Análise da perda de terreos agrícolas na periferia de Lugo mediante regresións loxísticas e modelos de autómatas celulares

Abstract

As melloras tecnolóxicas da revolución industrial, xeraron un proceso de concentración da poboación nas cidades e de perda dos vínculos coas zonas rurais que as rodean. Estas dinámicas orixinaron un decaemento da agricultura local e unha perda de terreos agrícolas en favor de usos urbanos. Tendo en conta os retos que presentan o cambio climático, a escaseza de combustibles e o aumento da poboación urbana, xéranse unha serie de incertezas sobre soberanía e seguridade alimentarias ás que cómpre dar resposta mediante o fomento da agricultura periurbana. No presente traballo estudarase a evolución dos usos agrícolas da cidade de Lugo. Para iso analizáronse os cambios dos usos do solo cruzando mapas de usos de varios anos e utilizando regresións loxísticas. Finalmente xerouse un mapa de probabilidade de urbanización para o ano 2021 mediante un modelo de autómata celular que se cruzou cun mapa de aptitude agrícola para coñecer as zonas de alta aptitude agrícola con risco de seren urbanizadas. A metodoloxía empregada permitiu identificar factores condicionantes da perda de usos agrícolas e as zonas onde desenvolver políticas de planeamento que permitan preservar os mellores terreos agrícolas da periferia de LugoTechnology improvements during industrial revolution fostered a process of population concentration in cities and a loss of links with the rural areas that surround them. These dynamics originated a decay of local agriculture and a loss of agriculture land in favour of urban land uses. Considering the challenges that climate change, oil scarcity and a growing urban population impose, a series of uncertainties are generated around food safety and sovereignty which should be tackled by fostering peri-urban agriculture. In the present work, agriculture land uses in the city of Lugo will be studied. For this, land use changes were analysed crossing land use maps of several years and using logistic regressions. Finally an urbanization probability map was generated for 2021, using a cellular automata model. This map was crossed with an agriculture suitability map to identify areas with high suitability which risk to be urbanized. The used methodology, allowed identifying drivers of agriculture land loss and the areas where to implement planning policies aimed at preserving best agriculture land in the periphery of Lugo