XI CONGRESO INTERNACIONAL DE INGENIERIA DE PROYECTOS

LUGO, 26-28 Septiembre, 2007

APLICACIÓN SIG PARA LA EVALUACIÓN DE LA APTITUD DE LA TIERRA

I. Santé Riveira(p), R. Crecente Maseda, D. Miranda Barrós

Abstract

In this paper, the design and programming of a Geographic Information System (GIS) application for the implementation of several land evaluation methodologies is described. Three land suitability evaluation techniques have been included in the application; FAO framework with limitation score, and two multicriteria evaluation methods, weighted linear summation and ideal point analysis. The three techniques allow to consider physical and socioeconomic factors in the suitability evaluation and provide continuous land suitability maps. This tool has been applied to obtain suitability maps for different land uses in the Terra Chá region (N.W. of Spain). The maps obtained by the different methods have been analyzed by comparing the areas allocated to each suitability class. Likewise, the influence of the metric used in the ideal point analysis was analyzed. Finally, the efficiency and usefulness of the GIS application were evaluated and its strong and weak points were shown. With this aim the time necessary for obtaining the suitability maps was compared with the time required to reach the same results by means of the tools available in a standard GIS. Also the complexity of the work process in both cases was analyzed, by comparing the required number of operations and intermediate files.

Keywords: Land suitability evaluation, multicriteria evaluation, FAO framework

Resumen

En este trabajo se describe el diseño y programación de una aplicación basada en un Sistema de Información Geográfica (SIG) para la implementación de diversas metodologías de evaluación de tierras. Se han incluido en la aplicación tres técnicas de evaluación de la aptitud de la tierra; el esquema FAO con puntuación de la limitación y dos métodos de evaluación multicriterio, la suma lineal ponderada y el análisis de punto ideal. Las tres técnicas permiten la consideración de factores físicos y socioeconómicos en la evaluación de la aptitud y proporcionan mapas de aptitud continuos. Esta herramienta ha sido aplicada para la obtención de mapas de aptitud para diferentes usos del suelo en la comarca de Terra Chá (Noroeste de España). Los mapas obtenidos mediante los distintos métodos han sido analizados comparando la superficie asignada a cada clase de aptitud. Asimismo, se analizó la influencia de la métrica utilizada en el análisis de punto ideal. Finalmente, se evaluó la eficacia y utilidad de la aplicación SIG, poniendo de manifiesto las fortalezas y puntos débiles de la misma. Para ello se comparó el tiempo necesario para la obtención de los mapas de aptitud con el tiempo requerido para alcanzar los mismos resultados mediante las herramientas disponibles en un SIG estándar. También se analizó la complejidad del proceso de trabajo en ambos casos, comparando las operaciones y los archivos intermedios necesarios.

Palabras clave: Evaluación de la aptitud de la tierra, evaluación multicriterio, esquema FAO

1038

1. Introducción

La evaluación de tierras consiste en la determinación del grado de satisfacción de los requerimientos de cada tipo de uso o actividad proporcionado por el suelo. Desde 1950 la evaluación de tierras ha evolucionado hacia métodos más cuantificados y precisos con una mayor repercusión de los factores no edafológicos (van Diepen, 1991). Sin embargo, actualmente todavía son ampliamente utilizados métodos como la Clasificación de la Capacidad de la Tierra del USDA (Klingebiel y Montgomery, 1961) o los índices paramétricos (Storie, 1933; Pierce et al., 1983; Boixadera y Porta, 1991). Debido a las diferencias existentes entre sistemas de evaluación de tierras en cuanto a terminología, propósito y procedimientos analíticos, en 1976 la FAO publicó A Framework for Land Evaluation, que permitió una estandarización de la metodología y la terminología y se convirtió en la principal referencia para la evaluación de tierras. El proceso central de este esquema es la comparación de las cualidades de cada unidad de tierra con los requerimientos de cada tipo de uso del suelo mediante diversos procedimientos descritos en publicaciones posteriores (FAO, 1983, 1985a, 1985b, 1993). El procedimiento de comparación que ha sido empleado tradicionalmente es la clasificación booleana, que implica una división brusca del territorio en diferentes clases de aptitud, lo que supone una gran pérdida de información (Burrough et al., 1992). Hall et al. (1992) proponen un método basado en la lógica borrosa para la clasificación de la aptitud de la tierra, según la cual una zona es caracterizada por su grado de pertenencia a las distintas clases de aptitud definidas por la FAO. Tang et al. (1991) y van Ranst et al. (1996) han aplicado la lógica borrosa a la combinación de las cualidades de la tierra en las clases de aptitud del esquema FAO. Triantafilis et al. (2001) incorporaron al esquema FAO un sistema semicuantitativo de evaluación del suelo rural para obtener mapas continuos de aptitud de la tierra. El esquema FAO también ha servido como base para el desarrollo de aplicaciones informáticas como ALES (Rossiter, 1990) o MicroLEIS (De la Rosa et al., 1992).

Actualmente el creciente desarrollo de modelos de simulación de cultivos (p. ej. Jones et al., 2003; Stöckle et al., 2003) responden a la necesidad de disponer de predicciones más cuantificadas y precisas sobre el rendimiento de los cultivos, a expensas de un mayor requerimiento de información. Otras investigaciones recientes se basan en el uso de la metodología de conjuntos borrosos en SIG para la valoración de la aptitud de la tierra (p. ej. Burrough, 1989; Davidson et al., 1994; Baja et al., 2002). Otras técnicas empleadas con este mismo propósito son los sistemas expertos (p. ej. Diamond y Wright, 1988; Yialouris et al., 1997), las redes neuronales (Wang, 1994) o la evaluación multicriterio.

Otro tipo de técnicas frecuentemente empleadas para la determinación del emplazamiento óptimo para una actividad son los métodos de evaluación multicriterio, los cuales permiten también la obtención de mapas continuos de aptitud. Dentro de la evaluación multicriterio, una de las técnicas más sencillas y más frecuentemente aplicada es la suma lineal ponderada (Mendoza, 1997; Eastman et al., 1998; Ridgley y Heil, 1998; Weerakoon, 2002). Otra técnica de evaluación multicriterio empleada con este propósito es el análisis de punto ideal, en el cual se calculan las distancias de cada alternativa a un punto ideal, de modo que la mejor alternativa será aquella que presente una menor distancia (Carver, 1991; Pereira y Duckstein, 1993; Barredo, 1996; Malczewski, 1996). Otro método de evaluación multicriterio que ha sido incorporado en distintas aplicaciones SIG para la realización de análisis de aptitud es el Proceso Analítico Jerárquico, basado en la estructuración jerárquica y comparación de pares de alternativas (p.ej., Banai, 1993; Eastman, 1995; Mendoza, 1997; Jun, 2000; Weerakon, 2002).

Para el diseño de la aplicación SIG se seleccionaron aquellas técnicas que permiten la evaluación de la aptitud para usos específicos, la consideración simultánea de factores biofísicos y socioeconómicos, y que proporcionan mapas de aptitud continuos, constituidos por valores numéricos cuantitativos. Las técnicas de evaluación multicriterio cumplen estas

1039

tres condiciones y el esquema FAO las dos primeras. Para que este esquema proporcionara mapas continuos, fue preciso emplearlo conjuntamente con el sistema de puntuación de la limitación de las características de la tierra (Triantafilis et al., 2001).

2. Objetivo

El objetivo de este estudio es el desarrollo, programación y evaluación de una aplicación basada en un SIG que facilite la implementación de las metodologías de evaluación de tierras que cumplen los criterios citados anteriormente. La aplicación de esta herramienta a la evaluación de la aptitud de la tierra para distintos usos del suelo en una comarca de Galicia (Noroeste de España) permitirá el análisis y comparación de los mapas de aptitud obtenidos con los diferentes métodos, y, por consiguiente, la evaluación de las diferentes técnicas, así como el análisis de la eficacia y utilidad de la aplicación SIG desarrollada.

3. Metodología

Se programaron tres comandos, integrados en la interfaz del SIG GeoMedia Professional, para la aplicación de los tres métodos de evaluación de tierras seleccionados; el esquema FAO con puntuación de la limitación y dos métodos de evaluación multicriterio, la suma lineal ponderada y el análisis de punto ideal.

3.1 Comando para la aplicación de la suma lineal ponderada

La suma lineal ponderada es el procedimiento de evaluación multicriterio más comúnmente empleado para la obtención de mapas de aptitud para una actividad y además es fácilmente implementable en un SIG ráster (Eastman, 1995). En la suma lineal ponderada los factores de evaluación son combinados aplicando un peso a cada uno y sumando los resultados según la siguiente ecuación:

(1)

donde ai es la aptitud de la celda i, wj es el peso asignado al factor j y xij es el valor del factor j en la celda i.

En este comando (fig. 1) el usuario debe seleccionar el número de factores de evaluación e introducir el mapa ráster correspondiente a cada factor de evaluación, así como el peso asignado a cada uno de ellos. Para la aplicación de este comando, las capas rástercorrespondientes a los factores de evaluación deben estar estandarizadas a una escala común y la suma de los pesos de los factores debe ser igual a 1.

3.2 Comando para la aplicación del análisis de punto ideal

El análisis de punto ideal es otra técnica de evaluación multicriterio de fácil aplicación en un SIG ráster y gran potencia operativa (Barredo, 1996), que se basa en el cálculo de la distancia de cada alternativa (celda) al punto ideal. El cálculo de la aptitud con este método se realiza mediante las ecuaciones 2 y 3:

(2)

(3)

1

J

i j ijj

a w x

max

max min

ii

L La

L L

1/

1

1

pJ

p

i j ijj

L w x

1040

Figura 1. Formulario del comando para la obtención de mapas de aptitud mediante la suma lineal ponderada

donde ai es la aptitud de la celda i, Lmax es el valor máximo de distancia, Lmin es el valor mínimo, Li es la distancia de la celda i al punto ideal, wj es el peso asignado al factor j, xij es el valor normalizado entre 0 y 1 del factor j en la celda i y p es la métrica para el cálculo de la distancia.

Al igual que en el caso anterior, para la ejecución de este comando (fig. 2) deben introducirse las capas ráster correspondientes a los factores de evaluación, las cuales deben estar en una escala normalizada entre 0 y 1, y sus pesos respectivos, que deben sumar 1. Además, el usuario puede modificar el grado de riesgo que está dispuesto a asumir, seleccionando el grado en que los factores con una puntuación baja pueden ser compensados por otros más positivos mediante la variación del valor del parámetro p, utilizado en el cálculo de la distancia al punto ideal. El resultado es un mapa de aptitud continuo con valores comprendidos entre 0 y 1.

3.3 Comando para la aplicación del esquema FAO

Para la ejecución de este comando el usuario debe reclasificar los valores (no necesariamente normalizados) de cada factor de evaluación en las cinco clases de aptitud del esquema FAO (FAO, 1976); S1, muy apto, S2, apto, S3, marginalmente apto, N1, actualmente no apto y N2, permanentemente no apto (fig. 3). Esta reclasificación puede hacerse mediante valores únicos en el caso de factores discretos, asignando cada valor individual a una clase de aptitud, o mediante rangos, en el caso de factores continuos, asignando a cada clase de aptitud un rango de valores. Según la clase de aptitud asignada a cada valor de un factor el programa le asigna una puntuación de limitación (Triantafilis et al., 2001); S1 – 0 puntos, S2 – 1 puntos, S3 – 3 puntos, N1 – 9 puntos, N2 – 27 puntos.

1041

Figura 2. Comando para la obtención de mapas de aptitud mediante el análisis de punto ideal

La suma de la puntuación de limitación de los factores introducidos proporciona la ‘puntuación de limitación acumulada’. Por último, el usuario debe seleccionar una función de pertenencia fuzzy lineal (ecuación 4) o sigmoidal (ecuación 5) para la obtención de la aptitud a partir de la estandarización de la puntuación de limitación acumulada:

minmax

max

ll

lla ii (4)

2cos

minmax

min2

ll

lla ii (5)

donde ai es la aptitud de la celda i, lmax es el valor máximo de limitación acumulada, lmin es el valor mínimo y li es la limitación acumulada en la celda i. El resultado es un mapa de aptitud continuo con valores comprendidos entre 0 y 1.

4. Caso de estudio

El área de estudio corresponde a la comarca de Terra Chá, una región del Noroeste de España con una superficie de 1832 km2. El 53% de esta superficie está dedicada a la actividad agrícola; el 25,7% a cultivos y el 27,5% a prados o pastizales. A esto hay que añadir un 26,6% de superficie de matorral y un 18,7% de zonas forestales (INE, 2002).

La evaluación de la aptitud de la tierra se realizó para los usos del suelo existentes en la región según las estadísticas agrarias de 2001: maíz, trigo, patata, forrajes verdes plurianuales, cultivos hortícolas, frutales, pasto, pastizal, eucalipto, pino y frondosas caducifolias. Para cada uso se identificaron una serie de factores físicos y socioeconómicos como determinantes de la aptitud de la tierra (Tabla 1).

1042

Figura 3. Comando para la obtención de mapas de aptitud mediante el esquema FAO

Maíz Trigo Patata Forrajes Hortalizas Frutales Prado Pastizal Eucalipto Resinosas FrondosasCapacidad agrológica X X X X X X X X X X X

Intensidad Bioclimática Libre

X X X

Régimen hídrico X X X X X X X X Mecanización X X X X X X X X Concentración

parcelaria X X X X X X X X

Tamaño de la parcela X X X X X X X X X X Accesibilidad carretera X X X X X X X X X X Distancia a mercados X X X X X X X X Distancia a red viaria X X X X X X X X

Comercialización X X X X X X X Nº agroindustrias X X X X X X X X

Industrias forestales X X Superficie reforestada X X

Nº agricultores X X X X X X X X Margen Bruto medio X X X X X X X X Titulares formados X X X X X X X X

Asociacionismo X X X X X X X X Uso actual del suelo X X X X X X X X X X X

Mapa forestal X X X Red Natura X X X

Tabla 1. Factores empleados en la evaluación de la aptitud de la tierra para cada uso del suelo.

1043

Cada uno de estos factores de evaluación se incorporó en el SIG como una capa ráster independiente. Para hacer comparables los mapas de los factores se llevó a cabo una normalización de los mismos mediante la ecuación 6, de modo que el valor 0 representa la mínima aptitud y el valor 1 la máxima:

ii

iii xx

xxe

minmax

min

(6)

siendo ei el valor normalizado de la alternativa i y xi el valor de la alternativa i. Los factores basados en datos temáticos se puntuaron entre 0 y 1 mediante un procedimiento de comparación por pares.

Para la aplicación del análisis de punto ideal se aplicaron dos valores estratégicos de p (fig.4 y fig. 5); p=2, que representa una compensación parcial entre los factores de evaluación, y p=10, ya que según Pereira y Duckstein (1993) para criterios estandarizados en el rango [0, 1] la mayor desviación domina totalmente la evaluación cuando p es mayor que un valor aproximadamente igual a 10. El valor p=1 supone una compensación total entre factores por lo que es equivalente a la suma lineal ponderada.

En el esquema FAO, la puntuación del grado de limitación de las cualidades de la tierra para los distintos usos se realizó mediante revisión bibliográfica y consultas a expertos.

5. Resultados

5.1 Análisis y evaluación de los mapas de aptitud

Los mapas de aptitud obtenidos por los tres métodos fueron clasificados en 10 categorías, usando intervalos iguales, con el fin de comparar la superficie (número de celdas) asignada a cada clase (veáse como ejemplo la fig 6).

Figura 4. Mapa de aptitud para el maíz obtenido mediante el análisis de punto ideal para p=2.

1044

Figura 5. Mapa de aptitud para el maíz obtenido mediante el análisis de punto ideal para p=10.

Maíz

0

10000

20000

30000

40000

50000

60000

70000

1 2 3 4 5 6 7 8 9 10

FAO, función sigmoidal FAO, función lineal

Análisis punto ideal, p=2 Análisis punto ideal, p=1

Análisis punto ideal, p=10

Figura 6. Superficie (ha) de las 10 clases de aptitud según los distintos métodos para el uso maíz.

El análisis de estos gráficos para cada uno de los usos del suelo revela que el esquema FAO asigna a las clases de aptitud muy baja una superficie menor que el análisis de punto ideal y, por el contrario, las clases de aptitud muy alta abarcan una mayor superficie en los mapas obtenidos mediante el esquema FAO.

Dentro del esquema FAO el empleo de una función de normalización sigmoidal hace que se asigne una mayor superficie a las clases de aptitud extremas; aptitud muy alta (clases de la 8-9 a la 10) o aptitud muy baja (clases de la 1 a la 3-4). La función lineal asigna una mayor superficie a las clases de aptitud intermedias. Esto es debido a la forma de estas funciones, ya que en la función sigmoidal los valores extremos de limitación implican una variación más gradual de la aptitud que en la función lineal.

En el análisis de punto ideal, con p=1 (suma lineal ponderada) se asigna un mayor porcentaje de superficie a las clases de aptitud muy alta (clases 8-10), debido a que la compensación entre criterios es total, es decir, si una celda tiene una puntuación baja en un conjunto de criterios pero posee una buena puntuación en otra serie de criterios todavía puede obtener una puntuación razonablemente alta (Pereira y Duckstein, 1993). Para p=10son difíciles de obtener puntuaciones muy altas, ya que la compensación entre criterios es débil, y debido a que el número de factores de evaluación es elevado, la probabilidad de que

1045

una zona presente valores altos para todos los factores es baja. Como consecuencia se asigna menos superficie a las clases de aptitud alta y mayor superficie a las clases de aptitud baja, siendo el punto de inflexión la clase 5 o la 6. La única excepción se produce en los usos forestales, debido probablemente a que el número de factores de evaluación es menor. Con p=2 se produce una situación intermedia con compensación parcial entre los criterios.

5.2 Análisis de la eficacia de la aplicación SIG

El tiempo necesario para la obtención de los mapas de aptitud con la aplicación diseñada en este trabajo fue comparado con el tiempo requerido para alcanzar los mismos resultados mediante un proceso tradicional, empleando las herramientas de análisis espacial y álgebra de mapas del SIG ArcView+Spatial Analyst. Como se puede observar en la tabla 2, el trabajo que implicó la programación de la aplicación se ve ampliamente compensado por una reducción significativa del tiempo y el esfuerzo requeridos mediante el método tradicional. Además de la reducción del tiempo de cálculo, la aplicación programada simplificó el proceso de trabajo, disminuyendo el número de operaciones llevadas a cabo por el usuario, así como el número de archivos intermedios creados antes de obtener el mapa final.

Para aplicar el análisis de punto ideal en un SIG estándar son necesarias las siguientes operaciones; 1) elevar a un número p el complementario de cada factor de evaluación, 2) multiplicar cada resultado por un peso y sumarlo, 3) elevar el resultado a 1/p, 4) realizar la normalización utilizando los valores mínimo y máximo del mapa resultante del paso 3, y 5) crear el archivo final. La suma lineal ponderada puede calcularse en un solo paso con la calculadora de mapas de cualquier SIG ráster, por lo que la aplicación sólo ahorra la operación de guardar el resultado final en un archivo. Sin embargo, la ventaja en este caso se deriva de que con la herramienta diseñada el usuario no tiene que conocer esta técnica ni la forma de implementarla, tan sólo debe seleccionar los factores de evaluación que considere oportunos y darles un peso.

Para la implementación del esquema FAO en un SIG estándar los procesos a realizar serían; 1) reclasificación de cada factor para asignar a cada valor del mismo la puntuación de limitación correspondiente, 2) suma de los factores reclasificados, 3) normalización de la puntuación de limitación, utilizando los valores máximo y mínimo del mapa resultante del paso anterior, y 4) creación del archivo final con el mapa de aptitud resultante.

Con la aplicación desarrollada las operaciones a realizar se reducen a una en todos los casos. A esta ventaja hay que añadir el hecho de que el usuario no tiene por qué conocer el desarrollo teórico de las técnicas ni la forma de implementar las mismas en un SIG.

6. Conclusiones

Se ha demostrado que el trabajo inicial de programación de la aplicación es compensado por la reducción del tiempo de trabajo de los técnicos y por la simplificación del proceso de este tipo de análisis. Esto se cumple principalmente en el caso del esquema FAO, ya que no existe ninguna aplicación SIG que facilite su aplicación. Además, la disponibilidad de una herramienta que incluye varios métodos de evaluación de tierras, y simplifica su ejecución, favorece la utilización de distintas metodologías en la realización de estudios de este tipo, lo cual permite la comparación de los resultados obtenidos con varios métodos y la selección de aquel que mejor se adapte a los requerimientos de un estudio específico.

1046

Suma lineal ponderada

Análisis de punto ideal

Esquema FAO

ArcView + Spatial Analyst

7 min. 30 min. 1 40 min. Tiemporequerido Aplicación

programada 6 min. 10 min. 15 min.2

ArcView + Spatial Analyst

2 19/18/13/93 19/18/13/103

Operacionesnecesarias Aplicación

programada 1 1 1

ArcView + Spatial Analyst

1 3 18/17/12/83

Archivoscreados3

Aplicaciónprogramada

1 1 1

Tabla 2. Análisis del rendimiento de la aplicación SIG

Referencias

Baja, D., Chapman, D. M. and Dragovich, D. (2002), “Using GIS-based continuous methods for assessing agricultural land-use potential in sloping areas”, Environment and Planning B: Planning and Design, Vol. 29, pp. 3-20.

Banai, R. (1993), “Fuzziness in Geographical Information Systems: contributions from the Analytic Hierarchy Process”, International Journal of Geographical Information Systems, Vol. 7(4), pp. 315-329.

Barredo, J. I. (1996), “Sistemas de Información Geográfica y Evaluación Multicriterio en la Ordenación del Territorio”, Ra-ma, Madrid.

Boixadera, J. and Porta, J. (1991). “Información de Suelos y Evaluación Catastral. Método del Valor Índice”, Centro de Gestión Catastral y Cooperación Tributaria, Ministerio de Economía y Hacienda, Madrid.

Burrough, P. A. (1989). “Fuzzy mathematical methods for soil survey and land evaluation”, Journal of Soil Science, Vol. 40, pp. 477-492.

Burrough, P. A., MacMillan, R. A. and Van Deursen, W. (1992), “Fuzzy classification methods for determining land suitability from soil profile observations and topography”, Journal of Soil Science, Vol. 43, pp. 193-210.

Carver, S. J. (1991), “Integrating multi-criteria evaluation with geographical information systems”, International Journal of Geographical Information Systems, Vol. 5(3), pp. 321-339.

Davidson, D. A., Theocharopoulos, S. P. and Bloksma, R. J. (1994), “A land evaluation project in Greece using GIS and based on Bolean and fuzzy set methodologies”, International Journal of Geographical Information Science, Vol. 8(4), pp. 369-384.

De la Rosa, D., Moreno, J. A., García, L. V. and Almorza, J. (1992), “MicroLEIS: A microcomputer-based mediterranean land evaluation information system”, Soil Use and Management, Vol. 8, pp. 89-96.

1 Dependiendo del número de factores de evaluación empleados 2 Dependiendo del número de factores de evaluación y del tiempo que tarde el usuario en introducir los rangos de valores para cada factor 3 Archivos creados para obtener un mapa de aptitud

1047

Diamond, J. T. and Wright, J. R. (1988), “Design of an integrated spatial information system for multiobjective land-use planning”, Environment and Planning B: Planning and Design,Vol. 15, pp. 205-214.

Eastman, J. R. (1995), “Idrisi for Windows, version 2 – User´s Guide”, Clark University,Worcester.

Eastman, J. R., Jiang, H. and Toledano, J. (1998), “Multi-criteria and multi-objective decision making for land allocation using GIS”, Multicriteria Analysis for Land-Use Management, pp. 227-251, Kluwer Academic Publishers, Dordrecht.

FAO. (1976), “Esquema para la Evaluación de Tierras”, FAO, Roma.

FAO. (1983), “Guidelines: Land Evaluation for Rainfed Agriculture. FAO Soils Bulletin nº 52”,FAO, Roma.

FAO. (1985a), “Guidelines: Land Evaluation for Irrigation. FAO Soils Bulletin nº 55”, FAO,Roma.

FAO. (1985b), “Evaluación de Tierras con Fines Forestales. Estudio FAO, Montes 48”, FAO,Roma.

FAO. (1993), “Guidelines for Land-Use Planning. FAO Development Series”, FAO, Roma.

Hall, G. B., Wang, F. and Subaryono. (1992), “Comparison of Boolean and fuzzy classification methods in land suitability analysis by using geographical information systems”, Environment and Planning A, Vol. 24, pp. 497-516.

INE. (2002), “Censo Agrario 1999”, INE, Madrid.

Jones, J. W., Hoogenboom, G., Porter, C. H., Boote, K. J., Batchelor, W. D., Hunt, L. A., Wilkens, P. W., Singh, U., Gijsman, A. J. and Ritchie, J. T. (2003), “The DSSAT cropping system model”, European Journal of Agronomy, Vol. 18, pp. 235-265.

Jun, Ch. (2000), “Design of a intelligent geographic information system for multi-criteria site analysis”, URISA Journal, Vol. 12(3), pp. 5-17.

Klingebiel, A. A. and Montgomery, P. H. (1961), “Land Capability Classification. USDA Agricultural Handbook 210”, US Goverment Printing Office, Washington DC.

Malczewski, J. (1996), “A GIS-based approach to multiple criteria group decision-making”, Journal of Geographical Information Systems, Vol. 10(8), pp. 955-971.

Mendoza, G. A. (1997), “A GIS-based multicriteria approaches to land use suitability assessment and allocation”, Seventh Symposium on Systems Analysis in Forest Resources,USDA Forest Service, Traverse City.

Pereira, J. M. C. and Duckstein, L. (1993), “A multiple criteria decision-making approach to GIS-based land suitability evaluation”, International Journal of Geographical Information Systems, Vol. 7(5), pp. 407-424.

Pierce, F. J., Larson, W. E., Dowdy, R. H. and Graham, W. A. P. (1983), “Productivity of soils: Assessing long-term changes due to erosion”, Journal of Soil and Water Conservation,Vol. 38, pp. 39-44.

Ridgley, M. A. and Heil, G. W. (1998), “Multicriteria planning of protected-area buffer zones: an application to Mexico`s Izta-Popo national park”, pp. 293-309, Kluwer Academic Publishers, Dordrecht.

Rossiter, D. G. (1990), “ALES: A framework for land evaluation using a microcomputer”, SoilUse and Management, Vol. 6(1), pp. 7-20.

1048

Stöckle, C. O., Donatelli, M. and Nelson, R. (2003), “CropSyst, a cropping system simulation model”, European Journal of Agronomy, Vol. 18, pp. 289-307.

Storie, R. E. (1933). “An Index for Rating the Agricultural Value of Soils”, University of California, Berkley.

Tang, H., Debaveye, J., Ruan, D. and Van Ranst, E. (1991), “Land suitability classification based on fuzzy set theory”, Pedologie, Vol. 41(3), pp. 277-290.

Triantafilis, J., Ward, W. T. and McBratney, A. B. (2001), “Land suitability assessment in the Namoi Valley of Australia, using a continuous model”, Australian Journal of Soil Research,Vol. 39, pp. 273-290.

Van Diepen, C. A., Van Keulen, H., Wolf, J. and Berkhout, J. A. A. (1991), “Land evaluation: from intuition to quantification”, Advances in Soil Science, pp. 139-204, Springer-Verlag, New York.

Van Ranst, E., Tang, H., Groenemans, R. and Sinthurahat, S. (1996), “Application of fuzzy logic to land suitability for rubber production in peninsular Thailand”, Geoderma, Vol. 70, pp. 1-19.

Wang, F. (1994), “The use of artificial neural networks in a geographical information system for agricultural land-suitability assessment”, Environment and Planning A, Vol. 26, pp. 265-284.

Weerakon, K. G. P. K. (2002), “Integration of GIS based suitability analysis and multicriteria evaluation for urban land use planning; contribution from the Analytic Hierarchy Process”, 3rd Asian Conference on Remote Sensing. Asian Association on Remote Sensing, Nepal.

Yialouris, C. P., Kollias, V., Lorentzos, N. A., Kalivas, D. and Sideridis, A. B. (1997), “An integrated Expert Geographical Information System for soil suitability and soil evaluation”, Journal of Geographic Information and Decision Analysis, Vol. 1(2), pp. 89-99.

Correspondencia

Inés Santé Riveira. Departamento de Ingeniería Agroforestal. Escuela Politécnica Superior. Campus Universitario s/n, 27002, Lugo, Spain. Phone: +34 982 285900 ext 23642 Fax: +34 982 285926 E-mail : isante@usc.es

1049