Cambio del uso del suelo y escorrentía superficial ...

61C A M B I O D E U S O D E L S U E L O Y E S C O R R E N T Í A S U P E R F I C I A L : A P L I C A C I Ó N D E U N M O D E L O

D E S I M U L A C I Ó N E S P A C I A L E N L O S Á N G E L E S , V I I I R E G I Ó N D E L B I O B Í O , C H I L E

Revista de Geografía Norte Grande, 2006, Nº 36, p. 61-74

Cambio de uso del suelo y escorrentíasuperficial: aplicación de un modelo desimulación espacial en Los Ángeles, VIII

Región del Biobío, Chile1

Cristián Henríquez2, Gerardo Azócar3, Mauricio Aguayo3

RESUMENMediante el desarrollo de un modelo de simulación espacial del cambio de usodel suelo, se evalúa y simula el cambio en el coeficiente de escorrentía superfi-cial para la ciudad de Los Ángeles y sus alrededores, VIII Región del Biobío,para el período 1998-2022. El modelo se ha desarrollado en el SIG Idrisi Kili-manjaro, integrando los métodos de Cadenas de Markov, Evaluación Multi Cri-terio y Autómatas Celulares. La evaluación del coeficiente de escorrentía sebasa en el método del Servicio de Conservación de Suelo de Estados Unidos.Los resultados abren importantes perspectivas para usar este tipo de herramien-ta de análisis espacial en la evaluación de impacto ambiental desde una ópticageográfica.

Palabras clave: evaluación ambiental, simulación espacial, Sistemas de Informa-ción Geográfica

ABSTRACTThrough development of a spatial simulation model of the land use change it isevaluated and predicted the increase of the surface runoff coefficient in LosAngeles city, Biobío region, between years 1998 and 2022. The model has beendeveloped in the SIG Idrisi Kilimanjaro integrating Markov Chains, Multi-Crite-ria Evaluation and Cellular Automata. The assessment of the surface runoff co-efficient is based on the method of USSCS. The use of spatial models representsa powerful tool to analyze the environmental effects of the urban development,from a geographic approach.

Key words: environmental assessment, spatial simulation, Geographic Informa-tion Systems

1 Esta investigación es parte de los resultados del Pro-yecto Fondecyt Nº 1050649 Modelación del cam-bio de uso del suelo en la interfase urbano-rural;Una herramienta de análisis espacial aplicada al es-tudio del crecimiento de ciudades intermedias deChile Central (Chillán y Los Ángeles). Artículo reci-

bido el 12 de septiembre de 2006 y aceptado el 2de noviembre de 2006.

2 Instituto de Geografía, Pontificia Universidad Ca-tólica de Chile. E-mail: [email protected]

3 Centro EULA-Chile, Universidad de Concepción. E-mail: [email protected]; [email protected]

Los modelos de cambio de uso se hantransformado en una poderosa herramientade análisis espacial orientada, principalmen-te, a los siguientes aspectos: (a) Explorar los

variados mecanismos que fuerzan los cam-bios de uso del suelo y las variables socia-les, económicas y espaciales que conducena esto; (b) Proyectar los potenciales impac-

62 R E V I S TA D E G E O G R A F Í A N O R T E G R A N D E

tos ambientales y socioeconómicos deriva-dos de los cambios en el uso del suelo, y;(c) Evaluar la influencia de alternativas polí-ticas y regímenes de manejo sobre los patro-nes de desarrollo y uso del suelo (Aguayo etal., 2006).

Los modelos de cambio de uso del suelousan parámetros simples, incluyendo la ex-tensión de las actuales áreas urbanas, lasprincipales vías de transporte, la distancia alos mercados de trabajo, bienes e insumos,las condiciones topográficas y la existenciade tierras en situación especial (i.e. áreasprotegidas, zonas de drenaje). El foco prin-cipal en el esfuerzo de la modelación, es laidentificación de los factores físicos y so-cioeconómicos que determinan o condicio-nan la presión sobre el cambio de uso delsuelo en un territorio determinado.

Dos aproximaciones prevalecen en lamodelación de patrones espaciales de loscambios de uso del suelo: (a) Modelos basa-dos en regresión, y (b) Modelos en base atransición espacial. Los primeros establecenrelaciones entre un amplio rango de varia-bles predictivas y las probabilidades decambio de uso del suelo. La influencia deestos factores locales sobre el cambio deuso es tradicionalmente modelada con lafunción de decaimiento de distancia, dondela influencia decrece con el incremento deesta medida (Theobald y Hobbs, 1998;Weng, 2002). Generalmente, en la modela-ción en base a regresión se han usadoaproximaciones lineales, como la regresiónlogística, no lineales, vinculadas a redesneuronales, y modelos aditivos generaliza-dos (Pijanowski et al., 2005).

El objetivo de estos modelos es estable-cer relaciones funcionales entre un conjuntode variables debidamente espacializadasque, posteriormente, son usadas para esti-mar la localización de los cambios sobre elpaisaje. Los valores de las variables y los ca-sos reales de cambio de uso del suelo sonnormalmente observados a partir de datoshistóricos obtenidos desde imágenes sateli-tales o fotografías aéreas verificadas en te-rreno. El valor de los modelos de regresiónes la fácil obtención de la contribución rela-tiva de diferentes variables, que permitenpronosticar un determinado cambio de uso

del suelo. Debido a la naturaleza espacialde muchas de las variables de entrada, la in-tegración con los Sistemas de InformaciónGeográfica (SIG) es esencial ya que permiteun manejo y análisis espacialmente explíci-to de los datos asociado al modelo (Qi yWu, 1996; De Koning et al., 1999). En estesentido, los SIGs son un aporte en: (a) Laconstrucción de variables de entrada para lamodelación; (b) La identificación de patro-nes espaciales en los datos; (c) La cuantifi-cación de los cambios temporales observa-dos o predichos; (d) La evaluación defactores que operan cruzando una variedadde escalas, y; (e) La visualización de los re-sultados.

Por otro lado, los modelos basados entransición espacial comprenden, principal-mente, las técnicas estocásticas basadas enel método de Cadenas de Markov y Autó-matas Celulares (AC) (Zhou y Liebhold,1995; Pontius y Malanson, 2005). Estos mo-delos asumen explícitamente que las áreasvecinas influyen en la probabilidad de tran-sición del área o celda central. Las investi-gaciones que emplean esta aproximacióndiscuten la tradicional función de decai-miento de distancia. En particular, elloscuestionan el supuesto de equilibrio y pre-cisan que la complejidad que suponen losmodelos basados en regresión es despejadacomo ruido (Aguayo et al., 2006). Los ACincorporan reglas simples acerca de losefectos de adyacencia espacial que gobier-nan la dinámica del sistema y que dan lu-gar a patrones de comportamientos emer-gentes que son usualmente más complejosque aquellos generados por simples mode-los de equilibrio.

En Chile, ejemplos de aplicaciones deAC y matrices de Markov, corresponden ala modelación espacio-temporal de sequíashidrológicas a nivel regional (De la Cuadray Fernández, 2001) y modelación de cam-bios de uso de suelo en la comuna rural deNinhue, VIII Región del Biobío (Ramírez,2003), respectivamente. A nivel urbano seha aplicado un método integrado de AC,Cadenas de Markov y Evaluación Multi Cri-terio (EMC) en las ciudades de Chillán yLos Ángeles (Henríquez et al., 2006). Mien-tras que Aguayo et al. (2006), ha estudiadolos factores de crecimiento de la ciudad de



Los Ángeles usando un modelo de regre-sión logística.

Según Brown et al. (2002), para que losmodelos predictivos se transformen en unaherramienta útil es necesario que represen-ten de manera eficaz: (a) La magnitud de loscambios; (b) La localización de los futuroscambios, y; (c) Los patrones espaciales deestos cambios. Aunque diversos modelos tra-tan las tres condiciones, pocos modelos es-tán orientados específicamente a representarlos patrones espaciales de los cambios deuso y coberturas del suelo como entradapara un modelo de evaluación de impactoambiental de carácter predictivo. La repre-sentación de los patrones espaciales de loscambios proyectados por los modelos es degran importancia, debido a que esta es laúnica manera de evaluar y proyectar conmayor precisión las consecuencias ambien-tales de los efectos del crecimiento urbanofuturo en la periferia. En este contexto seríaposible dimensionar los impactos en la pér-dida de suelo agrícola, fragmentación delhábitat o cambios en la escorrentía superfi-cial, aspecto que se desarrollará como ejem-plo en esta investigación en la ciudad deLos Ángeles.

Para este propósito el trabajo se ha es-tructurado en cinco partes; la primera referi-da a la detección del cambio de uso de sue-lo entre los años 1998 y 2006; cálculo dematrices de Markov; Evaluación Multi Crite-rio; Aplicación de AC y simulación espacialpara los años 2014 y 2022; y estimación delcoeficiente de escorrentía superficial para elperíodo 1998-2022.

Impacto del cambio de uso desuelo en el coeficiente deescorrentía en Los Ángeles

El cambio de uso de suelo natural o rurala uso urbano produce importantes transfor-maciones, como por ejemplo el aumento dela escorrentía superficial, especialmentecuando se producen fuertes precipitacionesde tormenta lo que ocasiona desbordes,inundaciones, erosión, difusión de contami-nantes, entre otros efectos (Goudie, 1990;Weng, 2001). En la ciudad de Los Ángeles,VIII Región del Biobío, al igual que en las

principales ciudades de Chile Central, seestá produciendo un rápido crecimiento ho-rizontal de las superficies urbanas que alcombinarse con la ocurrencia de fuertesprecipitaciones invernales, concentradas enpocos días, originan importantes impactosambientales, como las ocurridas este invier-no recién pasado.

Los efectos de una precipitación extremason de diversa índole, destacando inunda-ciones en los sectores topográficamente másdeprimidos de la ciudad, destrucción de vi-viendas de condiciones estructurales preca-rias, colapso de red de alcantarillas y red dedesagüe de aguas lluvia erosión de márge-nes de los esteros y canales, entre otros. Elaumento del escurrimiento es especialmentecrítico ante los flujos provocados por tor-mentas invernales, en que la lluvia se con-centra en pocas horas.

En diferentes estados del crecimientourbano pueden ser observados varios im-pactos en el ciclo hidrológico (Kliber,1982). En los primeros estados de la urba-nización, la remoción de árboles y vegeta-ción natural puede disminuir la evapotrans-pi ración y la in tercepción de lasprecipitaciones por parte de los follajes eincrementar la sedimentación en los cursosde agua, como consecuencia de la mayorerosión de los suelos. Más tarde, cuandocomienza la construcción de casas, calles ycanales, los impactos pueden incluir la dis-minución de la infiltración, rebaja en losacuíferos, incremento de flujos de tormentay decrecimiento del flujo base durante pe-ríodos de sequía. Posteriormente, en unatercera etapa, cuando el desarrollo deconstrucciones residenciales y comercialesya se ha completado, el incremento de laimpermeabilidad reducirá el tiempo deconcentración de la escorrentía, incremen-tando el peak de descarga inmediatamentedespués de comenzar la lluvia en la cuen-ca. Finalmente, cuando los alcantarilladosy canales de desagüe se consolidan en laciudad, se producen graves problemas deinundación aguas abajo.

Hough (1984) ha determinado que si sereduce la cobertura de árboles y vegetaciónen el área urbana decrece la evapotranspira-ción de 40% a 25%; aumenta la tasa de es-


correntía de 10% a 30%; disminuye el tiem-po de retraso entre la iniciación de precipi-taciones y escorrentía; y, decrece la infiltra-ción subterránea de 50% a 32%. Estosantecedentes permiten afirmar que uno delos más notables impactos ambientales delreemplazo de coberturas naturales por co-berturas impermeables, corresponde al au-mento de la escorrentía superficial.

El rol de las superficies de impermeabili-zación es crucial para el funcionamiento delas cuencas urbanas (Dow y DeWalle,2000). De acuerdo a Goudie (1990), elmonto del drenaje urbano vertido por eldesagüe de alcantarillas y aguas lluvia,aguas abajo de la ciudad, puede ser muchomás grande que en las áreas rurales debidoa la impermeabilización del suelo y aumen-to de la escorrentía en la ciudad.

Otro impacto importante del aumento dela escorrentía superficial es sobre la calidaddel agua, especialmente durante fuertes tor-mentas que hacen colapsar los sistemas dealcantarillado y mezclan las aguas lluviacon aguas residuales con altas cargas decontaminantes, amenazando seriamente lacalidad de los cuerpos de agua receptores(Rogers, 1994).

En Chile se han realizado pocos estudiospara determinar los efectos de la urbaniza-ción sobre la escorrentía superficial, excep-tuando algunas investigaciones en las ciuda-des de Temuco, Chillán y Quillota (Romeroet al., 2003), y más recientemente en lassubcuencas urbanizadas del piedemonte an-dino de Santiago (Romero y Vásquez, 2005).Estas investigaciones demuestran que las su-perficies urbanizadas, los diseños de urbani-zación y los estados de avance del procesode urbanización, son factores que incidengrandemente en la impermeabilización delas cuencas y por ello en los efectos del cre-cimiento de la ciudad sobre el ciclo hidroló-gico.

Por otro lado, el Sistema de Evaluaciónde Impacto Ambiental (SEIA) administradopor CONAMA (Comisión Nacional del Me-dio Ambiente) exige a los proyectos o acti-vidades que se someten bajo la forma deEstudio de Impacto Ambiental (EIA) a dichosistema, la identificación y evaluación de

los impactos ambientales, así como tam-bién la predicción de estos. Al respecto elartículo 12 del Reglamento de SEIA, letra g,señala que la predicción y evaluación delos impactos ambientales se efectuará enbase a modelos, simulaciones, medicioneso cálculos matemáticos (MINSEGPRES,2002).

En ese contexto, esta investigación sepropone avanzar en la evaluación y progno-sis de los coeficientes de escorrentía superfi-cial en la ciudad de Los Ángeles, conside-rando la evolución del conjunto de usos desuelo y sus cambios futuros, dándole espe-cial énfasis a la modelación del impactoambiental.

Área de estudio y metodología

La ciudad de Los Ángeles se ubica 517km al sur de la ciudad de Santiago y se loca-liza a 37º 28’ S de latitud y 72º 21’ W delongitud, a una altitud promedio de 133 me-tros sobre el nivel medio del mar, forma par-te de la comuna homónima, y es la capitalde la provincia del Biobío (Figura Nº 1). Po-see una población de 123.445 personas(Censo 2002) y en el último período inter-censal ha experimentado una tasa de creci-miento anual de 2,6%.

Los principales cursos hídricos que cru-zan la ciudad de norte a sur son: los esterosEl Bolsón, Saavedra, Maipo, Quilque y Pai-llihue, y el canal Rioseco. Antecedentes re-copilados del proyecto de Actualización delPlan Regulador Comunal de Los Ángeles,plantean que en el sector norponiente de laciudad se encuentra un sector de humedalescaracterizado por un mal drenaje y que enla temporada invernal dificultan el desarro-llo de cualquier actividad productiva tradi-cional. En esta área, la presencia de hume-dales se debe a la cercanía de un depósitolahárico a la superficie, el cual es imper-meable, dando origen a estos sectores muyhúmedos. En contraste, en el sector orientede la ciudad también hay presencia de nu-merosos humedales, pero se caracterizanpor presentar suelos de excelente calidadaptos para todo tipo de cultivos (Ilustre Mu-nicipalidad de Los Ángeles y Centro de Eco-logía Aplicada, 2001).



Figura Nº 1ÁREA DE ESTUDIO

Fuente: Sinia, 1998.

Detección del cambio de uso de suelo

La base del modelo corresponde a la de-terminación de los usos / coberturas de sue-lo, para ello se ha interpretado las fotogra-fías aéreas del año 1998 (obtenidas de http://www.sinia.cl), e imagen satelital Ikonos-2PAN/MSI, del 15 de marzo de 2006, para uncuadrante de 12 por 12 km en Los Ángeles ysus alrededores. Las fotografías aéreas hansido escaneadas y georreferenciadas al siste-ma de coordenadas UTM WGS-84 (19S), uti-lizando como referencia la carta topográficade Los Ángeles, escala 1: 50.000, del Insti-tuto Geográfico Militar, así como tambiénlevantamientos aerofotogramétricos digitalesformato CAD, escala 1: 5.000, año 1995 yvisitas a terreno entre los años 2004-2006.

Empleando dichas imágenes georreferen-ciadas, se digitalizaron los polígonos de uso

/ cobertura de suelo, mediante el SIG Ar-cView 3.2, asignándoles un código de iden-tificación a cada categoría en la base de da-tos respectiva. Las tipologías detectadasfueron: (1) urbano, (2) transporte, (3) culti-vos, (4) matorrales, (5) bosques, (6) humeda-les, y (7) cuerpos de agua.

Modelo de simulación espacial

Sobre la base de los patrones de creci-miento urbano se propuso y desarrolló unModelo de Simulación Simultánea de Cam-bio de Uso / Cobertura de Suelo (MSSCUS),orientado principalmente a determinar losusos de suelo futuro. Dicho modelo se reali-zó en el SIG Idrisi Kilimanjaro y comprendiótres fases generales. La primera consistió endeterminar las probabilidades de transiciónde las distintas coberturas de suelo para si-mular la situación a un año x, sobre la base


al período x-1, mediante el método de Ca-dena de Markov. A partir de este método sepuede estimar la tendencia de cambio de unsistema a partir de los estados iniciales; si seconoce el modo en el cual cambian de unuso del suelo a otro en el tiempo, se puedellegar a conocer cómo podría estar estructu-rado el paisaje en el futuro (Martí et al.,2004).

Para ello se recurrió al modulo MARKOVdel SIG Idrisi, se ingresó el mapa de uso desuelo del año 1998 y 2006 y se obtuvo ma-trices de probabilidades de transición, con-siderando un período de proyección de 8 y16 años. Estas matrices expresa la probabili-dad de un pixel de una categoría determina-da a cambiar a otra clase o mantener la mis-ma en el próximo período de t iempo(Eastman, 2003).

Luego se realizó una EMC, de acuerdo almétodo propuesto por Barredo (1996) yEastman (2003), con el objetivo de determi-nar un mapa de aptitud de uso de suelo paracada categoría de uso de suelo. El métodode EMC permite asignar usos posibles delsuelo considerando una combinación defactores debidamente ponderados sobre labase de la importancia relativa que le otor-gan los conocimientos acumulados y los ex-pertos consultados. Los factores correspon-den a criterios que determinan la mayor omenor aptitud que tiene cada pixel para unuso de suelo definido (0 nula aptitud a 255máxima aptitud). Los factores consideradospara el uso urbano fueron:

a) Plano de proximidad a las rutas princi-pales

b) Plano de proximidad al centro urbanoc) Plano de usos / coberturas más suscepti-

bles de cambiar a uso urbano

El método también considera limitanteso restricciones geográficas (máscaras) de ca-rácter booleanas (valor 0 o 1), que limitan elanálisis a un área geográfica particular. En elcaso del uso urbano se utilizaron:

a) Las áreas ya urbanizadasb) Cuerpos de agua

Finalmente, combinando el plano de re-ferencia del año 2006, la matriz de transi-

ción de Markov, la EMC de cada uso de sue-lo y el método de Autómatas Celulares, selogró simular el uso / cobertura de suelo fu-turo para toda el área de estudio, para losaños 2014 y 2022.

Es necesario recalcar que un AC es unagente u objeto que tiene la habilidad decambiar su estado, basado en la aplicaciónde una regla que relaciona el nuevo estadocon su estado previo y la situación de las cel-das vecinas (Eastman, 2003). Es un sistemadinámico discreto que se desarrolla en el es-pacio y tiempo, compuesto por celdas, cua-drícula, vecinos y reglas. Las celdas son elelemento básico de los ACs, las cuales pue-den tener estados binarios 1 o 0; la cuadrícu-la es la disposición de esas celdas en una redespacial en una o dos dimensiones; los veci-nos son las celdas que determinan el estadode una celda (ver Figura Nº 2); y las reglas,definen el estado de la celda para el próximoperíodo. En el caso de las simulaciones reali-zadas se utilizó el vecino (o filtro) Von Neu-mann Extendido que viene por defecto en elmódulo CA_MARKOV de Idrisi.

(a) Von Neumann, (b) Moore, (c) Von NeumannExtendido, (d) Moore Extendido

Figura Nº 2TIPOS DE VECINOS DE UN AUTÓMATA

CELULAR

En general existen dos métodos paraaplicar un AC basado en SIG: sin limitantesy con limitantes (Sui y Zeng, 2001). El pri-mer modelo no considera restricciones geo-gráficas, lo que significa que todas las cel-das de la cuadrícula tienen igual posibilidadde cambiar de estado de acuerdo a su pro-babilidad, mientras que en el segundo lasprobabilidades de conversión de una celdano son permitidas en celdas que cumplenciertos criterios. En este caso como se seña-ló anteriormente las restricciones considera-das en la EMC son los pixeles ya urbaniza-dos y los cuerpos de agua.



Es importante destacar que el modeloutilizado se basa fundamentalmente en elmodelo desarrollado en Henríquez et al.(2006), para el período 1978-1998 en lasciudades de Chillán y Los Ángeles, el cualha sido validado mediante el índice Kappa,entre el escenario simulado para el año1998 y una imagen de referencia del mismoaño.

Evaluación y proyección del coeficientede escorrentía superficial

El coeficiente de escorrentía superficial(c) se define como el cociente entre el mon-to de precipitación de tormenta que escurreen superficie (Pe) y la precipitación de tor-menta (P). Para determinar la escorrentía su-perficial se ha aplicado el modelo desarro-l lado por el Soil Conservation Service(USSCS) de Estados Unidos (Mockus, 1972;Chow et al., 1994), que se basa en la teoríasobre el destino de las precipitaciones enfunción de los resultados de estudios empíri-cos de varias cuencas pequeñas en EstadosUnidos.

El modelo del USSCS considera los si-guientes parámetros: (a) Grupo hidrológicodel suelo (el cual depende del tipo de dre-naje del suelo). Se han definido cuatro gru-pos de suelos a partir de sus distintas tasasde infiltración, que van de la más baja esco-rrentía potencial (Grupo A) a la más alta(Grupo D); para ello, se adaptaron a la clasi-ficación del USSCS los tipos de suelos obte-

nidos de los fotomosaicos CIREN-CORFO,escala 1:20.000, de Los Ángeles, conside-rando las características de drenaje de ellos(Cuadro N° 1); (b) El porcentaje de imper-meabilización de cada uso / cobertura desuelo, que también fueron adaptados a laclasificación del USSCS, y; (c) El monto deprecipitación de tormenta extrema, valorque se ha extraído de las estadísticas meteo-rológicas de la ciudad Los Ángeles (DGAC,1993), considerando el evento de mayorprecipitación máxima en 24 horas.

Resultados y Discusión

Primera parte: Cambio del uso /cobertura de suelo 1998-2006

En los últimos ocho años la ciudad de LosÁngeles ha crecido un 22,3% (Cuadro Nº 2),no obstante el uso que porcentualmente másaumentó corresponde a la infraestructura detransporte que experimentó una variación de79,5%. Este enorme cambio se debe funda-mentalmente a la construcción del nuevobypass de la ruta 5 al poniente de la ciudad,que ha tensionado el crecimiento urbano ha-cia ese sector. Los usos de suelo que más handisminuido han sido el matorral y cultivos ypastizales, y humedales, en ese orden, mien-tras que el uso forestal aumentó levemente susuperficie (5 hectáreas), lo cual tiene una im-portante repercusión en el comportamientodel coeficiente de escorrentía como se verámás adelante.

Cuadro N° 1ADAPTACIÓN DE LAS SERIES DE SUELOS DE IREN-CORFO AL SISTEMA DE GRUPO HIDROLÓGICO DEL

SUELO DEL USSCS

Tipo de drenaje de las series de suelo del IREN-CORFO Grupo hidrológicodel suelo del USSCS

0 Grupo A

2 Grupo A

4 Grupo B

6 Grupo C

8 Grupo D

Capacidad de uso VII y VIII sin especificación de drenaje Grupo D

Fuente: IREN-CORFO (1964).


Segunda parte: Cadenas de Markov

A partir de los resultados anteriores secalcularon las probabilidades de transiciónde cambio de uso de suelo ut i l izandocomo años de referencia 1998 y 2006. Serealizaron dos matrices para representarlos intervalos temporales 2006-2014 y2006-2022, que son la base para las simu-laciones de distribuciones futuras de usode suelo. Se observa que la mayor proba-bilidad de cambio de las distintas catego-rías de uso de suelo es al uso urbano, es-pecialmente respecto a las coberturas decultivos (4,7 %), matorrales (4,0 %), hume-dales (1,0 %), transporte (0,8 %) y bosque(0,6 %), respectivamente, como se apreciaen la Figura Nº 3.

Tercera parte: Evaluación Multicriterio

En esta fase se realizó una EMC a cadaclase de uso/cobertura de suelo para el año2006, considerando factores y limitantes,con la ayuda del módulo Decision SupportWizard en Idrisi. La EMC para el uso urbanofue desarrollada con mayor profundidad,dado que es el uso más dinámico en el pai-saje. Para ello se han considerado los facto-res y restricciones señalados en la metodo-logía, debidamente estandarizados. En elcaso de los factores distancia al centro y dis-tancia a vías principales se estandarizaronconsiderando los puntos de inflexión de la

curva de decaimiento por distancia estable-cidos en Henríquez et al. (2006).

Por otro lado, la ponderación de la im-portancia entre los tres factores se elaborómediante el Proceso de Jerarquía Analítica(Analytical Hierarchy Process, AHP). Estemétodo requiere la valoración comparativade importancia entre pares, es decir, indicarcuál es la importancia de un factor respectoa otro utilizando una escala de nueve posi-bilidades, que abarca de la mayor importan-

Cuadro Nº 2EVOLUCIÓN DE LOS USOS / COBERTURAS DE SUELO EN LOS ÁNGELES 1998-2006

Usos/coberturas de suelo1998 2006

Ha % Ha %

Urbano 1.853 12,86 2.267 15,74

Transporte 137 0,95 246 1,71

Cultivos 11.053 76,72 10.605 73,61

Matorral 272 1,89 208 1,44

Bosque 497 3,45 502 3,48

Humedal 464 3,22 447 3,10

Cuerpos de agua 131 0,91 132 0,92

Fuente: Elaboración propia.


Figura Nº 3PROBABILIDADES DE TRANSICIÓN (CADENASDE MARKOV) PARA LOS USOS DE SUELO EN

LOS ÁNGELES



cia (9), igual importancia (0) a la menor im-portancia (1/9). La asignación de pesos entrefactores (Cuadro N° 3) se fundamentó en elcomportamiento de los patrones de creci-miento urbano y probabilidad de cambio deuso de suelo analizados en el punto ante-rior. De esta forma, se obtuvieron los si-guientes valores de jerarquía, en orden deimportancia: distancia a vías principales(0,6491), distancia al centro (0,2790) y sus-ceptibi l idad de cambio de otros usos(0,0719). Como ejemplo se presenta la apti-tud de uso urbano (Figura Nº 4).

Para el caso de los mapas de aptitud delas categorías cultivo, matorral y bosque seconsideraron igualmente como limitantes alas áreas ya urbanizadas (uso urbano ytransporte) y como factor el resto de losusos; por lo tanto, al considerar solo un fac-tor no fue necesario emplear el AHP. El cri-terio para valorar los usos consistió en otor-gar mayor relevancia al propio uso(otorgándole el mayor valor de aptitud, 255)y menor valor al resto de los usos de acuer-do a la susceptibilidad de cambio de usoobservado (valores menores a 250), deacuerdo a la probabilidad condicional obte-nidas de las Cadenas de Markov. Para el res-to de las coberturas se realizó una EMC sim-ple considerando como limitante todos losotros usos, ya que no presentan una dinámi-ca de cambio de uso de suelo importante; ycomo factor se consideró el propio uso,asignándole la mayor ponderación (255). Fi-nalmente, se unieron todas las EMC en unsolo archivo de compilación.

Cuadro N° 3ASIGNACIÓN DE PESOS ENTRE FACTORES

Factores Distancia a rutas Distancia al centro Probabilidad deprincipales urbano cambio de uso urbano

Distancia arutas principales 0 3 7

Distancia alcentro urbano - 0 5

Probabilidad decambio de uso urbano - - 0

Fuente: Elaboración propia

Figura Nº 4EVALUACIÓN MULTICRITERIO DEL USO

URBANO EN LOS ÁNGELES


Cuarta parte: Aplicación de AutómatasCelulares

Sobre la base de todos los resultados an-teriores, más el método de Autómatas Celu-lares se desarrolló el MSSCUS, orientado aestimar el uso futuro para toda el área de es-tudio. Los escenarios de simulación para elaño 2014 y 2022, así como los años de refe-rencia 1998 y 2006 se aprecian en la FiguraNº 5. Mientras que la magnitud de dichoscambios se exhibe en el Cuadro Nº 4.

Una de las ventajas que entrega elMSSCUS es el carácter estocástico para ilus-


trar el proceso de urbanización; es decir, laaparición espontánea de parches urbanos enel hinterland adyacente. Otra ventaja, comose ha indicado, es que permite simular la to-talidad de los usos de suelo de manera si-multánea.

En el sector norte de las proyecciones seobserva un efecto de “sal y pimienta” co-rrespondiente a una distribución aleatoriade pixeles propio del proceso empleado.Esta perturbación corresponde una deficien-cia técnica del método empleado que de-pende del rango temporal considerado en lasimulación (Pontius y Malanson, 2005).

Las simulaciones realizadas reafirman lastendencias observadas en el período prece-dente; en el caso particular del uso urbanose estima un aumento de 508 ha para el año2014 y de 1.846 ha para el 2022 correspon-diente a una variación de 81,4% entre2006-2022, que se concentraría, principal-mente, en el sector oriente de la ciudad,bajo la forma de parcelas de agrado, condo-minios privados, industrias y servicios.

Quinta parte: Evaluación y simulacióndel cambio en el coeficiente deescorrentía superficial

Finalmente en la última etapa, se ha eva-luado y proyectado teóricamente el cambio

en el coeficiente de escorrentía superficial,utilizando como dato base los usos / cober-turas de suelo del MSSCUS.

Considerando una precipitación de tor-menta máxima en 24 horas promedio de117,2 mm, es posible estimar una escorren-tía de 36,7 mm, 38,0 mm, 39,1 mm y 41,9mm para los años 1998, 2006, 2014 y 2022,respectivamente. Es decir se proyecta uncambio de solo 10,1% entre los años 2006 y2022 (c = 0,3134 y c = 0,3578, respectiva-mente), porcentaje muy inferior a la varia-ción del crecimiento de la superficie urbanaen igual período. Esto se debe en gran partea la alta capacidad de almacenamiento hí-drico de los grupos hidrológicos de suelosobre los cuales ha cambiado el uso de sue-lo. En segundo lugar, se está considerandoun sistema integrado de usos de suelo queinfluyen en el valor del CN (Número de Cur-va) y por lo tanto sobre el monto de esco-rrentía final estimado teóricamente. Es decir,mientras algunos usos altamente impermea-bles, como el área urbana y las vías detransporte, aumentarían considerablementesu superficie en el período 2006-2022, otrosusos con alta capacidad de almacenamientode agua, ubicados en las inmediaciones dela ciudad, principalmente los bosques, tam-bién incrementarían o mantendrían su su-perficie, con lo cual el valor final del coefi-ciente se equilibra.

Cuadro Nº 4SIMULACIÓN DE LOS USOS/COBERTURAS DE SUELO EN LOS ÁNGELES 2014-2022

Usos/coberturas de suelo 2014 2022

Ha % Ha %

Urbano 2.775 19,26 4.113 28,55

Transporte 288 2,00 438 3,04

Cultivos 10.117 70,22 8.623 59,85

Matorral 157 1,09 106 0,74

Bosque 507 3,52 498 3,46

Humedal 431 2,99 501 3,48

Cuerpos de agua 132 0,92 129 0,90




Figura Nº 5EVOLUCIÓN Y PROYECCIÓN DE LOS USOS/COBERTURAS

DE SUELO 1998-2022 EN LOS ÁNGELES



Para evaluar el comportamiento del co-eficiente de escorrentía superficial en fun-ción de la precipitación, se han construidocurvas que relacionan ambas variables paralos años 1998, 2006, 2014 y 2022 (FiguraNº 6). En ellas se puede observar que bajolos 20 mm de precipitación no se produceescorrentía superficial, excepto para la pro-yección del año 2022. Sobre los 20 mm deprecipitación, la tendencia de las curvas escreciente a medida que la precipitación in-crementa su monto, hasta llegar a los 100mm de agua caída. La proyección para el2022 presenta mayores montos debido a unamayor extensión de la superficie urbana si-mulada.

El impacto ambiental de este indicadorpodría ser mayor a las proyecciones plan-teadas, considerando que dichos valoresdependen estrechamente de un eventualdespliegue de usos de suelo permeables,como plantaciones forestales en el cua-drante de estudio. Este último supuesto esincierto, ya que a futuro las coberturas fo-restales podrían ser reemplazadas por su-perficies urbanas u otros proyectos viales.Este es el caso de Los Ángeles donde, en-tre 1998-2006, el hinterland de la ciudadha seguido urbanizándose, especialmentepor la concreción del segundo by pass dela ruta panamericana al poniente de laciudad.

Conclusiones

A través de la aplicación del modelo desimulación espacial se ha logrado evaluar ysimular el cambio en los valores del coefi-ciente de escorrentía superficial de la ciu-dad de Los Ángeles y sus alrededores, loque constituye una interesante perspectivade investigación y una aproximación meto-dológica que considera el uso de nuevas he-rramientas de análisis espacial para la eva-luación ambiental de los procesos dedesarrollo urbano.

Respecto al comportamiento del indica-dor analizado, es decir el escurrimiento su-perficial, es importante destacar que, conuna adecuada planificación del territorio anivel de cuencas urbanas y rur-urbanas, esposible mantener e incluso aminorar losefectos derivados de la impermeabilizaciónde suelos y el aumento de la escorrentía su-perficial, a través de una ordenación armó-nica del territorio, por ejemplo, respetandociertas densidades de ocupación del sueloen áreas de borde con capacidad de reten-ción de humedad o bien manteniendo losparches de vegetación natural en zonas hú-medas o cursos de agua. De este modo, ydesde una perspectiva ambiental, será posi-ble un proceso de crecimiento urbano mássustentable, en la medida que los nuevosusos del suelo y densidades de ocupación,permitan o favorezcan una mayor capacidadde infiltración del agua lluvia y, por otrolado, morigeren el escurrimiento superficialy sus efectos sobre la ciudad. Lo anterior,cobra vital importancia en ciudades comoLos Ángeles, cuyos sitios urbanos se hanemplazado sobre áreas agrícolas, zonas hú-medas y sistemas de drenaje naturales cons-tituidos por esteros, canales y humedales.

Se puede concluir que las repercusionesambientales de este acelerado crecimientourbano en la ciudad de Los Ángeles y, por so-bre todo, la forma en que se está llevando acabo, representado por un crecimiento a ma-yores distancias del centro histórico; ocupa-ción de suelos, para fines urbanos, con altovalor ecológico y ambiental para la ciudad;eliminación de cobertura vegetal; alta densi-dad de ocupación del suelo e impermeabili-zación de zonas de drenaje (si bien es ciertoque los usos residenciales periféricos en su

Figura Nº 6EVOLUCIÓN Y PROYECCIÓN DE LA RELACIÓN

ENTRE EL COEFICIENTE DE ESCORRENTÍA YPRECIPITACIONES DE 10 A 100 MM EN LOS

ÁNGELES




mayoría corresponden a parcelas de agrado ocondominios privados de muy baja densidadde ocupación), como también la obturaciónde esteros y canales de riego, está provocan-do importantes impactos ambientales comoel aumento de escorrentía superficial y riesgopor inundación en la ciudad.

La magnitud e irreversibilidad del proce-so urbanización afecta no solo el aumentode la escorrentía superficial sino tambiénotros aspectos ambientales que se puedenevaluar con el MSSCUS, como pérdida desuelo agrícola, fragmentación del paisaje,cambio en las temperaturas superficiales,entre otros. Esto abre nuevas perspectivaspara futuras investigaciones, así como tam-bién la consideración de la cuenca hidrográ-fica urbana en el estudio la escorrentía yáreas de inundación.

Los eventos de precipitación extrema encorto tiempo que producen violentos des-bordes de ríos y quebradas que destruyen vi-viendas, infraestructura e incluso vidas hu-manas, son un claro ejemplo deldesconocimiento del funcionamiento naturalde las cuencas urbanas. Una adecuada pla-nificación de usos de suelo y evaluaciónambiental estratégica en esta ciudad inter-media constituyen una enorme oportunidadpara mitigar y reducir los impactos ambien-tales asociados al aumento de la escorrentíaproducto del acelerado cambio de uso desuelo urbano y sus proyecciones futuras.

Referencias bibliográficas

AGUAYO, M.; AZÓCAR, G.; WIEGAND,T.; WIEGAND, K. & VEGA, C. Revealing dri-ving forces of mid-cities urban growth pat-terns using spatial modeling: a case study ofLos Angeles (Chile). Ecology and Society,2006, (en prensa).

BARREDO, J. Sistemas de informacióngeográfica y evaluación multicriterio. Ma-drid: RA-MA Editorial, 1996.

BROWN, D.; GOOVAERTS, P.; BURNIC-KI, A. & LI, M. Stochastic simulation of land-cover change using geostatistics and genera-lized additive models. PhotogrammetricEngineering & Remote Sensing, 2002, Nº 68,Vol.10, p. 1051-1061.

CHOW, V.; MAIDMENT, D. y MAYS, L.Hidrología Aplicada. Santafé de Bogotá:McGraw-Hill Interamericana S.A., 1994.

DEKONING, G.; VERBURG, P.; VEL-DKAMP, A. & FRESCO, O. Multi-scale mode-ling of land use change dynamics in Ecuador.Agricultural Systems, 1999, Nº 61, p. 77-93.

DE LA CUADRA, M. y FERNÁNDEZ, B.Modelación Espacio-Temporal de sequías re-gionales mediante Autómatas Celulares. En:XV Congreso Chileno de Ingeniería Hidráu-lica. Concepción: Facultad de Ingeniería,Universidad de Concepción, 2001.

DIRECCIÓN GENERAL DE AERONÁUTI-CA CIVIL (DGAC). Dirección Meteorológicade Chile. Anuario Meteorológico 1992 y1993. Santiago: Fuerza Aérea de Chile, 1994.

DOW, C. & DEWALLE, D. Trends in evapo-ration and Bowen ratio on urbanizing waters-heds in eastern United States. Water ResourcesResearch, 2000, Nº 36, Vol.7, p. 1835-1844.

EASTMAN, J. IDRISI Kilimanjaro. Guideto GIS and Image Processing. Worcester,MA: Clark Labs, Clark University, 2003.

GOUDIE, A. The human impact on thenatural environment. Oxford: Basil Blackwe-ll, 1990.

HENRÍQUEZ, C.; AZÓCAR, G. & ROME-RO, H. Monitoring and modeling urbangrowth in a developing country: the case ofmid-cities of Chillan and Los Angeles, Chile.Habitat International, 2006, Nº 30, Vol. 4,p. 945-964.

HOUGH, M. City Form and Natural Proces-ses. London: Croom Helm Publishers, 1984.

ILUSTRE MUNICIPALIDAD DE LOS ÁN-GELES y CENTRO DE ECOLOGÍA APLICA-DA. Memoria Explicativa Actualización delPlan Regulador Comunal de Los Ángeles.Los Ángeles, Centro de Ecología AplicadaLtda., 2001.

IREN-CORFO. Suelos. DescripcionesProyecto Aerofotogramétrico Chile / O.E.A. /B.I.D. Santiago: Instituto de Información deRecursos Naturales CORFO, 1964.


KLIBER, D. Urban stormwater hydrology.Washington, DC: American GeophysicalUnion, 1982.

MARTÍ, C.; PEÑA, J. y PINTÓ, J. Metodo-logía de análisis de la transformación del pai-saje de la Costa Brava: Evolución, diagnosis yprognosis. En: CONESA, C. y MARTÍNEZ, J.Territorio y Medio Ambiente: Métodos cuanti-tativos y técnicas de información geográfica.Murcia: Grupo de Métodos Cuantitativos, SIGy Teledetección de la Asociación de Geógra-fos Españoles y Departamento de Geografía,Universidad de Murcia, 2004, p. 317-328.

MINSEGPRES. Reglamento del Sistemade Evaluación de Impacto Ambiental. San-tiago: Diario Oficial. Ministerio SecretaríaGeneral de la República. Decreto SupremoNº 95/01, 2002, p. 47.

MOCKUS, V. Chapter 10. Estimation ofdirect runoff from storm rainfall. In: U.S. DE-PARTAMENT OF AGRICULTURE, S. C. S.SCS National Engineering Handbook, Sec-tion 4: Hidrology. Washington, DC: U.S. Go-vernment Printing Office, 1972.

PIJANOWSKI, B.; PITHADIA, S.; SHELLI-TO, B. & ALEXANDRIDIS, K. Calibrating aneural network-based urban change modelfor two metropolitan areas of the UpperMidwest of the United States. InternationalJournal of Geographical Information Scien-ce, 2005, Nº 19, Vol. 2, p. 197-215.

PONTIUS, R. y MALANSON, J. Compari-son of the structure and accuracy of twoland change models. International Journal ofGeographical Information Science, 2005,Nº 19, Vol. 2, p. 243-265.

QI, Y. & WU, J. Effects of changing spa-tial resolution on the results of landscapepattern analysis using autocorrelation indi-ces. Landscape Ecology, 1996, Nº 11, Vol. 1,p. 39-49.

RAMÍREZ, J. Clasificación y predicciónde cambios de cobertura del suelo en la Co-muna de Ninhue (secano interior), provinciade Ñuble, VIII Región. Revista de GeografíaNorte Grande, 2003, Nº 29, p. 95-105.

ROGERS, P. Hydrology and water quali-ty. En: MEYER, W. & II, B. Change in landuse and land cover: A global perspective.New York: Cambridge University Press,1994, p. 231-257.

ROMERO, H.; ÓRDENES, F. y VÁSQUEZ,A. Ordenamiento territorial y desarrollo sus-tentable a escala regional, ciudad de Santia-go y ciudades intermedias en Chile. En: FI-GUEROA, E. y SIMONETTI, J. Globalizacióny Biodiversidad: Oportunidades y desafíospara la sociedad chilena. Santiago: Progra-ma Interdisciplinario de Estudios en Biodi-versidad (PIEB). Santiago: Universidad deChile, 2003, p. 167-224.

ROMERO, H. y VÁSQUEZ, A. Evaluaciónambiental del proceso de urbanización delas cuencas del piedemonte andino de San-tiago de Chile. EURE, 2005, Nº 94, Vol. 31,p. 97-117.

SUI, D. Z. y ZENG, H. Modeling the dy-namics of landscape structure in Asia’semerging desakota regions: a case study inShenzhen. Landscape and Urban Planning,2001, Nº 53, Vol.1-4, p. 37-52.

THEOBALD, D. y HOBBS, N. Forecastingrural land-use change: a comparison of re-gression and spatial transition-based models.Geographical and Environmental Modelling,1998, Nº 2, Vol.1, p. 62-82.

WENG, Q. Modeling Urban GrowthEffects on Surface Runoff with the Integra-tion of Remote Sensing and GIS. Environ-mental Management, 2001, Nº 28, Vol. 6,p. 737-748.

WENG, Q. Land use change analysis inthe Zhujiang Delta of China using satelliteremote sensing, GIS, and stochastic mode-ling. Journal of Environmental Management,2002, Nº 64, p. 273-284.

ZHOU, G. & LIEBHOLD, A. Forecastingthe Spatial Dynamics of Gypsy-Moth Out-breaks Using Cellular Transition Models.Landscape Ecology, 1995, Nº 10, Vol.3,p. 177-189.

Cambio del uso del suelo y escorrentía superficial ...

Documents

Transcript of Cambio del uso del suelo y escorrentía superficial ...