Análisis multicriterio SIG basado en momentos de orden superior normalizados para el cálculo de superficies de viabilidad ambiental

Abstract

El presente estudio plantea una metodología para generar áreas de criticidad y niveles de susceptibilidad ambiental aptas para el trazado o localización de proyectos de infraestructura, con un alto grado de certidumbre comparado con los métodos convencionales basados en las funciones de máximos, media aritmética y promedio ponderado. La metodología se basa en la superposición espacial de variables físicas, ambientales y socioeconómicas que miden el impacto en el territorio ante el paso o ubicación del proyecto de infraestructura; aplicando el método de análisis estadístico denominado “momentos de orden superior” con un factor exponencial de normalización, propuesto por los autores. El modelo de análisis propuesto aplica principalmente en el Diagnóstico Ambiental de Alternativas (DAA) de proyectos lineales y concentrados, exigido por el Ministerio de Ambiente y Desarrollo Sostenible  (MINAMBIENTE), en Colombia. El modelado espacial de los datos y las operaciones de superposición de capas de información, se realizaron a través de la herramienta Model Builder y la calculadora de mapas del software Arcgis.   El análisis numérico y espacial realizado a través del SIG representa la interacción de los diferentes componentes bióticos, físicos y sociales (económicos, políticos y culturales), que inciden en la viabilidad del trazado o ubicación  de un proyecto de infraestructura (vías, oleoductos, líneas de transmisión de energía, centrales hidroeléctricas, rellenos sanitarios, entre otros).

Los resultados obtenidos demuestran como la superficie de susceptibilidad general, calculada con el método de momentos de orden superior normalizado, permite una toma de decisiones adecuada, toda vez que puede ajustarse con mayor aproximación a las diferentes restricciones ambientales de la región.

References

[1] Ministerio de Ambiente, Vivienda y Desarrollo Territorial. “Diagnóstico Ambiental de Alternativas Proyectos Lineales DA-TER-3-01”. Dirección de Licencias, Permisos y Trámites Ambientales, República de Colombia. Bogotá, D.C. 2006, p. 27.

[2] Ministerio de Ambiente y Desarrollo Sostenible. “Términos de Referencia para la Elaboración del Estudio de Impacto Ambiental Proyectos de Construcción y Operación de Aeropuertos Internacionales y de Nuevas Pistas”. ANLA Autoridad Nacional de Licencias Ambientales. pp. 25-54, 2014.

[3] Bosque Sendra, Joaquin y otro. “El uso de los Sistemas de Información Geográfica en la planificación territorial”. Anales de Geografía de la Universidad Complutense. pp 49-67, 2000.

[4] Dropne Samo et al. “Multi-attribute Decision Analysis in GIS: Weighted Linear Combination and Ordered Weighted Averaging”. Informática 33, pp 459-474, 2009

[5] De Luca, Mario et al. “High-Speed Rail Track Design Using GIS And Multi-Criteria Analysis”. 15th meeting of the EURO Working Group on Transportation. pp 608-617, 2012.

[6] Jacek Malczewski. “GIS‐based multicriteria decision analysis: a survey of the literature”. International Journal of Geographical Information Science. pp 703-726, feb 2007.

[7] Stephen J. Carver “Integrating multi-criteria evaluation with geographical information systems”, International Journal of Geographical Information Systems. Pp 321-339 Abr 2007.

[8] Loro Aguayo, Manuel et al. “Optimización ambiental del trazado de corredores de carreteras con Sistemas de Información Geográfica”. Libro Transporte innovador y sostenible de cara al siglo XXI. Pp 1-16. Jun 2012.

[9] Loro Aguayo, Manuel “Modelo para la Integración del trazado de infraestructuras lineales en el paisaje y el Medio Ambiente Basado en SIG”. Tesis Doctoral Universidad Politécnica de Madrid. Pp 1-227, 2015.

[10] Crosetto, Michele et al. “Uncertainty and sensitivity analysis: tools for GISbased model implementation”. International Journal of Geographical Information Science, pp 415-437, Agosto 2010.

[11] Joerin, Florent et al. “Using GIS and outranking multicriteria analysis for land-use suitability assessment”. International Journal of Geographical Information Science, pp 153-174, Agosto 2010.

[12] Jacomina Heymans, Johanna et al. “Best practice in Ecopath with Ecosim food-web models forecosystem-based management”. Ecological Modelling. Pp 173-184, Enero 2016.

[13] Kim de Mutsert et al. “Exploring effects of hypoxia on fish and fisheries in the northern Gulfof Mexico using a dynamic spatially explicit ecosystem model”. Ecological Modelling. Pp 142-150, Noviembre 2015.

[14] Russi Navarrete, Gustavo Adolfo. Gestión ambiental para la ejecución de obras civiles. Revista Ingenierías Universidad de Medellín. No. 2. pp 112-116, Junio 2003.

[15] L. Dini, ”Apuntes de probabilidad y estadística” pp 12-14. 2003. (Disponible en : http://www.csanpablo.com.ar/apuntes_archivos/fisica_archivos/probabilidad_y_%20estadistica.PDF ).

[16] Rodríguez Becerra, Manuel; Uribe Botero, Eduardo; Carrisoza Umaña, Instrumentos económicos para la gestión ambiental en Colombia. Santafé de Bogotá: Grupo Editorial 87, 146 p. (CEREC: Serie Ecológica No 10), 1996.

[17] SANINT, Enrique Angel. Métodos cuantitativos para la toma de decisiones ambientales. 2 Ed. Medellín : Universidad Nacional de Colombia, Pp 156. 2000

[18] EVANS, MICHAEL et al. Probabilidad y Estadística. 2 Ed. Reverte S.A. Barcelona España, Pp 184-186. 2004

[19] Pernas Sanches, Isaac. Matemáticas de las Operaciones Financieras. Ed. Isaac Pernas. Madrid España, Pp 115-117. 2011

[20] Universidad de la Habana. Revista de la Facultad de Ciencias y Letras. Vol 3, Pp 57. 1906

Cited by