Está en la página 1de 21

Nueva metodología para el diseño de índices

de calidad ambiental basada en extensiones


difusas de funciones de transformación
New methodology based on fuzzy extensions of transformation
functions for the design of environmental quality indexes

Roberto Peche G.1

Resumen Abstract

El propósito de este artículo es presentar una metodología The aim of this paper is to introduce a new and rigorous
nueva y rigurosa, basada en el concepto de extensión difusa methodology based on the concept of a fuzzy extension of
de una función de transformación para el diseño de índices a transformation function for the design of environmental
de calidad ambiental. Una extensión difusa es una genera- quality indexes. A fuzzy extension is a generalisation of a
lización de una función clásica extendida al campo de los classical function extended to the field of the fuzzy sets
conjuntos difusos en R. Las funciones de transformación defined in R. Transformation functions are used to convert
se utilizan para convertir los valores que toman los indica- the values taken by the environmental indicators on the
dores ambientales en un emplazamiento, en sus contribu- site into the values that represent their contributions to
ciones al índice de calidad ambiental. Para diseñar el índice the environmental quality index. For the design of the in-
de calidad ambiental se define un conjunto de atributos dex, a set of attributes is defined, which should include all
que debe incluir todos los factores significativos en lo con- the significant factors of the environmental quality under
cerniente a la calidad ambiental objeto de valoración. Para consideration. In addition, an environmental indicator is
cuantificar cada atributo se selecciona un indicador am- selected to quantify each attribute, together with its range
biental, junto con su rango de valores. A continuación, se of values. Next, a fuzzy extension is defined for each envi-
define una extensión difusa para cada indicador ambiental. ronmental indicator and subsequently, a pair-wise compa-
Seguidamente, se calcula una matriz de comparación por rison matrix of the relative importance of the attributes is
pares de las importancias relativas de los atributos, a partir calculated, and a standardized priority vector is determi-
de la cual se determina su correspondiente vector de prio- ned. The values taken by the environmental indicators on
ridades normalizado. Los valores que toman los indica- the site are described in fuzzy terms. The fuzzy contribu-
dores en el emplazamiento objeto de estudio se describen tion to the environmental quality index is the image of the
en términos difusos, y la contribución difusa al índice de indicator’s value through the fuzzy extension of the trans-
calidad ambiental se obtiene como la imagen del valor del formation function. The fuzzy value of the environmental
indicador a través de la extensión difusa de la función de quality index is the result of adding the fuzzy contributions
transformación. El valor difuso del índice de calidad am- according to their relative importance. Finally, punctual
biental es el resultado de agregar las contribuciones difusas, and interval classic estimators of the environmental quali-
teniendo en cuenta sus importancias relativas. Finalmente, ty index are calculated by the defuzzification of the fuzzy
por desborrosificación del valor difuso del índice de cali- value of the environmental quality index.
dad ambiental, se calculan los estimadores clásicos, puntual
y de intervalo del índice de calidad ambiental.

Palabras clave: índice de calidad ambiental; mate- Keywords: environmental quality index; fuzzy mathe-
mática difusa; extensión difusa; función de transformación; matics; fuzzy extension; transformation function; environ-
gestión ambiental. mental management.

1 Escuela Universitaria de Ingeniería de Vitoria-Gasteiz, Universidad del País Vasco. Vitoria-Gasteiz, España. ORCID Peche, R.:
0000-0002-4411-4590; roberto.peche@ehu.eus

Recepción: 20 de junio de 2017. Aceptación: 01 de diciembre de 2017 DOI: http://dx.doi.org/10.15446/ga.v20n2._____

Gestión y Ambiente 20(2), 178-198, 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Introducción factores del sistema objeto de valoración y la


Matemática difusa y lógica difusa constituyen he- propiedad representativa de su calidad ambiental
rramientas de utilidad para el tratamiento de infor- por medio de un conjunto de reglas difusas, o base de
mación afectada de incertidumbre. Tal es el caso del conocimiento (Genske y Heinrich, 2009, Adriaens-
campo medioambiental, en el que frecuentemente se sens et al., 2004, Icaga, 2007). Mediante inferencia
trabaja con información imprecisa y que, en muchas difusa –usualmente, modus ponens generalizado- se
ocasiones, conlleva una carga importante de subjeti- determinan, a partir de los valores difusos de los an-
vidad. Por tal motivo, la aritmética difusa así como la tecedentes en el emplazamiento a valorar y de las
inferencia difusa han sido aplicadas con éxito duran- reglas difusas, las conclusiones difusas de todas las
te los últimos años en distintos tipos de valoracio- reglas, y por agregación de las conclusiones difusas
nes medioambientales, como son: la evaluación de se calcula el valor difuso de la calidad ambiental en
los impactos ambientales de actividades o proyec- ese emplazamiento. Una alternativa al conjunto de
tos (Duarte, 2000; Peche, 2006; Peche y Rodríguez, reglas difusas para describir el conocimiento sobre
2009; Kaya y Kahraman, 2011; Peche y Rodríguez, la relación entre los factores ambientales y la calidad
2011; Sánchez, 2015; Wieland y Gutzler, 2014; Zu- ambiental consiste en expresar dicho conocimiento
lueta et al., 2016); los modelos de ayuda de toma de por medio de un conjunto de extensiones difusas de
decisiones en reciclado de residuos (Nasiri y Huang, funciones de transformación (Peche y Rodríguez,
2008); la clasificación de residuos peligrosos (Musee 2015). Una función de transformación f t definida
et al., 2008); la evaluación de la calidad de suelos para un indicador ambiental I establece una corres-
recuperados (Kaufmann et al., 2009); la gestión de pondencia entre los valores de I y los valores de
áreas protegidas (Prato, 2009); la valoración y análi- una magnitud QI , que cuantifica la contribución de
sis de riesgos ambientales (Hu et al., 2016; Martins dicho indicador a la calidad ambiental del sistema
et al., 2016); las alternativas de reducción de conta- o emplazamiento objeto de valoración. QI es adi-
minación acústica (Ruiz-Padillo et al., 2016); y va- mensional y su rango de valores es [0,1], de modo
loraciones agrícolas (Sami et al., 2014). que el valor cero corresponde a calidad ambiental
En particular, la lógica difusa también ha sido
mínima y el valor 1 corresponde a calidad ambiental
aplicada al desarrollo de índices destinados a cuan-
máxima. De este modo, indicadores ambientales de
tificar la calidad ambiental, ya sea en algún aspecto
naturalezas dispares pueden “traducirse” mediante
particular, o con un enfoque más generalista. Así,
sus funciones de transformación a una escala única
se han desarrollado índices destinados a valorar la
de calidad ambiental. La finalidad de dicha conver-
sostenibilidad de la energía nuclear (Abouelnaga et
sión es llevar a cabo una valoración conjunta de la
al., 2010), las consecuencias ambientales asociadas
calidad ambiental del emplazamiento por medio de
a sustancias tóxicas o peligrosas en industrias quí-
micas (Arunraj y Maiti, 2009), la calidad del agua la agregación de los QI correspondientes a los dife-
(Gharibi et al., 2012), y en particular de aguas de rentes indicadores ambientales.
ríos (Lermontov et al., 2009), las condiciones am- Los aspectos y/o componentes ambientales a
bientales (Marchini et al., 2009), la sostenibilidad de ser evaluados por medio de indicadores ambienta-
sistemas de energía renovable (Liu et al., 2012), o la les pueden ser muy dispares entre sí (de tipo físi-
monitorización ambiental (Stroppiana et al., 2009). co, social o económico), lo que da lugar a una gran
Igualmente, la lógica difusa también ha permitido diversidad de indicadores ambientales. Además, la
desarrollar metodologías destinadas al diseño de información representada por el indicador puede
índices de calidad ambiental (Peche y Rodríguez, corresponder tanto a magnitudes medibles, tal es el
2012) o índices de calidad dinámica de suelos agrí- caso de las concentraciones de contaminantes en el
colas (Rodríguez et al., 2016). aire o agua, como a valoraciones que no se corres-
Las valoraciones ambientales que emplean ponden con mediciones propiamente dichas, y que
lógica difusa se basan generalmente en modelar el generalmente vienen afectadas por la subjetividad
conocimiento sobre la relación entre los diferentes del evaluador.

179
R. Peche G.

El modelo matemático de una f t es una función todos los valores de un único intervalo cerrado de
real, continua en todo su dominio (D), cuya variable valores de QI . El grado en que cada valor de QI
independiente es el indicador I y cuya variable de- perteneciente a dicho intervalo se corresponde con
pendiente es su contribución a la calidad ambiental el valor de I , viene dado por la función de per-
QI . Su dominio es el intervalo de posibles valores tenencia de f t ( µ f ( I , QI )) y varía entre un valor
t

del indicador D = [ I min , I max ] donde I min e I max son, máximo (al que se asigna el valor 1) y un valor míni-
respectivamente, los valores mínimo y máximo que mo (al que se asigna el valor 0), siendo f t ( I ) el valor
puede tomar el indicador. Asimismo, su codominio de QI que corresponde a I en grado máximo a
(B) es el rango de posibles valores de QI . Por lo tan- través de f t . Para establecer los límites de dicho in-
to, B = [ 0,1] . Cabe destacar que, de acuerdo con su tervalo se definen dos funciones denominadas límite
definición, mediante una f t , a cada valor de I ∈ D de borrosidad por abajo ( f tl ) y límite de borrosidad
corresponde un único valor de QI ∈ B. por arriba ( f tu ), de manera que, ∀I ∈ [ I m in , I m ax ]
Sin embargo, aún a pesar de su aplicabilidad en µ ft ( I , QI ) = 0 ∀QI ∈ [ 0, fl ( I ) ], µ ft ( I , QI ) au-
valoraciones ambientales, los criterios para estable- menta desde 0 hasta 1 cuando QI aumenta desde
cer la correspondencia entre I y QI proceden, en ftl ( I ) hasta ft ( I ) , µ f ( I , QI ) disminuye desde
t

gran medida, de las opiniones particulares de ex- 1 hasta 0 cuando QI aumenta desde f t ( I ) hasta
pertos. Además, es frecuente que el conocimiento ftu ( I ), y µ ft ( I , QI ) = 0 ∀QI ∈ [ ftu ( I ),1]. En nota-
en el que se basa la elaboración de dichas funciones ción conjuntista, una extensión difusa de una fun-
sea incompleto y/o impreciso. De ello se desprende ción de transformación viene dada por la siguiente
que la correspondencia I → QI es inherentemente expresión:
imprecisa, y en consecuencia, asignar un único valor
de QI a cada valor del indicador puede resultar ex-
{( ) }
ft = ( I , QI ), µ f ( I , QI ) : ( I , QI ) ∈ D × B, µ f ( I , QI ) ∈ [0,1]
t t
(1)

cesivamente drástico. En otras palabras, establecer En la Figura 1 se recoge la representación tridi-

la correspondencia entre los valores del indicador y mensional de µ f ( I , QI ) frente a I y QI , se muestran


t

los de calidad ambiental mediante una f t comporta las representaciones de f , f tl y f tu sobre el plano

una simplificación que obvia la imprecisión inhe- I × QI, y se ilustra la correspondencia entre las varia-
rente de dicha correspondencia. Con el fin de dis- bles I y QI para un valor particular del indicador I p .1
poner de una alternativa a la f t que sea consistente A la vista de estas consideraciones, el propósito de
con la imprecisión de las correspondencias del tipo este artículo es formular una nueva metodología de
I → QI , se desarrolló el concepto de extensión di- diseño de índices de calidad ambiental (EQI) basada
fusa f de una función clásica f , y se particularizó
en extensiones difusas de funciones de transforma-
para el caso en que dicha función es una función
ción. La metodología aquí propuesta constituye una
de transformación f t , obteniéndose así la extensión
alternativa a los procedimientos de diseño de índices
difusa de una función de transformación f t (Peche
y Rodríguez, 2015). Mediante una f t se establece
una correspondencia imprecisa entre las variables I 1 Para más información sobre el concepto, propiedades y
aplicaciones de la extensión difusa de una función de transfor-
y QI , de modo que a cada valor de I corresponden mación f t consultar Peche y Rodríguez (2015).

180 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

µft (I, QI)


1

ftl (Ip ) ft (Ip ) ftu (Ip ) QI 1


0
Imin

Ip

Imax

Figura 1. Representación gráfica de la función de pertenencia µ f ( I , QI ) de una extensión difusa f t de


t
una función de transformación : ftl : − • − • ; ft : − ; ftu : − − . Fuente: elaboración propia.

de calidad ambiental basados en conjuntos de re- metodología propuesta. Cabe señalar que su pues-
glas difusas. Su diferencia esencial consiste en que la ta en práctica requiere de la participación de un
correspondencia entre los indicadores ambientales panel de expertos en todos los aspectos relativos a
y el índice de calidad ambiental EQI se establece la calidad ambiental a valorar y de un equipo am-
mediante extensiones difusas de funciones de trans- bientalista. El panel debe aportar los conocimientos
formación, en lugar de conjuntos de reglas difusas. necesarios para la elaboración del EQI, y el equi-
En consecuencia, este procedimiento no incluye in- po ambientalista debe coordinar la labor del panel
ferencia difusa, sino cálculo de imágenes difusas a y llevar a cabo la adquisición y el tratamiento de la

partir de extensiones difusas de funciones de trans- información aportada por el panel en cada una de las

formación y valores difusos de los indicadores am- etapas del procedimiento.

bientales. Por ello, se considera que puede aportar Selección de atributos ambientales e
un nuevo enfoque para el desarrollo de índices de indicadores
calidad ambiental. En primer lugar, se establece el conjunto de los
atributos del EQI A = {a1 , a2 ,...ai ,...an } . Dicho

Metodología de diseño de los índices de conjunto debe incluir todos los aspectos con in-
calidad ambiental (EQI) fluencia significativa sobre la calidad ambiental
En esta sección se describen secuencialmente objeto de valoración. A continuación, se selecciona
las etapas a seguir para el diseño de un índice de un indicador ambiental convencional I i para cuan-
calidad ambiental (EQI) desarrollado mediante la tificar cada uno de los atributos ambientales ai , así

181
R. Peche G.

como su rango de valores  I i ,min , I i ,max  . Entre los criterios de selección de los indi-
cadores ambientales cabe destacar la representatividad del componente ambiental a
cuantificar y su sensibilidad a posibles cambios de las condiciones ambientales.

Definición de las extensiones difusas de las funciones de


transformación
Para cada indicador ambiental I i , donde i = 1, 2,...n , se define la exten-
sión difusa de la función de transformación clásica correspondiente ( f t i).
Para ello, en primer lugar se define la función de transformación clásica f ti y los lí-
mites de borrosidad por abajo f tli y por arriba ftui , teniéndose en cuenta que ft i , ftli
y ftui son funciones reales, cuyo dominio es D =  I i ,min , I i ,max  , cuyo codominio es
B = [ 0,1] , y que cumplen la siguiente condición:

ftli ( I i ) ≤ f ti ( I i ) ≤ ftui ( I i ) ∀I i ∈  I i ,min , I i ,max  (2)

Dado que la función de pertenencia de un conjunto difuso determina dicho con-


junto, para establecer f t i debe definirse su función de pertenencia µ ft ( I i , QIi ). Esta
i

función de pertenencia cuantifica el grado en que QIi corresponde a I i a través de ft i,


es decir, es la función que modela el grado de correspondencia entre el indicador am-
biental y su correspondiente contribución al índice de calidad ambiental. De acuerdo
con la definición de extensión difusa de una función de transformación, µ ft i ( I i , QIi )
debe cumplir las siguientes especificaciones (Peche y Rodríguez, 2015):

(a) µ f ( I i , QIi ) = 0 ∀( I i , QIi ) : I i ∈ Di , QIi ∈  I i ,min , f tli ( I i )  (3)


ti

(b) µ ft ( I i , QIi ) = 0 ∀( I i , QIi ) : I i ∈ Di , QIi ∈  ftui ( I i ), I i ,max  (4)


i

(c) µ f ( I i , QIi ) = 1 ∀( I i , QIi ) : I i ∈ Di , QIi = f ti ( I i ) (5)


ti

(d) ∀I i ∈ Di , ∀QIi , QIi ' ∈ ( f tli ( I i ), f ti ( I i ) ) : QIi ' > QIi ⇒ µ f ( I i , QIi ') > µ f ( I i , QIi ) (6)
t ti

Puesto que µ ft ( I i , f tli ( I i )) = 0 y µ ft ( I i , f ti ( I i )) = 1 , esta propiedad implica que


i i

cuando Ii toma valores en [ f tli ( I i ), f ti ( I i ) ] desde f tli ( I i ) hasta f ti ( I i ), µ ft i ( I i , QIi )


toma valores en [0,1] desde 0 hasta 1 ∀( I i , QIi ) : I i ∈ Di .

182 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

(e) ∀I i ∈ Di , ∀QIi , QIi ' ∈ ( f ti ( I i ), f tui ( I ) ) : QIi ' > QIi ⇒ µ f ( I i , QIi ') < µ f ( I i , QIi ) (7)
t ti

Dado que µ f ( I i , f ti ( I i )) = 1 y µ f ( I i , f tui ( I i )) = 0 , esta propiedad implica que


ti ti

cuando Ii toma valores en [ f ti ( I i ), f tui ( I i ) ] desde f ti ( I i ) hasta f tui ( I i ) ,µ ft i ( I i , QIi )


toma valores en [0,1] desde 1 hasta 0 ∀( I i , QIi ) : I i ∈ Di .
Para un valor particular de I i, µ ft i ( I i , QIi ) depende únicamente QIi , y puede co-
rresponder a una función lineal, parabólica o exponencial. La función de pertenencia
de perfil lineal es el caso más simple en cuanto a su modelado matemático. El ejem-
plo representado en la Figura 1 corresponde a dicho perfil. Por último cabe señalar
que, para el caso particular en que f=
tli ( I i ) f=
ti ( I i ) ftui ( I i ) ∀I i ∈  I i ,min , I i ,max  ,
ft i corresponde a la función de transformación clásica fti , es decir, al caso de no
borrosidad.

Estimación de las importancias relativas de los atributos


Para cuantificar las importancias relativas de los diferentes atributos incluidos en
el EQI, se utiliza un vector de prioridades W = {w1 , w2 ,...wi ,...wn } cuyas componen-
tes wi son los pesos específicos o importancias relativas de dichos atributos. A conti-
nuación se describe el procedimiento utilizado para calcular el vector de prioridades
W. Si Q es el número de expertos que componen el panel, se solicita a cada panelista
una matriz triangular superior T ( q ) = tij( q )  ( q = 1, 2...Q ) tal que el elemento tij( q ) co-
rrespondiente a la fila i y columna j, se estima como el número de veces que, según el
criterio del panelista q-ésimo, el atributo i es más importante que el atributo j. Así se
obtienen Q matrices triangulares superiores, de modo que cada matriz representa el
criterio del panelista en cuanto a las importancias relativas de los atributos ambienta-
les. A partir de cada T ( q ), se calcula la correspondiente matriz recíproca X ( q ) =  xij( q ) 
de acuerdo con las siguientes expresiones:

xij( q ) = tij( q ) ∀j > i = 1, 2,...n (8)



1
xij( q ) = (q)
∀j < i = 1, 2,...n (9)
t ji

xij( q ) = 1 ∀j = i = 1, 2,...n (10)

Con el propósito de obtener la valoración conjunta del panel, a continuación se


calcula la matriz media geométrica X =  xij  de las matrices recíprocas, donde:
 

183
R. Peche G.

1
Q  Q
xij =  ∏ xij( q )  ∀i, j = 1, 2... n (11)
 q =1 

Determinación del vector de prioridades


El vector de prioridades no normalizado W ’= {w’1 , w’2 ,...w’,i ...w’n } se calcula
mediante el método de la media geométrica por filas (Crawford, 1987), de acuerdo
con la siguiente ecuación:
1
 n  n
w’i =  ∏ xij  ∀i, j = 1, 2... n (12)
 j =1 
Por lo tanto, la componente w’i de dicho vector de prioridades es la media geomé-
trica de los elementos de la fila i-ésima de la matriz media geométrica X =  xij  .
 
Po último, por normalización de W’ se calcula el vector de prioridades normalizado:
W = {w1 , w2 ,...wi ,...wn } , donde:

w’i
wi = n (13)
∑ w’i
i =1

n
w’i wi
Obsérvese que ∑ wi = 1 y que = ∀i, j = 1, 2... n
i =1 w’j w j
Mediante este procedimiento, se calcula el peso específico wi de cada atributo del
EQI.

Estimación de los valores difusos de los indicadores ambientales en


el emplazamiento I i( est )
El estado de calidad ambiental del sistema o emplazamiento objeto de estudio
en lo que concierne a cada uno de los atributos del EQI, se cuantifica mediante el
valor del correspondiente indicador ambiental en dicho sistema. Los valores de los
indicadores pueden ser o puntuales (crisp) o intervalos. Para determinar sus contribu-
ciones al valor del EQI a través de las extensiones difusas f t i , dichos valores deben
ser expresados previamente en términos difusos I i( est ) . Si la estimación del indicador
es puntual, su modelado en términos difusos corresponde a un fuzzy Singleton (FS),
mientras que si es un intervalo, dicha estimación puede ser adecuadamente modelada

184 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

mediante un número difuso triangular (TFN). De acuerdo con estas consideraciones,


si el valor del indicador en el emplazamiento es crisp, su modelado en términos difu-
sos es el FS I i( est ) , cuya función de pertenencia µ ( I i ) es:
I i( est )

µ I ( est ) ( I i ) = 1 si I i = I i( est ) (14)


i

µ I ( est ) ( I i ) = 0 si I i ≠ I i( est ) (15)


i

En la Figura 2(A) se recoge la representación gráfica de µ ( I i ) frente a I i


I i( est )

para el caso en que I i( est ) es un FS. Si el estimador del indicador es de intervalo


(I ( est )
li , I ri( est ) ) , su modelado en términos difusos se representa mediante el número
( )
difuso triangular TFN I li( est ) , I ci( est ) , I ri( est ) donde:

I li( est ) + I ri( est )


I ci( est ) = (16)
2
µ I ( est ) ( I i ) viene dada por las siguientes ecuaciones:
i

I i − I li( est )
µ I ( est ) ( I i ) = ∀I i ∈  I li( est ) , I ci( est )  (17)
i I ci( est ) − I li( est )
I ri( est ) − I i
µ I ( est ) ( I i ) = ( est ) ( est )
∀I i ∈  I ci( est ) , I ri( est )  (18)
i I ri − I ci

µ I ( est ) ( I i ) = 0 ∀I i ∈  I i ,min , I li( est )  , ∀I i ∈  I ri( est ) , I i ,max  (19)


i

En la Figura 2(B) se muestra la representación gráfica de µ I ( est ) ( I i ) frente a I i para


i

el caso en que I i( est ) es un TFN.

A B
1 1

0 0
Ii,min Ii,(est) Ii,max Ii,min Ili(est) Ici(est) Iri(est) Ii Ii,max

Figura 2. Representaciones gráficas de las funciones de pertenencia de


las estimaciones difusas del indicador ambiental. (a) Fuzzy Singleton FS;
(b) número difuso triangular TFN. Fuente: elaboración propia.

185
R. Peche G.

Cálculo de las contribuciones de los indicadores QI al índice de i

calidad ambiental
Una vez que se dispone de las extensiones difusas de las funciones de transforma-
ción de todos los indicadores ambientales f t i , (i=1,2…n), así como de las estima-
ciones de dichos indicadores en el emplazamiento expresadas en términos difusos
I i( est ) , es el momento de calcular las contribuciones QIi de los indicadores al índice
de calidad ambiental. Para ello, debe calcularse para cada uno de los indicadores am-
bientales la imagen de I i( est ) a través de f t i .
De los diferentes operadores de composición difusa que pueden ser aplicados para
calcular QIi , se ha seleccionado la composición difusa estándar (Zadeh, 1965), dado
que ha sido utilizada con éxito en un gran número de aplicaciones de procedimientos
de inferencia difusa. De acuerdo con dicha composición difusa, QIi viene dado por
la siguiente ecuación:

{( )
QIi = QIi , µQ (QIi ) : QIi ) ∈ [ 0,1] , µQ (QIi ) ∈ [0,1] (20)
Ii Ii
}
Donde su función de pertenencia es:

µQIi (QIi ) = max − min I ∈ I  µ ( I ), µ ( I , Q ) 


i  i ,min , I i ,max 
  Ii( est ) i ft i i Ii  (21)

Cálculo de QIi cuando I i( est ) es un fuzzy Singleton

Si I i( est ) es un FS, para calcular µQ (QIi ) mediante la ecuación (21) se consideran


Ii

las dos opciones siguientes:

I. I ≠ I i( est ) . En tal caso, de acuerdo con la ecuación (15), µ ( I i ) = 0 , y por lo


I i( est )

tanto:

min I ≠ I ( est )  µ ( est ) ( I i ), µ f ( I i , QIi )  = 0 (22)


i i  Ii ti 
En consecuencia, el máximo de dicha función no corresponde al caso en que
I ≠ I i( est )

II. I = I i( est ). En este caso, de acuerdo con la ecuación (14), µ ( I i( est ) ) = 1 , y por
I i( est )

lo tanto:

min I = I ( est )  µ ( est ) ( I i ), µ f ( I i , QIi )  = min I = I ( est ) 1, µ f ( I i , QIi )  = µ f ( I i( est ) , QIi ) (23)
i i  Ii ti  i i  ti  ti

186 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Por lo tanto, el máximo de min I ≠ I ( est )  µ ( I i ), µ f ( I i , QIi )  se obtiene para


i i  I i( est ) ti 
I = I i( est ):

µQIi (QIi ) = max − min I ∈ I  µ ( I ), µ ( I , Q )  = µ ( I ( est ) , Q ) (24)


i  i ,min , I i ,max 
  Ii( est ) i ft i i Ii 
 ft i i Ii

En otras palabras, µQ (QIi ) se obtiene particularizando µ f ( I i , QIi ) para I i = I i( est ):


Ii ti

El soporte de QIi es el intervalo abierto ]QIli , QIri [ donde:

QIli = ftli ( I i( est ) ) y QIri = ftui ( I i( est ) ) (25)

El center de QIi es:

QIci = fti ( I i( est ) ) (26)

En la Figura 3 se muestra gráficamente el cálculo de µQ (QIi ) para el caso en que


Ii

I i( est ) es un FS.
µf (Ii,QI )
ti i
µQ (QI )
1
Ii i

ft l i (Ii(esp) ) ft ui (Ii(esp) ) QIi


Ii,min 0 1
fti (Ii(esp) )

µI (Ii )
(est)
i

Ii,(est)
Ii

Ii,max

Figura 3. Estimación gráfica de µQ (QIi ) cuando I i( est ) es un FS. Fuente: elaboración propia.
Ii

Cálculo de QIi cuando I i( est ) es un TFN ( I li( est ) , I ci( est ) , I ri( est ) )
Con el propósito de calcular QIi (i=1,2..n) como la imagen de I i( est ) a través de
f t i para el caso en que I i( est ) es un TFN, a continuación se propone un procedimien-
to que permite obtener una serie de valores Ω µQ ( ) que describe µ
Ii
QIi
(QIi ) en varia-
ble discreta. Dicha serie de valores representa una aproximación de µQ (QIi ) , tanto
Ii

mejor, cuanto mayor sea el número de valores que la integran.


Para ello, a partir de I i , µ ( I i ), fti ( I i ) , ftli ( I i ) , y ftui ( I i ) , se definen las series
( )
I i( est )

de valores muestreados Ω ( I i ) , Ω µ I ( est ) , Ω ( f ti ) , Ω ( f tli ) , y Ω ( f tui ) , de acuerdo


i

con el siguiente procedimiento:

187
R. Peche G.

Definición de Ω ( I i )
En primer lugar, se definen las siguientes series:

Ω L ( I i ) = {I i 0 , I i1 ,...I ij ,...I iN ’} (27)

Ω R ( I i ) = {I iN ’ , I iN ’+1 ,...I iN ’+ j ,...I i 2 N’ } (28)

Siendo:

I i 0 = I li( est ) ; I iN ’ = I ci( est ) ; I i 2 N ’ = I ri( est ) (29)

Los valores I ij de la serie se calculan del siguiente modo:

I ij = I i 0 + j ∆I iL ∀j = 1, 2,...N ’ (30)

I iN ’ − I i 0
donde ∆I iL = (31)
N’

I ij = I iN ’ + ( j − N ’) ∆I iR ∀j = N ’+1, N ’+2, ..., 2 N ’ (32)


I i 2 N ’ − IiN ’
donde ∆I iR = (33)
N’
Obsérvese que Ω L ( I i ) está formada por N’ + 1 valores de I i equiespaciados
que recorren el soporte de I i( est )en el tramo ascendente de µ I ( est ) ( I i ). Análogamente,
i

Ω R ( I i ) está formada por N’+1 valores de I i equiespaciados, recorriendo el soporte


de I i( est ) en el tramo descendente de µ ( I i ).
I i( est )

Ω ( I i ) se define como la unión de Ω L ( I i ) y Ω L ( I i ) :

Ω Ii = Ω LIi  Ω RIi (34)

Por lo tanto, si N = 2N’ resulta finalmente:


Ω ( I i ) = {I i 0 , I i1 ,...I iN ’ , I iN ’+1 ,...I iN } (35)

Definición de Ω µ I ( est ) ( )
( )
i

Ω µ ( est ) se define como el conjunto formado por los valores de µ I ( est ) ( I i ) para
Ii i

I i = I i 0 , I i1 ,..., I iN ’ , I iN ’+1 ,..., I iN , de acuerdo con la siguiente ecuación:

Ω µ( ) = {µ
I i( est ) I i( est )
( I i 0 ), µ
I i( est )
( I i1 ),..., µ
I i( est )
( I iN ’ ), µ
I i( est )
( I iN ’+1 ),..., µ
I i( est ) }
( I iN ) (36)

Definición de Ω ( f ti ) , Ω ( f tli ) , y Ω ( ftui )


Ω ( fti ) = { fti ( I i 0 ), fti ( I i1 ),..., fti ( I iN ’), fti ( I iN ’+1 ),..., fti ( I iN ) } (37)

188 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Ω ( ftli ) = { ftli ( I i 0 ), ftli ( I i1 ),..., ftli ( I iN ’ ), ftli ( I iN’ +1 ),..., ftli ( I iN )} (38)

Ω ( ftui ) = { ftui ( I i 0 ), ftui ( I i1 ),..., ftui ( I iN ’ ), ftui ( I iN’ +1 ),..., ftui ( I iN )} (39)

Definición de Ω ( QIi )
Para definir Ω ( QIi ) , previamente se definen las siguientes series de valores:

Ω L ( QIi ) = {QIi 0 , QIi1 ,...QIik ,..., QIiM ’} (40)

Ω R ( QIi ) = {QIiM ’ , QIiM ’+1 ,...QIiM ’+ k ,..., QIi 2 M’ } (41)

donde:
QIi 0 = min Ω ( ftli )  ; QIi M ’ = fti ( I ci( est ) ) ; QIi 2 M ’ = max Ω ( ftui )  (42)

Los valores QIik se calculan del siguiente modo:

QI ik = QI i 0 + k ∆QI iL ∀k = 1, 2,...M ’ (43)

QI iM ’ − QI i 0
donde ∆QI iL = (44)
M’
QI ik = QI iM ’ + ( k − M ’) ∆QI iR ∀k = M ’+1, M ’+2, ..., 2M ’ (45)

QI i 2 M ’ − QI iM ’
donde ∆QI iR =
M’
Ω ( QIi ) se define como la unión de Ω L ( QIi ) y Ω R ( QIi ) :

Ω ( QIi ) = Ω L ( QIi )  Ω R ( QIi ) (46)

Si M = 2 M ’, resulta finalmente:
Ω ( QIi ) = {QI i 0 , QI i1 ,...QI iM ’ ,...QI iM } (47)

Cálculo de la matriz  µ f ( I i , QIi ) 


 ti 
A partir de µ f ( I i , QIi ) se calcula la matriz  µ f ( I i , QIi )  , de modo que el ele-
ti  ti 
mento de la fila j y columna k es µ f ( I ij , QIik ) donde j = 0,1,...N y k = 0,1, 2...M .
ti

Por lo tanto:

 µ ( I i 0 , QIi 0 )...µ ( I i 0 , QIik )...µ ( I i 0 , QIiM ) 


 ft i ft i ft i

... 
 µ ( I i , QIi )  =  µ ( I ij , QIi 0 )...µ ( I ij , QIik )...µ ( I ij , QIiM ) 

(48)
 ft i  ft i ft i ft i
 
... 
 µ ( I iN , QIi 0 )...µ ( I iN , QIik )...µ ( I iN , QIiM ) 
 ft i ft i ft i 

189
R. Peche G.

Como observación de interés, cabe destacar que, de acuerdo con las expresiones
(29) y (42), el elemento de  µ f ( I i , QIi )  situado en la fila N’ (j=N’) y columna M’
 ti 
(k=M’) es:
µ ft ( I iN ’ , QIiM’ ) = µ ft ( I ci( est ) , fti ( I ci( est ) ) ) (49)
i i

De acuerdo con la propiedad (c) de la extensión difusa de una función de transfor-


mación, dada por la ecuación (5):
µ ft ( I i , fti ( I i )) = 1 ∀I i ∈ Di (50)
i

Por lo tanto:
µ ft ( I iN ’ , QIiM’ ) = 1 (51)
i

Cálculo de la matriz  µ f ( I i , QIi ) 


 ti  MIN
La matriz  µ f ( I i , QIi )  se calcula de modo que el elemento de la fila j y co-
 ti  MIN
lumna k es el mínimo de µ ( est ) ( I ij ) y µ f ( I ij , QIik ). Dicha matriz viene dada por la
Ii ti

siguiente expresión:
 µ ( I i , QIi )  =
 ft i  MIN
 min  µ ( I ), µ ( I , Q )  ...min  µ ( I ), µ ( I , Q )  ...min  µ ( I ), µ ( I , Q )  
  Ii( est ) i 0 ft i i0 Ii 0 
  Ii( est ) i 0 ft i i0 Iik 
  Ii( est ) i 0 ft i i0 IiM 
 
... 
 

=  min  µ ( est ) ( I ij ), µ f ( I ij , QIi 0 )  ...min  µ ( est ) ( I ij ), µ f ( I ij , QIik )  ...min  µ ( est ) ( I ij ), µ f ( I ij , QIiM ) 
 (52)
 Ii ti   Ii ti   Ii ti  
 
... 
       
 min  µ Ii( est ) ( I iN ), µ ft i ( I iN , QIi 0 )  ...min  µ Ii( est ) ( I iN ), µ ft i ( I iN , QIi1 )  ...min  µ Ii( est ) ( I iN ), µ ft i ( I iN , QIiM )  

A modo de observación de interés, cabe reseñar que el elemento de  µ f ( I i , QIi ) 


 ti  MIN
situado en la fila N’ (j=N’) y columna M’ (k=M’) es:

min  µ ( est ) ( I iN ’ ), µ f ( I iN ’ , QIiM ’ )  (53)


 Ii ti 
Puesto que µ ( I iN ’ ) = µ ( I ci( est ) ) = 1 (ecuación (14)) y µ ft ( I iN ’ , QIiM ’) = 1
I i( est ) I i( est ) i

(ecuación (51)), resulta finalmente:

min  µ ( est ) ( I iN ’ ), µ f ( I iN’ , QIiM ’ )  = 1 (54)


 Ii ti 

Cálculo de Ω µQ ( )
( )
Ii

Ω µQ es la serie de valores que representa µQ (QIi ) en variable discreta, y viene


Ii Ii

dada por la siguiente expresión:

Ω µQ ( ) = {µIi QIi
(QIi 0 ), µQ (QIi1 ),..., µQ (QIik ),..., µQ (QIiM ) (55)
Ii Ii Ii
}

190 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

donde µQIi (QIik ) con k = 0,1, 2...M se calcula como el máximo de los valores de
la columna k-ésima de la matriz  µ f ( I i , QIi )  , dada por la ecuación (52):
 ti  MIN

Ii  i {
µ Q (QIik ) = max j =0,1,...M min µ I ( est ) ( I ij ), µ f ( I ij , QIik )  (56)
ti  }
Para k = M’, el elemento de Ω µQ ( ) es µ Ii
(QIiM ’). De acuerdo con la ecuación
QIi

(56), dicho elemento es el máximo de la columna M’ de la matriz  µ f ( I i , QIi )  .


 ti  MIN
Dado que min  µ ( I ), µ ( I , Q )  = 1 es el elemento de la fila N’ y colum-
 Ii( est ) iN ’ ft i iN ’ IiM ’ 

na M’, dicho elemento pertenece a la columna M’. Por lo tanto:
µQIi (QIiM ’ ) = 1 (57)

Propiedades de Ω µQ ( )
( ) son las siguientes:
Ii

Las propiedades que caracterizan la serie Ω µQ


Ii

I. µQ (QIi 0 ) = 0 ; µQ (QIiM ’ ) = 1; µQ (QIiM ) = 0 (58)


Ii Ii Ii

II. Ω µQ ( ) es creciente en [Q
Ii
Ii 0 , QIiM ’ ] y decreciente en [QIiM ’ , QIiM ]

III. µQ (QIi ) = 0 ∀QIi ∈ [ 0, QIi 0 ] y ∀QIi ∈ [QIiM ,1] (59)


Ii

IV. El soporte de QIi es el intervalo abierto ]QIli , QIri [ donde:


QIli = QIi 0 y QIri = QIi M (60)

V. El center de QIi es:


QIci = QIi M ’ (61)

Asimismo, cabe destacar que a mayor valor, tanto de N como de M, mayor es la
resolución del modelo discreto, y por lo tanto, Ω µQ ( ) representa con mayor exac-
Ii

titud a µQIi (QIi ) .


En la Figura 4 se ilustra gráficamente el cálculo de µQ (QIi ) a partir de µ ( Ii )
Ii I i( est )

y µ ft ( I i , QIi ) para el caso en que I


i
i
( est )
es un TFN (I ( est )
li , I ci( est ) , I ri( est ) ) . Puesto
que en este ejemplo, f ti ( I i ), f tli ( I i ) y f tui ( I i ) son funciones crecientes, resulta que
min Ω ( fli )  = ftli ( I li( est ) ) y max Ω ( f ui )  = ftui ( I ri( est ) ).

191
R. Peche G.

µf (Ii,QI )
ti i
µQ (QI )
1
Ii i

ftl i (Ili(est) ) fti (Ici(est) ) ft ui (Iri(est) ) QIi


Ii,min 0 1

µI (Ii )
(est)
i

Ili(est)

Ici(est)
Iri(est)
Ii

Ii,max

Figura 4. Determinación de QIi a partir de I i( est ) y ft i cuando


( est )
I i
es un TFN. Fuente: elaboración propia.

Por último, a partir del modelo discreto de µQ (QIi ), puede obtenerse su corres-
Ii

pondiente modelo continuo mediante la siguiente ecuación:


µQ (QIik +1 ) − µQIik (QIik )
µQIi (QIi ) = µQIi (QIik +1 ) − Ii ( QIik +1 − QIi ) ∀QIi ∈ [QIik , QIik +1 ] (62)
QIik +1 − QIik

Donde k = 0,1, 2,...M ’, M ’+1,...M − 1 y M = 2 M ’ .


Este modelo continuo corresponde a la concatenación de los segmentos de rec-

( )(
ta que unen los puntos: QIi 0 , µQ (QIi 0 ) , QIi1 , µQ (QIi1 ) ,… QIiM ’ , µQ (QIiM ’ ) ,
Ii
Ii Ii
) ( )
(Q IiM ’+1 , µQ (QIiM ’+1
Ii
) ) ,… ( Q IiM , µQ (QIiM
Ii
) ).

Determinación del valor difuso del índice de calidad ambiental EQI


Una vez que se dispone de la contribución QIi de cada indicador ambiental, es el
momento de llevar a cabo la agregación de dichas contribuciones, teniendo en con-
sideración sus importancias relativas, cuantificadas mediante el vector de prioridades
normalizado W = {w1 , w2 ,...wi ,...wn }. El resultado de dicha agregación es el valor
difuso del índice de calidad ambiental EQI en el emplazamiento objeto de estudio.
El procedimiento utilizado requiere la definición de un operador de composición
difusa destinado a calcular la función de pertenencia de EQI : µ EQI ( EQI ) .

192 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Definición del operador de composición difusa para el cálculo de µ EQI ( EQI )


Para calcular µ EQI ( EQI ), se propone la aplicación del operador de composición
difusa max-min de acuerdo con la siguiente ecuación:

(
µ EQI ( EQI ) = max − min QI 1 ,QI 2 ,...,QIi ,...,QIn ∈[0,1] µQI 1 (QI 1 ), µQI 2 (QI 2 ),..., µQIi (QI i ),..., µQIn (QI n ) (63)
n
)
:EQI = ∑ wi QIi
i =1

EQI es la variable crisp que describe el índice de calidad ambiental y su rango de


valores es [0,1]. El valor difuso del índice de calidad ambiental EQI es el conjunto
difuso dado por la siguiente ecuación:

EQI = {( EQI , µ EQI )


( EQI ) ; EQI ∈ [0,1], µ EQI ( EQI ) ∈ [0,1] (64) }
Por lo tanto, de acuerdo con las ecuaciones (63) y (64), EQI es la media aritmética
ponderada de los QIi cuyos coeficientes de ponderación son los wi , es decir, los com-
ponentes del vector de prioridades normalizado W = {w1 , w2 ,...wi ,...wn }.
A partir de la ecuación (63) puede demostrarse que, para el tramo creciente -su-
períndice (c)- de las funciones de pertenencia, dado un valor α z( c ) ∈ [ 0,1] tal que
(c)
α z( c ) = µQI 1 (QI(1cz) ) = ... = µQIi (QIiz (c)
) = ... = µQ (QInz
In
) , el valor EQI z( c ) para el que se
cumple que µ EQI ( EQI z( c ) ) = α z( c ) , viene dado por la siguiente ecuación:
n
EQI z( c ) = ∑ wi QIiz
(c)
(65)
i =1

Análogamente, para el tramo decreciente -superíndice (d)- de


las funciones de pertenencia, dado un valor α (d )
z ∈ [ 0,1] tal que
(d ) (d ) (d ) (d ) (d )
α z = µQ (Q ) = ... = µQ (Q ) = ... = µQ (Q ) , el valor EQI
I 1z Iiz Inz z para el que se
I1 Ii In
(d ) (d )
cumple que µ EQI ( EQI z ) =α z , viene dado por la siguiente ecuación:
n
EQI z( d ) = ∑ wi QIiz
(d )
(66)
i =1

En la Figura 5 se muestra la determinación gráfica de µ EQI ( EQI ).2 El soporte


n n
de EQI es ] EQI l , EQI r [ donde EQI l = ∑ wi QIli y EQI r = ∑ wi QIri . El center de
n i =1 i =1
EQI es EQI c = ∑ wi QIci .
i =1

2 Dado que la formulación matemática requerida para explicar el procedimiento de cálculo de


µ EQI ( EQI ) es excesivamente extensa, se ha optado por mostrar su determinación gráfica, omitien-
do su demostración.

193
R. Peche G.

1 1 1
µQI1 (QI1 ) µQIn (QIn ) µEQI (EQI )

αz(d)
αz(c)

0 (c)
0 (c)
0
0 QIl1 QI1z Qlc1 QI1z (d) QIr1 1 0 QIln QInz Qlcn QInz (d) QIrn 1 0 EQIl EQIc EQIr 1
R R
QIl QIn EQIz(c) =∑wiQliz(c)EQIz(d) =∑wiQliz(d)
i=1 i=1

Figura 5. Estimación gráfica de µ EQI ( EQI ) para los tramos creciente y decreciente . Fuente: elaboración propia
(c) (d)

Si α z( c ) recorre el intervalo [0,1] de modo que α 0( c ) = 0 , α M ’ = 1y α z +1 − α z = 1 M ’,


(c) (c) (c)

∀z = 0,1...M ’−1, a mayor valor de M’ mayor es el número de valores EQI z( c ) , y por lo


tanto, mayor es la resolución del modelo discreto de µ EQI ( EQI ) en su tramo crecien-
te. El modelo continuo de µ EQI ( EQI ) para el tramo creciente se obtiene mediante
la siguiente ecuación:
α z( c+1) − α z( c )
(c) (
µ EQI ( EQI ) = α z( c+1) − (c)
EQI z( +c 1) − EQI ) ∀z = 0,1, 2,...M ’−1 (67)
EQI z +1 − EQI z
Este modelo corresponde a la sucesión de los segmentos que unen los puntos
( EQI (c)
0 , α 0( c ) ) , ( EQI1( c ) , α1( c ) ), …, ( EQI z( c ) , α z( c ) ), …, ( EQI M( c’) , α M( c’) ).
(d )
Análogamente, si α z( d ) recorre el intervalo [0,1] de modo que α 0( d ) = 0 , α M ’ = 1
y α z +1 − α z = 1 M ’ con z = 0,1...M ’−1, a mayor valor de M’ mayor es el núme-
(d ) (d )

ro de valores EQI z( d ), y por lo tanto, mayor es la resolución del modelo discreto de


µ EQI ( EQI ) en su tramo decreciente. El modelo continuo de µ EQI ( EQI ) para el tra-
mo decreciente se obtiene mediante la siguiente ecuación:
α z( +d1) − α z( d )
(d ) (
µ EQI ( EQI ) = α z( +d1) − (d )
EQI z( +d1) − EQI ) ∀z = 0,1, 2,...M ’−1 (68)
EQI z +1 − EQI z
Este modelo, de forma análoga al del tramo creciente, corresponde a la sucesión de
( )(
los segmentos que unen los puntos EQI 0( d ) , α 0( d ) , EQI1( d ) , α1( d ) , …, EQI z( d ) , α z( d ) , ) ( )
(
…, EQI (d )
M’ ,α (d )
M’ ).
Desborrosificación de EQI
Para obtener una estimación del índice de calidad ambiental en términos clásicos,
es decir, no difusos, debe llevarse a cabo la desborrosificación de EQI . El procedi-
miento que se describe a continuación permite calcular, a partir de EQI , una estima-
ción clásica del índice de calidad ambiental formada por un estimador puntual y un
estimador de intervalo.

194 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Se establece que el estimador puntual del índice de calidad ambiental es el valor


de EQI tal que µ EQI ( EQI ) = 1. En otras palabras, el estimador puntual de calidad
ambiental es el valor de EQI que pertenece en mayor grado a EQI . Dado que dicho
valor es su center EQI c , se concluye que el estimador puntual del índice de calidad
ambiental es EQI c.
El estimador de intervalo se define como el par de valores de EQI

( EQI c )
− δ l ( EQI ), EQI c + δ r ( EQI ) , donde δ l ( EQI ), es la desviación media por la
izquierda de EQI , y δ r ( EQI ) es la desviación media por la derecha de EQI . Estas
desviaciones se calculan mediante las siguientes expresiones:
1
δ l ( EQI ) = ∫ ∆ ( c ) dα (69)
0

donde ∆ (c)
= EQI c − EQI , EQI ∈ [ EQI l , EQI c ]
1
δ r ( EQI ) = ∫ ∆ ( d ) dα (70)
0

donde ∆ ( d ) = EQI − EQI c , EQI ∈ [ EQI c , EQI r ]

Ambas desviaciones puede estimarse aplicando el método trapezoidal de integra-


ción numérica, de acuerdo con las siguientes ecuaciones:
M ’−1

∆
M ’−1 (c)
+∆ (c)
 ∑ ( ∆ (zc ) + ∆ (zc+)1 )
δ l ( EQI ) = ∑  z z +1
× (α z( +c 1) − α z( c ) )  = z =0 (71)
z =0  2  2 M ’
donde: α z( c ) = µ EQI ( EQI z( c ) ); ∆ (zc ) = EQI c − EQI z( c )
Igualmente: M ’−1

∆
M ’−1 (d )
+∆ (d )
 ∑ ( ∆ (zd ) + ∆ (zd+1) )
δ r ( EQI ) = ∑  z z +1
× (α z( +d1) − α z( d ) )  = z =0 (72)
z =0  2  2M ’

donde: α z( d ) = µ EQI ( EQI z( d ) ); ∆ (zd ) = EQI c − EQI z( d )

Mediante este procedimiento, tras calcular el valor difuso del índice de calidad am-
biental EQI , se obtiene finalmente una estimación clásica de dicho índice. No obs-
tante, cabe señalar que, aunque la estimación clásica del índice de calidad ambiental
presenta como ventaja su sencillez descriptiva, el resultado borroso, es decir, el valor
borroso del índice de calidad ambiental, constituye una descripción más acorde con
la naturaleza del procedimiento de estimación y más rica en cuanto a la información
incluida. Asimismo, los valores borrosos de calidad ambiental pueden considerarse
como valores de la variable lingüística calidad ambiental, lo que posibilita su interpre-
tación y discusión en términos lingüísticos.

195
R. Peche G.

Conclusiones de prioridades obtenido mediante el método de la

En este artículo se propone una nueva metodo- media geométrica por filas, a partir de la matriz

logía destinada al desarrollo de índices de calidad conjunta de las valoraciones proporcionadas por los

ambiental (EQI) basada en funciones de transfor- expertos X =  xij  . La calidad ambiental del em-

mación difusas ( f t ), alternativa a las metodologías plazamiento viene dada por los valores de los indi-

de valoración ambiental basadas en conjuntos de cadores ambientales en dicho emplazamiento, que

reglas difusas. Se trata de una metodología versátil pueden ser puntuales o intervalos. Para determinar

que permite desarrollar índices de calidad ambiental sus contribuciones al valor del EQI, dichos valores

destinados a valorar diferentes aspectos del medio deben expresarse en términos difusos I i( est ) . Si el in-

ambiente, ya sean de carácter físico o socioeconó- dicador viene dado por un valor crisp, su descripción

mico, así como índices de sostenibilidad ambien- difusa es un fuzzy singleton FS, mientras que si es

tal. Su puesta en práctica implica la participación un intervalo, se expresa por medio de un número

de un panel de expertos, cuya función es aportar la difuso triangular TFN. La contribución QIi de cada

información necesaria en todos los aspectos relati- indicador al valor del índice de calidad se obtiene

vos a la calidad ambiental a valorar, y de un equipo como la imagen de I i( est ) a través de f t i , siendo la

ambientalista, encargado de coordinar la labor del composición difusa estándar el operador de compo-

panel y de llevar a cabo la recopilación y tratamien- sición utilizado para calcular µQIi (QIi ). El valor di-

to de la información. De acuerdo con la metodolo- fuso del índice de calidad ambiental EQI se obtiene

gía propuesta, el diseño de un EQI comienza con como la combinación lineal de los QIi cuyos coefi-

la selección de un conjunto de atributos A = {ai } cientes son los pesos de los atributos correspondien-
i = 1, 2,...n en el que se recogen todos los aspectos tes, dados por el vector de prioridades normalizado
con influencia significativa sobre la calidad ambien- W = {w1 , w2 ,...wi ,...wn }. Para ello, µ EQI ( EQI ) se
tal objeto de valoración, junto con la selección de un calcula mediante un operador de composición difu-
indicador ambiental convencional I i para cuantifi- sa max-min a partir de las µQ (QI i ), con la siguiente
Ii
n
car cada atributo ai. A continuación, para cada I i se restricción: EQI = ∑ wiQIi . Los estimadores clási-
i =1
define la extensión difusa de la función de transfor- cos -puntual y de intervalo- se calculan por des-
mación correspondiente f t i , cuyo cometido es esta- borrosificación de EQI . El estimador puntual del
blecer la correspondencia inherentemente imprecisa índice de calidad ambiental es el center EQI , es de-
entre I i y su contribución al índice de calidad am- cir, el valor de EQI tal que µ EQI ( EQI ) = 1, mientras
biental QIi . Los pesos específicos de los atributos que el estimador de intervalo es ( EQI c − δ l ( EQI ),
que componen el EQI se cuantifican mediante un EQI c + δ r ( EQI )), donde δ l ( EQI ) y δ r ( EQI ) son
vector de prioridades normalizado W = {wi }. Di- las desviaciones medias de EQI por la izquierda y
cho vector se calcula por normalización del vector por la derecha, respectivamente.

196 Gest. Ambient. 20(2) 2017


Nueva metodología para el diseño de índices de calidad ambiental basada en extensiones difusas de funciones de transformación

Finalmente, cabe señalar que los cálculos reque- at a petroleum-contaminated site in China. J. Ha-
ridos para el desarrollo e implementación de los zard. Mater. 316, 143-150. DOI: 10.1016/j.jhaz-
mat.2016.05.033
índices de calidad ambiental a desarrollar median-
Icaga, Y., 2007. Fuzzy evaluation of water quality clas-
te esta metodología pueden ser realizados median- sification. Ecol. Indic. 7, 710-718. DOI: 10.1016/j.
te programación, utilizando rutinas en Visual Basic ecolind.2006.08.002
Application (VBA) incluidas en documentos Excel. Kaufmann, M., Tobias, S., Schulin, R., 2009. Quality
evaluation of restored soils with a fuzzy logic expert
system. Geoderma 151, 290-302. DOI: 10.1016/j.
geoderma.2009.04.018
Agradecimientos. El autor agradece los comentarios
y sugerencias propuestas por los revisores que han Kaya, T., Kahraman, C., 2011. An integrated fuzzy AHP-
participado en la evaluación de este artículo. ELECTRE methodology for environmental impact
assessment. Expert Syst. Appl. 38, 553-8562. DOI:
10.1016/j.eswa.2011.01.057
Conflicto de intereses. El manuscrito fue preparado
y revisado por el autor, quien declara no tener algún Lermontov, A., Yokoyama, L., Lermontov, M., Soares,
conflicto de interés que coloque en riesgo la validez de M., 2009. River quality analysis using fuzzy water
los resultados aquí presentados. quality index: Ribeira do Iguape river watershed, Bra-
zil. Ecol. Indic. 9, 1188-1197. DOI: 10.1016/j.eco-
lind.2009.02.006
Liu, G., Baniyounes, A., Rasul, M., Amanullah, M.,
Bibliografía Khan, M., 2012. Fuzzy logic based environmental
Abouelnaga, A., Metwally, A., Aly, N., Nagy, M., Agamy, indicator for sustainability assessment of renewable
S., 2010. Assessment of nuclear energy sustainability energy system using life cycle assessment. Procedia
index using fuzzy logic. Nucl. Eng. Des. 240, 1928- Engineering 49, 35-41. Energy-IEF International
1933. DOI: 10.1016/j.nucengdes.2010.03.010 Energy Congress (IEF-IEC2012). DOI: 10.1016/j.
proeng.2012.10.109
Adriaenssens, V., De Baets, B., Goethals, P., De Pauw, N.,
2004. Fuzzy rule-based models for decision support in Marchini, A., Facchinetti, T., Mistri, M., 2009. F-IND:
ecosystem management. Sci. Total Environ. 319, 1-12. A framework to design fuzzy indices of environmental
DOI: 10.1016/S0048-9697(03)00433-9 conditions. Ecol. Indic. 9, 485-496. DOI: 10.1016/j.
ecolind.2008.07.004
Arunraj, N., Maiti, J., 2009. Development of environ- Martins Gurgat, B., Carvalho-Oliveira, R., Canavese de
mental consequence index (ECI) using fuzzy compo- Oliveira, D., Joucoski, E. Antoniaconi, G., Saldiva,
site programming. J. Hazard. Mater. 162, 29-43. DOI: P., Arantes Reis, R., 2016. Atmospheric metal pollu-
10.1016/j.jhazmat.2008.05.067 tants and environmental injustice: A methodological
Crawford, G., 1987. The geometric mean procedu- approach to environmental risk analysis using fuzzy
re for estimating the scale of a judgment matrix. logic and tree bark. Ecol. Indic. 71, 428-437. DOI:
Math. Modelling 9, 327-334. DOI: 10.1016/0270- 10.1016/j.ecolind.2016.07.028
0255(87)90489-1 Musee, N., Lorenzen, L., Aldrich, C., 2008. New
Duarte, O., 2000. Técnicas difusas en la evaluación del methodology for hazardous waste classification using
impacto ambiental. Tesis de doctorado. Escuela Técni- fuzzy set theory. Part I. Knowledge acquisition. J. Ha-
ca Superior de Ingeniería Informática, Departamento zard. Mater. 154, 1040-1051. DOI: 10.1016/j.jhaz-
de ciencias de la Computación e Inteligencia Artifi- mat.2007.11.011
cial, Universidad de Granada, Granada, España. Nasiri, F., Huang, G., 2008. A fuzzy decision aid model
for environmental performance assessment in waste
Genske, D., Heinrich, K., 2009. A knowledge-based recycling. Environ. Modell. Softw. 23, 677-689. DOI:
fuzzy expert system to analyse degraded terrain. Ex- 10.1016/j.envsoft.2007.04.009
pert Syst. Appl. 36, 2459-2472. DOI: 10.1016/j.
eswa.2007.12.021 Peche, R., 2006. Valoración cualitativa de impactos am-
bientales mediante lógica difusa. Gest. Ambient. 9,
Gharibi, H., Mahvi, A., Nabizadeh, R., Arabalibeik, H., 99-113.
Yunesian, M., Sowlat, M., 2012. A novel approach Peche, R., Rodríguez, E., 2009. Environmental impact
in water quality assessment based on fuzzy logic. J. assessment procedure: A new approach based on fuzzy
Environ. Manage. 112, 87-95. DOI: 10.1016/j.jenv- logic. Environ. Impact Assess. Rev. 29, 275-283. DOI:
man.2012.07.007 10.1016/j.eiar.2009.01.005
Hu, Y., Wang, Z., Wen, J., Li, Y., 2016. Stochastic Peche, R., Rodríguez, E., 2011. Environmental impact
fuzzy environmental risk characterization of un- assessment by means of a procedure based on fuzzy
certainty and variability in risk assessments: a case logic: a practical application. Environ. Impact Assess.
study of polycyclic aromatic hydrocarbons in soil Rev. 31, 87-96. DOI: 10.1016/j.eiar.2010.03.006

197
R. Peche G.

Peche, R., Rodríguez, E., 2012. Development of envi- assessment of agricultural systems at the farm level
ronmental quality indexes based on fuzzy logic. a case using fuzzy logic: a case study in cane farms in Iran.
study. Ecol. Indic. 23, 555-565. DOI: 10.1016/j.eco- Environ. Model. Softw. 58, 95-108. DOI: 10.1016/j.
lind.2012.04.029 envsoft.2014.02.014
Peche, R., Rodríguez, E., 2015. Fuzzy extension of a clas- Sánchez, L., 2015. Control difuso para la valoración del
sical function: an alternative to the knowledge base for impacto ambiental generado por contaminantes emer-
modelling imprecise relations. Appl. Math. Model. 39, gentes en aguas residuales hospitalarias. Gest. Am-
3024-3049. DOI: 10.1016/j.apm.2014.11.030 bient. 18, 81-93.
Prato, T., 2009. Fuzzy adaptive management of social Stroppiana, D., Boschetti, M., Brivio, P., Carrara, P.,
and ecological carrying capacities for protected areas. Bordogna, G., 2009. A fuzzy anomaly indicator for
J. Environ. Manage. 90, 2551-2557. DOI: 10.1016/j. environmental monitoring at continental scale. Ecol.
jenvman.2009.01.015 Indic. 9, 92-106. DOI: 10.1016/j.ecolind.2008.02.002
Rodríguez, E., Peche, R., Garbisu, C., Gorostiza, I.,
Epelde, L., Artetxe, U., Irizar, A., Soto, M., Becerril, Wieland, R., Gutzler, C., 2014. Environmental impact
J., Etxebarría, J., 2016. Dynamic quality index for agri- assessment based on dynamic fuzzy simulation. En-
cultural soils based on fuzzy logic. Ecol. Indic. 60, 678- viron. Model. Softw. 55, 235-241. DOI: 10.1016/j.
692. DOI: 10.1016/j.ecolind.2015.08.016 envsoft.2014.02.001
Ruiz-Padillo, A., Ruiz, D., Torija, A., Ramos-Ridao, A., Zadeh, L., 1965. Fuzzy sets. Inform. Control 8, 338-353.
2016. Selection of suitable alternatives to reduce the DOI: 10.1016/S0019-9958(65)90241-X
environmental impact of road traffic noise using a Zulueta, Y., Rodríguez, D., Bello, R., Martínez, L.,
fuzzy multi-criteria decision model. Environ. Impact 2016. A linguistic fusion approach for heteroge-
Assess. Rev. 61, 8-18. DOI: 10.1016/j.eiar.2016.06.003 neous environmental impact significance assessment.
Sami, M., Shiekhdavoodi, M., Pazhohanniya, M., Pa- Appl. Math. Model. 40, 1402-1417. DOI: 10.1016/j.
zhohanniya, F., 2014. Environmental comprehensive apm.2015.07.016

198 Gest. Ambient. 20(2) 2017

También podría gustarte