Máster Universitario en Gestión Sostenible de la Tierra y

Territorios a examen: trabajos de ordenación territorial = Territorios a

exame: traballos de ordenación territorial / edición a cargo de Rafael

Crecente Maseda, Urbano Fra Paleo. - Santiago de Compostela:

Universidade de Santiago de Compostela, Servizo de Publicacións e

Intercambio Científico, 2012 244 p. ; 24 cm. – (Cursos e congresos da

Universidade de Santiago de Compostela ; 211)

D.L. LU 42-2012. – ISBN: 978-84-9887-853-0 1. Ordenación do territorio – Galicia 2. Urbanismo − Galicia 3. Solo,

Utilización do − Galicia I. Crecente Maseda, Rafael, ed. lit. II. Fra Paleo,

Urbano, 1961 - , ed. lit. I. Universidade de Santiago de

Compostela. Servizo de Publicacións e Intercambio Científico, ed.

352(461.1)

630*6(461.1):711.14

711.14(461.1)

© Universidade de Santiago de Compostela, 2012

Edita Servizo de Publicacións e Intercambio Científico

Campus Vida

15782 Santiago de Compostela

usc.es/publicacions

Imprime

Librería Troll

Dep. Legal LU 42-2012

ISBN 978-84-9887-853-0

Índice

Agradecimientos 7

Introducción 11

O impacto do pagamento único en Galiza 17

Fátima Docío e María do Mar Pérez

Caracterización dos procesos de repoboación forestal posteriores á

entrada de Galicia na Unión Europea

41

Beatriz Guimarey e Eduardo Corbelle

A utilización do espazo polas explotacións gandeiras. Estudio da

comarca da Terra Chá, Lugo

57

Manuel Giménez, Eduardo Corbelle e Francisco J. Ónega

A consideración dos asentamentos rurais nos procesos de xestión

de terras: o caso da concentración parcelaria e a ordenación de

núcleos rurais

71

Nieves Pérez ,Rafael Crecente e Francisco J. Ónega

El entorno inmediato del núcleo en el planeamiento rural.

Delimitación como área de transición para aplicar la concentración

parcelaria

91

Vasco Barbosa, Eduardo Corbelle y J. Ambrosio Ferreira

Estudio da utilización de información catastral para a elaboración

das bases definitivas nos procesos de concentración parcelaria en

Galicia

115

Dorinda Sarmiento, Francisco J. Ónega e David Miranda

Una introducción al Modelado Basado en Agentes para la

simulación de cambios de usos del suelo

135

Jeanneth M. Galvez, Eduardo Corbelle e Andrés García

Sintaxis espacial de la ciudad de Lugo 155

José L. de la Barrera y Urbano Fra

Escenarios de riesgo de incendio actuales y potenciales en el

Municipio de Lugo

177

Ivonne M. González y Urbano Fra

Predición de incendios forestais. Análise do índice de risco e

metodoloxía alternativa

203

Iván Sánchez, Urbano Fra e Enrique Fernández

Escenarios actuais e potenciais de risco de inundación costeira na

área metropolitana de A Coruña

225

Xurxo Loureiro e Urbano Fra

Te r r i t o r i o s a e x a m e n . T r a b a j o s d e O r d e n a c i ó n Te r r i t o r i a l

135

Una introducción al Modelado Basado en

Agentes para la simulación de cambio de

usos del suelo

Jeanneth M. Galvez36, Eduardo Corbelle, Andrés García

Laboratorio do Territorio (LaboraTe), Universidade de Santiago de Compostela

Resumen Este trabajo es una introducción a los Modelos Basados en Agentes o ABM

(Agent Based Models) y su empleo para el análisis desde una perspectiva social del proceso de cambio de usos del suelo. Se aborda cuestiones iniciales de los

ABM como: terminología, herramientas y toma de decisiones; siendo esta última eje fundamental de los ABM, se hace una breve descripción de las principales

teorías utilizadas para el modelado de cambio de usos de suelo. Se revisan trece modelos, de los cuales se describe la dinámica de los agentes y se resaltan los

aspectos principales. Finalmente, partiendo de un análisis general de la situación

actual en Galicia, se plantea un esquema conceptual para estudiar el problema del abandono de tierras.

Palabras clave Modelo Basado en Agentes, toma de decisiones, cambio de usos del suelo,

cambio de cobertura, abandono de tierras

1. Introducción

Las sociedades humanas, a través de su cultura, transforman los paisajes

naturales originales en paisajes culturales. Comprender estos procesos

sociales es un reto para diversas áreas como la sociología, geografía,

planificación, política, etc. Desde hace algunos años los ABM (Modelos

Basados en Agentes) se han desarrollado con el respaldo de teorías varias,

buscando simular aspectos del comportamiento de los agentes. Los ABM

permiten una visión conciliadora e integradora sobre todo en las ciencias

sociales, ya que son un laboratorio con los conceptos de aislamiento y

observación (Gilbert, 2007), utilizados para la experimentación en las

ciencias naturales, conceptos que se consideraban antiéticos e imposibles

de aplicar a la sociedad.

Concretamente los ABM son Sistemas Adaptativos Complejos (CAS),

por medio de los cuales se puede simular el comportamiento de agentes

dentro de entornos computacionales. La particularidad de los ABM es la

capacidad que se otorga a los agentes para interactuar unos con otros,

36 [email protected]

Te r r i t o r i o s a e x a m e . T r a b a l l o s d e O r d e n a c i ó n Te r r i t o r i a l

136

interactuar con su entorno, intercambiar información entre ellos y actuar

según lo que vayan aprendiendo. La posibilidad de modelar estos

aspectos para observar y analizar los efectos colectivos, son la principal

diferencia con respecto a otros CAS (Gilbert, 2007).

La incorporación de la dimensión humana y social en los ABM la

convierte en una herramienta mucho más atractiva para el estudio de

procesos de cambio de usos del suelo, aunque su aplicación puede

extenderse a múltiples ámbitos tales como: la gestión de agua (Galán,

2007), gestión forestal (Bone et al., 2010), gestión de pesca (Cabral et al.,

2010), o estudios de mercado inmobiliario (Magilocca et al., 2011). Su

empleo en políticas de decisión es prometedor porque permite la

representación de la compleja dinámica de los sistemas humanos, el

medio ambiente y la tecnología (Pahl-Wastl et al., 2004).

Revisiones anteriores del tema como las de Parker et al. (2003) y

Matthew et al. (2007) nos daban una visión del estado en ese momento, y

reflejaba la gran proyección de los ABM para el estudio del Uso de Suelo

y Cambio de Cobertura (LUCC). Parker et al. (2003) daba una

perspectiva para una posible estandarización en el diseño del modelado,

que posteriormente se ha tenido en cuenta en el protocolo para

descripción de modelos ODD Overview, Desing concepts & Details,

descrito por Grimm et al. (2006) y en las metodologías de ajuste y

validación de Bakker et al. (2009).

Para el territorio español se han desarrollado algunos modelos con

objetivos específicos, como el de Millington et al. (2008), que busca

simular el cambio de uso de suelo con el fin de mejorar las políticas de

riesgo de incendios en un área del Mediterráneo, o la propuesta de

López-Paredes et al.(2005) para simular procesos participativos en la

gestión del agua en Barcelona. Sin embargo no hay información sobre

algún ABM que se haya desarrollado para el territorio gallego, siendo

éste un territorio con características singulares tanto en su población

como en su estructura. Desarrollar un modelo para este territorio puede

llegar a aportar muchos conceptos nuevos a este campo.

En la actualidad Galicia tiene un notable desequilibrio interterritorial,

dado que en las últimas décadas se ha intensificado el éxodo de la

población a zonas más industrializadas como el litoral. La población

rural de los países de la Unión Europea, en general, han experimentado

un drástico descenso y las previsiones, en base a datos empíricos, indican

que dicha regresión va a continuar en los próximos años (Westhoek et al.,

2006). El despoblamiento del mundo rural y el abandono de sus tierras,

están provocando cambios profundos en los usos del suelo y, como

consecuencia de ello, en su cubierta vegetal. Una de las actitudes más

preocupantes es el cambio de suelo activo a suelo inactivo en el territorio

gallego, lo que se da en denominar “abandono de tierras”. Este problema,

según Corbelle et al. (2009) se manifiesta fundamentalmente a través de


137

tres fenómenos: la incidencia catastrófica de los incendios forestales, la

reducción y el progresivo envejecimiento de la población rural y un

ineficaz uso del territorio que dificulta la competitividad del sector

agrario.

2. Objetivos

Este trabajo tiene el propósito de servir de guía para conocer las actuales

tendencias en el Modelado Basado en Agentes para Cambios de Uso del

Suelo y su relación directa con los actores sociales, mediante una revisión

bibliográfica y descripción general de los modelos actuales, centrándose

en la dinámica de los agentes sobre el entorno. Por otra parte partiendo

de cómo se pueden incorporar los conceptos sobre el modelado

conceptual, en este trabajo se propone un esquema conceptual inicial

para el problema del abandono de tierras en Galicia.

3. Cuestiones iniciales sobre ABM

Siendo éste un trabajo de revisión, es necesario describir las principales

características de los ABM, respondiendo a las preguntas: ¿Qué término

es el correcto a emplear?, ¿Dónde se puede construir un modelo? y

¿Cómo representar la dimensión humana?

3.1. Terminología

Un aspecto importante es la terminología ya que es el frecuente uso de

términos alternativos en la literatura y que son esencialmente sinónimos

de ABM (Millington et al., 2008). Los ejemplos incluyen: Modelado

Computacional Basado en Agentes, (ABCM), Simulación Basada en

Agentes (ABS), Simulación Social Basada en Agentes (ABSS) y

Modelado y Simulación Basado en Agentes(ABMS). Por otro lado, el

término Sistema Multi-Agente (MAS) es comúnmente aplicado fuera de

las ciencias sociales, por ejemplo en la ciencia de la computación en

relación con el desarrollo de software orientado a agentes.

3.2. Herramientas

El desarrollo de los ABM es facilitado por el uso de herramientas de

simulación y modelado (Castle et el., 2006). Para ello existen dos tipos de

herramientas computacionales para modelado y simulación, los toolkits y

los programas. Los Toolkits son sistemas de simulación y modelado que

proporcionan un marco conceptual para organizar y diseñar modelos.

Estos sistemas proveen librerías apropiadas que incluyen rutinas y


138

funciones predefinidas específicamente diseñadas para el diseño de ABM,

con el objeto de que los modeladores se centren en la investigación, es

decir en la construcción de modelos y no de las herramientas.

Aunque la diferencia principal entre ellos está en la flexibilidad que

proporcionan en el diseño del modelo; los toolkits permiten extender o

integrar herramientas adicionales y utilizan un lenguaje de programación;

mientras que los programas limitan el diseño en un marco de

programación, pero evitan la necesidad de usar un lenguaje de

programación. Se pueden destacar a tres toolkits frecuentemente

utilizados para el modelado: NetLogo (Wilensky, 1999), Repast

Simphony (Repast.net) y Swarm (http://www.swarm.org/); estos

toolkits están actualizándose continuamente con la incorporación de

herramientas que permiten integrar modelos a los sistemas de

información geográfica (SIG).

3.3. Toma de decisiones

La dimensión humana tiene un papel importante en la construcción de

los ABM con el reto de representar el comportamiento humano real. Se

debe considerar que los procesos de toma de decisiones son complejos

porque se evalúan percepciones subjetivas y encuadres individuales de los

agentes. La teoría de la microeconomía es la más empleada para explicar

el proceso de toma de decisiones humanas en la construcción de modelos

para el cambio de uso del suelo. Esta teoría se basa en el supuesto que el

agente maximiza su utilidad en función de las decisiones tomadas; una

alternativa con mayor utilidad es preferida a una alternativa de menor

utilidad, lo que corresponde a una decisión racional (Pahl-Wostl, 2002).

Valbuena et al. (2010a) hace un análisis diferente y heurístico sobre el

proceso de toma de decisiones para la construcción de modelos, en el

cual las decisiones de los agentes sobre su propiedad son influenciadas

por factores internos y externos. Los factores internos son los aspectos

relacionados con las capacidades y las voluntades de los propietarios para

llevar a cabo ciertas acciones relacionadas con su parcela. Capacidad se

entiende como el conjunto de factores condicionantes como la edad,

estructura familiar, trabajo, tamaño de propiedad, ubicación espacial,

características del suelo o pendiente del terreno. Mientras que voluntad se

refiere a los valores y las intenciones que definen la preferencia para elegir

ciertas opciones. Por su parte, los factores externos también pueden

influir en las opciones y las decisiones. Estos factores incluyen tanto los

mecanismos obligatorios y voluntarios, como las políticas, los préstamos,

el asesoramiento y la demanda de bienes y servicios. De este modo

reflejan la interacción entre los propietarios y: las redes sociales, las

instituciones, el gobierno o el mercado. Schreinemachers et al. (2006)

sostienen que hay que ser conscientes de que estos modelos de uso de la

http://www.swarm.org/


139

tierra son mas que una continuación entre la heurística y el

comportamiento de optimización de lo sugerido por la literatura teórica.

4. Modelos para cambios de uso del suelo

Se revisan trece modelos para el modelado de cambio de usos de suelo,

de entre los que dos son descritos como programas por los autores (MP-

MAS, FEARLUS). La descripción es sintética y hace énfasis en el

comportamiento de los agentes, el entorno y las interacciones entre

ambos; además se sintetizan los aspectos generales en la Tabla 1. Cabe

destacar que existen métodos formales para la descripción de modelos,

donde se describe el sistema operativo, marco conceptual, método de

validación, etc. como el protocolo ODD (Grimm et al., 2006). En este

trabajo orientativo no se utiliza este protocolo sino que se hace un

resumen de los modelos revisados.

MP-MAS

MP-MAS (Mathematical Programming-based Multi-Agent System)

(Schreinemachers et al., 2011) es una aplicación para la simulación de

escenarios de cambio de usos del suelo para la agricultura y la

silvicultura, que se puede ajustar a diversas escalas espaciales que van de

una comunidad a una región dentro de un país. Depende del objetivo y la

disponibilidad de datos, y tiene cuatro niveles jerárquicos: agentes,

grupos de agentes homogéneos, segmentos de innovación y poblaciones.

MP-MAS trabaja con una programación matemática que captura la

interacción de los agentes con el medio ambiente mediante coeficientes

de rendimiento almacenados en una matriz. El propósito de MP-MAS es

entender cómo la tecnología agrícola, la dinámica del mercado, los

cambios ambientales, y la intervención política afectan a una población

heterogénea de familias de agricultores y de recursos agroecológicos.

La toma de decisiones se hace en función de los agentes, familias, que

maximizan sus ingresos netos ya sean provenientes de la actividad

agrícola o no, mientras –opcionalmente- satisfacen sus necesidades de

consumo. Las decisiones de inversión maximizan su rendimiento a largo

plazo, mientras que las decisiones de producción lo optimizan a corto

plazo. Los agentes aprenden acerca de los cambios ambientales a través

de una reducción en los rendimientos de los cultivos, lo cual crea un

incentivo para ajustar la elección de cultivos o la adopción de métodos

para la conservación.


140

LUDAS

Land Use Dynamic Simulator (LUDAS) (Le et al., 2008) fue diseñado

para apoyar las políticas de decisión del uso de tierras en los márgenes de

los bosques de las tierras altas centrales de Vietnam, con el objetivo de

explorar la magnitud de los posibles cambios socio-económicos en

diferentes espacios y tiempos. Además permite simular escenarios

alternativos para mejorar la vida y mitigar el impacto negativo de los

cambios de uso del suelo, apoyando así el proceso de negociación entre

los diferentes actores en la planificación del uso del suelo. La población

inicial de agentes, que representan a las familias, se genera a partir de un

conjunto de agentes de muestra. El usuario del modelo debe configurar el

tamaño inicial de población de los agentes, así como los parámetros de

las políticas predefinidas según las consecuencias previstas.

El mecanismo de toma de decisiones sigue un procedimiento que tiene

entradas desde el perfil de los agentes, la información sobre la percepción

del paisaje y, en ocasiones, la información de los agentes del hogar. El

procedimiento es lógico y aplica principios de la microeconomía como la

optimización de beneficios, de modo que los agentes buscan las mejores

tierras para el cultivo o para la recolección en áreas forestales. El

procedimiento de decisión es universal para todos los agentes en términos

de secuencia lógica. Sin embargo, debido al estado del agente, los

parámetros y la estructura de las funciones de utilidad son

específicamente individuales, dando como resultado que las decisiones

sean diversas.

Modelo de Evans

El modelo presentado por Evans et al. (2008) es una representación del

uso del suelo por parte de familias. El propósito es comprender la

influencia de los factores biofísicos y sociales sobre la trayectoria futura

de los cambios de cobertura forestal del suelo. Los agentes adoptan

decisiones con el objetivo de representar a los propietarios de las tierras

con diversas estrategias de gestión que conducen a resultados particulares

del paisaje en el tiempo. Fundamentalmente el modelo está organizado

por un conjunto de agentes con propiedades similares.

La dinámica de toma de decisiones se realiza a nivel de agentes y

parcelas, los agentes toman decisiones de uso del suelo una vez al año.

Las parcelas están compuestas por un conjunto de celdas de tamaño

normal y de agrupaciones de celdas de propiedades de agentes. Los

agentes tienen características propias, como nivel de renta, oferta de

trabajo, preferencias de uso, memoria; las celdas también poseen

características propias, como pendiente, superficie y uso del suelo actual.

En cada momento los agentes evalúan el patrón actual de uso de la tierra

en sus celdas y toman decisiones para mantener los usos existentes o


141

hacer una transición a otros usos. En el modelo los agentes pueden llevar

a cabo cuatro actividades relacionadas con la agricultura o el

aprovechamiento de la madera, es decir: agricultura, cultivo de árboles,

tala de árboles o dejar la tierra en barbecho. El objetivo de la toma de

decisiones de los agente es maximizar su utilidad. Los agentes toman una

decisión a nivel de parcela en la asignación del trabajo. Esto determina la

cantidad de trabajo que se asigna a cada una de las actividades, luego se

toma una decisión a nivel de celda acerca de dónde emplear el trabajo

asignado a cada actividad. Se supone que un agente elige el número de

celdas de cambio según la mejora de su utilidad. Este procedimiento se

repite para cada agente y para cada año de la simulación de producción.

Los parámetros de heterogeneidad y la distribución de pesos

preferenciales de uso reflejan la diversidad de tipos de agentes del

modelo.

Modelo de Millington

Millington et al. (2008) desarrollaron un ABM de LUCC que se utiliza

para evaluar los posibles cambios en el riesgo de incendios de un paisaje

mediterráneo, sobre un paisaje tradicional agrícola español en proceso de

cambio social, demográfico y cultural. El modelo examina los efectos de

la composición inicial de la tenencia y uso de la tierra y la configuración

de LUCC. Los efectos del uso del suelo y la tenencia de la tierra se

examinan en los mapas de usos, posteriormente se utilizan mapas de

cubierta vegetal para examinar el riesgo de incendios. El modelo

considera tres tipos de uso del suelo, cultivos, pastizales y no agrícolas.

Además se consideran dos variables de estado para examinar el modelo,

la proporción de tierras dedicadas a cultivos y la proporción de tierras

utilizadas para pasto. Para estructurar este modelo se identificaron dos

tipos de agentes. Las decisiones del primero están influenciadas por el

mercado comercial y las del segundo por aspectos culturales y

tradicionales. Estos agentes y sus decisiones determinan el uso del suelo y

establecen si un área del terreno o celda estará en uno de los tres posibles

usos: cultivos, pastos o tierras no agrícolas. Los agentes perciben el

paisaje como una red de unidades de tierra finita representado por celdas,

sobre una base estacional, cuatro veces por año. El estado de cada agente,

como edad o riqueza se controla en cada transcurso del tiempo. En este

modelo las características de los agentes son asignadas al azar, como la

edad o la riqueza; al igual que el tipo de decisiones a tomar en función a

la mentalidad comercial y tradicional.

RL ABM (Reinforcement Learning – Agent Based Model)

Bone et al. (2010) desarrollaron un ABM con el propósito de mejorar la

simulación de las interacciones entre agentes interesados en el


142

aprovechamiento forestal y optimizarlo a través de la interacción mutua,

lo que los autores denominan aprendizaje reforzado (RL). El ABM se

aplicó a la simulación de la explotación forestal en el Distrito Forestal

Chilliwack, en el suroeste de British Columbia, Canadá.

El modelo se desarrolla con múltiples agentes. Un primer agente son las

compañías forestales (F) cuyo fin es maximizar sus beneficios con la

explotación forestal, teniendo la posibilidad de cooperar con un agente

conservacionista (C), cuyos objetivos se basan en la protección del hábitat

de las especies y por otro lado con la Agencia Gubernamental (G), que

regula la explotación. En la simulación del modelo los agentes no tienen

ningún conocimiento del paisaje, las decisiones que toman son por tanto

reaccionarias. La dinámica y relación de los agentes funciona de la

siguiente forma: los agentes F tratan de maximizar sus beneficios con la

tala de árboles, pero el agente G estima si el monto de la madera extraída

es aceptable o no, y si no lo es puede disminuir la cuota de extracción de

F. El modelo utiliza un algoritmo RL que se emplea para evaluar si la

solución cumple con los objetivos de las empresas forestales. Si el

resultado es positivo se asignan nuevas áreas del territorio, representado

por celdas. Al mismo tiempo los agentes C evalúan si sus objetivos se han

cumplido, es decir si el patrón de corta está en concordancia con sus

propios objetivos. Las recompensas están codificadas en un mapa

cognitivo de cada agente, que representa los conocimientos que los

agentes han ganado sobre el bosque con respecto a dónde la cosecha debe

realizarse con el fin de garantizar sus objetivos.

ALMA (Agent-based Land MArket)

Fitatova et al (2009), desarrollaron un ABM de interacción a micro escala

entre compradores y vendedores de bienes inmuebles, que se

retroalimenta en una macro escala de transacciones de mercado. Los

principales agentes en el modelo ALMA son usuarios de la tierra que

operan en una zona urbana, con familias urbanas que compran tierras y

familias de agricultores que venden tierras. El paisaje está representado

por una red de celdas iguales, cada una de las cuales puede ser propiedad

de un agente económico. Cada celda tiene dos características: distancia al

CBD (Central Business District) y nivel de servicios ambientales

cercanos. Los agentes compradores fijan sus precios de oferta del suelo en

función a la distancia al CBD, sus preferencias para los desplazamientos,

las restricciones presupuestarias y las condiciones del mercado. Los

agentes vendedores fijan sus precios sobre la base de un costo de

oportunidad fijo y las condiciones del mercado.

El análisis del comportamiento de precios de mercado conduce a la

expansión del área urbana, y resalta la importancia de los modelos de

oferta y la dinámica de precios. Según Fitatova (2009) los efectos

irreversibles de la conversión de tierras rurales a usos urbanos es un


143

hallazgo interesante, aunque sus implicaciones merecen una

consideración más detallada.

PUMA (Predicting Urbanization with Multi Agent)

Etterna et al (2005) desarrollaron el modelo PUMA. El modelo se centra

en las familias y los individuos como impulsores del desarrollo espacial.

Los cambios de uso del suelo, provocado por otros agentes como

autoridades y empresas son ajenos al modelo. El sistema espacial de uso

del suelo se representa en una grilla en cuadricula, que sirve como punto

de referencia espacial de los agentes. Cada celda de la cuadrícula, que

representa el territorio, contiene características espaciales tales como el

número de habitantes, viviendas, empresas, puestos de trabajo, y el nivel

de accesibilidad de la celda.

Para la toma de decisiones, cada agente acumula una percepción de las

viviendas disponibles en el mercado y su oportunidad para mejorar la

utilidad de por vida al mudarse a otra vivienda. A continuación, se toma

una decisión de si debe o no iniciar la búsqueda de otra vivienda y la

representación del aprendizaje de los individuos sobre el mercado

inmobiliario a través de su percepción de las transacciones, así como su

proceso de negociación para adquirir una vivienda nueva.

MASUS (Multi Agent Simulator for Urban Segregation)

Feitosa et al. (2011), desarrolló un simulador multiagente multipropósito,

cuyo objetivo principal es simular la segregación urbana, que ofrece un

laboratorio virtual para explorar el impacto de los diferentes contextos en

la aparición de patrones de segregación, y de forma secundaria el efecto

de la segregación sobre el suelo. El marco conceptual utilizado como base

para el modelo MASUS tiene tres componentes principales: la población

urbana, el paisaje urbano, y los factores experimentales.

De acuerdo con el proceso de toma de decisiones, un agente puede

decidir actuar, es decir, trasladarse a otro lugar. La decisión del agente

depende de su estado, que se compone de atributos del agente y su

percepción acerca de las diferentes zonas residenciales. Esta percepción

tiene en cuenta las características del paisaje urbano y la composición de

la población de los barrios en distintas ubicaciones. La movilidad de las

familias residentes conduce a cambios en la distribución espacial de la

población y, por lo tanto, la segregación de la ciudad (a nivel macro de la

población urbana). Además de las acciones de los agentes también

influyen ciertas características del paisaje urbano, como el valor de la

tierra y la oferta residencial.


144

NEA

Mena et al. (2011) describen el diseño y aplicación de un ABM que se

utilizó para la simulación del cambio de uso del suelo en las

explotaciones familiares en la Amazonía Norte del Ecuador (NEA) por

medio de Repast Simphony. El propósito de este estudio es

principalmente obtener un conocimiento de los aspectos sociales y su

influencia en la toma de decisiones sobre el territorio. NEA simula la

toma de decisiones a nivel de hogar y se ajusta mediante encuestas

socioeconómicas y demográficas, así como con el empleo de SIG para

establecer las relaciones espaciales entre las parcelas y su entorno,

mientras que las imágenes Landsat se utilizan para establecer las

condiciones iniciales de uso de suelo y cubierta para la simulación

espacial.

Los agentes que intervienen en la simulación son agentes sociales o

agentes activos, que representan a las familias; y agentes de paisaje o

agentes pasivos. Para configurar los agentes de familia se consideran

varias características sociales tales como el número de miembros, edade,

y tasas de natalidad y mortalidad. Las decisiones y acciones sobre la finca

solo las puede ejecutar un agente individual representante. Por otro lado,

los agentes de paisaje son parcelas y fincas, representados por celdas,

todas las parcelas de un propietario forman una finca que tienen

características físicas tales como tamaño, uso y accesibilidad.

NEA utiliza varios criterios para la toma de decisiones de los agentes.

Los agricultores toman decisiones basadas en una información

inmediata, actualizada; un agricultor convertirá su tierra en tanto se lo

permita el trabajo y los recursos disponibles; fuera de la finca siempre hay

mano de obra disponible; todas las explotaciones tienen una alta

accesibilidad geográfica; la motivación para el cambio de uso es

impulsado por la maximización de ingresos, por lo que el agricultor va a

tratar de realizar un cambio de tierras para maximizar su beneficio; un

agricultor va a satisfacer su consumo antes de elegir un cambio de uso del

suelo; y un agricultor toma la decisión de cambiar la tierra cada año,

aunque algunas conversiones pueden tomar varios años para hacerse

realidad.

Modelo de Valbuena

Este ABM (Valbuena et al., 2010b) está desarrollado en el entorno

NetLogo, y su propósito es explorar las respuestas de los agricultores y la

toma de decisiones en los procesos endógenos y exógenos que afectan a

la estructura del paisaje regional. Este modelo se aplicó a la creación de

escenarios futuros en una región rural de Holanda, en donde se simularon

los cambios en las tierras agrícolas y áreas seminaturales. El modelo se

ajustó mediante encuestas, datos de censos, información catastral y

mapas de usos del suelo.


145

Los agentes representan a los agricultores y el paisaje está representado

por celdas en donde una celda o grupo de celdas forman una parcela

sobre la cual se toma las decisiones. Tres procesos de toma de decisión

principales se incluyen en el modelo: el cierre de la explotación, la

expansión agrícola y la diversificación de las prácticas agrícolas. Las

decisiones individuales se toman sobre la base de factores que están

vinculados a la finca y a la región, estos factores incluyen la vinculación

de voluntades y capacidades del agricultor para tomar cierta decisión

sobre el uso de tierra, sumado a ello la influencia de las redes sociales y

las políticas.

SLUDGE

Simulated Land Use Dependent on eDGe Effect externalities

(SLUDGE), descrito por Polhill et al.(2008) es una combinación simple

de autómata celular y ABM. Este modelo fue diseñado para explorar los

efectos positivos y negativos de las externalidades espaciales dependientes

de la distancia en los patrones económicos y de paisaje. Las

externalidades espaciales se refieren a las actividades de uso del suelo por

parte del propietario que afectan directamente a sus vecinos. El modelo

funciona como mecanismo de búsqueda de un equilibrio estático en el

que el actual patrón de uso de suelo es tal que ningún agente tiene un

incentivo para elegir un uso de suelo diferente. Los propietarios son

agentes que ocupan una celda de un modelo del paisaje uniforme, regla a

aplicar en la propuesta. El modelo de paisaje afecta a la rentabilidad de

cada uso de suelo, la dimensión del paisaje y las coordenadas.

Básicamente SLUDGE considera la maximización de beneficios en la

decisión de cada propietario que elige un uso del suelo entre cero o uno.

Para tomar esta decisión, cada agente calcula el valor de las ganancias

esperadas para cada uno de los dos usos de suelo posibles, sobre la base

del panorama actual y las condiciones de mercado, teniendo en cuenta la

demanda y el modelo de suministro. Para calcular el beneficio esperado

para un uso de la tierra determinado, el agente se forma una expectativa

de precio por el uso de suelo en función de una estimación de la oferta de

mercado, basándose en la reserva de precios para cada agentey un patrón

de paisaje actual.

SOME (SLUCE's Original Model for Experimentation)

Polhill (2008) describe mediante el protocolo ODD el ABM SOME, para

el estudio de SLUCE´s (Spatial Land-use Change and Ecological Efects).

El propósito del modelo es apoyar la exploración de las relaciones entre

las preferencias residenciales y los patrones de asentamiento urbano. El

modelo ha sido utilizado para explorar los efectos de la heterogeneidad

en los patrones de agentes de asentamiento urbano, el grado de


146

dependencia en los patrones de asentamiento y su implicación en la

evaluación y validación de patrones espaciales, la función de la

zonificación en respuesta a posibles patrones de expansión urbana y los

efectos de áreas verdes en la expansión. SOME cuenta con un paisaje

formado por celdas en el cual actúan dos tipos de agentes: residentes y

centros de servicio. Los agentes interactuan directa e indirectamente, las

interacciones indirectas incluyen las opciones de uso de suelo y

maximizacion de utilidades. Las interacciones directas tiene que ver con

la influencia de preferencias del vecindario.

El comportamiento inicial es la ubicación en el paisaje conformado por

celdas, siguiendo un proceso de toma de decisiones, varios atributos de

localización son evaluados por los residentes en este proceso, incluyendo

la variable de estado de una celda, la calidad estética, y tres variables

derivadas,la distancia a los centros de servicio, la densidad de residentes,

y la similitud de vecindad. Todas estas variables se actualizan y reajustan

a cada paso o según sea necesario en función del cambio de

características subyacentes. Este proceso de evaluación se realizaría en la

propuesta para cada período de simulación.

FEARLUS

FEARLUS (Framework for Evaluation and Assessment of Regional

Land Use Scenarios), descrito por Polhill et al (2008), está desarrollado

con una arquitectura modular para facilitar una amplia gama de estudios

relacionados con el uso y cambio de uso del suelo. FEARLUS

inicialmente fue desarrollado como ABM, aunque ahora está considerado

como un entorno de modelado que puede ser configurado para producir

un modelo de particular interés, en lugar de un modelo especifico en sí

mismo. FEARLUS estudia y compara el éxito relativo de la innovación y

la imitación de los agricultores respecto del uso del suelo.

Los propietarios o administradores están representados por agentes y el

paisaje por celdas gestionadas por los agentes. Las decisiones de los

agentes son heurísticas, es decir, tratan de solucionar los problemas de

uso de suelo de forma creativa, en función de unas reglas de decisión. Si

el rendimiento de la parcela cumple o supera el umbral de la aspiración

del propietario, entonces el uso de la tierra no ha cambia. Si no es así, el

propietario evalúa su entorno e imita a sus vecinos para determinar el

nuevo uso del suelo de la parcela. De lo contrario, el propietario usa su

estrategia innovadora para determinar un nuevo uso de suelo de la

parcela.


148

5. Propuesta

Esta propuesta es un ejercicio inicial para el diseño de un ABM que

pueda simular el absentismo y abandono de tierras en Galicia, así como

el papel del Banco de Tierras, al cual se otorga más funciones del que

tiene actualmente como mediador para la transacción de tierras. Para esta

propuesta se han considerado las características de los modelos revisados

como son las reglas heurísticas (FEARLUS), configuración del paisaje

(PUMA, SOME), agente regulador (RL ABM), y estado de la parcela

(ABM Millington). El propósito del este modelo sería simular un

escenario óptimo del problema, dotando al modelo de un agente gestor y

un agente regulador.

5.1. Descripción de agentes

Los agentes involucrados para cumplir el propósito del modelo serían:

Agentes Activos (AA), que representarían a los propietarios que poseen

una parcela productiva, es decir dedicados a una actividad agro-ganadera;

Agentes Pasivos (AP), que representarían a los propietarios que poseen

una parcela activa pero gestionada por otros; Agentes Inactivos (AI), que

representarían a los propietarios que poseen una parcela improductiva;

Agente Estado (AE) como regulador de las políticas de subvención y

sanción, el Banco de Tierras (BT), que en el modelo tiene más funciones

que una agencia inmobiliaria ya que también puede mediar transacciones

de compra venta; Sub-Agente Activador (SAA), que representaría a las

personas que no poseen propiedad pero tienen intención de trabajar, y

que dependería directamente de BT.

5.2. Medioambiente

El territorio estaría conformado por un conjunto de celdas, adaptado a

los entornos de diseño de NetLogo, Repast Simphony o Swarm, en el

cual cada celda representaría una parcela que correspondería a un agente

propietario (AA, AP, AI). La condición de cada celda es de estado:

activo o inactivo, que depende expresamente de la decisión de los agentes

propietarios. Por otro lado, cada celda tendría propiedades biofísicas

(pendiente, orientación, ubicación, superficie) que influiría en la toma de

decisiones de los agentes y en su capacidad para mantenerla activa.

5.3. Toma de decisiones y reglas de comportamiento

Es necesario considerar que, para aplicar un modelo real, deben utilizarse

métodos de ajuste como encuestas o entrevistas y métodos de validación.

La siguiente caracterización se basa en información empírica como

artículos, datos censales o noticias de prensa.


149

Los Agentes Activos (AA) tienen el objetivo de maximizar su utilidad,

por ello tratan de mantener su celda activa. La decisión principal es la

opción de estado de cambio que se lleva cada cierto tiempo. El agente

tiene que decidir, en base a una evaluación de su situación actual de

capacidades y voluntades, si continua en la categoría AA o quiere pasar a

la categoría AP, a través de BT.

Los Agentes Pasivos (AP) tienen el objetivo de maximizar su utilidad,

pero a través del Sub-Agente Activador (SAA). Al igual que AA, evalúa

su situación y tiene que decidir entre conservar su condición de

arrendador (CA) o vendedor en BT y de mantener su categoría de AP o

cambiar a AI. Cada cierto tiempo en el modelo se aplicarían reglas

excepcionales que permitirían reflejar la innovación, una de ellas

permitiría a AP cambiar su categoría a AA.

Los Agentes Inactivos (AI) tienen como único objetivo conservar su

celda. Su estado es incierto hasta que el Agente Estado (AE) decida

intervenir con una sanción, en ese momento tiene que decidir si cambia a

la categoría AP o a condición de vendedor en el BT. Este agente no

puede cambiar a AA directamente, ya que antes tendrá que llegar a ser un

AP.

El Agente Estado (AE) tiene la función de regular, imponer sanciones o

recompensas, por lo tanto es un agente abstracto en el modelo, es decir,

no tiene condición de propietario.

El Banco de Tierras (BT) tiene una función mediadora en el modelo, y de

asignación a los Sub-Agentes Activadores, al igual que AE es un agente

abstracto en el modelo. BT también puede asignar condiciones a los

agentes propietarios como: la Condición de Arrendador (CA), que

correspondería directamente a AP; Condición de Vendedor (CV), que

correspondería a los agentes AI o AP) cuando decidan vender su celda;

Condición de Comprador (CC), que correspondería a un SAA cuando

BT encuentre disponibilidad de celdas, o también un AA puede entrar en

esta condición para ampliar su propiedad; y por ultimo la Condición de

ArrendaTario (CAT) que correspondería a los agentes AA y SAA, esta

condición permitirá la activación de celdas sin la necesidad de poseerlas

con el objetivo de maximizar su recompensa.

El Sub-Agente Activador (SAA) no tiene decisión sino sólo por

asignación de BT, su condición puede cambiar a comprador en BT y

posteriormente a AA, por lo que entonces tendría decisión y se le podría

asignar capacidades.

En la Figura 1 se muestra la dinámica de los agentes según las reglas de

decisiones mencionadas anteriormente: la función de los agentes AE y

BT; así como también la transición de los agentes AA, AP, AI y SAA; y

su condición de CA, CC, CV y CAT.


150

Figura 1. Sistema conceptual del modelo.

5.4. Dinámica del modelo

En un modelo real se partiría de un entorno de representación con

cartografía digital, un número justificado de agentes por categoría y un

área definida. Sin embargo éste es un esquema en un territorio supuesto.

Se partiría de un número determinado de celdas, a las cuales se

asignarían cualidades biofísicas aleatoriamente individualmente.

Posteriormente se asignaría, también de forma aleatoria, un agente

propietario por celda. Cada agente tendría capacidades propias como la

riqueza, edad o producción, que serían asignados entre rangos a todos los

agentes, lo que supondría que se formen grupos con características

similares.

Se iniciaría con una primera simulación que representaría la realidad.

Seguidamente se fijaría un periodo de tiempo para la simulación, por

ejemplo anual, y, para cada episodio anual, se realizaría una calibración,

como por ejemplo políticas de sanción o recompensa por parte de AE, o

variación de las capacidades de los agentes propietarios. Las simulaciones

de episodios buscarían optimizar la activación de las celdas, si es

progresiva la condición de paisaje se consideraría un paisaje positivo, si

es al contrario se consideraría un paisaje negativo.


151

6. Discusión

La variada terminología utilizada para designar a los ABM

frecuentemente lleva a confusión, lo que puede ser consecuencia de la

falta de estandarización de conceptos. Es necesario definir la

terminología claramente, lo que es al mismo tiempo un área potencial

para la investigación, ya que esta carencia puede llevar a errores en el

conocimiento futuro.

Las herramientas computacionales para el modelado siguen en constante

desarrollo, porque aún tienen muchas limitaciones para la simulación,

debido a que los modelos requeridos por los usuarios son muy

específicos, lo que no podría ser de otra forma, ya que se requiere

exactitud en la simulación. En consecuencia, muchos modeladores optan

por construir entornos propios de trabajo. Dotar a estas herramientas de

una flexibilidad para ajustarse a los requerimientos del usuario y una

mayor integración entre ABM y SIG representa también un desafío.

La toma de decisiones es el motor de los cambios de uso de suelo, por lo

tanto se debe prestar especial atención a la elaboración de reglas de

conducta en los modelos. Por otra parte, el ajuste de los modelos es sin

duda la tarea más importante para la construcción de reglas de

comportamiento de los agentes, aunque también la más costosa, porque

implica el análisis de una información amplia del área de estudio como y

la obtención de nuevos datos con el desarrollo de encuestas y entrevistas

que proporcionan otra perspectiva de la realidad. Por otro lado muchos

de los modelos revisados se guían por reglas empíricas generales, lo que

puede conducir a un sesgo, ya que no todas las áreas de estudio tienen las

mismas características.

Los ABM son una herramienta a utilizar a escala local, ya que el

comportamiento humano no es universal, lo que supone una ventaja, ya

que podría aportar exactitud en la simulación, por lo que la adaptabilidad

de un ABM a varias zonas dependería fundamentalmente de las

metodologías de ajuste de los modelos, y desarrollarlas constituye otro

desafío para la investigación.

Siendo Galicia un territorio singular geográfica y socialmente, el

desarrollo de un ABM permitiría comprender ciertos patrones de

comportamiento social y serviría como herramienta para la aplicación de

políticas y planes.

Bibliografía

Bakker, M. y Van Doorn, A. 2009. Farmer-specific relationships between

land use change and landscape factors: Introducing agents in empirical land use modelling. Land Use Policy, 26(3): 809-81.


152

Bone, C. y Dragicevic, S. 2010. Simulation and validation of a

reinforcement learning agent-based model for multi-stakeholder forest management. Computers, Environment and Urban Systems, 34: 162-174.

Cabral, R.B., Geronimo, R.C., Lim, M.T. y Alino, P.M., 2010. Effect of

variable fishing strategy on fisheries under changing effort and pressure: an agent-based model application. Ecological Modelling, 221:362-369.

Castle, C.J.E., y Crooks, A.T. 2006. Principles and concepts of agent-based

modelling for developing geospatial simulations. University College London,

Working Papers Series, 110.

Corbelle, E. y Crecente, R. 2008. El abandono de tierras: Concepto

teórico y consecuencias. Revista Galega de Economía, 17(2):47-62.

Etterna, D., Jong, K., Timmermans, H.J.P. y Bakema, A. 2005. PUMA

multi-agent modeling of urban systems. 45th Congress of the European

Regional Science Association. Amsterdam: Vrije Universiteit.

Evans, T.P. y Kelley, H. 2008. Assessing the transition from deforestation

to forest regrowth with an agent-based model of land cover change for south-central Indiana (USA). Geoforum, 39(2): 819-832.

Feitosa, F., Le, Q.B. y Vlek, P. 2011. Multi-agent simulator for urban

segregation (MASUS): A tool to explore alternatives for promoting inclusive cities. Computers, Environment and Urban Systems. 35:104-115.

Galán, J.M. 2007. Evaluación integradora de políticas de agua: modelado y

simulación con sociedades artificiales de agentes. Tesis Doctoral, Universidad

de Burgos.

Gilbert, N. 2007. Agent-based Models. Thousand Oaks: Sage.

Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., Giske, J.,

Goss-Custard, J., Grand, T., Heinz, S.K., Huse, G., Huth, A., Jepsen,

J.U., Jorgensen, C., Mooij, W.M., Müller, B., Pe'er, G., Piou, C.,

Railsback, S.F., Robbins, A.M., Robbins, M.M., Rossmanith, E., Rüger,

N., Strand, E., Souissi, S., Stillman, R.A., Vabo, R., Visser, U. y

DeAngelis, D.L. 2006. A standard protocol for describing individual-based and agent-based models. Ecological Modelling, 198(1-2): 115-126.

Le, Q.B., Park, S.J., Vlek, P.L.G. y Cremers, A.B. 2008. Land use

dynamic simulator (LUDAS): a multi-agent system model for simulating spatio-temporal dynamics of coupled human–landscape system. Ecological

Informatics, 3(2): 135–153.

López-Paredes, A., Sauri, D. y Galán, J. 2005. Urban water management with artificial societies of agent: The FIRMABAR simulator. Simulation,

81(3): 189-199.


153

Matthews, R.B., Gilbert, N.G., Roach, A., Polhill, J.G., y Gotts, N.M. 2007. Agent-based land-use model: a review of applications. Landscape

Ecology, 22(10): 1447-1459.

Mena, C., Walsh, J., Frizzelle, B. G., Xiaozheng, Y. y Malanson, G.

2011. Land use change on household farms in the Ecuadorian Amazon: Design and implementation of an agent-based model. Applied Geography,

31(1): 210-222.

Millington, J., Romero-Calcerrada, R., Wainwright, J. y Perry, G. 2008.

An Agent-Based Model of Mediterranean Agricultural Land-Use/Cover

Change for Examining Wildfire Risk. Journal of Artificial Societies and

Social Simulation, 11(4).

Pahl-Wostl, C. 2002. Towards sustainability in the water sector: the

importance of human actors and processes of social learning. Aquatic

Sciences, 64(4): 394-411.

Pahl-Wostl, C. y Hare, M. 2004. Processes of social learning in integrated

resources management. Journal of Community and Applied Social Psychology,

14(3):193-206.

Parker, D.C., Manson, S.M., Janssen, M.A., Hoffmann, M.J. y

Deadman, P. 2003. Multi-agent systems for the simulation of land-use and land-cover change: A review. International Journal of Geographical

Information Science, 20(2): 1013-1037.

Polhill, D.C., Parker, D.G., Brown, D. y Grimm V. 2008. Using the

ODD protocol for describing three agent-based social simulation models of land use change. Journal of Artificial Societies and Social Simulation, 11

(2):3.

Schreinemachers, P. y Berger, T. 2006. Land use decisions in developing

countries and their representation in multi-agent systems. Journal of Land

Use Science, 1(1): 29-44.

Schreinemachers, P. y Berger, T. 2011. An agent-based simulation model

of human–environment interactions in agricultural systems. Environmental

Modelling and Software, 26(7): 845-859.

Swarm, 2006. Swarm: A Platform for Agent-Based Models.

http://www.swarm.org/

Valbuena, D., Verburg, P.H., Bregt, A.K. y Ligtenberg, A. 2010a. An

agent based approach to model land use change at a regional scale. Landscape Ecology, 25(2): 185-199.

Valbuena, D., Verburg, P.H., Bregt, A.K. y Ligtenberg, A. 2010b. Effects

of farmers’ decisions on the landscape structure of a Dutch rural region: An agent-based approach. Landscape and Urban Planning, 97(2): 98-110.


154

Westhoek, H.J., Van Den Berg, M. y Bakkes, J.A. 2006. Scenario development to explore the future of Europe's rural areas. Agriculture,

Ecosystems & Environment, 114(1): 7-20.

Wilensky, U. 1999. NetLogo. Center for Connected Learning and Computer-

Based Modeling. Evanston: Northwestern University.

http://ccl.northwestern.edu/netlogo/ [20 de noviembre, 2011]

Documents

Máster Universitario en Gestión Sostenible de la Tierra y