Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Benavente, Gomez y Cantergiani (2010) Instrumentos de Simulacion Prospectiva Del Crecimiento Urbano PDF
Benavente, Gomez y Cantergiani (2010) Instrumentos de Simulacion Prospectiva Del Crecimiento Urbano PDF
net/publication/261296148
CITATIONS READS
2 452
3 authors:
Carolina Cantergiani
University of Alcalá
22 PUBLICATIONS 25 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Carolina Cantergiani on 18 November 2015.
RESUMEN: En este artículo se presentan los modelos de simulación del crecimiento urbano como
un instrumento útil para el proceso de planificación a través de la generación de simulaciones pros-
pectivas y de escenarios futuros. Para ello se presentará una visión amplia acerca de algunos de los
instrumentos de modelación existentes y su aplicabilidad en el contexto de diversos escenarios
futuros aplicables en el estudio de las dinámicas del crecimiento urbano. Con especial detalle se
presentarán los modelos basados en autómatas celulares (AC) y en multiagentes, como instrumen-
tos para explorar la evolución del crecimiento en diferentes escenarios posibles, así como las técni-
cas de evaluación multicriterio (EMC), adecuadas para la definición de escenarios normativos o
deseables que inspiren y guíen el proceso planificador.
L
os modelos de simulación en el campo
del estudio de procesos y dinámicas ur- A lo largo de este período y hasta nuestros
banas son un instrumento de aplicación días, el enfoque con el que los modelos de
relativamente reciente (WEGENER, 1994), aun- simulación se han empleado en el ámbito de la
que su surgimiento se pueda ubicar allá por planificación y en el estudio de las cuestiones
los años cincuenta (BATTY, 2005). No obstante urbanas, no ha sido el mismo, como de hecho
los fundamentos teóricos sobre los que se tampoco lo es en las diferentes aproximacio-
asientan los modelos de simulación urbana nes y trabajos que se realizan hoy en día.
pueden situarse aún más atrás en el tiempo,
en trabajos como la teoría de los lugares cen- A modo de ejemplo, y como brevísimo recorri-
trales de Christaller y las modificaciones de do histórico, se puede señalar que en los años
Lösch, que comenzarían a influir de forma di- sesenta se depositaron grandes esperanzas
Modos de
pensamiento futuro
Escenarios Escenarios
Escenarios exploratorios normativos
predictivos
Simulación prospectiva de dinámicas y procesos urbanos
• El pensamiento normativo trata por su par- • Los escenarios exploratorios, en este ám-
te de imaginar futuros “deseables” de acuer- bito, muestran diversas evoluciones posibles
do con un conjunto de diversos criterios. En de los crecimientos, generalmente en una
este sentido, el énfasis reside en el estable- escala temporal del medio plazo, en función
cimiento de parámetros deseables y en la del comportamiento futuro de un conjunto de
forma de alcanzarlos. factores. A través de este tipo de escenarios,
la simulación prospectiva puede explorar
Estos modos de pensamiento futuro, pueden tanto las consecuencias de posibles decisio-
constituir la base para el establecimiento de una nes tomadas en el proceso planificador,
clasificación de los diferentes escenarios, como como de diferentes contextos socioeconómi-
la propuesta por BORJERSON & al., (2006) (FIG. cos, facilitando el proceso de toma de deci-
1), en la que destacan los siguientes tipos: siones y fomentando la discusión con los
agentes implicados en el proceso planifica-
• Los escenarios predictivos, que se mue- dor (BERDOULAY, 2009).
ven en el campo del pensamiento futuro de lo • Los escenarios normativos por su parte,
probable, tienen como objetivo predecir lo permiten discutir e imaginar las metas de-
que es probable que suceda en un plazo de seables para el crecimiento urbano, así como
tiempo generalmente corto. Aunque estos es- de los instrumentos y criterios necesarios
cenarios se han empleado con profusión en para poder alcanzarlas. A través del empleo
disciplinas como las ciencias naturales, la de estos escenarios la simulación prospecti-
economía o la demografía, en el contexto del va también podría indagar sobre las formas,
crecimiento urbano su aplicación es hoy en patrones e intensidades óptimos del creci-
día discutible (SCHWARTZ, 1991; BERDOULAY, miento urbano, así como sobre los cambios
2009), dada la dificultad (o incluso imposibili- necesarios para poder alcanzar dichas me-
dad) de predecir fenómenos de carácter tan tas deseables.
complejo como los procesos urbanos (BLECIC
& CECCHINI, 2007). Por ello, se entiende que
estos escenarios no sean los más adecuados 3. Modelos para la simulación
para su aplicación en el ámbito de la simula- prospectiva del crecimiento
ción prospectiva del crecimiento urbano. urbano
Por el contrario, los otros dos tipos de esce-
narios sí tienen un encaje más adecuado en Además de los escenarios, el instrumento fun-
el pensamiento prospectivo, tratando de re- damental de la simulación prospectiva está
flejar tanto futuros posibles (escenarios ex- constituido por los modelos de simulación. La
ploratorios) como deseables (escenarios cantidad de instrumentos de modelización de-
normativos) de los crecimientos urbanos. sarrollados a lo largo de todo el período de
simulación urbana es extraordinaria, emplean- ción de ambos, aunque sus principales carac-
do además metodologías de lo más diverso. terísticas (flexibilidad, tipo de medio real o
Es por ello que para abordar el estudio de los virtual, etc.) sí que los harán más idóneos para
modelos de simulación se han generado múlti- la simulación de uno u otro tipo (FIG. 2).
ples clasificaciones de los instrumentos exis-
tentes, atendiendo a criterios dispares. Así, De todos los modelos presentados, a continua-
para BRIASSOULIS (2000) algunos de estos cri- ción se analizarán con mayor detalle aquellos
terios pueden ser la escala, el nivel de des- de mayor aplicación y desarrollo en los últimos
agregación espacial, los tipos de categorías de años en el ámbito de la simulación del creci-
ocupación urbana empleados, etc. Otros auto- miento urbano (BENENSON & TORRENS, 2004;
res como PAEGELOW & CAMACHO (2008) apues- BATTY, 2005). Se trata de los modelos basados
tan por clasificaciones atendiendo a criterios en autómatas celulares (AC), Modelos basa-
metodológicos, distinguiendo fundamentalmen- dos en agentes (ABM) y técnicas de EMC.
te entre las técnicas de modelización, como
pueden ser los modelos estocásticos, de inte-
ligencia artificial, de lógica borrosa, etc.
3.1. Modelos para la simulación
No obstante, de acuerdo con los modos del de escenarios exploratorios
pensamiento exploratorio y normativo de los de crecimiento urbano (I):
que se sirve la simulación prospectiva, y sin los autómatas celulares
pretender ni mucho menos realizar una clasifi-
cación exhaustiva, algunos de los principales Los modelos basados en AC, han sido amplia-
modelos de simulación del crecimiento urbano mente discutidos en los últimos años como un
se pueden presentar agrupados en dos grupos instrumento adecuado para la representación y
principales: aquellos de una mayor aplicabili- simulación espacial de crecimientos urbanos
dad para la simulación de escenarios explora- (WHITE & al., 1997; WHITE & ENGELEN, 2000;
torios como pueden ser los modelos basados BARREDO & al., 2003; AGUILERA, 2008; LI & al.,
en autómatas celulares o basados en agentes; 2008; PETROV & al., 2009), aunque no se trata
y aquellos de mayor aplicabilidad en la simula- de una herramienta nueva. En concreto, los
ción de escenarios normativos, como son la AC como herramienta matemática vieron la luz
EMC y la lógica borrosa. No obstante, esta di- en los años cuarenta, de la mano de los mate-
visión no supone que los diferentes modelos máticos John von Neuman y Stanislaw Ulam,
presentados tengan utilidad exclusiva para la aunque la idea de AC pertenece a Alan Turing
simulación de escenarios de un único tipo, y su máquina universal (O’SULLIVAN & TO-
sino que es posible emplearlos en la simula- RRENS, 2000). Se pueden definir como un sis-
tema dinámico formado por un conjunto de células vivas. Este hecho provocó que los AC
elementos sencillos idénticos entre sí, pero emergieran como una herramienta para la re-
que en conjunto son capaces de demostrar presentación de sistemas complejos y la inves-
comportamientos complejos y que por ello son tigación de sus dinámicas (B ENENSON &
muy adecuados para la simulación de proce- TORRENS, 2004).
sos urbanos (FRANKHAUSER, 1998). Este siste-
ma dinámico estaría compuesto, desde un Los autómatas celulares saltaban así del cam-
punto de vista formal, de los siguientes ele- po teórico a la escena de la modelización geo-
mentos (WHITE & ENGELEN, 2000): gráfica, siendo uno de los pioneros en su
aplicación Aldo Tobler, con su Cellular Geo-
1. El espacio en el que existe el autómata. graphy. Desde entonces, mucho se ha escrito
En caso de que se trabaje en dos dimen- acerca de la aplicabilidad de los AC a la mo-
siones (como sucede en la mayor parte de delización de procesos urbanos (O’SULLIVAN &
las ocasiones que se modeliza el creci- TORRENS, 2000; BENENSON & TORRENS, 2004),
miento urbano, y al integrar los AC en un así como sobre su aplicación para la simula-
SIG) este espacio estará constituido por un ción del crecimiento urbano (BARREDO & al.,
plano bidimensional dividido en un número 2003, 2004; PETROV & al., 2009...), pudiendo
de subespacios homogéneos, conocidos establecerse que se trata de un instrumento
en el modelo de datos raster como celdas adecuado para la simulación de escenarios
o píxeles (BOSQUE SENDRA, 1997). Cada exploratorios.
celda o píxel contiene un autómata, que se
encontrará rodeado de otros autómatas. No obstante conviene destacar que los mode-
2. Un conjunto finito de estados en los que los empleados para la simulación de las diná-
cada autómata (o lo que es lo mismo, cada micas de la ocupación del suelo no están
píxel) se puede encontrar. Este conjunto constituidos por un autómata celular estricto,
de estados podría ser el conjunto de cate- como el descrito en el Game of Life, de
gorías de ocupación urbana que se distin- Conway. Por el contrario, buena parte de estos
guen, como por ejemplo residencial, modelos (SANTÉ & al., 2010) determinan un po-
industrial, equipamientos, viario, etc. tencial de transición de los diversos usos urba-
3. Una definición de vecindad, es decir, el nos (o posibles estados de los AC) en función
conjunto de celdas que se establece que de diversos factores (FIG. 3) como son la acce-
influirán el estado de cada autómata. sibilidad, la aptitud del territorio para los creci-
4. Un conjunto de reglas de transición que mientos urbanos, un factor estocástico, así
determinan los cambios de estado de cada como un factor denominado de vecindad que
autómata en función de su estado inicial y estaría basado en los autómatas celulares pro-
del estado de los autómatas vecinos. Las piamente dichos. Este factor de vecindad con-
reglas de transición definen el estado del sistiría en un potencial de cambio calculado en
autómata en el tiempo t + 1 como una fun- función del efecto de atracción/repulsión que
ción del estado del autómata en el tiempo ejercerían los usos de los autómatas de la ve-
t y de un input también en el tiempo t, que cindad sobre cada autómata en cuestión.
se derivará de los estados de los autóma-
tas incluidos en su vecindad. Esta estructura ha sido popularizada por los
5. Una secuencia discreta de tiempos o trabajos que han empleado el modelo desarro-
iteraciones, en las que se aplican las re- llado en el proyecto MOLAND (BARREDO & al.,
glas de evolución para cada autómata, y 2003; BARREDO & al., 2004; GÓMEZ & BARRE-
su estado cambia o se mantiene. DO, 2008; PETROV & al., 2009), aunque tam-
bién ha inspirado los modelos desarrollados en
Es posible explicar de una forma más sencilla otros estudios (AGUILERA, 2008; VALENZUELA &
el funcionamiento de los AC mediante su ejem- al., 2008). La FIG. 4 recoge algunos de los tra-
plo más académico y conocido (O’SULLIVAN & bajos más relevantes en esta materia, así
TORRENS, 2000), el Game of Life, de John como una descripción del ámbito de estudio y
Conway, en el que se modelizaba, a través de escala en el que se aplican.
reglas muy simples, el nacimiento, la muerte y
la supervivencia de una colonia de células. Los En todos ellos, a través del proceso de calibra-
resultados obtenidos por Conway fueron asom- ción, especialmente del parámetro de vecin-
brosos: a partir de un conjunto de reglas sen- dad, se ha conseguido representar de forma
cillas y de una situación inicial de partida, el realista los crecimientos urbanos. Esta calibra-
modelo era capaz de generar patrones de ele- ción se consigue mediante la modificación de
vada complejidad que eran realmente insospe- los efectos de atracción y repulsión de los usos
chables a partir de la configuración inicial de vecinos, permitiendo incluso modificar los pa-
Factor de Regla de
vecindad decisión
Factor de
accesibilidad
Potencial de Aplicación Transiciones
Combinación transición regla decisión de estados
(TIG) (usos)
Factor
estocástico
Factor de
aptitud
FIG. 4/ Selección de trabajos relevantes de simulación del crecimiento urbano con modelos basados en AC en los
últimos años
trones o formas de crecimiento urbano repro- La simulación de los tres escenarios se llevó a
ducidas en las simulaciones (AGUILERA, 2008; cabo mediante la realización de cambios en los
LI & al., 2008; VALENZUELA & al., 2008). Así, en diferentes parámetros del modelo (FIG. 5), mos-
un escenario en el que primase el crecimiento trando así su flexibilidad para la estimación de
en patrones agregados, el factor de vecindad diferentes escenarios exploratorios futuros. Es-
se calcularía de forma diferente a otro escena- pecialmente interesantes son aquellos cambios
rio caracterizado por crecimientos más disper- referentes al parámetro de vecindad (o de AC),
sos, lo que se conseguiría a través de la que a través de la modificación de los valores
modificación de los valores de atracción/repul- de atracción de unos usos con respecto a otros
sión de los usos vecinos. en la vecindad establecida, permiten potenciar
ciertos comportamientos de los crecimientos,
Un ejemplo a este respecto lo constituyen los tales como crecimientos más dispersos, más
trabajos de AGUILERA (2008) para el Área Me- agregados, de carácter más lineal, etc.
tropolitana de Granada, en el que tres escena-
rios exploratorios futuros para el año 2020 son Los resultados obtenidos en las simulaciones
simulados con un modelo basado en AC, pre- (FIG. 6) plasman de manera espacial los tres
viamente empleado en simulaciones expost escenarios exploratorios establecidos. De esta
para el mismo ámbito (AGUILERA, 2008), con forma, se observa cómo la integración de esce-
resultados satisfactorios. narios exploratorios con un modelo basado en
FIG. 5/ Implementación de los escenarios exploratorios mediante cambios en los parámetros del modelo de AC
Intensidades de ocupa- alta capacidad. En su estimación se incluyen algunas nuevas vías de alta
ción del suelo similares capacidad en proyecto. Su peso se incrementa para los usos industriales
a los últimos años, pero y tecnológicos.
con mayor proporción
Vecindad. Se, incrementa la atracción que las vías ejercen sobre los usos
de zonas industriales y
comerciales e industriales, y los efectos de atracción de los usos residen-
comerciales, ubicados
ciales sobre ellos mismos, para favorecer la agregación.
en el entorno de las vías
de mayor capacidad. Parámetro estocástico. El parámetro estocástico se mantiene similar que
en las simulaciones expost realizadas.
Disminución de las ta- Accesibilidad. Medida como la distancia a los nodos de las infraestructu-
Escenario de contención
de la ocupación urbana
sas de crecimiento así ras viarias en lugar de a la propia red. No incorpora nuevas infraestructuras
como de la dispersión de alta capacidad.
residencial. Los usos in- Vecindad. Se incrementa la atracción de los usos residenciales sobre sí
dustriales y comerciales mismos, favoreciendo la agregación. Por su parte el efecto de atracción de
tenderán a crecer en los los nodos se incrementa sobre los usos industriales y comerciales.
entornos de algunos de
Parámetro estocástico. El parámetro estocástico se reduce para tratar de
los nodos de la red via-
mostrar un crecimiento menos disperso, especialmente en los usos resi-
ria.
denciales.
(1) El parámetro de aptitud se ha mantenido constante en los diferentes escenarios.
Fuente: Elaboración propia
AC permite realizar simulaciones prospectivas medio para alcanzar un objetivo concreto (lle-
del crecimiento urbano en un ámbito metropo- gar a un determinado lugar, alcanzar un bene-
litano, en este caso del contexto español. ficio, tener la mayor influencia posible…).
Algunos investigadores insisten en que un
agente debe presentar un comportamiento
adaptativo, limitando el concepto de agente a
aquellos que pueden, de alguna forma, apren-
der de su medio y cambiar su comportamiento
en conformidad a ello (CASTLE, 2006). FERBER
(1999) sin embargo, agrupa los agentes según
la complejidad de su comportamiento en reac-
tivos (responden y envían mensajes según ob-
jetivos que no pueden modificar), intencionales
(establecen prioridades y jerarquizan planes
según sus metas) o sociales (razonan sobre
metas y estrategias de los demás agentes).
2
Es posible encontrar abundante y detallada información (MALCZEWESKI, 1999; GÓMEZ DELGADO & BARREDO, 2005,
de la utilización de estas técnicas en un entorno SIG en entre otros).
cualquiera de los manuales existentes sobre estos temas
FIG. 7/ Selección de trabajos relevantes de simulación del crecimiento urbano con modelos basados en EMC en los
últimos años
yor relevancia en la esfera internacional, como EMC, se presentan resultados de trabajos rea-
son los modelos basados en agentes y en au- lizados por los autores, en los que se aplican
tómatas celulares, así como aquellos que em- estas técnicas en ámbitos metropolitanos es-
plean técnicas de evaluación multicriterio. Para pañoles (concretamente Madrid y Granada),
ello, se han recopilado algunos de los trabajos junto con el diseño de escenarios, que a juicio
de mayor relevancia y actualidad representati- de los autores, constituyen la otra herramienta
vos del estado de la cuestión en cada caso, fundamental que completa los instrumentos de
facilitando el acceso a referencias concretas y la simulación prospectiva. Es por ello que se
prácticas que permitan la puesta en marcha de ha incorporado también en el presente artículo
trabajos similares en este materia. Igualmente, una breve discusión sobre el diseño de esce-
y para el caso de los AC y de las técnicas de narios y sus tipos.
FIG. 8/ Resultados de asignación de suelo residencial y productivo (industrial y comercial) para el año 2020 en la
Comunidad de Madrid, en tres escenarios de crecimiento urbano
Fuente: PLATA ROCHA, 2010 y PLATA ROCHA & al., 2010
En cualquier caso, la cantidad de instrumentos plejos como los urbanos. Y es que, como se
y técnicas para la simulación de procesos y ha señalado en diversas ocasiones, no se tra-
aspectos relacionados con los entornos urba- ta de acercarse a los modelos como instru-
nos (especialmente los relacionados con el mentos que nos permitirán predecir el futuro,
crecimiento de la ciudad) es enorme, habiendo como si de una predicción meteorológica se
quedado fuera de la intencionalidad del pre- tratase, sino que, con ayuda de los escenarios,
sente trabajo presentar una clasificación ex- se utilicen los resultados de estos modelos
haustiva de los diversos tipos de modelos, así para explorar futuros posibles, deseables, a
como desechar los que aquí no se presentan, evitar, etc. Este aspecto atesora un gran inte-
tales como modelos basados en redes neuro- rés con vistas al proceso de planificación de
nales, de regresión logística, etc. estos ámbitos, pudiendo facilitar la incorpora-
ción de instrumentos de simulación a dicho
Por otra parte, resulta fundamental hacer una proceso. Así, por ejemplo, se podría disponer
llamada de atención acerca de la perspectiva de una mayor capacidad de discusión de imá-
de aproximación a estos instrumentos, en el genes futuras con los agentes implicados en
contexto de fenómenos y procesos tan com- los procesos de planeamiento, o bien facilitar
el diseño de estrategias que vengan a contra- gias adecuadas para diferentes tipos de con-
rrestar aquellos posibles escenarios indesea- textos futuros, la generación de planes por
bles o que, por el contrario, conduzcan los etapas o fases condicionadas por la materiali-
sistemas urbanos hacia escenarios desea- zación de unos u otros escenarios futuros, etc.
bles.
Por todo ello, resulta de interés seguir reali-
Este último aspecto, finalmente, abriría un cam- zando esfuerzos tanto en la elaboración de
po para la integración del diseño y simulación modelos que permitan plasmar imágenes de
de escenarios con los procesos de planeamien- diversos escenarios futuros en ámbitos urba-
to a diversas escalas, que condujese a la ela- nos y metropolitanos, como en su integración
boración de planes más adaptables a futuros en los procesos de planificación con vistas a la
inciertos y cambiantes, la adopción de estrate- mejora del proceso de toma de decisiones.
5. Bibliografía
AGUILERA, F. (2008): Análisis espacial para la orde- BRIASSOULIS, H. (2000): “Analysis of Land Use Chan-
nación ecopaisajística de la Aglomeración Urba- ge: Theoretical and Modeling Approaches”, en:
na de Granada, tesis doctoral, Universidad de http://www.rri.wvu.edu/WebBook/Briassoulis/con-
Granada. tents.htm [mayo, 2007].
AGUILERA ONTIVEROS, A. (2000): “Simulaciones mul- CARMO GIORDANO, L. & P. SETTI RIEDEL (2008): “Mul-
tiagente de ambientes urbanos”, Vetas, revista de ti-criteria spatial decision analysis for demarcation
El Colegio de San Luis, Año 2, 5, mayo-agosto of greenway: a case study of the city of Rio Claro,
de 2000: 205-224. Sao Paulo, Brazil”, Landscape and urban plan-
BAJA, S. & D. M. CHAPMAN & D. DRAGOVICH (2007): ning, 84: 301-311.
“Spatial based compromise programming for mul- CARSJENS, G. J. (2009): Supporting Strategic Spatial
tiple criteria decision making in land use plan- Planning. Planning Support Systems for the spa-
ning”, Environmental Modeling & Assessment, 12: tial planning of metropolitan landscapes, tesis
171-184. doctoral, Universidad de Wageningen.
BARREDO, J. I. & M. KASANKO & N. Y. MCCORMICK & CARVER, S. (1991): “Integrating multi-criteria evalua-
C. LAVALLE (2003): “Modelling dynamic spatial tion with geographical information sytems”, Inter-
processes: simulation of urban future scenarios national Journal of Geographical Information
through cellular automata”, Landscape and Urban Systems, 5 (3): 321-339.
Planning, 64: 145-160. CASTLE, C. J. E. (2006): “Developing a Prototype
BARREDO, J. I. & L. DEMICHELI & C. LAVALLE & M Agent-Based Pedestrian Evacuation Model to Ex-
KASANKO & N. MCCORMICK (2004): “Modelling fu- plore the Evacuation of King’s Cross St. Pancras
ture urban scenarios in developing countries: an Undergroud Station”, CASA Working Paper Se-
aplication case study in Lagos, Nigeria”, Environ- ries, 108.
ment and Planning B: Planning and Design, 32: — & A. T. CROOKS (2006): “Principles and Concepts
65-84. of Agent-Based Modelling for Developing Geos-
BATTY, M. (2005): Cities and Complexity: Understan- patial Simulations”, UCL Working Papers Series.
ding Cities with Cellular Automata, Agent-Based COLORNI, A. & E. LANIADO & S. MURATORI (1999):
Models, and Fractals, The MIT Press. “Decision support systems for environmental im-
BENENSON, I. & P. M. TORRENS (2004): Geosimula- pact assessment of transport infrastructures”,
tion: Automata-based modeling or urban pheno- Transportation Research Part D4, 1-11.
mena, John Wiley & Sons, Ltd. CHANG, N. & G. PARVATHINATHAN & J. B. BREEDEN
BERDOULAY, V. (2009): “La historia de la geografía en (2008): “Combining GIS with fuzzy multicriteria
el desafío de la prospectiva”, Boletín de la A.G.E., decision-making for landfill siting in a fast-growing
51: 9-23. urban region”, Journal of Environmental Manage-
BLECIC, I. & A. CECCHINI (2008): “Design beyond ment, 8: 139-153.
complexity: Possible futures-Prediction or design? DAI, F. C. & C. F. LEE & X. H. ZHANG (2001): “GIS-
(and techniques and tools to make it possible)”, based geo-environmental evaluation for urban
Futures, vol. 40: 537-551. land-use planning: a case study”, Engineering
BORJERSON, L. & M. HOJER & K. H. DREBORG & T. Geology, 6: 257-271.
EKVALL & G. FINNVENDEN (2006): “Scenario types DEGIOANNI, A. & A. CAMARASA BELMONTE & F. MORE-
and techniques: Towards a user’s guide”, Futu- NO SANZ (2000): “Bases metodológicas para la
res, vol. 38: 723-739. evaluación, uso y gestión sostenible de los recur-
BOSQUE SENDRA, J. (1997): Sistemas de Información sos agrarios. Aplicación a la cuenca de Santa
Geográfica, Ed. Rialp. Madrid. Catalina, Argentina”, en AGUADO & GÓMEZ DELGA-
— & M. A. DIAZ MUÑOZ & M. GÓMEZ DELGADO & V. DO (eds.): Tecnologías geográficas para el desa-
M. RODRÍGUEZ ESPINOSA & A. E. RODRÍGUEZ DU- rrollo sostenible, Actas del IX Congreso del Grupo
RÁN & A. VELA GAYO (1999): “Un procedimiento, de Métodos Cuantitativos, SIG y Teledetección
basado en un SIG, para localizar centros de tra- de la AGE: 290-311.
tamiento de residuos”, Anales de Geografía de la EUROPEAN ENVIRONMENT AGENCY (2006): “Urban
Universidad Complutense, 19: 295-323. Sprawl in Europe”, EEA Report, 10/2006.
EPSTEIN, J. M. & R. AXTELL (eds.) (1996): Growing LAMELAS GRACIA, M. T. (2009): “Esquema metodoló-
Artificial Societies: Social Science from the gico para la toma de decisiones sobre el uso sos-
Bottom Up, MIT Press, Washington DC. tenible del suelo: aplicación a la localización de
FERBER, J. (1999): Multiagent systems: An introduc- suelo industrial”, GeoFocus, 9: 28-66.
tion to distributed artificial intelligence, Addison- LIGMANN-ZIELINSKA, A. & R. L. CHURCH & P. JANKOWS-
Wesley, Nueva York. KI (2008): “Spatial optimization as a generative
FONT, A. (2004): L’explosió De La Ciutat, COAC i technique for sustainable multiobjective land-use
Fòrum Universal de les Cultures de Barcelona, allocation”, International Journal of Geographical
Barcelona. Information Science, 22 (6): 601-622.
FONTAINE, C. M. & M. D. ROUNSEVELL (2009): “An LI, X. & Q. YANG & X. LIU (2008): “Discovering and
agent-based approach to model futures residen- evaluating urban signatures for simulating com-
tial pressure on a regional landscape”, Landsca- pact development using cellular automata”,
pe Ecology, 24: 1237-1254. Landscape and Urban Planning, 86: 17-186.
FRANKHAUSER, P. (1998): “Fractal geometry of urban LIU, Y. & X. LV & X. QIN & H. GUO & Y. YU & J. WANG
patterns and their morphogenesis”, Discrete Dy- & G. M AO (2007): “An integrated GIS-based
namics in Nature and Society, 2: 127-145. analysis system for land-use management of lake
GALACHO JIMÉNEZ, F. B. & J. A. ARREBOLA CASTAÑO areas in urban fringe”, Landscape and Urban
(2008): “Aplicación del modelo de evaluación de Planning, 82: 233-246.
la capacidad de acogida para la valoración de la MALCZEWSKI, J. (1999): GIS and Multicriteria Decision
aptitud física del territorio respecto a sectores de Analyisis, John Wiley & Sons Inc., Nueva York.
planeamiento urbanístico”, en L. HERNÁNDEZ & J. — (2002): “Fuzzy screening for land suitability analy-
M. PARREÑO (eds.): Tecnologías de la Informa- sis”, Geographical & Environmental Modelling, 6
ción Geográfica para el desarrollo territorial, Ser- (1): 27-39.
vicio de publicaciones y difusión científica de la — (2006): “Ordered weighted averaging with fuzzy
ULPGC, Las Palmas de Gran Canaria: 43-55. quantifiers: GIS-based multicriteria evaluation for
GENELETTI, D. & I. VAN DUREN (2008): “Protected land-use suitability analysis”, International Journal
area zoning for conservation and use: a combina- of Applied Earth Observation and Geoinformation,
tion of spatial multicriteria and multiobjective eva- 8: 270-277.
luation”, Landscape and urban planning, 85 (2): — & M. JACKSON (2000): “Multicriteria spatial alloca-
97-110. tion of educational resources: an overview”, So-
GIMBLETT, H. R. (2002): “Integrating Geographic In- cio-economic planning sciences, 34: 219-235.
formation Systems and Agent-Based Technolo- MARIEN, M. (2002): “Future Studies in the 21st Cen-
gies for Modeling and Simulating Social and tury: a reality based view”, Futures, 34: 261-281.
Ecological Phenomena”, en H. R. GIMBLETT (ed.): MARTIN, N. & B. ST-ONGE & J. P. WAAUB (1999):
Integrating Geographic Information Systems and “Geographic tools for decision making in waters-
Agent-Based Modelling Techniques for Simulating hed management”, en J. C. THILL (ed.): Spatial
Social and Ecological Processes, Institute Stu- Multicriteria Decision Making and Analysis. A geo-
dies on the Sciences of Complexity Santa Fe: graphic information sciences approach, 309-334,
1-20. Ashgate Publishing Ltd., Aldershot.
GÓMEZ DELGADO, M. & J. I. BARREDO CANO (2005): MATTHEWS, R. B. & N. G. GILBERT & A. ROACH & G.
Sistemas de Información Geográfica y Evalua- POLHILL & N. M. GOTTS (2007): “Agent-based
ción Multicriterio en la ordenación del territorio, land-use models: a review of applications”, Lans-
Editorial RA-MA, Paracuellos de Jarama. cape Ecology, 22: 1447-1459.
— (2008): “Towards a set of IPCC SRES urban land MOLERO MELGAREJO, E. & A. L. GRINDLAY MORENO &
use scenarios: modelling urban land use in the J. J. ASENSIO RODRÍGUEZ (2007): “Escenarios de
Madrid region”, en M. PAEGELOW & M. T CAMA- aptitud y modelización cartográfica del crecimien-
CHO (eds.): Modelling Environmental Dynamics, to urbano mediante técnicas de evaluación multi-
Springer-Verlag, Berlín. criterio”, GeoFocus, 7: 120-147.
GÓMEZ OREA, D. (1994): Ordenación del territorio. MORIN, D. M. (1999): “GDSS in highway planning:
Una aproximación desde el Medio Físico, Edito- their use and adoption”, en J. C. THILL (ed.): Spa-
rial Agrícola Española, Madrid. tial Multicriteria Decision Making and Analysis. A
HAN, J. & Y. HAYASHIA & X. CAOB & H. IMURAA (2009): geographic information sciences approach, 149-
“Application of an integrated system dynamics 174, Ashgate Publishing Ltd., Aldershot.
and cellular automata model for urban growth as- O’SULLIVAN, D. & P. TORRENS (2000): “Cellular Mo-
sessment: A case study of Shanghai, China”, dels of Urban Systems”, CASA Working Paper
Landscape and Urban Planning, 91: 133-141. Series, 22.
HOSSAIN, M. S. & S. R. CHOWDHURY & N. G. DAS, PHUA, M. & M. MINOWA (2005): “A GIS-based multi-
(2009): “Integration of GIS and multicriteria deci- criteria decision making approach to forest con-
sion analysis for urban aquaculture development servation planning at a landscape scale: a case
in Bangladesh”, Landscape and urban planning, study in the Kinabalu Area, Sabah, Malaysia”,
90 (3-4): 119-133. Landscape and Urban Planning, 71: 207-222.
JOERIN, F. & M. THÉRIAULT & A. MUSY (2001): “Using P LATA R OCHA , W. (2010): Descripción, análisis y
GIS and outranking multicriteria analysis for land- simulación del crecimiento urbano mediante
use suitability assessment”, International Journal Tecnologías de la Información Geográfica. El
of Geographical Information Science, 15 (2): 153- caso de la Comunidad de Madrid. Tesis docto-
174. ral, Universidad de Alcalá.
— & M. G ÓMEZ D ELGADO & J. B OSQUE S ENDRA SHELLING, T. (1971): “Dynamic Models of Segrega-
(2009): “Análisis de factores explicativos del tion”, Journal of Mathematical Sociology, 1: 143-
crecimiento urbano en la Comunidad de Madrid 189.
a través de métodos estadísticos (RLO y MLA) SIDDIQUI, M. Z. & J. W. EVERETT & B. E. VIEUX (1996):
y SIG”, Revista de Planeamiento Territorial y “Landfill siting using Geographic Information Sys-
Urbanismo Iberoamericana, 4. http://www.pla- tems: a demonstration”, Journal of Environmental
neamientoyurbanismo.com/articulos/21/anali- Engineering, 122: 515-523.
sis-de-factores-explicativos-del-crecimiento-ur- SMITH, M. J. D. & M. F. GOODCHILD & P. A. LONGLEY
bano-en-la-comunidad-de-madrid-a-traves-de- (eds.) (2009): Geospatial Analysis: a comprehen-
metodos-estadisticos-(rlo-y-mla)-y-sig sive guide to principles, techniques and software
— (2010): “Desarrollo de modelos de crecimiento tools, 3.a ed., Matador, Leicester, Reino Unido.
urbano óptimo para la Comunidad de Madrid apli- SVORAY, T. & P. BAR & T. BANNET (2005): “Urban
cando métodos de Evaluación Multicriterio y Sis- land-use allocation in a Mediterranean ecotone:
temas de Información Geográfica”, Geofocus, 10: habitat heterogeneity model incorporated in a GIS
103-134. using a multi-criteria mechanism”, Landscape and
PAEGELOW, M. & M. T. CAMACHO (eds.): Modelling En- Urban Planning, 72: 337-351.
vironmental Dynamics, Springer-Verlag, Berlín. THILL, J. C. (1999): Spatial Multicriteria Decision Ma-
PETROV, L. & C. LAVALLE & M. KASANKO (2009): “Urban king and Analysis. A geographic information
land use scenarios for a tourist region in Europe: sciences approach, Ashgate Publishing Ltd., Al-
Applying the MOLAND model to Algarve, Portugal”, dershot.
Landscape and Urban Planning, 92 (1): 10-23. VALENZUELA, L. M. & F. AGUILERA & J. A. SORIA & E.
PORTUGALI, J. (2000): Self-Organization and the City, MOLERO (2008): “Designing and assessing of de-
Springer-Verlag, Berlín. velopment scenarios for metropolitan patterns”, en
REIF, B. (1973): Models In Urban And Regional Plan- PAEGELOW, M. & M. T. CAMACHO (eds.): Modelling
ning, Leonard Hills Books. Environmental Dynamics, Springer-Verlag, Berlín.
R EZAEI -M OGHADDAM , K. & E. K ARAMI (2008): “A VÍA GARCÍA, M. & C. MUÑOZ MUNICIO (2008): “Pro-
multiple criteria evaluation of sustainable agri- puesta de nuevos espacios protegidos en la Co-
cultural development models using AHP”, Envi- munidad de Madrid a partir de metodologías
ronment, Development and Sustainability, 10: multicriterio flexibles”, en L. HERNÁNDEZ & J. M.
407-426. PARREÑO (eds.): Tecnologías de la Información
SANDERS, L. (2006): “Les Modèles agent en géogra- Geográfica para el desarrollo territorial, 791-805.
phie urbaine (Agent models in urban geography”, Servicio de publicaciones y difusión científica de
en F. AMBLARD & D. PHAN (eds.): Modélisation et la ULPGC. Las Palmas de Gran Canaria.
simulation multi-agents; applications pour les WEGENER, M. (1994): “Operational Urban Models:
Sciences de l’Hommes et de la Société, 151-168, State of the Art”, Journal of the American Plan-
Hermès-Lavoisier. ning Association, 60 (1): 35-40.
SANTÉ, I. & A. M. GARCÍA & D. MIRANDA & R. CRES- WHITE, R. & G. ENGELEN (2000): “High-resolution in-
CENTE (2010): “Cellular automata models for the tegrated modelling of the spatial dynamics of ur-
simulation of real-world urban processes: A re- ban and regional systems”, Computers,
view and analysis”, Landscape and Urban Plan- Environment and Urban Systems, 24: 383-400.
ning, 96: 108-122. — & I. ULJEE (1997): “The use of constrained cellular
SCHWARTZ, P. (1991): The art of the long view: Plan- automata for high resolution modelling of urban
ning for the future in an uncertain World, Double- land use dynamics”, Environment and Planning
day, Nueva York. B: Planning and Design, 24: 323-343.