Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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)
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).
Ip
Imax
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
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.
(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
(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
183
R. Peche G.
1
Q Q
xij = ∏ xij( q ) ∀i, j = 1, 2... n (11)
q =1
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.
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
A B
1 1
0 0
Ii,min Ii,(est) Ii,max Ii,min Ili(est) Ici(est) Iri(est) Ii Ii,max
185
R. Peche G.
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:
tanto:
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
I i( est ) es un FS.
µf (Ii,QI )
ti i
µQ (QI )
1
Ii i
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
187
R. Peche G.
Definición de Ω ( I i )
En primer lugar, se definen las siguientes series:
Siendo:
I ij = I i 0 + j ∆I iL ∀j = 1, 2,...N ’ (30)
I iN ’ − I i 0
donde ∆I iL = (31)
N’
Ω µ ( est ) se define como el conjunto formado por los valores de µ I ( est ) ( I i ) para
Ii i
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)
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:
donde:
QIi 0 = min Ω ( ftli ) ; QIi M ’ = fti ( I ci( est ) ) ; QIi 2 M ’ = max Ω ( ftui ) (42)
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 ) :
Si M = 2 M ’, resulta finalmente:
Ω ( QIi ) = {QI i 0 , QI i1 ,...QI iM ’ ,...QI iM } (47)
Por lo tanto:
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
Por lo tanto:
µ ft ( I iN ’ , QIiM’ ) = 1 (51)
i
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 )
Cálculo de Ω µQ ( )
( )
Ii
Ω µQ ( ) = {µIi QIi
(QIi 0 ), µQ (QIi1 ),..., µQ (QIik ),..., µQ (QIiM ) (55)
Ii Ii Ii
}
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
Propiedades de Ω µQ ( )
( ) son las siguientes:
Ii
II. Ω µQ ( ) es creciente en [Q
Ii
Ii 0 , QIiM ’ ] y decreciente en [QIiM ’ , QIiM ]
QIli = QIi 0 y QIri = QIi M (60)
191
R. Peche G.
µf (Ii,QI )
ti i
µQ (QI )
1
Ii i
µI (Ii )
(est)
i
Ili(est)
Ici(est)
Iri(est)
Ii
Ii,max
Por último, a partir del modelo discreto de µQ (QIi ), puede obtenerse su corres-
Ii
( )(
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
) ).
(
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
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)
( 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
∆
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 ’
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.
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-
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.
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