CAP7

Territorios a examen: trabajos de ordenación territorial = Territorios a
exame: traballos de ordenación territorial / edición a cargo de Rafael

Crecente Maseda, Urbano Fra Paleo. - Santiago de Compostela:
Universidade de Santiago de Compostela, Servizo de Publicacións e
Intercambio Científico, 2012 244 p. ; 24 cm. – (Cursos e congresos da
Universidade de Santiago de Compostela ; 211)
D.L. LU 42-2012. – ISBN: 978-84-9887-853-0
1. Ordenación do territorio – Galicia 2. Urbanismo − Galicia 3. Solo,
Utilización do − Galicia I. Crecente Maseda, Rafael, ed. lit. II. Fra Paleo,
Urbano, 1961 - , ed. lit. I. Universidade de Santiago de
Compostela. Servizo de Publicacións e Intercambio Científico, ed.
352(461.1)
630*6(461.1):711.14
711.14(461.1)
© Universidade de Santiago de Compostela, 2012
Edita
Servizo de Publicacións e Intercambio Científico
Campus Vida
15782 Santiago de Compostela
usc.es/publicacions
Imprime
Librería Troll
Dep. Legal LU 42-2012

ISBN 978-84-9887-853-0
Índice
Agradecimientos 7
Introducción 11
O impacto do pagamento único en Galiza 17

Fátima Docío e María do Mar Pérez
Caracterización dos procesos de repoboación forestal posteriores á 41

entrada de Galicia na Unión Europea
Beatriz Guimarey e Eduardo Corbelle
A utilización do espazo polas explotacións gandeiras. Estudio da 57

comarca da Terra Chá, Lugo
Manuel Giménez, Eduardo Corbelle e Francisco J. Ónega
A consideración dos asentamentos rurais nos procesos de xestión 71

de terras: o caso da concentración parcelaria e a ordenación de
núcleos rurais
Nieves Pérez ,Rafael Crecente e Francisco J. Ónega
El entorno inmediato del núcleo en el planeamiento rural. 91

Delimitación como área de transición para aplicar la concentración
parcelaria
Vasco Barbosa, Eduardo Corbelle y J. Ambrosio Ferreira
Estudio da utilización de información catastral para a elaboración 115

das bases definitivas nos procesos de concentración parcelaria en
Galicia
Dorinda Sarmiento, Francisco J. Ónega e David Miranda
Una introducción al Modelado Basado en Agentes para la 135

simulación de cambios de usos del suelo
Jeanneth M. Galvez, Eduardo Corbelle e Andrés García
Sintaxis espacial de la ciudad de Lugo 155

José L. de la Barrera y Urbano Fra
Escenarios de riesgo de incendio actuales y potenciales en el 177

Municipio de Lugo
Ivonne M. González y Urbano Fra
Predición de incendios forestais. Análise do índice de risco e 203

metodoloxía alternativa
Iván Sánchez, Urbano Fra e Enrique Fernández
Escenarios actuais e potenciais de risco de inundación costeira na 225
área metropolitana de A Coruña
Xurxo Loureiro e Urbano Fra
Te r r i t o r i o s a e x a m e n . T r a b a j o s d e O r d e n a c i ó n T e r r i t o r i a l
Una introducción al Modelado Basado en

Agentes para la simulación de cambio de
usos del suelo
Jeanneth M. Galvez36, Eduardo Corbelle, Andrés García
Laboratorio do Territorio (LaboraTe), Universidade de Santiago de Compostela
Resumen
Este trabajo es una introducción a los Modelos Basados en Agentes o ABM
(Agent Based Models) y su empleo para el análisis desde una perspectiva social
del proceso de cambio de usos del suelo. Se aborda cuestiones iniciales de los
ABM como: terminología, herramientas y toma de decisiones; siendo esta última
eje fundamental de los ABM, se hace una breve descripción de las principales
teorías utilizadas para el modelado de cambio de usos de suelo. Se revisan trece
modelos, de los cuales se describe la dinámica de los agentes y se resaltan los
aspectos principales. Finalmente, partiendo de un análisis general de la situación
actual en Galicia, se plantea un esquema conceptual para estudiar el problema del
abandono de tierras.
Palabras clave
Modelo Basado en Agentes, toma de decisiones, cambio de usos del suelo,
cambio de cobertura, abandono de tierras
1. Introducción
Las sociedades humanas, a través de su cultura, transforman los paisajes
naturales originales en paisajes culturales. Comprender estos procesos
sociales es un reto para diversas áreas como la sociología, geografía,
planificación, política, etc. Desde hace algunos años los ABM ( Modelos
Basados en Agentes) se han desarrollado con el respaldo de teorías varias,
buscando simular aspectos del comportamiento de los agentes. Los ABM
permiten una visión conciliadora e integradora sobre todo en las ciencias
sociales, ya que son un laboratorio con los conceptos de aislamiento y
observación (Gilbert, 2007), utilizados para la experimentación en las
ciencias naturales, conceptos que se consideraban antiéticos e imposibles
de aplicar a la sociedad.
Concretamente los ABM son Sistemas Adaptativos Complejos (CAS),
por medio de los cuales se puede simular el comportamiento de agentes
dentro de entornos computacionales. La particularidad de los ABM es la
capacidad que se otorga a los agentes para interactuar unos con otros,
36
jeannethjmgs@hotmail.com
135
Te r r i t o r i o s a e x a m e . T r a b a l l o s d e O r d e n a c i ó n T e r r i t o r i a l
interactuar con su entorno, intercambiar información entre ellos y actuar

según lo que vayan aprendiendo. La posibilidad de modelar estos
aspectos para observar y analizar los efectos colectivos, son la principal
diferencia con respecto a otros CAS (Gilbert, 2007).
La incorporación de la dimensión humana y social en los ABM la
convierte en una herramienta mucho más atractiva para el estudio de
procesos de cambio de usos del suelo, aunque su aplicación puede
extenderse a múltiples ámbitos tales como: la gestión de agua (Galán,
2007), gestión forestal (Bone et al., 2010), gestión de pesca (Cabral et al.,
2010), o estudios de mercado inmobiliario (Magilocca et al., 2011). Su
empleo en políticas de decisión es prometedor porque permite la
representación de la compleja dinámica de los sistemas humanos, el
medio ambiente y la tecnología (Pahl-Wastl et al., 2004).
Revisiones anteriores del tema como las de Parker et al. (2003) y
Matthew et al. (2007) nos daban una visión del estado en ese momento, y
reflejaba la gran proyección de los ABM para el estudio del Uso de Suelo
y Cambio de Cobertura (LUCC). Parker et al. (2003) daba una
perspectiva para una posible estandarización en el diseño del modelado,
que posteriormente se ha tenido en cuenta en el protocolo para
descripción de modelos ODD Overview, Desing concepts & Details,
descrito por Grimm et al. (2006) y en las metodologías de ajuste y
validación de Bakker et al. (2009).
Para el territorio español se han desarrollado algunos modelos con
objetivos específicos, como el de Millington et al. (2008), que busca
simular el cambio de uso de suelo con el fin de mejorar las políticas de
riesgo de incendios en un área del Mediterráneo, o la propuesta de
López-Paredes et al.(2005) para simular procesos participativos en la
gestión del agua en Barcelona. Sin embargo no hay información sobre
algún ABM que se haya desarrollado para el territorio gallego, siendo
éste un territorio con características singulares tanto en su población
como en su estructura. Desarrollar un modelo para este territorio puede
llegar a aportar muchos conceptos nuevos a este campo.
En la actualidad Galicia tiene un notable desequilibrio interterritorial,
dado que en las últimas décadas se ha intensificado el éxodo de la
población a zonas más industrializadas como el litoral. La población
rural de los países de la Unión Europea, en general, han experimentado
un drástico descenso y las previsiones, en base a datos empíricos, indican
que dicha regresión va a continuar en los próximos años (Westhoek et al.,
2006). El despoblamiento del mundo rural y el abandono de sus tierras,
están provocando cambios profundos en los usos del suelo y, como
consecuencia de ello, en su cubierta vegetal. Una de las actitudes más
preocupantes es el cambio de suelo activo a suelo inactivo en el territorio
gallego, lo que se da en denominar “abandono de tierras”. Este problema,
según Corbelle et al. (2009) se manifiesta fundamentalmente a través de
136
tres fenómenos: la incidencia catastrófica de los incendios forestales, la

reducción y el progresivo envejecimiento de la población rural y un
ineficaz uso del territorio que dificulta la competitividad del sector
agrario.
2. Objetivos
Este trabajo tiene el propósito de servir de guía para conocer las actuales
tendencias en el Modelado Basado en Agentes para Cambios de Uso del
Suelo y su relación directa con los actores sociales, mediante una revisión
bibliográfica y descripción general de los modelos actuales, centrándose
en la dinámica de los agentes sobre el entorno. Por otra parte partiendo
de cómo se pueden incorporar los conceptos sobre el modelado
conceptual, en este trabajo se propone un esquema conceptual inicial
para el problema del abandono de tierras en Galicia.
3. Cuestiones iniciales sobre ABM

Siendo éste un trabajo de revisión, es necesario describir las principales
características de los ABM, respondiendo a las preguntas: ¿Qué término
es el correcto a emplear?, ¿Dónde se puede construir un modelo? y
¿Cómo representar la dimensión humana?
3.1. Terminología
Un aspecto importante es la terminología ya que es el frecuente uso de
términos alternativos en la literatura y que son esencialmente sinónimos
de ABM (Millington et al., 2008). Los ejemplos incluyen: Modelado
Computacional Basado en Agentes, (ABCM), Simulación Basada en
Agentes (ABS), Simulación Social Basada en Agentes (ABSS) y
Modelado y Simulación Basado en Agentes(ABMS). Por otro lado, el
término Sistema Multi-Agente (MAS) es comúnmente aplicado fuera de
las ciencias sociales, por ejemplo en la ciencia de la computación en
relación con el desarrollo de software orientado a agentes.
3.2. Herramientas
El desarrollo de los ABM es facilitado por el uso de herramientas de
simulación y modelado (Castle et el., 2006). Para ello existen dos tipos de
herramientas computacionales para modelado y simulación, los toolkits y
los programas. Los Toolkits son sistemas de simulación y modelado que
proporcionan un marco conceptual para organizar y diseñar modelos.
Estos sistemas proveen librerías apropiadas que incluyen rutinas y
137
funciones predefinidas específicamente diseñadas para el diseño de ABM,

con el objeto de que los modeladores se centren en la investigación, es
decir en la construcción de modelos y no de las herramientas.
Aunque la diferencia principal entre ellos está en la flexibilidad que
proporcionan en el diseño del modelo; los toolkits permiten extender o
integrar herramientas adicionales y utilizan un lenguaje de programación;
mientras que los programas limitan el diseño en un marco de
programación, pero evitan la necesidad de usar un lenguaje de
programación. Se pueden destacar a tres toolkits frecuentemente
utilizados para el modelado: NetLogo (Wilensky, 1999), Repast
Simphony (Repast.net) y Swarm (http://www.swarm.org/); estos
toolkits están actualizándose continuamente con la incorporación de
herramientas que permiten integrar modelos a los sistemas de
información geográfica (SIG).
3.3. Toma de decisiones

La dimensión humana tiene un papel importante en la construcción de
los ABM con el reto de representar el comportamiento humano real. Se
debe considerar que los procesos de toma de decisiones son complejos
porque se evalúan percepciones subjetivas y encuadres individuales de los
agentes. La teoría de la microeconomía es la más empleada para explicar
el proceso de toma de decisiones humanas en la construcción de modelos
para el cambio de uso del suelo. Esta teoría se basa en el supuesto que el
agente maximiza su utilidad en función de las decisiones tomadas; una
alternativa con mayor utilidad es preferida a una alternativa de menor
utilidad, lo que corresponde a una decisión racional (Pahl-Wostl, 2002).
Valbuena et al. (2010a) hace un análisis diferente y heurístico sobre el
proceso de toma de decisiones para la construcción de modelos, en el
cual las decisiones de los agentes sobre su propiedad son influenciadas
por factores internos y externos. Los factores internos son los aspectos
relacionados con las capacidades y las voluntades de los propietarios para
llevar a cabo ciertas acciones relacionadas con su parcela. Capacidad se
entiende como el conjunto de factores condicionantes como la edad,
estructura familiar, trabajo, tamaño de propiedad, ubicación espacial,
características del suelo o pendiente del terreno. Mientras que voluntad se
refiere a los valores y las intenciones que definen la preferencia para elegir
ciertas opciones. Por su parte, los factores externos también pueden
influir en las opciones y las decisiones. Estos factores incluyen tanto los
mecanismos obligatorios y voluntarios, como las políticas, los préstamos,
el asesoramiento y la demanda de bienes y servicios. De este modo
reflejan la interacción entre los propietarios y: las redes sociales, las
instituciones, el gobierno o el mercado. Schreinemachers et al. (2006)
sostienen que hay que ser conscientes de que estos modelos de uso de la
138
tierra son mas que una continuación entre la heurística y el

comportamiento de optimización de lo sugerido por la literatura teórica.
4. Modelos para cambios de uso del suelo

Se revisan trece modelos para el modelado de cambio de usos de suelo,
de entre los que dos son descritos como programas por los autores (MP-
MAS, FEARLUS). La descripción es sintética y hace énfasis en el
comportamiento de los agentes, el entorno y las interacciones entre
ambos; además se sintetizan los aspectos generales en la Tabla 1. Cabe
destacar que existen métodos formales para la descripción de modelos,
donde se describe el sistema operativo, marco conceptual, método de
validación, etc. como el protocolo ODD (Grimm et al., 2006). En este
trabajo orientativo no se utiliza este protocolo sino que se hace un
resumen de los modelos revisados.
MP-MAS
MP-MAS (Mathematical Programming-based Multi-Agent System)
(Schreinemachers et al., 2011) es una aplicación para la simulación de
escenarios de cambio de usos del suelo para la agricultura y la
silvicultura, que se puede ajustar a diversas escalas espaciales que van de
una comunidad a una región dentro de un país. Depende del objetivo y la
disponibilidad de datos, y tiene cuatro niveles jerárquicos: agentes,
grupos de agentes homogéneos, segmentos de innovación y poblaciones.
MP-MAS trabaja con una programación matemática que captura la
interacción de los agentes con el medio ambiente mediante coeficientes
de rendimiento almacenados en una matriz. El propósito de MP-MAS es
entender cómo la tecnología agrícola, la dinámica del mercado, los
cambios ambientales, y la intervención política afectan a una población
heterogénea de familias de agricultores y de recursos agroecológicos.
La toma de decisiones se hace en función de los agentes, familias, que
maximizan sus ingresos netos ya sean provenientes de la actividad
agrícola o no, mientras –opcionalmente- satisfacen sus necesidades de
consumo. Las decisiones de inversión maximizan su rendimiento a largo
plazo, mientras que las decisiones de producción lo optimizan a corto
plazo. Los agentes aprenden acerca de los cambios ambientales a través
de una reducción en los rendimientos de los cultivos, lo cual crea un
incentivo para ajustar la elección de cultivos o la adopción de métodos
para la conservación.
139
LUDAS
Land Use Dynamic Simulator (LUDAS) (Le et al., 2008) fue diseñado
para apoyar las políticas de decisión del uso de tierras en los márgenes de
los bosques de las tierras altas centrales de Vietnam, con el objetivo de
explorar la magnitud de los posibles cambios socio-económicos en
diferentes espacios y tiempos. Además permite simular escenarios
alternativos para mejorar la vida y mitigar el impacto negativo de los
cambios de uso del suelo, apoyando así el proceso de negociación entre
los diferentes actores en la planificación del uso del suelo. La población
inicial de agentes, que representan a las familias, se genera a partir de un
conjunto de agentes de muestra. El usuario del modelo debe configurar el
tamaño inicial de población de los agentes, así como los parámetros de
las políticas predefinidas según las consecuencias previstas.
El mecanismo de toma de decisiones sigue un procedimiento que tiene
entradas desde el perfil de los agentes, la información sobre la percepción
del paisaje y, en ocasiones, la información de los agentes del hogar. El
procedimiento es lógico y aplica principios de la microeconomía como la
optimización de beneficios, de modo que los agentes buscan las mejores
tierras para el cultivo o para la recolección en áreas forestales. El
procedimiento de decisión es universal para todos los agentes en términos
de secuencia lógica. Sin embargo, debido al estado del agente, los
parámetros y la estructura de las funciones de utilidad son
específicamente individuales, dando como resultado que las decisiones
sean diversas.
Modelo de Evans
El modelo presentado por Evans et al. (2008) es una representación del
uso del suelo por parte de familias. El propósito es comprender la
influencia de los factores biofísicos y sociales sobre la trayectoria futura
de los cambios de cobertura forestal del suelo. Los agentes adoptan
decisiones con el objetivo de representar a los propietarios de las tierras
con diversas estrategias de gestión que conducen a resultados particulares
del paisaje en el tiempo. Fundamentalmente el modelo está organizado
por un conjunto de agentes con propiedades similares.
La dinámica de toma de decisiones se realiza a nivel de agentes y
parcelas, los agentes toman decisiones de uso del suelo una vez al año.
Las parcelas están compuestas por un conjunto de celdas de tamaño
normal y de agrupaciones de celdas de propiedades de agentes. Los
agentes tienen características propias, como nivel de renta, oferta de
trabajo, preferencias de uso, memoria; las celdas también poseen
características propias, como pendiente, superficie y uso del suelo actual.
En cada momento los agentes evalúan el patrón actual de uso de la tierra
en sus celdas y toman decisiones para mantener los usos existentes o
140
hacer una transición a otros usos. En el modelo los agentes pueden llevar
a cabo cuatro actividades relacionadas con la agricultura o el
aprovechamiento de la madera, es decir: agricultura, cultivo de árboles,
tala de árboles o dejar la tierra en barbecho. El objetivo de la toma de
decisiones de los agente es maximizar su utilidad. Los agentes toman una
decisión a nivel de parcela en la asignación del trabajo. Esto determina la
cantidad de trabajo que se asigna a cada una de las actividades, luego se
toma una decisión a nivel de celda acerca de dónde emplear el trabajo
asignado a cada actividad. Se supone que un agente elige el número de
celdas de cambio según la mejora de su utilidad. Este procedimiento se
repite para cada agente y para cada año de la simulación de producción.
Los parámetros de heterogeneidad y la distribución de pesos
preferenciales de uso reflejan la diversidad de tipos de agentes del
modelo.
Modelo de Millington
Millington et al. (2008) desarrollaron un ABM de LUCC que se utiliza
para evaluar los posibles cambios en el riesgo de incendios de un paisaje
mediterráneo, sobre un paisaje tradicional agrícola español en proceso de
cambio social, demográfico y cultural. El modelo examina los efectos de
la composición inicial de la tenencia y uso de la tierra y la configuración
de LUCC. Los efectos del uso del suelo y la tenencia de la tierra se
examinan en los mapas de usos, posteriormente se utilizan mapas de
cubierta vegetal para examinar el riesgo de incendios. El modelo
considera tres tipos de uso del suelo, cultivos, pastizales y no agrícolas.
Además se consideran dos variables de estado para examinar el modelo,
la proporción de tierras dedicadas a cultivos y la proporción de tierras
utilizadas para pasto. Para estructurar este modelo se identificaron dos
tipos de agentes. Las decisiones del primero están influenciadas por el
mercado comercial y las del segundo por aspectos culturales y
tradicionales. Estos agentes y sus decisiones determinan el uso del suelo y
establecen si un área del terreno o celda estará en uno de los tres posibles
usos: cultivos, pastos o tierras no agrícolas. Los agentes perciben el
paisaje como una red de unidades de tierra finita representado por celdas,
sobre una base estacional, cuatro veces por año. El estado de cada agente,
como edad o riqueza se controla en cada transcurso del tiempo. En este
modelo las características de los agentes son asignadas al azar, como la
edad o la riqueza; al igual que el tipo de decisiones a tomar en función a
la mentalidad comercial y tradicional.
RL ABM (Reinforcement Learning – Agent Based Model)

Bone et al. (2010) desarrollaron un ABM con el propósito de mejorar la
simulación de las interacciones entre agentes interesados en el
141
aprovechamiento forestal y optimizarlo a través de la interacción mutua,

lo que los autores denominan aprendizaje reforzado (RL). El ABM se
aplicó a la simulación de la explotación forestal en el Distrito Forestal
Chilliwack, en el suroeste de British Columbia, Canadá.
El modelo se desarrolla con múltiples agentes. Un primer agente son las
compañías forestales (F) cuyo fin es maximizar sus beneficios con la
explotación forestal, teniendo la posibilidad de cooperar con un agente
conservacionista (C), cuyos objetivos se basan en la protección del hábitat
de las especies y por otro lado con la Agencia Gubernamental (G), que
regula la explotación. En la simulación del modelo los agentes no tienen
ningún conocimiento del paisaje, las decisiones que toman son por tanto
reaccionarias. La dinámica y relación de los agentes funciona de la
siguiente forma: los agentes F tratan de maximizar sus beneficios con la
tala de árboles, pero el agente G estima si el monto de la madera extraída
es aceptable o no, y si no lo es puede disminuir la cuota de extracción de
F. El modelo utiliza un algoritmo RL que se emplea para evaluar si la
solución cumple con los objetivos de las empresas forestales. Si el
resultado es positivo se asignan nuevas áreas del territorio, representado
por celdas. Al mismo tiempo los agentes C evalúan si sus objetivos se han
cumplido, es decir si el patrón de corta está en concordancia con sus
propios objetivos. Las recompensas están codificadas en un mapa
cognitivo de cada agente, que representa los conocimientos que los
agentes han ganado sobre el bosque con respecto a dónde la cosecha debe
realizarse con el fin de garantizar sus objetivos.
ALMA (Agent-based Land MArket)

Fitatova et al (2009), desarrollaron un ABM de interacción a micro escala
entre compradores y vendedores de bienes inmuebles, que se
retroalimenta en una macro escala de transacciones de mercado. Los
principales agentes en el modelo ALMA son usuarios de la tierra que
operan en una zona urbana, con familias urbanas que compran tierras y
familias de agricultores que venden tierras. El paisaje está representado
por una red de celdas iguales, cada una de las cuales puede ser propiedad
de un agente económico. Cada celda tiene dos características: distancia al
CBD (Central Business District) y nivel de servicios ambientales
cercanos. Los agentes compradores fijan sus precios de oferta del suelo en
función a la distancia al CBD, sus preferencias para los desplazamientos,
las restricciones presupuestarias y las condiciones del mercado. Los
agentes vendedores fijan sus precios sobre la base de un costo de
oportunidad fijo y las condiciones del mercado.
El análisis del comportamiento de precios de mercado conduce a la
expansión del área urbana, y resalta la importancia de los modelos de
oferta y la dinámica de precios. Según Fitatova (2009) los efectos
irreversibles de la conversión de tierras rurales a usos urbanos es un
142
hallazgo interesante, aunque sus implicaciones merecen una

consideración más detallada.
PUMA (Predicting Urbanization with Multi Agent)

Etterna et al (2005) desarrollaron el modelo PUMA. El modelo se centra
en las familias y los individuos como impulsores del desarrollo espacial.
Los cambios de uso del suelo, provocado por otros agentes como
autoridades y empresas son ajenos al modelo. El sistema espacial de uso
del suelo se representa en una grilla en cuadricula, que sirve como punto
de referencia espacial de los agentes. Cada celda de la cuadrícula, que
representa el territorio, contiene características espaciales tales como el
número de habitantes, viviendas, empresas, puestos de trabajo, y el nivel
de accesibilidad de la celda.
Para la toma de decisiones, cada agente acumula una percepción de las
viviendas disponibles en el mercado y su oportunidad para mejorar la
utilidad de por vida al mudarse a otra vivienda. A continuación, se toma
una decisión de si debe o no iniciar la búsqueda de otra vivienda y la
representación del aprendizaje de los individuos sobre el mercado
inmobiliario a través de su percepción de las transacciones, así como su
proceso de negociación para adquirir una vivienda nueva.
MASUS (Multi Agent Simulator for Urban Segregation)

Feitosa et al. (2011), desarrolló un simulador multiagente multipropósito,
cuyo objetivo principal es simular la segregación urbana, que ofrece un
laboratorio virtual para explorar el impacto de los diferentes contextos en
la aparición de patrones de segregación, y de forma secundaria el efecto
de la segregación sobre el suelo. El marco conceptual utilizado como base
para el modelo MASUS tiene tres componentes principales: la población
urbana, el paisaje urbano, y los factores experimentales.
De acuerdo con el proceso de toma de decisiones, un agente puede
decidir actuar, es decir, trasladarse a otro lugar. La decisión del agente
depende de su estado, que se compone de atributos del agente y su
percepción acerca de las diferentes zonas residenciales. Esta percepción
tiene en cuenta las características del paisaje urbano y la composición de
la población de los barrios en distintas ubicaciones. La movilidad de las
familias residentes conduce a cambios en la distribución espacial de la
población y, por lo tanto, la segregación de la ciudad (a nivel macro de la
población urbana). Además de las acciones de los agentes también
influyen ciertas características del paisaje urbano, como el valor de la
tierra y la oferta residencial.
143
NEA
Mena et al. (2011) describen el diseño y aplicación de un ABM que se
utilizó para la simulación del cambio de uso del suelo en las
explotaciones familiares en la Amazonía Norte del Ecuador (NEA) por
medio de Repast Simphony. El propósito de este estudio es
principalmente obtener un conocimiento de los aspectos sociales y su
influencia en la toma de decisiones sobre el territorio. NEA simula la
toma de decisiones a nivel de hogar y se ajusta mediante encuestas
socioeconómicas y demográficas, así como con el empleo de SIG para
establecer las relaciones espaciales entre las parcelas y su entorno,
mientras que las imágenes Landsat se utilizan para establecer las
condiciones iniciales de uso de suelo y cubierta para la simulación
espacial.
Los agentes que intervienen en la simulación son agentes sociales o
agentes activos, que representan a las familias; y agentes de paisaje o
agentes pasivos. Para configurar los agentes de familia se consideran
varias características sociales tales como el número de miembros, edade,
y tasas de natalidad y mortalidad. Las decisiones y acciones sobre la finca
solo las puede ejecutar un agente individual representante. Por otro lado,
los agentes de paisaje son parcelas y fincas, representados por celdas,
todas las parcelas de un propietario forman una finca que tienen
características físicas tales como tamaño, uso y accesibilidad.
NEA utiliza varios criterios para la toma de decisiones de los agentes.
Los agricultores toman decisiones basadas en una información
inmediata, actualizada; un agricultor convertirá su tierra en tanto se lo
permita el trabajo y los recursos disponibles; fuera de la finca siempre hay
mano de obra disponible; todas las explotaciones tienen una alta
accesibilidad geográfica; la motivación para el cambio de uso es
impulsado por la maximización de ingresos, por lo que el agricultor va a
tratar de realizar un cambio de tierras para maximizar su beneficio; un
agricultor va a satisfacer su consumo antes de elegir un cambio de uso del
suelo; y un agricultor toma la decisión de cambiar la tierra cada año,
aunque algunas conversiones pueden tomar varios años para hacerse
realidad.
Modelo de Valbuena
Este ABM (Valbuena et al., 2010b) está desarrollado en el entorno
NetLogo, y su propósito es explorar las respuestas de los agricultores y la
toma de decisiones en los procesos endógenos y exógenos que afectan a
la estructura del paisaje regional. Este modelo se aplicó a la creación de
escenarios futuros en una región rural de Holanda, en donde se simularon
los cambios en las tierras agrícolas y áreas seminaturales. El modelo se
ajustó mediante encuestas, datos de censos, información catastral y
mapas de usos del suelo.
144
Los agentes representan a los agricultores y el paisaje está representado

por celdas en donde una celda o grupo de celdas forman una parcela
sobre la cual se toma las decisiones. Tres procesos de toma de decisión
principales se incluyen en el modelo: el cierre de la explotación, la
expansión agrícola y la diversificación de las prácticas agrícolas. Las
decisiones individuales se toman sobre la base de factores que están
vinculados a la finca y a la región, estos factores incluyen la vinculación
de voluntades y capacidades del agricultor para tomar cierta decisión
sobre el uso de tierra, sumado a ello la influencia de las redes sociales y
las políticas.
SLUDGE
Simulated Land Use Dependent on eDGe Effect externalities
(SLUDGE), descrito por Polhill et al.(2008) es una combinación simple
de autómata celular y ABM. Este modelo fue diseñado para explorar los
efectos positivos y negativos de las externalidades espaciales dependientes
de la distancia en los patrones económicos y de paisaje. Las
externalidades espaciales se refieren a las actividades de uso del suelo por
parte del propietario que afectan directamente a sus vecinos. El modelo
funciona como mecanismo de búsqueda de un equilibrio estático en el
que el actual patrón de uso de suelo es tal que ningún agente tiene un
incentivo para elegir un uso de suelo diferente. Los propietarios son
agentes que ocupan una celda de un modelo del paisaje uniforme, regla a
aplicar en la propuesta. El modelo de paisaje afecta a la rentabilidad de
cada uso de suelo, la dimensión del paisaje y las coordenadas.
Básicamente SLUDGE considera la maximización de beneficios en la
decisión de cada propietario que elige un uso del suelo entre cero o uno.
Para tomar esta decisión, cada agente calcula el valor de las ganancias
esperadas para cada uno de los dos usos de suelo posibles, sobre la base
del panorama actual y las condiciones de mercado, teniendo en cuenta la
demanda y el modelo de suministro. Para calcular el beneficio esperado
para un uso de la tierra determinado, el agente se forma una expectativa
de precio por el uso de suelo en función de una estimación de la oferta de
mercado, basándose en la reserva de precios para cada agentey un patrón
de paisaje actual.
SOME (SLUCE's Original Model for Experimentation)

Polhill (2008) describe mediante el protocolo ODD el ABM SOME, para
el estudio de SLUCE´s (Spatial Land-use Change and Ecological Efects).
El propósito del modelo es apoyar la exploración de las relaciones entre
las preferencias residenciales y los patrones de asentamiento urbano. El
modelo ha sido utilizado para explorar los efectos de la heterogeneidad
en los patrones de agentes de asentamiento urbano, el grado de
145
dependencia en los patrones de asentamiento y su implicación en la

evaluación y validación de patrones espaciales, la función de la
zonificación en respuesta a posibles patrones de expansión urbana y los
efectos de áreas verdes en la expansión. SOME cuenta con un paisaje
formado por celdas en el cual actúan dos tipos de agentes: residentes y
centros de servicio. Los agentes interactuan directa e indirectamente, las
interacciones indirectas incluyen las opciones de uso de suelo y
maximizacion de utilidades. Las interacciones directas tiene que ver con
la influencia de preferencias del vecindario.
El comportamiento inicial es la ubicación en el paisaje conformado por
celdas, siguiendo un proceso de toma de decisiones, varios atributos de
localización son evaluados por los residentes en este proceso, incluyendo
la variable de estado de una celda, la calidad estética, y tres variables
derivadas,la distancia a los centros de servicio, la densidad de residentes,
y la similitud de vecindad. Todas estas variables se actualizan y reajustan
a cada paso o según sea necesario en función del cambio de
características subyacentes. Este proceso de evaluación se realizaría en la
propuesta para cada período de simulación.
FEARLUS
FEARLUS (Framework for Evaluation and Assessment of Regional
Land Use Scenarios), descrito por Polhill et al (2008), está desarrollado
con una arquitectura modular para facilitar una amplia gama de estudios
relacionados con el uso y cambio de uso del suelo. FEARLUS
inicialmente fue desarrollado como ABM, aunque ahora está considerado
como un entorno de modelado que puede ser configurado para producir
un modelo de particular interés, en lugar de un modelo especifico en sí
mismo. FEARLUS estudia y compara el éxito relativo de la innovación y
la imitación de los agricultores respecto del uso del suelo.
Los propietarios o administradores están representados por agentes y el
paisaje por celdas gestionadas por los agentes. Las decisiones de los
agentes son heurísticas, es decir, tratan de solucionar los problemas de
uso de suelo de forma creativa, en función de unas reglas de decisión. Si
el rendimiento de la parcela cumple o supera el umbral de la aspiración
del propietario, entonces el uso de la tierra no ha cambia. Si no es así, el
propietario evalúa su entorno e imita a sus vecinos para determinar el
nuevo uso del suelo de la parcela. De lo contrario, el propietario usa su
estrategia innovadora para determinar un nuevo uso de suelo de la
parcela.
146
5. Propuesta
Esta propuesta es un ejercicio inicial para el diseño de un ABM que
pueda simular el absentismo y abandono de tierras en Galicia, así como
el papel del Banco de Tierras, al cual se otorga más funciones del que
tiene actualmente como mediador para la transacción de tierras. Para esta
propuesta se han considerado las características de los modelos revisados
como son las reglas heurísticas (FEARLUS), configuración del paisaje
(PUMA, SOME), agente regulador (RL ABM), y estado de la parcela
(ABM Millington). El propósito del este modelo sería simular un
escenario óptimo del problema, dotando al modelo de un agente gestor y
un agente regulador.
5.1. Descripción de agentes

Los agentes involucrados para cumplir el propósito del modelo serían:
Agentes Activos (AA), que representarían a los propietarios que poseen
una parcela productiva, es decir dedicados a una actividad agro-ganadera;
Agentes Pasivos (AP), que representarían a los propietarios que poseen
una parcela activa pero gestionada por otros; Agentes Inactivos (AI), que
representarían a los propietarios que poseen una parcela improductiva;
Agente Estado (AE) como regulador de las políticas de subvención y
sanción, el Banco de Tierras (BT), que en el modelo tiene más funciones
que una agencia inmobiliaria ya que también puede mediar transacciones
de compra venta; Sub-Agente Activador (SAA), que representaría a las
personas que no poseen propiedad pero tienen intención de trabajar, y
que dependería directamente de BT.
5.2. Medioambiente
El territorio estaría conformado por un conjunto de celdas, adaptado a
los entornos de diseño de NetLogo, Repast Simphony o Swarm, en el
cual cada celda representaría una parcela que correspondería a un agente
propietario (AA, AP, AI). La condición de cada celda es de estado:
activo o inactivo, que depende expresamente de la decisión de los agentes
propietarios. Por otro lado, cada celda tendría propiedades biofísicas
(pendiente, orientación, ubicación, superficie) que influiría en la toma de
decisiones de los agentes y en su capacidad para mantenerla activa.
5.3. Toma de decisiones y reglas de comportamiento

Es necesario considerar que, para aplicar un modelo real, deben utilizarse
métodos de ajuste como encuestas o entrevistas y métodos de validación.
La siguiente caracterización se basa en información empírica como
artículos, datos censales o noticias de prensa.
148
Los Agentes Activos (AA) tienen el objetivo de maximizar su utilidad,

por ello tratan de mantener su celda activa. La decisión principal es la
opción de estado de cambio que se lleva cada cierto tiempo. El agente
tiene que decidir, en base a una evaluación de su situación actual de
capacidades y voluntades, si continua en la categoría AA o quiere pasar a
la categoría AP, a través de BT.
Los Agentes Pasivos (AP) tienen el objetivo de maximizar su utilidad,
pero a través del Sub-Agente Activador (SAA). Al igual que AA, evalúa
su situación y tiene que decidir entre conservar su condición de
arrendador (CA) o vendedor en BT y de mantener su categoría de AP o
cambiar a AI. Cada cierto tiempo en el modelo se aplicarían reglas
excepcionales que permitirían reflejar la innovación, una de ellas
permitiría a AP cambiar su categoría a AA.
Los Agentes Inactivos (AI) tienen como único objetivo conservar su
celda. Su estado es incierto hasta que el Agente Estado (AE) decida
intervenir con una sanción, en ese momento tiene que decidir si cambia a
la categoría AP o a condición de vendedor en el BT. Este agente no
puede cambiar a AA directamente, ya que antes tendrá que llegar a ser un
AP.
El Agente Estado (AE) tiene la función de regular, imponer sanciones o
recompensas, por lo tanto es un agente abstracto en el modelo, es decir,
no tiene condición de propietario.
El Banco de Tierras (BT) tiene una función mediadora en el modelo, y de
asignación a los Sub-Agentes Activadores, al igual que AE es un agente
abstracto en el modelo. BT también puede asignar condiciones a los
agentes propietarios como: la Condición de Arrendador (CA), que
correspondería directamente a AP; Condición de Vendedor (CV), que
correspondería a los agentes AI o AP) cuando decidan vender su celda;
Condición de Comprador (CC), que correspondería a un SAA cuando
BT encuentre disponibilidad de celdas, o también un AA puede entrar en
esta condición para ampliar su propiedad; y por ultimo la Condición de
ArrendaTario (CAT) que correspondería a los agentes AA y SAA, esta
condición permitirá la activación de celdas sin la necesidad de poseerlas
con el objetivo de maximizar su recompensa.
El Sub-Agente Activador (SAA) no tiene decisión sino sólo por
asignación de BT, su condición puede cambiar a comprador en BT y
posteriormente a AA, por lo que entonces tendría decisión y se le podría
asignar capacidades.
En la Figura 1 se muestra la dinámica de los agentes según las reglas de
decisiones mencionadas anteriormente: la función de los agentes AE y
BT; así como también la transición de los agentes AA, AP, AI y SAA; y
su condición de CA, CC, CV y CAT.
149
Figura 1. Sistema conceptual del modelo.
5.4. Dinámica del modelo

En un modelo real se partiría de un entorno de representación con
cartografía digital, un número justificado de agentes por categoría y un
área definida. Sin embargo éste es un esquema en un territorio supuesto.
Se partiría de un número determinado de celdas, a las cuales se
asignarían cualidades biofísicas aleatoriamente individualmente.
Posteriormente se asignaría, también de forma aleatoria, un agente
propietario por celda. Cada agente tendría capacidades propias como la
riqueza, edad o producción, que serían asignados entre rangos a todos los
agentes, lo que supondría que se formen grupos con características
similares.
Se iniciaría con una primera simulación que representaría la realidad.
Seguidamente se fijaría un periodo de tiempo para la simulación, por
ejemplo anual, y, para cada episodio anual, se realizaría una calibración,
como por ejemplo políticas de sanción o recompensa por parte de AE, o
variación de las capacidades de los agentes propietarios. Las simulaciones
de episodios buscarían optimizar la activación de las celdas, si es
progresiva la condición de paisaje se consideraría un paisaje positivo, si
es al contrario se consideraría un paisaje negativo.
150
6. Discusión
La variada terminología utilizada para designar a los ABM
frecuentemente lleva a confusión, lo que puede ser consecuencia de la
falta de estandarización de conceptos. Es necesario definir la
terminología claramente, lo que es al mismo tiempo un área potencial
para la investigación, ya que esta carencia puede llevar a errores en el
conocimiento futuro.
Las herramientas computacionales para el modelado siguen en constante
desarrollo, porque aún tienen muchas limitaciones para la simulación,
debido a que los modelos requeridos por los usuarios son muy
específicos, lo que no podría ser de otra forma, ya que se requiere
exactitud en la simulación. En consecuencia, muchos modeladores optan
por construir entornos propios de trabajo. Dotar a estas herramientas de
una flexibilidad para ajustarse a los requerimientos del usuario y una
mayor integración entre ABM y SIG representa también un desafío.
La toma de decisiones es el motor de los cambios de uso de suelo, por lo
tanto se debe prestar especial atención a la elaboración de reglas de
conducta en los modelos. Por otra parte, el ajuste de los modelos es sin
duda la tarea más importante para la construcción de reglas de
comportamiento de los agentes, aunque también la más costosa, porque
implica el análisis de una información amplia del área de estudio como y
la obtención de nuevos datos con el desarrollo de encuestas y entrevistas
que proporcionan otra perspectiva de la realidad. Por otro lado muchos
de los modelos revisados se guían por reglas empíricas generales, lo que
puede conducir a un sesgo, ya que no todas las áreas de estudio tienen las
mismas características.
Los ABM son una herramienta a utilizar a escala local, ya que el
comportamiento humano no es universal, lo que supone una ventaja, ya
que podría aportar exactitud en la simulación, por lo que la adaptabilidad
de un ABM a varias zonas dependería fundamentalmente de las
metodologías de ajuste de los modelos, y desarrollarlas constituye otro
desafío para la investigación.
Siendo Galicia un territorio singular geográfica y socialmente, el
desarrollo de un ABM permitiría comprender ciertos patrones de
comportamiento social y serviría como herramienta para la aplicación de
políticas y planes.
Bibliografía
Bakker, M. y Van Doorn, A. 2009. Farmer-specific relationships between
land use change and landscape factors: Introducing agents in empirical
land use modelling. Land Use Policy, 26(3): 809-81.
151
Bone, C. y Dragicevic, S. 2010. Simulation and validation of a

reinforcement learning agent-based model for multi-stakeholder forest
management. Computers, Environment and Urban Systems, 34: 162-174.
Cabral, R.B., Geronimo, R.C., Lim, M.T. y Alino, P.M., 2010. Effect of
variable fishing strategy on fisheries under changing effort and pressure:
an agent-based model application. Ecological Modelling, 221:362-369.
Castle, C.J.E., y Crooks, A.T. 2006. Principles and concepts of agent-based
modelling for developing geospatial simulations. University College London,
Working Papers Series, 110.
Corbelle, E. y Crecente, R. 2008. El abandono de tierras: Concepto
teórico y consecuencias. Revista Galega de Economía, 17(2):47-62.
Etterna, D., Jong, K., Timmermans, H.J.P. y Bakema, A. 2005. PUMA
multi-agent modeling of urban systems. 45th Congress of the European
Regional Science Association. Amsterdam: Vrije Universiteit.
Evans, T.P. y Kelley, H. 2008. Assessing the transition from deforestation
to forest regrowth with an agent-based model of land cover change for
south-central Indiana (USA). Geoforum, 39(2): 819-832.
Feitosa, F., Le, Q.B. y Vlek, P. 2011. Multi-agent simulator for urban
segregation (MASUS): A tool to explore alternatives for promoting
inclusive cities. Computers, Environment and Urban Systems. 35:104-115.
Galán, J.M. 2007. Evaluación integradora de políticas de agua: modelado y
simulación con sociedades artificiales de agentes. Tesis Doctoral, Universidad
de Burgos.
Gilbert, N. 2007. Agent-based Models. Thousand Oaks: Sage.
Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., Giske, J.,
Goss-Custard, J., Grand, T., Heinz, S.K., Huse, G., Huth, A., Jepsen,
J.U., Jorgensen, C., Mooij, W.M., Müller, B., Pe'er, G., Piou, C.,
Railsback, S.F., Robbins, A.M., Robbins, M.M., Rossmanith, E., Rüger,
N., Strand, E., Souissi, S., Stillman, R.A., Vabo, R., Visser, U. y
DeAngelis, D.L. 2006. A standard protocol for describing individual-
based and agent-based models. Ecological Modelling, 198(1-2): 115-126.
Le, Q.B., Park, S.J., Vlek, P.L.G. y Cremers, A.B. 2008. Land use
dynamic simulator (LUDAS): a multi-agent system model for simulating
spatio-temporal dynamics of coupled human–landscape system. Ecological
Informatics, 3(2): 135–153.
López-Paredes, A., Sauri, D. y Galán, J. 2005. Urban water management
with artificial societies of agent: The FIRMABAR simulator. Simulation,
81(3): 189-199.
152
Matthews, R.B., Gilbert, N.G., Roach, A., Polhill, J.G., y Gotts, N.M.
2007. Agent-based land-use model: a review of applications. Landscape
Ecology, 22(10): 1447-1459.
Mena, C., Walsh, J., Frizzelle, B. G., Xiaozheng, Y. y Malanson, G.
2011. Land use change on household farms in the Ecuadorian Amazon:
Design and implementation of an agent-based model. Applied Geography,
31(1): 210-222.
Millington, J., Romero-Calcerrada, R., Wainwright, J. y Perry, G. 2008.
An Agent-Based Model of Mediterranean Agricultural Land-Use/Cover
Change for Examining Wildfire Risk. Journal of Artificial Societies and
Social Simulation, 11(4).
Pahl-Wostl, C. 2002. Towards sustainability in the water sector: the
importance of human actors and processes of social learning. Aquatic
Sciences, 64(4): 394-411.
Pahl-Wostl, C. y Hare, M. 2004. Processes of social learning in integrated
resources management. Journal of Community and Applied Social Psychology,
14(3):193-206.
Parker, D.C., Manson, S.M., Janssen, M.A., Hoffmann, M.J. y
Deadman, P. 2003. Multi-agent systems for the simulation of land-use
and land-cover change: A review. International Journal of Geographical
Information Science, 20(2): 1013-1037.
Polhill, D.C., Parker, D.G., Brown, D. y Grimm V. 2008. Using the
ODD protocol for describing three agent-based social simulation models
of land use change. Journal of Artificial Societies and Social Simulation, 11
(2):3.
Schreinemachers, P. y Berger, T. 2006. Land use decisions in developing
countries and their representation in multi-agent systems. Journal of Land
Use Science, 1(1): 29-44.
Schreinemachers, P. y Berger, T. 2011. An agent-based simulation model
of human–environment interactions in agricultural systems. Environmental
Modelling and Software, 26(7): 845-859.
Swarm, 2006. Swarm: A Platform for Agent-Based Models.
http://www.swarm.org/
Valbuena, D., Verburg, P.H., Bregt, A.K. y Ligtenberg, A. 2010a. An
agent based approach to model land use change at a regional scale.
Landscape Ecology, 25(2): 185-199.
Valbuena, D., Verburg, P.H., Bregt, A.K. y Ligtenberg, A. 2010b. Effects
of farmers’ decisions on the landscape structure of a Dutch rural region:
An agent-based approach. Landscape and Urban Planning, 97(2): 98-110.
153
Westhoek, H.J., Van Den Berg, M. y Bakkes, J.A. 2006. Scenario

development to explore the future of Europe's rural areas. Agriculture,
Ecosystems & Environment, 114(1): 7-20.
Wilensky, U. 1999. NetLogo. Center for Connected Learning and Computer-
Based Modeling. Evanston: Northwestern University.
http://ccl.northwestern.edu/netlogo/ [20 de noviembre, 2011]
154

CAP7

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CAP7

Cargado por

Copyright:

Formatos disponibles

Territorios a examen: trabajos de ordenación territorial = Territorios a

exame: traballos de ordenación territorial / edición a cargo de Rafael

© Universidade de Santiago de Compostela, 2012

Dep. Legal LU 42-2012

O impacto do pagamento único en Galiza 17

Caracterización dos procesos de repoboación forestal posteriores á 41

A utilización do espazo polas explotacións gandeiras. Estudio da 57

A consideración dos asentamentos rurais nos procesos de xestión 71

El entorno inmediato del núcleo en el planeamiento rural. 91

Estudio da utilización de información catastral para a elaboración 115

Una introducción al Modelado Basado en Agentes para la 135

Sintaxis espacial de la ciudad de Lugo 155

Escenarios de riesgo de incendio actuales y potenciales en el 177

Predición de incendios forestais. Análise do índice de risco e 203

Una introducción al Modelado Basado en

Laboratorio do Territorio (LaboraTe), Universidade de Santiago de Compostela

interactuar con su entorno, intercambiar información entre ellos y actuar

tres fenómenos: la incidencia catastrófica de los incendios forestales, la

3. Cuestiones iniciales sobre ABM

funciones predefinidas específicamente diseñadas para el diseño de ABM,

3.3. Toma de decisiones

tierra son mas que una continuación entre la heurística y el

4. Modelos para cambios de uso del suelo

RL ABM (Reinforcement Learning – Agent Based Model)

aprovechamiento forestal y optimizarlo a través de la interacción mutua,

ALMA (Agent-based Land MArket)

hallazgo interesante, aunque sus implicaciones merecen una

PUMA (Predicting Urbanization with Multi Agent)

MASUS (Multi Agent Simulator for Urban Segregation)

Los agentes representan a los agricultores y el paisaje está representado

SOME (SLUCE's Original Model for Experimentation)

dependencia en los patrones de asentamiento y su implicación en la

5.1. Descripción de agentes

5.3. Toma de decisiones y reglas de comportamiento

Los Agentes Activos (AA) tienen el objetivo de maximizar su utilidad,

Figura 1. Sistema conceptual del modelo.

5.4. Dinámica del modelo

Bone, C. y Dragicevic, S. 2010. Simulation and validation of a

Westhoek, H.J., Van Den Berg, M. y Bakkes, J.A. 2006. Scenario

También podría gustarte