Módulo Electivo:

SIG y Medio Ambiente

!
!
!

LECCIÓN'7!
Bases%de%Modelamiento%Ambiental%
con$GIS$!
!
Objetivos!de!estudio!
!
Al!completar!esta!lección!usted!…!
!
! Aprenderá!las!bases!teóricas!de!modelamiento!!
! Conocerá! distintos! tipos! de! modelamiento! ambiental! que! puede! ser!
utilizado!con!herramientas!GIS!!
! Estará! en! capacidad! de! emitir! criterios! para! escoger! cierto! tipo! de!
modelamiento!según!los!objetivos!del!estudio!ambiental!que!realice!

8.1!Introducción!
En! Sistemas! de! Información! Geográfica! trabajamos! mucho! con! mapeo,! generamos!
mapas! de! pendiente,! de! vegetación,! de! pobreza,! de! turismo,! etc.! En! América! Latina!
todavía! se! trabaja! bastante! en! la! “generación! de! mapas”,! dando! la! idea! de! que! el!
geógrafo!es!una!persona!que!genera!mapas.!!En!realidad!hacer!mapas!es!un!campo!de!la!
cartografía,! la! cual! solo! es! un! subconjunto! de! la! geografía.! ! El! profesional! geógrafo! o!
afines!que!utilicen!SIG,!también!pueden!ser!desarrolladores!de!modelos!que!ayuden!al!
análisis!del!territorio!y!por!lo!tanto!brinden!ideas!y!criterios!para!una!adecuada!gestión!
territorial! del! mismo,! incluida! la! ambiental.! Ahora! bien,! para! quienes! son! biólogos,!
ecólogos,! ambientales! o! de! carreras! afines,! pueden! estar! contentos! de! estudiar! SIG! ya!
que! finalmente! podemos! decir! que! el! “mejor! ambientalista”! es! un! geógrafo! o!
especialista! en! SIG.! ¿Por! qué?! porque! el! geógrafo! tiene! la! capacidad! de! integrar! los!
diferentes!tipos!de!información!(social,!económica,!físicoNambiental,!cultural,!etc)!para!
analizar! los! problemas! ambientales.! Como! aspecto! indudablemente! necesario! del!

© P. Ordoñez, P. Cabrera| 2011!2012 1 de 15

 Módulo Electivo:
SIG y Medio Ambiente

análisis!SIG!ambiental!se!encuentran!las!metodologías!de!modelamiento.!Modelamiento!
es!la!representación!de!la!realidad,!que!simula!fenómenos!en!el!tiempo!y!en!el!espacio!y!
nos! ayuda! a! entender! dichos! fenómenos! de! mejor! manera! y! a! predecir! cambios! o!
alteraciones!en!factores!y!consecuencias!de!los!mismos.!!
En!la!presente!lección!vamos!aprender!las!bases!de!los!distintos!tipos!de!modelamiento!
SIG:! modelos! matriciales,! modelos! subjetivos,! modelos! matemáticos! (o! estadísticos)! y!
modelos!de!inteligencia!artificial.!!
!!!!!!!

8.2!!Modelos!matriciales!!
En! los! modelos! matriciales! se! estudia! pares! de! variables! (o! mapas)! al! mismo! tiempo,!
por!medio!de!matrices!de!doble!entrada.!Ejemplos!de!productos!de!este!tipo!de!modelos!
son!mapas!de!conflictos!de!uso!de!suelo!o!mapas!de!riegos.!Los!pasos!que!se!siguen!para!
trabajar!en!estos!modelos!son!lo!siguientes!(Medina!2006):!
!
a. Definir!las!variables!independientes!del!modelo!
b. Definir!las!dos!variables!que!intervienen!en!la!matriz!de!doble!entrada!
c. Calificar!las!categorías!de!cada!variable!(internamente)!
d. Ingresar!todas!las!categorías!de!las!dos!variables!en!una!matriz!de!doble!entrada!
en!forma!ordenada!
e. Calificar!las!combinaciones!de!todas!las!categorías!en!la!matriz!
!
A! continuación! explicamos! con! un! ejemplo! lo! mencionado! anteriormente,! En! este!
ejemplo!queremos!obtener!un!mapa!de!conflictos!de!uso!de!suelo,!comparando!uso!de!
suelo! actual! y! uso! de! suelo! potencial.! En! una! matriz! de! doble! entrada! ponemos! como!
etiquetas!de!cada!fila!las!coberturas!de!uso!actual!y!como!etiquetas!de!cada!columna!las!
coberturas!de!uso!de!suelo!potencial.!Las!categorías!de!coberturas!de!suelo!a!comparar!
van!!a!ser:!
!
!
!
!!

© P. Ordoñez, P. Cabrera| 2011!2012 2 de 15

 Módulo Electivo:
SIG y Medio Ambiente

N Bosque!(B)!
N Pasto!(P)!
N Cultivo!(C)!
N Urbano!(U)!
!
!
!
Uso!Potencial!
!
!
! B! P! C! U!
!
B! BU! SUBU! SUBU! SUBU!
!!!!!!!!!!Uso!actual!
P! SOBU! BU! SUBU! SUBU!
!
C! SOBU! SOBU! BU! SUBU!
!
U! SOBU! SOBU! SOBU! BU!
!
!
Las!categorías!finales!generadas!del!modelo!de!uso!actual!vs!uso!potencial!son:!!
!
N Buen!uso!(BU)!
N Sobre!utilizado!(SOBU)!
N Sub!utilizado!(SUBU)!
!
Cada!categoría!del!mapa!generado!del!modelo!va!a!ocupar!un!píxel!en!el!mapa!final!o!
conjunto!de!datos!matricial.!
!
!

8.3!!Modelos!subjetivos!
!
En!la!lección!6!tratamos!sobre!el!tema!de!evaluación!multicriterio!que!es!la!base!para!
trabajar!con!modelos!subjetivos.!Por!ejemplo!la!matriz!de!Saaty!es!una!herramienta!que!
nos!permite!estructurar!variables,!asignarles!pesos!y!poder!expresar!finalmente!un!tipo!
de! modelo! subjetivo! que! describe! un! fenómeno! determinado.! Ya! que! en! la! lección! 6!
© P. Ordoñez, P. Cabrera| 2011!2012 3 de 15
 Módulo Electivo:
SIG y Medio Ambiente

explicamos!esto!detalladamente!en!esta!lección!vamos!a!tratar!como!trabajar!de!manera!
general! con! modelos! subjetivos! desde! el! punto! de! vista! de! modelo! de! criterios! de!
expertos.!Seguimos!los!siguientes!pasos:!
!
a. Primero!debemos!definir!las!variables!independientes!y!a!continuación!debemos!
dar!pesos!a!cada!variable!independiente!dentro!de!un!modelo!lineal!
Por!ejemplo:!“Obtener!un!mapa!de!erosión!en!función!de!pendiente!y!cobertura”!
La!ecuación!general!del!modelo!sería:!
y=∑βiXi!
En!donde!X!representa!las!variables!y!β!representa!los!pesos!de!las!variables!
Para!asignar!pesos!a!cada!variable!podemos!realizar!una!reunión!de!expertos!o!
conocedores!en!la!temática!a!tratar!para!que!empíricamente!asignen!pesos!a!las!
variables!que!forman!el!modelo.!!
Por! ejemplo,! un! primer! participante! de! la! reunión! podría! decir! que! la! ecuación!
para!generar!el!mapa!de!erosión!puede!ser:!
!
Experto!1:!Erosión!=!0.6!(pendiente)!+!0.4!(cobertura)!
!
Los!demás!expertos!podrían!dar!otros!valores:!
!
Experto!2:!Erosión!=!0.7!(pendiente)!+!0.3!(cobertura)!
Experto!3:!Erosión!=!0.4!(pendiente)!+!0.6!(cobertura)!
Experto!4:!Erosión!=!0.4!(pendiente)!+!0.6!(cobertura)!
Experto!5:!Erosión!=!0.5!(pendiente)!+!0.5!(cobertura)!
!
b. A! continuación! se! realiza! un! ajuste! de! promedios,! es! decir,! se! obtiene! el!
promedio!de!cada!βi!!
Por! ejemplo,! obteniendo! el! promedio! de! los! pesos! de! las! variables! anteriores!
obtenemos:!
E!=!0.52p!+0.48!c!
E"significa!erosión,!p!es!pendiente!y!c"representa!cobertura!!
!

© P. Ordoñez, P. Cabrera| 2011!2012 4 de 15

 Módulo Electivo:
SIG y Medio Ambiente

c. El!siguiente!paso!es!presentar!el!modelo!promedio!a!cada!evaluador!y!pedir!una!
nueva!ponderación.!!
E1!=!0.55p!+0.45c!
E2!=!….!
.!
.!
.!
E5!=!…!
!
Obtenemos!un!nuevo!promedio!y!repetimos!el!mismo!algoritmo!las!veces!que!se!
consideren!necesarias!
!
d. Calificamos!ahora!las!categorías!dentro!de!cada!variable,!por!ejemplo:!
Pendiente!puede!ser!
NAlta!!!!!!3!
NMedia!!2!
NBaja!!!!!!1!
!
Y!cobertura!puede!ser:!
NBosque!!1!
NPasto!!!!!!2!
NCultivo!!!3!
!
e. Finalmente! aplicamos! la! operación! matemática! necesaria! usando! calificaciones!
de!las!categorías!dentro!de!cada!variable!y!los!pesos!de!las!variables!dentro!del!
modelo!
!

© P. Ordoñez, P. Cabrera| 2011!2012 5 de 15

 Módulo Electivo:
SIG y Medio Ambiente

8.4!Modelos!estadísticos!
!
Los!modelos!estadísticos!nos!permiten!saber!la!relación!entre!una!variable!dependiente!
(Y)!con!variables!independientes!(Xi).!Las!pruebas!de!hipótesis!estadísticas!usan!la!
comparación!solamente!entre!dos!variables!por!lo!que!se!hace!limitado!el!análisis!
multivariable!en!este!caso,!sin!embargo,!los!modelos!de!regresión!nos!permiten!un!
análisis!más!extenso!de!algún!fenómeno!específico,!estudiando!la!relación!y!reacción!de!
una!variable!dependiente!!frente!a!varias!variables!independientes!(Moral!2006)!
El!objetivo!de!la!regresión!lineal!es!modelar!la!respuesta!de!una!variable!dependiente!
en!función!de!variables!independientes!ligadas!a!pesos!específicos!dentro!de!la!ecuación!
de!regresión:!
!
! = !" + !"#"

Para!comenzar!a!trabajar!con!regresiones!el!primer!paso!es!analizar!la!relación!entre!la!
variable!dependiente!y!las!independientes.!El!análisis!se!lo!hace!en!función!de!los!datos!
obtenidos!para!Y!y!para!los!Xi.!!
Por!ejemplo,!!queremos!obtener!un!modelo!estadístico!para!erosión!en!función!de!
pendiente!y!cobertura.!La!escala!de!la!variable!erosión!va!a!ser!del!1!al!6.!!Vamos!a!
suponer!que!fuimos!al!campo!y!tomamos!los!siguientes!datos!de!pendiente,!cobertura!y!
erosión:!

© P. Ordoñez, P. Cabrera| 2011!2012 6 de 15

 Módulo Electivo:
SIG y Medio Ambiente

Erosión Pendiente Cobertura

0 0 6
1 1 6
2 4 4
1 1 5
1 1 6
2 3 4
3 8 2
3 9 2
4 15 1
4 17 1
5 26 0
5 25 0
5 24 1
6 35 0
5 26 0
6 36 0
6 37 0 !
!
Si!analizamos!la!relación!por!separado!de!cada!variable!independiente!con!su!variable!
dependiente!!
!

!
Observamos!una!relación!de!cada!variable!y!ya!observamos!una!tendencia!de!relación:!a!
más!pendiente!y!menos!cobertura,!existirá!más!erosión.!¿Pero!estas!relaciones!simples!
como!se!muestran!a!nivel!complejo!mediante!una!relación!multivariada?!

© P. Ordoñez, P. Cabrera| 2011!2012 7 de 15

 Módulo Electivo:
SIG y Medio Ambiente

Podemos! responder! esta! pregunta! aplicando! regresiones! multivariadas.! Podemos!

utilizar! software! especializado! en! estadística,! como! por! ejemplo! SPSS! (http://www-
01.ibm.com/software/ec/analytics/spss/),! o! incluso! software! estadístico! geográfico! como! por!
ejemplo! GeoDa! (http://geodacenter.asu.edu/)! ! De! una! manera! u! otra! las! opciones! de! cálculo!
que! ! ofrecen! los! programas! actuales! son! muy! automatizadas! e! intuitivas,! ofreciendo! a!
los! usuarios! –aun! cuando! no! sean! expertos! en! estadísticaN! la! posibilidad! de! realizar!
cálculos! complejos! como! por! ejemplo,! regresiones! multivariadas.! El! reto! aquí! es! estar!
en! la! capacidad! de! saber! interpretar! los! resultados! obtenidos.! Del! ejemplo! anterior,!
aplicando!una!regresión!multivariada!lineal!obtenemos!los!siguientes!resultados:!!

a
Coeficientes

Modelo Coeficientes no Coeficientes

estandarizados estandarizados Significan
B Error Estándar Beta t cia

1 (Constante) 3.154 .320 9.868 .000

Pendiente .078 .011 .527 6.934 .000

Cobertura -.412 .064 -.490 -6.444 .000

a. Variable Dependiente: Erosión

!
Observamos! los! resultados! y! lo! primero! que! debemos! observar! es! el! nivel! de!
significancia!para!cada!variable.!En!todos!los!casos,!el!nivel!de!significancia!es!menor!a!
0.05! por! lo! que! decimos! que! en! el! modelo! las! dos! variables! de! pendiente! y! cobertura!
son! significantes! e! importantes! para! el! modelo.! ! Entonces,! la! ecuación! se! regresión!
quedaría:!
!
Erosión=!3.154!+!0.078!(Pendiente)!–!0.412!(Cobertura)!
!
El! signo! menos! (N)! en! el! caso! de! cobertura! nos! indica! que! a! mayor! erosión! existe!
entonces! menor! cobertura.! Con! la! presente! ecuación! podemos! calcular! ya! valores! de!
erosión!según!cambien!los!valores!de!pendiente!y!cobertura.!!
!
!

© P. Ordoñez, P. Cabrera| 2011!2012 8 de 15

 Módulo Electivo:
SIG y Medio Ambiente

Ejercicio!

Calcule!el!valor!de!erosión!si!nos!planteamos!valores!de!cobertura!de!20!y!de!pendiente!
1!!

!¿Como!varía!el!valor!de!erosión?!¿Aumenta?!¿Disminuye?!

¿Podríamos!proyectar!valores!de!erosión!para!el!futuro!con!esta!ecuación?!¿Porqué?!!

"

Lectura! adicional:! Modelos! de! regresión,! como! funcionan! desde! la! perspectiva!
matemática!

En!una!ecuación!de!regresión!siempre!va!a!existir!un!error:!

! = !" + !! !! + !!

En!donde!

!" + !! !! !

Corresponde!a!la!parte!determinística!de!la!ecuación!!

Pero! existe! la! parte! aleatoria! de! la! misma,! representada! por! ε,! que! es! el! conjunto! o!
sumatoria!de!errores!de!la!ecuación!

Ahora!bien,!al!sumatoria!de!errores!debe!tender!a!cero,!entonces!decimos!que:!

!
!!!
! ! =0!

!
!"
! ! =0!

Una!ecuación!de!regresión!simple!podría!ser:!

! = !! + !! !! + !!

Si! despejamos! ε! de! la! ecuación! anterior! y! asignamos! a! cada! parte! de! la! ecuación! una!
sumatoria!y!elevamos!al!cuadrado!tenemos:!

!! = (! − !! − !! !! )! !

© P. Ordoñez, P. Cabrera| 2011!2012 9 de 15

 Módulo Electivo:
SIG y Medio Ambiente

Si!aplicamos!la!derivada!de!

!
!! = 2 ! − !! − !! !! −1 = 0!
!!!

Despejando!! !!!tenemos:!

! = !!! + ( !! )!!! !

Donde!!!!! !!equivale!a!! !! !

A!continuación,!si!aplicamos!la!derivada!de!

!
!! = 2 ! − !! − !! !! −!! = 0!
!"

Despejando!! !! !!!tenemos:!

!! ! = ( !! )!!! + ( !!! )!!! !

Tenemos!entonces!un!sistema!de!ecuaciones:!

! = !!! + ( !! )!!! !

!! ! = ( !! )!!! + ( !!! )!!! !

Que!expresados!en!forma!matricial!tenemos!

! !! !! !
= !
!!
!! !!! !! !

"
!
© P. Ordoñez, P. Cabrera| 2011!2012 10 de 15
 Módulo Electivo:
SIG y Medio Ambiente

"

Ejercicio!

Complete!la!siguiente!tabla!con!los!valores!X12!y!X1Y.!Una!vez!que!calcule!estos!valores!y!
utilizando! las! ecuaciones! en! forma! matricial! obtenidas! anteriormente! calcule! los!
coeficientes!β0!y!β1!del!modelo!de!regresión!!

Punto! Y! X1! X12! X1Y!

1! 40! 2! ! !
2! 35! 4! ! !
3! 20! 6! ! !
4! 15! 8! ! !
5! 40! 10! ! !

Después!de!realizar!el!modelo!de!regresión!debemos!probar!el!modelo.!El!paso!básico!
para!probar!el!modelo!es!saber!en!que!porcentaje!las!variables!independientes!explican!
a!la!variable!dependiente.,!o!explican!el!modelo.!Utilizamos!R2!en!donde!!

0!≤!R2!≤!100!

Mientras!R2!más!se!acerque!a!1!el!modelo!se!interpreta!como!mejor.!En!nuestro!ejemplo!
del! modelo! de! erosión,! se! obtiene! un! R2! de! 0.98,! que! no! sindica! que! un! 98%! del!
fenómeno!en!estudio,!la!erosión,!en!nuestra!área!de!estudio,!está!explicado!por!medio!
de!la!pendiente!y!de!la!cobertura.!A!más!de!esta!prueba,!podemos!realizar!una!prueba!
global!del!modelo!por!medio!de!análisis!de!varianzas,!si!se!pasa!la!prueba,!decimos!que!
el!modelo!está!bueno!pero!a!un!cierto!nivel!de!confianza.!Sin!embargo!también!podemos!
realizar!pruebas!individuales!para!cada!βi!a!través!de!una!prueba!de!hipótesis.!En!este!
caso! tendríamos! dos! hipótesis,! la! hipótesis! nula! Ho! y! la! hipótesis! alternativa! Ha,! en!
donde:!

Ho:!!!!βi!=!0!

Ha:!!!!βi!≠!0!

© P. Ordoñez, P. Cabrera| 2011!2012 11 de 15

 Módulo Electivo:
SIG y Medio Ambiente

Si!aceptamos!la!Ho,!βi!debería!ser!0!y!no!debería!estar!en!el!modelo.!Si!algún!βi!=!0!es!
cero,!debemos!corregir!el!modelo.!

8.5!!Bases!de!modelos!de!inteligencia!artificial!

Estos!son!los!modelos!menos!explorados!en!la!práctica!pero!en!realidad!son!los!que!más!
nos!ayudan!a!modelar!de!una!manera!más!precisa!el!mundo!real.!Entre!los!modelos!de!
inteligencia!artificial!más!usados!tenemos:!
!
" Redes!neuronales!
" Autómata!celular!
!
Redes"neuronales"
"
Nuestro!cerebro!es!la!máquina!más!perfecta!que!existe,!millones!de!neuronas!se!
conectan!mediante!impulsos!eléctricos!y!cada!interconexión!de!las!mismas!permite!
formar!ideas,!pensamientos!y!soluciones.!
Este!maravilloso!modelo!biológico!de!producción!de!soluciones!ha!sido!imitado!por!los!
seres!humanos!para!resolver!distintas!problemáticas!y!fenómenos.!El!modelo!artificial!
de!redes!neuronales!es!un!modelo!matemático!que!se!conforma!por!elementos!
interconectados!entre!sí.!!Las!capacidades!de!las!redes!neuronales!son!la!clasificación!de!
información,!el!almacenaje,!la!interpolación!el!aprendizaje!y!la!adaptación.!!
La!lógica!de!las!redes!neuronales!es!el!ingreso!de!variables!a!las!cuales!se!les!asigna!un!
peso!sináptico,!con!el!cual!son!aplicadas!a!una!función!(neurona)!y!a!continuación!se!
obtienen!los!valores!productos!del!procesamiento!neuronal!(Alegre!2003,!Izaurieta!y!
Saavedra!ND)!
!
Autómata"celular"
!
Autómata!celular,!es!un!método!sofisticado,!basado!en!la!Teoría!de!la!Complejidad,!es!un!
modelo!discreto!que!simula!el!cambio!de!una!variable!de!un!estado!a!otro!en!función!del!
estado!de!dicha!variable!en!un!tiempo!anterior!y!de!los!valores!de!las!variables!vecinas,!
siendo! estos! cambios! funciones! de! reglas! específicas! de! decisión! (Poska! et! al.! 2008).!
© P. Ordoñez, P. Cabrera| 2011!2012 12 de 15
 Módulo Electivo:
SIG y Medio Ambiente

Analiza!un!conjunto!de!variables!o!células!(representadas!en!este!caso!por!píxeles),!en!
donde,!el!estado!de!cada!célula!en!determinado!tiempo!es!una!función!del!estado!de!las!
células!que!la!rodean!(Wolfram!1984;!Vázquez!y!Oliver!2008).!!Por!ejemplo,!el!valor!o!
estado!V!de!una!célula!en!posición!(i,j)!estaría!expresado!de!la!siguiente!manera:!
!
Vi,j!=!f(Vi+1,j!!!!,!ViN1,j!,!Vi,j+1!!!,!Vi,jN1)!
!
Donde!Vi+1,j!!!!,!ViN1,j!,!Vi,j+1!!!y!Vi,jN1!son!los!valores!o!estados!de!sus!células!vecinas.!!!
!

2.5!!!Conclusiones!
!
! Para! realizar! modelamiento! en! SIG! necesitamos! en! principio! análisis! multi!
criterio!el!cual!nos!ayuda!a!estructurar!las!variables!a!utilizar,!los!criterios!y!los!
pesos!de!las!variables!para!el!modelo.!
!
! Un!modelo!usado,!con!bases!subjetivas,!pero!cuantitativamente!estructurado,!es!
el!de!Saaty,!y!también!tenemos!el!de!consulta!de!expertos.!Aquí!vemos!la!unión!
entre!la!fase!de!la!“experiencia”!!!y!la!fase!del!análisis!cuantitativo!
!
! Otro! tipo! de! modelo! es! el! estadístico,! típicamente! representado! por! las!
regresiones,!que!comúnmente!en!el!análisis!geográfico!se!hace!mutivariable.!Hay!
que!tomar!en!cuenta!en!las!regresiones!el!nivel!de!significancia!de!cada!variable,!
lo!cual!nos!ayudará!a!definir!que!variables!entran!finalmente!en!el!modelo.!
!
! Finalmente,!existen!los!modelos!de!inteligencia!artificial,!inspirados!en!modelos!
biológicos,! que! poseen! características! importantes! como! la! capacidad! de!
aprendizaje!y!almacenamiento!de!información.!
!
!
!!

© P. Ordoñez, P. Cabrera| 2011!2012 13 de 15

 Módulo Electivo:
SIG y Medio Ambiente

2.6!!!Resumen!
!
Existen! los! distintos! tipos! de! modelamiento! SIG:! modelos! matriciales,! modelos!
subjetivos,! modelos! matemáticos! (o! estadísticos)! y! modelos! de! inteligencia! artificial.!
Los! primeros! se! basan! en! matrices! de! doble! entrada,! en! las! cuales! hay! que! definir!
primero!las!variables!independientes!del!modelo.!Un!ejemplo!general!de!modelamiento!
subjetivo! es! el! de! ponderaciones! por! criterio! de! expertos! en! donde! primero! debemos!
definir!las!variables!independientes!y!a!continuación!debemos!dar!pesos!a!cada!variable!
independiente!dentro!de!un!modelo!lineal.!Los!modelos!estadísticos!nos!permiten!saber!
la!relación!entre!una!variable!dependiente!(Y)!con!variables!independientes!(Xi)!y!nos!
permiten!un!análisis!más!extenso!de!algún!fenómeno!específico,!estudiando!la!relación!
y! reacción! de! una! variable! dependiente! ! frente! a! varias! variables! independientes.! Los!
modelos! de! inteligencia! artificial! son! los! menos! explorados! en! la! práctica! pero! en!
realidad!son!los!que!más!nos!ayudan!a!modelar!de!una!manera!más!precisa!el!mundo!
real.!Entre!los!modelos!de!inteligencia!artificial!más!usados!tenemos:!redes!neuronales!
y!autómata!celular.!

!
Bibliografía!
!
" Alegre! A.! (2003)! Simulación! de! redes! neuronales! artificiales.! Universidad!
Nacional!del!Nordeste.!Argentina.!
!
" Izaurieta! F.! y! Saavedra! C.! Redes! neuronales! artificiales.! Universidad! de!
Concepción.!Chile.!
!
" Medina! I.! (2006)! “Curso! de! SIG! I”! Carrera! de! Ingeniería! Geográfica! y! del! Medio!
Ambiente.!Escuela!Politécnica!del!Ejército.!Quito.!!
!
!
" Moral!!I.!(2006)!!“Modelos!de!regresión:!lineal!simple!y!regresión!logística”!En:!
http://www.revistaseden.org/files/14-CAP%2014.pdf. Consultado!en:!30/01/2012.!

© P. Ordoñez, P. Cabrera| 2011!2012 14 de 15

 Módulo Electivo:
SIG y Medio Ambiente

!
" Poska! A.,! Sepp! E.,! Veski! S.! y! Koppel! K.! 2008.! Using! quantitative! pollenNbased!
landNcover! estimations! and! a! spatial! CA_Markov! model! to! reconstruct! the!
development! of! cultural! landscape! at! Rouge,! South! Estonia.! Veget! Hist!
Archaeobot!17:527–541.!
!
" Vázquez J.I. y Oliver J. 2008. Evolución de autómatas celulares utilizando algoritmos
genéticos. Universidad de Deusto.
!
!
" Wolfram S. 1984. “Cellular automata as models of complexity”. Nature, 311: 419 –
424.
!
!
!
!
!
!
!

© P. Ordoñez, P. Cabrera| 2011!2012 15 de 15