Los modelos de cambio del suelo (MSC) describen, proyectan y explican los cambios en el uso y la cobertura del suelo y su dinámica . Los MSC son un medio para comprender las formas en que los seres humanos cambian la superficie de la Tierra en el pasado, el presente y el futuro.
Los modelos de cambio de la tierra son valiosos en la política de desarrollo, ayudando a guiar decisiones más apropiadas para la gestión de los 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 sobre cobertura de la tierra , ambientales y socioeconómicos (así como en las infraestructuras tecnológicas) han aumentado las oportunidades para que el modelado del cambio de la tierra ayude a respaldar e influir en las decisiones que afectan a los sistemas humanos-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 relacionadas con los sistemas terrestres son muy importantes para reaccionar ante estos cambios y trabajar hacia una sociedad y un planeta más sostenibles. [3]
Los modelos de cambio de la tierra son importantes por su capacidad de ayudar a guiar los sistemas terrestres hacia resultados sociales y ambientales positivos en un momento en que la atención a los cambios en los sistemas terrestres está aumentando. [3] [4]
En las últimas décadas, una gran cantidad de comunidades científicas y profesionales han logrado mejorar la cantidad y la calidad de los datos para la modelización de los cambios en el suelo, lo que ha influido en el desarrollo de métodos y tecnologías para modelar los cambios en el suelo. La multitud de modelos de cambio del suelo que se han desarrollado son importantes por su capacidad para abordar los cambios en los sistemas de suelo y son útiles para diversas comunidades científicas y profesionales. [3]
Para la comunidad científica, los modelos de cambio de la tierra son importantes por su capacidad de probar teorías y conceptos sobre el cambio de la tierra y sus conexiones con las relaciones entre los seres humanos y el medio ambiente, así como para explorar cómo estas dinámicas cambiarán los sistemas terrestres futuros sin la observación del mundo real. [3]
La modelización de los cambios en el uso de la tierra es útil para explorar los sistemas, usos y coberturas espaciales de la tierra. La modelización de los cambios en el uso de la tierra puede dar cuenta de la complejidad dentro de la dinámica del uso y la cobertura de la tierra al vincularla con modelos climáticos, ecológicos, biogeoquímicos, biogeofísicos y socioeconómicos. Además, los modelos de cambio de la tierra 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 de los cambios en el uso de la tierra. [3]
Una propiedad notable de todos los modelos de cambio de la tierra es que tienen un cierto 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 la tierra es el resultado de la no estacionariedad temporal que existe en los procesos de cambio de la tierra, 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 la tierra son las incertidumbres de los datos y los parámetros dentro de los principios físicos (es decir, la tipología de la superficie), lo que conduce a incertidumbres en la capacidad de comprender y predecir los procesos físicos. [5]
Además, el diseño de modelos de cambio de la tierra es un producto tanto de la toma de decisiones como de los 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 de la tierra y, a veces, 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 mejor las conexiones entre los modelos de cambio de la tierra y el sistema de tierra real de la extensión espacial. La importancia general del diagnóstico del modelo con los 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 descubrió que los resultados de dos modelos aparentemente similares eran considerablemente diferentes, ya que uno utilizaba una red neuronal y el otro utilizaba un modelo simple de ponderación de evidencia. [7]
Un modelo celular de cambio de suelo utiliza mapas de idoneidad para distintos tipos de uso del suelo y compara áreas inmediatamente adyacentes entre sí para proyectar cambios en el futuro. Las variaciones en la escala de las celdas de un modelo celular pueden tener impactos significativos en los resultados del modelo. [8]
Los modelos económicos se basan en principios de oferta y demanda y utilizan parámetros matemáticos para predecir qué tipos de terrenos serán deseables y cuáles serán descartados. Suelen construirse para zonas urbanas, como un estudio de 2003 sobre el 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 decisiones afectan al paisaje en su conjunto. Los modelos basados en agentes pueden ser complejos; por ejemplo, un estudio de 2005 combinó un modelo basado en agentes con programación genética basada en computadora para explorar los cambios en el suelo 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 totalmente completo y preciso. [ cita requerida ]
Los modelos de cambio de la tierra se evalúan para evaluar 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 desempeño de un modelo para editar el “resultado del modelo, la medición de datos y el mapeo y modelado de datos” para futuras aplicaciones. El propósito de la evaluación de modelos no es desarrollar una métrica o un 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].
Existen dos tipos de validación en el modelado de cambios en la tierra: validación de procesos y validación de patrones. La validación de procesos compara la correspondencia entre “el proceso en el modelo y el proceso que opera en el mundo real”. La validación de procesos se utiliza más comúnmente en el modelado basado en agentes, en el que el modelador utiliza los comportamientos y las decisiones para informar al proceso que determina el cambio de la tierra 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 momento 2. [ cita requerida ] Esto genera una comparación cruzada de los tres mapas donde los píxeles se clasifican como una de estas cinco categorías:
Dado que tres comparaciones de mapas incluyen errores y píxeles simulados correctamente, el resultado es una expresión visual de los errores de asignación y cantidad.
Las métricas de resumen único también se utilizan para evaluar los LCM. Hay muchas métricas de resumen único que los modeladores han utilizado para evaluar sus modelos y que a menudo se utilizan para comparar modelos entre sí. Una de esas métricas es la Figura de Mérito (FoM), que utiliza los valores de aciertos, errores y falsas alarmas 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 único pueden ofuscar información importante, pero la FoM puede ser útil especialmente cuando también se informan los valores de aciertos, errores y falsas alarmas.
La separación de la calibración de la validación se ha identificado como un desafío que debe abordarse como un desafío de modelado. Esto es causado comúnmente por el uso de información posterior al primer período de tiempo por parte de los modeladores. Esto puede hacer que un mapa parezca tener un nivel de precisión que es mucho mayor que el poder predictivo real de un modelo. [13] Las mejoras adicionales que se han discutido dentro del campo incluyen la caracterización de la diferencia entre errores de asignación y errores de cantidad, que se puede hacer a través de tres comparaciones de mapas, así como la inclusión de cambios observados y previstos en el análisis de modelos de cambio de la tierra. [13] Las métricas de resumen únicas se han utilizado demasiado en el pasado y tienen distintos niveles de utilidad al evaluar los LCM. Incluso las mejores métricas de resumen únicas a menudo dejan de lado información importante, y las métricas de informes como FoM junto con los mapas y los valores que se utilizan para generarlos pueden comunicar información necesaria que de otro modo quedaría ofuscada. [14]
Los científicos utilizan los modelos de cambio de tierras para construir y probar teorías en el modelado del cambio de tierras para una variedad de dinámicas humanas y ambientales. [15] El modelado del cambio de tierras tiene una variedad de oportunidades de implementación en muchas disciplinas científicas y prácticas, como en la toma de decisiones, la política y en la aplicación en el mundo real en los dominios públicos y privados. El modelado del cambio de tierras es un componente clave de la ciencia del cambio de tierras , que utiliza los modelos de cambio de tierras para evaluar los resultados a largo plazo para la cobertura terrestre y el clima. Las disciplinas científicas utilizan los modelos de cambio de tierras para formalizar y probar la teoría del cambio de tierras, y para explorar y experimentar con diferentes escenarios de modelado del cambio de tierras. Las disciplinas prácticas utilizan los modelos de cambio de tierras para analizar las tendencias actuales del cambio de tierras y explorar los resultados futuros de las políticas o acciones con el fin de establecer directrices, límites y principios apropiados para la política y la acción. Las comunidades de investigadores y profesionales pueden estudiar el cambio de tierras para abordar temas relacionados con las interacciones tierra-clima, la cantidad y calidad del agua, la producción de alimentos y fibras, y la urbanización, la infraestructura y el entorno construido. [15]
Una mejora en la modelización del cambio de la tierra puede lograrse mediante la mejora de los datos y su integración con los datos y modelos disponibles. La mejora de los datos de observación puede influir en la calidad de la modelización. Los datos de resolución espacial y temporal más precisos que se puedan integrar con los datos socioeconómicos y biogeológicos pueden ayudar a la modelización del cambio de la tierra a combinar los tipos de modelización socioeconómica y biogeológica. Los modeladores del cambio de la tierra deben valorar los datos a escalas más precisas. Los datos precisos pueden proporcionar una mejor comprensión conceptual de los constructos subyacentes del modelo y captar dimensiones adicionales del uso de la tierra. Es importante mantener la continuidad temporal y espacial de los datos de la observación aérea y de las encuestas mediante constelaciones de cobertura satelital más pequeña, algoritmos de procesamiento de imágenes y otros datos nuevos para vincular la información sobre el uso de la tierra basada en satélites y la información sobre la gestión de la tierra. También es importante tener mejor información sobre los actores del cambio de la tierra y sus creencias, preferencias y comportamientos para mejorar la capacidad predictiva de los modelos y evaluar las consecuencias de políticas alternativas. [2]
Una mejora importante en la modelización de los cambios en el uso de la tierra se puede lograr alineando mejor las opciones de modelos con los objetivos del modelo. Es importante elegir el enfoque de modelización 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 de las políticas, 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 en muchos sistemas ecológicos, pueden no ser tan útiles. Cuando uno necesita comprender las primeras etapas de la identificación de problemas y, por lo tanto, necesita comprender los patrones científicos y la tendencia del cambio de la tierra, el aprendizaje automático y los enfoques celulares son útiles. [2]
La modelización de los cambios en el uso de la tierra también debería integrar mejor los enfoques positivos y normativos para la explicación y la predicción basados en datos empíricos sobre los sistemas de tierras. También debería integrar enfoques de optimización para explorar los resultados más beneficiosos y los procesos que podrían producir esos resultados. [2]
Es importante integrar datos en distintas 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 las retroalimentaciones 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 distintas escalas. [16]
A medida que se reinventan continuamente los entornos, los marcos y las plataformas de modelado, el modelado de los cambios en el suelo puede mejorar si se cuenta con un mejor apoyo de la infraestructura de investigación. Por ejemplo, el desarrollo de la infraestructura de modelos y software puede ayudar a evitar la duplicación de iniciativas por parte de los miembros de la comunidad de modelado de los cambios en el suelo, aprender conjuntamente sobre el modelado de los cambios en el suelo e integrar modelos para evaluar los impactos del cambio en el suelo. Una mejor infraestructura de datos puede proporcionar más recursos de datos para respaldar la compilación, la curación y la comparación de fuentes de datos heterogéneas. Un mejor modelado y una mejor gobernanza de la comunidad pueden hacer avanzar la toma de decisiones y las capacidades de modelado dentro de una comunidad con objetivos específicos y alcanzables. El modelado y la gobernanza de la comunidad 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 en el territorio pueden ser abordados potencialmente a través de avances contemporáneos en ciberinfraestructura como el crowdsourcing, la “minería” de datos distribuidos y la mejora de la computación de alto rendimiento . Debido a que es importante que los modeladores encuentren más datos para construir, calibrar y validar mejor los modelos estructurales, la capacidad de analizar grandes cantidades 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 revelen redes sociales. Sin embargo, algunas cuestiones de privacidad y propiedad para las mejoras del crowdsourcing aún no se han resuelto. [ cita requerida ]
La comunidad de modelización de cambios en el suelo también puede beneficiarse de la distribución de datos de dispositivos móviles habilitados para Internet y del Sistema de Posicionamiento Global. La combinación de varios métodos de recopilación de datos basados en la estructura puede mejorar la disponibilidad de microdatos y la diversidad de personas que ven los hallazgos y los resultados de los proyectos de modelización de cambios en el suelo. Por ejemplo, los datos aportados por los ciudadanos respaldaron la implementación de Ushahidi en Haití después del terremoto de 2010 , lo que ayudó a prevenir al menos 4000 desastres. Se necesitan universidades, agencias sin fines de lucro y voluntarios para recopilar información sobre eventos como este para obtener resultados positivos y mejoras en la modelización de cambios en el suelo y las aplicaciones de modelización de cambios en el suelo. Hay herramientas disponibles, como dispositivos móviles, para facilitar que los participantes participen en la recopilación de microdatos sobre los agentes. Google Maps utiliza tecnologías de mapeo basadas en la nube con conjuntos de datos que son coproducidos por el público y los científicos. Los ejemplos en agricultura, como los productores de café en Avaaj Otalo, mostraron el uso de teléfonos móviles para recopilar información y como una voz interactiva. [ cita requerida ]
Los avances en ciberinfraestructura también pueden aumentar la capacidad de modelado de cambios en el territorio para satisfacer las demandas computacionales de diversos enfoques de modelado, dado el aumento de los volúmenes de datos y ciertas interacciones esperadas entre modelos. Por ejemplo, mejorando el desarrollo de procesadores, almacenamiento de datos, ancho de banda de red y acoplando modelos de cambios en el territorio y procesos ambientales a alta resolución. [18]
Otra forma de mejorar la modelización de los cambios en el suelo es mediante la mejora de los métodos de evaluación de modelos . Es necesario mejorar el análisis de sensibilidad para comprender mejor la variación de los resultados del modelo en respuesta a elementos del modelo como los datos de entrada, los parámetros del modelo, las condiciones iniciales, las condiciones de contorno y la estructura del modelo. La mejora de la validación de patrones puede ayudar a los modeladores de cambios en el suelo a hacer comparaciones entre los resultados del modelo parametrizados para algún caso histórico, como los mapas, y las observaciones para ese caso. Es necesario mejorar las fuentes de incertidumbre para mejorar la previsión 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 los 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 de 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 mediante una combinación de medidas cualitativas y cuantitativas. [2]
{{cite book}}: Mantenimiento de CS1: ubicación ( enlace )