Simulación de escenarios futuros de cambios de usos del suelo usando redes neuronales artificiales : aplicación en la ciudad de Curuzú Cuatiá, Corrientes, Argentina

Abstract

Las simulaciones de escenarios de usos del suelo futuros permiten obtener resultados que puedan convertirse en información valiosa para planificadores del territorio en tanto disminuyen el grado de incertidumbre. El objetivo del trabajo es la simulación de un escenario de usos de suelo de trayectoria lineal para el año 2030 de la ciudad de Curuzú Cuatiá, Corrientes. Factores topográficos, distancias y áreas inundables definidas por normativa vigente fueron escogidas como variables explicativas de los cambios, se utilizó un modelo basado en redes neuronales artificiales disponible en el Modelador de Cambios del Terreno (LCM) del software Idrisi Selva, junto con dos mapas de usos del suelo de cinco categorías elaborados para dos momentos del pasado. Los resultados obtenidos muestran los mapas de potenciales de transición hacia el Área Urbana Consolidada con precisiones mayores al 72%; escenarios simulados al año 2030 y se determinaron las superficies de cada categoría, encontrando aumento de la clase Urbana Consolidada. Se completó el estudio con la validación del modelo por clase, mediante la fiabilidad global y el índice Kappa.

Simulations of future land use scenarios allow obtaining results that can become valuable information for land planners while decreasing the degree of uncertainty. The aim of this contribution is to simulate a linear path land use scenario with a linear trajectory for the year 2030 in the city of Curuzú Cuatiá, Corrientes. Topographic factors, distances and flood areas defined by current regulations were chosen as explanatory variables of the changes, a model based on artificial neural networks, included in the Land Change Modeler -LCM- in the Idrisi Selva software was used, in addition to two maps of land uses of five categories elaborated for two moments of the past. The results obtained show the maps of transition potentials towards the Consolidated Urban Area with accuracies greater than 72%; simulated scenarios for the year 2030 (hard and soft prediction), and the surfaces of each class at each moment were determined, finding the increase only of the Urban Consolidated class in all of them. The study was completed with the validation of the model by class, using the global reliability and the Kappa index.