Localización y caracterización de los vertederos ilegales en las Islas Canarias. Modelado espacial y temporal de la ocurrencia de vertederos ilegales

Abstract

La gestión de los residuos depositados en vertederos ilegales (VI) es un problema importante para las sociedades contemporáneas debido al gran volumen de basura depositada y los impactos que generan para el medio ambiente y la salud humana. Esta tesis aborda la construcción de modelos de ocurrencia de VI a partir del modelado predictivo y la simulación. El modelado aplicado permitió obtener una cartografía exacta de zonas de ocurrencia potencial de VI, así como determinar las características socioeconómicas y medioambientales controladoras de esta, con la finalidad de servir de apoyo a los responsables de la aplicación de políticas dirigidas a la protección del medio ambiente y la planificación territorial. Se caracterizaron y modelaron 286 y 153 VI localizados durante el año 2016 a través del trabajo de campo y ortofotointerpretación en las islas de Gran Canaria (GC) y La Palma (LP), respectivamente. La caracterización y modelado de los VI se sirvió de una base de datos geoespacial generada a partir de la muestra de VI e información derivada de diferentes subconjuntos de características (117): tipo de residuo, control y vigilancia, socioeconómicas, accesibilidad, distancia a elementos de interés, visibilidad y fisiografía. Se aplicaron técnicas de anális is multivariante como análisis de componentes principales (ACP), regresión logística (RL) y análisis discriminante (AD). El ACP determinó las interrelaciones entre las características y simplificó el espacio de características. RL y AD permitieron establecer relaciones de causalidad entre las características independientes y la ocurrencia de VI. Ambos modelos destacaron el Índice de Vegetación de Diferencia Normalizada (NDVI), la pendiente, los cambios en los usos del suelo y la cercanía a núcleos urbanos como características decisivas en la ocurrencia de VI para LP. Mientras, en GC se destacó la influencia a la línea de costa, las transiciones en los usos del suelo a cubiertas artificia les o la densidad de invernaderos. Con AD, se obtuvieron cartografías de probabilidad de ocurrencia de VI y mapas de áreas potencialmente afectadas por VI. Probablemente la aportación más significativa de la tesis sea el desarrollo de una nueva metodología. Area Feature Constrained Random Forest (AFCRF), un nuevo método de selección de características aplicado a fenómenos binarios apoyado en el algoritmo Gaussian Reguralized Random Forest (GRRF). AFCRF tiene como novedad la optimizac ión conjunta de la exactitud cartográfica global y la minimización del área afectada a través de las ratios de éxitos. Por último, se investigó la ocurrencia de VI en dos zonas pilotos de la isla de GC, bajo la consideración de los VI como un sistema dinámico y complejo. Ello permitió evaluar la progresión de los VI entre periodos, analizando la dimensión temporal del crecimiento de los VI y su relación con los procesos de cambios de usos del suelo, como el “boom inmobiliario”. A diferencia de los estudios centrados en el modelado predictivo de VI, esta aproximación transcendió por primera vez al mero análisis de su ubicación, y permitió estimar conjuntamente la dimensión espacial y temporal de la ocurrencia de los VI, simulando la ocurrencia de VI entre 2000 y 2018 en base a modelos de autómatas celulares.

The management of waste deposited in illegal landfills (ILs) is a significant problem in contemporary societies due to the large volume of refuse deposited and the respective impacts on the environment and human health. This thesis addresses the construction of IL occurrence models based on predictive modelling and simulation. The modelling applied enabled a precise mapping of potential IL occurrence zones to be obtained, and to determine the socioeconomic and environmental features controlling them, the aim being to support officials responsible for applying environmental protection and territoria l planning policies. A total of 286 and 153 IL respectively located during the year 2016 on the islands of Gran Canaria (GC) and La Palma (LP) through fieldwork and orthophoto interpretation were characterised and modelled. The characterization and modelling of the IL also used a geospatial database generated from a sampling of IL and informa t ion derived from various feature subsets (117): waste type, control and vigilance, socioeconomic, accessibility, distance to elements of interest, visibility and physiography. Multivariate analysis techniques were applied, such as principa l component analysis (PCA), logistic regression (LR) and discriminant analysis (DA). PCA determined the interrelationships between features and simplified the feature space. LR and DA enabled causal relationships to be established between the independent features and IL occurrence. Both models highlighted the NDVI, slope, land-use changes and proximity to urban centres as decisive features for IL occurrence in LP, while in GC the influence of the coastline, land-use transitions to artificial coverage or greenhouse density stood out. DA was used to obtain maps of the probability of IL occurrence and of areas potentially affected by IL. The development of a new methodology is probably the most significant contribution of the thesis. Area Feature Constrained Random Forest (AFCRF) is a new feature selection method applied to binary phenomena and supported by the Gaussian Regularised Random Forest (GRRF) algorithm. A novelty of AFCRF is the joint optimisation of overall mapping accuracy and minimisation of the affected area by success ratios. Finally, IL occurrence was investigated in two pilot zones on the island of GC, considering IL as a dynamic and complex system. This enabled evaluation of IL progression between periods, analysing the time dimension of IL growth and its relationship to land-use change processes such as the’ housing bubble’. Unlike studies that focus on predictive IL modelling, this approach for the first time went beyond mere analysis of their location and enabled joint estimation of the spatial and time dimension of IL occurrence, simulating IL occurrence between 2000 and 2018 based on cellular automata models.