| Revista: | Investigaciones geográficas - Instituto de Geografía. UNAM |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000446515 |
| ISSN: | 0188-4611 |
| Autors: | Chang Martínez, Laura Alfonsina1 Rosete Vergés, Fernando Antonio1 Charre Medellín, Juan Felipe2 Mas, Jean Francois2 |
| Institucions: | 1Universidad Nacional Autónoma de México, Escuela Nacional de Estudios Superiores, Morelia, Michoacán. México 2Universidad Nacional Autónoma de México, Centro de Investigaciones en Geografía Ambiental, Morelia, Michoacán. México |
| Any: | 2020 |
| Número: | 102 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Los modelos predictivos de cambio de cubierta y uso del suelo (CCUS) son herramientas que permiten identificar cantidad o áreas susceptibles a los cambios, y prevenir condiciones de degradación ambiental. Existen diversos enfoques para realizar las simulaciones de CCUS, los modelos predictivos a evaluar en esta investigación utilizan un enfoque basado en patrones, que echan mano de datos de percepción remota, censos poblacionales, análisis estadísticos y conocimiento experto, lo que permite generar la parametrización de las transiciones de una categoría a otra y así generar mapas de cambio. A través de la validación de los modelos se pretende evaluar la exactitud de las predicciones, permitiendo identificar las mejores metodologías para generar modelos predictivos confiables. Como resultado de esto, el objetivo de esta investigación es conocer la capacidad predictiva de tres modelos de CCUS en la península de Baja California, México, generados en 2008. A través del método de actualización cartográfica, se otuvieron tres mapas de cubiertas y usos del suelo para de 2018. Esto se realizó con herramientas de percepción remota, sistemas de información geográficas, uso de software de análisis estadísticos (R) y detección de cambios (DINAMICA-EGO). Una vez obtenidos en 2018 los mapas de CCUS del año 2018, fue evaluada la fiabilidad de cada mapa. Y, finalmente, se evaluaron los modelos predictivos realizados. Los mapas de CCUS de 2018 presentaron una fiabilidad superior a 96% en las tres localidades. Las predicciones de los modelos de CCUS realizadas en el 2008 fueron muy cercanas a las observadas en el 2018 en dos de ellos, ya que en la localidad de Santo Domingo la asertividad fue de 77% y en San Quintín del 86%, mientras que en Tijuana fue solamente del 35%. La metodología empleada es una propuesta que ayuda a conocer el grado de certidumbre de los modelos predictivos de CCUS y la generación de cartografía actualizada |
| Resumen en inglés | Studying the CCUS helps to describe relationships between man and nature through a spatial interface, such as satellite images and Geographic Information Systems (GIS). This allows the monitoring of regional and global changes by looking at the distribution patterns of landscape covers and the effects on the available resources. This also makes it possible to use tools such as the Models of Change of Cover and Land Use (CCUS, in Spanish), which identify the quantity and/or areas susceptible to change, in addition to preventing environmental degradation conditions. These models mainly identify patterns of change by using remote perception data, population censuses, statistical analyses, and expert knowledge, allowing to generate parameterization of transitions between categories. Once the prospective model has been developed, the simulation or accuracy of the prediction can be evaluated, ideally through statistical methods produced to determine the accuracy of the projection of a model. Through the validation of CCUS models, we can establish the certainty of the changes that are foreseen. Therefore, we consider it important to find new methods to evaluate predictive CCUS models, and in this study, evaluates the accuracy of the predictions considering the present information to define the certainty of models that have already met the prediction time. Therefore, the objective of this work is to determine the predictive capacity of three CCUS models in the Baja California peninsula, Mexico, generated in 2008. The main input was the predictive models calculated for the period 1978-2003, produced from satellite images. Subsequently, through the mapping update method, three maps of land covers and uses were obtained for 2018, used to generate change maps for the period 2003-2018 and thus evaluate the assertiveness of the change surfaces projected by the predictive models. This was done with remote sensing tools, geographic information systems, statistical analys |
| Disciplines | Geociencias |
| Paraules clau: | Cartografía, Percepción remota, Modelos predictivos, Análisis espacial, Península de Baja California, México |
| Keyword: | Cartography, Remote sensing, Predictive models, Spatial analysis, Baja California Peninsula, Mexico |
| Text complet: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
