{"id":15182,"date":"2025-09-03T10:00:00","date_gmt":"2025-09-03T08:00:00","guid":{"rendered":"https:\/\/www.sigterritoires.fr\/?p=15182"},"modified":"2025-08-24T09:25:15","modified_gmt":"2025-08-24T07:25:15","slug":"logica-difusa-y-sig-1-2-una-alternativa-al-todo-o-nada-para-el-analisis-geografico","status":"publish","type":"post","link":"https:\/\/www.sigterritoires.fr\/index.php\/es\/logica-difusa-y-sig-1-2-una-alternativa-al-todo-o-nada-para-el-analisis-geografico\/","title":{"rendered":"L\u00f3gica difusa y SIG (1\/2): una alternativa al todo o nada para el an\u00e1lisis geogr\u00e1fico"},"content":{"rendered":"\n

<\/span>Modelar la incertidumbre y las transiciones progresivas en QGIS gracias al plugin FuzzyAttributes.<\/span><\/h2>\n\n\n\n
\n\n\n\n
En geograf\u00eda, no todo es blanco o negro. Sin embargo, las herramientas SIG suelen imponer opciones binarias. \u00bfQu\u00e9 hacer con las zonas de transici\u00f3n? \u00bfY con los criterios parcialmente cumplidos? Con la l\u00f3gica difusa, puede representar realidades m\u00e1s sutiles, asignando grados de pertenencia a los objetos geogr\u00e1ficos. El complemento FuzzyAttributes le permite aplicar estos conceptos en QGIS f\u00e1cilmente. Un avance muy valioso para el an\u00e1lisis medioambiental, la ordenaci\u00f3n del territorio o los estudios de vulnerabilidad.<\/p>\n\n\n\n
\n\n\n
\n
\n
Contenu <\/p>\nToggle<\/span>
Modelar la incertidumbre y las transiciones progresivas en QGIS gracias al plugin FuzzyAttributes.<\/a><\/li>
\u00bfPor qu\u00e9 utilizar valores difusos en el an\u00e1lisis espacial?<\/a>
El mundo no es binario<\/a><\/li>
Qu\u00e9 son los valores difusos<\/a><\/li>
El inter\u00e9s del an\u00e1lisis multicriterio<\/a><\/li><\/ul><\/li>
En resumen<\/a>
Caso real: evaluar una zona de riesgo<\/a><\/li><\/ul><\/li>
El plugin FuzzyAttributes: una herramienta al servicio de los matices.<\/a><\/li>
Las funciones de pertenencia: transformar los datos en juicios difusos<\/a>
1. Lineal creciente.<\/a><\/li>
2. Lineal decreciente<\/a><\/li>
3. Trapezoidal<\/a><\/li>
4. Triangular<\/a><\/li>
5. Sigmoide ascendente (S)<\/a><\/li>
6. Sigmoide decreciente (Z)<\/a><\/li>
7. Gaussiana<\/a><\/li><\/ul><\/li>
Normalizaci\u00f3n frente a transformaci\u00f3n difusa: \u00bfcu\u00e1l es la diferencia?<\/a>
Normalizaci\u00f3n lineal cl\u00e1sica<\/a><\/li>
Transformaci\u00f3n difusa (funci\u00f3n de pertenencia)<\/a><\/li><\/ul><\/li>
Continuar\u00e1\u2026<\/a><\/li><\/ul><\/nav><\/div>\n\n\n\n\n
\n\n\n\n
<\/span>\u00bfPor qu\u00e9 utilizar valores difusos en el an\u00e1lisis espacial?<\/span><\/h2>\n\n\n\n
En nuestro trabajo diario con los SIG (Sistemas de Informaci\u00f3n Geogr\u00e1fica), a menudo tenemos que trabajar con datos num\u00e9ricos precisos: una tasa, una distancia, un porcentaje. Pero en muchas situaciones, la realidad no es tan clara. Es vaga<\/strong>, incierta <\/strong>o subjetiva<\/strong>. Y ah\u00ed es donde entran en juego los valores difusos<\/strong>.<\/p>\n\n\n\n
\n\n\n\n
<\/span>El mundo no es binario<\/span><\/h3>\n\n\n\n
Tomemos un ejemplo sencillo: \u00bfun suelo es \u00ab\u00e1cido\u00bb? Si nos basamos \u00fanicamente en un umbral de pH, podr\u00edamos decir:<\/p>\n\n\n\n
\n
S\u00ed, si es inferior a 5,5<\/li>\n\n\n\n
No, si es superior<\/li>\n<\/ul>\n\n\n\n
Pero, \u00bfy un suelo con un pH de 5,6? \u00bfEs realmente tan diferente de un suelo con un pH de 5,4?<\/p>\n\n\n\n
En realidad, la transici\u00f3n es gradual. Es m\u00e1s correcto decir que el suelo es m\u00e1s bien \u00e1cido o moderadamente \u00e1cido. Es este matiz el que permite la l\u00f3gica difusa.<\/p>\n\n\n\n
\n\n\n\n
<\/span>Qu\u00e9 son los valores difusos<\/span><\/h3>\n\n\n\n
Un valor difuso no dice simplemente \u00abs\u00ed\u00bb o \u00abno\u00bb. Expresa un grado de pertenencia a una categor\u00eda. Por ejemplo:<\/p>\n\n\n\n
pH<\/strong><\/td> Grado de pertenencia a \u00absuelo \u00e1cido\u00bb<\/strong><\/td><\/tr><\/thead>
4.5<\/td> 1.0 (muy \u00e1cido)<\/td><\/tr>
5.0<\/td> 0.8<\/td><\/tr>
5.5<\/td> 0.5<\/td><\/tr>
6.0<\/td> 0.2<\/td><\/tr>
7.0<\/td> 0.0 (neutro)<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
Este tipo de representaci\u00f3n permite traducir mejor los fen\u00f3menos continuos en los procesos de decisi\u00f3n.<\/p>\n\n\n\n
\n\n\n\n
<\/span>El inter\u00e9s del an\u00e1lisis multicriterio<\/span><\/h3>\n\n\n\n
Cuando entran en juego varios criterios \u2014por ejemplo, para determinar la aptitud de un terreno para la agricultura o la vulnerabilidad de un territorio\u2014, a menudo resulta dif\u00edcil combinar umbrales r\u00edgidos.<\/p>\n\n\n\n
Las funciones difusas permiten:<\/p>\n\n\n\n
\n
Tener en cuenta la incertidumbre o la subjetividad de los umbrales.<\/li>\n\n\n\n
Traducir juicios de expertos como \u00abun suelo ligeramente \u00e1cido es aceptable\u00bb,<\/li>\n\n\n\n
Ponderar criterios con pesos desiguales o respuestas asim\u00e9tricas.<\/li>\n<\/ul>\n\n\n\n
\n\n\n\n
<\/span>En resumen<\/span><\/h2>\n\n\n\n
Sin l\u00f3gica difusa<\/strong><\/td> Con l\u00f3gica difusa<\/strong><\/td><\/tr><\/thead>
Umbrales fijos y arbitrarios<\/td> Transiciones progresivas<\/td><\/tr>
0 o 1<\/td> Grado de pertenencia (por ejemplo, 0,7)<\/td><\/tr>
Decisiones abruptas<\/td> Matices y ponderaciones precisas<\/td><\/tr>
Riesgo de excluir en exceso<\/td> Mejor inclusividad anal\u00edtica<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n\n\n\n
<\/span>Caso real: evaluar una zona de riesgo<\/span><\/h3>\n\n\n\n
Imaginemos que queremos evaluar la vulnerabilidad a la erosi\u00f3n de una cuenca hidrogr\u00e1fica, combinando:<\/p>\n\n\n\n
\n
La pendiente,<\/li>\n\n\n\n
El tipo de suelo,<\/li>\n\n\n\n
La cubierta vegetal.<\/li>\n<\/ul>\n\n\n\n
Cada uno de estos factores puede difuminarse:<\/p>\n\n\n\n
\n
Una pendiente suave \u2192 vulnerabilidad baja (0,2),<\/li>\n\n\n\n
Un suelo limoso \u2192 vulnerabilidad media (0,6),<\/li>\n\n\n\n
Un suelo desnudo \u2192 vulnerabilidad alta (0,9).<\/li>\n<\/ul>\n\n\n\n
Una funci\u00f3n de agregaci\u00f3n difusa permite combinar estas puntuaciones teniendo en cuenta su importancia relativa (la pendiente es m\u00e1s cr\u00edtica que el suelo, por ejemplo), para producir un mapa de riesgo difuso, mucho m\u00e1s informativo que una simple clasificaci\u00f3n \u00abRiesgo\/Sin riesgo\u00bb.<\/p>\n\n\n\n
\n\n\n\n
<\/span>El plugin FuzzyAttributes<\/em>: una herramienta al servicio de los matices.<\/span><\/h2>\n\n\n\n
El plugin FuzzyAttributes ha sido dise\u00f1ado para convertir atributos num\u00e9ricos en valores difusos y combinarlos mediante funciones de agregaci\u00f3n personalizadas.<\/p>\n\n\n\n
Ofrece:<\/p>\n\n\n\n
\n
Funciones difusas cl\u00e1sicas (lineal, triangular, gaussiana, sigmoidea, etc.).<\/li>\n\n\n\n
Una herramienta visual para configurar las funciones,<\/li>\n\n\n\n
La posibilidad de agregar varios criterios seg\u00fan l\u00f3gicas asim\u00e9tricas,<\/li>\n\n\n\n
Una exportaci\u00f3n a un campo GeoPackage<\/a> listo para usar.<\/li>\n<\/ul>\n\n\n\n
Gracias a esta herramienta, puede pasar de una visi\u00f3n r\u00edgida del mundo a un an\u00e1lisis m\u00e1s flexible, m\u00e1s fiel a la complejidad de la realidad.<\/p>\n\n\n\n
\n\n\n\n
<\/span>Las funciones de pertenencia: transformar los datos en juicios difusos<\/span><\/h2>\n\n\n\n
Estas son las principales funciones disponibles en el plugin FuzzyAttributes, con ejemplos concretos:<\/p>\n\n\n\n
<\/span>1. Lineal creciente.<\/strong><\/span><\/h3>\n\n\n\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
\n
Se utiliza cuando \u00abcuanto m\u00e1s grande, mejor\u00bb.<\/li>\n\n\n\n
Ejemplo: la altitud para una especie de monta\u00f1a, donde la aptitud aumenta progresivamente desde los 800 m hasta los 1800 m.<\/li>\n\n\n\n
Par\u00e1metros: a (valor m\u00ednimo) y b (valor m\u00e1ximo).\n
\n
F\u00f3rmula:\n
\n
0 si x \u2264 a<\/li>\n\n\n\n
(x \u2212 a) \/ (b \u2212 a) si a < x < b<\/li>\n\n\n\n
1 si x \u2265 b<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>2. Lineal decreciente<\/strong><\/span><\/h3>\n\n\n\n\n
Caso inverso: \u00abcuanto m\u00e1s grande, mejor\u00bb.<\/li>\n\n\n\n
Ejemplo: \u00edndice de contaminaci\u00f3n, donde un valor alto es malo.<\/li>\n\n\n\n
Par\u00e1metros: a, b como anteriormente, pero invertidos.<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>3. Trapezoidal<\/strong><\/span><\/h3>\n\n\n\n\n
Representa una zona de \u00abpertenencia plena\u00bb rodeada de transiciones.<\/li>\n\n\n\n
Ejemplo: una temperatura ideal entre 18 \u00b0C y 22 \u00b0C, aceptable entre 16 \u00b0C y 24 \u00b0C.<\/li>\n\n\n\n
Par\u00e1metros: a (inicio de la transici\u00f3n), b (inicio de la zona ideal), c (fin de la zona ideal), d (fin de la transici\u00f3n).<\/li>\n<\/ul>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>4. Triangular<\/strong><\/span><\/h3>\n\n\n\n\n
Variante simplificada de la trapezoidal.<\/li>\n\n\n\n
Ejemplo: anotar una humedad \u00abideal\u00bb en un punto concreto (por ejemplo, 65 %), pero tolerar una imprecisi\u00f3n alrededor.<\/li>\n\n\n\n
Par\u00e1metros: a (inicio de la subida), b (pico), c (fin de la bajada).<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>5. Sigmoide ascendente (S)<\/strong><\/span><\/h3>\n\n\n\n\n
Representa un crecimiento lento, luego r\u00e1pido y luego estabilizado.<\/li>\n\n\n\n
Ejemplo: aceptabilidad del caudal de un r\u00edo para el riego.<\/li>\n\n\n\n
Par\u00e1metros: c (valor central), \u03b1 (pendiente).<\/li>\n<\/ul>\n\n\n\n
<\/p>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>6. Sigmoide decreciente (Z)<\/strong><\/span><\/h3>\n\n\n\n\n
Curva en \u00abZ invertida\u00bb: decrecimiento lento \u2192 r\u00e1pido \u2192 meseta.<\/li>\n\n\n\n
Ejemplo: tolerancia a la salinidad del suelo para un cultivo..<\/li>\n<\/ul>\n\n\n\n
.<\/p>\n\n\n\n
\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
<\/span>7. Gaussiana<\/strong><\/span><\/h3>\n\n\n\n
\n
Funci\u00f3n en forma de campana.<\/li>\n\n\n\n
Ejemplo: sensibilidad \u00f3ptima de una planta a un pH espec\u00edfico.<\/li>\n\n\n\n
Par\u00e1metros: c (centro), \u03c3 (desviaci\u00f3n est\u00e1ndar que controla la anchura).<\/li>\n<\/ul>\n\n\n\n
.<\/p>\n\n\n\n
\n\n\n\n
<\/span>Normalizaci\u00f3n frente a transformaci\u00f3n difusa: \u00bfcu\u00e1l es la diferencia?<\/span><\/h2>\n\n\n\n
<\/span>Normalizaci\u00f3n lineal cl\u00e1sica<\/span><\/h3>\n\n\n\n
La normalizaci\u00f3n min-max consiste en convertir un valor num\u00e9rico bruto x a una escala normalizada que va de 0 a 1.
Se realiza restando el valor m\u00ednimo del conjunto y dividi\u00e9ndolo por el intervalo max\u2061(x)\u2212min\u2061(x) seg\u00fan la f\u00f3rmula:<\/p>\n\n\n\n
x_{norm<\/sub>=x\u2212min\u2061(x) \/ max\u2061(x)\u2212min\u2061(x)<\/p>\n\n\n\n}
\n
Ventaja<\/strong>: r\u00e1pida, universal, intuitiva.<\/li>\n\n\n\n
Desventaja<\/strong>: no tiene en cuenta el significado de los valores. Todo se trata como proporcional.<\/li>\n<\/ul>\n\n\n\n
Ejemplo<\/strong>:
Para una temperatura entre 10 \u00b0C y 30 \u00b0C, 20 \u00b0C se convierte en 0,5\u2026 pero eso no significa necesariamente que 20 \u00b0C sea \u00abmoderadamente favorable\u00bb. Simplemente se encuentra en el medio del intervalo.<\/p>\n\n\n\n
\n\n\n\n
<\/span>Transformaci\u00f3n difusa (funci\u00f3n de pertenencia)<\/span><\/h3>\n\n\n\n
La transformaci\u00f3n difusa no se limita a \u00abreescalar\u00bb: expresa un grado de satisfacci\u00f3n, preferencia o pertenencia a una categor\u00eda.<\/p>\n\n\n\n
Por ejemplo, una temperatura de 20 \u00b0C puede ser:<\/p>\n\n\n\n
\n
perfecta (pertenencia = 1) para una especie,<\/li>\n\n\n\n
aceptable (pertenencia = 0,6),<\/li>\n\n\n\n
insuficiente (pertenencia = 0,2),
en funci\u00f3n de una funci\u00f3n definida por el experto o el modelo.<\/li>\n<\/ul>\n\n\n\n
Esto permite:<\/p>\n\n\n\n
\n
modelar preferencias humanas o biol\u00f3gicas,<\/li>\n\n\n\n
hacer que el sistema sea m\u00e1s resistente a variaciones extremas,<\/li>\n\n\n\n
introducir zonas de incertidumbre o transici\u00f3n (por ejemplo, \u00abni bueno ni malo\u00bb).<\/li>\n<\/ul>\n\n\n\n
\n\n\n\n
Comparaci\u00f3n visual<\/strong><\/p>\n\n\n\n
Valor bruto<\/strong><\/td> Normalizado (lineal)<\/strong><\/td> Difuso (triangular centrado en 20 \u00b0C)<\/strong><\/td><\/tr><\/thead>
10 \u00b0C<\/td> 0.0<\/td> 0.0<\/td><\/tr>
15 \u00b0C<\/td> 0.25<\/td> 0.5<\/td><\/tr>
20 \u00b0C<\/td> 0.5<\/td> 1.0 (optimum)<\/td><\/tr>
25 \u00b0C<\/td> 0.75<\/td> 0.5<\/td><\/tr>
30 \u00b0C<\/td> 1.0<\/td> 0.0<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n
\n\n\n\n
Conclusi\u00f3n<\/strong><\/p>\n\n\n\n
\n
La normalizaci\u00f3n es \u00fatil para que los datos sean comparables.<\/li>\n\n\n\n
La transformaci\u00f3n difusa es esencial cuando se desea modelar preferencias, incertidumbres o juicios cualitativos.<\/li>\n<\/ul>\n\n\n\n
En resumen:
Normalizaci\u00f3n = escalado<\/strong>
Difusa = interpretaci\u00f3n del significado<\/strong><\/p>\n\n\n\n
\n\n\n\n
A continuaci\u00f3n se muestra un gr\u00e1fico que compara dos m\u00e9todos de transformaci\u00f3n de un atributo num\u00e9rico:<\/p>\n\n\n
\n
$\"\"$ <\/a><\/figure>\n<\/div>\n\n\n
\n
Normalizaci\u00f3n lineal<\/strong> (m\u00edn.-m\u00e1x.): transforma linealmente una variable entre 0 y 1. Cada valor se convierte proporcionalmente en funci\u00f3n de sus l\u00edmites.<\/li>\n\n\n\n
Transformaci\u00f3n difusa <\/strong>(funci\u00f3n triangular): otorga la m\u00e1xima importancia a un valor central (en este caso, 20 \u00b0C) y disminuye sim\u00e9tricamente hacia 0.<\/li>\n<\/ul>\n\n\n\n
Diferencia esencial:<\/strong><\/p>\n\n\n\n
\n
La normalizaci\u00f3n no da ninguna preferencia: 30 se considera tan importante (1) como 20.<\/li>\n\n\n\n
La transformaci\u00f3n difusa integra una zona de m\u00e1xima relevancia (el v\u00e9rtice de la funci\u00f3n) y traduce la idea de valores m\u00e1s o menos compatibles con un criterio ideal.<\/li>\n<\/ul>\n\n\n\n
Este principio es fundamental para modelar las preferencias humanas, los umbrales difusos o las zonas de incertidumbre.<\/p>\n\n\n\n
\n\n\n\n
<\/span>Continuar\u00e1\u2026<\/span><\/h2>\n\n\n\n

En una segunda parte, veremos c\u00f3mo combinar varios mapas o indicadores difusos mediante funciones de agregaci\u00f3n. Este paso permitir\u00e1 pasar de an\u00e1lisis aislados a una s\u00edntesis global, teniendo en cuenta la incertidumbre y las preferencias propias de cada proyecto.<\/p>\n\n\n\n
\n\n\n\n
<\/p>\n","protected":false},"excerpt":{"rendered":"
Modelar la incertidumbre y las transiciones progresivas en QGIS gracias al plugin FuzzyAttributes. En geograf\u00eda, no todo es blanco o negro. Sin embargo, las herramientas SIG suelen imponer opciones binarias. \u00bfQu\u00e9 hacer con las zonas de…<\/p>\n","protected":false},"author":1,"featured_media":15186,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"give_campaign_id":0,"_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"sfsi_plus_gutenberg_text_before_share":"","sfsi_plus_gutenberg_show_text_before_share":"","sfsi_plus_gutenberg_icon_type":"","sfsi_plus_gutenberg_icon_alignemt":"","sfsi_plus_gutenburg_max_per_row":"","_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"jetpack_post_was_ever_published":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[3580,3442,1357],"tags":[3584,3632,3582,1762,1369],"class_list":["post-15182","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-fzy-es","category-pluigin-es","category-qgis-es","tag-atributos","tag-fuzzyattributes-es","tag-logica-difusa","tag-plugin-es","tag-qgis-es"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/www.sigterritoires.fr\/wp-content\/uploads\/2025\/08\/fzy_attr_image-2.jpg?fit=1084%2C582&ssl=1","jetpack_shortlink":"https:\/\/wp.me\/p6XU0A-3WS","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/15182","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/comments?post=15182"}],"version-history":[{"count":0,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/posts\/15182\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media\/15186"}],"wp:attachment":[{"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/media?parent=15182"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/categories?post=15182"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sigterritoires.fr\/index.php\/wp-json\/wp\/v2\/tags?post=15182"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}