facultad de ingenierÍa - ordenamiento...
TRANSCRIPT
Profesor Guía: Verónica Yañez Romo
Tesis de Grado presentada en conformidad a los requisitos para obtener el Grado de Magister en Medio Ambiente mención Gestión y Planificación Ambiental del Territorio, Línea Gestión Ambiental del Sistema Territorial.
Santiago – Chile / 2015
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍADepartamento de Ingeniería Geográfica
MODELACIÓN Y SIMULACIÓN DEL PROCESO DE EXPANSIÓN URBANA EN LA REGIÓN METROPOLITANA DE SANTIAGO:Estudio y proyección a través de la dinámica de cambios de usos y coberturas del suelo
Elías Javier Bruna Machuca
© Elías Javier Bruna Machuca, 2015.
Todos los derechos reservados. Queda prohibida la reproducción total o parcial sin autorización previa y por escrito.
I
RESUMEN
El crecimiento de las ciudades ha generado una serie de problemáticas para la planificación
urbana, la cual debe preocuparse de mantener el balance del sistema territorial y prevenir
impactos ambientales negativos producto de la expansión urbana. El estudio de los cambios de
usos y coberturas del suelo junto con el uso de modelos predictivos, tienen el potencial de ser
una herramienta útil para describir y explicar el comportamiento del sistema urbano en expansión,
y con ello, alertar de impactos presentes y futuros de este. A partir de esta herramienta, se
desarrolla un modelo de expansión urbana en la Región Metropolitana de Santiago, estudiando
los patrones espaciales y las variables involucradas, para proyectar la dinámica del sistema hacia
el futuro. Los resultados tienen relación con los patrones espaciales de expansión urbana que
afectan la periferia de la ciudad y los centros rurales de la región, la pérdida de gran parte de los
suelos de uso agrícola, y la auto-organización presente en el comportamiento expansivo de la
ciudad.
Palabras clave: cambio de uso del suelo; crecimiento urbano; patrones espaciales; modelación
urbana.
ABSTRACT
The growth of cities has raised a number of issues for urban planning, which must worry about
the balance of the territorial system and prevent negative environmental impacts of the urban
expansion. The study of land use and land cover changes in conjunction with the use of predictive
models has the potential to be a useful tool that helps to describe and explain the behavior of
expanding urban system, alerting of current and future impacts. From the development of an urban
growth model in the Metropolitan Region of Santiago, the spatial patterns of expansion and the
territorial variables involved are studied, projecting the system dynamics into the future. The
results relate to the spatial patterns of urban sprawl affecting the periphery of the city and rural
centers in the region, the loss of large part of agricultural lands, and the self-organization present
in the expansive behavior of the city.
Keywords: Land-use change; urban growth; spatial patterns; urban modelling.
II
TABLA DE CONTENIDOS
1.CAPÍTULO I: INTRODUCCIÓN .................................................................................................. 1
1.1 Planteamiento del problema .......................................................................................... 1
1.2 Objetivos ........................................................................................................................ 2
1.2.1 Objetivo general ..................................................................................................... 2
1.2.2 Objetivos específicos ............................................................................................. 2
1.3 Hipótesis ......................................................................................................................... 2
1.4 Área de estudio .............................................................................................................. 3
2.CAPÍTULO II: DESARROLLO .................................................................................................... 5
2.1 Marco Teórico ................................................................................................................ 5
2.1.1 Expansión Urbana: Cambios en la cobertura/uso del suelo y su impacto en el
Medioambiente. ..................................................................................................................... 5
2.1.2 La Ciudad: Modelos y teorías ................................................................................ 8
2.1.3 Cambios en el Uso del Suelo y Modelos de simulación ...................................... 12
2.1.1 Expansión urbana de Santiago: Antecedentes y conflictos de las últimas décadas.
18
2.2 Marco metodológico ..................................................................................................... 28
2.2.1 Primera Etapa: Reconocimiento de usos y coberturas del suelo ....................... 30
2.2.2 Segunda Etapa: Estudio de la dinámica de cambios........................................... 35
2.2.3 Tercera etapa: Modelación de la dinámica de cambios ...................................... 35
2.2.4 Cuarta etapa: Proyección de patrones de cambio y revisión de resultados ........ 42
2.3 Resultados ................................................................................................................... 47
2.3.1 Patrones de expansión urbana y PMRS de Santiago.......................................... 47
2.3.2 Cambios de usos y coberturas de suelos periodo 1990 - 2000 y 2000 - 2014 ... 50
2.3.3 Modelación de la dinámica de cambio ................................................................. 59
2.3.4 Proyección de los patrones de expansión urbana: Verificación .......................... 71
2.3.5 Proyección de las transiciones de usos y coberturas del suelo: Escenario urbano
del año 2030 ........................................................................................................................ 75
3.CAPÍTULO III: CONCLUSIONES .............................................................................................81
BIBLIOGRAFÍA .........................................................................................................................84
III
INDICE DE TABLAS
Tabla 2.1: Crecimiento poblacional de Santiago ......................................................................... 21
Tabla 2.2: Variación de población y superficie urbana de la ciudad de Santiago....................... 22
Tabla 2.3: Detalle de imágenes Landsat. .................................................................................... 30
Tabla 2.4: Categorías para clasificación de mapas de uso y cobertura de suelos ..................... 31
Tabla 2.5: Cuadro ejemplo de fotointerpretación de usos y coberturas del suelo ...................... 33
Tabla 2.6: Ocupación urbana dentro y fuera de los límites oficiales de extensión urbana ......... 50
Tabla 2.7: Variación de superficies de uso urbano. .................................................................... 58
Tabla 2.8: Variables según antecedentes bibliográficos en la modelación de la expansión
urbana. ......................................................................................................................................... 61
Tabla 2.9: Matriz de transición .................................................................................................... 63
Tabla 2.10: Correlación entre variables independientes. ............................................................ 70
Tabla 2.11: Cambios en los usos y coberturas del suelo por provincia dentro del área de estudio
..................................................................................................................................................... 79
IV
INDICE DE ILUSTRACIONES
Figura 1.1: Área de Estudio .......................................................................................................... 3
Figura 2.1: Tipos de vecindad clásicos usados en modelos de autómatas celulares. ............... 16
Figura 2.2: Evolución y proyección de los usos/coberturas de suelo 1998-2022 en Los Ángeles.
..................................................................................................................................................... 17
Figura 2.3: Evolución y simulación de los usos de suelo en la ciudad de Chillán 1978-2034. .. 17
Figura 2.4: Evolución de límite planificado y mancha urbana de Santiago desde 1960 a 1994.
..................................................................................................................................................... 19
Figura 2.5: Extensión histórica de la mancha urbana de la ciudad de Santiago. ....................... 20
Figura 2.6: Esquema temporal de hitos de la expansión y planificación urbana en la región
metropolitana ............................................................................................................................... 25
Figura 2.7: Áreas de expansión urbana oficiales según año de PRMS. .................................... 26
Figura 2.8: Diagrama metodológico. ........................................................................................... 29
Figura 2.9: Diagrama de aplicación del peso de la evidencia para producir mapa con
probabilidades de transición. ....................................................................................................... 37
Figura 2.10: Muestra de interfaz gráfica de usuario en software Dinamica EGO ...................... 44
Figura 2.11: Esquema de método de validación ........................................................................ 46
Figura 2.12: Expansión del Área Urbana y límites urbanos fijados en PRMS. .......................... 48
Figura 2.13: Usos y coberturas de suelo para los años 1990; 2000; y 2014. ............................ 51
Figura 2.14: Mapa de usos y coberturas de suelo año 1990 ...................................................... 53
Figura 2.15: Mapa de usos y coberturas de suelo año 2000. ................................................... 55
Figura 2.16: Mapa de usos y coberturas de suelo año 2014 ...................................................... 57
Figura 2.17: Dinámica de ganancia versus pérdida para usos y coberturas de suelo periodos
1990-2000 y 2000-2014. .............................................................................................................. 58
Figura 2.18: Pesos de la evidencia para variable pendiente topográfica en transición agrícola -
urbano .......................................................................................................................................... 64
Figura 2.19: Pesos de la evidencia para variable distancia a uso urbano en transición agrícola -
urbano .......................................................................................................................................... 65
Figura 2.20: Pesos de la evidencia para variable distancia a límites del PRMS en transición
agrícola - urbano. ......................................................................................................................... 66
Figura 2.21: Pesos de la evidencia para variable distancia a zonas industriales en transición
agrícola - urbano. ......................................................................................................................... 67
V
Figura 2.22: Pesos de la evidencia para variable “Distancia a Red Vial” en transición agrícola -
urbano. ......................................................................................................................................... 68
Figura 2.23: Pesos de la evidencia para variable “Distancia al centro” en transición agrícola -
urbano .......................................................................................................................................... 69
Figura 2.24: Comparación entre mapa de uso de suelo urbano fotointerpretado y proyectado para
el año 2014. ................................................................................................................................. 73
Figura 2.25: Mapa con resultado de evaluación del modelo a partir de método de la comparación
por similaridad recíproca. ............................................................................................................. 74
Figura 2.26: Mapas de probabilidades de transición en primer y último año de modelación. .... 75
Figura 2.27: Escenario de usos y coberturas del suelo para año base 2014 y año proyectado
2030. ............................................................................................................................................ 76
Figura 2.28: Dinámica de variación de superficies entre año 2014 y año 2030. ........................ 77
Figura 2.29: Mapa de usos y coberturas de suelo proyecto al año 2030. .................................. 80
1
1. CAPÍTULO I: INTRODUCCIÓN
1.1 Planteamiento del problema
La metrópolis de Santiago ha presentado un crecimiento continuo sobre áreas de alta importancia
ambiental y social, tanto por los servicios ambientales que prestan como por la capacidad de
contener sistemas productivos de importancia para el bienestar de la población, como lo es el
sector agrícola. En el contexto de este sistema urbano en constante crecimiento y con alto nivel
de impacto, el estudiar los patrones de cambios en los usos y coberturas del suelo ofrece la
oportunidad de identificar y cuantificar tendencias y patrones críticos de transformación en la
interfaz urbano - rural y a comprender el escenario al cual se enfrenta y enfrentará la planificación
urbana, así como también a reconocer el nivel de influencia que tiene esta en el devenir de los
cambios.
La problemática que plantea el estudio de la dinámica espacial y temporal de las
transformaciones del sistema urbano, ha llevado en las últimas décadas a un alto desarrollo
teórico y práctico a través del desarrollo de modelos matemáticos aplicados en el contexto de los
Sistemas de Información Geográfica y desde la perspectiva de la Teoría Compleja de las
Ciudades 1, a partir de los cuales, se han logrado avances en la modelación y proyección de
dinámicas urbanas alrededor del mundo, avanzándose respecto a la perspectiva puramente
teórica desarrollada hasta entonces. Estas técnicas de análisis urbano, aplicadas a la realidad
urbana chilena, presentan un gran potencial para comprender la dinámica compleja de las
ciudades, lo cual hasta el momento no ha sido suficientemente explorado.
La modelación y proyección del crecimiento urbano lleva consigo la necesidad de conocer la
trayectoria espacio-temporal de los usos del suelo y los elementos fundamentales que influyen
en esta, para lo cual, es necesario estudiar la primera desde el entendimiento que el sistema
urbano es variable y complejo y no necesariamente muestra el mismo comportamiento a través
de su historia. Así, el estudio temporal y espacial de los patrones de ocupación urbana presentaría
un gran potencial para entender la influencia de políticas y planes urbanos, además de su impacto
real en el sistema urbano, siendo además de gran importancia para una gestión ambientalmente
sustentable del territorio.
1 Paradigma de análisis de las ciudades bajo el cual la ciudad es vista como un ente con comportamiento
biológico, con características propias de un sistema complejo y contraria a la visión de la ciudad como sistema mecánico cerrado.
2
1.2 Objetivos
1.2.1 Objetivo general
Estudiar el proceso de expansión urbana de la Región Metropolitana de Santiago en las últimas
décadas (periodo de 1990 a 2014) y proyectar el escenario futuro de expansión al año 2030
comprendiendo cómo se comporta la expansión del sistema urbano y los patrones espaciales
que este genera.
1.2.2 Objetivos específicos
Estudiar los patrones espaciales de usos y coberturas del suelo en el periodo 1990 a 2014.
Modelar la dinámica de expansión urbana a partir del proceso de cambio de usos y coberturas
del suelo. Identificando las variables y su comportamiento.
Proyectar la dinámica y los patrones espaciales de cambio de uso y cobertura de suelos al futuro,
hasta el año 2030.
Analizar y diferenciar los procesos de cambio pasados y futuros, en el contexto de la planificación
territorial, a través la comparación entre patrones de ocupación urbanos y lo propuesto por el Plan
Regulador Metropolitano de Santiago.
1.3 Hipótesis
“La ciudad de Santiago ha seguido un proceso de crecimiento en expansión, el cual, al ser
estudiado a partir de la lógica de los patrones espaciales de cambio de uso y cobertura del suelo
puede ser modelado y simulado para comprender su evolución hacia el futuro. Este proceso de
expansión presenta un alto nivel de autonomía, y se sustenta principalmente en variables
espaciales que son independientes de la planificación oficial de la ciudad”.
3
1.4 Área de estudio
El área de estudio, forma parte de la Región Metropolitana de Santiago y está definida por el Área
Metropolitana de Santiago (AMS)2, además del conjunto de comunas periurbanas conformado
por Lampa y Colina por el norte; Padre Hurtado, Peñaflor, Calera de Tango, Talagante, e Isla de
Maipo en el sur-oeste; además de Buin, Paine y Pirque al sur del AMS.
Figura 1.1: Área de Estudio
Fuente: Elaboración propia a partir de cartografía digital IGM
La Región Metropolitana, se ubica en la zona central de Chile, aproximadamente entre los 33° y
los 34° de latitud sur. Su tamaño alcanza una superficie de 15.349 km², lo que equivale a apenas
2% del territorio nacional continental, sin embargo, contiene una población de 5.822.316 hab., lo
que equivale al 38,5 % del total país. Sus límites son, por el norte y oeste, la Quinta Región de
Valparaíso, por el sur, la Sexta Región del Libertador Bernardo O’Higgins, y por el este, la
República Argentina.
2 Conformada por las 32 comunas de la provincia de Santiago, más Puente Alto y San Bernardo.
4
La evolución demográfica de la región ha mostrado un constante aumento poblacional así como
en su área ocupada. Una muestra clara, es que la población del AMS en la década de 1950 era
de aproximadamente 1.422.266 habitantes, y para el año 2020 la población se proyecta en
7.460.708 habitantes (INE, 2008).
La definición de esta área de estudio se realizó a partir de criterios técnicos y geográficos. Así,
se seleccionaron desde el periurbano aquellas comunas en las que se verificara cierto nivel de
adyacencia geográfica (topográfica) y estructural (vías de comunicación) con el AMS. Bajo este
concepto se presupone que se cuenta con el área total en el que la dinámica de expansión
urbana afectará en mayor medida producto del mayor nivel de conectividad, por lo cual, se podrá
constatar más claramente el fenómeno expansivo que muestra el AMS sobre su entorno.
5
2. CAPÍTULO II: DESARROLLO
2.1 Marco Teórico
2.1.1 Expansión Urbana: Cambios en la cobertura/uso del suelo y su
impacto en el Medioambiente.
A nivel mundial, el 54% de la población habita en áreas urbanas, y se proyecta que para el año
2050 esta población alcance el 66%. Para el mismo año, si se continúa con la tendencia actual,
se proyecta que el porcentaje de población urbana en Chile será del 90%, (UN, 2014).
En Chile, a partir de los datos del Censo de población y las proyecciones realizadas a partir de
este por el Instituto Nacional de Estadística, es posible reconocer que a partir de la década del
1990 el porcentaje de población urbana en el país superó el 80%, y la población urbana
proyectada para la década de 2020 alcanzará un total de 87%.
El crecimiento de la población urbana plantea desafíos a la planificación territorial. Estos desafíos
son reconocidos por diversas instituciones internacionales y autores nacionales, los cuales se
han manifestado respecto la importancia de una urbanización sustentable, donde el crecimiento
urbano se realice con visión de futuro respecto a los posibles impactos que provocaría un
crecimiento urbano caracterizado por la expansión horizontal y de baja densidad poblacional. En
la literatura anglosajona, este tipo de crecimiento del área urbana se ha estudiado bajo el término
de Urban Sprawl. Este concepto involucra un crecimiento a través de patrones físicos de baja
densidad, que extienden el área urbana sobre su periurbano. El patrón de crecimiento de baja
densidad, también puede ir acompañado de fragmentación del territorio producto de la pérdida
de continuidad de la ciudad o la generación de enclaves urbanos en el periubano.
Galster et al. (2001), realiza una definición conceptual de expansión urbana (sprawl) definiéndola
como un patrón de uso del suelo en una área urbana que exhibe bajos niveles de una
combinación de ocho distinta dimensiones: densidad, continuidad, concentración, agrupamiento,
nuclearidad, mezcla de usos y proximidad”.
Entre los factores que explicarían la dinámica de crecimiento que sigue la ciudad contemporánea,
se encuentran el crecimiento en los mercados nacionales e internacionales y la globalización
económica, como elementos de escala global y nacional de importancia, que potenciarían el
6
mantenimiento y crecimiento de las zonas metropolitanas en su rol de polo de desarrollo e
innovación nacional e internacional. A una escala local, se reconocen principalmente un bajo nivel
de control o planificación sobre los usos de suelo y las densidades de ocupación, lo cual
determinaría una expansión controlada por las decisiones de inversores privados y por gustos
particulares, por sobre una planificación centralizada e integral de la ciudad, además de factores
que potencian la conectividad como la extensión de la red vial; el crecimiento en la motorización
privada; y el desarrollo de las redes de comunicación.
En cuanto a la preocupación por los impactos de la expansión urbana, las Naciones Unidas, a
través de programa de trabajo de la Evaluación de los Ecosistemas del Milenio, reconoce la
expansión urbana como un tipo de conversión del uso del suelo que actúa negativamente sobre
su entorno, a través de la conversión desde usos agrícolas u otros tipos de usos con importancia
ecosistémica, a suelos con usos residenciales, de infraestructura y de recreación, (Millennium
Ecosystem Assessment, 2005). Otro ejemplo de la preocupación sobre una correcta planificación
del crecimiento urbano, es la Carta Europea de Ordenación del Territorio, redactada bajo la
Conferencia Europea de Ministros Responsables del Ordenamiento del Territorio (CEMAT), en
ella, y de forma mancomunada para toda la Unión Europea, se establece como objetivo
fundamental el controlar el desarrollo de grandes complejos urbanos y proteger las zonas
agrícolas y forestales. Aconsejando la formulación de una política de suelo. A su vez, entre sus
objetivos particulares, se encuentran la protección de las regiones rurales y la realización de
planes de ocupación de suelo tendientes a crear las condiciones para evitar la huida de los
habitantes urbanos hacia la periferia (CEMAT, 1983).
Entre los impactos más importantes que provoca la presión de la urbanización sobre el medio
ambiente físico y social a través de la conversión de usos y coberturas del suelo, se encuentran
la pérdida o fragmentación de espacios naturales con el consecuente deterioro de los servicios
ambientales asociados a ellos (Millenium Ecosystem Assessment, 2005) ; alteraciones en
variables climáticas como la temperatura ( Voogt & Oke,2003); contaminación de los suelos (Peng
et al.,2013); la alteración de los servicios ecosistémicos prestados directamente por el suelo,
como la capacidad de infiltración de aguas lluvia y recarga de acuíferos, almacenaje de agua,
capacidad de evaporación y humidificación de la atmosfera y del ambiente, y la función de hábitat
otorgada a numerosos microorganismos (Pickett et al.,2001; Vásquez, 2008) y la pérdida de
terrenos de alta productividad agrícola. Además, la periurbanización provocaría una pérdida de
las condiciones sociales características de ciertos territorios rurales, afectando y transformando
condiciones de vida tradicionales.
7
Es importante mencionar además, que el impacto provocado por la urbanización no solo deriva
de la cantidad de suelo que cambia su uso a suelo urbano, sino que también de la manera en
que esta ocupación se lleva a cabo, afectando la lógica de los procesos ecológicos, rompiendo
las relaciones y conexiones del sistema territorial, fragmentándolo, desestructurándolo y
generando espacios degradados y residuales (Simón, 2007). Por lo tanto, no se trata solo de la
cantidad de suelo convertido a urbano sino que también cómo se distribuyen estos patrones de
cambio de uso a través del territorio y como interfieren con las dinámicas ecológicas y sociales
preexistentes.
A raíz de la preocupación en los efectos sobre el medioambiente que provoca la expansión
urbana, en la Unión Europea ya se han creado una serie de iniciativas comunes tendientes a
generar y compartir información sobre cambio de coberturas y usos del suelo en forma de bases
de datos, así como también para la modelación y simulación de los patrones espaciales de los
cambios futuros. Entre las más destacadas se encuentran: el proyecto CORINE Land Cover
(Coordination of Information on the Environment), el cual genera bases de datos sobre la
cobertura y usos del territorio en la Unión Europea, siendo coordinado por la Agencia Europea de
Medio Ambiente (AEMA) ; el proyecto MURBANDY (Monitoring Urban Dynamics) y su evolución
al proyecto MOLAND (Monitoring Land Use/Cover Dynamics), ambos dependientes del Centro
de Investigación Conjunta europeo (JRC), el primero, con el objetivo de desarrollar y proveer
medidas de la extensión de las áreas urbanas europeas y modelar escenarios de crecimiento
urbano para definir estrategias para el desarrollo sustentable, y el segundo, para el estudio de las
áreas urbanas que experimentan dinámicas importantes de cambio de usos de suelo - tanto
dentro como fuera de la Unión Europea - y apoyar en el desarrollo de políticas con impacto
medioambiental y territorial; y el proyecto PLUREL (Peri-urban Land Use Relationships-
Strategies and Sustainability Assesment Tools for Urban – Rural Linkages) , cuyo propósito es el
de generar herramientas para el análisis de las tendencias de urbanización así como sus causas
y efectos . En el caso de Estados Unidos, desde la década de 1970, el Servicio Geológico de
Estados Unidos (USGS) ha dirigido el programa Global Land Cover, para la adquisición de datos
georreferenciados de usos y coberturas de suelo.
8
2.1.2 La Ciudad: Modelos y teorías
Desde finales del siglo XIX, con la publicación del modelo de localización agrícola de von Thünen,
y hasta la actualidad, se ha desarrollado un gran conjunto de teorías y modelos de localización,
intentando explicar tanto dinámicas intra-urbanas como también las relaciones entre la ciudad y
su entorno inmediato. Estos desarrollos poseen características que posibilitan su agrupación en
distintas escuelas o enfoques de pensamiento, las cuales se desarrollaron con anterioridad a lo
que en la actualidad se ha denominado teoría compleja de las ciudades, paradigma que puede
considerarse como el predominante hoy en día.
Los enfoques clásicos pueden ser agrupados en cinco grupos según su sustento teórico y
metodológico (Liu, 2009).
La escuela de Ecología Social de Chicago: el modelo clásico de esta escuela fue el de
los anillos concéntricos de Burgess (1920). Este, mostró de una forma simplificada la
estructura espacial de la ciudad de Chicago, explicando cómo la competencia por el suelo
escaso de la ciudad entre grupos con distintas características genera una división del
espacio urbano en distintivos nichos ecológicos en los que los individuos comparten
características similares. Estos nichos toman la forma de anillos concéntricos alrededor
del centro de la ciudad, diferenciándose cuatro zonas: la zona principal (I) del centro de
la ciudad, la zona de transición (II), llamada también zona de deterioro, con negocios e
industria liviana, una zona de carácter habitacional (III) donde se localizan los
trabajadores de la industria, los cuales desean alejarse del área de deterioro, una cuarta
zona residencial (IV),representada como una zona de edificios de departamentos
destinados a la clase alta y una quinta zona (V) de viajeros, ubicada fuera de los límites
de la ciudad, representada como una zona de áreas suburbanas o de ciudades satélite.
Los espacios de las áreas concéntricas del modelo, cambian a medida que la expansión
de la ciudad ocurre, puesto que cada zona se extiende invadiendo la siguiente zona
circundante, fenómeno que fue llamado sucesión. Posterior al modelo de Burgess,
surgirían el Modelo Sectorial de Hoyt (1939), y el modelo de Núcleos Múltiples de Harris
y Ullman (1945).
La escuela de enfoque Socio-físico: esta escuela se caracterizó por la utilización de la
teoría física para explicar las interacciones espaciales humanas dentro de la ciudad. En
sus comienzos se basó fuertemente en la física Newtoniana, dando a la Ley de Gravedad
un nuevo ámbito de aplicación en las interacciones sociales a través de los movimientos
9
entre lugares. Wilson (1970) desarrolló un modelo en el cual las interacciones espaciales
entre agentes urbanos se regía por la maximización de la entropía, tratando el
movimiento de personas y bienes como partículas de un medio gaseoso, distinguiéndolas
como “tipos” según origen y destino y como “estados” según el par conformado por origen
y destino.
La Escuela Neoclásica: esta escuela se enfocó fuertemente en la creación de modelos
de sustento esencialmente económico, postulando que la competencia entre las
actividades económicas y sociales son las que dan forma al desarrollo urbano. El primer
modelo espacial que puede considerarse de enfoque Neoclásico es precisamente el de
von Thünen (1826), el cual, por su sustento fuertemente económico presentaría una
influencia fundamental para el enfoque neoclásico. En su modelo, von Thünen consideró
las relaciones entre tres factores para explicar los patrones de localización de distintos
tipos de cultivos alrededor del mercado. La distancia de los granjeros al mercado, los
precios recibidos por estos por sus productos, y la renta del suelo, explicarían qué tan
intensivo sería el uso que se le da a la tierra, lo cual definiría el tipo de cultivo. La
intensidad sería inversamente proporcional a los costos de transporte o distancia al
mercado. Así en un escenario en el cual solo existe un mercado central o “ciudad
monocentrica”, y un plano rodeando la ciudad, se generarían patrones de uso del suelo
concéntricos, con el uso menos intensivo localizado lo más alejado del centro.
El modelo de von Thünen servirá para el planteamiento de otros modelos como el de
localización Industrial de Weber en 1909, el cual es entendido como el primer modelo
sobre crecimiento urbano, y la teoría del lugar central de Christaller de 1933,el cual
explica los patrones de crecimiento urbanos en el contexto regional. Un modelo clásico
de esta escuela, y que alcanzó gran popularidad fue el de Alonso (1964), el cual se basa
en la premisa de un espacio urbano en el cual los agentes del mercado, ya sea
compañías como los ocupantes de viviendas buscaban minimizar la renta y los costos de
transporte y maximizar el área ocupada. Lo anterior derivaría en una estructura espacial
en la que los grupos de menor nivel socioeconómico vivirían cerca del núcleo urbano, en
entidades de alta densidad, mientras que los ricos tenderían a habitar cerca de la periferia
urbana.
La escuela del Comportamiento: este enfoque nació a partir de las críticas a la excesiva
simplificación de los fenómenos urbanos del enfoque netamente económico utilizado por
la escuela Neoclásica, y queriendo utilizar la variable humana cognitiva. Así, esta escuela
se abocó a estudiar las motivaciones detrás del comportamiento individual, la forma en
10
la que los individuos aprenden acerca de su ambiente urbano y sus procesos
generadores de decisiones. Modelos como el de la Universidad del Norte de Carolina,
ocuparon un marco teórico que se basó en cuatro variables o elementos claves. Estos
elementos fueron el sistema de valores, patrones de comportamiento, desarrollo urbano,
y los procesos de control, entendidos estos últimos como estrategias, planes o políticas
referidas al ámbito urbano. A partir de esta estructura definen el desarrollo urbano como
resultado de la actividad humana, cuya principal fuerza impulsora es el conjunto de
valores de la sociedad, a través de los cuales se obtienen distintos niveles de respuesta
ante los procesos de control.
La escuela de enfoque Sistémico: esta escuela se basa fuertemente en la Teoría General
de Sistemas, comienza a usarse a partir de la década de 1960 para modelar el fenómeno
urbano. Bajo esta escuela se definió al sistema urbano como un conjunto de elementos
o subsistemas, como población, empleos, servicios, transporte, entre otros. Estos
subsistemas interactúan entre ellos a partir de mecanismos sociales, económicos y
espaciales, así como con elementos medioambientales. Así, desde el enfoque sistémico,
el interés estaría en el estudio de las relaciones y conexiones que se generan entre los
subsistemas y no en el estudio del comportamiento de subsistemas aislados. A través de
lo cual se pretendió determinar los procesos de cambio del sistema urbano.
El principal impulsor y desarrollador del enfoque sistémico aplicado al ámbito urbano fue
Forrester, quien, a través del Massachusetts Institute of Technology (MIT) dirigió
simulaciones del comportamiento dinámico del sistema urbano, prediciendo su
comportamiento ante distintas condiciones. Las principales debilidades del enfoque
sistémico descrito, fue el poco desarrollo de sustento teórico y su dificultad en probar las
relaciones modeladas en una extensión significativa , además, a través de su método,
tampoco fue posible el modelar en el tiempo y espacio los procesos urbanos.
En las últimas décadas, un conjunto de avances teóricos y técnicos han colaborado en el
desarrollo de un enfoque desde el cual se define a la ciudad como un sistema abierto y complejo.
Los sistemas abiertos, poseen la capacidad de intercambiar energía y materia con su medio, y
este intercambio podría llevar al sistema a un estado lejos de su equilibrio, así mismo las
interacciones no lineales entre los distintos elementos del sistema pueden generar posibilidades
de bifurcación, pudiendo alterar el estado global del sistema, conduciéndolo luego al orden desde
la misma fluctuación.
11
La teoría de los sistemas complejos aplicada al estudio de la ciudad, ha derivado en lo que
actualmente se conoce como Teorías Complejas de Ciudades o CTC (Complexity Theories of
Cities), estableciéndose como un dominio interdisciplinario de estudios que atrae a geógrafos
urbanistas, planificadores, diseñadores urbanos, matemáticos, físicos y otros (Portugali, 2012).
Desde la visión de la complejidad, se entiende al fenómeno urbano como un proceso irregular
que funciona a través de la bifurcación y el caos, en un estado de delicado de equilibrio (Batty &
Longley 1994; Portugali 2012).
La ciudad, vista desde la CTC posee una serie de propiedades, en su calidad de sistema abierto
y complejo:
Primero, la no-linealidad. Esta se entiende como el comportamiento variable que tiene
el sistema producto del reordenamiento interno de este, ya sea para adaptarse a una
influencia (en su calidad de sistema abierto) o por cambios en agentes locales que
repercuten en el comportamiento general del sistema.
La segunda propiedad presente en la ciudad es la de la Emergencia, la cual se entiende
como la capacidad de generación de propiedades que se manifiestan a una escala
urbana global a partir de la interacción entre agentes locales. Esta propiedad, da a la
ciudad la capacidad de generar nuevas dinámicas y estructuras urbanas, dando paso a
lo que se conoce como una auto-organización del sistema, llevando al sistema a un
estado de equilibrio.
La tercera propiedad, tal como se mencionó anteriormente, es la existencia de caos
dentro del devenir de la ciudad, el caos estaría en constante tensión con el proceso de
ordenación que deviene desde las ciudades como sistemas abiertos que se adaptan a
cambios en sus medio.
12
2.1.3 Cambios en el Uso del Suelo y Modelos de simulación
El crecimiento urbano opera espacialmente impactando en la estructura del uso de suelo, creando
un proceso de cambio de éste. Este proceso de transformación, es consecuencia directa de la
acción de individuos, organismos públicos y privados operando simultáneamente en el tiempo
sobre el espacio urbano.
En la investigación científica actual existe una amplia gama de estudios que tratan el tema de los
cambios de uso de suelo, entendido este como el destino o uso humano que se le da al territorio,
así como de las coberturas de suelo, entendida como aquello que cubre la superficie del suelo,
que puede ser tanto una cubierta natural (por ej. Un bosque) como una cubierta artificial (por ej.
cubierta de concreto). Estos estudios han logrado un gran desarrollo gracias a la masificación
del empleo de Sistemas de Información Geográfica (SIG) así como la utilización de sensores
remotos.
Los enfoques de los estudios sobre cambios son variados, y con diferentes propósitos, yendo
desde el interés por la comprensión de cómo opera la dinámica de cambios en distintos contextos
sociales (Pauleit,2005), el estudio de la diferenciación tipo gradiente entre el espacio urbano
consolidado y su entorno rural (Hans & McDonnell, 2006), el impacto que genera el cambio de
coberturas o usos del suelo en el medio ambiente, tratando a ambos como una variable ecológica
más (Pickett et al,2001),o la fragmentación del paisaje (Solon, 2009).
El comprender los factores que influencian las actividades urbanas es primordial para el
entendimiento, modelación y simulación de los procesos que operan en la ciudad. Al respecto,
Barredo (2003) diferencia cuatro grupos de factores:
• Características ambientales.
• Características del entorno o vecinos.
• Características espaciales de las ciudades (ej. Accesibilidad).
• Políticas de planificaciones urbanas y regionales.
• Factores relacionados con las preferencias individuales.
Bürgi et al (2004), distingue también cinco tipos principales de fuerzas impulsoras de las
transformaciones en el uso del suelo: fuerza socioeconómica, política, tecnológica, natural y
cultural. Distinguiéndolas además entre fuerzas primarias, secundarias y terciarias.
13
Debido al interés que ha despertado el estudio de la dinámica de cambios en los usos del suelo
y los avances teóricos y tecnológicos, ha surgido una clase especial de modelo matemático para
simular los cambios en el uso y coberturas del suelo, conocido como modelo espacialmente
explícito del uso del suelo, los cuales simulan los patrones de cambio en el paisaje, como
respuesta a las dinámicas ecológicas y humanas (Soares, 2013). Pese a que la modelización del
uso del suelo comienza en la década de 1950, es a partir de la década de 1990 que se intensifica
su desarrollo producto de una mayor disponibilidad de información espacial y de los avances en
las tecnologías de la computación y de los sistemas de información geográfica (Lin et al., 2005).
Estos nuevos modelos urbanos, dejaron atrás la visión tradicional de una ciudad en equilibrio y
se enfocaron en representar la complejidad de esta a través de la representación de su
comportamiento dinámico, enfocándose más en el proceso que en la representación simplificada
del sistema urbano, logrando así resultados que demuestran una complejidad temporal y espacial
(White 1993). En la actualidad, la visión que se tiene de las ciudades es más de una entidad
biológica que de un sistema mecánico, y el auge de la ciencia de la complejidad ha ayudado a
trasferir la visión de los sistemas desde una estructura Top Down a una Botton Up, en el que la
ciudad es más producto de un proceso evolucionario que de un diseño centralizado o determinado
“desde arriba” (Portugali, 2000).
Si bien los modelos urbanos tradicionales buscaron modelar y predecir relaciones económicas y
de tamaño entre ciudades o los patrones sociales y económicos internos de estas, muy poco se
avanzó en el estudio de la expansión física de las ciudades y su modelación (Clarke et al., 1997).
Estos modelos o teorías han sido concebidos desde una mirada simplificada del fenómeno
urbano, involucrando una serie de supuestos, como el comportamiento estático y racional de los
actores y un estado de equilibrio general del sistema urbano, el cual es raramente reconocible en
el estado de una ciudad. Las ciudades, lejos de presentar un estado de equilibrio, se encuentran
en continuo desarrollo, presentando características como: crecimiento, cambio, declinación, y
restructuración, los cuales incluso ocurren simultáneamente, haciendo de ciudades objetos
complejos (White 1993).
Entre los modelos espacialmente explícitos de mayor desarrollo, se cuentan el modelo SLEUTH
(Slope, Land cover, Exclusion, Urbanization, Transport and Hillshade) aplicado en varias ciudades
y regiones urbanas como San Francisco y Washington (Clarke et al. 1997; 1998), Dongguan en
China (Feng & Liu, 2009), varios condados de Virginia y Maryland en Estados Unidos, (Rubio et
al. 2012), y Yemen (Al-shalabi et al. 2013). Este modelo se basa en la utilización de autómatas
celulares para representar la evolución del crecimiento urbano y proyectarlo a partir de la
14
calibración efectuada con datos sobre el uso del suelo, en al menos, cuatro fechas distintas,
derivando cinco coeficientes que controlan el crecimiento urbano; el coeficiente de difusión o
dispersión global del crecimiento; reproducción o probabilidad de generación de nuevos
asentamientos; propagación o crecimiento alrededor o al interior de un centro urbano existente y
en expansión; resistencia de la pendiente o el umbral de pendiente topográfica que controla la
aparición de nuevas celdas urbanas; y atracción de la red vial el cual se encuentra relacionado
con la atracción que representa la red vial para el crecimiento urbano en torno a esta (Silva,
2002).
El modelo CLUE o (Conversion of Land Use and its Effects), creado por el Instituto de Estudios
Medioambientales de la Universidad de Ámsterdam, sistema que ya posee cuatro versiones con
diferentes funcionalidades y varias aplicaciones. Utiliza tres escalas de análisis; la escala nacional
para el cálculo de demanda; y dos escalas espaciales explícitas en las cuales se reconocen las
fuerzas de cambio (variables explicativas de los patrones espaciales) las que representan
factores biofísicos y socio-económicos a los cuales se le cuantifica -a través de regresión
logística- su relación con cada clase o tipo de uso del suelo para determinar así su influencia
en el modelo (Verburg, 2001).
El modelo MURBANDY (Monitoring Urban Dinamics) y su posterior actualización al modelo
MOLAND (Monitoring Land Use/ Cover Dynamics), ambos con el respaldo del Instituto por el
Medioambiente y la Sustentabilidad del Centro de Investigación Conjunta de la Comisión
Europea, y utilizados bajo el programa PLUREL (Peri-Urban Land Use Relationships) de la misma
organización;
El modelo DUEM o (Dynamic Urban Evolutionary Modelling) en el cual se propone una
modelación de la dinámica urbana de cambio de usos del suelo basada en la utilización de
autómatas celulares y reglas de transición en el que las celdas cambian entre clases de uso de
suelo basado en el ciclo de vida de las celdas y parámetros que controlan variables como tamaño,
densidad y tiempos de desarrollo para cada uno de los uso proyectados (Xie 1996; Batty et al.
1999).
Las aplicaciones de este tipo de modelos predictivos a la realidad latinoamericana son escasas,
siendo el referente regional el modelo DINAMICA, desarrollado por el Instituto de Sensoramiento
Remoto de la Universidad de Minas Gerais .Este modelo ha sido aplicado principalmente en
ciudades y regiones Brasileras (Kawahima et al. 2015; Soares-Filho et al., 2013; Young, 2013;
15
Stan, 2015), aunque presenta también aplicaciones en el estudio de la expansión urbana
alrededor del mundo (Ahmed, 2015; Akin, 2015).
Todos los modelos nombrados basan su funcionamiento en el estudio de los cambios ocurridos
en el pasado y la proyección de esta tendencia hacia el futuro, expandiendo el patrón espacial
de cambios reconocido en las transiciones anteriores, entre uno y otro uso o cobertura del suelo.
Entre las principales técnicas que apoyan la modelación y simulación de las dinámicas territoriales
de cambio de uso de suelo se encuentran los autómatas celulares.
La primera ley de la geografía indica que: “Todo está relacionado con todo lo demás, pero las
cosas cercanas están más relacionadas que las cosas distantes” (Tobler, 1970, p.236). Esta
acepción ha ofrecido la base sobre la cual muchas aplicaciones de análisis espacial fundamentan
su estudio, y es la técnica del autómata celular la que ha permitido aplicarla en la modelación a
amplios espacios, los cuales, toman la forma de un espacio grillado.
Un autómata celular, consiste en una formación de celdas de n-dimensiones que interactúan
dentro de cierta vecindad de acuerdo a un conjunto de reglas de transición. En un modelo
autómata celular, el estado de cada celda depende de su estado previo y del estado de las celdas
dentro de una vecindad espacialmente definida (Figura 2.1). El algoritmo utilizado para hacer que
las celdas interactúen localmente es conocido como regla local del autómata celular (Sirakoulis
et al., 2000).
La herramienta del autómata celular en la forma en la que la conocemos, tiene su nacimiento a
través del trabajo del matemático John Von Neumann en la década del 50, en ella, Von Neumann
intentaba desarrollar un modelo abstracto de auto-reproducción en biología, en un comienzo
pensó en un modelo matemático de tres dimensiones, hasta finalmente decantar por un modelo
de dos dimensiones. La aplicación práctica del autómata celular comenzará recién en la década
de 1970 (Wolfram, 2014).
16
Figura 2.1: Tipos de vecindad clásicos usados en modelos de autómatas celulares.
Fuente: Verburg, 2004.
El método del autómata celular cumple el rol de representar y reproducir discretamente las
interacciones espaciales que se dan entre los distintos usos del suelo. Estos, demuestran tener
siempre una autocorrelación espacial, producto tanto de la distribución espacial clusterizada de
las características del paisaje y el comportamiento en forma de gradientes de las condiciones
medioambientales - los cuales determinan los patrones de uso- así como también de las
interacciones espaciales entre los distintos tipos de uso de suelo, explicado bajo el concepto de
economías de escala (Verburg, 2004).
En el caso de Chile, se registran solo unas cuantas iniciativas de modelación y proyección y de
la expansión urbana. Entre ellas, Aguayo et al. (2007) estudió las variables que condicionan los
patrones espaciales de cambio de uso y coberturas de suelo en la expansión urbana de la ciudad
de Los Ángeles a partir del estudio de los cambios ocurridos entre 1978 y 1992 y proyectando el
crecimiento hasta el año 1998, con la finalidad de evaluar los resultados del modelo. En la misma
ciudad, Henríquez et al. (2006) ya había proyectado la evolución de la mancha urbana a partir de
las transiciones de cambio entre coberturas y usos del suelo, estimando al año 2022 un aumento
respecto al año 2014 de 1.846 ha. urbanas, y una variación del 81,4% respecto a la superficie
urbana del año 2006 (Figura 2.2).
17
Figura 2.2: Evolución y proyección de los usos/coberturas de suelo 1998-2022 en Los Ángeles.
Fuente: Henríquez, 2006.
Por su parte, Henríquez & García (2007) estudiaron el avance urbano de la ciudad de Chillán,
pronosticando un crecimiento en 69 % de la superficie urbana en el periodo 2006 - 2034, llegando
a un crecimiento de más de 4.000 ha. al año 2034, todo esto a partir de datos sobre las
transiciones de cambio entre usos y coberturas ocurridos entre el año 1978 al año 2006 (Figura
2.3).
Figura 2.3: Evolución y simulación de los usos de suelo en la ciudad de Chillán 1978-2034.
Fuente: Henríquez & Azocar, 2007.
18
Sandoval (2009), proyectó el crecimiento de la superficie urbana en la ciudad de Valparaíso hasta
el año 2025, a partir de una estimación calibrada estadísticamente con el registro histórico de la
ocupación de los suelos en el periodo entre 1989 - 2007 y el cruce con variables determinantes
en los patrones espaciales de cambio, estimando un aumento del 57% en el área urbana al
comparar con el año 2006.
2.1.1 Expansión urbana de Santiago: Antecedentes y conflictos de las
últimas décadas.
En la ciudad de Santiago, al menos desde mediados del siglo XX y principios del siglo XXI, ha
estado ocurriendo un evidente proceso de expansión física, caracterizado por un aumento rápido
de superficie urbana hacia la periferia, en el cual, tiende a predominar la baja densidad
poblacional y la fragmentación del espacio por sobre la concentración urbana. Esta expansión
ocurre en el contexto de un débil e inconsistente control sobre el territorio metropolitano, a través
de la ausencia de planificación urbana integrada, lo cual ha derivado en entregar a las
inversiones privadas y a los gustos de los consumidores habitacionales, es decir, al mercado, el
desarrollo de la ciudad (Ducci, 1998; DeMattos, 1999).
Se estima que el área urbana de la Región Metropolitana aumentó desde 11.017 ha. en 1940 a
64.140 ha. en el año 2002 (Galetovic & Jordán, 2006). La expansión de la mancha urbana
principal, ha sido vista de forma general como una expansión del tipo “mancha de aceite”,
producto de un crecimiento expansivo que ha incluido en su mayor parte nuevas áreas localizadas
en la periferia y conectadas con el área principal, creando así una especie de mancha urbana
principal (Figura 2.4).
19
Figura 2.4: Evolución de límite planificado y mancha urbana de Santiago desde 1960 a 1994.
Fuente: Vicuña del Río, 2013.
La medición del crecimiento urbano de Santiago ha sido abordada por numerosos estudios, los
cuales se han centrado principalmente en la medición de la principal área urbana de la Región
Metropolitana, es decir, la mancha urbana del gran Santiago, existiendo ciertas diferencias en las
conclusiones. Estas diferencias se deberían a distintas definiciones conceptuales de lo que se
entiende por mancha urbana de Santiago, siendo la principal diferencia entre estas definiciones
la inclusión o no de las áreas conformadas por parcelas de agrado, y el de cuantificar el área
urbanizable (planificada) como área urbanizada (Galetovic, 2006), aun así, los resultados de
estos estudios son similares.
Uno de los estudios más completos sobre la expansión urbana en la Región Metropolitana
producto de su escala histórica, fue el encargado por el Ministerio de Vivienda y Urbanismo a la
Unidad de Servicios Externos (SEREX) de la Facultad de Arquitectura de la Universidad Católica
de Chile, en el cual se identifica espacialmente el proceso de expansión urbana desde el año de
fundación de la ciudad de Santiago hasta el año 2009 (Figura 2.5). Cuantificándose desde la
década de 1950 hasta el año 2009 un crecimiento de la superficie urbana de más 60 ha. (MINVU,
2010).
20
Figura 2.5: Extensión histórica de la mancha urbana de la ciudad de Santiago.
Fuente: Ministerio de Vivienda y Urbanismo, 2010.
Diferentes causas son las que han influenciado el crecimiento urbano en la Región Metropolitana
a los largo de las últimas décadas, potenciando un crecimiento por extensión sobre una dinámica
de crecimiento por densificación. Estos mecanismos de acción tienen relación con aspectos
demográficos, sociales, económicos y políticos-normativos, los cuales, actuando de forma inter-
relacionados, afectan de forma global al sistema urbano. A continuación, se describen algunos
de las causas destacadas.
El crecimiento demográfico continuo ha sido una de las causas que ha marcado la expansión
urbana de Santiago. Se ha manifestado en todos los periodos intercensales, abarcando desde el
siglo XX hasta comienzos de siglo XXI (Tabla 2.1), absorbiendo en gran medida el crecimiento
poblacional de la región e incluso del país. Así por ejemplo, según los datos entregados por el
Censo Nacional de Población de 1992, la Región Metropolitana de Santiago contaba con una
población de 5.257.937 habitantes, cifra que representó el 39,7% de la población total del país
21
(13.231.803 Hab.), mientras que para el año 2002, la misma región, acogía una población de
6.061.185 habitantes, de los cuales 5.822.316 personas se concentraban en la ciudad de
Santiago.
Tabla 2.1: Crecimiento poblacional de Santiago
Censo (Año) Población de Santiago Crecimiento Inter –
Censal Población Total País
1907 335.724 - 3.231.022
1920 507.296 171.572 3.730.235
1930 696.231 188.935 4.284.455
1940 952.075 255.844 5.023.539
1952 1.353.400 401.325 5.932.995
1960 1.907.378 553.978 7.641.115
1970 2.436.398 529.020 8.884.769
1982 3.650.541 1.214.143 11.275.440
1992 4.679.900 1.029.359 13.348.401
2002 5.822.316 1.142.416 15.116.435
Fuente: Elaboración propia a partir de datos INE.
El explosivo crecimiento poblacional ocurrido a partir de la década de 1940 y hasta
aproximadamente la década de 1970 tiene como explicación fundamental la migración campo -
ciudad, la cual llegó a explicar un 42,1% del crecimiento de Santiago para el periodo intercensal
1940 - 1952 y del 40,9% para el periodo de 1952-1960, (Armijo y Caviedes, 1997).
Al comparar el crecimiento poblacional con el crecimiento de la superficie urbana de Santiago,
es posible observar cierta tendencia concordante, aunque no exacta. En el caso de la década del
1940; 1950; y 1960, se corresponden con una mayor extensión de la superficie urbana, mientras
que en las décadas siguientes de menor crecimiento demográfico se suceden periodos de menor
crecimiento de la superficie urbana (Tabla 2.2).
22
Tabla 2.2: Variación de población y superficie urbana de la ciudad de Santiago
Año Población Crecimiento
anual (%) Superficie
urbana (ha) Crecimiento
anual (%) Densidad
(pob. / ha.)
1940 982.893 3,21 11.017 2,80 89,20
1952 1.436.870 4,19 15.351 4,10 93,60
1960 1.996.142 3,52 21.165 4,17 94,30
1970 2.820.936 2,74 31.841 2,35 88,60
1982 3.902.356 2,00 42.080 1,59 92,70
1992 4.754.901 1,39 49.270 2,67 96,50
2002 5.456.326 - 64.140 85,10
Fuente: Elaboración propia a partir de Galetovic, 2006.
En las décadas de menor aumento de población, las tasas de crecimiento se regulan entre
2,74 % en 1970 y 1,39% en el año 2002, estos valores se encuentran cercanos a las tasas de
crecimiento vegetativo de la ciudad, valores que se explicarían por un cambio de destino de las
migraciones campo-ciudad dado el surgimiento de ciudades intermedias como nuevos focos de
atención (Armijo & Caviedes, 1997).
Aunque el factor de crecimiento demográfico es importante en el aumento de la superficie urbana,
este por sí solo no explicaría el fenómeno vivido por Santiago, lo cual es rescatado por numerosas
investigaciones, en las cuales se expresan una amplia gama de causas que de alguna forma u
otra potenciaron el crecimiento en extensión en determinados periodos de la historia de la ciudad.
Los procesos migratorios internos y la mayor demanda por espacio y movilidad se reconocen
como fenómenos importantes para explicar la expansión urbana sobre la periferia. Así, Gross
(1991) reconoce dos movimientos migratorios de importancia. En la década del 1950, reconoce
un importante proceso de migración, expresado en la emigración de población de nivel
socioeconómico alto, desde el centro de la ciudad hacia sectores más exclusivos y excluyentes
ubicados principalmente en el oriente de Santiago, expandiendo la ciudad a través de barrios
residenciales de casas aisladas y con jardín, como el autor manifiesta: “la población abandonó el
centro de la ciudad en busca de su nuevo Guetto positivo”. Mientras que en la década del 1960,
reconoce otro proceso similar, esta vez involucrando a la población más pobre de la ciudad, grupo
que a través de su exigencia de una solución habitacional, manifestada a través de las tomas de
terrenos ubicados principalmente en sectores rurales y con vocación agrícola que rodeaban la
ciudad, terminaron por extender esta, producto del reconocimiento oficial de las tomas en
programas de gobierno.
23
Hasta la década del 1960, los procesos urbanos descritos se sucedieron sin una planificación
oficial que involucrara a Santiago a nivel intercomunal, década en la que se aprueba y publica el
Plan Regulador Intercomunal de Santiago (PRI), el cual no fue suficiente para contener el
crecimiento fuera de los límites urbanos, vulnerados incluso por el propio Estado a través de sus
programas de vivienda social, en los cuales se ubicó a la población en sectores rurales, como
forma de rebajar los costos de adquirir suelo del radio urbano (Gross, 1991), pese a esto, en el
PRI ya se reconocían las problemáticas de congestión vehicular -producto del gran flujo vehicular
en dirección al centro de la ciudad- proponiéndose la construcción de una vialidad concéntrica
representada por el anillo de circunvalación Américo Vespucio y la necesidad de protección de
las zonas agrícolas de la periferia de Santiago. Las pautas y límites a la urbanización establecidos
en el PRI de 1960 no llegarían a consolidarse en las décadas siguientes.
A finales de la década de 1970, en medio del gobierno militar que se hizo con poder a través del
golpe de Estado de 1973 , se redactó y aprobó la Política Nacional de Desarrollo Urbano de 1979,
en esta se definió al suelo urbano como un bien no escaso, y se dejó el destino del crecimiento
urbano en los mecanismos de mercado, la motivación fue el de hacer frente al aumento en el
valor del suelo en la ciudad, el cual ,según la política, se explicaba en la imposición de límites
artificiales a la expansión de Santiago. Finalmente, a mediados de la década de 1980, se verificó
que, contrario a lo que se esperaba con la implementación de la liberalización de los límites
urbanos, el precio del suelo no bajó, y al contrario, aumentó, generando un fenómeno de
especulación sobre los paños urbanos (Sabatini, 2000). De todas formas, la implantación de esta
política de suelo aumentó la influencia del mercado y con ello de particulares en el proceso de
extensión de la ciudad. Pese a que existen estudios que identifican a esta liberalización de los
límites urbanos como la causante de la expansión de patrones urbanos sobre la periferia, Poduje
(2006) estima que se basa en una medición desacertada, afirmando que en el periodo en que
fue vigente la norma descrita, la expansión urbana lejos de aumentar, disminuyó en superficie.
En la década de 1980, entra también en vigencia un mecanismo de clara importancia en la
expansión de la ciudad sobre territorio agrícola y rural, el Decreto Ley N° 3.516 del Ministerio de
Agricultura. Este mecanismo legal referente a la subdivisión de predios rústicos, permitió realizar
la subdivisión de predios rurales ubicados fuera de los límites urbanos de los planes reguladores
intercomunales o metropolitanos, mientras el resultado de la superficie no fuera menor a 0,5 ha.
La amplia utilización del Decreto Ley N° 3.516, terminó por generar una ocupación urbana
“infiltrada" en el periurbano, fuera de los alcances de los planos reguladores, bajo la forma de
parcelas de agrado, las cuales fueron adquiridas por habitantes de la ciudad como primera o
24
segunda vivienda. Este fenómeno se hizo sentir con mayor fuerza luego de la entrada en vigencia
del PRMS de 1994, el cual fijó el límite urbano de Santiago, impacto que duró en el caso de la
provincia de Chacabuco hasta la entrada en vigencia del PRMS de 1997, en el cual se incluyó a
esta provincia en la planificación urbana vigente (Naranjo, 2009).
En la actualidad, y desde aproximadamente finales de la década de 1980, los patrones espaciales
de la expansión horizontal de la ciudad de Santiago han sido moldeados por las características
estructurales de la misma, las cuales forman parte de una morfología urbana cambiante y que en
términos generales, presentan coincidencia con las estructuras morfológicas identificadas en la
ciudad Latinoamericana (Janoschka, 2002; Borsdorf, 2003). Respecto a los elementos definitorios
de la estructura morfológica de la ciudad latinoamericana contemporánea, Borsdorf (2003),
reconoce la expansión urbana en torno a vías de comunicación ; el desarrollo habitacional en
torno a polos comerciales (malls); la fragmentación intraurbana a través de barrios cerrados, y el
crecimiento celular de la ciudad fuera del perímetro urbano.
Respecto al rol de centros comerciales de gran tamaño, también llamados por el anglicismo de
Malls, Cáceres y Farías (1999) los reconocen como hitos comerciales que afectaron la estructura
urbana de Santiago, sobre todo en la década del 1990, fecha en la cual ocurre un gran desarrollo
de proyectos de este tipo, potenciados por la existencia de una sub-urbanización a gran escala,
la masificación del automóvil, y el aumento en las expectativa de consumo de la población,
además mencionan la capacidad de generar centros de desarrollo urbanos alternativos, siendo
la policentralidad una de sus consecuencias, producto de la generación de un polo de desarrollo
en torno a los centros comerciales de gran tamaño, como lo ocurrido al sur de la capital, en torno
a la circunvalación Américo Vespucio, en las comunas de Maipú (Mall Plaza Oeste) y La Florida
(Mall Plaza Vespucio).
La descentralización de la estructura urbana en Santiago provocada por la localización de este
nuevo concepto de comercio, se produce aprovechando el potencial otorgado por la red vial
estructurante, pudiéndose identificar subcentros de escala regional y subcentros de tipo vecinal,
los primeros surgidos al amparo de la localización en la intersección de vías radiales de acceso
a la ciudad con la circunvalación Américo Vespucio, y los segundos, por la localización en el eje
principal de la ciudad en orientación Oriente-poniente (Sabatini,2000).
25
Figura 2.6: Esquema temporal de hitos de la expansión y planificación urbana en la región metropolitana
Fuente: Elaboración propia a partir de consulta bibliográfica.
Respecto de la variación de la superficie ocupada por la principal mancha urbana o Gran Santiago
en la década de 1990, Ducci (2002) ha estimado que en el periodo que parte en el año 1991 y
finaliza el año 2000, esta creció en 12.049,6 ha., partiendo con una superficie de 49.361,8 ha. en
el comienzo del periodo, a una superficie de 61.935,8 ha. al final del mismo. La autora además
afirma, que éste crecimiento ha ocurrido bajo el amparo de cierta contradicción en la política
urbana, la cual por un lado permite una extensión de la ciudad indefinidamente sobre la periferia,
dejando que sea el mercado quien decida y por otro, genera iniciativas como el intento de
regeneración de algunas áreas centrales o implementaciones parciales del Plan Regulador
Metropolitano.
El Plan Regulador Metropolitano de Santiago (PRMS), en su calidad de instrumento oficial de
planificación urbana de Santiago, lejos de contener el proceso de expansión descrito
anteriormente, parece más bien potenciarlo. El límite para la expansión urbana ha sido planteado
y fijado cuatro veces, tendiendo siempre a permitir la urbanización en un área cada vez mayor,
abarcando en cada ocasión más hacia la periferia de la región (Tabla 2.7). Por otro lado, se han
incluido mecanismos que tenderían a la fragmentación del espacio periurbano a través del
desarrollo urbano en forma de células aisladas y fuera del límite urbano fijado. Así, en el PRMS
de 1997 se incluye la figura de las Zonas Urbanas de Desarrollo Condicionado (ZUDC), estas
ayudarán a conformar zonas habitacionales en los territorios de Lampa, Til-Til y Colina,
26
consolidando patrones de expansión a través de la fragmentación del espacio rural. Luego, en el
PRMS del año 2006, se incluye la figura de los Proyectos de Desarrollo Urbano Condicionados
(PRDUC),los cuales, a diferencia de las ZUDC, no poseen una delimitación territorial fija donde
poder localizarse, siendo la única condicionante de ubicación el encontrarse dentro de los límites
del Área de Interés Silvoagropecuario Mixto (ISAM). Ambos mecanismos incentivarían el
desarrollo inmobiliario de entidades urbanas apartadas del núcleo urbano central, generando un
proceso de extensión por fragmentación.
Figura 2.7: Áreas de expansión urbana oficiales según año de PRMS.
Fuente: Elaboración propia a partir de planos PRMS.
Producto de la expansión urbana en la Región de Metropolitana, superficies de suelos de alta
capacidad agrícola, así como cubiertos por bosques naturales y humedales, además de lechos
de ríos, han sido urbanizados, alterando flujos naturales de energía y repercutiendo en la perdida
de servicios ambientales, generación de islas de calor, contaminación de todo tipo, así como
degradación de recursos naturales, aumentando el riego ante desastres naturales (Romero,
2004). Además del impacto directo e irrecuperable en los servicios ecosistémicos que prestan los
suelos producto de la transición entre coberturas con vegetación y agrícolas a coberturas
27
impermeables de concreto, existen otros efectos de origen social. Tal como plantea Naranjo
(2009), la suplantación de zonas agrícolas tendría entre sus efectos la aparición de mano de
obra ociosa, y mayor dependencia de otros mercados para el abastecimiento de alimentos,
además del impacto que provoca la llegada de las formas de vida de la ciudad así como sus
externalidades negativas (congestión vehicular, el aumento de la producción de residuos, el
aumento de polvo en suspensión, y la inseguridad) a las localidades rurales.
La preocupación por la expansión urbana ocurrida en la región Metropolitana, y los cambios de
usos y coberturas de suelos resultantes, ha llevado a la realización de estudios tanto por parte de
centros de investigación como por organismos de estado, para cifrar las pérdidas de suelos.
Un estudio encargado por la ODEPA, concluyó que el crecimiento en extensión del área urbana
de Santiago ha provocado una importante pérdida de suelos de alta capacidad agrícola,
estimándose que de las 14.107 ha. de superficie incorporadas al área urbana entre 1970 y 1991,
un 90%, es decir, 12.768 ha. corresponden a estos tipos de suelos de gran valor productivo
(CIREN, 2012).
La sustitución de suelos agrícolas así como áreas con vegetación nativa por parte de la
urbanización, ha sido estudiado también por Romero et al. (2007), en donde estimaron que, en
el periodo de 1975 a 2004, la superficie cultivada pasó de 74.600 ha, a menos de la mitad,
ocurriendo la mayor pérdida entre los años 1998 y 2004, cuando la superficie agrícola disminuyó
en 34.400 ha. En el caso de la vegetación natural de tipo densa, en el mismo periodo de estudio,
la pérdida fue de más de 10.000 ha, pasando de 20.000 ha en 1975 a solo 8.049 ha para el año
2004, afirmando además que está disminución de áreas con vegetación natural se dio
principalmente a costa de la ocupación para áreas urbanas de baja densidad.
28
2.2 Marco metodológico
El marco metodológico está compuesto por cuatro etapas, que en conjunto permitieron conocer
los patrones espaciales de expansión urbana de la Región Metropolitana en las últimas décadas
y modelar la expansión futura. La ejecución de cada una de estas etapas se sustenta sobre la
revisión bibliográfica, trabajo con documentos oficiales de planificación urbana de la región, la
utilización de técnicas de modelación espacial y herramientas conocidas genéricamente como
Sistemas de Información Geográfica.
En la primera etapa, se reconocieron los usos y coberturas de suelo para los años 1990; 2000 y
2014, generando así información representativa de dos periodos. En una segunda etapa, se
procedió a la selección de las variables y supuestos para modelar el sistema a partir del estudio
de los cambios en dos periodos distintos y del estudio derivado de los antecedentes bibliográficos.
En la tercera etapa, se verificó de forma cuantitativa la selección de las variables de la segunda
etapa y se generaron los supuestos del modelo, siendo en esta etapa cuando se estructura el
modelo y se calibra el mismo, procediendo finalmente, en la cuarta etapa, a realizar la simulación
de la dinámica de cambios del sistema, proyectándose un escenario urbano hasta el año 2030.
29
Figura 2.8: Diagrama metodológico.
Fuente: Elaboración propia
30
2.2.1 Primera Etapa: Reconocimiento de usos y coberturas del suelo
En esta primera etapa, se procedió a reconocer los usos y coberturas del suelo en tres años
distintos, los que en conjunto conforman dos periodos de estudio; año 1990 al año 2000; y año
2000 al año 2014.
Para el levantamiento cartográfico de los usos y coberturas del suelo se utilizaron imágenes del
satélite Landsat (Tabla 2.3), a las cuales se aplicaron técnicas de fotointerpretación.
Tabla 2.3: Detalle de imágenes Landsat.
Satélite – Sensor Fecha de toma de
imagen
Resolución Espacial
Landsat 4 – TM 15/01/1990 30 m
Landsat 7 – ETM 11/01/2000 30 m
Landsat 8 – OLI 15/04/2014 30 m
Fuente: Elaboración propia a partir de metadatos de imágenes.
La Fotointerpretación de la imagen se basó en la identificación de áreas homogéneas, las cuales
se clasificaron bajo alguna de las categorías de uso o cobertura de suelo basada en una
modificación de la clasificación CORINE de la Agencia Europea de Medioambiente (EEA) (Tabla
2.4), la cual se adaptó a los requerimientos del estudio, tanto por las características del área de
análisis como por los objetivos impuestos.
A partir de las características de resolución espacial de la imagen (pixel de 30 m) y las
necesidades del estudio, se fijó una escala cartográfica de 1:80.000 para el levantamiento de los
diversos usos y coberturas del suelo. La definición se realizó a partir de la fórmula establecida
por Tobler (1987), quien estimó que la escala máxima de trabajo para imágenes satelitales seguía
la siguiente fórmula:
Escala = Resolución pixel imagen (m) * 2 * 1000
La Fotointerpretación de las imágenes se seleccionó por sobre métodos de clasificación
automática (clasificación supervisada o no supervisada de pixeles), ya que permite un total control
en la delimitación de las entidades con distintas categorías de uso y coberturas del suelo
31
presentes en las imágenes, obteniéndose un mejor nivel de coincidencia entre las áreas, las
cuales se modifican manualmente a partir un proceso de actualización cartográfica, partiendo
desde la imagen más antigua y continuando hasta la más actual.
Tabla 2.4: Categorías para clasificación de mapas de uso y cobertura de suelos
Categoría Clase de Uso/Cobertura Descripción
Superficies artificiales
Tejido Urbano continuo
La mayor parte del terreno está cubiertas por estructuras impermeabilizantes de algún tipo. Edificios, carreteras y superficies artificiales cubren más del 80% ,el resto es ocupado por zonas con vegetación y suelo desnudo
Tejido Urbano discontinuo
Las edificaciones, carreteras y superficies artificiales ocupan menos de un 80% del terreno, siendo clara una alta presencia de discontinuidades de la ocupación producto de presencia de vegetación y suelo desnudo
Parcelas de Agrado Conjunto de loteos que no superan una superficie de 2 hectáreas.
Agrícola Todo espacio de uso agrícola definido a través de paños de cultivo.
Superficies naturales
Matorral Conformado principalmente por matorrales y menor medida por vegetación no urbana.
Suelo Espacios abiertos con escasa a nula vegetación.
Fuente: Elaboración propia a partir de CORINE.
La definición de los criterios que posibilitaron la diferenciación de los distintos elementos en las
imágenes satelitales son los siguientes (Chuvieco, 2015).
Brillo: el brillo hace referencia a la intensidad de energía recibida por el sensor para cada
banda del espectro, así, los pixeles de tonos oscuros indican áreas sobre las que el
sensor detectó una débil radiancia, mientras las zonas más brillosas o claras son
producto de una mayor intensidad, por ejemplo, aquellos pixeles que identifican zonas
urbanas de estructura metálica como el usos industrial presentan mayor brillo que los
pixeles que representan cuerpos de agua, ya que los primeros tienen mayor capacidad
de reflejar el flujo incidente, mientras que el agua tiende a la energía recibida en todas
las bandas de la escena.
32
Color: el color es un elemento básico en la interpretación visual de imágenes, y se estima
que contribuye más a la identificación de los diferentes elementos en la imagen. Además,
las imágenes de tipo multiespectral (que toman información en distintos rangos
energéticos, llamados bandas) permiten realizar composiciones de bandas
especializadas en la identificación de determinados elementos del paisaje. Por ejemplo,
la composición falso color en la cual se utilizan las bandas del espectro del Infrarrojo
cercano; del Rojo; y del Verde en los canales Rojo; Verde y Azul de algún sistema de
visualización SIG de imágenes, permite un realce de la vegetación de todo tipo por sobre
el resto de los elementos, la cual se verá en distintas tonalidades de rojo, esto se produce
porque la vegetación refleja mayor una alta cantidad de la energía perteneciente al rango
del infrarrojo, el cual en esta mezcla se asociaría al canal visual del rojo.
Textura: la textura hace referencia a la heterogeneidad espacial de una determinada
cubierta, es decir, el contraste que producen los distintos elementos de un área.
Visualmente se manifiesta como la rugosidad o suavidad de los tonos. Cuanto más
similares sean, la tonalidad será más homogénea y la textura más lisa.
Forma y tamaño: la identificación de las formas del paisaje a través de su contorno nos
ayuda a asociarlo a algún patrón o forma que nos sea familiares, facilitando la
segmentación de la imagen. Por ejemplo, los paños de cultivos presentan una forma
rectangular característica y nos son fáciles de asociar a su uso respectivo.
Las distintas categorías representan características de brillo, color, textura y formas distintas. En
el caso de las categorías urbana discontinua y urbana continua, la principal diferencia entre ellas
radica en el porcentaje de concreto versus vegetación detectados en los pixeles de la imagen. El
tejido urbano discontinuo hace referencia a una urbanización con ocupación menos intensiva del
suelo, dejando espacio a la vegetación urbana e incluso a suelo desnudo entre los espacios
impermeabilizados tan comunes de la urbanización.
Para una mejor diferenciación de las áreas con concreto, suelo desnudo y algún tipo de
vegetación, la interpretación de las clases se basó en la utilización de una composición de las
bandas espectrales de las imagen conocida como falso color RGB:432, en la cual se utiliza la
banda del infrarrojo cercano (NIR) o banda cuatro de Landsat en el canal rojo (R), la banda Roja
(3) se asigna al canal del color verde (G) y la banda verde (2) al canal del color azul (B),
obteniendose una imagen en la cual se realza visualmente la vegetación a través de tonalidades
de color rojo, producto de los altos valores de radiancia en la banda NIR que esta presenta. Así,
33
la vegetación y áreas con algún tipo de cultivo son fácilmente reconocibles a través del color rojo
que presentan, aislándose de áreas sin vegetación como el concreto o suelo. En el cuadro a
continuación (Tabla 2.5), es posible observar las diferencias identificables entre las distintas
clases de usos y coberturas del suelo para la imagen Landsat y una comparación con imágenes
de alta resolución extraídas desde la aplicación Google Earth.
Tabla 2.5: Cuadro ejemplo de fotointerpretación de usos y coberturas del suelo
Clase de Uso de Suelo/Descripción
Clase vista en imagen Landsat Clase vista en imagen Google Earth
Tejido Urbano Continuo:
Predominio de tonalidades grises producto de estructuras de concreto, los tonos rojos (vegetación) representan un bajo porcentaje. Zonas con textura rugosa.
Tejido Urbano Discontinuo:
Predominio de tonalidades rojizas de (vegetación), mayor homogeneidad cromática así como una textura más menor rugosidad textural.
Parcelas de Agrado:
Se reconoce la presencia de un patrón textural fragmentado, con agrupamiento de pixeles de tonos
rojos.
34
Clase de Uso de Suelo/Descripción
Clase vista en imagen Landsat Clase vista en imagen Google Earth
Agrícola: Varias
tonalidades de rojos, presentes en áreas predominantemente rectangulares de textura homogénea en agrupamiento fuera de los límites urbanos.
Matorral (Superficies de vegetación natural):
Predominio de color rojo con baja variación tonal y con variación en su densidad producto de intercalaciones de tonos café provenientes de suelo desnudo, textura lisa. Se localizan principalmente fuera de los límites urbanos y agrícolas.
Suelo desnudo/libre:
Predominio casi completo de tonalidades de café, con variación textural dependiendo del relieve y las características del suelo.
Fuente: Elaboración propia.
35
2.2.2 Segunda Etapa: Estudio de la dinámica de cambios
Una vez realizadas las cartografías de los distintos usos y coberturas del suelo para los periodos
en estudio, se procedió a analizar los resultados a través de la superposición cartográfica, la cual
se realizó en software Arcgis 10.2. Además, se realizó la extracción estadística de los cambios
detectados a través de un cruce cartográfico para ambos periodos analizados. Ambos
procedimientos permitieron identificar patrones de ocupación y dinámicas de cambios entre cada
escena o en cada periodo, logrando así un mayor entendimiento de la dinámica de los cambios
entre los usos y coberturas de suelos en las últimas dos décadas, lo que a su vez ayudó en el
proceso posterior de modelación de la expansión urbana.
De forma complementaria, se utilizaron las coberturas cartográficas del PRMS de Santiago,
específicamente las que definían el área de extensión urbana para los año de 1994; 1997; 2006
y 2013, lo que permitió el análisis de compatibilidad entre lo definido en la normativa y lo ocurrido.
2.2.3 Tercera etapa: Modelación de la dinámica de cambios
En esta etapa se incluyen la estructuración y la calibración del modelo de cambios.
La estructuración del modelo incluyó la fijación de los supuestos sobre los cuales se basará el
modelo y la selección de las variables que influyen en la formación de los patrones espaciales
de expansión urbana.
Una variable se define como un factor físico, territorial o ambiental que presenta cierta relación
con las transiciones entre tipología de uso o clase del suelo, ya sea potenciando como impidiendo
el cambio desde una tipología de suelo a otra. La selección de estas variables se basó en la
revisión bibliográfica de estudios sobre modelación de la dinámica urbana, esta selección de
variables fue luego puesta a prueba en el proceso de calibración del modelo. Para cada una de
estas variables se preparó un mapa representativo en formato de imagen raster, con una
resolución de 100 metros de pixel.
El proceso de calibración incluyó la utilización de herramientas estadísticas que sirvieron para
obtener valores cuantitativos que permiten - a partir de condiciones y escenarios conocidos -
calibrar el modelo para que este sea capaz de proyectar el proceso de cambio.
36
La calibración del modelo se ejecuta sobre el software de modelamiento espacial Dinamica EGO,
utilizando como información base los mapas de usos y coberturas del suelo del año 2000 y el
año 2014, y siguiendo un proceso que puede describirse en tres pasos, los cuales además
pueden repetirse en el caso de requerir un ajuste en uno de ellos. Los pasos seguidos fueron los
siguientes.
Cuantificación del cambio: implicó la extracción de las estadísticas de ambos mapas
de usos y coberturas del suelo que sirvieron de entrada (año 2000 y año 2014), con
estas estadísticas se construyeron las matrices de transición históricas, las cuales indican
el total de cambio ocurrido desde una tipología de suelo a otra, mostrando cada una de
las transiciones identificadas en el periodo específico. Este cambio normalmente se
expresa en la forma de una matriz con tasas globales de transición.
Para el ingreso de los mapas se simplificaron las tipologías de uso/cobertura, con la
finalidad de poder obtener en el resultado final del modelo un mayor éxito en la proyección
de los cambios. Las categorías finales ingresadas fueron cuatro: suelo libre, agrícola,
matorral y urbano. Este último, se obtuvo de la unión de las tres categorías urbanas
(tejido continuo, tejido discontinuo, y parcelas de agrado).
Evaluación del potencial de cambio: luego de identificar las transiciones de tipologías
entre cada mapa y sus respectivas tasas de cambio, se determinó la influencia que tiene
cada variable seleccionada en cada una de las transiciones calculando los coeficientes
de cada una, esto además de ayudar a confirmar o descartar el uso de cada variable,
permite la construcción de un mapa de probabilidades de transición, mostrando este, las
áreas más favorables para las futuras transiciones. La influencia de cada variable se
calcula de forma independientemente y a partir de la evidencia empírica, por lo tanto, el
contar con datos históricos es primordial para su aplicación. Se obtiene así, un coeficiente
o peso, el cual representa la influencia del valor de la variable en la transición específica,
estos pesos son luego utilizados para obtener la probabilidad condicional de cambio o de
ocurrencia de una transición. Cuando estos resultados por variables son llevados a un
mapa que consolida los resultados se está frente a un mapa de probabilidades de
transición.
Dinámica EGO calcula la influencia de cada variable seleccionada a partir del método
probabilístico del Peso de la Evidencia (Bonham, 1989). El método del Peso de la
Evidencia consiste en un método probabilístico de tipo Bayesiano, en el cual se busca
37
conocer la probabilidad de ocurrencia de un fenómeno (cambio de uso/cobertura)
conociendo además el comportamiento de ese fenómeno frente a la ausencia o presencia
de determinadas variables. Estas variables, así como el fenómeno, tienen una expresión
espacial.
Figura 2.9: Diagrama de aplicación del peso de la evidencia para producir mapa con probabilidades de
transición.
Fuente: Soares-Filho et al., 2009.
La base del método es el cálculo de la probabilidad a priori y la probabilidad posterior o
condicionada. Así, la probabilidad de ocurrencia de un evento (D) - una transición de uso
de suelo por ejemplo- dada la presencia o ausencia de una variable (B) – un rango de
pendiente topográfica por ejemplo - puede ser expresada como la probabilidad
condicional o posterior, la cual puede expresarse de la siguiente forma.
Donde;
P {D|B} = probabilidad condicional de D dada la presencia de B
P {𝑫 ∩ 𝑩} = probabilidad de intersección de D y B
P {B} = probabilidad de B
38
Es decir, en el sentido espacial; La probabilidad condicional depende del área en la cual
se halla tanto D como B (intersección), y de la probabilidad de B, la cual se obtiene de
dividir el área donde se halla B en el área total de estudio.
En el caso inverso, se puede obtener la probabilidad condicional de B dado D;
Combinando ambas, la probabilidad condicional de D dado la presencia de B satisface la
siguiente relación:
Esta expresión es posible de expresar en términos de odds3, teniendo una expresión
para la condición positiva, es decir; la probabilidad de ocurrencia de D dado la presencia
de B (1) y una expresión para la condición negativa, es decir; la probabilidad de ocurrencia
de D en ausencia de B (2).
(1)
(2)
Los términos de la multiplicación son los que se conocen como los pesos de la evidencia,
los cuales se obtienen del logaritmo natural de ambos términos.
3 Se ocupa el término anglo Odds, para referirse a la razón matemática que se da entre la posibilidad de
ocurrencia de un evento y la posibilidad de ocurrencia de un evento distinto.
39
El peso positivo representaría la influencia que tiene la presencia de determinada
variable B en la ocurrencia de D. Mientras que el peso negativo representaría la influencia
que presenta la ausencia de B en la ocurrencia de D.
El cálculo se extiende para manejar múltiples mapas predictivos, cada valor de peso de
la evidencia representa la asociación entre valores de las respectivas variables
independientes (B; C; D; E...; N) con la ocurrencia de una transición (D), como lo indica
la siguiente expresión.
El método supone que el comportamiento futuro de los fenómenos estudiados será igual
al comportamiento mostrado en la etapa de cálculo de los pesos, y además, la influencia
o peso de las variables de cambio permanecerán constantes.
Análisis de correlación entre variables: luego de calcular los pesos para cada variable,
se procedió a realizar un análisis de correlación entre ellas, ya que la utilización del
método de los pesos de la evidencia requiere de variables espacialmente independientes
para asegurar que no existirá una sobre estimación de ciertas áreas en desmedro de
otras, lo que ocurriría si se estima la influencia de dos variables mutuamente conectadas.
La medición de la asociación entre las distintas variables representadas en los mapas es
ejecutada a través del uso de tablas de contingencia, en las que las mediciones se
realizan en unidades de áreas. En términos simples, se ordenan los valores de un mapa
(A) en las columnas y los valores del segundo mapa en las filas (B) para luego, calcular
para cada una de las celdas el área coincidente entre ambas variables.
A partir de la cuantificación del área coincidente entre mapas de variables, el software
Dinamica EGO permite el cálculo de una serie de medidas de asociación estadística,
entre los cuales, se utilizaron el coeficiente de Cramer (V) y coeficiente de contingencia
(C) - ambos derivaciones de la prueba de Chi-Cuadrado (X²) - y la medida de Entropía
de la información Joint Information Uncertainty.
40
Los coeficientes de Cramer y de Contingencia, son medidas derivadas de Chi-cuadrado
(X²), y tienen como especial propiedad el que, contrario a X², su magnitud es
independiente de las unidades de medidas y la magnitud alcanzadas por las variables.
Los límites de ambos coeficientes es 0 cuando dos variables no presentan correlación y
un máximo de 1 con ambas variables presentando una correlación total.
La fórmula de cálculo de Chi-cuadrado a partir de una la tabla de intersección obtenida a
partir de un par de mapas de información (mapa A y mapa B), sería la siguiente:
Donde;
T = matriz de la tabla de áreas entre mapa A y mapa B
Tij =elementos de la tabla, donde; i=1,2.. n clases del mapa B (filas de la tabla) y
j =1,2.. m clases del mapa A (columnas de la tabla)
Ti =suma total de las filas
Tj = suma total de las columnas
T..= gran total entre la intersección de las filas y columnas
A partir de la formula anterior, el cálculo de los coeficientes derivados serían los que se
muestran a continuación para Cramer (V) y para Contingencia (C).
Donde;
M = el mínimo valor de (n - 1, m - 1)
41
En el caso de las mediciones basadas en el concepto de Entropía, estas buscan
cuantificar el nivel de impredictibilidad de las variables.
El concepto de Entropía, desde la Teoría de la Información4, se refiere a una medida de
la cantidad de información contenida en un evento, lo cual presenta una relación directa
con la posibilidad de predecir el comportamiento del sistema desde donde provino
(Shannon, 1948; Bergstrom, 2008).
Una variable cuyo comportamiento es poco predecible (varios estados posibles) presenta
mayor cantidad de información (Entropía), por lo tanto, presenta alto nivel de
impredictibilidad. Por el contrario, con variables más predecibles (pocos estados posibles)
se está ante menor cantidad de información, y por lo tanto, menor nivel de
impredictibilidad.
En términos matemáticos, el cálculo de la entropía de una variable aleatoria X, se obtiene
a partir de la sumatoria negativa de las probabilidades de cada estado posible (P(x))
multiplicado por su respectivo logaritmo, comúnmente se utiliza logaritmo base 2, para
así medir la entropía o información bajo el termino informático del bit5.
En el caso de la medida conocida como Joint Information Uncertainty (por falta de
traducción al español se traducirá en adelante como Incerteza de la información
conjunta), es usada como medida de asociación entre variables y se define como:
Donde;
U(A, B) = Incerteza de la Información Conjunta
H(A) = entropía de variable A
4 Concepto desarrollado a partir de los avances de Shannon (1948) en cuanto a la medición de la cantidad
de información transmitida en mensajes. 5 Un bit es la unidad mínima de información utilizada en informática, y puede representar solo dos
posibilidades o valores.
42
H(B) = entropía de variable B
Cuando dos variables (mapas) son completamente independientes se tiene que H(A, B)
= H(A) + H(B) y U(A,B) es 0, puesto que si la entropía conjunta H(A,B) es menor, indicaría
que la unión de ambas variables da como resultado un menor nivel de impredictibilidad
(comportamiento más predecible),y cuando se está frente a dos variables completamente
dependientes H(A)= H(B)= 1.
El criterio para definir si una variable es independiente fue mediante un umbral arbitrario
puesto que no existe la suficiente cantidad de resultados de estudios de casos de la
aplicación de estos métodos. En la aplicación de estos métodos al ámbito de las
geociencias, Bonham-Carter (1994) reportó que valores menores a 0,5 para Coeficiente
de Cramer y para la Incerteza de la Información Conjunta sugieren menores niveles de
asociación (De Almeida, 2005). Además de este valor umbral, también se comparó el
comportamiento en conjunto de los tres indicadores, estimándose que variables con altos
valores en las tres mediciones mencionadas, se descartan por un alto nivel de
dependencia entre ellas.
2.2.4 Cuarta etapa: Proyección de patrones de cambio y revisión de
resultados
Proyección de patrones de cambio: para lograr la proyección de los patrones
espaciales de cambio es necesario establecer la localización de los cambios futuros y la
forma que tendrán estos patrones. Para esto, Dinamica Ego cuenta con una serie de
parámetros y métodos que fueron manejados de forma tal, que se lograra una proyección
realista de la mancha urbana.
Para la proyección de los cambios, Dinámica EGO utiliza un proceso estocástico con dos
transiciones basadas en Autómatas Celulares, para lo cual clasifica los pixeles de
acuerdo a su potencial de cambio. A partir del dato del total de celdas que debieran
cambiar, selecciona éstas en base a la probabilidad espacial de cambio a partir de los
mapas de probabilidades de transición, mientras que el nivel de estocacidad en la
elección de las celdas depende del parámetro Prune Factor, el cual, al tomar un valor de
“1” controla que los cambios ocurran prioritariamente en las celdas con mayor
43
probabilidad de cambio, así, el nivel de estocacidad aumenta al aumentar también el valor
que se le otorga al Prune Factor.
Los autómatas utilizados son complementarios entre sí. El AC Expander; encargado de
la expansión de parches ya formados; y el AC Patcher; encargado de generar nuevos
parches con dinámicas de cambio. El tamaño de los parches es regulado por el parámetro
Patch Isometry Index, el cual es un valor en el rango de 0 a 2, mientras mayor es el
valor, más compactos y de mayor tamaño resultan los parches, mientras que valores
menores provocan un patrón espacial más fragmentado. En directa relación con el
tamaño de los parches, el parámetro Patch Size Variance regula que tan homogéneo
será el tamaño de los nuevos parches generados, es decir, el nivel de variación de
tamaños entre ellos, una varianza mayor involucra mayor diferencia en el tamaño de los
parches respecto al tamaño promedio de ellos.
Es posible además, limitar o incentivar el cambio en ciertas áreas, lo cual ayuda al
momento de integrar políticas espaciales de uso de suelo en el modelo, estas áreas
pueden ser integradas en cualquier año dentro de la iteración que realiza el software. En
el caso de la presente modelación, se aplicó como limitante las áreas con prohibición de
urbanizar definidas en el PRMS.
Además de los parámetros que controlan el tamaño y forma de los parches o áreas
urbanas, la interfaz del software Dinamica EGO también permite tener control sobre la
relación entre el número de celdas que participarán en los cambios determinados por las
funciones de crecimiento mencionadas, repartiendo en una proporción especifica las
celdas que cambiaran a uso urbano, entre la función expander y la función patcher, a
partir del parámetro modulation rates.
44
Figura 2.10: Muestra de interfaz gráfica de usuario en software Dinamica EGO
Fuente: Elaboración propia a partir de interfaz de usuario software Dinamica EGO.
Validación del modelo: Luego de la estructuración del modelo y antes de ejecutar la
proyección de los patrones espaciales al año 2030, se realizó una validación cuantitativa
del modelo. Para la realización de esta validación, se utilizó el mapa fotointerpretado de
usos y coberturas de suelo del año 2014, el cual se comparó con el mapa que resulta de
la proyección de los patrones espaciales determinados por el modelo para el mismo año
2014.
La validación se realizó utilizando el método llamado Reciprocal Similarity Comparison.
Este método ejecuta un análisis de la concordancia de patrones espaciales a través de
la aplicación del concepto de localización difusa. La localización difusa de una celda o
unidad mínima de análisis depende tanto de la celda en sí como en menor medida de su
vecindad (características de celdas vecinas). La extensión a la cual las celdas vecinas
influencian la representación espacial difusa es expresada a través de una función con
decaimiento por distancia. Este método basa su funcionamiento en la idea que los
modelos espaciales requieren de una comparación en un contexto de vecindad , ya que,
aunque dos mapas no presenten un nivel alto de coincidencia cuando se comparan sus
valores celda por celda, puede existir entre ellos patrones espaciales similares, y por lo
tanto, concordancia espacial, cuando se comparan a partir de una vecindad de celda, es
decir, a partir de un conjunto de celdas, las cuales actúan como unidad por sí mismas
(Soares,2013).
45
El método realiza una comparación entre el mapa simulado (2014), con el mapa del año
base (2000) y extrae de esta comparación los datos de las celdas que no son
coincidentes, los cuales corresponderían a los valores simulados, en este caso, datos de
la expansión urbana proyectada. Luego, realiza el mismo ejercicio, pero esta vez con el
mapa de referencia del mismo año del simulado (2014).Se generan así dos mapas de
diferencias con sus celdas y sus respectivas tipologías. Luego, estos mapas se comparan
a partir de un cuadro de vecindad, el cual en este caso fue de 11 celdas por lado. En el
ejemplo de la figura (Figura 2.11) se muestra una vecindad de tres celdas, esta vecindad
se utiliza para comparar las celdas de ambos mapas de diferencias, y derivar dos mapas
con valores de localización difusa otorgados a partir de una función exponencial a la
distancia. Así, si celdas con la misma tipología coinciden exactamente en su localización
(coincidencia perfecta), se otorga a la celda el valor 1; si existe una coincidencia en la
diagonal, se le otorga un valor de 0.3; y si existe una coincidencia entre valores de celda
contiguas, se otorga el valor de 0.5. Este cálculo se realiza en ambas direcciones; desde
el mapa de diferencia D1 y D2; y entre el mapa de diferencia D2 y D1, el mapa final con
la validación del modelo es el que obtiene el menor valor total obtenido del promedio
simple de los valores recíprocos.
46
Figura 2.11: Esquema de método de validación
Fuente: Soares-Filho et al., 2009.
47
2.3 Resultados
2.3.1 Patrones de expansión urbana y PMRS de Santiago
Una primera aproximación al crecimiento urbano de la región, así como su comparación con los
respectivos límites urbanos establecidos por el PRMS en los años 1994; 1997; 2006; y 2013
(Figura 2.12), nos permite reconocer ciertos patrones y dinámicas particulares.
Más allá de lo claro que es el crecimiento de la principal mancha urbana, la cual muestra una
expansión clara en los dos periodos estudiados, se identifican características particulares en los
patrones de expansión para cada uno de estos periodos.
En el periodo de 10 años que parte en el año 1990 y finaliza en el año 2000, la expansión urbana
se da de forma continua, así, la mancha urbana que se aprecia en el año 2000, se aprecia
continuando con el patrón espacial de la mancha urbana del año 1990, formando un área
compacta que se desarrolla en su mayor parte dentro de los límites de extensión urbana fijados
en el PRMS de 1994, y hacia el nor-oeste ocupando en menor proporción las áreas de extensión
urbanas fijadas en el PRMS de 1997 para la provincia de Chacabuco. Una consecuencia clara de
la forma de extensión de la ciudad en este periodo, es la conurbación entre el área ocupada en
la comuna de la Florida y el área ocupada en la comuna de Puente Alto, esta última se muestra
separada de la mancha urbana principal en la imagen de 1990 y para el 2000 se aprecia
completamente integrada a esta.
48
Figura 2.12: Expansión del Área Urbana y límites urbanos fijados en PRMS.
Fuente: Elaboración propia a partir de clasificación de escenas Landsat y PRMS.
Al revisar la expansión urbana que se aprecia entre los años 2000 y 2014 , se puede reconocer
un patrón espacial de crecimiento urbano distinto al del periodo anterior, destacándose un área
urbana con alta dispersión, fenómeno que es altamente destacado en el sector norte, donde
claramente se conforman islas de desarrollo urbano que generan un patrón disperso de
ocupación. Además, gran parte del crecimiento de la ciudad se da fuera de los límites de
extensión urbana fijados en el PRMS del año 1997 para la provincia de Chacabuco y del año
2006 en el caso de las áreas en las provincias de Talagante, Melipilla y Maipo, mientras que gran
parte del área de extensión urbana fijada desde el PRMS del año 1997 en adelante, aún se
mantenía sin un desarrollo urbano importante.
En el caso de los centro urbanos secundarios que fueron detectados a partir de la escala de
estudio, en el periodo 1990 a 2000 existe un crecimiento en prácticamente todos, a excepción de
El Monte, y destacándose el aumento en el área urbana ocupada en Padre Hurtado, Peñaflor, y
49
Talagante en la provincia de Talagante y Colina en la provincia de Chacabuco. En las tres
comunas de la provincia de Talagante ya se detecta cierto tipo de ocupación urbana en el año
1990, a pesar que el límite urbano recién se extendió hacia la provincia en el año 2006. En el
caso de Colina, muestra en el año 1990 una cobertura urbana incipiente, a pesar que desde la
planificación urbana oficial se contempló el desarrollo urbano recién en el año 1997. Al comparar
ambos casos, se aprecia que los patrones de ocupación urbana se desarrollaron con mayor
intensidad al sur de la mancha urbana principal de Santiago, en la provincia de Talagante, siendo
la respuesta de la planificación urbana algo tardía en reconocer estos patrones , mientras que al
norte de la ciudad de Santiago, en la provincia de Chacabuco la planificación urbana no fue capaz
de organizar el nacimiento de áreas urbanas que terminaron desarrollándose de forma dispersa
fuera de los límites planificados, generando un patrón espacial de fragmentación.
En el periodo entre el año 2000 y el año 2014, se destaca un importante crecimiento del área
urbana en los centros urbanos de Buin, al sur de la ciudad, y de Lampa hacia el nor-oeste de la
misma, ambos desarrollos detectados en la carta de usos del año 2014. En Lampa, el crecimiento
urbano se desarrolla de forma compacta dentro de los límites impuestos por el PRMS del año
1997, mientras que en Buin, se detecta un desarrollo urbano temprano, con un núcleo ya formado
en el año 1997, el cual se fue extendiendo en los siguientes periodos analizados, sobrepasando
los límites impuestos por el PRMS del año 2006 a partir del año 2014.
Respecto a la sub-utilización de las áreas de extensión urbana fijadas en los respectivos PRMS
(Figura 2.6), de una superficie total de 54.820,3 ha de uso urbano detectadas en el año 2000,
más de 3.000 ha se mantenían fuera del límite urbano vigente para ese año (PRMS 1997). Al
comparar con el límite de expansión urbana fijado para 1994, se tiene que más de 4.000 ha se
mantienen fuera de esta, por lo que se estaría frente a un fenómeno de desconcentración urbana
con cierto nivel de subutilización de los espacios disponibles dentro de los límites fijados en la
planificación oficial representada por el PRMS.
50
Tabla 2.6: Ocupación urbana dentro y fuera de los límites oficiales de extensión urbana
Superficie Urbana año 2000 (54.820,3
ha) Superficie Urbana año 2014 (72.376,7 ha)
Límite urbano Oficial (año)
Área dentro de límite oficial (ha)
Área fuera de límite oficial (ha)
Área dentro de límite oficial (ha)
Área fuera de límite oficial (ha)
1994 50.626,2 4.194,1 58.344,3 14.032,4
1997 51.359,5 3.460,8 61.254,3 11.122,4
2006 53.524,0 1.296,3 64.813,9 7.562,8
2013 53.921,9 898,4 65.560,2 6.816,5
Fuente: Elaboración propia a partir de clasificación de escenas Landsat y PRMS.
Cuando se realiza la misma comparación entre localización de los usos urbanos y las áreas de
extensión urbana fijadas en el PRMS, pero esta vez para el año 2014, la tendencia a la
localización fuera de los límites es aún más clara que en el periodo anterior. Así, de las 72.376,7
ha. de usos urbanos detectadas en el año 2014, más de 7.500 ha. se localizan fuera del límite
urbano del año 2006 y más de 6.800 ha. fuera de los límites de expansión fijados, al integrar las
áreas agregadas dentro de la modificación 100 del PRMS, aprobada el año 2013.
2.3.2 Cambios de usos y coberturas de suelos periodo 1990 - 2000 y 2000
- 2014
El resultado de las clasificaciones de las escenas Landsat da cuenta de una diferenciación clara
entre los patrones espaciales de los distintos usos de suelo urbanos en cada uno de los años
analizados (Figura 2.13).
Al comienzo del periodo estudiado, es decir, en el mapa de usos derivado de la escena Landsat
de 1990, se observa una mancha urbana conformada en gran medida por suelo urbano
discontinuo rodeando un centro urbano claramente consolidado, este patrón de ocupación dará
paso, a la mitad del periodo analizado (año 2000), a una consolidación de la mancha urbana a
través del uso de suelo urbano continuo, así como a una expansión de sus límites hacia suelos
que antes fueron utilizados para usos agrícola principalmente. Solo en ciertas comunas se
mantiene una cobertura urbana discontinua, la cual es más clara en las comunas del oriente y
nor-oriente de la capital.
51
Figura 2.13: Usos y coberturas de suelo para los años 1990; 2000; y 2014.
Fuente: Elaboración propia a partir de clasificación de escenas Landsat.
Finalmente, la escena del año 2014, muestra un patrón que podría ser definido como disperso,
en el cual se mezcla una fragmentación del paisaje agrícola producto del ingreso de la ciudad a
través de pequeñas parcelaciones o parcelas de agrado (ciudad infiltrada) y con un crecimiento
celular a través de una consolidación de los centros urbanos fuera del área urbana central o
mancha urbana principal.
El predominio del uso urbano discontinuo en la mancha urbana del año 1990 (Figura 2.14) da
cuenta de un tejido urbano con importante presencia de elementos vegetacionales y suelo, es
decir, de una intensidad más baja de ocupación al comparar con los años posteriores, siendo la
excepción la zona central de la ciudad de Santiago. A su vez, se aprecia una forma más bien
compacta de ocupación urbana, ya que no se presentan estribaciones considerables hacia
sectores agrícolas periféricos.
La forma general de ocupación es la de una zona central consolidada, conformada por las
comunas de Santiago, Estación Central, Pedro Aguirre Cerda, Lo Espejo y parte de San Joaquín
52
; luego un anillo de ocupación urbana menos intensa , el cual de todas formas presenta un par de
núcleos de ocupación urbana consolidada al sur y este de la mancha urbana, en las comunas de
San Ramón, El Bosque, La Pintana y en las comunas de La Florida y Peñalolén respectivamente;
y una amplia zona de ocupación agrícola en las comunas correspondientes al periurbano de la
ciudad. La presencia de pequeñas parcelaciones se hace presente solo al sur de la ciudad, en la
comuna de La Pintana. Además, se aprecian centros suburbanos con bajo desarrollo alrededor
de la mancha urbana metropolitana, como Padre Hurtado, Peñaflor, Talagante y Buin. En el caso
de Puente Alto, aún no se aprecia una conurbación entre este centro y el resto de la mancha
urbana, al contrario de lo que sucede con San Bernardo, el cual, al año 1990, ya presenta una
conurbación clara y definida mediante el uso urbano continuo.
53
Figura 2.14: Mapa de usos y coberturas de suelo año 1990
Fuente: Elaboración propia a partir de clasificación de escenas Landsat.
54
El crecimiento de la mancha urbana del año 2000 (Figura 2.15), presenta patrones espaciales en
forma de estribaciones de uso de suelo urbano continuo hacia el nor-oeste, en las comunas de
Quilicura y parte de Lampa; al sur-oeste, en la comuna de Maipú; y al sur-este, en la comuna de
Puente Alto, la cual se presenta en este año completamente conurbada al resto del Área
Metropolitana de Santiago. Estos patrones espaciales de ocupación, formados por transiciones
desde usos urbanos discontinuos y en menor medida desde zonas con usos agrícolas a un uso
urbano más continuo, produce un patrón de ocupación menos compacto al crear mayor mixtura
en el paisaje urbano. Producto del aumento en la intensidad de ocupación en las zonas urbanas,
el tipo urbano continuo termina por convertirse en el uso urbano predominante en las comunas
que conforman la mancha urbana principal, a excepción de las comunas ubicadas al oriente de
la capital, principalmente: Vitacura, Lo Barnechea, Las Condes, La Reina y Ñuñoa, comunas que
tradicionalmente han sido identificadas como comunas dormitorio para la población de mayores
ingresos.
55
Figura 2.15: Mapa de usos y coberturas de suelo año 2000.
Fuente: Elaboración propia a partir de clasificación de escenas Landsat.
56
En el año 2014 (Figura 2.16), el crecimiento de la ocupación urbana se concretó a partir de dos
dinámicas principales; una expansión del uso urbano continuo sobre zonas agrícolas; y un
crecimiento notable de pequeñas parcelaciones, gracias a las cuales se presenta un patrón de
fragmentación del territorio.
El fenómeno de ocupación urbana más claro es el de las parcelas de agrado con patrón espacial
disperso, lo cual produce un paisaje agrícola fragmentado. Las parcelaciones de agrado se
localizan principalmente en el norte de la ciudad, en la comuna de Colina y en el sur-oeste, en
las comunas de Padre Hurtado, Peñaflor, Talagante, Isla de Maipo y Calera de Tango. En el caso
de la comuna de Colina, el área ocupada por parcelas de agrado aumenta considerablemente,
insertándose dentro de una matriz agrícola, esta última pasó de ser el paisaje predominante en
la década anterior a una cobertura secundaria producto del aumento de los desarrollos
inmobiliarios en la zona.
Se consolida además el patrón de la década anterior de expansión urbana hacia el nor-oeste de
la ciudad, como se aprecia en la comuna de Quilicura, en la cual se observa un alto desarrollo
urbano.
Es destacable además, que las comunas del oriente de la capital se mantienen con un uso
predominante de tipo urbano discontinuo, apreciándose una zona de relativo bajo dinamismo, en
las comunas de Vitacura, Las Condes, y La Reina.
En términos cuantitativos (Tabla 2.7), la superficie urbana al año 1990 correspondió a un total de
44.074 ha., dentro de las cuales el uso urbano discontinuo se ubicó como uso predominante con
30.000 ha. de superficie. Hacia el año 2000, el área urbana creció a una tasa de 1. 164 ha/año
pasando a abarcar una superficie de 55.715 ha., predominando en este año la ocupación a través
del uso urbano continuo, alcanzando una superficie de 35.167 ha., y bajando considerablemente
la superficie ocupada por el uso urbano discontinuo, verificándose así, una mayor intensidad en
la utilización urbana del suelo. Para el año 2014, se alcanza una superficie urbana total de 73.271,
es decir, la superficie urbana creció a una tasa de 1.254 ha/año, destacándose un notorio
crecimiento de las superficies ocupadas por parcelas de agrado, las que alcanzan un total de casi
8.000 ha., lo que al comparar con el periodo anterior significó un crecimiento de 468 ha/año, o en
términos porcentuales, una variación de casi 600%.
57
Figura 2.16: Mapa de usos y coberturas de suelo año 2014
Fuente: Elaboración propia a partir de clasificación de escenas Landsat.
58
Tabla 2.7: Variación de superficies de uso urbano.
Año
Clase de Uso Urbano
1990 2000 2014
Urbano Continuo 13.204 35.167 42.011
Urbano Discontinuo 30.077 19.162 23.303
Parcelas de Agrado 793 1.385 7.958
Total 44.074 55.715 73.271
Fuente: Elaboración propia.
A partir de los patrones de usos de suelo para los distintos años, es posible determinar las
dinámicas de cambios, determinadas por las ganancias y pérdidas de cada uno de ellos. A partir
del gráfico (Figura 2.17) es posible observar de forma concisa los fenómenos característicos de
transformación de los usos de suelo para cada periodo en estudio.
Figura 2.17: Dinámica de ganancia versus pérdida para usos y coberturas de suelo periodos 1990-2000 y
2000-2014.
Fuente: Elaboración propia a partir de estadísticas de mapas de usos y coberturas.
59
Al analizar las cifras de cambio para cada uso, se confirman las dinámicas de cambio verificadas
con la revisión de los mapas de ocupación de suelo. En el caso del primer periodo (1990 - 2000),
existe una ganancia de 22.000 ha. de uso urbano continuo, mientras que disminuye el uso urbano
discontinuo en 11.000 ha. y el uso agrícola en 10.000 ha. aproximadamente, además, ocurre un
aumento de solo 1.000 ha. en las parcelaciones. Una dinámica totalmente distinta es la que ocurre
en el segundo periodo de análisis (2000 – 2014), donde la expansión urbana por uso urbano
continuo es de casi 7.000 ha, el urbano discontinuo crece en 4.000 ha. y la ocupación urbana a
través de parcelaciones crece en 7.000 ha, todo esto a costa de una gran disminución de la
superficie agrícola, la cual disminuye en más de 14.000 ha.
En el caso de las coberturas de suelo de la clase Suelo y Matorrales, en el periodo del año 1990
al 2000, el suelo sin cobertura se mantiene prácticamente intacto, es decir, sin utilizar, mientras
que la superficie de matorrales disminuye en 1000 ha. Esta dinámica de cambio es algo distinta
en el periodo del año 2000 al 2014, puesto que hubo una ocupación de los suelos sin cobertura,
lo que se aprecia en la disminución de 2.000 ha la superficie correspondiente a esta categoría,
predominando por sobre la expansión en matorrales la cual alcanzó solo 1.000 ha
aproximadamente.
2.3.3 Modelación de la dinámica de cambio
a) Estructura del modelo
Supuestos
En la etapa anterior, se estudiaron los patrones de cambio de usos y coberturas del suelo en el
área de estudio para las últimas dos décadas, esto permitió derivar conclusiones que sirvieron en
esta etapa de modelación, las que son tomadas en consideración dando forma a los supuestos
del modelo descritos a continuación.
Los patrones espaciales que genera la expansión urbana son variables según su contexto
temporal, así se comprobó con ambos periodos estudiados, en los que se alternó un
periodo de expansión compacta, continúa o adyacente a la mancha urbana existente y
otro periodo de crecimiento urbano en el cual se integró también un notable patrón de
fragmentación del espacio urbano metropolitano y crecimiento celular. El modelo, al ser
60
calibrado a partir del último periodo de extensión urbana (2000 - 2014) representará una
proyección con las características presentes en el último periodo, se presume que la
última dinámica de expansión urbana será la que predominará en un futuro próximo.
Al comparar la expansión histórica con los límites del PRMS se aprecia que aunque el
área conformada por los límites a la extensión urbana propuestos en el PRMS no
determina del todo la expansión urbana, absorbe con los años la mayor parte del
crecimiento urbano de la región.
El estudio de los cambios entre usos y coberturas del suelo permitió cuantificar las
transiciones con mayor impacto en la expansión urbana. Concluyéndose que la transición
Agrícola - Urbano es la que explica más del 80% de la expansión urbana.
Las diferencias que muestran los patrones de cambio entre las distintas clases de suelo
urbano en las últimas décadas hacen necesario el unir las tres clases en una sola clase
de uso llamada urbano, esto permitirá obtener mayor grado de certeza en la proyección
de los patrones hacia el futuro. El modelar las variaciones para los tres tipos de uso
presenta un alto nivel de complejidad lo que aumentaría el error potencial del modelo.
Selección de variables
La selección de las variables ingresadas al modelo, se realizó a partir de la revisión bibliográfica
de estudios de similares características (Tabla 2.8), en los cuales, el objetivo fuera la modelación
y simulación del crecimiento urbano. Es importante destacar que las variables independientes
que con frecuencia se utilizan en la modelación urbana contemporánea son aquellas que, a partir
de su influencia espacial, son capaces de potenciar o restringir las transiciones de suelo
necesarias para la ocurrencia del crecimiento urbano, generando patrones espaciales locales,
que al replicarse, son perceptibles a escala regional. Es decir, si bien el crecimiento de las
ciudades se encuentra influenciado por una serie de factores de tipo económico, políticos,
normativos e históricos, la selección se orienta a variables con expresión espacial local y no a
nivel global o de subsistema.
61
Tabla 2.8: Variables según antecedentes bibliográficos en la modelación de la expansión urbana.
Variable Justificación Autor/es
Distancia a Red Vial principal
El desarrollo urbano está fuertemente ligado a la accesibilidad, por lo cual, el desarrollo de nuevas áreas urbanas tenderá a localizarse cercano a la red vial existente.
Aguayo et al (2007); Stanilov & Batty (2011);Almeida et al (2003); Zhang et al (2010):Almeida et al (2012); Xiaoma et al (2013)
Distancia con el centro urbano (CBC)
Pese a la tendencia general de expansión, la cercanía con las fuentes laborales y servicios influencia las decisiones de localización urbana.
Aguayo et al (2007);Stanilov & Batty (2011); Zhang et al (2010);Almeida et al (2012)
Pendientes topográficas Los desarrollo urbanos necesitan que el terreno presente condiciones topográficas favorables
Modelo SLEUTH (USGS);Aguayo et al (2007); Xiaoma et al (2013)
Cercanía con zonas de uso urbano
Bajo la lógica de la influencia por vecindad, es lógico que los nuevos parches urbanos se localicen cercanos a otros parches urbanos lo cual genera un entramado urbano consistente.
Aguayo et al (2007); Xiaoma et al (2013)
Cercanía con zonas industriales
Las áreas industriales representarían zonas que repelen en cierta forma el desarrollo de la urbanización.
Aguayo et al (2007);Almeida et al (2003);Almeida et al (2012)
Limite urbano planificado Es una pauta, desde el nivel "Up to Down", a la expansión urbana futura
Xiaoma et al (2013)
Fuente: Elaboración propia a partir de revisión bibliográfica
A continuación se describe las variables, su forma de ingreso al modelo y la fuente de origen de
los datos, así como su importancia dentro del modelo.
62
Distancia a mancha urbana principal: bajo el supuesto de la influencia ejercida
por la vecindad, se estima que las áreas con uso urbano, potencian el cambio de
las áreas vecinas a usos también urbanos. En este caso se propone que la
mancha urbana de Santiago metropolitano ejercería una influencia de tipo
gravitatoria sobre los usos de suelo a su alrededor, propiciando un cambio a
urbano.
Distancia con áreas de expansión propuestas por PRMS: si bien se
comprobó que existe crecimiento urbano fuera de los límites de extensión
urbanos fijados por el PRMS, este alcanza valores porcentuales bajos al
comparar con el crecimiento dentro de las áreas de expansión propuestas ,por lo
tanto, estos límites ejercerían cierto efecto de contención –aunque no total - de
la expansión, por lo cual, se esperaría que el mayor dinamismo de transiciones
ocurra a cortas distancias de las áreas de expansión urbana fijadas por el PRMS
y mayormente dentro de ellas.
Distancia a centro urbano de Santiago : la distancia al centro de la ciudad se
plantea como una variable que presenta una relación inversamente proporcional
con la expansión urbana, así, se planteó que el área urbana consolidada y central
ejerce una atracción, aumentando las posibilidades que los nuevos parches
urbanos tiendan a localizarse a menores distancias.
Distancia a Red vial principal: la red vial ejercería una atracción sobre las
transiciones a usos urbanos, estimándose que la expansión urbana y la
accesibilidad están estrechamente relacionadas.
Distancia a Zona Industrial: se estimó que las zonas en donde se concentran
las industrias presentan la capacidad de repeler la conformación de otros usos
urbanos, así, las transiciones a usos urbanos se localizarían preferentemente a
distancias más alejadas de las áreas con usos industriales.
Pendientes topográficas: se estima que la aparición de nuevos paños urbanos
tiene como preferencia ciertos valores de pendientes topográficas, funcionando
esta como una limitante cuando se sobrepasa cierto umbral.
63
b) Calibración del Modelo
Cuantificación del cambio
Para la modelación se seleccionaron tres transiciones posibles, las que explican un 99% del total
de transiciones del área de estudio y el 100% de las transiciones a uso urbano (Tabla 2.9). En el
caso del uso urbano, en este se agruparon las clases de suelo urbano continuo, urbano
discontinuo y parcelas de agrado, para así alcanzar mayor grado de acierto al momento de
simular los patrones futuros de expansión urbana.
Tabla 2.9: Matriz de transición
Fuente: Elaboración propia
Es importante puntualizar que si bien en términos de transición de usos, la transición desde suelo
libre a suelo con uso urbano presenta la mayor tasa de cambio, en términos de superficie
absoluta, el área de suelo libre es notoriamente menor a la que presenta el suelo con uso agrícola,
por tanto, es este último uso el que explica la mayor parte de la expansión urbana, tal como se
analizó anteriormente.
Variables independientes y su influencia en las transiciones de cambio
Los resultados indican que todas las variables elegidas poseen importancia en la determinación
de transiciones de usos de suelo, aun así, y tal como se verá más adelante, en la etapa de revisión
de la correlación entre variables, se evidenció alta correlación entre dos variables lo cual hizo
descartar una de ellas, en este caso, distancia a mancha urbana principal.
Tasa de
transición anual
Tasa de transición
total periodo 14 años
Suelo 0,034 0,47
Agrícola 0,030 0,42
Matorral 0,007 0,10
0,99
Uso/Cobertura de
suelo
Urbano
Total
64
A continuación, se muestran los resultados del análisis estadístico realizado con el método del
Peso de la Evidencia para la transición de suelo que explica el mayor porcentaje de los cambios
que ocurren en el área de estudio, la transición agrícola - urbano. Es importante mencionar que
el método del Peso de la Evidencia no es un método de tipo paramétrico, por lo cual, no persigue
la conformación de una función de ajuste en la correlación entre las variables. Para el resto de
los resultados, consultar Anexo.
Pendiente topográfica
Al revisar los pesos obtenidos por los distintos valores de la variable pendiente topográfica, es
claro que esta presenta un comportamiento regular, fácilmente reconocible, verificándose que la
formación de nuevos parches urbanos posee una relación inversa con la pendiente y que la mayor
formación de parches urbanos ocurre en pendientes menores a los cinco grados.
Figura 2.18: Pesos de la evidencia para variable pendiente topográfica en transición agrícola - urbano
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
Los pesos negativos que presenta la variable a medida que esta aumenta en magnitud,
representan que: mientras mayor es la pendiente, mayor es la resistencia para la formación de
nuevos parches urbanos (expansión).
El peso positivo se presenta solo hasta una pendiente de 5 grados, es decir, es en ese rango en
el que se manifiesta la mayor probabilidad de una transición o cambio de suelo agrícola a suelo
urbano, de todas formas, si bien es un peso positivo, este es de solo 0,02. El bajo valor del peso
positivo se debe a que la mayor cantidad de celdas con uso agrícola poseen el rango de 0 a 5
65
grados, y por lo tanto, a pesar que la mayoría de los cambios en esta transición ocurren en ese
rango, estos cambios representan una proporción baja del total de celdas agrícolas con este
rango de pendiente.
Distancia a Uso Urbano
La variable distancia a uso urbano en la transición agrícola – urbano muestra una notable
variabilidad de los pesos. La influencia positiva (peso mayor a 0) solo ocurre para algunos rangos
de distancias, el primero desde 0 metros hasta los 1.600 metros, el segundo entre los 4.700
metros a 7.100 metros y el tercero - el cual presenta el mayor peso positivo – desde los 11.400 a
14.600, estos rangos se encuentran separados por pesos negativos los cuales se comportan
inhibiendo el desarrollo de nuevos paños urbanos. Al contrario de lo que se podría esperar de
una ciudad que avanza de forma compacta en un proceso expansivo del tipo mancha de aceite,
la influencia positiva que ejerce la cercanía con zonas urbanas existentes en la formación de
nuevos paños urbanos no es estable o continua.
Figura 2.19: Pesos de la evidencia para variable distancia a uso urbano en transición agrícola - urbano
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
El comportamiento que describe la gráfica representa la expansión de la ciudad en forma de
“Islas urbanas”, en estas islas o fragmentos se ha estado desarrollando e influenciando la
expansión urbana la cual tiende a localizarse en estos rangos de distancia, demostrando que en
la actualidad existe un claro proceso de desarrollo urbano fragmentado, que rompe con la
66
continuidad y adyacencia. Así, la forma de la gráfica, con picos y valles, es contraria a lo que se
esperaría de una ciudad con expansión compacta y en la que el centro urbano presenta una alta
influencia en el desarrollo urbano, la gráfica ideal de una ciudad con este tipo de crecimiento
mostraría comportamiento cercano al lineal en el que los pesos disminuyen paulatinamente
mientras aumenta la distancia con el centro urbano.
Distancia a límites urbanos del PRMS
En términos generales, la conversión de paños agrícolas a paños urbanos presenta una relación
directa con la distancia a la que se ubican de los límites planificados por el PRMS, la aparición de
nuevos parches urbanos ocurre con mayor frecuencia al aumentar la distancia a estas áreas,
verificándose una gran proporción de expansión urbana fuera de los límites planificados.
Figura 2.20: Pesos de la evidencia para variable distancia a límites del PRMS en transición agrícola -
urbano.
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
Al revisar los pesos de la variable distancia a límites urbanos del PRMS, se aprecia que, en los
primeros 200 metros, la influencia -a partir del criterio de cercanía- que muestra el área de
extensión urbana planificada del PRMS es bastante baja, siendo incluso en los primeros 100
metros negativa. Esto cambia abruptamente en el rango de distancia ubicado entre los 200 metros
y 300 metros, en este rango, el peso alcanza el valor positivo de 4, por lo tanto, sería un rango
de distancia en el que la aparición de parches urbanos tiene altas posibilidades de ocurrir. En el
rango siguiente de 300 a casi 10 km de distancia, el peso crece incluso más, desde 4 a un poco
más de 4. La formación de nuevos parches urbanos se ve entonces potenciada a partir de los
67
200 mts., y estos preferentemente se ubican entre los 300 y 9.900 metros de distancia, rango en
el cual no existe mucha diferencia en los pesos, por lo tanto, se puede concluir que en este rango
no existe una distancia que predomine.
Distancia a zonas industriales
La variable distancia a las zonas industriales se seleccionó como una variable que demostraría
que la cercanía a estas zonas actuaría limitando la aparición de nuevos parches urbanos. Aunque
se verificó este supuesto en algunos rangos de distancia, el comportamiento de la influencia
ejercida por esta variable resultó mucho más complejo.
Figura 2.21: Pesos de la evidencia para variable distancia a zonas industriales en transición agrícola -
urbano.
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
En el caso de la transición agrícola a urbano, se aprecia que, hasta una distancia de 5.600 m a
la zona industrial, la variable tiene un peso negativo en la formación de nuevas áreas urbanas
Algo particular sucede en el rango más cercano que llega hasta los 100 metros de distancia. En
este rango si se generó un peso que – aunque muy leve - es positivo, lo cual podría estar
explicado en la extensión de los mismos paños industriales y no en áreas urbanas destinadas a
vivienda u otros usos. Entre los 5.600 y 13.100 metros se aprecia un aumento en el valor de los
pesos, pasando desde pesos negativos hasta pesos positivos, llegando hasta un peso levemente
superior a 0,5. Estos valores positivos, en términos teóricos explicarían que en este rango de
distancia a zonas industriales, se potencia la transición agrícola – urbano, siendo importante para
68
la aparición de nuevos paños urbanos, aunque los valores son en términos prácticos aún muy
bajos. Valores positivos más considerables se obtienen en el rango desde los 14 km a casi 18
km. En el cual el peso positivo alcanza un valor de 1,5. En este caso se estaría frente a una clara
influencia positiva en el que la distancia a la zona industrial jugaría una influencia importante en
la transición entre paños agrícolas a paños urbanos, en términos de transiciones, la mayoría de
estas ocurriría en este rango de distancia, alejados de las zonas de industria.
Distancia a Red Vial principal
En el caso de los pesos que adquiere la variable distancia a red vial principal para la transición
agrícola - urbano, muestra hasta los 6 km aproximadamente, una influencia negativa que se hace
más fuerte mientras aumenta la distancia a la red vial, pasados los 6 km y hasta un poco más de
9 km de distancia la variable adquiere un peso negativo de casi – 3, lo que indica que en este
rango de distancia la transición a uso urbano es bastante limitada.
Figura 2.22: Pesos de la evidencia para variable “Distancia a Red Vial” en transición agrícola - urbano.
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
En los últimos dos rangos de distancia estudiados, desde aproximadamente los 10 km hasta un
poco más de 13 km., se obtuvieron pesos positivos. En ese rango, se verificó una ocurrencia
importante de transiciones agrícola - urbano, por lo tanto, el método de los pesos de la evidencia
le otorga un peso positivo. Lo cual indicaría que la mayor cantidad de los cambios a suelo urbano
se localizan lejos de la red vial principal y estando estos ligados a rutas y camino secundarios y
no tanto a la red vial estructurante (autopistas y avenidas principales),este resultado se vio
notoriamente influenciado por las características espaciales que tomó la expansión urbana en el
69
periodo de calibración (2000 – 2014), al respecto, se verificó un patrón distintivo de ocupación en
parches y con crecimiento de los centros urbanos menores que rodean la mancha urbana de la
ciudad de Santiago, los cuales estarían alejados en su mayoría de la red vial estructurante incluida
en al análisis, y por lo tanto, el método de la evidencia reconocería mayores pesos en lugares
alejados de la red vial.
Distancia al Centro
En el caso de la variable distancia al centro, se aprecia un comportamiento global en el que, tal
como era esperable, los mayores pesos los obtienen los rangos de distancias que representan
mayor cercanía, mostrando una relación directa entre cercanía al centro y la transición a usos
urbanos de los paños agrícolas. Partiendo en un peso de casi 3 en el rango de 7 km a 8 km de
distancia, bajando luego hasta un valor neutro de 0 alrededor de los 13 km., manteniéndose
alrededor de 0 hasta llegar nuevamente a una alza considerable, alcanzando un peso de un poco
más de 1, en el rango de 37 a 40 km para luego bajar nuevamente, alcanzando niveles de pesos
negativos de -2.
Figura 2.23: Pesos de la evidencia para variable “Distancia al centro” en transición agrícola - urbano
Fuente: Elaboración propia a partir de datos extraídos desde software Dinamica EGO.
70
Resultados revisión de correlación entre variables
El análisis de la correlación implicó el cálculo de indicadores que dieran cuenta del nivel de
correlación entre las variables independientes. Este paso permite descartar aquellas variables
que poseen un comportamiento similar o influencian de similar forma las transiciones, el descartar
estos casos es de importancia para la aplicación del método del peso de la evidencia, el cual
necesita la utilización de variables que presenten independencia entre ellas para poder modelar
el proceso de transiciones entre coberturas y usos del suelo.
Los resultados de este análisis muestran (Tabla 2.10) que la variable distancia a uso urbano
presenta nivel alto de correlación con la variable distancia a mancha urbana principal, para
estas variables, tanto el indicador Cramer como el de Contingencia, presentaron altos valores,
los cuales se interpretan como indicación de correlación entre ellas. Exceptuando estas variables,
no se encontró una correlación alta entre el resto de variables, por lo tanto, se procedió a extraer
del grupo de variables independientes la variable distancia a mancha urbana principal.
Tabla 2.10: Correlación entre variables independientes.
Fuente: elaboración propia a partir de valores registrados en software Dinamica EGO.
Indicadores de correlación entre A y B
Cramer Contingencia
Joint
Information
Uncertainty
Distancia a límites urbanos del PRMS 0,31 0,75 0,24
Distancia a Centro Urbano de Santiago 0,23 0,74 0,17
Distancia a Red Vial principal 0,28 0,67 0,17
Distancia a Mancha Urbana Principal 0,68 0,95 0,8
Distancia a Zonas Industriales 0,22 0,72 0,18
Pendiente Topográfica 0,21 0,51 0,09
Distancia a Centro Urbano de Santiago 0,25 0,66 0,14
Distancia a Red Vial principal 0,32 0,73 0,27
Distancia a Mancha Urbana Principal 0,31 0,74 0,25
Distancia a Zonas Industriales 0,26 0,68 0,17
Pendiente Topográfica 0,22 0,52 0,12
Distancia a Red Vial principal 0,2 0,54 0,09
Distancia a Mancha Urbana Principal 0,23 0,73 0,17
Distancia a Zonas Industriales 0,17 0,72 0,15
Pendiente Topográfica 0,13 0,35 0,03
Distancia a Zonas Industriales 0,31 0,71 0,22
Pendiente Topográfica 0,22 0,54 0,13
Distancia a Zonas Industriales 0,22 0,72 0,18
Pendiente Topográfica 0,21 0,51 0,1
Distancia a Zonas
IndustrialesPendiente Topográfica 0,21 0,51 0,08
Transición
evaluada
Variable
independiente AVariable independiente B
Agrícola a
Urbano
(3-1)
Distancia a Uso Urbano
Distancia a límites
urbanos del PRMS
Distancia a Centro
Urbano de Santiago
Distancia a Red Vial
principal
Distancia a Mancha
Urbana Principal
71
c) Parametrización del Modelo
Luego de un proceso de prueba con distintos valores para los parámetros del autómata celular,
en el que se comparó los resultados con el escenario conocido del año 2014, se optó por dar
predominancia clara a una expansión de las áreas urbanas ya existentes (función expander) por
sobre la formación de nuevos parches (función patcher), otorgando 70% de las celdas con
probabilidad de cambio al patrón de expansión o expander, quedando un 30% de las celdas
disponibles para la conformación de nuevos parches urbanos, los cuales representarían un
crecimiento celular nuevo en el área de estudio proyectando así un escenario con cierto nivel de
fragmentación.
En el caso del parámetro de Prune Factor, se prefirió un modelo que tuviera cierto nivel de
estocacidad, por lo tanto, se dio a este parámetro un valor de 5, otorgando cierto nivel de azar
en la selección de las celdas que cambian a uso urbano, así, estas celdas fueron seleccionadas
desde el mapa de probabilidades de transición, pero no siempre desde las celdas que poseen en
este la mayor probabilidad de cambio. Cumpliéndose el total de la selección cuando se alcanza
el total de celdas proyectadas para cambiar a partir de la matriz de cambio global.
2.3.4 Proyección de los patrones de expansión urbana: Verificación
La etapa de proyección de los cambios o transiciones entre las distintas categorías, requiere de
la información generada en las etapas anteriores, con ella es posible la replicación o simulación
de las dinámicas espaciales pasadas con las cuales se proyectan los cambios hacia un escenario
futuro.
Para verificar que la proyección posea un nivel adecuado de confianza, se realiza primero una
simulación proyectando los cambios a un año en el cual se tienen datos reales, en este caso, se
utilizó el mapa de uso y coberturas de suelo del 2014, el cual sirvió como verificador. Mientras
que el mapa de usos y coberturas correspondiente a la escena del año 2000 fue el escenario
base sobre el cual se ejecutó la simulación. La comparación de los resultados entre el mapa
fotointerpretado del año 2014 y el simulado del mismo año (Figura 2.24), entrega el nivel de
concordancia entre ambos y con ello el nivel de confianza de la simulación espacial.
72
Al comparar la proyección de la expansión urbana hasta el año 2014, con el escenario real del
mismo año, se destacan ciertos patrones a destacar.
Alta semejanza en los patrones de expansión hacia el norte y nor-poniente de la RM - en
la provincia de Chacabuco en forma de fragmentos urbanos de varios tamaños,
localizados principalmente en la comuna de Colina.
Respecto a la expansión hacia el sur-poniente de la región, en forma de fragmentos
urbanos en la provincia de Talagante, específicamente en las comunas de Peñaflor y
Talagante; El modelo logró proyectar los fragmentes, sin embargo falló al momento de
proyectar la expansión contigua a la mancha urbana principal, en las comunas de Padre
Hurtado y Calera de Tango.
Consolidación de un área urbana en el sector sur, principalmente alrededor del centro
poblado de Buin. Aunque en este caso, la expansión simulada es de menor magnitud de
la real.
Expansión de la mancha urbana principal en la provincia de Santiago, a través de la
transición a usos urbanos ocurrida en todas direcciones, aunque principalmente hacia el
Oriente de la capital.
73
Figura 2.24: Comparación entre mapa de uso de suelo urbano fotointerpretado y proyectado para el año
2014.
Fuente: Elaboración propia.
Al revisar el nivel de similaridad entre ambos mapas, a través del método de la Comparación por
Similaridad Reciproca, se obtuvo un valor promedio de 0,68 de un máximo de 1. Este valor tiene
una alta variabilidad en el área de estudio, ya que en los sectores donde no existe coincidencia
entre los patrones de expansión, se obtuvieron valores cercanos a 0 (Figura 2.25). Estos valores
de muy baja o nula similaridad entre ambos mapas pueden obtenerse tanto por la existencia de
una omisión como de una comisión en la proyección de los patrones de expansión. Una omisión
ocurre cuando existe una expansión verificada en el año 2014, que el modelo no fue capaz de
proyectar, y, al contrario, una comisión ocurre cuando se proyecta un patrón de expansión urbana
que no ocurrió.
74
Figura 2.25: Mapa con resultado de evaluación del modelo a partir de método de la comparación por
similaridad recíproca.
Fuente: Elaboración propia.
En el lado contrario, la similaridad más alta probable es la de factor 1, la cual se logra cuando
existe total coincidencia entre un patrón verificado en la realidad y el patrón simulado a partir del
uso del modelo. Como es posible de observar en la figura, y considerando un factor de 0,5 a 1
como valor con alto nivel de predicción, el modelo fue capaz de predecir con gran acierto varios
patrones de expansión, especialmente aquellos que se desarrollan como fragmentos separados
de la mancha urbana principal, y aproximadamente la mitad del crecimiento tipo mancha de
aceite, es decir, aquel que se desarrolla en la periferia directa de la principal área urbana de
Santiago.
En el caso de los valores de reciprocidad cercanos a 0, (errores de omisión o comisión),
podríamos concluir que existen variables importantes que influencian las transiciones entre
clases de uso o coberturas en ese lugar y que no fueron consideradas en el modelo y/o cierto
nivel de comportamiento caótico o de baja predicción en el sistema. De todas formas, existe un
75
considerable nivel de confianza, ya que el modelo logró predecir con claridad, patrones existentes
en el año de comparación, obteniéndose un nivel global de acierto en la proyección de patrones
de crecimiento de casi el 70%.
2.3.5 Proyección de las transiciones de usos y coberturas del suelo:
Escenario urbano del año 2030
Una vez comprobado que el modelo es capaz de proyectar los patrones de expansión urbana de
la Región Metropolitana, se optó por aceptarlo, y se procedió a realizar la proyección al año 2030,
para lo cual, en el software Dinamica EGO se estableció una repetición iterativa del proceso de
expansión anual tomando como base el mapa de usos y coberturas del año 2014, contabilizando
así un total de 16 iteraciones hasta llegar al escenario del año 2030. Cada una de estos
escenarios anuales de cambio se construye también sobre la base de su respectivo mapa de
probabilidades de transición (Figura 2.26), localizándose los cambios preferentemente en
aquellas zonas con mayores probabilidades de cambio.
Figura 2.26: Mapas de probabilidades de transición en primer y último año de modelación.
Fuente: Elaboración propia.
76
Al comparar el escenario proyectado al año 2030 con el escenario base del año 2014, el patrón
de crecimiento disperso (fragmentación), ya no se aprecia tan marcado , tendiendo más bien a
una consolidación de las macro-áreas que se presentaban con un desarrollo incipiente
anteriormente “conectando” los espacios que se encontraban fragmentados en el año anterior
(2014), siendo posible distinguir dos patrones globales a través de los cuales se genera este
crecimiento urbano: una extensión de la mancha urbana principal a partir de su periferia y el
crecimiento de centros urbanos secundarios (Figura 2.27).
Figura 2.27: Escenario de usos y coberturas del suelo para año base 2014 y año proyectado 2030.
Fuente: Elaboración propia
En el caso de la expansión tipo mancha de aceite de la mancha urbana principal, esta ocurre
principalmente en la zona Poniente de la provincia de Santiago, aunque también se adentra hacia
el Sur-este en la provincia de Cordillera, y en menor intensidad hacia el Sur y Sur-Oeste en las
provincias de Maipo y Talagante respectivamente. Se trata principalmente de crecimiento en
expansión que consolida la expansión urbana en las provincias mencionadas, aunque dejando
espacios periféricos sin desarrollar.
Respecto al crecimiento de centros urbanos secundarios, este se aprecia principalmente en las
comunas de Buin y Talagante, en estas zonas el modelo predice un desarrollo marcado por la
expansión urbana, que en el caso de Buin, alcanzaría la totalidad de su área prevista para la
77
expansión urbana según la planificación oficial, lo mismo ocurre con el crecimiento urbano en el
centro urbano de Talagante. En estas comunas, y especialmente en Buin, ocurriría entonces un
fenómeno de urbanización intensiva, considerando que fueron las últimas donde se extendió el
límite oficial a la expansión urbana a través del PRMS del año 2006.
En términos cuantitativos, la proyección al año 2030 presenta un escenario donde la expansión
urbana alcanzará una superficie de 13.086 ha., pasando de 72.157 ha. en el año 2014 a 85.243
ha. en el 2030, implicando una tasa de expansión urbana de 817,8 ha por año.
Figura 2.28: Dinámica de variación de superficies entre año 2014 y año 2030.
Fuente: Elaboración propia a partir de estadísticas de mapas de usos y coberturas.
La dinámica de transiciones está marcada por la continuación de la tendencia histórica de
transición entre suelo con uso agrícola a suelo con uso urbano que ha sido predominante en el
patrón de expansión urbana de la región, perdiéndose así un total de 10.663 ha. agrícolas en el
periodo entre el año 2014 y el año 2030, representando una pérdida de casi el 40% del remanente
de suelo con uso agrícola dentro del área de expansión urbana de la RM. En el caso de las
categorías de suelo libre y de matorral, las pérdidas son de aproximadamente 1.200 ha. en cada
una, representando un cambio de 41% en el caso de la transición suelo libre a uso urbano y un
10% en la transición desde matorral a uso urbano.
78
En los 16 años de expansión urbana proyectada, la mayor parte del área propuesta para
expansión en la provincia de Santiago estaría ocupada por usos urbanos, los espacios
disponibles se ubican en el norte y nor-oeste de la provincia, compuestos principalmente por
remanentes agrícolas, y al nor-este, o sector poniente, en una zona compuesta por matorral en
la precordillera de Santiago, la cual, por su configuración geográfica, sería muy poco probable
que pueda ser ocupada por usos urbanos. Al norte de Santiago - sector que ha mostrado una
dinámica más activa en cuanto a la expansión urbana- ,en las provincias de Talagante, Maipo y
Cordillera, la superficie disponible para expansión también se caracteriza por albergar zonas
agrícolas, la mayoría de ellas, enclavadas dentro de una matriz predominantemente urbana. En
el caso de la provincia de Chacabuco, esta presenta el patrón menos intensivo de expansión
urbana dentro de los límites propuestos por el PRMS, debido muy probablemente en que la
mayoría de la expansión se localiza fuera de los límites de expansión urbana, quedando aún
vastas áreas libres, principalmente sectores con coberturas matorral y agrícola.
La cuantificación de los cambios nos muestra la verdadera magnitud de la evolución urbana en
la región. Así, en la provincia de Santiago, sumando los tres usos que históricamente han cambio
a urbano, solo quedarían unas 10.000 ha. potencialmente disponibles al año 2030, aunque solo
1.200 se tratarían de áreas con suelo libre, por lo cual, la mayor superficie para la expansión
urbana estará dada por zonas agrícolas. El mismo escenario se repite en casi todas las provincias
de la región, con la excepción de la provincia de Chacabuco, la cual cuenta con gran una mayor
superficie compuesta por matorral, la cual alcanza las 6.094 ha., de todas formas, el patrón
histórico de expansión de la provincia y de la región - al menos desde el año 1990 - ha sido ha
sido el crecimiento sobre áreas de suelo libre y sobre áreas con suelo de uso agrícola, lo cual se
aprecia claramente en el hecho que mientras en la mayoría de las provincias la superficie de
matorral se ha mantenido prácticamente sin alterar, la superficie agrícola ha disminuido de forma
intensa, esta tendencia solo es distinta en la provincia de Santiago donde los sectores con
presencia de matorral también han sufrido gran variación.
79
Tabla 2.11: Cambios en los usos y coberturas del suelo por provincia dentro del área de estudio
Fuente: Elaboración propia
Al contabilizar el total de superficie eventualmente disponible en el área de estudio para el
crecimiento futuro de la ciudad, se tienen casi 29.472 ha. , de las cuales 17.641 ha. (60%),
corresponden a zonas agrícolas, y solo el 1.729 (5%) corresponden a suelo libre de uso. El resto,
está conformado por sectores de matorral que muy probablemente se mantenga casi sin
alteración en el futuro. Si se mantiene esta tendencia histórica, considerando el disponible entre
suelo agrícola y suelo libre y la tasa de crecimiento del periodo 2014-2030, se cubriría el total del
área disponible en 23 años aproximadamente, eso suponiendo que el total de suelo agrícola esté
disponible para expansión urbana, algo que muy probablemente no ocurrirá producto del impacto
ambiental y social que esto pudiese provocar.
1990 2030 1990 2030 1990 2030 1990 2030 1990 2030
Urbano 180 7.463 818 5.598 2.164 8.895 37.940 58.313 1.447 4.972
Agricola 10.904 4.016 7.098 2.382 11.268 4.765 18.741 4.791 5.182 1.687
Suelo 0 0 63 0 621 455 4.366 1.274 20 0
Matorral 6.518 6.094 217 223 0 0 6.656 3.780 5 5
Uso o
cobertura de
suelo/Año
Chacabuco TalaganteSantiagoMaipoCordillera
Provincia
80
Figura 2.29: Mapa de usos y coberturas de suelo proyecto al año 2030.
Fuente: Elaboración propia.
81
3. CAPÍTULO III: CONCLUSIONES
La trayectoria que sigue la expansión de la ciudad es un proceso que en el tiempo puede cambiar
sus características fundamentales, mostrándose cambiante tanto en sus patrones de ocupación
y dinámicas de transición de usos como en los elementos fundamentales sobre los que se basan
estos cambios. La escala temporal de análisis mostró como, al comparar entre periodos de tan
solo 10 años, pueden identificarse con claridad procesos espaciales distintos, e incluso contrarios.
Así, el proceso de expansión en el periodo entre el año 1990 y el año 2000 se caracterizó por la
formación de una mancha urbana continua y relativamente compacta, mientras que en el periodo
entre el año 2000 al año 2014 el crecimiento urbano fue de tipo más disperso, generándose
pequeñas áreas o islas urbanas, fragmentando el mosaico geográfico de la región. En ambos
periodos también existen dinámicas distintas de transiciones entre y hacia usos urbanos del
suelo, ya que si bien se verificó una expansión continua de los usos urbanos, las magnitudes y
formas fueron distintas en cada periodo.
En el primer periodo estudiado (1990 – 2000) predominó tanto la transición entre usos urbanos
(urbano discontinuo a urbano continuo) como la absorción de usos agrícolas para su conversión
a uso urbano, en este último caso, contabilizando un crecimiento de más de 10.000 ha. de
superficie urbana a costa de zonas agrícolas o una tasa de variación de 1.000 ha. por año. En el
segundo periodo estudiado (2000 – 2014), la expansión urbana se intensificó, los usos urbanos
llegaron a ocupar un área de más de 17.000 ha., de la cual, la mayor parte se formó por
transformación de anteriores zonas agrícolas que fueron transformadas a zonas de uso urbano
a una tasa de 1.214 ha. por año. En el caso del periodo de proyección (2014 – 2030), se continuó
con la tendencia verificada en el periodo anterior, aunque se obtuvo una expansión de la
superficie urbana menor a la anterior a pesar de la mayor cantidad de años involucrados, por lo
tanto. En este periodo de 16 años, el aumento del área urbana fue de un poco más de 13.000
ha., de todas formas, el crecimiento urbano permanente y de una magnitud relativamente alta se
mantiene y se mantendrá, principalmente a costa de áreas agrícolas periféricas, de las cuales,
al año 2030 quedarían solo 17.641 ha. en comparación con las más de 28.000 ha. que existían
al comienzo del periodo. Esto, de cierta forma nos demuestra que el sistema urbano de la región
tiene un comportamiento variable y lejos de un equilibrio y/o estabilidad. Siendo la única
característica fija su expansión, no así, la forma e intensidad en la que se expande.
El comportamiento errático que adquiere la expansión urbana a través de sus distintas formas de
intervenir el espacio de la región, da cuenta además de la inexistencia de un control planificado,
en el sentido de proyectar el ordenamiento urbano hacia el futuro en una escala temporal que
82
trascienda. Esto último, se vio demostrado a través de la comprobación de crecimiento fuera de
los límites urbanos establecidos; subutilización de las áreas de expansión producto de la
tendencia al crecimiento difuso y hacia la periferia; fragmentación del periurbano agrícola; o
extensión del límite urbano oficial hacia la periferia mientras existen zonas sin urbanizar dentro
de los límites urbanos fijados en los primeros PRMS. La ciudad como sistema, tiene un alto grado
de autonomía, dirigiendo así su propio destino, adelantándose a la planificación a través de las
decisiones que se toman a nivel local por agentes urbanos particulares.
Las características de comportamiento no-lineal, así como la de auto-organización son factores
importantes al momento de modelar la ciudad, ya que demuestran que no sería posible expresar
el comportamiento del sistema a través de las expresiones clásicas de tipo morfológico y
esquemático sino que es necesario el uso de modelos que expresen la interacción entre las
variables territoriales y que puedan expresar el desarrollo del sistema de forma dinámica,
teniendo siempre un sentido de escala temporal, teniendo así que recurrir inevitablemente a la
revisión permanente del modelo así como su actualización a partir de las nuevas dinámicas y
procesos de interacción espaciales que demuestre tener la ciudad en un contexto dado.
Respecto a la modelación efectuada, si bien se obtuvo un buen nivel de acierto, no hay que perder
de vista que esta modelación se realizó a partir de la calibración con el comportamiento mostrado
por la ciudad en su última década de desarrollo, y que la escala temporal de estudio
(aproximadamente 10 años) a partir de la cual se estudió el proceso de extensión urbana, aunque
coincide con el rango que se utiliza en este tipo de estudios, no necesariamente implica que no
existan tendencias o elementos que no fueron identificados, y quizás, con una escala temporal
de análisis más acotada puedan surgir una serie de antecedentes nuevos, que puedan sumar al
desarrollo de un modelo urbano más complejo y completo, aun así, el porcentaje de acierto
logrado solo a partir de unas cuantas variables territoriales hace pensar que es perfectamente
posible adelantarse por lo menos en unos cuantos años al devenir de la ciudad con la utilización
de datos e información relativamente fácil de conseguir y de manejar, y que la modelación y
posterior proyección del comportamiento del sistema urbano metropolitano de Santiago es
perfectamente posible de lograr y mejorar , siendo así posible la utilización de una herramienta
con gran potencial para el apoyo de la planificación urbana.
Lo mostrado tanto en el estudio de los patrones de cambios pasados como también en la
proyección de estos, plantea una serie de problemáticas que dicen relación con la necesidad de
frenar este crecimiento a costa de la absorción y fragmentación permanente de la periferia
agrícola de la ciudad, lo cual ha afectado y afectará no tan solo la base de recursos de la región,
83
a través de la perdida de suelos de gran valor ambiental, sino que también interviniendo en las
características típicas de comunas periféricas de la región, en las cuales se verifica un aumento
urbano importante en las décadas estudiadas. Eso sin contar también a la serie de problemáticas
relacionadas con una excesiva extensión horizontal de la ciudad, como por ejemplo: aumento de
tiempos de viajes, aumento de la congestión en el centro de la ciudad, y formación de zonas
degradadas ambiental y socialmente.
De continuarse con la tendencia, y suponiendo que el crecimiento de la metrópolis será siempre
positivo, parece ser que quedarían tres caminos para continuar con el crecimiento de la ciudad;
la densificación urbana; la transformación de otros tipos de suelo como matorral y similares en
urbanos; o seguir consumiendo y fragmentando el agro de la región.
84
BIBLIOGRAFÍA
AGUAYO, Mauricio et al. Revealing the Driving Forces of Mid-Cities Urban Growth Patterns Using
Spatial Modeling: a Case Study of Los Ángeles, Chile. Ecology and Society [en línea]. 2007, Vol.
12, no.1. [Fecha de consulta: 8 de Junio de 2015]. Disponible en:
http://www.ecologyandsociety.org/vol12/iss1/art13/
AHMED, Sohel; BEAMLEY, Glen. How will Dhaka grow spatially in future?-Modelling its urban
growth with a near-future planning scenario perspective. International Journal of Sustainable Built
Environment [en línea]. 2015. [Fecha de consulta: 8 de Julio de 2015]. Artículo en versión
aceptada pero sin publicar Disponible en: http://dx.doi.org/10.1016/j.ijsbe.2015.07.003.
AKIN, Anil; SUNAR, Filiz; BERBERIGLU, Süha. Urban change analysis and future growth of
Istanbul. Environmental Monitoring and Assessment [en línea]. 2015, [Fecha de consulta: 11 de
Julio de 2015]. Disponible en: http://link.springer.com/article/10.1007/s10661-015-4721-1.
AL-SHALABI, Mohamed et al. Manifestation of remote sensing data in modelin urban sprawl using
the SLEUTH model and brute force calibration: A case study of Sana’a city, Yemen. Journal of
Indian Society of Remote Sensing, 2010, Vol.41, no 2. pp. 405-416.
ARMIJO, Gladys; CAVIEDES, Héctor. El avance de la urbanización del campo en la Región
Metropolitana de Chile y sus efectos espaciales. Anales de la Universidad de Chile [en línea].
1997, no. 5. [Fecha de consulta: 8 de marzo de 2015]. Disponible en:
http://www.anales.uchile.cl/index.php/ANUC/article/viewFile/2984/2862.
BARREDO, José et al. Modelling dynamic spatial processes: simulation of urban future scenarios
through cellular automata. Landscape and Urban Planning, 2003, no. 64. pp. 145-160. ISSN 0169-
2046.
BATTY, Michell; LONGLEY, Paul. Fractal cities: A geometry of Form and Function. England:
Academic Press Limited, 1994.
BATTY, Michell; XIE, Yichun; SUN, Zhanli. Modeling urban dynamics through GIS-based cellular
autómata. Computers, Environment and Urban Systems.1999, no. 23. pp. 205-233.
85
BATTY, Michell; STANILOV, Kiril. Exploring the historical determinants of urban growth patterns
through cellular autómata. Transactions in GIS [en línea].2011, [Fecha de consulta: 12 de
Septiembre de 2015]. Disponible en: http://onlinelibrary.wiley.com/doi/10.1111/j.1467-
9671.2011.01254.x/pdf.
BERGSTROM, Carl. Join entropy, condicional entropy, relative entropy, and mutual information.
Theorical and Evolutionary Biology [en línea]. 2008, [Fecha de consulta: 10 de Agosto de 2015].
Disponible en: http://octavia.zoology.washington.edu/teaching/429/.
BONHAM - CARTER, G.; AGTERBERG, F.; WRIGHT, D. Weights of evidence modelling: a new
approach to mapping mineral potential. Statistical Applications in the Earth Sciences, 1989, no.
89. pp.171 – 183.
BORSDORF, Axel. Como modelar el desarrollo y la dinámica de la ciudad latinoamericana,
EURE, 2003, Vol. 29, no. 86. pp. 37-49. ISSB 0250 – 7161.
BURGESS, Ernest. The growth of the City; An introduction to a research Project. En: The City.
Chicago: The University of Chicago Press, 1925. pp. 47-62. ISBN: 0-226-64611-4.
BÜRGUI, Matthias; HERSPERGER, Anna; SCHNEEBERGER, Nina. Driving forces of landscape
change – current and new directions. Landscape Ecology, 2004, Vol.19, no.8. pp. 857-869. ISSN:
0921-2973.
CHUVIECO, Emilio. Teledetección: La observación de la Tierra desde el espacio. Barcelona:
Editorial Ariel, 2015.
CLARK, Keith; HOPPEN, Stacy; GAYDOS, Leonard. A self-modifying cellular automaton model
of historical urbanization in the San Francisco Bay area. Environment and Planning, 1997, no. 24.
pp. 247-261.
CLARK, Keith; GAYDOS, Leonard. Loose-coupling a cellular automaton model and GIS: long-
term urban growth prediction for San Francisco and Washington/Baltimore. International Journal
of Geographical Information Science, 1998, Vol 12, no.7. pp. 699-714.
86
CONSEJO DE EUROPA. Carta Europea de Ordenación Del Territorio. Conferencia Europea de
Ministros Responsables del Ordenamiento del Territorio [en línea]. Torremolinos, España, 1983.
[Fecha de consulta: 6 de Agosto de 2014]. Disponible en:
http://www.ehu.eus/Jmoreno/ArchivosPOT/CartaEuropeaOT.pdf
COPENHAGEN University. Proyecto PLUREL, [en línea]. [Fecha de consulta: 20 de marzo de
2015]. Disponible en: http://www.plurel.net/.
CUI, Linli; SHI, Jun. Urbanization and its environmental effects in Shanghai, China. Urban Climate, 2012, Vol. no.2 pp. 1 - 15. ISSB 2212-0955.
Decreto n° 47. Fija nuevo texto de la Ordenanza General de la Ley de Urbanismo y
Construcciones. Diario Oficial de la República de Chile, 19 de Mayo de 1992.
Decreto n° 112. Modifica Decreto N° 47 de 1992. Ordenanza General de Urbanismo y
Construcciones. Diario Oficial de la República de Chile. Santiago, 01 de Mayo de 1993.
Decreto n° 458. Ley General de Urbanismo Y Construcciones. Diario Oficial de la República de
Chile. Santiago, 13 de Abril de 1975.
DE MATTOS, Carlos. Santiago de Chile, globalización y expansión metropolitana: lo que existía
sigue existiendo. EURE, 1999, Vol.25, no. 76. pp. 29 - 56. ISSB 0250 – 7161.
DUCCI, María Elena. Santiago, ¿Una mancha de aceite sin fin?, ¿Qué pasa con la gente cuando
la ciudad crece indiscriminadamente?. EURE, 1998, Vol. 24, no.72. pp.85 – 94. ISSB 0250 –
7161.
DUCCI, María Elena. Área urbana de Santiago 1991-2000: expansión de la industria y la vivienda.
EURE [en línea]. 2002, vol. 28, no. 85. [Fecha de consulta: 6 de marzo de 2015]. Disponible en:
http://www.scielo.cl/scielo.php?pid=S0250-71612002008500010&script=sci_arttext.
EUROPEAN Environment Agency. CORINE Land Cover [en línea]. Commission of the European
Communities, 1995. [Fecha de consulta: 10 de julio de 2014]. Disponible en:
http://www.eea.europa.eu/publications/COR0-landcover.
87
GALETOVIC, Alexander. Santiago: Dónde estamos y hacia dónde vamos. Santiago: Centro de
Estudios Públicos, 2006.
GROSS, Patricio. Santiago de Chile (1925 – 1990): Planificación Urbana y Modelos Políticos.
EURE, 1991, Vol. 17, no. 52/53. pp. 27 – 52. ISSB 0250-7161.
HAHS, Amy; McDONNELL, Mark. Selecting independent measures to quantify Melbourne’s
urban-rural gradient. Landscape and Urban Planning, Marzo, 2006 Vol. 78, pp. 435-448. ISSN:
0169-2046.
HENRIQUEZ, Cristián; AZOCAR, Gerardo; AGUAYO, Mauricio. Cambio de uso del suelo y
escorrentía superficial: aplicación de un modelo de simulación espacial en Los Ángeles, VIII
Región del Biobío, Chile. Revista de Geografía Norte Grande, 2006, no. 36, pp. 61-74. ISSB:
0379-8682.
HENRÍQUEZ, Cristian; AZOCAR, Gerardo. Propuesta de modelos predictivos en la Planificación
Territorial y Evaluación de Impacto Ambiental. Revista Electrónica de Geografía [en línea]. 2007,
vol. 11, no. 245. [Fecha de consulta: 6 de Julio de 2015]. Disponible en:
http://www.ub.edu/geocrit/sn/sn-24541.htm
INSTITUTO Nacional de Estadísticas. Chile: Ciudades, Pueblos y Aldeas, CENSO 1992.
Santiago: Gobierno de Chile, 1995.
INSTITUTO Nacional de Estadísticas. Chile: Estimaciones y Proyecciones de Población por Sexo
y Edad. País Urbano – Rural. Santiago: Gobierno de Chile, 2004.
INSTITUTO Nacional de Estadísticas. Chile: Proyecciones y Estimaciones de Población.
Santiago: Gobierno de Chile, 2008.
JANOSCHKA, Michael. El nuevo modelo de la ciudad latinoamericana: fragmentación y
privatización. EURE, 2002, Vol.28, no.85. pp. 11-29. ISSB 0250-7161.
88
MILLENIUM Ecosystem Assessment. Ecosystems and Human Well-being: a framework for
assessment, [en línea], 2005. [Fecha de consulta: 12 de octubre de 2014]. Disponible en:
http://www.millenniumassessment.org/documents/document.299.aspx.pdf
PAULEIT, Stephan et al. Modeling the environmental impacts of urban land use and land cover
change-a study in Merseyside, UK. Landscape and Urban Planning, 2005, Vol. 71 pp. 295-310.
ISSN: 0169-2046.
PENG, Chi et al. Assessing the combined risk of PAHs and metals in urban soils by urbanization
indicators. Environmental Pollution, Julio 2013. Vol. 178. pp. 426-432. ISSN: 0269-7491.
PICKETT, S. Urban Ecological Systems: Linking Terrestrial Ecological, Physical, and
Socioeconomic Components of Metropolitan Areas. Annual Review of Ecology and Systematics,
2001.Vol. 32. pp. 127-157. ISSN: 1545-2069.
PODUJE, Iván. Santiago: Dónde estamos y hacia dónde vamos. Santiago: Centro de Estudios
Públicos, 2006. Capítulo nueve: El globo y el acordeón: planificación urbana en Santiago, 1960-
2004. pp. 231-274.
PORTUGALI, Juval et al. Complexity Theories of Cities Have Come of Age: An Overview with
Implication to Urban Planning and Design. London, Springer, 2012.
Resolución n° 20 del Gobierno Regional Metropolitano. Aprueba Plan Regulador Metropolitano
de Santiago. Diario Oficial de la República de Chile. Santiago, 06 de Octubre de 1994.
Resolución n° 39 del Gobierno Regional Metropolitano. Aprueba modificación de Plan Regulador
Metropolitano de Santiago. Diario Oficial de la República de Chile. Santiago, 12 de Diciembre de
1997.
Resolución n° 76 del Consejo Regional Metropolitano de Santiago. Modifica Plan Regulador
Metropolitano de Santiago. Diario Oficial de la República de Chile. Santiago, 24 de Octubre de
2006.
Resolución n° 153 del Gobierno Regional Metropolitano. Modifica Plan Regulador Metropolitano
de Santiago. Diario Oficial de la República de Chile. Santiago, 26 de Noviembre de 2010.
89
SABATINI, Francisco. Reforma de los mercados de suelo en Santiago, Chile: efectos sobre los
precios de la tierra y la segregación residencial. EURE [en línea].2000, vol. 26, no. 77. [Fecha de
consulta: 02 de junio de 2014]. pp. 49-80. Disponible en:
http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0250-
71612000007700003&lng=en&nrm=iso&tlng=en.
SANDOVAL, Gino. Análisis del proceso de cambio de uso y cobertura de suelo en la expansión
urbana del gran Valparaíso, su evolución y escenarios futuros. Trabajo de titulación para obtener
el título de Geógrafo. Santiago: Universidad de Chile, Facultad de Arquitectura y Urbanismo,
2009. 80 pp.
SCHWARZ, N.; HAASE, D. Models of rural-urban systems. PLUREL Project: Module No.4 [en
línea], 2007. [Fecha de consulta: 10 de Noviembre de 2014]. Disponible en:
http://www.plurel.net/images/D411_models_of_rural_urban_systems.pdf.
SHANNON, Claude. A Mathematical Theory of Communication. Reprinted with corrections from
The Bell System Technical Journal [en línea].1948, Vol. 27. [Fecha de consulta: 12 de Agosto de
2015]. Disponible en: http://worrydream.com/refs/Shannon%20-
%20A%20Mathematical%20Theory%20of%20Communication.pdf.
SIMÓN, Marian. Transformaciones de los modelos urbano y territorial en la región centro (1990
- 2000). Boletín CF+S [en línea]. 2007, Vol. 47. [Fecha de consulta: 12 de marzo de 2015]. pp.
173-231. Disponible en: http://habitat.aq.upm.es/boletin/n47/amsim.html.
SOARES-FILHO, Britaldo; RODRIGUES, Hermann; FOLLADOR, Marco. A hybrid analytical-
heuristic method for calibrating land-use change models. Environmental Modelling & Software,
2013, Vol. 43. pp. 80-87. ISSN 1364-8152.
SOARES-FILHO, Britaldo; RODRIGUES, Hermann; COSTA, William. Modeling Environmental
Dynamics with Dinamica EGO. Belo Horizonte: Britaldo Silveira Soares-Filho ,2009. ISBN: 978-
85-910119-0-2.
SOLON, Jerzy. Spatial context of urbanization: Landscape pattern and changes between 1950
and 1990 in Warsaw metropolitan area, Poland. Landscape and Urban Planning, 2009, Vol. 93.
pp. 250-261. ISSN: 0169 – 2046.
90
SUAREZ-RUBIO, Marcela; LOOKINGBILL, Todd; WAINGER, Lisa. Modeling exurban
development near Washington, DC, USA: comparison of a pattern-based model and a spatially-
explicit econometric model. Landscape Ecology, 2012, Vol. 27. pp-1045-1061.
STAN, Kayla et al. Simulating Deforestation in Minas Gerais, Brazil, under Changing Government
Policies and Socioeconomic Conditions. PLOS One [en línea], 2015. Vol. 10. [Fecha de consulta:
10 de Agosto de 2015]. Disponible en:
http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0137911.
TRIVELLI, Pablo. Reflexiones en torno a la política nacional de desarrollo urbano. Eure [en línea],
1981. Vol. 8, no. 22 pp. 43-64. [Fecha de consulta: 10 de Febrero de 2015]. Disponible en:
http://www.eure.cl/index.php/eure/article/view/921/36.
TOBLER, W. A Computer movie simulating urban growth in the Detroit region. Economic
Geography [en línea]. 1970, Vol. 46. [Fecha de consulta: 6 de marzo de 2015], pp. 234-240.
Disponible en: http://www.jstor.org/stable/143141.
KAWASHIRA, Renata et al. Análise das mudanças temporais de cobertura da terra na região
portuária da Baixada Santista-SP e a proposição de modelos de dinâmica espacial. Actas del XVII
Congreso Brasilero de Sensoramiento Remoto [en línea], Brasil, 2015. [Fecha de consulta: 2 de
Junio de 2015]. Disponible en: http://www.dsr.inpe.br/sbsr2015/files/p0199.pdf.
UNITED NATIONS, Department of Economics and Social Affairs. World urbanization prospects
[en línea], 2014. [Fecha de consulta: 6 de octubre de 2014]. Disponible en:
http://esa.un.org/unpd/wup/.
VÁSQUEZ, Alexis; ROMERO, Hugo. Evaluación y simulación de los efectos ambientales del
crecimiento urbano observado y propuesto en Santiago de Chile. Actas del Congreso Nacional
de Desarrollo Rural [en línea], Santiago de Chile, 2008. [Fecha de consulta: 2 de Enero de 2015].
Disponible en:
http://repositorio.uchile.cl/bitstream/handle/2250/118149/EVALUACION_Y_SIMULACION_DE_LOS_EFEC
TOS_AMBIENTALES_DEL_CRECIMIENTO_URBANO_OBSERVADO_Y_PROPUESTO_EN_SANTIAGO
_DE_CHILE.pdf?sequence=1.
91
VERBURG, Peter; Veldkamp, A. The role of spatially explicit models in land-use change research:
a case study for cropping patterns in China. Agriculture Ecosystems & Environment, 2001, no. 85.
pp. 177-190.
VERBURG, Peter et al. Land use change modelling: current practice and research priorities.
GeoJournal, 2004, Vol. 61, no. 4. pp. 309-324. ISSN: 0343-2521.
VOOGT, J.; OKE, T. Thermal remote sensing of urban climate. Remote Sensing of Environment,
2003, Vol. 86. pp. 370-384.ISSN: 0034-4257.
WOLFRAM, Stephen. A new kind of science [en línea]. 2014. [Fecha de consulta: 20 de Diciembre
de 2014]. Disponible en: http://www.wolframscience.com/reference/notes/876b
XIE, Yichun. A Generalized Model for Cellular Urban Dynamics. Geographical Analysis [en línea].
1996, Vol. 28, no. 4. [Fecha de consulta: 11 de Marzo de 2015]. Disponible en:
http://onlinelibrary.wiley.com/doi/10.1111/j.1538-4632.1996.tb00940.x/pdf.
YAN, Liu. Modelling Urban Development with Geographical Information Systems and Cellular
Automata. Boca Ratón, Fl: Taylor & Francis Group, 2009.
YOUNG, Andrea. Urban expansion and environmental risk in the São Paulo Metropolitan Area.
Climate Research [en línea]. 2013, Vol. 57. [Fecha de consulta: 20 de Agosto de 2015].
Disponible en: http://www.int-res.com/abstracts/cr/v57/n1/p73-80/.
ZHANG, Fangyi. Calibration of Cellular Automata Model with Adaptative Genetic Algorithm for the
Simulation of Urban Land-Use.18th International Conference on Geoinformatics [en línea]. 2010.
[Fecha de consulta: 04 de Marzo de 2015]. Disponible en:
http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5567561&url=http%3A%2F%2Fieeexplor
e.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D556756
92
Anexos
Anexo 1: Tablas con valores obtenidos en análisis WOE a partir de rangos de análisis
Transición desde tipología Sin Uso a Uso Urbano
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a límites urbanos
del PRMS
0 100 4.520 1.567 2,84 4,47 Si
100 200 356 60 1,88 1,90 Si
200 700 1.276 175 1,63 1,71 Si
700 800 204 16 1,01 1,02 Si
800 900 207 17 1,06 1,07 Si
900 1.000 177 11 0,76 0,76 Si
1.000 1.100 175 13 0,95 0,96 Si
1.100 1.200 135 3 -0,31 -0,31 no
1.200 4.600 4.325 1 -4,90 -4,97 si
4.600 4.700 59 0 -11,64 0,00 no
4.700 7.800 1.801 0 -15,06 0,00 no
7.800 7.900 125 0 -12,39 0,00 no
7.900 8.400 745 4 -1,75 -1,76 si
8.400 8.500 165 6 0,20 0,20 no
8.500 8.600 169 9 0,60 0,60 no
8.600 8.700 181 13 0,91 0,92 si
8.700 8.900 398 24 0,73 0,73 si
8.900 9.000 219 6 -0,10 -0,10 no
9.000 9.100 201 2 -1,13 -1,13 no
9.100 9.200 191 0 -12,82 0,00 no
9.200 11.400 2.866 0 -15,52 0,00 no
11.400 11.900 735 0 -14,16 0,00 no
11.900 15.300 4.585 0 -15,99 0,00 no
15.300 16.800 2.771 0 -15,49 0,00 no
16.800 20.500 12.453 0 -16,99 0,00 no
20.500 29.200 25.042 0 -17,69 0,00 no
Distancia a Centro Urbano
de Santiago
0 6.100 1 1 11,04 0,00 no
6.100 6.800 33 31 6,21 6,23 si
6.800 8.900 880 162 1,98 2,06 si
8.900 9.000 45 6 1,60 1,60 si
9.000 9.100 33 8 2,33 2,34 si
93
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a Centro Urbano
de Santiago
9.100 10.500 339 47 1,65 1,67 si
10.500 10.600 23 0 -10,70 0,00 no
10.600 11.100 59 4 0,85 0,85 no
11.100 11.200 14 10 4,39 4,40 si
11.200 30.400 7.669 1.594 2,14 3,79 si
30.400 30.500 66 0 -11,75 0,00 no
30.500 32.000 1.464 3 -2,71 -2,74 si
32.000 32.100 122 6 0,51 0,51 no
32.100 32.200 143 8 0,65 0,65 no
32.200 32.300 151 11 0,93 0,93 si
32.300 32.400 147 14 1,22 1,23 si
32.400 32.600 275 21 0,98 0,99 si
32.600 32.700 118 1 -1,29 -1,29 no
32.700 32.800 116 0 -12,32 0,00 no
32.800 34.900 1.834 0 -15,08 0,00 no
34.900 35.000 96 0 -12,13 0,00 no
35.000 36.700 2.255 0 -15,28 0,00 no
36.700 36.900 306 0 -13,29 0,00 no
36.900 38.300 3.210 0 -15,64 0,00 no
38.300 38.600 960 0 -14,43 0,00 no
38.600 40.000 5.489 0 -16,17 0,00 no
40.000 40.900 4.081 0 -15,88 0,00 no
40.900 45.200 19.922 0 -17,46 0,00 no
45.200 65.700 14.230 0 -17,13 0,00 no
Distancia a Red Vial principal
0 100 236 43 1,97 1,99 si
100 2.000 4.605 540 1,46 1,72 si
2.000 2.100 167 14 1,08 1,09 si
2.100 2.200 184 23 1,53 1,54 si
2.200 2.600 605 131 2,19 2,25 si
2.600 12.100 9.151 1.176 1,56 2,36 si
12.100 12.200 123 0 -12,38 0,00 no
12.200 14.700 2.709 0 -15,47 0,00 no
14.700 15.200 455 0 -13,68 0,00 no
15.200 18.600 4.073 0 -15,88 0,00 no
18.600 19.700 1.904 0 -15,12 0,00 no
19.700 23.000 9.137 0 -16,68 0,00 no
23.000 26.300 14.914 0 -17,17 0,00 no
26.300 33.800 15.818 0 -17,23 0,00 no
Distancia a Uso Urbano
0 100 19 6 2,70 2,70 si
100 2.400 6.073 999 1,85 2,49 si
94
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a Uso Urbano
2.400 2.500 215 10 0,45 0,46 no
2.500 2.600 214 4 -0,49 -0,49 no
2.600 2.700 205 7 0,13 0,13 no
2.700 2.800 159 1 -1,59 -1,59 no
2.800 2.900 147 2 -0,81 -0,81 no
2.900 3.000 149 3 -0,41 -0,41 no
3.000 3.100 146 4 -0,10 -0,10 no
3.100 3.200 176 7 0,29 0,29 no
3.200 3.400 381 20 0,58 0,59 si
3.400 3.500 206 16 1,00 1,00 si
3.500 3.600 189 20 1,34 1,35 si
3.600 10.700 10.311 828 1,04 1,43 si
10.700 10.800 100 0 -12,17 0,00 no
10.800 15.100 5.108 0 -16,10 0,00 no
15.100 16.000 1.819 0 -15,07 0,00 no
16.000 22.900 12.344 0 -16,98 0,00 no
22.900 31.300 26.120 0 -17,73 0,00 no
0 250 1.072 375 2,85 3,06 si
250 1.750 3.693 614 1,86 2,19 si
1.750 2.000 463 0 -13,70 0,00 no
2.000 2.250 581 8 -0,80 -0,80 si
2.250 2.500 496 17 0,14 0,14 no
2.500 2.750 526 12 -0,28 -0,29 no
2.750 3.000 346 6 -0,56 -0,57 no
3.000 3.250 425 14 0,09 0,09 no
3.250 3.500 481 34 0,90 0,91 si
3.500 3.750 493 57 1,44 1,46 si
3.750 9.750 9.244 790 1,10 1,48 si
9.750 10.000 204 0 -12,88 0,00 no
10.000 14.250 4.414 0 -15,96 0,00 no
14.250 15.250 1.688 0 -15,00 0,00 no
15.250 21.500 9.680 0 -16,74 0,00 no
21.500 25.750 15.824 0 -17,23 0,00 no
25.750 31.250 14.451 0 -17,14 0,00 no
Distancia a Zonas
Industriales
0 100 314 52 1,86 1,88 si
100 200 161 17 1,34 1,34 si
200 1.100 1.181 88 0,95 0,98 si
1.100 1.200 103 0 -12,20 0,00 no
1.200 1.500 365 1 -2,42 -2,43 si
95
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a Zonas
Industriales
1.500 1.600 124 4 0,07 0,07 no
1.600 1.700 127 5 0,28 0,28 no
1.700 1.800 147 11 0,96 0,96 si
1.800 2.000 295 16 0,62 0,62 si
2.000 3.400 1.814 124 0,86 0,90 si
3.400 3.500 85 13 1,76 1,77 si
3.500 6.000 1.735 492 2,55 2,82 si
6.000 12.200 3.713 539 1,70 1,98 si
12.200 12.300 81 4 0,52 0,52 no
12.300 12.400 94 10 1,35 1,35 si
12.400 13.200 924 144 1,78 1,85 si
13.200 16.500 3.850 407 1,34 1,52 si
16.500 16.600 90 0 -12,06 0,00 no
16.600 19.800 2.773 0 -15,49 0,00 no
19.800 20.200 457 0 -13,69 0,00 no
20.200 23.000 4.225 0 -15,91 0,00 no
23.000 24.200 2.037 0 -15,18 0,00 no
24.200 30.600 9.576 0 -16,73 0,00 no
30.600 39.400 17.637 0 -17,34 0,00 no
39.400 44.400 12.173 0 -16,97 0,00 no
Pendiente Topográfica
0 5 7.309 1.501 2,12 3,53 si
5 10 6.059 342 0,66 0,75 si
10 15 7.492 53 -1,47 -1,57 si
15 25 18.048 23 -3,19 -3,52 si
25 80 25.080 8 -4,58 -5,09 si
96
Transición Uso Agrícola – Uso Urbano
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Distancia a límites urbanos
del PRMS
0 100 37.887 9.788 1,23 2,12 si
100 200 4.201 230 -0,57 -0,58 si
200 400 7.020 355 -0,65 -0,67 si
400 500 2.951 160 -0,58 -0,58 si
500 600 4.047 243 -0,47 -0,48 si
600 700 2.976 200 -0,35 -0,35 si
700 1.100 13.917 990 -0,29 -0,31 si
1.100 2.200 35.582 1.998 -0,54 -0,66 si
2.200 2.300 2.610 79 -1,18 -1,20 si
2.300 3.100 16.352 347 -1,55 -1,64 si
3.100 3.200 1.479 5 -3,40 -3,41 si
3.200 14.200 28.648 191 -2,72 -2,93 si
Distancia a Centro Urbano
de Santiago
0 6.800 4 4 13,26 0,00 no
6.800 7.600 102 101 6,90 6,91 si
7.600 11.700 4.387 2.485 2,55 2,72 si
11.700 11.800 149 57 1,80 1,81 si
11.800 11.900 152 63 1,94 1,94 si
11.900 14.200 4.240 1.420 1,60 1,68 si
14.200 14.300 248 50 0,91 0,91 si
14.300 14.400 250 53 0,97 0,97 si
14.400 14.500 261 48 0,79 0,80 si
14.500 14.600 285 61 0,98 0,99 si
14.600 15.000 1.208 238 0,88 0,89 si
15.000 15.100 326 56 0,71 0,71 si
15.100 15.200 311 48 0,58 0,58 si
15.200 15.300 339 44 0,38 0,38 si
15.300 15.500 666 75 0,22 0,22 no
15.500 15.600 333 41 0,32 0,32 no
15.600 15.700 341 49 0,50 0,50 si
15.700 15.900 671 89 0,41 0,41 si
15.900 16.000 342 40 0,26 0,26 no
16.000 16.100 344 48 0,46 0,47 si
16.100 16.200 361 55 0,57 0,57 si
16.200 16.300 333 60 0,77 0,77 si
16.300 16.500 637 124 0,86 0,87 si
16.500 16.800 982 166 0,69 0,70 si
97
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Distancia a Centro Urbano
de Santiago
16.800 16.900 327 45 0,45 0,45 si
16.900 17.000 362 56 0,59 0,59 si
17.000 17.100 356 49 0,45 0,45 si
17.100 17.200 360 54 0,55 0,55 si
17.200 17.300 352 46 0,39 0,39 si
17.300 17.700 1.543 217 0,47 0,48 si
17.700 17.800 411 65 0,61 0,61 si
17.800 19.600 8.597 1.168 0,43 0,46 si
19.600 19.700 486 44 -0,02 -0,02 no
19.700 19.800 463 32 -0,32 -0,32 no
19.800 19.900 496 37 -0,23 -0,24 no
19.900 20.100 995 63 -0,41 -0,41 si
20.100 20.300 980 74 -0,22 -0,22 no
20.300 20.400 539 63 0,26 0,26 no
20.400 20.900 2.632 345 0,39 0,40 si
20.900 24.500 21.575 2.395 0,20 0,24 si
24.500 24.600 567 14 -1,39 -1,40 si
24.600 24.800 1.183 38 -1,12 -1,13 si
24.800 24.900 559 21 -0,96 -0,96 si
24.900 26.700 10.391 431 -0,86 -0,90 si
26.700 26.800 557 35 -0,42 -0,42 si
26.800 27.000 1.072 81 -0,22 -0,22 no
27.000 27.100 510 47 0,00 0,00 no
27.100 27.700 2.911 225 -0,20 -0,20 si
27.700 28.000 1.429 95 -0,36 -0,36 si
28.000 28.100 463 23 -0,67 -0,67 si
28.100 28.400 1.331 54 -0,88 -0,89 si
28.400 28.500 444 14 -1,14 -1,14 si
28.500 28.600 430 3 -2,67 -2,68 si
28.600 29.800 4.270 62 -1,93 -1,96 si
29.800 29.900 307 9 -1,22 -1,22 si
29.900 30.400 1.614 34 -1,56 -1,56 si
30.400 31.100 2.159 29 -2,01 -2,03 si
31.100 31.400 837 19 -1,48 -1,48 si
31.400 31.500 284 17 -0,47 -0,47 no
31.500 31.600 268 27 0,09 0,09 no
31.600 31.800 549 72 0,39 0,39 si
31.800 32.700 2.415 386 0,62 0,64 si
32.700 33.500 2.204 277 0,34 0,35 si
98
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Distancia a Centro Urbano
de Santiago
33.500 33.600 268 17 -0,41 -0,41 no
33.600 33.700 255 24 0,02 0,02 no
33.700 33.900 511 61 0,28 0,29 si
33.900 34.000 245 36 0,52 0,53 si
34.000 34.100 259 32 0,32 0,32 no
34.100 34.800 1.723 179 0,13 0,13 no
34.800 35.200 960 117 0,31 0,31 si
35.200 35.300 245 37 0,56 0,56 si
35.300 35.500 480 55 0,24 0,24 no
35.500 35.600 234 23 0,07 0,07 no
35.600 35.900 681 79 0,25 0,25 si
35.900 36.700 1.938 274 0,48 0,49 si
36.700 36.800 273 56 0,93 0,93 si
36.800 37.700 2.768 455 0,66 0,67 si
37.700 37.800 362 32 -0,05 -0,05 no
37.800 38.100 1.105 74 -0,35 -0,35 si
38.100 38.200 388 8 -1,58 -1,58 si
38.200 39.200 4.113 114 -1,27 -1,29 si
39.200 40.600 5.806 216 -0,97 -1,00 si
40.600 40.700 421 32 -0,21 -0,21 no
40.700 42.000 5.443 350 -0,39 -0,41 si
42.000 42.100 413 5 -2,12 -2,12 si
42.100 55.900 34.279 69 -3,92 -4,19 si
Distancia a Red Vial principal
0 100 3.180 581 0,79 0,81 si
100 2.200 78.314 11.796 0,55 1,58 si
2.200 2.300 2.052 145 -0,29 -0,30 si
2.300 3.100 15.695 936 -0,47 -0,52 si
3.100 3.200 1.917 76 -0,90 -0,91 si
3.200 3.600 6.831 317 -0,74 -0,76 si
3.600 4.600 14.086 508 -1,00 -1,07 si
4.600 4.700 1.135 14 -2,10 -2,11 si
4.700 5.300 6.094 25 -3,21 -3,25 si
5.300 17.300 28.366 188 -2,73 -2,93 si
Distancia a Uso Urbano
0 100 147 48 1,56 1,56 si
100 1.500 38.824 9.698 1,18 2,05 si
1.500 1.600 2.183 267 0,31 0,32 si
1.600 1.800 4.433 479 0,17 0,18 si
1.800 2.300 10.754 989 -0,01 -0,01 no
2.300 3.000 13.425 1.004 -0,23 -0,25 si
99
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Distancia a Uso Urbano
3.000 3.100 1.765 83 -0,73 -0,73 si
3.100 3.200 1.853 69 -0,97 -0,98 si
3.200 3.900 11.584 310 -1,31 -1,37 si
3.900 4.100 3.004 49 -1,82 -1,83 si
4.100 4.500 6.083 132 -1,53 -1,56 si
4.500 4.600 1.381 42 -1,18 -1,19 si
4.600 4.900 4.196 167 -0,90 -0,92 si
4.900 6.400 18.700 568 -1,18 -1,28 si
6.400 7.000 6.027 124 -1,58 -1,61 si
7.000 7.100 926 10 -2,23 -2,24 si
7.100 12.500 25.797 431 -1,79 -1,96 si
12.500 12.600 198 25 0,35 0,35 no
12.600 13.200 985 91 0,00 0,00 no
13.200 13.300 142 0 -14,54 0,00 no
13.300 20.800 5.263 0 -18,16 0,00 no
0 250 7.018 2.529 1,71 1,87 si
250 1.000 20.243 5.309 1,25 1,59 si
1.000 1.250 6.282 1.105 0,74 0,78 si
1.250 1.500 5.438 808 0,54 0,56 si
1.500 1.750 6.003 677 0,22 0,23 si
1.750 2.250 10.599 989 0,01 0,01 no
2.250 3.000 14.141 1.074 -0,22 -0,23 si
3.000 3.250 4.594 194 -0,84 -0,86 si
3.250 3.500 4.157 126 -1,18 -1,20 si
3.500 4.000 7.981 163 -1,59 -1,63 si
4.000 4.750 11.210 257 -1,47 -1,53 si
4.750 5.000 3.264 154 -0,72 -0,73 si
5.000 5.500 6.600 251 -0,95 -0,98 si
5.500 5.750 3.386 87 -1,35 -1,37 si
5.750 9.000 27.264 433 -1,84 -2,02 si
9.000 9.250 1.440 0 -16,86 0,00 no
9.250 11.500 9.279 73 -2,55 -2,62 si
11.500 11.750 634 59 0,01 0,01 no
11.750 12.250 1.088 126 0,25 0,25 si
12.250 13.500 2.031 172 -0,10 -0,10 no
13.500 13.750 296 0 -15,28 0,00 no
13.750 20.750 4.722 0 -18,05 0,00 no
Distancia a Zonas
Industriales 0 100 5.398 1.950 1,71 1,83 si
100
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Distancia a Zonas
Industriales
100 400 3.138 865 1,32 1,36 si
400 1.700 12.574 2.777 1,02 1,16 si
1.700 1.800 1.170 189 0,64 0,64 si
1.800 1.900 1.154 152 0,40 0,40 si
1.900 2.000 1.104 128 0,25 0,25 si
2.000 2.100 1.103 106 0,04 0,04 no
2.100 2.700 7.078 565 -0,16 -0,17 si
2.700 6.400 40.198 2.800 -0,31 -0,40 si
6.400 6.500 965 108 0,21 0,21 si
6.500 8.100 14.309 1.374 0,04 0,05 no
8.100 8.200 810 56 -0,32 -0,32 si
8.200 10.200 13.183 1.059 -0,15 -0,17 si
10.200 10.300 505 56 0,20 0,20 no
10.300 10.800 2.392 316 0,40 0,41 si
10.800 10.900 445 75 0,69 0,69 si
10.900 12.100 5.237 729 0,46 0,48 si
12.100 12.200 373 24 -0,39 -0,39 no
12.200 12.900 2.664 137 -0,63 -0,64 si
12.900 13.000 354 5 -1,96 -1,96 si
13.000 14.200 4.494 96 -1,54 -1,57 si
14.200 14.300 358 20 -0,54 -0,54 si
14.300 15.900 6.065 285 -0,73 -0,75 si
15.900 16.000 350 9 -1,35 -1,35 si
16.000 17.700 5.364 180 -1,08 -1,10 si
17.700 17.800 308 26 -0,10 -0,10 no
17.800 18.100 909 90 0,08 0,08 no
18.100 18.200 290 34 0,26 0,27 no
18.200 19.200 3.020 294 0,06 0,06 no
19.200 19.300 279 8 -1,24 -1,24 si
19.300 19.400 280 5 -1,72 -1,73 si
19.400 21.900 6.691 68 -2,30 -2,34 si
21.900 22.000 242 0 -15,08 0,00 no
22.000 32.200 14.866 0 -19,19 0,00 no
Pendiente Topográfica
0 5 145.425 13.686 0,02 0,27 si
5 10 10.344 806 -0,19 -0,20 si
10 15 1.242 71 -0,52 -0,52 si
15 20 383 18 -0,73 -0,73 si
20 25 171 5 -1,22 -1,22 si
25 30 66 0 -13,78 0,00 no
101
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste
Significancia
Pendiente Topográfica 30 45 37 0 -13,20 0,00 no
Transición Cubierta natural – Uso Urbano
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a límites urbanos
del PRMS
0 100 12.356 1.074 3,15 5,70 si
100 200 2.830 33 1,06 1,08 si
200 300 2.607 23 0,78 0,79 si
300 400 1.956 9 0,12 0,12 no
400 500 1.916 11 0,34 0,35 no
500 600 2.568 10 -0,05 -0,05 no
600 700 1.911 1 -2,06 -2,06 si
700 1.500 16.780 0 -16,78 0,00 no
1.500 1.600 2.147 0 -14,73 0,00 no
1.600 3.200 39.779 0 -17,65 0,00 no
3.200 25.300 199.518 0 -19,26 0,00 no
Distancia a Centro Urbano
de Santiago
0 11.500 3.797 2 -2,05 -2,06 si
11.500 11.600 138 6 2,41 2,41 si
11.600 23.700 52.756 1.148 1,69 5,98 si
23.700 23.800 762 5 0,48 0,48 no
23.800 23.900 732 0 -13,65 0,00 no
23.900 65.200 226.183 0 -19,39 0,00 no
Distancia a Red Vial principal
0 900 12.428 9 -1,73 -1,77 si
900 1.000 1.412 4 -0,37 -0,37 no
1.000 1.100 1.437 2 -1,08 -1,08 no
1.100 1.200 1.337 0 -14,26 0,00 no
1.200 1.700 8.104 11 -1,10 -1,12 si
1.700 1.800 1.715 9 0,25 0,25 no
1.800 2.700 16.648 105 0,44 0,47 si
2.700 3.600 16.894 132 0,65 0,71 si
3.600 3.700 1.958 25 1,15 1,16 si
3.700 3.800 1.898 38 1,61 1,63 si
3.800 6.900 60.612 826 1,21 2,22 si
6.900 7.000 1.646 0 -14,46 0,00 no
7.000 27.700 158.279 0 -19,03 0,00 no
102
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a Uso Urbano
0 100 27 3 3,42 3,42 si
100 3.200 27.379 870 2,08 3,37 si
3.200 3.300 1.222 4 -0,22 -0,22 no
3.300 3.400 1.248 3 -0,53 -0,53 no
3.400 3.500 1.335 6 0,10 0,10 no
3.500 3.600 1.230 1 -1,62 -1,62 no
3.600 3.700 1.374 0 -14,28 0,00 no
3.700 5.700 29.086 0 -17,34 0,00 no
5.700 5.800 1.558 2 -1,16 -1,16 no
5.800 6.300 7.838 7 -1,52 -1,55 si
6.300 6.400 1.615 10 0,42 0,42 no
6.400 6.500 1.535 12 0,65 0,66 si
6.500 7.200 10.852 107 0,89 0,95 si
7.200 7.300 1.591 31 1,58 1,60 si
7.300 7.900 9.075 105 1,05 1,11 si
7.900 8.000 1.469 0 -14,35 0,00 no
8.000 29.900 185.934 0 -19,19 0,00 no
0 250 2.043 217 3,37 3,57 si
250 2.750 20.121 643 2,09 2,82 si
2.750 3.000 2.802 4 -1,05 -1,06 si
3.000 3.250 3.172 11 -0,16 -0,17 no
3.250 3.750 6.597 12 -0,81 -0,82 si
3.750 4.000 3.403 0 -15,19 0,00 no
4.000 5.750 25.824 2 -3,97 -4,06 si
5.750 6.000 3.649 5 -1,09 -1,10 si
6.000 6.250 4.108 3 -1,72 -1,74 si
6.250 6.500 3.848 29 0,62 0,63 si
6.500 7.250 11.851 119 0,91 0,97 si
7.250 7.500 3.624 72 1,60 1,65 si
7.500 7.750 3.964 43 0,98 1,01 si
7.750 8.000 3.498 1 -2,66 -2,67 si
8.000 30.000 185.864 0 -19,19 0,00 no
Distancia a Zonas
Industriales
0 5.800 26.269 12 -2,19 -2,28 si
5.800 5.900 801 6 0,61 0,61 no
5.900 6.000 811 11 1,21 1,22 si
6.000 6.900 7.938 79 0,90 0,94 si
6.900 7.000 887 4 0,10 0,10 no
7.000 7.100 945 3 -0,25 -0,25 no
7.100 7.400 2.828 6 -0,66 -0,66 no
103
Variable Valor
mínimo Valor
máximo Transiciones
posibles Transiciones
ocurridas Peso Contraste Significancia
Distancia a Zonas
Industriales
7.400 7.500 944 8 0,73 0,74 si
7.500 7.800 2.855 31 0,98 1,00 si
7.800 7.900 919 14 1,33 1,34 si
7.900 8.800 9.116 100 1,00 1,05 si
8.800 8.900 1.004 0 -13,97 0,00 no
8.900 9.100 2.209 2 -1,51 -1,52 si
9.100 9.200 1.119 3 -0,42 -0,42 no
9.200 9.300 1.124 8 0,56 0,56 no
9.300 9.400 1.101 6 0,29 0,29 no
9.400 9.600 2.228 8 -0,13 -0,13 no
9.600 9.700 1.120 0 -14,08 0,00 no
9.700 10.000 3.507 2 -1,97 -1,98 si
10.000 10.100 1.137 3 -0,44 -0,44 no
10.100 10.200 1.249 7 0,32 0,32 no
10.200 10.300 1.216 11 0,80 0,81 si
10.300 10.400 1.207 18 1,31 1,32 si
10.400 10.600 2.544 28 1,00 1,01 si
10.600 12.100 19.735 318 1,39 1,63 si
12.100 12.200 1.277 54 2,38 2,42 si
12.200 13.400 15.646 323 1,64 1,91 si
13.400 13.500 1.246 6 0,17 0,17 no
13.500 13.600 1.337 2 -1,01 -1,01 no
13.600 13.700 1.259 1 -1,64 -1,64 no
13.700 13.800 1.286 0 -14,22 0,00 no
13.800 13.900 1.227 1 -1,61 -1,62 no
13.900 14.000 1.169 2 -0,87 -0,87 no
14.000 14.100 1.252 4 -0,25 -0,25 no
14.100 14.200 1.186 7 0,37 0,37 no
14.200 15.000 9.327 69 0,60 0,63 si
15.000 15.100 1.095 4 -0,11 -0,11 no
15.100 15.200 1.045 0 -14,01 0,00 no
15.200 42.100 151.203 0 -18,98 0,00 no
Pendiente Topográfica
0 5 31.334 703 1,72 2,54 si
5 10 37.086 393 0,96 1,23 si
10 15 42.089 56 -1,12 -1,24 si
15 20 44.655 9 -3,01 -3,18 si
20 70 129.030 0 -18,82 0,00 no
104
Anexo 2: Tablas con valores obtenidos en análisis de correlación entre variables
Transición Suelo – Uso Urbano
Variable independiente
A
Variable independiente B
Indicadores de Correlación
Chi 2 Crammer Contingencia Joint Entropy Joint
Uncertainty
Distancia a Uso Urbano
Distancia a límites urbanos
del PRMS 1.010.932,30 0,33 0,8 4,01 0,27
Distancia a centro urbano de
Santiago 500.647,38 0,24 0,68 4,01 0,18
Distancia a red vial principal
830.314,11 0,34 0,77 3,58 0,22
Distancia a zonas industriales
718.759,30 0,28 0,75 4,32 0,2
Pendiente topográfica
189.477,06 0,29 0,5 3,51 0,11
Distancia a mancha urbana
principal 4.668.124,99 0,72 0,94 2,58 0,8
Distancia a límites urbanos
del PRMS
Distancia a centro urbano de
Santiago 498.814,96 0,19 0,68 4,13 0,16
Distancia a red vial principal
1.161.938,42 0,4 0,82 3,50 0,31
Distancia a zonas industriales
662.736,60 0,22 0,73 4,43 0,19
Pendiente topográfica
218.888,80 0,31 0,53 3,59 0,12
Distancia a Centro Urbano
de Santiago
Distancia a red vial principal
320.196,20 0,21 0,6 3,66 0,13
Distancia a mancha urbana
principal 501.932,40 0,22 0,69 3,80 0,18
Distancia a zonas industriales
420.638,47 0,18 0,65 4,33 0,15
Pendiente topográfica
60.411,85 0,16 0,31 3,53 0,03
Distancia a Red Vial principal
Distancia a mancha urbana
principal
686.179,61 0,31 0,74 3,39 0,23
Distancia a Zonas
Industriales 858.548,24 0,34 0,78 3,78 0,25
Pendiente Topográfica
204.319,87 0,3 0,51 3,01 0,13
Distancia a Mancha Urbana
Principal
Distancia a zonas industriales
649.208,78 0,25 0,73 4,12 0,2
Pendiente topográfica
188.428,26 0,29 0,5 3,29 0,11
Distancia a Zonas
Industriales
Pendiente topográfica
186.320,98 0,29 0,5 3,80 0,09
105
Transición Uso Agrícola – Uso Urbano
Variable independiente
A
Variable independiente
B
Indicadores de Correlación
Chi 2 Crammer Contingencia Joint Entropy Joint
Uncertainty
Distancia a Uso Urbano
Distancia a límites urbanos
del PRMS 719.030,88 0,31 0,75 4,04 0,24
Distancia a centro urbano de
Santiago 667.613,48 0,23 0,74 5,65 0,17
Distancia a red vial principal
473.640,75 0,28 0,67 4,07 0,17
Distancia a mancha urbana
principal 0,68 0,95 3,10 0,8
Distancia a zonas
industriales 618.346,81 0,22 0,72 5,04 0,18
Pendiente topográfica
196.950,27 0,21 0,51 4,24 0,09
Distancia a límites urbanos
del PRMS
Distancia a centro urbano de
Santiago 443.936,88 0,25 0,66 4,97 0,14
Distancia a red vial principal
636.838,86 0,32 0,73 3,14 0,27
Distancia a mancha urbana
principal 701.258,19 0,31 0,74 3,82 0,25
Distancia a zonas
industriales 487.999,93 0,26 0,68 4,29 0,17
Pendiente topográfica
214.067,42 0,22 0,52 3,39 0,12
Distancia a Centro Urbano
de Santiago
Distancia a red vial principal
239.209,80 0,2 0,54 4,99 0,09
Distancia a mancha urbana
principal 664.458,08 0,23 0,73 5,43 0,17
Distancia a zonas
industriales 600.708,47 0,17 0,72 5,83 0,15
Pendiente topográfica
81.285,31 0,13 0,35 5,14 0,03
Distancia a Red Vial principal
Distancia a zonas
industriales 588.526,59 0,31 0,71 4,06 0,22
Pendiente topográfica
227.902,82 0,22 0,54 3,25 0,13
Distancia a Mancha Urbana
Principal
Distancia a zonas
industriales 601.721,44 0,22 0,72 4,82 0,18
Pendiente topográfica
197.633,68 0,21 0,51 4,00 0,1
Distancia a Zonas
Industriales
Pendiente topográfica
195.794,56 0,21 0,51 4,35 0,08
106
Transición Cubierta natural – Uso Urbano
Variable independiente
A
Variable independiente
B
Indicadores de Correlación
Chi 2 Crammer Contingencia Joint Entropy Joint
Uncertainty
Distancia a Uso Urbano
Distancia a límites urbanos
del PRMS 554.465,07 0,29 0,7 2,97 0,24
Distancia a centro urbano de Santiago
382.223,52 0,31 0,63 2,36 0,22
Distancia a red vial principal
345.727,43 0,21 0,62 3,43 0,16
Distancia a zonas
industriales 285.003,35 0,18 0,58 3,69 0,14
Pendiente topográfica
179.265,80 0,23 0,49 3,05 0,11
Distancia a límites urbanos
del PRMS
Distancia a centro urbano de Santiago
292.538,36 0,27 0,58 2,12 0,21
Distancia a red vial principal
471.697,06 0,26 0,67 3,12 0,19
Distancia a zonas
industriales 247.965,51 0,19 0,55 3,45 0,12
Pendiente topográfica
197.466,69 0,24 0,51 2,75 0,13
Distancia a Centro Urbano
de Santiago
Distancia a red vial principal
161.271,55 0,2 0,47 2,56 0,11
Distancia a zonas
industriales 173.501,66 0,21 0,48 2,78 0,11
Pendiente topográfica
63.783,92 0,14 0,32 2,16 0,05
Distancia a Red Vial principal
Distancia a zonas
industriales 580.434,65 0,27 0,71 3,62 0,2
Pendiente topográfica
225.341,99 0,26 0,53 3,07 0,14
Distancia a Mancha Urbana
Principal
Distancia a zonas
industriales 282.889,01 0,17 0,58 3,59 0,14
Pendiente topográfica
179.357,39 0,23 0,49 2,95 0,12
Distancia a Zonas
Industriales
Pendiente topográfica
175.901,09 0,23 0,49 3,35 0,1