Urban Expansion and Spatiotemporal Relationships with Driving Factors Revealed by Geographically Weighted Logistic Regression

Regresión Logística Geográficamente Ponderada para identificar los factores explicativos de la distribución de usos de suelo en escenarios futuros de crecimiento urbano

“…Boletín de la Asociación de Geógrafos Españoles, 88seleccionando posteriormente la misma cantidad de parcelas que no aplicaban crecimiento (valor 0) de forma aleatoria. De esta manera, el número de puntos codificados como 1 era equivalente al número de puntos codificados como 0 (Guanglong et al, 2017).…”

“…Los modelos globales, como pueden ser los modelos de regresión logística, generan un único conjunto de coeficientes para el área total analizada, expresando que un factor tiene el mismo efecto en todo el área estudiada (Guanglong et al, 2017). Se entiende, por consiguiente, que los tradicionales modelos de regresión logística asumen el mismo poder explicativo para todo el conjunto de datos, presentando homogeneidad en los datos espaciales, independientemente de su localización (Pineda Jaimes et al, 2010).…”

“…Por ello, los modelos de Regresión Logística Geográficamente Ponderada (RLGP) han experimentado un importante auge en las últimas décadas, mostrando especial interés en el estudio de las relaciones espaciotemporales entre los factores del crecimiento urbano (Guanglong, Erqi & Hongqi, 2017) o en su variabilidad espacial (Shafizadeh-Moghadam & Helbich, 2015).…”

“…Aunque han sido aplicados en diversos contextos espacialmente explícitos del transporte y la movilidad, como el cálculo de la demanda en las estaciones de metro (Gutierrez-Puebla, García-Palomares & Daniel-Cardozo, 2012) o la exploración espacial de la variabilidad en el comportamiento y modos de viaje (Nkeki & Asikhia, 2019), el presente artículo los emplea para explorar y comprender el proceso de expansión urbana (Guanglong et al, 2017;Luo & Wei, 2009;Mondal, Das & Dolui, 2015;Shafizadeh-Moghadam & Helbich, 2015), haciendo especial hincapié en su aplicación para mejorar modelos de simulación del crecimiento urbano basados en AC, y más concretamente, en la definición de las reglas de transición y la mejora de la precisión en las simulaciones (Mirbagheri & Alimohammadi, 2017).…”

Geospatial Analysis of Urban Expansion Using Remote Sensing Methods and Data: A Case Study of Yangtze River Delta, China

“…For example, based on an analysis of land consumption in Milan, Italy, Camagni et al [4] identified the following modes of urban expansion: packing, extension, linear expansion (along transportation lines), sprawling, and "satellite" type expansion. Extensions of this research allowed for the inclusion of physical, socioeconomic, accessibility, and neighborhood factors in the analysis of urban expansion and the spatiotemporal variation of relevant driving factors [5]. Moreover, new emerging technologies and methods-in particular, wide application of remote sensing technologies-have enabled urban expansion research on an immense spatiotemporal scale.…”