Selección de métricas de configuración espacial para la regionalización de un territorio antropizado

Abstract

Los paisajes humanizados tienden a poseer elementos de formas más simples, bordes rectos y tamaños más homogéneos que los naturales y es posible diferenciarlos por su patrón espacial, el cual se cuantifica con índices de paisaje. El uso de estas métricas se ha popularizado, aunque existe bastante polémica con respecto a su significado ecológico, aplicabilidad, redundancia y sensibilidad. El descarte de unas u otras métricas con el argumento de la redundancia no es adecuado porque todas difieren en su sensibilidad a variables independientes. Se presenta un método que combina la tecnología SIG con el análisis multivariado para seleccionar las métricas según su capacidad de discriminación y generar un modelo predictivo para la clasificación de casos nuevos. El análisis discriminante redujo la cantidad de índices de 48 a 14. El modelo obtenido tiene un error medio de clasificación de 18%. Se discuten las aplicaciones y limitaciones de los índices de paisaje y del método discriminante.

Cultural landscapes tend to have simpler forms, straighter edges and less variability in patch size than natural landscapes, thus it is possible to differentiate them throughout the study of pattern, which is quantified by the landscape indices. The landscape metrics have gained popularity, yet there is much dispute about their ecological meaning, applicability, redundancy and sensitivity. Discarding indices on the basis of redundancy is improper due to the differences in their sensitivity to independent variables. We present a method combining GIS technology and multivariate analysis to select landscape metrics according to their discriminating ability, and to generate a predictive model for classifying new cases. The amount of indices was reduced from 48 to 14 by the discriminant analysis. The resulting model has an average classification error of 18%. The scope of applications and limitations of both the metrics and the discriminant model are discussed.