Los modelos de cambio de suelo (LCM) describen, proyectan y explican los cambios y la dinámica del uso y la cobertura del suelo. Los LCM son un medio para comprender las formas en que los humanos cambian la superficie de la Tierra en el pasado, presente y futuro.
Los modelos de cambio de suelo son valiosos en las políticas de desarrollo, ya que ayudan a guiar decisiones más apropiadas para la gestión de recursos y el medio ambiente natural en una variedad de escalas que van desde una pequeña porción de tierra hasta toda la extensión espacial. [1] [2] Además, los avances en los datos socioeconómicos , medioambientales y de cobertura del suelo (así como en las infraestructuras tecnológicas) han aumentado las oportunidades para que la modelización de cambios en el suelo ayude a respaldar e influir en las decisiones que afectan los sistemas humano-ambientales , [1 ] a medida que la atención nacional e internacional se centra cada vez más en cuestiones de cambio climático global y sostenibilidad .
Los cambios en los sistemas terrestres tienen consecuencias para el cambio climático y ambiental en todas las escalas. Por lo tanto, las decisiones y políticas en relación con los sistemas terrestres son muy importantes para reaccionar a estos cambios y trabajar hacia una sociedad y un planeta más sostenibles. [3]
Los modelos de cambio de tierras son importantes por su capacidad para ayudar a guiar los sistemas de tierras hacia resultados sociales y ambientales positivos en un momento en que la atención a los cambios en los sistemas de tierras está aumentando. [3] [4]
En las últimas décadas, una gran cantidad de comunidades científicas y profesionales han podido mejorar la cantidad y la calidad de los datos en la modelización del cambio territorial. Eso ha influido en el desarrollo de métodos y tecnologías en el modelo de cambio territorial. La multitud de modelos de cambio de tierras que se han desarrollado son importantes por su capacidad para abordar el cambio del sistema de tierras y son útiles en diversas comunidades científicas y profesionales. [3]
Para la comunidad científica, los modelos de cambio de tierra son importantes por su capacidad para probar teorías y conceptos sobre el cambio de tierra y sus conexiones con las relaciones entre humanos y medio ambiente, así como explorar cómo estas dinámicas cambiarán los sistemas terrestres futuros sin observación del mundo real. [3]
Los modelos de cambio de suelo son útiles para explorar sistemas, usos y coberturas espaciales del suelo. Los modelos de cambio de suelo pueden dar cuenta de la complejidad dentro de la dinámica del uso y la cobertura del suelo al vincularlos con modelos climáticos, ecológicos, biogeoquímicos, biogeofísicos y socioeconómicos. Además, los LCM pueden producir resultados espacialmente explícitos de acuerdo con el tipo y la complejidad dentro de la dinámica del sistema terrestre dentro de la extensión espacial. Muchas variables biofísicas y socioeconómicas influyen y producen una variedad de resultados en la modelización del cambio territorial. [3]
Una propiedad notable de todos los modelos de cambio de suelo es que tienen algún nivel irreducible de incertidumbre en la estructura del modelo, los valores de los parámetros y/o los datos de entrada. Por ejemplo, una incertidumbre dentro de los modelos de cambio de suelo es el resultado de la no estacionariedad temporal que existe en los procesos de cambio de suelo, por lo que cuanto más en el futuro se aplique el modelo, más incierto será. [5] [6] Otra incertidumbre dentro de los modelos de cambio de suelo son las incertidumbres de datos y parámetros dentro de los principios físicos (es decir, tipología de superficie), lo que conduce a incertidumbres en la capacidad de comprender y predecir procesos físicos. [5]
Además, el diseño del modelo de cambio territorial es producto tanto de la toma de decisiones como de procesos físicos. Es importante tener en cuenta el impacto inducido por el hombre en el entorno socioeconómico y ecológico, ya que cambia constantemente la cobertura del suelo y, en ocasiones, la incertidumbre del modelo. Para evitar la incertidumbre del modelo e interpretar los resultados del modelo con mayor precisión, se utiliza un diagnóstico del modelo para comprender más acerca de las conexiones entre los modelos de cambio de tierra y el sistema de tierra real de la extensión espacial. La importancia general del diagnóstico de modelos con problemas de incertidumbre del modelo es su capacidad para evaluar cómo se representan los procesos que interactúan y el paisaje, así como la incertidumbre dentro del paisaje y sus procesos. [5]
Un enfoque de aprendizaje automático utiliza datos de cobertura terrestre del pasado para intentar evaluar cómo cambiará la tierra en el futuro y funciona mejor con grandes conjuntos de datos. Existen múltiples tipos de modelos estadísticos y de aprendizaje automático: un estudio realizado en el oeste de México en 2011 encontró que los resultados de dos modelos aparentemente similares eran considerablemente diferentes, ya que uno usaba una red neuronal y el otro usaba un modelo simple de ponderación de evidencia. [7]
Un modelo celular de cambio de suelo utiliza mapas de idoneidad para varios tipos de uso de suelo y compara áreas inmediatamente adyacentes entre sí para proyectar cambios en el futuro. Las variaciones en la escala de las celdas en un modelo celular pueden tener impactos significativos en los resultados del modelo. [8]
Los modelos económicos se basan en principios de oferta y demanda . Utilizan parámetros matemáticos para predecir qué tipos de tierra se desearán y cuáles se descartarán. Con frecuencia se construyen para áreas urbanas, como un estudio realizado en 2003 sobre el muy denso delta del río Perla en el sur de China . [9]
Los modelos basados en agentes intentan simular el comportamiento de muchos individuos que toman decisiones independientes y luego observan cómo esas elecciones afectan el paisaje en su conjunto. El modelado basado en agentes puede ser complejo; por ejemplo, un estudio de 2005 combinó un modelo basado en agentes con programación genética basada en computadora para explorar el cambio territorial en la península de Yucatán en México. [10]
Muchos modelos no se limitan a uno de los enfoques anteriores: pueden combinar varios para desarrollar un modelo completamente completo y preciso. [ cita necesaria ]
Los modelos de cambio de suelo se evalúan para valorar y cuantificar el desempeño del poder predictivo de un modelo en términos de asignación espacial y cantidad de cambio. La evaluación de un modelo permite al modelador evaluar el rendimiento de un modelo para editar "la salida del modelo, la medición de datos y el mapeo y modelado de datos" para aplicaciones futuras. El propósito de la evaluación de modelos no es desarrollar una métrica o método singular para maximizar un resultado "correcto", sino desarrollar herramientas para evaluar y aprender de los resultados del modelo para producir mejores modelos para sus aplicaciones específicas [11]
Hay dos tipos de validación en el modelado de cambios territoriales: validación de procesos y validación de patrones. La validación de procesos compara la coincidencia entre “el proceso en el modelo y el proceso que opera en el mundo real”. La validación de procesos se usa más comúnmente en el modelado basado en agentes, donde el modelador utiliza los comportamientos y decisiones para informar el proceso que determina el cambio de terreno en el modelo. La validación de patrones compara los resultados del modelo (es decir, el cambio previsto) y los resultados observados (es decir, el cambio de referencia). [2] Los análisis de tres mapas son un método comúnmente utilizado para la validación de patrones en el que se comparan tres mapas, un mapa de referencia en el momento 1, un mapa de referencia en el momento 2 y un mapa simulado del tiempo 2. [ cita necesaria ] Esto genera una comparación cruzada de los tres mapas donde los píxeles se clasifican en una de estas cinco categorías:
Debido a que las comparaciones de tres mapas incluyen errores y píxeles correctamente simulados, se obtiene una expresión visual de los errores de asignación y cantidad.
También se utilizan métricas de resumen único para evaluar los LCM. Hay muchas métricas de resumen únicas que los modeladores han utilizado para evaluar sus modelos y, a menudo, se utilizan para comparar modelos entre sí. Una de esas métricas es la Figura de Mérito (FoM), que utiliza los valores de acierto, error y falsa alarma generados a partir de una comparación de tres mapas para generar un valor porcentual que expresa la intersección entre la referencia y el cambio simulado. [11] Las métricas de resumen únicas pueden ofuscar información importante, pero el FoM puede ser útil especialmente cuando también se informan los valores de acierto, error y falsa alarma.
La separación entre la calibración y la validación se ha identificado como un desafío que debe abordarse como un desafío de modelización. Esto comúnmente es causado por el uso que los modeladores hacen de información posterior al primer período de tiempo. Esto puede hacer que un mapa parezca tener un nivel de precisión mucho mayor que el poder predictivo real de un modelo. [13] Las mejoras adicionales que se han discutido dentro del campo incluyen caracterizar la diferencia entre errores de asignación y errores de cantidad, lo que se puede hacer a través de tres comparaciones de mapas, así como incluir cambios tanto observados como pronosticados en el análisis de los modelos de cambio de suelo. [13] En el pasado se ha confiado demasiado en métricas de resumen únicas y tienen distintos niveles de utilidad al evaluar los LCM. Incluso las mejores métricas de resumen individuales a menudo omiten información importante, y las métricas de informes como FoM junto con los mapas y valores que se utilizan para generarlas pueden comunicar información necesaria que de otro modo se confundiría. [14]
Los científicos utilizan LCM para construir y probar teorías en el modelado de cambios terrestres para una variedad de dinámicas humanas y ambientales. [15] La modelización del cambio territorial tiene una variedad de oportunidades de implementación en muchas disciplinas científicas y prácticas, como en la toma de decisiones, políticas y aplicaciones en el mundo real en dominios públicos y privados. La modelización del cambio terrestre es un componente clave de la ciencia del cambio terrestre , que utiliza LCM para evaluar los resultados a largo plazo de la cobertura terrestre y el clima. Las disciplinas científicas utilizan LCM para formalizar y probar la teoría del cambio de tierra, y explorar y experimentar con diferentes escenarios de modelización de cambio de tierra. Las disciplinas prácticas utilizan LCM para analizar las tendencias actuales de cambio de tierras y explorar resultados futuros de políticas o acciones con el fin de establecer pautas, límites y principios apropiados para las políticas y acciones. Las comunidades de investigadores y profesionales pueden estudiar el cambio de suelo para abordar temas relacionados con las interacciones entre la tierra y el clima, la cantidad y calidad del agua, la producción de alimentos y fibras, y la urbanización, la infraestructura y el entorno construido. [15]
Se puede mejorar la modelización del cambio territorial mediante mejores datos y la integración con los datos y modelos disponibles. Los datos de observación mejorados pueden influir en la calidad del modelado. Los datos de resolución espacial y temporal más finos que pueden integrarse con datos socioeconómicos y biogeofísicos pueden ayudar a que los modelos de cambio de tierras combinen los tipos de modelos socioeconómicos y biogeológicos. Los modeladores de cambios territoriales deberían valorar los datos a escalas más finas. Los datos finos pueden brindar una mejor comprensión conceptual de las construcciones subyacentes del modelo y capturar dimensiones adicionales del uso de la tierra. Es importante mantener la continuidad temporal y espacial de los datos provenientes de observaciones aéreas y basadas en encuestas a través de constelaciones de cobertura satelital más pequeña, algoritmos de procesamiento de imágenes y otros datos nuevos para vincular la información satelital sobre el uso de la tierra y la información sobre la gestión de la tierra. También es importante tener mejor información sobre los actores del cambio territorial y sus creencias, preferencias y comportamientos para mejorar la capacidad predictiva de los modelos y evaluar las consecuencias de políticas alternativas. [2]
Se puede lograr una mejora importante en la modelización del cambio territorial alineando mejor las opciones del modelo con los objetivos del modelo. Es importante elegir el enfoque de modelado adecuado en función de los contextos científicos y de aplicación del estudio específico de interés. Por ejemplo, cuando alguien necesita diseñar un modelo teniendo en cuenta las políticas y los actores políticos, puede elegir un modelo basado en agentes. En este caso, los enfoques económicos estructurales o basados en agentes son útiles, pero los patrones y tendencias específicos en el cambio de la tierra, como ocurre con muchos sistemas ecológicos, pueden no ser tan útiles. Cuando es necesario comprender las primeras etapas de la identificación de problemas y, por lo tanto, comprender los patrones científicos y las tendencias del cambio territorial, el aprendizaje automático y los enfoques celulares son útiles. [2]
Los modelos de cambio de tierras también deberían integrar mejor enfoques positivos y normativos para la explicación y predicción basados en explicaciones de los sistemas de tierras basadas en evidencia. También debería integrar enfoques de optimización para explorar los resultados que son más beneficiosos y los procesos que podrían producir esos resultados. [2]
Es importante integrar datos entre escalas. El diseño de un modelo se basa en los procesos y datos dominantes de una escala de aplicación y extensión espacial específicas. La dinámica entre escalas y la retroalimentación entre escalas temporales y espaciales influyen en los patrones y procesos del modelo. Procesos como el teleacoplamiento , el cambio indirecto del uso de la tierra y la adaptación al cambio climático en múltiples escalas requieren una mejor representación mediante dinámicas entre escalas. La implementación de estos procesos requerirá una mejor comprensión de los mecanismos de retroalimentación en todas las escalas. [dieciséis]
A medida que existe una reinvención continua de los entornos, marcos y plataformas de modelado, el modelado del cambio terrestre puede mejorar a partir de un mejor apoyo a la infraestructura de investigación. Por ejemplo, el desarrollo de infraestructura de software y modelos puede ayudar a evitar la duplicación de iniciativas por parte de los miembros de la comunidad que modelan el cambio de la tierra, aprender conjuntamente sobre la modelación del cambio de la tierra e integrar modelos para evaluar los impactos del cambio de la tierra. Una mejor infraestructura de datos puede proporcionar más recursos de datos para respaldar la compilación, curación y comparación de fuentes de datos heterogéneas. Un mejor modelado y gobernanza de la comunidad puede mejorar las capacidades de toma de decisiones y modelado dentro de una comunidad con objetivos específicos y alcanzables. El modelado y la gobernanza comunitarios proporcionarían un paso hacia el logro de un acuerdo comunitario sobre objetivos específicos para hacer avanzar las capacidades de modelado y datos. [17]
Una serie de desafíos modernos en el modelado de cambios territoriales pueden potencialmente abordarse a través de avances contemporáneos en la ciberinfraestructura, como el crowd-source, la “minería” de datos distribuidos y la mejora de la informática de alto rendimiento . Debido a que es importante que los modeladores encuentren más datos para construir, calibrar y validar mejor modelos estructurales, la capacidad de analizar una gran cantidad de datos sobre comportamientos individuales es útil. Por ejemplo, los modeladores pueden encontrar datos de puntos de venta sobre compras individuales de consumidores y actividades en Internet que revelan redes sociales. Sin embargo, aún no se han resuelto algunas cuestiones de privacidad y propiedad para las mejoras del crowdsourcing. [ cita necesaria ]
La comunidad que modela el cambio terrestre también puede beneficiarse del sistema de posicionamiento global y de la distribución de datos de dispositivos móviles con acceso a Internet. La combinación de varios métodos de recopilación de datos de base estructural puede mejorar la disponibilidad de microdatos y la diversidad de personas que ven los hallazgos y resultados de los proyectos de modelización del cambio territorial. Por ejemplo, los datos aportados por los ciudadanos respaldaron la implementación de Ushahidi en Haití después del terremoto de 2010 , ayudando al menos a 4.000 desastres. Se necesitan universidades, agencias sin fines de lucro y voluntarios para recopilar información sobre eventos como este para lograr resultados positivos y mejoras en los modelos de cambio de suelo y las aplicaciones de modelado de cambio de suelo. Se encuentran disponibles herramientas como dispositivos móviles para facilitar que los participantes participen en la recopilación de microdatos sobre los agentes. Google Maps utiliza tecnologías cartográficas basadas en la nube con conjuntos de datos coproducidos por el público y los científicos. Ejemplos de agricultura, como los de los productores de café en Avaaj Otalo, mostraron el uso de teléfonos móviles para recopilar información y como voz interactiva. [ cita necesaria ]
Los desarrollos de infraestructura cibernética también pueden aumentar la capacidad de los modelos de cambio terrestre para satisfacer las demandas computacionales de diversos enfoques de modelado dados los crecientes volúmenes de datos y ciertas interacciones esperadas del modelo. Por ejemplo, mejorar el desarrollo de procesadores, almacenamiento de datos, ancho de banda de red y acoplar modelos de procesos ambientales y de cambio territorial en alta resolución. [18]
Una forma adicional de mejorar la modelización del cambio territorial es mediante la mejora de los enfoques de evaluación de modelos . Se necesitan mejoras en el análisis de sensibilidad para comprender mejor la variación en la salida del modelo en respuesta a elementos del modelo como datos de entrada, parámetros del modelo, condiciones iniciales, condiciones de contorno y estructura del modelo. La mejora en la validación de patrones puede ayudar a los modeladores de cambios territoriales a hacer comparaciones entre los resultados del modelo parametrizados para algún caso histórico, como mapas, y observaciones para ese caso. Es necesario mejorar las fuentes de incertidumbre para mejorar el pronóstico de estados futuros que no son estacionarios en los procesos, las variables de entrada y las condiciones de contorno. Se pueden reconocer explícitamente los supuestos de estacionariedad y explorar datos en busca de evidencia de no estacionariedad para reconocer y comprender mejor la incertidumbre del modelo y mejorar las fuentes de incertidumbre. La mejora en la validación estructural puede ayudar a mejorar el reconocimiento y la comprensión de los procesos en el modelo y los procesos que operan en el mundo real a través de una combinación de medidas cualitativas y cuantitativas. [2]
{{cite book}}: Mantenimiento CS1: ubicación ( enlace )