en su lugar, utilizar aquellos que contemplan la concordancia en la cantidad y localización de pixeles (Pontius, 2000). Partiendo del supuesto anterior, el modelo de predicción basado en autómatas celulares, fue aceptado con un alto índice de concordancia Kappa (0.98) (Sousa et al, 2002). Debido a que las tendencias de cambio de uso de suelo para el año 2019 resultan ser muy conservadoras, se debe tomar con precaución este resultado, principalmente por que los cambios señalan mayormente la perdida de suelo agrícola a causa del crecimiento urbano, de forma que para la elaboración de políticas de planeación urbana, se deben tomar en cuenta no solo los resultados del modelo de predicción, sino también las tendencias de crecimiento reales, las cuales pueden ser observadas en las matrices de transición (Rogan y Chen, 2004; Jiménez et al, 2011). A pesar de que las matrices de cambio señalaron que el uso agrícola se está convirtiendo en uso urbano, el modelo resulto ser muy conservador en este sentido, de forma que principalmente el suelo desnudo y los pastizales, pudieran reducir su superficie para el año 2019, degradando como ya se ha mencionado, al ecosistema natural (Alberto, 2009). La mancha urbana en el área de estudio está creciendo a costa de diferentes usos y coberturas de suelo, y principalmente el agrícola, en este sentido, cabe destacar la importancia de las políticas de planeación urbana, pues pareciera que no existe restricción alguna para el crecimiento, por lo tanto quizás habría que revisarlas para comprobar el cumplimiento de la ley o de ser necesario replantearlas (Palomo et al, 2011; Hewitt et. al., 2012).
Conclusiones Este trabajo es uno de los primeros en la región, de tal forma que se convierte en una base para otros trabajos de investigación que pretendan definir
Capítulo II
Geoinformática aplicada a la Planificación Urbana
183
principalmente si la pérdida de productividad o uso agrícola de las áreas circundantes a la ciudad, está relacionado con el crecimiento urbano, dado que más allá de esto, quizás no sea que el terreno pierda funcionalidad, sino que existen factores de índole social en las que los dueños de esas tierras esta obligados a venderlas a fraccionadoras o personas con mayor oportunidad de adquisición. Además de estudios en los que se mida el efecto del crecimiento urbano hacia el medio ambiente, principalmente en términos de pérdida de recursos naturales y recursos financieros, ya que de alguna manera, la tierra le permite al hombre trabajarla para de allí satisfacer sus necesidades. El análisis espacial del cambio de uso y cobertura de suelo, es una técnica de gran utilidad cuando se trata de cuantificar el grado de conversión ambiental, más aun cuando se integra toda la información en tecnologías con gran capacidad para el análisis, como lo son el caso de los SIG. Específicamente, en el caso del área urbana de ciudad Cuauhtémoc, Chihuahua y colonia Anáhuac, se puede observar que se está expandiendo considerablemente principalmente a causa de usos de suelo agrícola, de forma que compromete la producción de alimentos y de alguna forma, actúa como coautor en la pérdida de empleos destinados al campo. La integración de modelos predicción de uso de suelo con técnicas de EMC en conjunto con los SIG, resultan ser herramientas potentes en la administración del territorio y sobre todo, en el análisis retrospectivo, así como el diagnóstico y pronostico del estado actual de una superficie determinada. Es decir, se evalúan el pasado, el presente y se pronostica el futuro de cierta situación. Como lo fue en el caso de este trabajo, en el que se observa un incremento considerable de la mancha urbana durante el periodo 1995-2011, además de establecer una posibilidad de cambio para usos de suelos específicos, aunque este último resultado, debe ser tomado con reserva, dado que se sabe que nadie es capaz de estar al tanto del comportamiento exacto de las cosas en un futuro próximo. Se debe destacar que el objetivo principal de este estudio no es abordar una temática ambiental, sin embargo, puede ser un trabajo de referencia para la investigación en dicha área, dado que es sabido que los sistemas urbanos actúan como consumidores de energía en ecosistemas cercanos y como en este trabajo resulto, se está acabando principalmente con zonas para uso agrícola, fragmentando el paisaje y dejando algunos otros ecosistemas aislados, como los son los pastizales y en menor medida los bosques. A pesar de que el modelo de predicción de usos y coberturas de suelo resulto ser muy conservador, permite señalar las tendencias del crecimiento
184
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
urbano sobre la superficie y aunque los resultados deben tomarse con reserva, señalan cuales podrían ser los efectos posibles de seguir con los patrones de crecimiento actual, que de forma segura continuarán degradando aún más, el ecosistema natural. Si bien, los resultados de este trabajo señalan los patrones de expansión urbana, deja algunas incertidumbres sobre los impactos posibles de esto, por lo que se debe reconsiderar su utilización en el desarrollo de nuevas investigaciones que evalúen dichos efectos, sobre todo, para el apoyo de políticas públicas de planeación, en las que no se comprometan los recursos naturales. Por último, a pesar de que se destacan las problemáticas actuales en cuanto a cambio de uso y coberturas de suelo, así como la perdida de zonas agrícolamente productivas debido al crecimiento urbano, pareciera no haber regulación en este proceso, por lo que es de suma importancia que los planificadores de la ciudad asuman un compromiso para el desarrollo de la misma, sobre todo, en actividades que permitan formar sinergias entre la sociedad, el medio ambiente y los sistemas económicos, debido a que un crecimiento desordenado afecta directamente a estos sectores, dicho de otra manera, se establezcan mecanismos para un desarrollo regional sustentable.
Referencias Aguilar Estrada, S. A., Bencomo Sáenz, J. A., Fierro Macías, C. D., Legarreta Miranda, C. K., Loya Carrillo, J. O., y Bravo Peña, L. C. (2010). Cambios de cobertura vegetal y uso del suelo en la ciudad de Hermosillo, Sonora durante los años 1981, 1996 y 2004. Un análisis a partir de la fotointerpretación en fotomapas digitales generados en gabinete. Memorias del XIV Simposium Internacional SELPER, (págs. 1-11). Guanajuato, Guanajuato, México. Alberto, J. A. (2009). Geografía y Crecimiento Urbano. Paisajes y Problemas Ambientales. Geográfica Digital, (11), 1-13. Ávila García, P. (2008). Vulnerabilidad socioambiental, seguridad hídrica y escenarios de crisis por el agua en México. CIENCIAS(90), 48-57. Banco Mundial. (2002). DEPweb-World Bank. Recuperado el 25 de Septiembre de 2012, de DEPweb-World Bank: http://www.worldbank. org/depweb/spanish/modules/social/pgr/index.html Barredo Cano, J. I. (1996). Sistemas de Información Geográfica y evaluación multicriterio en la ordenación del territorio. Madrid: Ra-Ma.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
185
Barreira Gónzalez, P., Aguilera Benavente, F., y Gómez Delgado, M. (2012). Propuesta de un análisis de sensibilidad para validar modelos prospectivos de simulación de crecimiento urbano basados en autómatas celulares. GeoFocus (12), 303-328. Beltrán, J. P. (s.f.). Bogotá región: crecimiento urbano en la consolidación del territorio metropolitano. Berlanga Robles, C. A., García Campos, R. R., López Blanco, J., y Ruiz Luna, A. (2009). Patrones de cambio de coberturas y usos del suelo en la región costa norte de Nayarit (1973-2000). Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 7-22. Berlanga Robles, C. A., y Ruiz Luna, A. (2007). Análisis de las tendencias de cambio del bosque de mangle del sistema lagunar Teacápan-Agua Brava, México. Una aproximación con el uso de imágenes de satélite Landsat. Universidad y Ciencia, 23(1), 29-46. Bocco, G., Mendoza, M., y Masera, O. R. (2001). La dinámica del cambi del uso del suelo en Michoacán. Una propuesta metodológica para el estudio de los procesos de deforestación. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM, 18-38. Durán López, H. (2004). El impacto Económico de la Pendiente Topográfica en la Vivienda. Investigación y Ciencia (30), 17-22. Eastman, R. J. (2003). IDRISI Kilimanjaro Guide to GIS and Image Processing. USA: Idrisi Production. Garza, G. (2002). Evolución de las ciudades mexicanas en el siglo XX. Notas. Revista de Información y Análisis, 7-16. Gómez Delgado, M., y Barredo Cano, J, I. (2006). Sistemas de Información Geográfica y evaluación multicriterio. España: Alfaomega Ra-Ma. González, L. P., Alvarado Gate, R., Macías Rodríguez, J., Olvera González, S., Mendoza Sánchez, S. L., y Pérez Fernández, M. D. (2011). Diagnóstico local sobre la realidad social, económica y cultural de la violencia y la delincuencia en el Municipio de Cuauhtémoc. Cuauhtémoc, Chihuahua. Goodchild, M. F. (2000). New horizons for the social sciences: geographic information systems. Social Sciencie for a Digital world: Building Infraestructure and Databases for the future, 163-172. Henríquez Ruiz, C., y Azócar García, G. (2007). Propuesta de modelos predictivos en la planificación territorial y evaluación del impacto ambiental. Revista electrónica de geografía y ciencias sociales, 245(41). Henríquez, C., Azócar, G., y Aguayo, M. (2006). Cambio de uso del suelo y escorrentía superficial: aplicación de un modelo de simulación espacial
186
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
en Los Ángeles, VIII Región del Biobío, Chile. Revista de Geografía Norte Grande, 61-74. Hewitt, R., Hernández Jiménez, V., y Escobar, F. (2012). Agentes, escenarios y autómatas celulares; modelización espacial para la toma de decisiones en Doña Ana y su entorno. 1-10. INEGI. (2011). Instituto Nacional de Estadística y Geografía. Recuperado el 23 de Septiembre de 2012, de Instituto Nacional de Estadística y Geografía: http://www.inegi.org.mx/default.aspx Jiménez Moreno, M. J., González Guillen, M. D., Escalona Maurice, M., Valdez Lazalde, J. R., y Aguirre Salado, C. A. (2011). Comparación de métodos espaciales para detectar cambios en el uso de suelo urbano. Redalyc, 17(3), 389-406. Leutner, B. F., Reinejing, B., Müller, J., Bachmann, M., Beierkuhnlein, C., Dech, S., and Wegmann, M. (2012). Modelling Forest a-Diversity and Floristic Composition - On The Added Value of LiDAR plus Hyperspectral Remote Sensing. Remote Sens, 2818-2845. Lillesand, T. M., Kiefer, R. W., and Chipman, J. W. (2008). Remote sensing and image interpretation.John Wiley y Sons. Martínez Rivera, S. E., y Monroy Ortiz, R. (2009). La expansión urbana sobre el campo mexi-cano. La otra cara de la crisis agrícola. Estudios Agrarios, 29-46. Palomo, I., Martín López, B., López Santiago, C., and Montes, C. (2011). Participatory Scenario Planning for Protected Areas Management under the Ecosystem Services Framework: the Doñana Social-Ecological System in Southwestern Saping. Ecology and Society, 16(1), 1-33. Pascual Rosa, V., Aguilera Benavente, F., Gómez Delgado, M., y Bosque Sendra, J. (210). Ordenamiento deseable para la aglomeración urbana de Granada en 2020. I Congreso Internacional de Ordenamiento Territorial y Tecnologías de la Información Geográfica (págs. 1-19). Alcalá de Henares: Servicio de publicaciones de la Universidad de Alcalá. Pontius JR, R. G., and Millones, M. (2011). Death to Kappa: birth of quantity disagreement and allocation disagreement for accuaracy assessment. International Journal of Remote Sensig, 32(15), 4407-4429. Pontius, R. G. (2000). Quantification error versus location error in comparison of categorical maps. Photogrammetric engineering y remote sensing, 1011-1016. Priego, Á., Cotles, H., Fregoso, A., Luna, N., y Enríquez, C. (2004). La dinámica ambiental de la cuenca Lemra-Chapala. Gaceta Ecológica, 23-38.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
187
Rionda Ramírez, J. I. (2007). Desarrollo regional y urbano ante la reestructuración económica en México (1980-2006). Léon, Guanajuato. Rionda Ramírez, J. I. (2008). Distribución de la población y crecimiento urbano en México. Red de Revistas Científicas de América Latina, el Caribe, España y Portugal, 201-218. Rogan, J., and Chen, D. M. (2004). Remote sensing technology for mapping and monitoring land-cover and land-use change. Progress in planning, 61, 301-325. Rojas Quezada, C. A., Muñiz Olivera, I., y García López, M. Á. (2009). Estructura urbana y policentrismo en el Área Metropolitana de Concepción. Revista Eure, 47-70. Romero Hernández, D., y López Blanco, J. (2000). Producción e integración de fotomapas di-gitales para la evaluación del crecimiento urbano. Investigaciones Geográficas, Boletín del Instituto de Geografía, UNAM (42), 48-66. Romero, H., Molina, M., Moscoso, C., Sarricolea, P., y Smith, P. (2007). Caracterización de los cambios de usos y coberturas de suelos causados por la expansión urbana de Santiago, análisis estadístico de sus factores explicativos e inferencias ambientales. Rosete Vergés, F. A. (2008). Modelos Predictivos de Cambio de Uso del Suelo en la Península de Baja California, México. México. Rosete, F., y Bocco, G. (2004). Los sistemas de información geográfica y la percepción remota. Herramientas integradas para los planes de manejo en comunidades forestales. Gaceta Ecológica. Samat, N. (2009). Integrating GIS and CAMARKOV Model In Evaluating Urban Spatial Growth. Malaysian Journal of Environmental Management, 10(1), 83-99. Sandoval Verdugo, G. S. (2009). Análisis del proceso de cambio de uso y cobertura de suelo en la expansión urbana del gran Valparaíso, su evolución y escenarios futuros. Santiago, Chile. Santé, I., García, A. M., Miranda, D., and Crecente, R. (2010). Cellualar automata models for the simulation of real-world urban processes: A review and analysis. Landsacape and Urban Plan-ning, 96, 108-122. SEMARNAT. (2010). Términos de referencia para la formulación de los programas de orde-namiento ecológico local. Recuperado el 7 de Marzo de 2013, de http://www.semarnat.gob.mx/temas/ordena mientoecologico/ Documents/documentos%20ordenamiento/terminos_referencia_2010/ terminos_referencia_locales_19_03_10.pdf
188
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Sousa, S., Caeiro, S., and Painho, M. (2002). Assessment of map similarity of categorical maps using kappa statistics, the case of Sado Estuary. Proceedings of ESIG, 1-6. Tang, J., Wang, L., and Yao, Z. (2008). Analyses of urban landscape dynamics using multi- temporal satellite images: A comparison of two petroleum-oriented cities. Landscape and Urban Planning, 87, 269-278. Thaden Ugalde, J. J. (2012). Cambio de uso de suelo y cobertura vegetal en el municipio de Guelatao de Juárez, Oaxaca, México. iztlán de Juárez, Oaxaca. UNESCO. (1999). Informe Mundial Sobre la Cultura: Cultura, Creatividad y Mercados. CSIC. Vásquez Fuentes, A. E., Romero, H., Fuentes, C., López, C., y Sandoval, G. (2008). Evaluación y simulación de los efectos ambientales del crecimiento urbano observado y propuesto en Santiago de Chile. Actas del Congreso Nacional de Desarrollo Rural, (págs. 1-22). Santiago de Chile. Velázquez, A., Mas, J. F., Díaz Gallegos, J. R., Mayroga Saucedo, R., Alcántara, P. C., Castro, R., . . . Palacio, J. L. (2002). Patrones y tasas de cambio de uso del suelo en México. Gaceta Ecológica(62), 21-37. Ye, B., and Bai, Z. (2008). Simulating land use/cover changes of Nanjing County based on ca-markov model. International Federation for Information Processing, 258, 321-329.
Capítulo II
Geoinformática aplicada a la Planificación Urbana
189
Anexo 1 Secuencia metodológica Definición de usos y coberturas de suelo para los años 1993, 2000 y 2010.
Clases manejadas: agrícola, uso urbano o edificado, suelo desnudo, cuerpos de agua, bosque y pastizales.
Fotointerpretación Probabilidades de cambio
Cadenas de Markov
Evaluación MultiCriterio (EMC)
Factores
- Red vial principal - Pendientes - Ganancias de superficie para cada uso de suelo
Escenarios futuros
Modelo de autómatas celulares
Software SIG ArcMap 9.3
Limitantes - Área natural protegida - Red hidrográfica
Validación del modelo
Índice Kappa estandarizado Integración de Klocation y Kquantity
Fuente: Elaboración propia
190
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Anexo 2. Diagrama de la matriz de Markov correspondiente al periodo 1995-2003. Lo números dentro del paréntesis señalan la superficie de cambio en hectáreas, mientras que los números anteriores, señalan la probabilidad de cambio de clase. 0.005 (2.79) 0.023 (61.92) 0.002(32.49)
0.012 (69.48)
Urbano o edificado
0.015 (223.29) 0.018 (49.14)
0.018 (105.66) Bosque
0.003 (6.84)
Pastizales 0.167 (94.95) 0.007(3.87)
0.003 (1.44) 0.023 (135.9)
0.001(5.76)
Suelo desnudo
Agua 0.0002 (3.33)
0.827(431.91)
0.006 (88.74)
0.007(18.18)
0.038 (224.64) 0.0001 (1.44) Agrícola 0.004(2.07)
Anexo 3. Diagrama de la matriz de Markov correspondiente al periodo 2003 - 2011. Lo números dentro del paréntesis señalan la superficie de cambio en hectáreas, mientras que los números anteriores, señalan la probabilidad de cambio de clase. 0.002 (6.21)
0.002 (11.7)
Urbano o edificado
0.026 (398.16) 0.005 (4.77)
Bosque 0.003 (1.44)
0.130 (12.15)
Suelo desnudo 0.2 (18.72)
0.039 (40.41) 0.001(7.74)
0.007(18.18)
Pastizales
Agua
0.002 (8.91) Agrícola 0.004(2.07)
Capítulo II
Geoinformática aplicada a la Planificación Urbana
191
Anexo 4. Mapa de aptitud para uso agrícola.
Fuente: Elaboración propia Anexo 5. Mapa de aptitud para uso urbano.
Fuente: Elaboración propia 192
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Anexo 6. Mapa de aptitud para cobertura de suelo desnudo.
Fuente: Elaboración propia Anexo 7. Mapa de aptitud para cobertura de bosque.
Fuente: Elaboración propia
Capítulo II
Geoinformática aplicada a la Planificación Urbana
193
Anexo 8. Mapa de aptitud para cobertura de pastizal.
Fuente: Elaboración propia
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
CAPÍTULO III
Geoinformática aplicada
a los procesos de erosión y degradación en suelos
Responsable: Luis Carlos Alatorre Cejudo
Introducción
L
a erosión puede definirse como un proceso complejo que incluye el desprendimiento, remoción y transporte de partículas de suelo o material rocoso por parte de los agentes erosivos (agua, viento, gravedad). En un sentido geomorfológico, el término erosión (y los términos asociados de remoción y transporte) se utiliza habitualmente en referencia a una unidad paisajística concreta, como por ejemplo una ladera o una cuenca. Cuando el transporte de las partículas erosionadas se produce más allá de la unidad donde ha tenido lugar la erosión, es costumbre no utilizar el término erosión (o transporte) y pasar a hablar de producción de sedimento (Alatorre y Beguería, 2009; Alatorre, 2010). La erosión y la producción de sedimento se cuentan entre los procesos geomorfológicos de mayor riesgo potencial debido a su gran extensión super-
195
ficial, y se reconocen como una cuestión clave para la conservación del medio ambiente en el siglo XXI. Se estima que una sexta parte del suelo mundial se encuentra afectada por la erosión hídrica acelerada (Walling y Fang, 2003). Las modificaciones ambientales inducidas por el hombre a escala global han sido causa de un incremento espectacular de la erosión y la producción de sedimento en muchas partes del mundo. Alrededor de 1094 millones de hectáreas se encuentran amenazadas por la erosión como consecuencia directa de las acciones humanas (Walling y Fang, 2003). Entre éstas se encuentran la deforestación y remoción de la cubierta vegetal (43%), el sobrepastoreo (29%), la gestión inapropiada de la tierra agrícola (24%) y la sobreexplotación de la vegetación natural (4%). Las consecuencias de la erosión del suelo y la producción de sedimento tienen lugar tanto en el sitio donde se genera como fuera de él. Uno de los efectos negativos más importantes se presenta en los suelos agrícolas, donde la redistribución y pérdida de suelo, así como la ruptura de la estructura y el descenso del contenido de materia orgánica y nutrientes hace que se reduzca la profundidad cultivable y la fertilidad del suelo, promoviendo la dependencia de los fertilizantes e incluso el abandono de terrenos agrícolas. La producción de sedimento y su depósito, a su vez, alteran el funcionamiento de los ríos y la capacidad de retención de las zonas inundables, realzando el riego de inundaciones. Además, la colmatación de los embalses es un grave problema ambiental ya que acorta significativa la vida útil de los mismos. Los sedimentos también son una fuente importante de contaminación a través de la fijación de agroquímicos, incrementando los niveles de nitrógeno y fósforo en el agua y causando su eutrofización. La investigación aplicada sobre la erosión ha conocido un importante avance en los últimos años gracias a la incorporación de modelos de simulación numérica por computador. Estos modelos permiten evaluar espacialmente la ocurrencia de los procesos de erosión, analizar su evolución temporal y simular los efectos de cambios en las variables climáticas y paisajísticas como por ejemplo en el uso del suelo. Muestra del interés sobre los modelos de erosión y producción de sedimento es su adopción por parte de las administraciones públicas, las cuales se han encargado del desarrollo y aplicación de este tipo de modelos. Ese es el caso, por ejemplo, de la Agencia de Protección Ambiental (USEPA) y del Departamento de Agricultura (USDA) de los EEUU. Otras agencias similares en la UE también han desarrollado modelos de erosión, como por ejemplo EUROSEM (Morgan et al., 1998), WATEM/SEDEM (Van Oost et al., 2000; Van Rompaey et al., 2001), RHINEFLOW (Assel-
196
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
man et al., 2003) y PESERA (Kirkby et al., 2000). El desarrollo histórico de los modelos de erosión en la UE difiere del que se ha dado en EEUU, existiendo dos vertientes muy claras ( Jetten y Favis-Mortlock, 2006): i) la adaptación de modelos existentes que utilizan en esencia el concepto de la Ecuación Universal de Pérdida de Suelo (USLE, Wischmeier y Smith, 1978); y ii) el desarrollo de nuevos modelos basados en eventos. Las distintas condiciones de usos del suelo, con grandes monocultivos en EEUU en comparación con la diversidad de usos en la UE, explican que en la UE los modelos diseñados tienden a distribuir espacialmente el territorio mientras que los norteamericanos tienden a agregarlo. A pesar del desarrollo de nuevas herramientas de modelización, existen dificultades para la utilización de los modelos de erosión, debido en parte a la heterogeneidad de las propuestas existentes. Los distintos modelos se diferencian en aspectos importantes de cara a su aplicación como la naturaleza de los procesos que incluyen, su formalización matemática, la representación espacial y temporal, los requerimientos de información y de tiempo de computación, etc. También difieren en el tipo de público al que van orientados, o dicho de otro modo el nivel de conocimientos técnicos que requieren del usuario. Así, en este capítulo se presenta un trabajo desarrollado en la Licenciatura en Geoinformática, de la Unidad Multidisciplinaria de la UACJ en Cuauhtémoc, Chihuahua, en el cual se implementa un modelo empírico para determinar la erosión potencial en una cuenca hidrográfica de la región central de Chihuahua. En este capítulo se presenta el siguiente trabajo: Rodríguez Caraveo Alan Joaquín, Alatorre Cejudo Luis Carlos, Bravo Peña Luis Carlos y Wiebe Quintana Lara Cecilia (2013). Aplicación de un modelo empírico para determinar la erosión potencial en la cuenca de La Laguna De Bustillos, Chihuahua, México.
Literatura citada: Alatorre, L. C. (2010). Erosión del suelo y fuentes de sedimento en la cuenca del río Ésera (Pirineo Central): análisis espacial y dinámica temporal mediante técnicas de simulación y teledetección. Universidad de Zaragoza, 43-121. Alatorre, L. C., y Beguería, S. (2009). Los modelos de erosión: una revisión. Cuaternario y Geomorfología, 1-10.
Capítulo III
Geoinformática aplicada a los procesos de erosión y degradación en suelos
197
Asselman, N.E.M., Middelkoop, H. y Van Dijk, P.M. (2003). The impact of change in climate and land use on soil erosion, transport and deposition of suspended sediment in the River Rhine. Hydrological Processes, 17, 3225–3244. Jetten, V. y Favis–Mortlock, D. (2006). Erosion modelling in europe. In: Soil Erosion in Europe ( J. B. y Jean Poesen, eds.). Wiley y Sons, Chichester (UK), 695–716. Kirkby, M.J., Le Bissonais, Y., Coulthard, T.J., Daroussin, J. y McMahon, M.D. (2000). The development of Land Quality Indicators for Soil Degradation by Water Erosion. Agriculture, Ecosystems and Environment, 81, 125–136. Morgan, R.P.C., Quinton, J.N., Smith, R.E., Govers, G., Poesen, J.W.A., Auerswald, K., Chisci, G., Torri, D. y Styczen, M.E. (1998). The European soil erosion model (EUROSEM): a dynamic approach for predicting sediment transport from fields and small catchments. Earth Surface Processes and Landforms, 23, 527–544. Van Oost, K., Govers, G. y Desmet, P.J.J. (2000). Evaluating the effects of changes in landscape structure on soil erosion by water and tillage. Landscape Ecology, 15 (6), 579–591. Van Rompaey, A., Verstraeten, G., Van Oost, K., Govers, G. y Poesen, J. (2001). Modelling mean annual sediment yield using a distributed approach. Earth Surface Processes and Landforms, 26 (11), 1221–1236. Walling , D., y Fang, D. (2003). Recent trends in the suspended sediment loads of the world’s rivers. Global and Planetary Change 39, 111-126. Wischmeier, W.H. y Smith, D.D. (1978). Predicting rainfall erosion losses: A guide to conservation planning, Agriculture Handbook. U.S. Department of Agriculture, Washington D.C. (USA), 537 pp.
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Aplicación de un modelo empírico para determinar
la erosión potencial en la cuenca de la Laguna Bustillos, Chihuahua, México
Introducción
E
n la actualidad, el aumento de la población y el desarrollo económico han provocado un deterioro en la calidad de nuestros ecosistemas. Se ha experimentado una explotación intensificada de los recursos y sistemas naturales para soportar la producción agrícola, ganadera y forestal, para proporcionar agua para el consumo humano, para suplir las necesidades de los procesos industriales y para los atractivos paisajísticos que incrementan el turismo y las actividades recreativas (Tenhunen, 1999). Se conocen los efectos que provoca exceder el umbral de sostenibilidad por acción humana (cambio climático, sequías y erosión del suelo) y se desconocen los efectos a diferentes escalas, tanto espaciales como temporales. El deterioro de la tierra o desertificación es el problema ecológico contemporáneo de mayor importancia en los países en desarrollo (Duarte, 1990). Se estima que una sexta parte del suelo mundial se encuentra afectada por la erosión hídrica (Walling & Fang, 2003). De acuerdo con estimaciones hechas por la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO), debido a
199
la desertificación, cada año dejan de ser productivas de seis a siete millones de hectáreas en el mundo, y a este ritmo, en menos de 200 años el hombre habrá agotado todas las tierras productivas del planeta (Duarte, 1990). La pérdida de suelo y sus impactos asociados es también uno de los problemas ambientales actuales más importantes y menos conocidos (Lal, 1997; Schlesinger, 1997). La erosión puede definirse como el proceso de desprendimiento y transporte del suelo o material rocoso desde cualquier parte de la superficie de la tierra por parte de los agentes erosivos (Foster & Meyer, 1977). Estos agentes pueden ser agua, viento y gravedad. Desde hace aproximadamente 450 millones de años ha ocurrido el proceso de la erosión, donde el suelo es transportado a la misma tasa a la que este se forma en condiciones naturales, esto se le denomina erosión tolerable. Mientras que la erosión acelerada es el resultado de algunas acciones humanas como el mal uso del suelo agrícola, la deforestación o el sobre pastoreo, dejando al suelo vulnerable a ser erosionado por los agentes erosivos. La erosión tiene efectos tanto en el área donde se genera como fuera de la misma. Uno de los efectos negativos más importantes se presenta en los suelos agrícolas, donde la redistribución y pérdida de suelo, así como la ruptura de la estructura y el descenso del contenido de materia orgánica y nutrientes hace que se reduzca la profundidad cultivable y la fertilidad del suelo, promoviendo la dependencia de los fertilizantes e incluso el abandono de terrenos agrícolas (Alatorre & Beguería, 2009). También este efecto es el causante de la eutrofización, ya que incrementa los niveles de nitrógeno y fosforo en el agua a través de agroquímicos utilizados en las parcelas agrícolas, siendo así una fuente importante de contaminación. La desertificación es principalmente provocada por causas inducidas, la falta de concientización, falta de educación y el uso irracional de los recursos naturales (Sánchez, Sánchez, Garatuza, & Alatorre, 2007). Existen una amplia variedad de metodologías para el estudio de la erosión del suelo, algunas basadas en observaciones en campo y otras en los factores que influyen en este proceso. Las investigaciones acerca del riesgo de erosión se iniciaron desde las primeras décadas del siglo XX. La aplicación de modelos de simulación numérica por computador, es la que ha proporcionado más avances para entender este fenómeno. Estos modelos permiten hacer un análisis de la evolución temporal, simular los efectos a diferentes escalas, así como evaluar la ocurrencia de los procesos de erosión. En algunos casos, los modelos están diseñados para distribuir espacialmente el territorio mientras que otros tienden de agregarlo.
200
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Las administraciones públicas son las que muestran mayor interés sobre la aplicación y el desarrollo de este tipo de modelos. Tal es el caso de la Agencia de Protección Ambiental (USEPA) y el Departamento de Agricultura (USDA) de los Estados Unidos. Los modelos desarrollados en Europa difieren de dos vertientes, los ya existentes que utilizan el concepto de la Ecuación Universal de Perdida de Suelo (USLE (Wischmeier & Smith, 1978)) y de los desarrollados basados en eventos. Cada modelo se adapta a las condiciones que existen en el área de estudio, como por ejemplo la diversidad de usos de suelo. Una de las dificultades que existen para la utilización de los modelos, es debido en parte a su heterogeneidad. Algunos aspectos que los diferencian son la formalización matemática, requerimientos de información, representación espacio-temporal y el tipo de público para el que están diseñados. Por ello, la elección del modelo depende de los objetivos y las características del área de estudio y no se puede hacer una elección a priori (Sánchez, Sánchez, Garatuza, & Alatorre, 2007). Existen dos vertientes en cuanto a modelos para estimar la erosión, modelos cualitativos y cuantitativos. Los cualitativos expresan formas, grados y rangos de erosión. Mientras que los cuantitativos son de evaluación directa e indirecta. Dependiendo de la forma matemática que adopta la descripción de los procesos físicos que se simulan, los modelos de erosión pueden ser clasificados dentro de tres categorías (Merritt, 1984): i) empíricos, ii) conceptuales, y iii) de base física. Estos últimos comprenden los modelos de evaluación indirecta. Los modelos empíricos generalmente son los más sencillos, esto debido a que los requerimientos de información son menos estrictos. Se basan en análisis estadísticos de un conjunto de observaciones. En este estudio se eligió utilizar un modelo empírico (Ecuación Universal de Perdida de Suelo Revisada o RUSLE) debido a la escasez de información y recursos para utilizar otros modelos. Estos modelos utilizan procedimientos de inferencia estadística para su formulación matemática, basados en la recolección de información cuantitativa a partir del monitoreo en campo. A diferencia de la USLE que se diseñó para usos de suelo agrícolas, la RUSLE fue extendida a analizar otros usos de suelo. En México, tan solo la erosión hídrica afecta al 85% de su territorio (Sánchez, Sánchez, Garatuza, & Alatorre, 2007), se presenta con mayor magnitud en regiones de baja precipitación y/o alta densidad de población. Dentro de estas regiones se encuentra Chihuahua, Sonora, Baja California Norte y Baja California Sur, en esta región la superficie con procesos de erosión es de 49.5 miles de hectáreas y totalmente erosionada 2.8 miles de hectáreas (Be-
Capítulo III
Geoinformática aplicada a los procesos de erosión y degradación en suelos
201
cerra, 1998). Las dificultades que enfrenta el país para combatir el deterioro de los ecosistemas tienen origen principalmente en factores socioeconómicos. Existen pocos estudios enfocados a analizar la erosión hídrica en el país. Por ello se eligió utilizar el modelo empírico RUSLE, para modelizar por medio de Sistemas de Información Geográfica (SIG) áreas potenciales a ser erosionadas en la cuenca Laguna de Bustillos en el municipio de Cuauhtémoc, Chihuahua. En esta cuenca los factores que provocan la aceleración de este fenómeno están presentes en el área de estudio, por lo que puede tener áreas potenciales a ser erosionadas.
MATERIALES Y MÉTODOS Área de estudio La cuenca de la Laguna de Bustillos, se localiza en el municipio de Cuauhtémoc, Chihuahua, contenida en las coordenadas 28 13’19’’ y 28 59’35’’ latitud norte y 106 34’39’’ y 107 10’33’’ longitud oeste, teniendo como área total 2,035 km2 (Figura 1). Se encuentra rodeado por las Sierras de San Juan, Sierra Azul, Chuchupate, Salitrera, Rebote y Pedernales, dando origen a un relieve muy irregular. La planicie de la cuenca presenta una elevación de 2000 m.s.n.m., se encuentra compuesta por capas sedimentarias continentales: conglomerados, depósitos lacustres, depósitos de pie de monte y aluviales. Las sierras que lo rodean presentan un promedio de 2400 m.s.n.m. y en cuanto a litología se refiere están formadas principalmente por rocas ígneas extrusivas-ignimbritas, riolitas, dacitas, andesitas y basaltos. (Comisión Nacional del Agua: CONAGUA, 1991). En el área de estudio se tiene una precipitación media anual de 415.7 mm, así como clima semi-seco templado con una temperatura media anual de 14.6⁰C a lo largo del año (CONAGUA, 2010). Los usos de suelo con mayor porcentaje de ocupación en el área de estudio de acuerdo al mapa de usos y coberturas de suelo desarrollado por Erives, y otros (2012) son los siguientes: Agricultura de anuales (33%), Asociación Pino-Encino (23%) y pastizales (24%) (Tabla1, Figura 2). \
202
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 1. Localización de la Cuenca Laguna de Bustillos en un Modelo Digital del Terreno.
Tabla 1. Ocupación cada uno de los usos y coberturas de suelo en la cuenca Laguna de Bustillos. Categoría Agricultura de anuales Asentamientos Humanos Asociación Pino-Encino Bosque de pino Cuerpos de Agua Encinar Perturbado Huertas de Manzana Matorrales Pastizales Suelo desnudo Total
Capítulo III
Área Km2 1084.57 89.86 762.88 151.71 108.59 2.67 69.94 82.13 801.35 139.06 3292.75
% 32.94 2.73 23.17 4.61 3.30 0.08 2.12 2.49 24.34 4.22 100.00
Geoinformática aplicada a los procesos de erosión y degradación en suelos
203
Figura 2. Mapa de cobertura y usos del suelo (Bravo, Díaz Caravantes, Alatorre Cejudo, Sanchez, & Aguilar, 2012).
Ecuación Universal de Pérdida de Suelo Revisada (RUSLE) Para la estimación de la erosión potencial se aplicó la Ecuación Universal de Perdida de Suelo Revisada RUSLE; (Renard, Foster, Weesies, & Porter, 1991). La cual consiste en una multiplicación simple de cinco factores. Es un modelo aplicado a la escorrentía superficial. En el cual los factores tienen una relación directa con el desprendimiento de partículas, como lo son las características del suelo, la cobertura y usos del suelo, precipitación y el relieve. (1) Donde R es el factor de erosividad de la lluvia-escorrentía (MJ mm/ha h año), el cual considera el poder erosivo del impacto de la gota de lluvia y de la escorrentía, K es el factor de erodibilidad del suelo (ton ha h/ha MJ mm) bajo condiciones estables, C es el factor relativo al efecto de la cubierta vegetal
204
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
y el uso del suelo sobre la erosión (adimensional), LS es el factor topográfico (adimensional), el cual considera los efectos de la longitud de la ladera y la pendiente en el proceso erosivo, y, finalmente P es un factor relacionado con las practicas del manejo del suelo. El factor R es el producto de las energías cinéticas de las tormentas con una duración máxima de 30 minutos que ocurren a lo largo de un año, se estima a partir de la relación: (2) Donde: E= energía cinética total de una tormenta i. I30= intensidad máxima de una lluvia en 30 minutos. j= número de tormentas en un periodo de años N. La energía cinética de una tormenta está en función de la cantidad de lluvia caída y de las intensidades (I) en cada intervalo. La energía de la lluvia está directamente relacionada con la intensidad de la lluvia por la expresión (Foster et al., 1981): (3) Donde em tiene unidades de MJ/ha mm. Así la energía cinética de una tormenta EI30 se calcula a través de la relación: (4) Donde vr es el volumen de lluvia (mm) para cada fracción de la tormenta donde I es constante. Dado que en la región solo se cuenta con datos diarios de precipitación, se ha optado por desarrollar un modelo de regresión lineal para estimar el factor R utilizando la base de datos desarrollada por Sánchez, Sánchez, Garatuza, y Alatorre (2007; Tabla 2) para la cuenca del Río Mátape, Sonora, México, seleccionando los datos de precipitación media diaria (Figura 3) y el valor de R-Diario para la construcción del modelo. Una vez obtenida la ecuación matemática que relaciona los valores de R-Diario y precipitación media diaria, se procedió a realizar una cartografía de la precipitación media diaria para el área de estudio, se utilizaron los datos
Capítulo III
Geoinformática aplicada a los procesos de erosión y degradación en suelos
205
propuestos por Téllez, Hutchinson, Nix, y Jones, (2011), el cual utiliza valores puntuales mensuales promedio de la precipitación a una resolución espacial de 1 km2. El algoritmo que utilizan estos autores, interpola los datos puntuales de forma progresiva suave y no abrupta con base en el incremento o decremento de la elevación y un intervalo de error entre 8.8-13.9%. La precipitación media diaria dentro de la cuenca es de 0.9-1.2 mm. Luego se calculó el factor R por medio de la ecuación obtenida mediante el modelo de regresión lineal (Figura 4). El modelo empleado para obtener los valores del factor R para el área de estudio mostró un buen grado de ajuste, tal y como lo muestra el valor de R² = 0.9952 (Figura 4). Para obtener RD para la cuenca Laguna de Bustillos, a los datos de precipitación diaria se les aplico la siguiente ecuación: (5) Donde PMD es la Precipitación media diaria. Tabla 2. Datos de las estaciones climatológicas y valores del factor R (Modificado de Sánchez, Sánchez, Garatuza, y Alatorre, 2007). PMD (mm)
Nombre La Colorada Mazatlán Guaymas Nacori Grande Punta de Agua Torres FF. CC Francisco Pueblo de Álamos Tecoripa Punta de Agua Mátape Cobachi La Misa San José de Pimas
206
0.97 1.19 1.55 1.06 0.68 0.97 1.60 1.41 1.31 0.85 1.14 1.63 1.69 1.10
R-Diario 83.90 102.67 146.04 96.63 55.48 85.66 156.10 131.34 122.21 72.99 101.12 156.19 165.24 100.17
GEOINFORMÁTICA APLICADA A PROCESOS GEOAMBIENTALES en el contexto local y regional: teledetección y sistemas de información geográfica
Figura 3. Precipitación media diaria (elaborado a partir de los datos de precipitación media de Téllez, y otros, 2011). 160.00 140.00 120.00
R. Diario
100.00 80.00 60.00 40.00 20.00 0.00 0.00
0.50
1.00
1.50
2.00
Precipitación media diaria (mm)
Figura 4. Modelo de regresión lineal.
Capítulo III
Geoinformática aplicada a los procesos de erosión y degradación en suelos
207
El factor de erodibilidad del suelo K mide la resistencia del suelo a la erosión, considerando la información textural, contenido de materia orgánica, y permeabilidad de los suelos en la cuenca. Para el cálculo de este factor hay que acudir a medidas experimentales en parcelas durante varios años, con el fin de estimar la intensidad y frecuencia de las tormentas, el cálculo se puede simplificar mediante simuladores de lluvia (Wischmeier & Cross, 1971). Algunos autores llegaron a la conclusión de que el factor K puede ser calculado en función de propiedades del suelo por medio de ecuaciones de regresión múltiples. Entre ellos están Wischmeier y Cross (1971), que simplificaron un cálculo de la erodibilidad utilizando un simulador de lluvia. Llegando a obtener la ecuación de regresión empleando algunos parámetros físicos (Tablas 3 y 4): (6) Donde T es el parámetro de textura de los 15 cm superficiales, MO es el contenido de arcilla (%), E es el parámetro de estructura, y P el parámetro de permeabilidad. (7) Donde L+Armf representan limo mas arena muy fina (0.1-0.002 mm), y Ac es arcilla (
