1

PLANIFICACIÓN Y GESTIÓN DEL TERRITORIO.

De los SIG a los Sistemas de ayuda a la decisión espacial (SADE).
por Joaquín Bosque Sendra1, Departamento de Geografía, Universidad de Alcalá,
Madrid, España.

(Publicado en El Campo de las Ciencias y las Artes, Madrid, España, 2001, nº 138, pp. 137-174)

1.- Posibilidades y deficiencias de los Sistema de Información Geográfica como

instrumentos para la ayuda a la decisión

Los Sistemas de Información Geográfica (SIG) constituyen una herramienta muy potente
para la gestión y el análisis de la información espacial. Junto con otras tecnologías de la
información geográfica han permitido avances muy notables en la gestión eficiente de
muchos problemas geográficos (mantenimiento de grandes infraestructuras, creación de
catastros multipropósito, gestión del transporte, etc) o en la ordenación del territorio y la
planificación ambiental, la cuestión que nos interesa más este capítulo.

No obstante, también se han encontrado deficiencias significativas en su uso en la toma de

decisiones sobre problemas geográficos, una cuestión que es importante precisamente en las
tareas de planificación del territorio. Las causas de estas deficiencias se pueden clasificar en
dos tipos:

a) Problemas conceptuales o metodológicos generales, derivados de la organización básica de

los Sistema de Información Geográfica.

b) Problemas técnicos relacionados con la funciones habitualmente disponibles en estas

herramientas.

Veamos cada uno de ellos.

Los problemas mas generales y profundos están relacionados con el diseño inicial de los
Sistema de Información Geográfica, que han sido construidos con un enfoque generalista y
de reducida especialización; es decir, los SIG han sido pensados para tratar las mas diversas
cuestiones de interés geográfico, por lo que los procedimientos incluidos en ellos son
únicamente los que se consideran que pueden tener un uso general. Al mismo tiempo, su
preocupación fundamental es la consideración de los aspectos que podemos considerar mas
"externos", formales y geométricos, de los problemas geográficos. Por lo tanto, los SIG no
están adecuadamente preparados para tratar de los procesos internos que generan las
estructuras visibles y "geométricas" de las cuestiones geográficas, los SIG parten de una
teoría social muy rudimentaria y esquemática (Bosque Sendra y otros, 1995).

Sin embargo, cada vez mas lo que se necesita son herramientas especializadas en el estudio y
resolución de problemas y cuestiones muy definidas, y que sean capaces de simular o conocer
las causas y los procesos internos. Para todo ello los SIG son una plataforma interesante pero

1
Agradecimiento al proyecto de investigación 06/0049/1998 de la Consejería de Educación y
Cultura de la Comunidad de Madrid.
 1

insuficiente.

Los problemas técnicos tienen que ver con los tipos de informaciones necesarias para tratar
de adoptar una decisión racional en un problema de planificación del territorio e, igualmente,
con los procedimientos de análisis que es preciso aplicar en las etapas usualmente
consideradas necesarias para adoptar racionalmente una decisión informada.

La adopción de decisiones en problemas de índole geográfica y de planificación requiere,

habitualmente, datos de dos tipos, por un lado aquellos que se suelen denominar "hard",
duros (Malczewski, 1999, p. 12), combinados con otros considerados "soft", blandos. Los
primeros son aquellos que se miden en términos precisos, cuantitativos (obtenidos, por
ejemplo, mediante censos demográficos, o mediante la teledetección, etc), mientras que los
segundos proceden de las opiniones, preferencias y juicios de las personas y están expresados
en términos mas vagos y cualitativos. Sin embargo, en la mayor parte de los procesos de
decisión es preciso combinar ambos tipos para que se pueda simular de manera realista las
conclusiones normalmente realizadas por las personas y los expertos que actúan y viven
sobre el territorio.

En la actualidad los SIG están muy bien preparados para gestionar datos "duros", expresados
en términos precisos, pero no tanto, ni mucho menos, para la utilización simultanea de los
otros tipos de datos (Bosque Sendra y otros, 1992 y 1995). Las deficiencias para ello son muy
numerosas y diferentes: imposibilidad de considerar datos que no son precisos, podríamos
decir "deterministas", sino, por el contrario, afectados de incertidumbres, es decir
probabilísticos o "borrosos"; no inclusión en un Sistema de Información Geográfica de
técnicas capaces de manipular este tipo de datos imprecisos o dependientes de opiniones y
que, por lo tanto, exigen capacidades de combinar varios tipos de planteamientos para
integrarlos en la decisión final.

De la misma manera si se consideran los procesos de adopción de decisiones, habituales en la

planificación del territorio, también se observan deficiencias en las actuales posibilidades
analíticas de los SIG. El economista Herbert Simon estableció un esquema muy difundido
para la adopción racional de una decisión. Según este esquema son necesarios tres momentos
en este proceso:

1º La "inteligencia", el entendimiento amplio del problema a resolver por la decisión a

adoptar.

2º El "diseño" de las alternativas de solución al problema planteado en la fase anterior.

3º La "evaluación" de las alternativas definidas en la segunda fase, de modo que queden

ordenadas por su mayor o menor validez como solución al problema.

En cada una de estas fases se pueden encontrar deficiencias significativas en los SIG actuales
para llevar adelante, con eficacia, las tareas normalmente incluidas en cada una de ellas.

En la fase de "inteligencia", de entendimiento de la cuestión, es evidente que un Sistema de

Información Geográfica presenta capacidades muy importantes para analizar una situación
geográfica y facilitar su entendimiento: posibilidades de cartografía y presentación de
 1

resultados potentes y variadas, por ejemplo, sin embargo en la literatura sobre estos temas se
han venido planteando las importantes deficiencias de los SIG en cuanto a la posibilidad de
exploración sistemática de un problema, al no existir, habitualmente, posibilidades de análisis
estadístico o similar que permitan un estudio profundo y detallado del problema, tanto desde
un punto de vista temático como espacial (Anselin y Getis, 1993). De este modo, en muchas
ocasiones, es necesario suplementar los SIG actuales con otros tipos de programas, por
ejemplo paquetes estadísticos, que no están adaptados a los requerimientos de los datos
geográficos. Mas adelante estudiaremos las posibles soluciones a esta cuestión.

La fase de "diseño" de las alternativas también presenta deficiencias en los SIG. Nuevamente
es preciso mencionar que los SIG actuales incluyen bastantes medios de combinar los datos
incluidos en su base de datos, de modo que se facilitan algunas posibilidades de generar
alternativas. Las capacidades de superposición de mapas, cálculo de distancias y áreas de
influencia, etc, evidentemente que son útiles en este sentido. Pero también es cierto que son
métodos muy generales, mas preparados para una manipulación inicial de los datos que para
tratar de resolver problemas geográficos concretos y especializados, tales como los que se
plantean normalmente en la toma de decisiones y en la planificación del territorio. Por lo
tanto es necesaria la inclusión de modelos explicativos de diversos fenómenos en los SIG que
faciliten el estudio de los procesos generadores de una estructura espacial y posibiliten
avanzar en resolver esta grave carencia estructural.

Finalmente, la fase de "evaluación" es la que mas deficiencias presenta en un Sistema de

Información Geográfica. Hasta hace poco tiempo, los SIG comerciales no incluían ninguna
posibilidad realmente potente de evaluar y ordenar las soluciones existentes a una cuestión.
En especial, teniendo en cuenta la consideración de datos imprecisos, que requieren métodos
especiales de evaluación, los cuales no eran fácilmente considerados por los pocos
procedimientos de evaluación incluidos. Por ejemplo, la suma lineal ponderada de variables,
utilizable en este sentido, presenta algunas deficiencias en este sentido.

En resumen, en las tres fases características del proceso de decisión los SIG son insuficientes
para llevar adelante una adecuada y racional toma de decisiones.

Por todas estas razones, se ha planteado la necesidad de crear los denominados "Sistemas de
ayuda a la decisión espacial", cada uno de ellos especializado en el tratamiento de un
problema concreto y específico y mas preparados a estudiar y tratar los procesos generadores
de la cuestión problemática a resolver.

2.- Definición y estructura de un Sistema de ayuda a la decisión espacial

Los Sistemas de ayuda a la decisión espacial (SADE) tienen un fundamento en los Sistemas
de ayuda a la decisión desarrollados desde los años 70 para el tratamiento de cuestiones
económicas y empresariales (Malczewski, 1997). La base de muchos de estos primeros
desarrollos fue la obra del economista H. Simon, ya mencionado, que al estudiar las
organizaciones puso en cuestión algunas ideas básicas de la Economía y de su capacidad para
explicar las decisiones empresariales, insistiendo en la necesidad de modelar de manera mas
realista el modo de proceder de los decisores, que no se basan en un único criterio, el
monetario, y que, por el contrario consideran, simultáneamente, la incidencia de muchos
factores, a veces poco precisos y expresados en términos diferentes y, a veces, no
 1

comparables.

Existe una amplia literatura sobre el tema, un buen ejemplo sería el texto de Sprague y
Watson (1996). Igualmente se han desarrollado numerosas herramientas informáticas para
ayudar a este tipo de aplicaciones: entre otros, los Sistemas de ayuda a la decisión basados en
modelos de elección (programas: Expert Choice 7.2, www.expertchoice.com y Decision
Pad). O los Sistemas de ayuda a la decisión basados en patrones de búsqueda: Programas
KnowledgeSeeker e IXL.

En el mundo de los SIG y de las aplicaciones geográficas también surgió muy pronto el
interés por el desarrollo de este tipo de software, de hecho el NCGIA de Estados Unidos
dedicó hasta dos iniciativas de investigación (la 6 y la 17) al estudio de esta cuestión, en
http://www.ncgia.ucsb.edu/research/initiatives.htm#i6 y en http://www.ncgia.ucsb.edu/re-
search/i17/I-17_home.html se pueden encontrar numerosos documentos que analizan en
detalle esta cuestión.

Un SADE es un conjunto de elementos, tanto de carácter físico (ordenadores, periféricos,

etc), como lógico (programas, datos y procedimientos) que proporcionan el entorno adecuado
para la adopción "racional" de decisiones sobre problemas espaciales mal definidos.
Decisiones que tienen que ser adoptadas por personas (o grupos de personas) que no tienen
que ser expertos en ordenadores ni en Informática sino buenos conocedores del problema
tratado, y que, por lo tanto, usan el SADE como una herramienta de fácil manejo.

Un SADE debe ser capaz de proporcionar herramientas para desarrollar las tres fases del
esquema de adopción de decisiones de Simon:

1º La exploración del problema a tratar, con la finalidad de conocer adecuadamente sus

complejidades y facilitar la formulación de hipótesis que lo puedan resolver.
2º El diseño de numerosas soluciones y alternativas planteadas desde muy diferentes ángulos
y puntos de vista, los de los distintos grupos de intereses que, normalmente, están implicados
en una cuestión espacial.
3º La evaluación precisa, cuantitativa o, al menos, que jerarquice las alternativas
anteriormente diseñadas, teniendo en cuenta para ello un amplio conjunto de criterios de
valoración y las diversas preferencias expresadas por los distintos grupos de intereses.

Todas las anteriores actividades se deben de realizar en un entorno de fácil acceso, de manera
que los "decisores", que no tienen que ser expertos en el uso de estos programas, puedan
utilizarlos con comodidad.

La estructura general de un SADE se puede esquematizar en el gráfico adjunto (ver gráfico 1,

que contiene un esquema de los componentes típicos de un sistema de apoyo a las decisiones,
basado en Armstrong, Densham y Rushton, 1986).

a) Componentes de un Sistema de ayuda a la decisión espacial

De acuerdo con lo planteado en Bosque y otros (2000) los diversos componentes de un

SADE serían los siguientes:
 1

Generador de gráficos: Un sistema que sea capaz de elaborar gráficos estadísticos y mapas
que permitan la exploración de las características del problema, por lo tanto, capaz de mostrar
simultáneamente dos "espacios": el geográfico y el matemático de las soluciones al problema.

Generador de informes: Capacitado para, por un lado, explorar el problema (análisis

estadístico exploratorio: EDA y ESDA) y, por otra parte, elaborar informes y resultados
impactantes y claros.

SGDB: Sistema de gestión de bases de datos. En un SADE, al igual que en un Sistema de

Información Geográfica, los datos son de dos tipos: espaciales y temáticos.

SGMOD: Sistema de gestión de modelos matemáticos. Pensados para generar alternativas y

soluciones diferentes al problema tratado por el Sistema de ayuda a la decisión.

Evaluación de alternativas: Un conjunto de procedimientos matemáticos que permitan

jerarquizar las diferentes soluciones estudiadas: técnicas de evaluación multicriterio (EMC).

Interface al usuario: Un mecanismo para la comunicación sencilla e intuitiva entre el usuario

(un decisor no experto en manejo de programas) y el sistema. Se puede basar en un sistema
experto que guíe al usuario a realizar un análisis inicial y rudimentario y a generar un
informe.

En la actualidad el campo de los SADE ha crecido de manera muy importante, iniciando un

proceso de diferenciación y especialización, surgiendo sistemas de diversos tipos: SADE
"cooperativos", donde se facilita la colaboración de varios decisores en la adopción de una
decisión (Clayton y Waters, 1999); SADE en grupo, para introducir las opiniones de grupos
con intereses contrapuestos en la adopción de la decisión; SADE ambientales, centrados en el
estudio de este tipo de cuestiones; y SADE basados en el conocimiento y en los sistemas
expertos, que utilizan técnicas de Inteligencia artificial para ayudar a resolver las decisiones
(Malczewski, 1999, p. 281-289).

b) Los problemas mas adecuados para el desarrollo de un SADE

Los problemas espaciales para los cuales están especialmente preparados los SADE son
aquellos que no tienen soluciones claramente definidas, y que, por lo tanto, no son
programables y resolubles directamente por un programa informático actuando
autónomamente. Justamente en la planificación territorial existen muchas cuestiones de ese
tipo. En realidad en pocos casos reales los problemas geográficos están claramente definidos,
muy habitual es encontrar situaciones geográficas en las cuales las soluciones no están
claramente organizadas, ya que no es evidente la estructura del problema y no existe una
teoría científica que pueda proporcionar una solución. Mas común todavía es el caso en que
partes del problema tienen soluciones estructuradas, mientras que otras partes no tienen una
organización y estructura definida, en estos casos el uso de un SADE puede resultar de gran
utilidad para, mediante la exploración, empezar a comprender mejor el problema y después,
con el diseño, generar soluciones diferentes, cada una con sus ventajas e inconvenientes.
Finalmente, la evaluación proporciona una clasificación de las soluciones que permita
adoptar una decisión mas informada y efectiva.
 1

Las decisiones a adoptar en la resolución de problemas de planificación geográfica intentan,

generalmente, maximizar la utilidad alcanzada por el decisor. Es decir, maximizar la
satisfacción derivada de una decisión espacial. Para la consecución de esta utilidad máxima
se pueden adoptar varias Estrategias de decisión:

Estrategia Optimizadora: Búsqueda del máximo beneficio a costa de grandes riesgos.

Característica del Homo economicus de la Economía neoclásica.

Estratategia Satisfaciente: Buscar una menor utilidad pero minimizar los riesgos. Mas propia
de las actividades reales de los gestores, tal y como fue definida por H. Simon, el Homo
satisfaciens.

En la primera estrategia se deben conjuntar las siguientes condiciones:

1) Conocimiento perfecto de las alternativas y de sus beneficios y riesgos.

2) Racionalidad completa. Calculo de todas las alternativas.

La elección permitiría hallar la solución óptima.

Mas habitual es que tales condiciones no se produzcan y sea necesario adoptar una estrategia
menos optimizadora, mas satisfaciente, que parte de:

1) Un conocimiento imperfecto de todas alternativas viables.

2) Una racionalidad limitada, que no permite calcular en detalle todas las posibilidades.

La elección obtiene una solución "satisfactoria" no óptima.

Por otra parte existen varios Tipos de ambiente en las decisiones

- Ambiente de certidumbre: los estados del ambiente no son aleatorios. Se trata de problemas
de optimización, es posible utilizar los métodos de la programación lineal. Un buen ejemplo
de ello sería el denominado problema del transporte.

- Ambiente de riesgo/incertidumbre: el ambiente tiene estados aleatorios. Estas son las

situaciones mas normales, para ellas las técnicas de evaluación multicriterio ofrecen una
posibilidad de solución de gran interés.

- Ambiente de competencia: existe intencionalidad, el contrario busca su máximo beneficio lo

que significa que para nosotros es la máxima perdida. En estas ocasiones es de utilidad la
Teoría de juegos.

Los SADE basados en un Sistema de Información Geográfica han empezado a incluir, hasta
el momento, técnicas de evaluación para los ambientes de riesgo y la búsqueda de soluciones
satisfacientes, que se unen a los procedimientos ya integrados más adecuados para problemas
maximizadores, en esta línea se trata de relacionar los SIG con paquetes de programación
lineal, para ambientes deterministas y soluciones óptimas.

En los apartados que siguen discutimos las modificaciones y ampliaciones que tiene que
 1

sufrir un SIG de carácter general para empezar a convertirse en un verdadero SADE.

3.- El SADE y la exploración (inteligencia) de los datos

El primer elemento que debe incluir un SADE es la capacidad de explorar, describir y

analizar una situación de modo que el decisor pueda llegar a conocer en cierta profundidad
todos los aspectos del problema.

Ya hemos indicado que los SIG actuales incluyen capacidades importantes en este sentido,
pero también que presentan deficiencias e insuficiencias notables. Cada vez mas a menudo se
exige la inclusión de nuevas posibilidades de exploración y análisis, en concreto de
procedimientos de análisis estadístico, en especial de Estadística descriptiva.

Existe una amplia tradición geográfica de uso de la Estadística como herramienta para el
estudio de problemas geográficos, esta tradición ha aportado varias ideas importantes en
cuanto al uso de esta técnica matemática con datos geográficos. La mas significativa es la
existencia de alguna dificultad fundamental para que las técnicas estadísticas convencionales
manejen correctamente datos geográficos, en función, precisamente, de las peculiaridades de
este tipo de datos: las observaciones geográficas no son independientes (están autocorrelacio-
nadas espacialmente), lo que invalida o, al menos, dificulta el empleo de la Estadística
inferencial. Del mismo modo, y como se produce en otras muchas ciencias sociales, la
Estadística descriptiva habitual (media aritmética, desviación típica y similares), basada en la
suposición de la existencia de la curva de Gauss en los datos de partida, falla muy a menudo
en sus posibilidades de descripción correcta de los datos geográficos.

Por ello, lo usual es insistir en la necesidad de incluir en los SIG, y ahora en los SADE,
métodos de descripción mas propicios a este tipo de datos, en concreto muchos defienden el
Análisis exploratorio de datos, EDA (Anselin, 1999; Bosque y Moreno, 1994; Haining y
Wise, 1997; Tukey, 1977).

a) El Análisis exploratorio de datos

Los principios básicos de este enfoque del análisis de datos son dos:

1º El escepticismo ante las medidas estadísticas que resumen las características de los datos.
Estas medidas simultáneamente muestran y ocultan aspectos de los datos analizados.

2º Una actitud abierta y crítica ante los primeros resultados de cualquier análisis, ya que
siempre cabe la posibilidad de encontrar nuevas "estructuras" subyacentes en los datos
estudiados.

El EDA se funda mas en los conceptos de "estructura" y "ruido o error" que en el de la

probabilidad, mas común en la Estadística clásica. La finalidad principal del EDA es tratar de
encontrar "estructuras", tendencias relevantes en los datos y separarlas del "ruido" aleatorio.

DATO = ESTRUCTURA + RUIDO (RESIDUO)

Cuestiones importantes en este tipo de análisis son:

 1

a) La resistencia, las medidas estadísticas deben ser insensibles a la existencia de valores

anómalos (outliers) en las variables estudiadas. Por ejemplo, se prefiere la mediana frente a la
media aritmética como medida de la tendencia central de una variable.

b) Los residuos, es imprescindible un examen cuidadoso de los residuos (es decir, lo que
queda cuando al dato inicial se le ha restado la estructura encontrada) de cualquier análisis.
En los residuos casi siempre es posible encontrar nuevas estructuras.

c) La representación gráfica: los métodos de análisis preferidos son gráficos o semigráficos,

ya que son mas capaces de mostrar simultáneamente la totalidad de los datos (las estructuras
encontradas y los residuos).

d) La reexpresión: que supone el cambiar de escala de medida (aritmética a logarítmica) para

simplificar el análisis y mejorar el carácter de las variables estudiadas (aumentar la simetría
de una variable o la linealidad de una relación entre dos variables).

Por todo ello, estos procedimientos de análisis se consideran mas adecuados para el estudio
de los datos geográficos y se están difundiendo con rapidez en el mundo SIG; su inclusión,
en algún grado, dentro de los SADE parece imprescindible para resolver las deficiencias en la
exploración de los problemas antes comentadas.

b) El Análisis exploratorio espacial de datos

No obstante, el EDA es una tecnología a-espacial, es difícil que en los procedimientos de este
tipo se consideren, simultáneamente, el aspecto espacial y el puramente temático de un dato
geográfico. El EDA es mas adecuado que otros procedimientos para describir el aspecto
temático de las variables geográficas, pero sigue resultando insuficiente para tratar la
complejidad total de los hechos territoriales. Para resolver esta deficiencia se ha planteado el
desarrollo del denominado Análisis exploratorio espacial de datos (ESDA), propuesto por
diversos geógrafos preocupados por el análisis de datos de este tipo: Haining (1993), Bailey y
Gatrell (1995), entre otros. El ESDA incluye, junto a técnicas exploratorias típicas, muchas
ideas tomadas de lo que se ha denominado Análisis espacial o Estadística espacial (Bailey y
Gatrell, 1995; Berry y Marble, 1968; Longley y Batty, 1996).

El ESDA es una extensión del EDA para intentar detectar en los datos "estructuras"
espaciales, de modo que podamos observar tendencias en la distribución en el espacio que
nos permitan formular hipótesis y evaluar modelos explicativos de carácter espacial (Haining
y Wise, 1997). Como en el EDA se combinan procedimientos numéricos y gráficos, que
facilitan la observación simultanea del espacio geográfico (a través de mapas) y del espacio
matemático de las diferentes variables temáticas. De este modo es posible, de manera
interactiva y rápida, responder a preguntas del tipo ¿Dónde están estos valores temáticos
sobre el mapa? o ¿Qué valores temáticos aparecen en esta posición del mapa?.

El ESDA debe permitir distinguir tendencias globales que afectan a todo el mapa y
tendencias "locales" que diferencian un lugar de su entorno inmediato, todas estas tendencias
parten de considerar los valores temáticos de una o, mejor aún, varias variables. Para ello un
elemento importante es la determinación de estadísticos de autocorrelación espacial (Griffith,
 1

1987), tanto calculados de manera global como localmente. En la obra reciente de

Fotheringham, Brunsdon y Charlton (2000, cap. 5) se puede encontrar un balance muy actual
de los procedimientos para medir localmente la autocorrelación y la elaboración de modelos
de regresión espacial.

Existen numerosos ejemplos y prototipos de desarrollos de programas ESDA, mas o menos

conectados a SIG comerciales. Entre ellos podemos mencionar los siguientes: REGARD
(para maquinas Mac, Haslett y otros, 1990); XLisp-Stat, un lenguaje de programación
estadística de dominio público (Brunsdon y Charlton, 1996); SAGE (Haining, Wise y Ma,
1996), etc. A partir de ellos y de otros futuros desarrollos se puede pensar que los SADE
incluyan este tipo de técnicas2.

Por otra parte, en esta fase de "inteligencia" será necesario buscar procedimientos de
exploración y descripción del problema específicos de cada caso particular. Las anteriores
herramientas son generalistas pero junto a ellas es necesario la utilización de herramientas
mas concretas y adaptadas al estudio del tipo de problema que va a tratar el SADE.

4.- El SADE y el diseño de alternativas de solución

La fase de generación de alternativas de solución a la cuestión problemática analizada por el

SADE puede utilizar de manera importante las opciones analíticas disponibles en un Sistema
de Información Geográfica de los actualmente disponibles. Sin embargo, el tratamiento de
cuestiones cada vez mas concretas y específicas exige disponer de modelos y procedimientos
de análisis mas elaborados y específicos que los antes citados: superposición de mapas,
determinación de áreas de influencia, cálculo de distancias y mapas de proximidad, etc.

La solución usual a esta carencia es relacionar los SIG con modelos matemáticos concretos
que estudian las cuestiones a resolver. Un buen ejemplo, en esta línea, es la cada vez mas
intensa relación de los SIG con el amplio mundo de los modelos matemáticos aplicados al
estudio de cuestiones muy diferentes, tanto ambientales y del medio físico, como sociales y
económicas o de la planificación urbana.

Veamos con algo de detalle esta relación. Estos dos conceptos (Sistema de Información
Geográfica y "Modelos matemáticos para analizar problemas ambientales o sociales") han
tenido su propia historia, claramente diferenciada hasta los últimos años, pero recientemente
se esta iniciando una simbiosis interesante, que, en nuestra opinión, puede resultar de gran
importancia para resolver las deficiencias de la fase de diseño de alternativas de un SADE.

a) Definición de modelo matemático.

Una representación simplificada de una cuestión de interés ya sea ambiental o de tipo social,
en la que se hace uso de métodos matemáticos y de su representación mediante un programa
informático.

Los modelos matemáticos pueden ser de muchos tipos (ver Mitasova y Lubos, 1998, que

2
Recientemente se ha difundido un programa de libre acceso que facilita el desarrollo de este tipo de análisis:
Beoda, se puede obtener en la dirección WEB:
 1

contiene una muy detallada descripción de los diferentes tipos de modelos):

a) Modelos empíricos, donde se utiliza la estadística para estudiar datos observados y

establecer ecuaciones que son aplicables únicamente a situaciones donde se den las mismas
condiciones de la observación. Por ejemplo, la ecuación universal de perdida de suelo.
b) Modelos basados en procesos, ahora se trata de entender los mecanismos, de cualquier tipo
(biológico, físico, químico, etc), que generan una situación y elaborar una descripción
matemática de ese proceso. Este segundo tipo resulta de mas interés y utilidad en la
planificación territorial.

Los modelos basados en procesos también se pueden diferenciar en varios subtipos (Mitasova
y Lubos, 1998):
a) Modelos deterministas, los procesos son explicados en términos de ecuaciones
diferenciales, de modo que un valor de entrada en la ecuación solo genera un único valor de
salida (modelos lineales) o varios valores de salida en modelos no-lineales.
b) Modelos estocásticos, ahora se incluyen componentes aleatorios en las ecuaciones del
modelo formulado. Un valor de entrada produce diferentes salidas para cada ejecución del
modelo, por el componente aleatorio que se ha incluido. De este modo se puede obtener la
distribución de probabilidad de los resultados. Un ejemplo de ello son los modelos de la
Geoestadística y su simulación condicional de procesos espaciales, Samper y Carrera (1990).
c) Modelos basados en reglas, como por ejemplo, para los temas espaciales, los modelos
llamados de autómatas celulares, que empiezan a ser muy empleados en la simulación de
procesos como difusión de innovaciones, o de fuegos forestales, etc.
d) Modelos de simulación mediante multiagentes autónomos que interactúan unos con otros,
representando a los diversos actores de un proceso geográfico, y que se construyen utilizando
desarrollos recientes de la Inteligencia artificial (Batty y Bin Jiang, 1999).

El tratamiento de problemas diferentes está conduciendo a la necesidad de interrelacionar los

SIG con modelos de todos los tipos antes mencionados, para crear Sistemas de ayuda a la
decisión adecuados para resolver cuestiones muy diferentes y específicas, en Mitasova y
Lubos (1998) se pueden encontrar ejemplos de muchos estos tipos de modelos y sus
conexiones con un Sistema de Información Geográfica.

Otra cuestión compleja es el mecanismo concreta de relacionar SIG con un modelo

matemático. En los trabajos de Fedra (1993 y 1996) y de Mitasova y Lubos (1998) se
analizan con mucho detalle las diferentes formas de interrelación entre estos dos ámbitos:
Sistema de Información Geográfica y modelos ambientales. Varios procedimientos de
relación se han empezado a utilizar en la práctica:

1º La más simple es utilizar los mecanismos disponibles en un Sistema de Información

Geográfica (en concreto las funciones de búsqueda selectiva y de modelado cartográfico:
superposición de mapas, trazado de corredores, etc) para construir, en el interior del SIG,
modelos matemáticos que traten y manejen cuestiones interesantes. Es evidente que existen
grandes diferencias entre las capacidades usuales de un SIG (base de datos espacial muy
detallada pero pobre tratamiento del aspecto temporal de la información) y las necesidades de
muchos modelos matemáticos, en especial los de tipo ambiental (en los cuales un elemento
primordial es la importancia de la variable "tiempo"), aun así un número significativo de
temas ambientales están siendo tratados de esta manera (realizando modelos explicativos o
 1

predictivos con las funciones propias de un SIG), entre ellos se pueden mencionar: la
determinación de la erosión del suelo (Ariza, Meroño, Giraldez y Sanchez, 1993; Perlés
Roselló, 1997), la ecología del paisaje y de las comunidades (Johnston, 1993) o la calidad
visual del paisaje (Bosque y otros, 1997). Por lo tanto, en ciertos casos particulares sería
posible empezar a construir un SADE a partir de un SIG convencional.

2ª Modelos matemáticos ligados a un Sistema de Información Geográfica. En este caso se

trata de utilizar un modelo matemático preexistente (normalmente formalizado en algún tipo
de programa informático) y relacionarlo de modo más o menos profundo con un SIG. De este
modo, el SIG puede cumplir diversas funciones para el modelo: proporcionar los datos de
entrada, cartografiar los resultados, etc. Varios tipos de integración se pueden señalar: a) De
modo simple, la interrelación se realiza a través de ficheros de datos compartidos, pero cada
programa mantiene al completo su individualidad (ver gráfico 2, inspirado en Fedra, 1996, p.
413). Un buen ejemplo lo constituye la relación entre el SIG GRASS y una serie de modelos
hidrológicos (Chairat y Delleur, 1993) o en la relación del SIG ILWIS con el programa
hidrológico MICRO-FEM (Biesheuvel y Hemker, 1993). Una completa discusión de este
tema se encuentra en Maidment (1993) y en Streit y Wiesmann (1996). b) Una segunda
categoría de relación es cuando ambos tipos de software están integrados. En este caso la
interrelación es mucho mayor, ambos, el SIG y el modelo, comparten una misma interfase al
usuario y hacen uso en común de ficheros de datos y de la memoria RAM del ordenador (ver
gráfico 3, basado en Fedra, 1996, p. 414). Un buen ejemplo en Streit y Wiesmann (1996).

Evidentemente, la mejor solución es la construcción ex-novo de un Sistema de ayuda a la

decisión espacial (SADE/SDSS), donde se integran íntimamente no solo el SIG y el modelo
ambiental sino otras funciones. Esta concreta variedad de interrelación constituye la solución
de futuro para estas cuestiones. Ya se pueden mencionar algunos ejemplos de desarrollo de
este tipo de aplicación: un caso sencillo pero interesante se puede encontrar en Engel,
Srinivasan y Rewerts (1993).

b) Ejemplos de modelos matemáticos en los SIG

En la actualidad este problema de la interrelación SIG-Modelo matemático, en cualquiera de

las formas citadas, se ha convertido en un tema de rápido desarrollo dentro de la investiga-
ción sobre creación de un SADE. Existen, por lo tanto, interesantes desarrollos en muchos
sentidos. Las áreas donde más avanzada se encuentra la cuestión pueden ser las siguientes:
cuestiones geomorfológicas (análisis y control de la erosión); Hidrología (determinación de
cuencas sobre Modelos digitales del terreno, cálculo del escurrimiento, etc); Ecología y
Morfología del paisaje; evaluación de riesgos naturales; análisis de la difusión de
contaminantes; control de incendios forestales, etc. La literatura sobre todo ello es cada vez
más abundante, un buen y amplio resumen se puede encontrar en Goodchild, Parks y Steyaert
(1993) y Goodchild, Steyaert y Parks (1996), dos extensos volúmenes con buenos ejemplos
de la variedad de trabajos existentes sobre el tema. Mas en concreto, una lista mas detallada
de cuestiones donde se pueden encontrar ejemplos de relación SIG y modelos matemáticos
podría ser la siguiente:

Aguas
- Modelos hidrológicos. Gestión de cuencas, análisis y predicción de inundaciones y avenidas
(Sanchez, 1998). Un caso ejemplar sería el proyecto SAICA en España.
 1

- Modelos oceanográficos. Base de datos sobre el océano (masa de agua). Modelo en tres
dimensiones geométricas, en el que importa mucho la dinámica temporal. Dedicados a la
simulación. Un ejemplo en Teubner, 1998.

Suelos
- inventario de los suelos de una región o país
- erosión del suelo
- contaminación de las aguas.

Geología y geomorfología (minería)

- Geología y prospección minera, sismología. Necesita modelos de datos en tres dimensiones
para crear una base de datos del subsuelo donde se incluyan los atributos temáticos de la
Geología, su principal función es el análisis y la producción de cartografía.

Fauna
- Medición de la diversidad biológica
- Determinación de hábitats para animales

Vegetación y ocupación del suelo

- Forestales: explotación, gestión y conservación de los bosques. - Ocupación del suelo:
agricultura y ganadería. Un ejemplo es el proyecto CORINE (Coordinación de información
del entorno europeo), un mapa digital de Europa a escala 1:100.000 de las ocupaciones del
suelo (80 variantes).

Atmósfera
- Modelos atmosféricos. Base de datos sobre la capa de aire que rodea la tierra. Modelo en
tres dimensiones geométricas, de gran importancia el uso de la variable tiempo para
simulación del comportamiento, la finalidad es la predicción del tiempo y el análisis del
cambio climático.

Ecología
- Medida de magnitudes geométricas de elementos del paisaje (Matteucci, 1998).
- Coincidencia espacial de elementos de la ecología

Problemas sociales (Reif, 1978)

- Transporte: modelos de interacción espacial, gravitatorio, etc.
- Producción: industria, agricultura.
- Servicios comerciales y equipamientos sociales: modelos de localización-asignación.
- Población: crecimiento demográfico.
- Organización urbana: modelo de Garin-Lowry, etc. Un ejemplo interesante en Morello y
otros (1998).

Algunas cuestiones todavía se encuentran mal representadas en estos desarrollos debido,

sobre todo, a ciertas características de sus datos básicos. Por ejemplo, los problemas
atmosféricos o relacionadas con los mares y los océanos, presentan graves dificultades para
ser tratadas con los actuales modelos de datos de los SIG comerciales, el vectorial o el raster.
En estos casos, es imprescindible, por un lado, un tratamiento de las tres dimensiones
geométricas, añadiendo la altura (coordenada z) a las más habituales: longitud (coordenada
 1

X) y latitud (coordenada Y), y, por otro, la consideración de otro referente fundamental el

"tiempo", que actúa realmente como una cuarta coordenada, necesaria para establecer la
composición de cada punto incluido en la base de datos. Estas dos coordenadas adicionales
(la altura y el tiempo) se integran mal en los SIG actuales, es necesario un importante
desarrollo teórico en el campo de los modelos de datos para que tales cuestiones se puedan
considerar con comodidad en los SIG del futuro (ver EXTENSIONS TO GEOGRAPHIC
REPRESENTATION en el sitio WEB del consorcio universitario para la Ciencia de la
información geográfico de los Estados Unidos: www.ucgis.org).

Con cualquiera de las formas de integración mencionadas, conjuntamente los SIG y los
modelos matemáticos son capaces de generar paquetes variados de soluciones y alternativas
de planificación para los problemas ambientales y para otras muchas cuestiones.

En resumen, la fase de diseño de alternativas parece que pasa por la integración de las
capacidades habituales de un SIG con algún tipo de modelo matemático específico que
analice el problema concreto que quiere resolver el SADE. Para ello aun quedan problemas
técnicos difíciles de resolver (por ejemplo, la coexistencia de las dimensiones espaciales con
la temporal, muy necesaria en muchos modelos) pero se pueden encontrar ejemplos muy
desarrollados de esta integración.

5.- El SADE y la selección entre las alternativas de solución

La evaluación de las diferentes alternativas de planeamiento que se han generado en las

etapas anteriores de la elaboración de un plan constituye un momento muy decisivo en la
elaboración final de un conjunto de acciones y decisiones bien fundamentadas que establecen
el plan de ordenación territorial. Por ello, es imprescindible contar con medios adecuados
para establecer la calidad de cada una de las alternativas posibles, en este sentido las técnicas
de evaluación multicriterio son una herramienta fundamental.

Las técnicas de evaluación multicriterio constituyen un variado arsenal de métodos

matemáticos que permiten medir de manera lo más precisa posible la validez relativa de cada
una de un conjunto de soluciones respecto a un problema concreto. La evaluación se realiza
de tal manera que se tiene en cuenta un alto número de criterios, cada uno de los cuales
valora de modo independiente las soluciones. Por otra parte, estas técnicas permiten
considerar diversos planteamientos u opiniones ante el mismo problema, de modo que las
evaluaciones se pueden realizar considerando los enfoques contrapuestos que pueden existir
ante una misma cuestión (por ejemplo, el de los empresarios frente al de los conservacionis-
tas, ver Malczewski, 1996).

Las técnicas de evaluación multicriterio (EMC) han tenido su origen en la Economía y en la

Ciencia política y de la Decisión (Romero, 1993; Barba Romero y Pomerol, 1997), pero en
los últimos años se ha empezado a introducir como una herramienta más en los SIG (Barredo,
1996; Eastman y otros, 1993).

Muchos consideran que la novedad mas importante y mas decisiva para la conversión de un
SIG en un SADE es la inclusión de la evaluación multicriterio, por ello, parece oportuno
 1

comentar algunos conceptos fundamentales de ella, como son los siguientes:

Decisión: elección de una de las alternativas posibles para solucionar un problema

Alternativas: cada una de las soluciones posibles a un problema, dotadas de ventajas e

inconvenientes diferentes.

Criterios: los distintos aspectos de la realidad que inciden de alguna manera en las ventajas o
inconvenientes de las alternativas disponibles como soluciones al problema.

Los criterios normalmente se consideran que pueden ser de dos tipos:

* Factores: los aspectos que aumentan o disminuyen la valoración de una alternativa como
solución al problema. Es decir son variables que están medidos en una escala cuantitativa u
ordinal.

* Restricciones: los aspectos de la realidad que determinan que alternativas son

validas/aceptables y cuales no son una solución al problema. (Las restricciones son siempre
variables binarias)

Un elemento esencial de la evaluación multicriterio es la matriz de evaluación: una tabla de

doble entrada que contiene en las filas cada una de las alternativas disponibles y en las
columnas cada uno de los criterios que se consideran relevantes para valorar las alternativas
como soluciones al problema. En cada casilla de matriz de decisión se encuentra la
valoración de un criterio sobre una alternativa.

Sobre la matriz de evaluación actúan las "Reglas de decisión", un mecanismo mediante el que
se combinan los criterios para producir una única valoración de cada alternativa, lo que
permite ordenar las alternativas y seleccionar una de ellas como la mas adecuada.

Los mecanismos de combinación de las reglas de decisión deben utilizar los valores de los
factores y de las restricciones para alcanzar una única valoración de cada alternativa. Además
pueden tener en cuenta que todos los factores no son igual de importantes para valorar las
alternativas. Unos resultan mas significativos que otros, de acuerdo con las opiniones de los
diferentes grupos de intereses, por ello se deben ponderar sus valores con los pesos que se les
asigna en el problema.

Existen numerosos tipos de reglas de decisión, se pueden dividir entre:

* Reglas de decisión compensatorias: el mecanismo de combinación de los criterios

permite que las valoraciones bajas en uno o varios factores se compensen con el valor alto en
uno (o mas de uno) de los restantes factores.

De este modo la solución elegida puede resultar poco adecuada en alguno de los factores.

* Reglas de decisión no compensatorias: en este caso el mecanismo de combinación

de los factores no permite compensar valores bajos en unos factores con los mas elevados de
otros factores.
 1

Otro modo de diferenciar tipos de reglas de decisión es de acuerdo con el carácter de los
factores empleados, que pueden ser binarios, ordinales y cuantitativos, de este modo las
reglas de decisión pueden ser:

* Mediante combinación booleana: valida para los problemas de decisión donde todos los
criterios son restricciones.

* Mediante operaciones de comparación y ordenación de valores ordinales: validas para

los problemas donde todos los factores están medidos en la escala ordinal: método de las
precedencias, etc. Se basan en la comparación de cada una de las alternativas con todas las
demás (Barredo y Bosque, 1999).

* Normalmente los mecanismos de combinación de los criterios usan cálculos

cuantitativos que, por lo tanto, son aplicables a los casos en donde los factores están medidos
en la escala de intervalos o de razón. Existen muy numerosas reglas de decisión de este tipo,
entre las mas importantes se encuentran:
- la suma lineal ponderada.
- el análisis del punto o alternativa ideal.

Un elemento importante de muchas cuestiones geográficas es la existencia de varios

objetivos simultáneos a ser alcanzados por el decisor, en ese caso la decisión es mas
compleja, pretende maximizar o satisfacer las metas en varios aspectos que compitan entre si.
Para ello se plantea una versión especial de la Evaluación multicriterio la denominada
multiobjetivo

Como es lógico, en este caso las alternativas se valoran, usando nuevamente varios criterios,
no solo para alcanzar un único objetivo sino varios. Los objetivos buscados pueden ser
complementarios o conflictivos. Para estos casos las reglas de decision tienen que ser mas
compleja, ya que pretenden combinar los criterios para alcanzar una alternativa adecuada que
dé respuesta a los diferentes objetivos simultáneamente, una solución en este sentido es la
programación compromiso.

Un problema importante de la EMC es la generación de factores cuantitativos para poder

emplear las reglas de decisión de este tipo. En muchos casos los factores que permiten
valorar las alternativas no están medidos en términos cuantitativos y, sin embargo, nos vemos
obligados a emplear reglas de decisión cuantitativas. Por lo tanto es necesario poder llegar a
generar datos cuantitativos de hechos medidos en términos cualitativos.

Un método usual para ello, y que funciona bastante bien, es el propuesto por Saaty, también
denominado de la matriz de comparaciones binarias (Barredo, 1996). La idea básica es,
mediante la comparación dos a dos de las variantes de una variable cualitativa, establecer una
matriz de comparaciones entre todas las variantes posibles; a continuación, la obtención de
los valores propios y vectores propios de la matriz, proporciona un valor cuantitativo para
cada variante y, mas aún, una medida de la consistencia de las comparaciones realizadas en la
matriz. Este procedimiento fácil de aplicar nos permite, por lo tanto, determinar valores
cuantitativos y una mínima valoración de su validez. Otros métodos para resolver la misma
cuestión se pueden encontrar en Malczeswski (1999, pp. 116-135).
 1

Este conjunto de procedimientos y técnicas permite utilizar criterios y variables muy

diferentes para evaluar las diversas soluciones y, con ello, ordenarlas y, finalmente,
seleccionar las mas adecuada como solución final. De este modo, parece posible llevar a cabo
mas correctamente la tercera fase del proceso de selección, la elección de las alternativas.

6.- Algunos ejemplos de Sistemas de ayuda a la decisión espacial aplicados a la

planificación y gestión del territorio.

En la literatura científica, y en la vida de las empresas e instituciones, empieza a ser común la

aparición de experiencias sobre el uso de Sistemas de ayuda a la decisión espacial en la
planificación y en la gestión del territorio, parece interesante, para completar este texto,
enumerar y comentar algunas de estas experiencias, lo mismo que discutir los intentos de
desarrollo mas recientes e innovadores.

Las referencias que se pueden encontrar en la literatura se pueden clasificar en varios grupos,
dependiendo, por ejemplo, del tema estudiado: cuestiones ambientales o sociales, pero
también es posible diferenciar las aplicaciones según el tipo de objeto espacial estudiado:
polígonos (usos del suelo), líneas (carreteras) o puntos (equipamientos sociales: escuelas,
hospitales...), ya que en cada uno de ellos los procedimientos pueden diferir ligeramente (ver
Herwijnen y Rietveld, 1999, para una discusión de esta cuestión y Bosque y García, 2000,
para una mas amplia ilustración de este enfoque).

En el texto que sigue se clasifican los ejemplos encontrados simplemente por su tema de
estudio.

a) Referentes a la planificación del medio físico y de los problemas ambientales:

Por ejemplo, en Manchado, Marcus y Rullan (1997) se usa el SIG para, mediante la
combinación de diferentes estratos temáticos establecer las unidades físicas homogéneas y,
en base a ellas, proponer figuras de ordenación y gestión, determinando en cada ámbito
espacial los usos de suelo permitidos y prohibidos. De modo similar en Edeso, Marauri y
Merino (1995) se emplea un SIG para estudiar los problemas geomeofológicos de las laderas
de una región, estableciendo un mapa de riesgos naturales, todo ello con la finalidad de
facilitar la planificación del territorio de la zona. Otro ejemplo es el de López de Pablo y
otros (1991). En estos tres casos se hace uso de SIG con reducidas ampliaciones de sus
capacidades de análisis y tratamiento de la información, es decir sin avanzar demasiado hacia
el desarrollo de un verdadero SADE.

Por su parte, Labrandero y Martínez (1995), combinan un Sistema de Información

Geográfica con la metodología específica de la evaluación de tierras de la FAO, para
determinar los usos y actividades mas propicias para una región de montaña española. Aquí
aparece ya un ejemplo de lo que hemos planteado mas arriba, al tener que combinar los SIG
con modelos matemáticos y metodologías que potencian la capacidad analítica y
planificadora de estos instrumentos.

Finalmente, en Lowes y Bellamy (1994) se muestra ya un ejemplo completo de un verdadero

SADE que incluye un SIG, con una amplia base de datos sobre temas ambientales, una serie
de modelos matemáticos ambientales y una base de conocimientos, que facilitan, actuando
 1

conjuntamente, la gestión de los recursos naturales de una amplia región de Australia.

b) En relación a la planificación urbana

Dos trabajos muy introductorios y teóricos son los de Pueyo (1991), en el que se puede
encontrar una discusión inicial sobre las posibilidades que los SIG ofrecen a la planificación
urbana y el de Serra del Pozo (1996), que plantea el tema específico de crear un sistema de
apoyo a la planificación, insistiendo en la importancia de incluir modelos matemáticos
urbanos dentro de un Sistema de Información Geográfica para facilitar la planificación de la
ciudad, en este trabajo se analizan los diversos modelos urbanos disponibles y se plantean los
problemas concretos de su conexión a un SIG.

Entre los ejemplos concretos de uso de SIG y Sistemas de ayuda a la decisión en la

planificación urbana se puede mencionar el trabajo de Blat y otros (1995), en relación al caso
concreto del denominado ParcBIT en las Islas Baleares.

Otro ejemplo donde se desarrolla mas a fondo problemática de la inclusión de modelos

matemáticos urbanos, y otras técnicas, en un SIG con la finalidad de facilitar la planificación
es el trabajo Batty y Yichun Xie (1994).

Por otra parte, en el trabajo de Janssen y Rietveld (1990) se plantea la importancia del uso de
técnicas de evaluación multicriterio dentro de un SIG para resolver problemas complejos de
planificación urbana. Algo semejante se encuentra en el trabajo de Biermann (1999) donde se
combinan tres tipos de elementos: un modelo de evaluación de la adecuación del suelo para
su desarrollo residencial, un conjunto de funciones de evaluación multicriterio y un SIG para
la representación de los datos espaciales.

No parece, por lo tanto, que existan muchos ejemplos totalmente desarrollados de Sistema de
ayuda a la decisión en cuestiones de planificación urbana.

Una cuestión relacionada con este tema es la planificación del trazado de autopistas y otros
tipos de infraestructuras lineales, en Morin (1999) se ilustran las posibilidades de varios tipos
de SADE, desarrollados en la provincia canadiense de Ontario, para facilitar la participación
pública de la población en este tipo de decisiones.

c) Localización de equipamientos

Un tema donde se han planteado numerosos ejemplos de desarrollo de sistemas de ayuda a la

decisión es el de la localización óptima equipamientos e instalaciones de diversos tipos.

En primer lugar, Armstrong y otros (1990), plantea la combinación de un procedimiento

general de resolución de problemas con una base de datos de conocimientos (específicos de
un tema), ambos elementos se usan para poder generar diversos escenarios que facilitan al
usuario estudiar sistemáticamente los resultados de una serie de análisis. Este trabajo, ya
relativamente antiguo, marcaba muy claramente las necesidades actuales y futuras de
desarrollo de los Sistemas de ayuda a la decisión espacial. Del mismo modo, en 1991,
Armstrong y otros, proponen otro ejemplo de SADE adaptado a la determinación de regiones
y a la localización dentro de ellas de instalaciones educativas que minimicen tanto el coste de
 1

los viajes necesarios para su uso por la demanda como la máxima distancia que la población
tiene que recorrer.

Los dos ejemplos anteriores muestran una de las posibilidades de creación de un SADE para
esta cuestión: partir de algunos modelos de localización-asignación y unirlos con otros
procedimientos de tratamiento de la información geográfica para generar un sistema de
soporte a la planificación de este tipo de problemas. Sin embargo, en esta línea los SIG o no
se emplean en absoluto o tienen un valor secundario.

La otra posibilidad es, precisamente, la contraria, partir de un SIG y añadirle los elementos
que faciliten su conversión en un verdadero SADE, tal y como se ha planteado en este texto.
En esta línea se puede mencionar, por un lado, el trabajo de Mendes y Silva (1996). Un
segundo ejemplo muy interesante es el sistema OSDM que facilita la localización de un
deposito de seguridad para basuras radiactivas en Gran Bretaña, y lo hace a través de
INTERNET, de modo que es accesible a cualquier persona, facilitando así la participación
pública (Carver, 1999).

Otra ilustración de SADE aplicado a la localización de instalaciones se puede encontrar en la

propuesta formulada en Bosque y otros (2000). En ese caso particular, la finalidad de la
nueva herramienta propuesta sería facilitar a una serie de organizaciones: empresas e
instituciones publicas, los medios para poder seleccionar de modo mas correcta las localiza-
ciones "óptimas" donde situar diferentes tipos de equipamientos sociales, desde los que son
muy atractivos para la población (escuelas, centros de salud) hasta los que resultan repelentes
y no deseados por los habitantes de un lugar (vertederos de basuras, depósitos para residuos
industriales, etc), pasando por el caso especial de los centros comerciales.

Para llevar esto a cabo se parte de un Sistema de Información Geográfica comercial bastante
difundido, el programa IDRISI para WINDOWS, y se intenta ampliar sus posibilidades de
análisis para convertirlo en un verdadero SADE para este tema. Con esta finalidad se amplían
sus capacidades en varios sentidos:

A.- Exploración de la situación existente con el fin de desarrollar hipótesis para la resolución
de su problemática.

En este caso se ha optado por desarrollar un conjunto de procedimientos específicos del

problema estudiado que permitan analizar y describir las características globales y espaciales
de la oferta frente a la demanda de equipamientos. No obstante, aunque en este SADE no se
incluyan, también resultarían de interés disponer de los procedimientos del EDA y del ESDA
para mejor entender lo que ocurre en estos problemas, en Densham (1996) se puede encontrar
una aplicación de procedimientos semejantes el ESDA aplicados a estos temas: el análisis
interactivo de las localizaciones existentes.

Las nuevas funciones incluidas permiten realizar tres tareas:

EVALUACIÓN DE LA ADECUACIÓN DE LA OFERTA A LA DEMANDA

 1

A) Medidas globales de la adecuación de la oferta a la demanda. B) Evaluación de la

situación en la zona de servicio de cada instalación.
C) Población servida y no servida por la oferta dada su configuración espacial y un valor del
alcance espacial.
D) Cartografía de los puntos de demanda y de oferta. En el artículo de Armstrong y otros
(1992) se puede encontrar una enumeración de los diferentes tipos de mapas útiles para el
tratamiento de los problemas de localización, varias de ellas se han incluido en este caso.

MEDICIÓN DE LA ACCESIBILIDAD DE LA DEMANDA (INSTALACIONES

DESEABLES)
A) Accesibilidad obtenida considerando la distancia (coste de recorrido) en cada punto de
demanda al centro de oferta más próximo.
B) Accesibilidad (en cada punto del mapa) obtenida considerando la distancia (coste de
recorrido) en cada punto del mapa al centro de oferta más próximo.
C) Accesibilidad obtenida considerando la distancia a los centros de oferta y tamaño de la
oferta en ellos.
D) Accesibilidad (en cada punto de demanda) obtenida considerando la relación entre tamaño
de la oferta y tamaño de la demanda dentro del alcance espacial del servicio.
E) Accesibilidad espacio-temporal en los puntos de demanda. Basada en la Geografía del
Tiempo planteada por T. Hagerstrand (Bosque Sendra et al., 1992).

DETERMINACIÓN DE ÁREAS DE INFLUENCIA DE LOS CENTROS DE OFERTA.

PROBLEMAS DE ASIGNACIÓN.
A) En función de la distancia más corta entre oferta y demanda. B) En función del coste de
recorrido a los diferentes centros de oferta y del tamaño de la oferta en cada uno de ellos,
empleando el enfoque de Huff (1964).

B.- Procedimientos que permiten llevar a cabo la generación de soluciones al problema de la

localización óptima de instalaciones

En este apartado se incluyen los modelos matemáticos de localización-asignación que, en

este caso particular, se emplearían para generar nuevas soluciones al problema de la
localización de equipamientos.

MODELOS DE LOCALIZACIÓN-ASIGNACIÓN PARA INSTALACIONES DESEABLES

A) Modelo p-mediano (PMEDIANO). Objetivo MINISUM: El objetivo de este modelo es
minimizar la suma de los productos de la población o demanda de cada punto y la distancia al
centro de oferta más próximo. (Bosque y Moreno, 1990 y Daskin, 1995).
B) Modelo p-mediano con restricción de máxima distancia (MEDIRES). Objetivo
MINISUM con restricción de alejamiento: En este caso la finalidad del modelo es minimizar
la suma de los productos de la población o demanda de cada punto y la distancia al centro de
oferta más próximo, de modo similar al p-mediano, pero, además. evitando que ningún
elemento de la demanda se encuentre a más de una distancia máxima definida por el usuario
(Bosque Sendra y Moreno Jiménez, 1990).
C) Modelo de cobertura máxima (COBEMAX). Objetivo de máxima cobertura: El objetivo
de este modelo es maximizar la cantidad de demanda que se encuentra dentro de una
distancia R (prefijada por el usuario) de algún centro de oferta (Bosque Sendra y Moreno
Jiménez, 1990).
 1

D) Objetivo de máxima cobertura con restricción de alejamiento (COBERES): Como en el

caso anterior, el objetivo es maximizar la cantidad de demanda que se encuentra dentro de
una distancia R (prefijada por el usuario) de un centro de oferta, controlando, simultáneamen-
te, que la demanda se encuentre en su totalidad dentro de una distancia S (mayor que R)
(Bosque Sendra y Moreno Jiménez, 1990).
E) Modelo p-mediano con restricción de horarios de apertura. Se trata de determinar la
posición geográfica mas adecuada y el horario de apertura óptimo para facilitar el uso de un
conjunto de equipamientos, conocidos la posición de la demanda y los horarios de uso
potencial de este tipo de equipamientos (Bloxham y Church, 1991).
F) Modelo p-center. En este caso el objetivo es minimizar la suma de las distancias
ponderadas entre cada punto de demanda y el equipamiento más alejado de él de este modo
se asegura que la máxima tardanza en suministrar el servicio (el tiempo de retraso se
considera directamente proporcional a la distancia) se hace mínima. Por ello, este modelo es
más adecuado para estudiar la solución en el caso de los servicios de emergencia (bomberos,
ambulancias, policía, etc), donde el tiempo máximo de retraso es muy importante (Pelegrin,
1996).

MODELOS DE LOCALIZACIÓN-ASIGNACIÓN PARA INSTALACIONES NO DESEABLES

A) Objetivo MAXISUM: El objetivo de este modelo es maximizar la suma de los productos
de la población o demanda de cada punto y la distancia al centro de oferta más próximo, es
decir las distancias mínimas entre punto con población e instalación. La formulación que se
plantea es la inversa del MINISUM (Bosque y Franco, 1995).
B) Objetivo de cobertura mínima: Su finalidad es minimizar la cantidad de personas que
están a menos de una distancia R (prefijada por el usuario) de una instalación no deseable. La
formulación planteada es la inversa del objetivo de máxima cobertura (Bosque y Franco,
1995).
C) Modelo Maximin. En este caso, la finalidad del modelo es la maximización de la distancia
mínima entre las instalaciones y el centro poblado más próximo (Bosque y Franco, 1995;
Erkut y Neuman, 1988).

MODELOS DE LOCALIZACIÓN-ASIGNACIÓN PARA INSTALACIONES COMERCIALES

A) Modelo maximización de la asistencia. Objetivo de maximización de la demanda con
elasticidad lineal respecto a la demanda (DECLIN): Se pretende asegurar la máxima cantidad
de usuarios a los centros de oferta, para ello se supone que existe una disminución de los
usuarios que se dirigen a un centro de oferta de manera directamente (linealmente)
proporcional al aumento de la distancia que separa un punto de demanda y del centro de
oferta más próximo, Bosque Sendra y Moreno Jiménez (1990).
B) Objetivo de maximización de la demanda con descenso de la demanda según una función
exponencial negativa de los costes de transporte (DESNOLIN). De manera similar al caso
anterior se tiene en cuenta la incidencia del aumento de la distancia en la disminución de la
demanda atraída, pero ahora considerando un descenso exponencial de la atracción con el
incremento de la distancia.

C.- Procedimientos que permiten evaluar las soluciones desarrolladas en los apartados
anteriores

Finalmente se incluyen algunos procedimientos que se podrían emplear para una evaluación
correcta de las soluciones encontradas, por suerte en el programa IDRISI para WINDOWS se
 1

han incluido numerosas posibilidades de aplicación de la evaluación multicriterio que serán

las que se usan en este caso.

EVALUACIÓN MULTICRITERIO DE LAS SOLUCIONES ENCONTRADAS

A) Suma lineal ponderada de las puntuaciones de las distintas soluciones: Mecanismo para
evaluar de modo razonable las cualidades de las distintas soluciones encontradas, para ello se
emplea el procedimiento de la suma lineal ponderada de las valoraciones establecidas de cada
solución en los diferentes criterios que se usen para la evaluación. De este modo, la solución
que obtenga mayor puntuación será la solución mas adecuada al problema (Barba y Pomerol,
1997; Barredo, 1996)
B) Normalización de las alternativas a una única escala de medida. Los diferentes criterios
que se usen para valorar las alternativas pueden estar expresados en unidades y escalas muy
diferentes, por ello antes de utilizar el procedimiento de la suma lineal ponderada es
necesario normalizar todas las unidades y escalas, para ello se propone incluir varias de las
posibilidades de normalización usuales (Barba y Pomerol, 1997)
C) Determinación de pesos de los factores. En el proceso de evaluación de alternativas es
necesario ponderar cada uno de los criterios definidos, la obtención de estos pesos o
ponderaciones se ve facilitada al disponer de métodos como el propuesto por Saaty para
resolver esta cuestión, tal y como se ha indicado mas arriba (Barba y Pomerol, 1997;
Barredo, 1996).

d) Avances en el desarrollo de Sistemas de ayuda a la decisión para localización de

instalaciones

Junto a todo lo mencionado cabe añadir algunos nuevos desarrollos técnicos que prometen
ayudar a mejorar los programas y procesos actualmente disponibles. Entre ellos podemos
comentar los siguientes:

- El análisis y la evaluación interactiva de las localizaciones que hayan sido identificadas

como interesantes para situar en ellas instalaciones. En Malczewski y Ogryczak (1990), se
plantea el sistema DINAS que permite solucionar problemas con objetivos múltiples
mediante un procedimiento de prueba y error interactiva de las soluciones posibles. Para que
este mecanismo interactivo sea posible con problemas de gran volumen se necesitan
ordenadores y programas muy rápidos y eficaces, en otro caso el cálculo requerido es tan
voluminoso que la interactividad no existe. Para solucionar esta cuestión se están
desarrollando técnicas de procesamiento en paralelo que faciliten un cálculo rápido y eficaz
de los algoritmos de los modelos de localización-asignación (Armstrong y Densham, 1992).

Otro desarrollo de importancia es el empleo de la orientación a objetos para plantear los

programas informáticos que traten estas cuestiones, lo que debería permitir resolver algunas
cuestiones no muy consideradas en los programas actuales, Armstrong, Densham y Bennett
(1989).

7.- Conclusiones

En resumen, la conversión de un Sistema de Información Geográfica en un verdadero

Sistema de ayuda a la decisión supone varios cambios y ampliaciones de las capacidades
normales de un SIG:
 1

1º Añadir métodos de exploración de datos, como el EDA y el ESDA y otras mas especificas
del problema estudiado

2º Conectar el SIG con una serie de modelos explicativos del problema que se quiere
resolver.
3º La integración en el SADE de las técnicas de evaluación multicriterio.

En la actualidad pocos Sistemas de ayuda la decisión espacial incluyen todas estas novedades
pero, seguramente, en el futuro se empezaran a observar desarrollos en este sentido.

Para terminar decir que el futuro de este tipo de programas parece muy prometedor y que
poco a poco irán apareciendo ejemplos en los campos geográficos mas diversos. Con ello,
seguramente, se conseguirá dar un nuevo paso en el acercamiento de las modernas
herramientas de análisis a usuarios que hasta ahora han permanecido alejados de ellas. Los
geógrafos y otros muchos profesionales tienen un campo importante de trabajo en esta tarea.

8.- Bibliografía

ANSELIN, L. (1999): "Interactive techniques and exploratory spatial data analysis" en P.

Longley, M.F. Goodchild, D.J. Maguire y D.W. Rhind (Editores): Geographical Information
Systems. Principles and Technical Issues. Nueva York, J. Wiley and Sons, 2º edición, 253-
266.

ANSELIN, L. Y GETIS, A. (1993): "Spatial statistical analysis and geographic information

systems" en M.M. Fischer y P. Nijkamp (editores): Geographic Information Systems, Spatial
Modelling and Policy Evaluation Berlin, Springer-Verlag, pp. 35-50

ARIZA, F.J., MEROÑO, J.E., GIRALDEZ, J.V. y SANCHEZ, M. (1993): "Erosión en una
cuenca. Modelización en un SIG" en 2º Congreso de AESIG. Madrid, AESIG/Estudio
gráfico, pp. 545-556

ARMSTRONG, M. P.; DENSHAM, P. J. (1992): "Domain decomposition for parallel

processing of spatial problems". Computers, Environment and Urban Systems. 16(6), pp
497-513.

ARMSTRONG, M. P.; DENSHAM, P. J.; BENNETT, D. A. (1989): "Object oriented

locational analysis". GIS/LIS '89. Proc. annual conference, Orlando, Vol. 2. (ASPRS/ACS-
M), pp 717-726.

ARMSTRONG, M. P.; DE, S.; DENSHAM, P. J.; LOLONIS, P.; RUSHTON, G.-; TEWARI,
V. K. (1990): "A knowledge-based approach for supporting locational decisionmaking".
Environment and Planning B: Planning and Design. 17(3), pp 341-364.

ARMSTRONG, M., DENSHAM, P. y RUSHTON, G. (1986): "Architecture for a micro-

computer based decision support systems”, Preceedings of the 2nd International Symposium
on Spatial Data Handling. International Geographical Union, Williamsville, New York, p.
120-131.
 1

ARMSTRONG, A. y otros (1992): "Cartographic Displays to Support Locational Decision

Making" Cartography and GIS, vol. 19, nº 3, pp. 154-164

ARMSTRONG, M. P.; y otros (1991): "Decision support for regionalization: a spatial

decision support system for regionalizing service delivery systems". Computers, Environment
and Urban Systems, 15(1-2), pp 37-53.

BAILEY, T.C. Y GATRELL, A. C. (1995): Interactive Spatial Data Analysis Harlow,

Longman, 413 p. y un disco de ordenador

BARBA ROMERO, S. y POMEROL, J-C. (1997): Decisiones multicriterio. Fundamentos

teóricos y utilización práctica Alcalá de Henares, Servicio de publicaciones de la
Universidad de Alcalá. 420 p.

BARREDO CANO, J.I. (1996): Evaluación multicriterio y Sistemas de Información

Geográfica en la Ordenación del Territorio. Madrid, Editorial RA-MA, 264 p.

BARREDO CANO, J.I. y BOSQUE SENDRA, J. (1999): "Multicriteria evaluation methods

for ordinal data in a GIS environment". Geographical Systems, nº 5, pp. 313-327.

BATTY, M.; BIN JIANG (1999): "Multi-agent simulation: new approaches to exploring
space-time dynamics wihin GIS". Centre for Advanced spatial analysis (CASA), Working
paper series, UCL. Londres (http://www.casa.ucl.ac.uk/multi_agent.pdf)

BATTY, M.; YICHUN XIE (1994): "Modelling inside GIS: part 1. Model structures,
exploratory spatial data analysis and aggregation" International Journal of Geographical
Information Systems. 8(3), pp 291-307.

BERRY, B.L.J. Y MARBLE, D. (editores) (1968): Spatial Analysis. Englewood Cliffs,

Prentice Hall

BIERMANN, S.M. (1999): "The Strategic Indentification of suitable Land for Low income
Housing: A case study from South Africa" en J-C. Thill (editor): Spatial Multicriteria
Decisión Making and Analysis. A geographic information sciences approach. Aldershot,
Ashgate, pp. 199-221.

BIESHEUVEL, A. y HEMKER, C.J. (1993): "Groundwater modelling and GIS: integrating

MICRO-FEM and ILWIS" en K. Kovar & H.P. Nachtnebel (editores): Application of
Geographic Information Sustems in Hidrology and Water Resources Management
Wallingford, IAHS Press, pp. 289-296

BLAT,-J.; DELGADO,-A.; RUIZ,-M.; SEGUI,-J.-M. (1995): "Designing multimedia GIS for

territorial planning: the ParcBIT case". Environment and Planning B: Planning and Design.
22(6), pp 665-678.

BLOXHAM, C. A. y CHURCH, R. L. (1991): "The p-Median Scheduling and location

problem" Papers in Regional Science, vol. 70, n. 1, pp. 21-36
 1

BOSQUE SENDRA, J. CHICHARRO FERNANDEZ, E., DIAZ MUÑOZ, M.A., ESCOBAR

MARTINEZ, F.J. y GALVE MARTÍN, A. (1992): "Datos perceptuales e individuales y el
empleo de un SIG en el estudio de problemas sociales. Su aplicación en la localización de
equipamientos urbanos" Actas del 1º Congreso de la AESIGYT Madrid, abril de 1992.
Publicada en Comunicaciones 1º Congreso AESIGYT, Los Sistemas de Información
Geográfica en la gestión territorial Madrid, AESIGYT, 392-409.

BOSQUE SENDRA, J., DÍAZ MUÑOZ, M.A., ESCOBAR MARTÍNEZ, F.J. y SALADO
GARCÍA, M.J. (1995): "La información en Geografía humana. Algunos problemas de su
tratamiento con un sistema de información geográfica (SIG)". Anales de Geografía de la
Universidad Complutense, nº 15, pp. 141-155.

BOSQUE SENDRA, J. y FRANCO MAAS, S. (1995): "Modelos de localización-asignación

y evaluación multicriterio para la localización de instalaciones no deseables". Serie
Geográfica, nº 5, pp. 97-114

BOSQUE SENDRA, J. y GARCIA, ROSA, C. (2000): "El uso de los Sistemas de

información geográfica en la planificación territorial" (en preparación).

BOSQUE SENDRA, J., GÓMEZ DELGADO, M., MORENO JIMÉNEZ, A. y DAL POZZO,
F. (2000): "Hacia un Sistema de ayuda a la decisión espacial para la localización de
equipamientos". Estudios geográficos, (en prensa).

BOSQUE SENDRA, J., GÓMEZ DELGADO, M., RODRÍGUEZ DURAN, ANA E.,
RODRÍGUEZ ESPINOSA, V.M., VELA GAYO, A. (1997): "Valoración de los aspectos
visuales del paisaje mediante la utilización de un sistema de información geográfica".
Documents d'Anàlisi Geogràfica, nº 30, p. 19-38.

BOSQUE SENDRA, J. y MORENO JIMENEZ, A. (1994): Prácticas de análisis

exploratorio y multivariante de datos. Barcelona, Oikos.Tau, 214 p. + 1 disco de ordenador.

BOSQUE SENDRA, J. y MORENO JIMÉNEZ, A. (1990): "Facility location analysis and

planning: a GIS approach" EGIS'90. First European Conference on Geographical
Information Systems Utrecht, EGIS Foundation, pp. 87-94

BROCKER, J. (1989): "How to Eliminate Certain Defects of the Potential Formula"

Environment and Planning, A., 21, 6, pp. 817-830.

BRUNSDON, C. y CHARLTON, M. (1996): "Developing an exploratory spatial analysis

system in XLisp-Stat en D. Parker (editor) Innovations in GIS 3, Londres, Taylor and
Francis, pp. 135-146

CARVER, S. (1999): "Developing Web-based GIS/MCE: Improving Access to Data and

Spatial Decisión Support Tools" en J-C. Thill (editor): Spatial Multicriteria Decisión Making
and Analysis. A geographic information sciences approach. Aldershot, Ashgate, pp. 49-76.

CHAIRAT, S. y DELLEUR, J.W. (1993): "Integrating a physically based hydrological model

 1

with GRASS" en K. Kovar & H.P. Nachtnebel (editores): Application of Geographic

Information Sustems in Hidrology and Water Resources Management Wallingford, IAHS
Press, pp. 143-150

CLAYTON, D. y WATERS, N. (1999): "Distributed Knowledge, Distributed processing,

Distributed Users: Integrating Case-based Reasoning and GIS for Multicriteria Decision
Making" en J-C. Thill (editor): Spatial Multicriteria Decisión Making and Analysis. A
geographic information sciences approach. Aldershot, Ashgate, pp. 275-307.

DASKIN, M.S. (1995): Network and Discrete Location. Models, Algorithms and
Applications Nueva York, J. Wiley.

DENSHAM, P.J. (1996): "Visual interactive locational analysis" en P. Longley y M. Batty:

Spatial Analysis: Modelling in a GIS environment Cambridge, Geoinformation international,
pp. 185-206

EASTMAN, J.R. y otros (1993): GIS and Decisión Making. Explorations in Geographic
Information Systems Technology. Vol. 4 Ginebra, UNITAR European Office, 112 p. (3 discos

EDESO FITO, JOSE MIGUEL, MARAURI, PEDRO, MERINO, AGUSTIN (1995):

"Aplicaciones de los Sistemas de informacion geografica en los estudios geomorfologicos y
medioambientales: el mapa sintetico de riesgos potenciales y el mapa de erosion"
Lurralde. Investigacion y espacio, vol 18, pp. 257-291

ENGEL, B.A., SRINIVASAN, R. y REWERTS, C. (1993): "A Spatial Decision Support

System for Modeling and managing Agricultural Non-Point-Source Pollution" en
GOODCHILD, M.F., PARKS, B.O. y STEYAERT, L.T. (Editores): Environmental Modeling
with GIS Nueva York, Oxford University Press, pp. 231-237

ERKUT, E. Y NEUMAN, S. (1988): "Analytical Models for Locating Undesirable Facilities,"

European Journal of Operational Research, Vol. 40, (1988), pp. 275-291.

FEDRA, K. (1993): "GIS and Environmental Modelling" en GOODCHILD, M.F., PARKS,

B.O. y STEYAERT, L.T. (Editores): Environmental Modeling with GIS Nueva York, Oxford
University Press, pp. 35-50.

FEDRA, K. (1996): "Distributed Models and Embedded GIS: Integration Strategies and Case
studies" en GOODCHILD, M.F., STEYAERT, L.T. y PARKS, B.O. (Editores): GIS and
Environmental Modeling Fort Collins, GIS World Books, pp. 413-418.

FOTHERINGHAM, A.S., BRUNSDON, C. y CHARLTON, M. (2000): Quantitative

Geography. Perespectives on Spatial Data Analysis. Londres, SAGE, 270 p.

GOODCHILD, M.F., PARKS, B.O. y STEYAERT, L.T. (Editores) (1993): Environmental

Modeling with GIS Nueva York, Oxford University Press, 488 p.

GOODCHILD, M.F., STEYAERT, L.T. y PARKS, B.O. (Editores) (1996): GIS and
Environmental Modeling: Progress and Research Issues Fort Collins, CO., GIS World Books,
 1

486 p.

GRIFFITH, D.A. (1987): Spatial autocorrelation Washington, A.A.G., 87 pp.

HAINING, Robert (1993): Spatial Data Analysis in the Social and Environmental Sciences.
Cambridge, Cambridge University Press.

HAINING, Robert y WISE, Stephen (1997): "Exploratory Spatial Data Analysis" NCGIA Core
Curriculum in GIScience, http://www.ncgia.ucsb.edu/giscc/u128/u128.html, expuesto el 5 de
Diciembre de 1997.

HAINING, Robert, WISE, Stephen y Ma, J. (1996): "The design of a software system for
interactive spatial statistical analysis linked to a GIS" Computational Statistics, 11, pp. 449-466

HASLETT, J., WILLS, G. y UNWIN, A.R. (1990): "SPIDER. An Interactive Statistical Tool
for the Analysis of Spatial Data" Int. J. Geographical Information Systems, vol. 4, nº 3, pp. 285-
296

HERWIJNEN, M. van y RIETVELD, P. (1999): "Spatial Dimensions in Multicriteria Analysis"

en J-C. Thill (editor): Spatial Multicriteria Decisión Making and Analysis. A geographic
information sciences approach. Aldershot, Ashgate, pp. 77-99.

HUFF, D. L. (1964): "Defining and estimating a trading area" Journal of Marketing, 28, pp. 34-
38.

JANSSEN, R.; RIETVELD, P. (1990): "Multicriteria analysis and geographical information

systems: an application to agricultural land use in the Netherlands". en Scholten,-H.J. y
Stillwell,-J.C.H. (editores): Geographical information systems for urban and regional
planning. Kluwer; GeoJournal Library, 17, pp 129-139.

JOHNSTON, C.A. (1993): "Introduction to Quantitative Methods and Modeling in Community,

Population, and Landscape Ecology" en GOODCHILD, M.F., PARKS, B.O. y STEYAERT,
L.T. (Editores): Environmental Modeling with GIS Nueva York, Oxford University Press, pp.
276-283.

LABRANDERO, JOSE LUIS, MARTINEZ VEGA, JAVIER (1995): "Evaluacion de tierras y

Sistemas de informacion geografica en la planificacion de los montes de Toledo", Boletin de la
Asociacion de geografos españoles, vol. 20, pp. 135-146.

LONGLEY, P. Y BATTY, M. (1996): Spatial Analysis: Modelling in a GIS environment

Cambridge, Geoinformation international

LOPEZ DE PABLO, C. T., MARTIN DE AGAR, P., ORMAETXEA, O., UGARTE, F. M.

(1991): "Diseño de un SIG para la planificación físca del uso del suelo: el caso del País Vasco".
Lurralde. vol. 14, pp 185-190.

LOWES, D., BELLAMY, J. A. (1994): "Object orientation in a spatial decision support system
for grazing land management". AI-Applications. 8(3), pp 55-66.
 1

MAIDMENT, D.R. (1996): "Environmental Modeling within GIS". en Goodchild, Steyaert,

Parks y otros GIS and Environmental Modeling: Progress and research Issues, Fort Collins,
CO., GIS World Books, pp. 315-323

MALCZEWSKI, J. (1999): GIS and multicriteria decision analysis. Nueva York, J. Wiley, 392
p.

MALCZEWSKI, J. (1997): "Spatial Decision Support Systems". NCGIA Core Curriculum in

GIScience, http://www.ncgia.ucsb.edu/giscc/units/u127.html (expuesto el 6 de Octubre de
1998).

MALCZEWSKI, J. (1996): "A GIS-based approach to multiple criteria group decision-making"

Int. J. Geographical Information Systems vol. 10, nº 8, pp. 955-971

MALCZEWSKI, J.; OGRYCZAK, W. (1990): "An interactive approach to the central facility
location problem: locating pediatric hospitals in Warsaw". Geographical Analysis, 22(3), pp
244-258.

MANCHADO ROJAS, J.A., MARCUS BELTRAN, A., RULLAN SALAMANCA, O. (1997):

"El medio fisico de las Islas Baleares: soporte de las directrices de ordenacion territorial".
Investigaciones geograficas, vol. 18, pp. 19-40.

MATTEUCCI, S.D. (1998): "La cuantificación de la estructura del paisaje" en Silvia D.

Mateucci y Gustavo D. Buzai (compiladores): Sistemas ambientales complejos: herramientas
de análisis espacial. Buenos Aires, EUDEBA, pp. 271-292.

MENDES, J.F.G.; SILVA, J.M.F. (1996): "Landfill facilities siting using GIS".
Pennsylvania-Geographer. 34/1, 24-40.

MITASOVA, Helena y MITAS, Lubos (1998): "Process Modeling and Simulation", NCGIA
Core Curriculum en GIScience, http://www.ncgia.ucsb.edu/giscc/units/u130/u130.html,
(expuesto el 2 de Diciembre de 1998).

MORELLO, J. Y OTROS (1998): "Aplicación de la tecnología SIG para el análisis del soporte
biofísico en áreas metropolitanas como herramienta de planificación. El caso de Buenos Aires"
en Silvia D. Mateucci y Gustavo D. Buzai (compiladores): Sistemas ambientales complejos:
herramientas de análisis espacial. Buenos Aires, EUDEBA, pp. 409-424.

MORIN, D. M. (1999): "GDSS in Highway Planning: their Use and adoption" en J-C. Thill
(editor): Spatial Multicriteria Decisión Making and Analysis. A geographic information
sciences approach. Aldershot, Ashgate, pp. 149-174.

PELEGRIN PELEGRIN, B. (1996): "El problema general del p-centro en RN" en Puerto
Albandoz (ed.), Lecturas en Teoría de la localización Sevilla, Publicaciones de la Universidad
de Sevilla, pp. 149-166

PERLES ROSELLÓ, M.J. (1997): Medir la erosión: fragilidad erosiva en el Valle del Río
 1
Vélez. Malaga, Diputación provincial, Servicio de publicaciones. 226 p.

PUEYO CAMPOS, ANGEL (1991): "El Sistema de informacion geografica: un instrumento

para la planificacion y gestion urbana", GEOGRAPHICALIA, vol. 28, pp. 175-192

REIF, Benjamin (1978): Modelos en la planificación de ciudades y regiones. Madrid, I.E.A.L.,

422 p.

ROMERO, C. (1993): Teoría de la decisión multicriterio: conceptos, técnicas y aplicaciones.

Madrid, Alianza editorial.

SAMPER, J.F. y CARRERA, J. (1990): Geoestadística. Aplicaciones a la hidrología

subterránea. Barcelona, Centro Internacional de Métodos Numéricos en Ingeniería, 484 p.

SANCHEZ, D.C. (1998): "Teoría de grafos aplicada a redes naturales y antrópicas" en Silvia D.
Mateucci y Gustavo D. Buzai (compiladores): Sistemas ambientales complejos: herramientas
de análisis espacial. Buenos Aires, EUDEBA, pp. 321-346.

SERRA DEL POZO, PAU (1996): "Analisis espacial y modelos urbanos en el entorno SIG",
Ciudad y territorio. Estudios territoriales, vol. 110, pp. 785-799

SPRAGUE, Jr. R. H. y WATSON, H.J. (1996): Decision support for management Upper Saddle
River, N.J., prentice Hall.

STREIT, U. y WIESMANN, K. (1996): "Problems of Integrating GIS and Hydrological

Models" en M. Fischer, H.J. Scholten y D. Unwin (editores): Spatial Analytical Perspectives on
GIS Londres, Taylor and Francis, pp. 161-174

TEUBNER, F.J. (1998): "Definición de zonificaciones ambientales costeras mediante la

aplicación de tecnologías de SIG" en Silvia D. Mateucci y Gustavo D. Buzai (compiladores):
Sistemas ambientales complejos: herramientas de análisis espacial. Buenos Aires, EUDEBA,
pp. 377-390.

TUKEY, J.W. (1977): Exploratory Data Analysis Reading. Addison-Wesley.

 1

Gráfico 1: Arquitectura de un SADE

Gráfico 2: Relación débil entre un SIG y un modelo ambiental

 1

Gráfico 3: Relación estrecha entre un SIG y un modelo ambiental