Área metropolitana de concepción: factores...

12

124

RESUMEN

El Área Metropolitana de Concepción (Chile) experimenta rápidas e intensas transformaciones producto de la exten-sión dispersa de su superficie urbanizada, con un incremento de más de 5 mil ha (40% de la superficie existente en 2001). Dicho crecimiento ha provocado desigualdades socioeconómicas en la distribución de la población, un impacto sobre los sistemas ecológicos y la disposición de los asentamientos en zonas no adecuadas, expuestas a riesgos natura-les. Para la detección del crecimiento urbano se extrajeron las áreas urbanas construidas utilizando procesamien-to digital e interpretación visual de imágenes satelitales TM Landsat de 30 metros de resolución para ambas fechas. A partir de ambos mapas se obtuvieron las zonas de crecimiento urbano. Por otro lado, para analizar los factores influyentes de dicho crecimiento se recopilaron un conjunto de variables espaciales de tipo socioeconómico, biofísico, de planeación y de accesibilidad. Una vez recopiladas las variables se aplicó la Regresión Logística Espacial para detectar los factores más significativos del crecimiento urbano. Los principales resultados muestran la mayor incidencia y relevancia que tienen factores como: la accesibili-dad a las zonas urbanas, carreteras, distancia a puntos de interés económico, población, entre otras.Palabras clave: Crecimiento urbano, Regresión Logística, Factores explicativos, Área Metropolitana de Concepción, Sistemas de Información Geográfica.

ABSTRACT

Concepción Metropolitan Area (Chile) is undergoing rapid and growing changes as a result of urban sprawl of its built-up area, with an increment of more than 5 thousand ha (40 % of the urban land use in 2001). This growth has led to socioeconomic inequalities in the distribution of the population, an impact on ecological systems and location of settlements in unsuitable areas exposed to natural hazards. For doing urban growth cartography, digital and visual processing of Landsat TM images of 30 meters resolution was used, for both dates. On the other hand, to analyze land urban growth factors explaining a set of socioeconomic, biophysical, planning and accessibility spatial variables were collected. Subsequently, spatial logistic regression was applied to detect the most significant factors of urban growth. The main results show the highest incidence and relevance that have factors such as: accessibility to urban areas, roads, landmarks economic, population, among others.Keywords: urban growth, logistic regression, factors explaining, Concepción metropolitan area, geographic informa-tion systems.

Área Metropolitana de Concepción: Factores espaciales explicativos de su crecimiento urbano reciente (2001-2009) por medio de un Modelo

de Regresión Logística EspacialCAROLINA ROJAS QUEZADA, WENSESLAO PLATA ROCHA

1 Departamento de Geografía, Universidad de ConcepciónC. Victoria, Facultad de Arquitectura, Urbanismo y Geografía

Concepción- Chile; [email protected]

2 Escuela de Ciencias de la Tierra, Universidad Autónoma de SinaloaAv. de las Américas y Blvd. Universitarios, CP. 80000. Culiacán, Sinaloa, México.

[email protected]

1 2

1. INTRODUCCIÓN

El panorama internacional demuestra que los espacios urbanizados han cambiado completamente el equilibrio del planeta, principalmente factores como el crecimien

to de la población urbana han sido perjudiciales para la preservación de los recursos naturales. A su vez el crecimiento desmesurado y desorganizado de las super-ficies artificiales, más contextualizado como “urban sprawl”, ha provocado la proliferación de asentamien-

Revista Postgrados UNAH No. 4 Vol. II Diciembre 2010 ISSN 2071 - 8470

12

125

tos en lugares no adecuados, incrementándose las potenciales consecuencias de amenazas como los riesgos naturales. Este crecimiento es uno de los facto-res claves en los cambios de uso del suelo, del paisaje y del territorio, aunque en la actualidad las zonas urbanas ocupan tan sólo el 2% de la superficie de la tierra, sus efectos en la alteración del medio son importantísimos a escala local, regional y global. Comúnmente se relaciona el crecimiento de las ciudades con el aumento de la población. No obstan-te, en la actualidad, en lugares (Europa, EE. UU., Asia y Latinoamérica) junto a la presión demográfica, existen una considerable variedad de factores que conducen dicho crecimiento (EEA, 2006). En Latino-américa el crecimiento urbano de sus ciudades la conso-lida como una de las regiones más urbanizadas del mundo, aceleradamente ha pasado de una población urbana de 69 millones en 1950 a 448 millones en el 2007. Este notable incremento de 78%, llega a ser más alto que de los experimentados en Europa, África y Asia en las mismas fechas (United Nations, 2007). A su vez las ciudades latinoamericanas se encuentra bajo la mirada internacional, principalmente porque sus ciuda-des capitales han experimentado desarrollos urbanos muy ligados al modelo económico neoliberal, creando externalidades como espacios más dispersos y segrega-dos socio-espacialmente. Por tanto, la necesidad de entender los factores causales y espaciales que influyen en la localización de las zonas urbanas está más que justificado y en este aspecto Chile, cuya concentración de población en áreas urbanas es superior a un 80%, constituye uno de los países más urbanizados de América Latina. Sin embargo, la población urbana se distribuye desigual-mente, concentrándose principalmente en su capital, Santiago, que en 50 años incrementó su población desde 1.5 millones de personas a más de 5 millones. En cuanto a las principales causas de esta rápida urbaniza-ción se ha mencionado al modelo económico neoliberal implementado en los años setenta, el cual dio más libertades para un expansivo desarrollo inmobiliario (Henríquez et al., 2006). Detrás de la capital, siguen en importancia las áreas metropolitanas de Concepción y Valparaíso. Ambas surgen como territorios de reciente formación, producto de un crecimiento ligado al desarrollo indus-trial y portuario del país. En los últimos 50 años han duplicado su población aproximándose al millón de habitantes. Incluso la presencia de estas tres grandes metrópolis representa el 54.9% del suelo urbano del país (Ministerio de Vivienda y Urbanismo, 2006). Ante este panorama, creemos oportuno enfocar este trabajo al estudio de los factores espaciales o fuerzas conductoras que han guiado el reciente creci-

miento urbano del Área Metropolitana de Concepción (en adelante AMC) en un escenario previo al fatídico terremoto del 27 de Febrero 2010 que afectó fuertemen-te la zona. De este modo, el objetivo principal de esta investigación es estudiar la relación entre el crecimien-to urbano ocurrido en el periodo de 2001 al 2009 y algunas variables espaciales de carácter socioeconómi-co, biofísico, de proximidad, de planificación, etc. a nivel municipal y a nivel de píxel, aplicando para este fin la técnica de Regresión Logística Espacial (RLE), aplicada en el software de Sistemas de Información Geográfica IDRISI. Este objetivo tiene una estrecha relación con el conocimiento del escenario actual, pre-terremoto, para que en un futuro próximo sirva de insumo en la simulación de escenarios de crecimiento urbano más sostenibles.

2. FUERZAS CONDUCTORAS Y TÉCNICAS APLICADAS EN SU ESTUDIO

Sin duda el crecimiento de la población es un factor fundamental en el aumento de la superficie urbanizada pero además existe una gran cantidad de factores que conducen las dinámicas urbanas y la distribución de los usos de suelo en la ciudad. En este sentido en Rojas, Muñiz & García-López (2009), se resumen de la forma siguiente las principales referencias teóricas que aportan la clásica explicación de las dinámicas urbanas, que van desde Von Thünnen (1826) y su Teoría de los Anillos Concéntricos, pasando por la de la Loca-lización Industrial de Weber (1909), la centralidad en base a la influencia de las rentas en la distribución de los usos del suelo de Retcliffe (1925), la Concéntrica de Burgues (1923), la de los Lugares Centrales creada por el geógrafo alemán Walter Christaller en 1933, hasta la de sectores creada por Hoyt (1939) la cual se deduce que el crecimiento de la ciudad comenzaba desde el centro, pero dependía de los ejes de transporte. Como se aprecia se ha evolucionada desde razones netamente relacionadas a la localización indus-trial a factores vinculados al transporte. No obstante, los nuevos estilos y modelos de calidad de vida en ambientes suburbanos, además de los factores mencio-nados, relacionados con características más físicas, están incidiendo otras variables como: las tecnologías de la comunicación, los patrones de movilidad, la plani-ficación territorial, el desarrollo inmobiliario, las zonas naturales y los riesgos naturales. Por ello estudiar los factores locales que condicionan, causan o inducen el crecimiento urbano proporciona a los encargados de la planificación del territorio herramientas de gran valor, las cuales, en principio, deberán utilizarse para la realización de

CAROLINA ROJAS QUEZADA, WENSESLAO PLATA ROCHA


12

126

políticas de urbanización congruentes con las conserva-ción del medio ambiente y tomando en cuenta un desarrollo sostenible (Veldkamp y Lambin, 2001; Verburg et al., 2004; Overmars, 2006). Recientemente, con el uso combinado de los Sistemas de Información Geográfica (SIG) y diferentes técnicas estadísticas el estudio de los factores incidentes en los cambios de uso del suelo en general y del creci-miento urbano en particular, ha tomado una importancia considerable en las Geociencias, primero por la relativa facilidad que los SIG aportan al manejo de grandes cantidades de información espacial, en formato vecto-rial y raster, y en segundo lugar, a la implementación de técnicas de análisis estadístico en los SIG. De este modo, el análisis de los factores conductores del crecimiento urbano puede variar entre ciudades y regiones, sin embargo, usualmente en los estudios revisados es común que dicho factores se subdividan en tres grandes grupos: socioeconómico, biofísico y de proximidad. Así, un número considerable de investigadores han evaluado como factores: la pobla-ción, renta bruta, empleo, suelo urbanizable, comercios, industrias, pendiente, altitud y orientación del terreno, etc. (Bocco et al., 2000; Hoshino, 2001; Cheng y Masser, 2003; Aspinall, 2004; Verburg et al., 2004; Conway, 2005; Pan y Bilsborrow, 2005; Overmars y Verburg, 2006; Braimoh y Onishi, 2007; Hu y Lo, 2007; Yang et al., 2007; Serra et al., 2008). Asimismo, para determinar la relación existente entre el cambio de usos del suelo y los factores explicativos comúnmente se han empleado técnicas de análisis estadístico a nivel espacial y no espacial, tales como: Regresión Lineal Múltiple (RLM) (Bocco et al., 2000), Regresión por Mínimos Cuadrados Parciales (Yang et al., 2007) Regresión Logística (RLO) (Serra et al., 2008; Cheng y Masser, 2003; Verburg et al., 2004; Conway, 2005; Lesschen et al., 2005; Hu y Lo, 2007; Poelmas y Van Rompaey, 2010), Regresión Geográficamente Pondera-da (RGP) (Collazos et al., 2006; Chasco, 2007), Regre-sión Multinivel (RMN) (Pan y Bilsborrow, 2005; Over-mars y Verburg, 2006), entre otras menos comunes.Es evidente que el uso de las técnicas estadísticas han sido ampliamente aplicadas en las dinámicas de los usos del suelo y del crecimiento urbano, no obstante, siempre queda la pregunta ¿Cuál será la mejor técnicas para analizar el cambio espacial de un determinado uso del suelo? y la respuesta no es simple. Aunque, la aplica-ción de uno u otro método comúnmente está condicio-clara las fuerzas conductoras del crecimiento urbano en

nado a la disponibilidad de información espacial y a las características de la zona de estudio (extensión, canti-dad de municipios, relieve, etc.). Ante este panorama, se optó hacia la aplica-ción de la Regresión Logística Espacial (RLE) como técnica de análisis estadístico, la cual permitirá entender de forma clara las fuerzas conductoras del crecimiento urbano en el AMC.

3. ÁREA DE ESTUDIO

El Área Metropolitana de Concepción (AMC), localiza-da al centro sur de Chile (36°35’ y 37°00’ de latitud sur y los 72°45’ a 73°15’ de longitud oeste), es un territorio costero cuyo alcance funcional resulta bastante comple-jo (Figura 1), definido en el Plan Regulador Metropoli-tano de Concepción, como un territorio funcional y jerarquizado que se conforma por 11 comunas (municipios) aparentemente muy relacionadas que concentran un volumen de población superior a los 900 mil habitantes (Ministerio de Vivienda y Urbanismo, 2003). Dicha Área Metropolitana incluye un borde costero de 60 Km., comprendidos entre el límite norte de la comuna de Tomé hasta el límite sur de la comuna de Lota, incluyendo en su totalidad a las comunas de: Concepción, Coronel, Chiguayante, Hualqui, Lota, Penco, San Pedro de la Paz, Santa Juana, Talcahuano y Tomé. El territorio de análisis cuenta con un total de superficie de 2,830.40 km2 representando el 7,63% de la superficie regional. Según el último censo de pobla-ción y vivienda (2002), posee una población de 902.712 habitantes, por tanto una densidad de 318.9 habitantes por km2, éstos son equivalentes al 48,49% de la pobla-ción total y el 57,31% de la población urbana de la región del Bío-Bío. La población reside principalmente en zonas urbanas (97%) caracterizada por ciudades intermedias emplazadas sobre las planicies costeras (terrazas fluviovolcánicas) a las riberas del río Bío-Bío, conviviendo con playas, dunas, acantilados rocosos, áreas de marismas, desembocaduras, humedales, bahías, penínsulas, islas, un golfo y la cordillera de la costa, esta compleja geografía hace que sea un territorio fuertemente expuesto a fenómenos naturales y muy vulnerable a la urbanización. Los centros de Concep-ción y Talcahuano destacan como los articuladores urbanos de este espacio eminentemente industrial que ha experimentado un fuerte crecimiento urbano.


PÁrea Metropolitana de Concepción: Factores espaciales explicativos de su crecimiento urbano reciente (2001-2009) por medio de un Modelo

de Regresión Logística Espacial

12

127

FIGURA 1. Área de estudio. Localización geográfica del área de estudio, en la imagen de la derecha se muestra la distribución de la superficie urbanizada por municipio en el año 2001.

Los recientes estudios socioespaciales realizados sobre este territorio han permito conocer ciertas dinámicas que tienen relación con el mencionado rápido creci-miento urbano. Algunos antecedentes anteriores indican que la superficie urbanizada en 1975 era de 5,219.6 ha, concentradas en los centros de Concepción y Talcahuano, en 1990 incrementa a 9,012.2 ha, conformando la conurbación central en torno a las vías de transporte que unen ambos centros, ya para el año 2001 se alcanzan las 12,000 ha, experimentando un aumento del 33% (Rojas, Opazo & Jaque, 2009). La organización de este crecimiento intentó aumentar las densidades en ciertos espacios céntricos de renovación, pero que a su vez se ha desbordado en la periferia bajo un modelo de bajas densidades, disminuyendo la compacidad de la ciudad. Funcionalmente los asenta-mientos se han organizado en un modelo policéntrico restringido, donde Concepción y Talcahuano siguen ejerciendo como centros principales y el resto de las comunas una función más bien de subcentros, con una influencia espacial mucho menor que los principales y

más localizada en su entorno (Rojas, Muñiz y García-López, 2009). Su morfología está dominada por una conurbación central, es decir un fenómeno de mancha de aceite que se esparce por los límites periféricos de los espacios históricamente consolidados. Entre los principales factores, se ha mencionado la distancia al centro urbano, interpretado por el centro cívico de la ciudad de Concepción y la distancia a las carreteras e infraestructuras de transporte, factor que ha incidido directamente en la formación de una estructura de creci-miento que sigue una forma tentacular (Rojas, Muñiz y Pino, 2009).

4. METODOLOGÍA Y DATOS

4.1 Variables utilizadas

En la regresión logística espacial se considera como variable dependiente el crecimiento urbano ocurrido entre los años 2001 y 2009 en el AMC (Figura 2). Dicho crecimiento se obtiene de dos mapas de zonas

Revista Postgrados UNAH No. 4 Vol. 1 Diciembre 2010 ISSN 2071 - 8470


12

128

urbanas, una para el año 2001 y otra para el 2009, obtenidas utilizando técnicas de procesamiento digital y visual sobre sus respectivas imágenes del sensor Land-sat TM con resolución de 30 metros (Rojas, Opazo & Jaque, 2009; Rojas, Pino & Opazo, 2010). Dichos mapas nos muestran que la superficie urbana en el año 2001 era de 9,021 ha y en el año 2009 de 17,638 ha, lo que muestran que en dicho periodo hubo un notable incremento del 47% crecimiento urbano. Éste se ha

dado de manera acelerada y desbordada, promediando una tasa anual de 625 ha, presentándose de forma diferenciada; por una parte se observa una extensión horizontal hacia las periferias en un sentido radial desde los centros de los principales asentamientos urbanos, afectando zonas de praderas y terrenos húmedos y por otra direccionado a través de la red de transporte. La superficie urbana en 2009 alcanza el 6 % del territorio nacional.

FIGURA 2. Crecimiento urbano entre los años 2001 y 2009. Representa una variable binaria y dicotómica donde 1 corresponde a las áreas que crecieron en el periodo analizado




12

129

Como se puede inducir la dinámica de dicho crecimien-to urbano ha sido dirigida por diferentes fuerzas induc-toras, algunas de las cuales, en especial las que apuntan a una relación más geográfica se van a considerar en este estudio, aunque en su selección también se consi-deró las comúnmente sugeridas por la revisión biblio-gráfica, ya sea en modelos explicativos o de simulación (Santé et al., 2010) y sobre todo por la disponibilidad de datos espaciales. De este modo se recopilaron un conjunto de 14 variables espaciales (Tabla 1), de las cuales 9 están procesadas a nivel territorial metropolitano (píxel) y 4 proceden de fuentes a nivel comunal (municipal), agrupadas en tres componentes: Factores biofísicos: altitud del terreno, pendiente (%) y orientación (Norte – Noreste) para nuestra área de estudio MDT-AMC. Asimismo se cuenta con factores de accesibilidad a: bosques y cuerpos de agua. Factores socioeconómicos. Distancia a las zonas urbanas, a carreteras, al centro de negocios, a los

campus universitarios y a los centros comerciales de AMC existentes en 2001. Asimismo se utilizan varia-bles relacionadas con la población, tales como el incre-mento y densidad (habitantes/km2) a nivel comunal (municipal) según los datos del censo de población y vivienda del año 2002. Factores de planificación urbana. Se calcula a nivel comunal el porcentaje de área disponible para el asentamiento de nuevas urbanizaciones (%), obtenida del Plan Regulador Metropolitano de Concepción del año 2003. De igual forma se genera un factor sobre el porcentaje de proyectos inmobiliarios en cada comuna (municipio), normalizado en función de la superficie disponible para urbanizar en cada municipio. Destacar el hecho de que posiblemente las variables de accesibilidad se asignan al grupo de facto-res biofísicos o socioeconómicos en función del origen y tipo de la variable. Todos los procesos sobre capas vectoriales se realizaron en el sotfware ArcGIS y los procesos en formato ráster en Idrisi.

TABLA 1. Variables utilizadas en los modelos



Criterio Factores Tipo Descripción Variable dependiente

0- no urbano 1- Urbano

Binaria Crecimiento urbano entre los años 2001 y 2009.

Biofísico

Altitud (m) Continua Altitud del terreno, obtenida del MDT SRTM (30 metros de resolución).

Pendiente (%) Continua Pendiente del terreno en %. Derivado del MDT SRTM Orientaciones Binaria Orientación del terreno Norte - NorEste. Derivado del MDT SRTM. Distancia a Bosques

Continua Distancia a zonas forestales. Obtenida de cubiertas de bosque del mapa de tipos forestales de CONAF de 1998

Distancia a Cuerpos de Agua

Continua Distancia a lagunas y ríos. Obtenida de cubiertas de agua del mapa de usos de suelo de CONAF de 1998

Socioeconómico

*Distancia a CBD Continua Distancia al centro de negocios (CBD) *Distancia a Universidades

Continua Distancia a campus universitarios

*Distancia a Centros Comerciales

Continua Distancia a centros comerciales

Distancia a zonas urbanas

Continua Distancia a las áreas urbanas

Distancia a carreteras

Continua Distancia a las carreteras principales existentes según el mapa del Plan Regulador Metropolitano de Concepción de 2003 y SECTRA de 2001

Densidad de Población 2002 (habitantes/km2)

Continua Densidad de población a nivel municipal, según censo de población y vivienda 2002.

Incremento de Población (%)

Continua Incremento de población entre 2002 y 2009, según Censo 2002 y proyecciones de población del Instituto Nacional de Estadísticas de 2010

Urbanístico

Superficie urbanizable (%)

Discreta Porcentaje de superficie urbanizable por municipio, según Plan Regulador Metropolitano de Concepción de 2003

Proyectos Inmobiliarios (%)

Discreta Porcentaje de proyectos inmobiliarios, según coberturas del proyecto FONDECYT “Transformaciones del Concepción Metropolitano. Estudio de las formas del crecimiento urbano a través de los grandes conjuntos residenciales (1992-2006). , Normalizado por superficie disponible para urbanizar.

* Dichas variables dado su alto nivel de correlación se agruparon para formar una sola variable denominada: Distancia a puntos de interés económico y social.

12

130

4.2 Modelos de Regresión Logística Espacial (RLE)

Previo al ajuste del modelo de RLE se llevó acabo un análisis de correlación entre todas las variables explica-tivas, descartando aquellas que presentan correlaciones altas mayores a 0.80 (Bocco et al., 2001). Con las variables explicativas seleccionadas se ajustó un modelo de RLE, tomando como variable dependiente al crecimiento urbano ocurrido entre los años 2001 y 2009. Dicha técnica es ampliamente utilizada cuando la variable dependiente es de tipo binario (Menard, 2002; Montgomery et al., 2006), tomando valores de 1 para el crecimiento urbano y 0 no urbano (Ver figura 2). Asimismo, permite explorar el comportamiento de las variables a un nivel de más detalle, por ejemplo, las variables utilizadas a nivel de píxel en un SIG ráster. Asimismo, las asunciones estadísticas en dicho modelos son menos rígidas que las de otras técnicas, tales como las regresión múltiple y log-lineal, por mencionar algunas (Cheng y Masser, 2003). Bajo estas consideraciones se ajustó un modelo de RLE binomial de la forma:

Donde: son los parámetros por cada variable estima-dos por el modelo; son las variables explicativas incluidas en el modelo (Tabla 1); y es la probabilidad de que un píxel no urbano se transforme a urbano.Para que el análisis de los coeficientes obtenidos de todas las variables sean comparados se calcularon los coeficientes estandarizados por medio de la siguiente ecuación (Menard, 2002):

Donde: son los coeficientes estandarizados de cada variable en el modelo; DS es la desviación están-dar de cada variable; π es aproximadamente igual a 3.141592654.Asimismo, con la finalidad de entender de manera más clara el comportamiento de cada variable se generaron graficas de probabilidad, utilizando para ello la siguien-te ecuación (Menard, 2002):

Donde: b es el intercepto obtenido en el modelo; X los valores de cada variable, en dependencia de su magni-tud y rango de medida. En las gráficas se analiza la probabilidad de que una variable independiente influya

significativamente en el cambio de la variable depen-diente. Para la validación del modelo se utilizó el parámetro Relative Operating Characteristic (ROC), el cual permitió comparar los mapas de crecimiento urbano con los mapas obtenidos de los modelos ajusta-dos (Pontius & Schenider, 2001; Cheng & Masser, 2003; Pontius & Batchu, 2003). Asimismo, y en lo que refiere al tratamiento de los modelos, fue necesario construir una máscara de restricciones al crecimiento urbano a los efectos de excluir del ajuste las zonas artificiales, los ríos, embal-ses y lagos existentes en el año 2001. Para el ajuste del modelo, se diseño una muestra espacial del 30 % del total de píxeles en el área de estudio, de tal forma que el número de píxeles de crecimiento urbano y no urbano fueran aproximadamente iguales (Cheng & Masser, 2003), y se emplearon las herramientas de regresión logística binomial (LogisticReg) disponibles en el SIG Idrisi Andes.

5. RESULTADOS

5.1 Análisis de correlación

Primero que nada, el análisis de correlación realizado arrojó algunos valores altos entre algunas de las varia-bles explicativas, como era de esperarse. Es el caso de las variables de proximidad al centro de negocio, a universidades y a comercios entre las cuales existen correlaciones cercanas a 1. Esto se debe a que dichas variables representan puntualmente a dichas instalacio-nes y, principalmente, se ubican en la zona central de la Ciudad de Concepción. Asimismo, entre estas tres variables y la variable de proximidad a zonas urbanas también se observaron correlaciones altas entorno a 0.80. Ante la redundancia de información expresada por las 3 primeras variables se tomó la decisión de agruparlas en una sola, con la finalidad de no excluirlas del análisis dada su importancia, y ante el hecho de que éstas presentan ciertas sinergias sobre el desarrollo económico y social de la región. A la agrupación de dichas variables se le denominó, en adelante, factor de accesibilidad a puntos de interés económico y social. Una vez hecha dicha agrupación se realizó de nuevo el análisis de correlación con las 12 variables resultantes (Tabla 2), obteniendo en todos los caso

1 Este estadístico oscila entre 0 y 1. Un resultado de 0 indica que no existe ninguna asociación entre ambos mapas. Un resultado de 1 nos muestra un ajuste perfecto, es decir, una coincidencia del 100% entre ambos mapas. Un ajuste de 0.5 indica un resultado similar al obtenido de una manera aleatoria. Cuanto mayor sea el valor de ROC, mejor es el ajuste del modelo.

kxxx ⋅⋅⋅⋅⋅⋅⋅⋅21 ,

32π

β DSBSTD⋅

=

STDB

)exp(1

)exp()|1(

Z

ZXiyP

+==

XbZ *β+=

1




kxkxxP

P

Y

Yit ββββ +⋅⋅⋅⋅⋅+++=

−=

=

=

2211010

1log

β

12

131

la correlación más alta se presenta entre las variables de proximidad a zonas urbanas y a puntos de interés econó-mico y social (0.79). Del mismo modo, las variables-densidad de población y porcentaje de superficie de proyectos inmobiliarios presentan correlaciones de

5.2 Resultados obtenidos del Modelo RLE

Los resultados obtenidos en el modelo de RLE, ejecuta-do en el software Idrisi Andes (LogisticReg), presentan un grado de ajuste alto, considerando para tal fin el estadístico ROC = 0.968. Por otro lado, para valorar de manera mas clara la influencia de cada variable en el modelo se utilizaron los coeficientes estandarizados (Tabla 3). Atendiendo a dicho coeficiente, en orden de importancia, se puede observar que de las variables biofísicas es la altitud del terreno el factor que más determina la localización de las nuevas zonas urbanas en el periodo de 2001 a 2009, de forma negativa, es decir que a mayor altitud menor probabilidad de que se locali-

0.78, debido, básicamente, a que estas se representan a nivel municipal, y pudiéndose hacer la lectura de que los nuevos conjuntos inmobiliarios tienden a situarse en los municipios con mayor población.

cen las nuevas zonas urbanas (-0.54). Por su parte, dentro de las variables socioeconómicas son la proximi-dad a las zonas urbanas (-2,40), carreteras existentes en 2001 (-0.77) y la distancia a los puntos de interés econó-mico y social (CBD, Mall y Universidades = -0.34) las que más inciden en la proliferación del crecimiento urbano, igualmente de manera negativa, mostrando que la cercanía es un factor clave en el aumento de la proba-bilidad para el desarrollo de nuevas urbanizaciones. Por último, las variables de tipo urbanístico no muestran altas correlaciones con el crecimiento urbano, no obstante, los resultado dan indicios que son mas deter-minantes los proyectos inmobiliarios en el crecimiento urbano que la superficie legalmente urbanizable a nivel municipal.



TABLA 2. Correlaciones obtenidas entre las 12 variables finales Matriz de correlación 1 2 3 4 5 6 7 8 9 10 11 12

1. Densidad de población 1.00

2. Distancia a Bosques 0.17 1.00

3. Distancia a Carreteras -0.19 -0.25 1.00 4. Distancia a cuerpos de agua -0.36 -0.10 0.53 1.00 5. Distancia a puntos de interés económico y social -0.64 -0.29 0.52 0.53 1.00 6. Distancia a zonas urbanas -0.44 -0.29 0.72 0.55 0.79 1.00

7. Incremento de población 0.58 0.12 -0.19 -0.38 -0.62 -0.40 1.00

8. Altitud del terreno -0.28 -0.40 0.60 0.43 0.43 0.52 -0.23 1.00

9. Orientación del terreno -0.01 0.01 0.02 0.00 0.03 0.03 -0.01 0.01 1.00

10. Pendiente del terreno -0.05 -0.20 0.12 0.01 0.05 0.06 0.02 0.17 -0.03 1.00 11. % de superficie de proyectos Inmobiliario 0.78 0.22 -0.16 -0.30 -0.53 -0.37 0.57 -0.24 0.01 -0.05 1.00 12. % de superficie urbanizable 0.32 0.20 -0.21 -0.36 -0.57 -0.44 0.64 -0.24 -0.01 0.04 0.48 1.00

12

132

Con la finalidad de ampliar y detallar aun más el comportamiento de las variables se optó por generar gráficas de probabilidad, las cuales permiten visualizar la influencia que cada variable tiene en el modelo, consi-derando sus propias unidades de observación. Atendiendo a dichas gráficas (Figura 3), pode-mos decir, que si bien el incremento de la población entre 2001 y 2009, sobre todo municipios con incremen-to superior a 10.000 habitantes, condiciona el crecimien-to de las zonas urbanas (Figura 3a), no parece suceder lo mismo con la densidad de población existente en 2001, donde las mayores probabilidades se dan en densidades menores a 300 hab*ha), lo cual probablemente se deba a que las mayores densidades se encuentran en espacios que ya estaban urbanizados en el 2001, como las zonas céntricas y no en las nuevas áreas de crecimiento (Figura 3b). Algo parecido sucede con la superficie de proyecto inmobiliarios y las superficies legalmente urbanizables, mientras la primera se correlaciona positi-vamente con el crecimiento urbano, la segunda lo hace en sentido negativo, indicando que parte de las nuevas construcciones no se dan en los municipios con mayor superficie urbanizable (Figura 3d) sino en municipios con mayor porcentaje de proyectos inmobiliarios (Figura 3c). Si bien los resultados se pueden matizar, es necesario señalar que las cuatro variables mencionadas anteriormente se han agregado a nivel municipal, lo cual puede, si fuera el caso, afectar en los resultados. No obstante, es necesario trabajar con estas variables de esta forma, ya que su información procede de fuentes recogi-das a partir de delimitaciones político - administrativas (comunas - municipios).

TABLA 3. Resultado del ajuste del modelo de regresión logístico espacial (RLE).



Por su parte, las variables biofísicas nos dan muestra de un modelo de crecimiento urbano en zonas muy próximas a los bosques (Figura 3e) y a los cuerpos de agua (Figura 3f) con distancias menores a los 2 kilómetros (mayores probabilidades), así como en pendientes suaves (Figura 3g) (< a 20 %) y altitudes relativamente bajas < a 300 metros (Figura 3h). Esto comprueba lo condicionada que está el AMC a los facto-res naturales y comprueba la tendencia de concentrar los nuevos crecimientos en áreas que si bien están cerca de puntos de interés, son ambientalmente vulnerables, sobre todo los humedales y las áreas de bosque nativo y matorrales. Históricamente la dinámica de expansión urbana ha intentado ganar terreno a los bordes de ríos y las lagunas de esta zona costera vulnerable, presionando los sistemas naturales del territorio. Asimismo, y como se comentó anteriormente (coeficientes estandarizados), el crecimiento de las nuevas zonas urbanas proliferaron en distancias próxi-mas a las zonas urbanas, menores a 1 kilómetro, demos-trando la predilección por una extensión aglomerada y dispersa (Figura 3i). La proximidad a las carreteras también es determinante, las mayores probabilidades se centran en terrenos a menos de 2 kilómetros de distancia (Figura 3j). Finalmente los puntos de interés económico y social (Figura 3k) existentes en 2001, evidentemente juegan un rol trascendental, donde la distribución de las zonas urbanas con respecto a éstos presenta altas proba-bilidades hasta una proximidad de 25 kilómetros.


Criterio Variables β STDB Intercepto 1.29610 Biofísico

Altitud del terreno -0.01165 -0.54 Pendiente del terreno -0.02015 -0.09 Orientación del terreno -0.04834 -0.01 Distancia a bosques -0.00001 -0.01 Distancia a cuerpos de Agua 0.00009 0.23

Socioeconómico

Distancia a puntos de interés económico y social -0.00007 -0.34 Distancia a zonas urbanas -0.00122 -2.40 Distancia a carreteras -0.00083 -0.77 Densidad de población -0.00154 -0.20 Incremento de la población entre 2001 y 2009 0.00004 0.07

Urbanístico

% de superficie legalmente urbanizable por municipio -0.01552 -0.07 % de superficie de proyectos inmobiliarios por municipio 0.27777 0.12

ROC = 0.968

12

133

JOAQUÍN BOSQUE SENDRA Y FREDDY RIVAS GONZÁLEZ

FIGURA 3. Gráficas de probabilidades de las variables utilizadas en el modelo de RLE


12

134

6. CONCLUSIONES

Retomando las características del crecimiento urbano en el AMC en el periodo analizado, se observa que éste se da de forma acelerada y sin mucho control, a un ritmo acelerado y desentendido de la vulnerabilidad y restric-ciones que proporciona el sistema natural. De este modo el modelo de RLE rectificó la existencia de una alta dependencia del crecimiento urbano con respecto a variables de tipo natural o biofísica (altura, pendiente, distancia a bosques, espacios naturales, cuerpos de agua), y se comprueba la tendencia de concentrar losnuevos crecimientos en áreas que si bien están próximas a puntos de interés socioeconómico, son ambientalmen-te vulnerables dadas las restricciones geográficas de la localización de la zona más urbanizada del AMC. Asimismo, destaca el hecho de que exista una escasa incidencia de la densidad de población en las nuevas urbanizaciones y también que los nuevos desarrollos urbanos no se den en los municipios que poseen la mayor superficie legalmente disponible para urbanizar, sino en municipios con mayores porcentajes de proyec-tos inmobiliarios, lo cual atiende a las tendencias de un atractivo mercado inmobiliario dominante, pero sin mucha consideración por una distribución equilibrada según el desarrollo legal o planificado, en teoría ambien-talmente más sostenible.

Dicho análisis fue realizado con información previa al fatídico terremoto que afecto a la zona el 27 de febrero de 2010, sin duda ahora son antecedentes de gran utilidad para complementar la evaluación del impacto que tuvo esta catástrofe en la estructura y organización de la zona urbana del AMC, especialmente en los espacios periféricos próximos a zonas húmedas y de rellenos. Dicho trabajo servirá como antecedente para conocer la lógica del crecimiento urbano y revertir tendencias poco sostenibles dadas hasta esa fecha y a partir de éste sentar las bases de una eminente nueva planificación que apunte al diseño y simulación de escenarios urbanos más sostenibles, incorporando criterios ambientales, sociales, económicos, políticos, de planificación que posibiliten patrones de crecimiento mas compactos, revirtiendo así las tendencias y bajo una asignación mas óptima o deseable del suelo urbano.

7. AGRADECIMIENTOS

Desarrollado en el marco del Proyecto Fondecyt Nº11090163 Valoración del Territorio Metropolitano. Aproximaciones desde su Sostenibilidad y Evaluación Ambiental Estratégica.

Aspinall, R. (2004). Modelling land use change with generalized linear models – a multi-model analysis of change between 1860 and 2000 in Gallatin Valley, Montana, Environmental and Management, 72, pp. 91-103.

•

•

• Braimoh, A. K., Onishi, T. (2007). Spatial determi-nants of urban land use change in Lagos, Nigeria, Land Use Policy, 24, pp. 502-515.Bocco, G., Mendoza, M., Masera, O. (2000). La dinámica del cambio del uso del suelo en

8. REFERENCIAS

Michoacán. Una propuesta metodológica para el estudio de los procesos de deforestación, Investiga-ciones Geográficas, Boletín del Instituto de Geogra-fía, UNAM, 44, pp. 18-38.EEA (2006). Urban sprawl in Europe, the ignored challenge. Report 10 European Environment Agency Copenhagen.Chasco, C., García, R. I. y Vicéns O. J. (2007). Modeling spatial variations in household disposable income with Geographically Weighted Regression. MPRA Paper No. 1682. Disponible en línea: http://mpra.ub.uni-muenchen.de/1682/Cheng, J., & Masser, I. (2003). Urban growth pattern modelling: a case study of Wuhan city, PR China, Landscape and Urban Planning, 62, pp. 199-217.

•

•

•

Collazos, R. E., Gamboa, P. W.,Prado, V. P., Verardi, V. (2006). Análisis espacial del precio de oferta de la vivienda en el área metropolitana de Cochabamba, Revista Latinoamericana de Desarrollo Económico, 6, pp.33-62.Conway, M. (2005). Current and future patterns of land-use change in the coastal zone of New Jersey. Environment and Planning B: Planning and Design, 32, pp. 877-893.Henríquez, C., Ázocar, G., Romero, H. (2006). Monitoring and modeling the urban growth of two mid-sized Chilean cities. Habitat International, 30 (4), pp. 945-964. Hu, Z., & Lo, P., (2007). Modeling urban growth in Atlanta using logistic regression. Computers, Environment and Urban Systems, 31, pp. 667–688.Hoshino, S. (2001). Multilevel modeling on farmland distribution in Japan, Land Use Policy, 18, pp. 75-90.Ministerio de Vivienda y Urbanismo MINVU (2006). Diagnóstico Urbano 1990 - 2006. Santiago de Chile. Disponible en línea: http://www.observatoriourbano.cl/Ministerio de Vivienda y Urbanismo MINVU (2003). Documento de Memoria Explicativa Plan Regulador Metropolitano de Concepción.

•

•

•

•

•

•

•




12

135

Ministerio de Vivienda y Urbanismo MINVU (2003). Documento de Memoria Explicativa Plan Regulador Metropolitano de Concepción.Lesschen, J. P., Verburg, P. H., Staal, S. J. (2005). Statistical methods for analysing the spatial dimension of changes in land use and farming systems. LUCC Report Series 7 Wageningen University of the Nether-lands.Menard, S. (2002). Applied logistic regression analysis. 2nd edn. SAGE Publications, London.Montgomery, D., Peck, E. A., Vining, G. G. (2006). Introduction to linear regression analysis. 3rd edn. John Wiley New York.Overmars, K. P. & Verburg, P. H. (2006). Multilevel modelling of land use from field to village level in the Philippines, Agricultural and Systems, 89, pp. 435–456.Pan, W. & Bilsborrow, R. (2005). The use of a multile-vel statistical model to analyze factors influencing land use: a study of the Ecuadorian Amazon, Global and Planetary Change, 47, pp. 232– 252.Poelmans, L. & Van Rompaey, A. (2010). Complexity and performance of urban expansion models, Compu-ter, Environment and Urban System, 34, pp. 17-27.Pontius, R. G., & Schneider, L. C. (2001). Land cover change model validation by an ROC method for the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems and Environment, 85, pp. 239–248.Pontius, R. G., & Batchu, K. (2003). Using the relative operating characteristic to quantify certainty in predic-tion of location of land cover change in India. Transac-tions in GIS, 7 (4), pp. 467-484.Rojas, C., Muñiz, I., García - López, M. Á. (2009). Estructura urbana y policentrismo en el Área Metropo-litana de Concepción. Revista Estudios latinoamerica-nos urbanos regionales EURE, XXXV, 105, pp. 47-70.

Rojas, C., Opazo, S., Jaque, E. (2009). Dinámica y Patrones de Crecimiento del Área Metropolitana de Concepción. Tendencias de las últimas décadas. En R. Hidalgo., C. Mattos, De, & F. Arenas, Chile: Del País Urbano Al País Metropolitano (pp. 257-268). GeoLibros, Pontificia Universidad Católica de Santiago, Santiago de Chile.Rojas, C., Muñiz, I., Pino, J. (2009). Cartography and Spatial Analysis of Urban Sprawl. En Procee-ding of 24th International Cartographic Conference, 15 al 21 de Noviembre en Santiago de Chile.Rojas, C., Pino, J., Opazo, S. (2009). Sprawl in Latin American Cities: Pattern of Urban Growth in the Concepción Metropolitan Area. En preparación, No publicado.Santé, I., García, A., Miranda, D., Crecente, R. (2010). Cellular automata models for the simulation of real-world urban processes : A review and analysis. Landscape and Urban Planning, 96, pp 108-122.Serra, P., Pons, X., Saurì, D. (2008). Land-cover and land-use change in a Mediterranean landscape: A spatial analysis of driving forces integrating biophy-sical and human factors. Applied Geographic, 28, pp. 189–209.United Nations (2009). World urbanization Prospects: Departament of Economic and Social Affairs. Disponible en línea http://esa.un.org/unpd/wup/index.htm.Veldkamp, A., & Lambin, E. F. (2001). Predicting land-use change. Agriculture, Ecosystems and Environment, 85, pp.1–6.Verburg, P. H., van Eck, J. R., de Nijs, T. C., Dijist, M. J., Schot, P. (2004). Determinants of land-use change patterns in the Netherlands. Environment and Planning B: Planning and Design, 31, pp. 125-150.Yang, Z., Chenghu, Z., Yongmin, Z. (2007). A partial least-squares regression approach to land use studies in the Suzhou-Wuxi-Changzhou region. Geographic Science, 17, pp.234-244.

•

•

•

•

•

•

•

•

•

•

•

•

•

•

•

•

•

JOAQUÍN BOSQUE SENDRA Y FREDDY RIVAS GONZÁLEZ


Área metropolitana de concepción: factores...

Documents