El Clot de Galvany-Balsares: clasificación y caracterización de zonas húmedas del litoral alicantino (SE España) mediante las metodologías RAC/SPA y MEDWET

Este trabajo es el segundo de una serie de estudios que se realizó para caracterizar las comunidades vegetales presentes en ambientes litorales en el SE de la provincia de Alicante, mediante el cartografiado de zonas homogéneas y el empleo de los catálogos propuestos por el RAC-SPA y Medwet. Se han determinado 11 unidades ambientales en el sector analizado que se corresponde al Clot de Galvany y Balsares, las cuales se han descrito y se han representado en 2 mapas que permite comparar las diferencias entre ambos catálogos. De este modo, se seleccionaron 10 parcelas al azar y su vegetación fue muestreada según la metodología, basada en transectos, denominada «quadrat technique» y se identificaron las diferentes especies vegetales en el campo. Por otro lado, la medida de la cobertura vegetal total también fue tomada según la metodología de «Braun Blanquet». Se han empleado los programas informáticos CartaLinx® y ArcView® para el cartografiado de las unidades vegetales. Así, la finalidad de este trabajo es proporcionar una serie de herramientas técnicas para poder garantizar la gestión sostenible de la compleja situación de la zona de estudio, así como de sus recursos naturales.

Evaluación participativa de los impactos sociales del turismo residencial y meta-análisis de resultados: un caso de estudio en Pipa (Rio Grande do Norte, Brasil)

Este artículo presenta una propuesta metodológica para la evaluación participativa de impactos sociales. Se ejemplifica mediante la descripción del proceso y resultados de una investigación realizada en la comunidad turística de Pipa (Rio Grande do Norte, Brasil) en la que se desarrolló un proceso de participación orientado a discutir el modelo de turismo residencial implantado en este territorio mediante el identificación y evaluación de sus impactos sociales. La novedad de esta propuesta reside en que se añade, a los beneficios y utilidades de la evaluación participativa de impactos sociales, un meta-análisis realizado sobre los resultados del proceso de participación. Este meta-análisis hace uso de las herramientas informáticas propias del Análisis de Redes Sociales aplicadas al estudio de los mapas causa-efecto elaborados por los participantes. Los resultados de este análisis cuantitativo se completan e interpretan con la información obtenida a través de entrevistas en profundidad y revisión documental, permitiendo: 1) identificar las causas últimas de los impactos sociales derivados del turismo residencial a escala local y 2) una mejor comprensión de la complejidad causal de estos impactos. El meta-análisis ha identificado que la primacía de los intereses de las empresas inmobiliarias internacionales sobre el interés general local se sustenta sobre su capacidad ilusoria de controlar la demanda mediante agresivas campañas de marketing. Esta información permite la deconstrucción del discurso desarrollista del turismo y posibilita la demarcación de nuevas áreas de acción estratégica orientadas a la maximización del beneficio colectivo.

Growing Neural Gas approach for obtaining homogeneous maps by restricting the insertion of new nodes

The Growing Neural Gas model is used widely in artificial neural networks. However, its application is limited in some contexts by the proliferation of nodes in dense areas of the input space. In this study, we introduce some modifications to address this problem by imposing three restrictions on the insertion of new nodes. Each restriction aims to maintain the homogeneous values of selected criteria. One criterion is related to the square error of classification and an alternative approach is proposed for avoiding additional computational costs. Three parameters are added that allow the regulation of the restriction criteria. The resulting algorithm allows models to be obtained that suit specific needs by specifying meaningful parameters.

Macroecología y ecoinformática: sesgos, errores y predicciones en el modelado de distribuciones

Hoy en día es común estudiar los patrones globales de biodiversidad a partir de las predicciones generadas por diferentes modelos de nicho ecológico. Habitualmente, estos modelos se calibran con datos procedentes de bases de datos de libre acceso (e.g. GBIF). Sin embargo, a pesar de la facilidad de descarga y de la accesibilidad de los datos, la información almacenada sobre las localidades donde están presentes las especies suele tener sesgos y errores. Estos problemas en los datos de calibración pueden modificar drásticamente las predicciones de los modelos y con ello pueden enmascarar los patrones macroecológicos reales. El objetivo de este trabajo es investigar qué métodos producen resultados más precisos cuando los datos de calibración incluyen sesgos y cuáles producen mejores resultados cuando los datos de calibración tienen, además de sesgos, errores. Para ello creado una especie virtual, hemos proyectado su distribución en la península ibérica, hemos muestreado su distribución de manera sesgada y hemos calibrado dos tipos de modelos de distribución (Bioclim y Maxent) con muestras de distintos tamaños. Nuestros resultados indican que cuando los datos sólo están sesgados, los resultados de Bioclim son mejores que los de Maxent. Sin embargo, Bioclim es extremadamente sensible a la presencia de errores en los datos de calibración. En estas situaciones, el comportamiento de Maxent es mucho más robusto y las predicciones que proporciona son más ajustadas.

Variación espacial de la exposición a contaminación atmosférica en la ciudad de Valencia y su relación con un índice de privación

Objetivo: Evaluar la variación espacial de la exposición a dióxido de nitrógeno (NO2) en la ciudad de Valencia y su relación con la privación socioeconómica y la edad. Métodos: La población por sección censal (SC) procede del Instituto Nacional de Estadística. Los niveles de NO2 se midieron en 100 puntos del área de estudio, mediante captadores pasivos, en tres campañas entre 2002 y 2004. Se utilizó regresión por usos del suelo (LUR) para obtener el mapa de los niveles de NO2. Las predicciones del LUR se compararon con las proporcionadas por: a) el captador más cercano de la red de vigilancia, b) el captador pasivo más cercano, c) el conjunto de captadores en un entorno y d) kriging. Se asignaron niveles de contaminación para cada SC. Se analizó la relación entre los niveles de NO2, un índice de privación con cinco categorías y la edad (≥65 años). Resultados: El modelo LUR resultó el método más preciso. Más del 99% de la población superó los niveles de seguridad propuestos por la Organización Mundial de la Salud. Se encontró una relación inversa entre los niveles de NO2 y el índice de privación (β = –2,01 μg/m3 en el quintil de mayor privación respecto al de menor, IC95%: –3,07 a –0,95), y una relación directa con la edad (β = 0,12 μg/m3 por incremento en unidad porcentual de población ≥65 años, IC95%: 0,08 a 0,16). Conclusiones: El método permitió obtener mapas de contaminación y describir la relación entre niveles de NO2 y características sociodemográficas.

Formación y desecación del sinus ilicitanus (Sur de Alicante) en los últimos 15.000 años

En este trabajo se describe el cambio de la línea de costa en la parte sur de la provincia de Alicante para los últimos 15.000 años. Se ha obtenido integrando datos de diferentes fuentes y especialmente de perfiles sísmicos de alta resolución marinos de la plataforma continental anexa. Se han distinguido 10 periodos. Comienza con la transgresión marina tras la última glaciación, le sigue la formación del sinus ilicitanus entre los años 4.000 y 3.000 AC, y finaliza con un lento proceso de desecación hasta la actualidad, reducido a las lagunas del Fondo y Salinas de Santa Pola.

3D Maps Representation Using GNG

Current RGB-D sensors provide a big amount of valuable information for mobile robotics tasks like 3D map reconstruction, but the storage and processing of the incremental data provided by the different sensors through time quickly become unmanageable. In this work, we focus on 3D maps representation and propose the use of the Growing Neural Gas (GNG) network as a model to represent 3D input data. GNG method is able to represent the input data with a desired amount of neurons or resolution while preserving the topology of the input space. Experiments show how GNG method yields a better input space adaptation than other state-of-the-art 3D map representation methods.

Feature selection by multi-objective optimisation: Application to network anomaly detection by hierarchical self-organising maps

Feature selection is an important and active issue in clustering and classification problems. By choosing an adequate feature subset, a dataset dimensionality reduction is allowed, thus contributing to decreasing the classification computational complexity, and to improving the classifier performance by avoiding redundant or irrelevant features. Although feature selection can be formally defined as an optimisation problem with only one objective, that is, the classification accuracy obtained by using the selected feature subset, in recent years, some multi-objective approaches to this problem have been proposed. These either select features that not only improve the classification accuracy, but also the generalisation capability in case of supervised classifiers, or counterbalance the bias toward lower or higher numbers of features that present some methods used to validate the clustering/classification in case of unsupervised classifiers. The main contribution of this paper is a multi-objective approach for feature selection and its application to an unsupervised clustering procedure based on Growing Hierarchical Self-Organising Maps (GHSOMs) that includes a new method for unit labelling and efficient determination of the winning unit. In the network anomaly detection problem here considered, this multi-objective approach makes it possible not only to differentiate between normal and anomalous traffic but also among different anomalies. The efficiency of our proposals has been evaluated by using the well-known DARPA/NSL-KDD datasets that contain extracted features and labelled attacks from around 2 million connections. The selected feature sets computed in our experiments provide detection rates up to 99.8% with normal traffic and up to 99.6% with anomalous traffic, as well as accuracy values up to 99.12%.

Subsidence activity maps derived from DInSAR data: Orihuela case study

A new methodology is proposed to produce subsidence activity maps based on the geostatistical analysis of persistent scatterer interferometry (PSI) data. PSI displacement measurements are interpolated based on conditional Sequential Gaussian Simulation (SGS) to calculate multiple equiprobable realizations of subsidence. The result from this process is a series of interpolated subsidence values, with an estimation of the spatial variability and a confidence level on the interpolation. These maps complement the PSI displacement map, improving the identification of wide subsiding areas at a regional scale. At a local scale, they can be used to identify buildings susceptible to suffer subsidence related damages. In order to do so, it is necessary to calculate the maximum differential settlement and the maximum angular distortion for each building of the study area. Based on PSI-derived parameters those buildings in which the serviceability limit state has been exceeded, and where in situ forensic analysis should be made, can be automatically identified. This methodology has been tested in the city of Orihuela (SE Spain) for the study of historical buildings damaged during the last two decades by subsidence due to aquifer overexploitation. The qualitative evaluation of the results from the methodology carried out in buildings where damages have been reported shows a success rate of 100%.

Using causal maps to support ex-post assessment of social impacts of dams

This paper presents the results of an ex-post assessment of two important dams in Brazil. The study follows the principles of Social Impact Management, which offer a suitable framework for analyzing the complex social transformations triggered by hydroelectric dams. In the implementation of this approach, participative causal maps were used to identify the ex-post social impacts of the Porto Primavera and Rosana dams on the community of Porto Rico, located along the High Paraná River. We found that in the operation of dams there are intermediate causes of a political nature, stemming from decisions based on values and interests not determined by neutral, exclusively technical reasons; and this insight opens up an area of action for managing the negative impacts of dams.

Causal Maps and Indirect Influences Analysis in the Diagnosis of Second-Home Tourism Impacts

This paper proposes a method for diagnosing the impacts of second-home tourism and illustrates it for a Mediterranean Spanish destination. This method proposes the application of network analysis software to the analysis of causal maps in order to create a causal network model based on stakeholder-identified impacts. The main innovation is the analysis of indirect relations in causal maps for the identification of the most influential nodes in the model. The results show that the most influential nodes are of a political nature, which contradicts previous diagnoses identifying technical planning as the ultimate cause of problems.

Estructura y forma de la ciudad a través de la cartografía histórica: Castro Urdiales, Cantabria (1800-1960)

El presente artículo se plantea como objetivo el análisis de la evolución estructural y morfológica de un espacio urbano de rango y tamaño modestos, Castro Urdiales (Cantabria), desde su condición histórica de villa marinera hasta su consolidación como ciudad industrial moderna. Desde una perspectiva metodológica, la parte más substancial del análisis de la dinámica urbanística se apoya esencialmente en el uso de las imágenes cartográficas, como referencias documentales que proporcionan datos y testimonios que no se encuentran en otras fuentes. No obstante, como sucede con otras fuentes documentales, la información obtenida de mapas y planos ha sido combinada y complementada con otro tipo de fuentes coetáneas a las cartográficas. Y, por descontado, se han adoptado las oportunas precauciones, similares a las tomadas con las fuentes escritas, sobre posibles errores de información mediante el contraste y la comparación de unas y otras fuentes, cartográficas y literarias.

A three-dimensional representation method for noisy point clouds based on growing self-organizing maps accelerated on GPUs

The research described in this thesis was motivated by the need of a robust model capable of representing 3D data obtained with 3D sensors, which are inherently noisy. In addition, time constraints have to be considered as these sensors are capable of providing a 3D data stream in real time. This thesis proposed the use of Self-Organizing Maps (SOMs) as a 3D representation model. In particular, we proposed the use of the Growing Neural Gas (GNG) network, which has been successfully used for clustering, pattern recognition and topology representation of multi-dimensional data. Until now, Self-Organizing Maps have been primarily computed offline and their application in 3D data has mainly focused on free noise models, without considering time constraints. It is proposed a hardware implementation leveraging the computing power of modern GPUs, which takes advantage of a new paradigm coined as General-Purpose Computing on Graphics Processing Units (GPGPU). The proposed methods were applied to different problem and applications in the area of computer vision such as the recognition and localization of objects, visual surveillance or 3D reconstruction.

Model Probability in Self-organising Maps

Growing models have been widely used for clustering or topology learning. Traditionally these models work on stationary environments, grow incrementally and adapt their nodes to a given distribution based on global parameters. In this paper, we present an enhanced unsupervised self-organising network for the modelling of visual objects. We first develop a framework for building non-rigid shapes using the growth mechanism of the self-organising maps, and then we define an optimal number of nodes without overfitting or underfitting the network based on the knowledge obtained from information-theoretic considerations. We present experimental results for hands and we quantitatively evaluate the matching capabilities of the proposed method with the topographic product.