Resumen de Modelado de cambios de usos de suelo urbano a través de redes neuronales artificiales. Comparación con dos aplicaciones de software
Jaime Díaz Pacheco, Richard Hewitt
Este trabajo aborda el uso de métodos basados en redes neuronales artificiales (RNA) para la modelización del cambio de usos de suelo en la región de Madrid. Se exploraron los potenciales de transición de cambio de usos de suelo urbano en Madrid y al mismo tiempo fueron comparados los resultados producidos por dos aplicaciones diferentes que implementan un prototipo de cálculo basado en redes neuronales artificiales RNA: Land Transformation Modeler de la Universidad de Purdue (LTM) y Land Change Modeler (LCM), éste último implementado en el software IDRISI Taiga de la Universidad de Clark. Las bases de datos geográficas recogen dos periodos temporales de estado de usos de suelo urbano (2000 y 2006) para entrenar y calibrar el modelo y un tercer periodo temporal (2009) para llevar a cabo un proceso de validación. Los resultados han mostrado que ambas aplicaciones, a pesar de contener el mismo algoritmo pueden llegar a producir resultados disímiles. Además este trabajo confirma la utilidad de los modelos de simulación de cambio de usos de suelo basados en RNA para la definición de patrones de comportamiento y la generación de mapas de aptitud de usos de suelo.
