Los Sistemas de Información Geográfica (SIGs) son herramientas técnicas que junto con los sistemas de percepción remota permiten la captura, observar y monitorear los recursos naturales, así como el almacenamiento y análisis de los resultados de estas observaciones (Bocco, 1998). Bocco et al. (1991) definen a un SIG como un conjunto de programas de computación que permite el acopio, manipulación y transformación de datos espaciales (mapas, imágenes de satélite) y no espaciales (atributos) provenientes de varias fuentes, temporal y espacialmente diferentes.
Se han dado diversas definiciones de SIGs. La primera referencia al término SIG es propuesta por Tomlinson (1967) referida a una aplicación informática cuyo objetivo era desarrollar un conjunto de tareas con información geográfica digitalizada. Se trataba del Sistema de Información Geográfica de Canadá (CGIS).
Por su parte, Berry (1996) años más tarde definió un SIGs como un sistema informático diseñado para el manejo, análisis y cartografía de información espacial. Mientras que Burrough y Mcdonell en 1998, amplían el concepto a un sistema de herramientas para reunir, introducir, almacenar, recuperar, transformar, y cartografiar datos espaciales sobre el mundo real para un conjunto particular de objetivos. Para 1990 el National Center for Geographic Information and Analysis (NCGIA) de USA, los define como Sistema de hardware, software y procedimientos elaborados para facilitar la obtención gestión, manipulación, análisis, modelado, representación y salida de datos espacialmente referenciados para resolver problemas complejos de planificación y gestión. Estas definiciones no sólo son consecutivas en el tiempo, sino que además cada una supone un mayor nivel de complejidad sobre la anterior.
Así los SIG son herramientas para crear y manipular datos geográficos. Estos datos pueden ser abióticos (rocas, formas del relieve y suelo); bióticos (flora y fauna); socioeconómicos (capital demográfico, producción, circulación y consumo de bienes); y culturales (cosmovisión comunitaria, toponimia, etnoconocimientos). Gran parte de estos datos existen en formato analógico o digital (mapas censos, encuestas) y otros son creados por la comunidad, donde
generalmente se recurre a técnicas de interpretación de fotografías aéreas y/o imágenes de satélite (Bocco, 1998).
Rosete y Bocco (2003) reconocen cuatro elementos de los cuales están integrados los SIG: 1) el módulo de entrada de datos (selección y captura); 2) el módulo de manejo de datos (almacenamiento, recuperación, base de datos geográficos); 3) el módulo de análisis de datos (modelamiento, reglas o normas de análisis, monitoreo); y 4) el módulo de salida de la información (productos generados, intermedios o finales).
Los SIG son importantes porque integran información espacial y no espacial en un sistema simple, ofreciendo un marco consistente para el análisis de los datos geográficos. Su objetivo general, es generar información válida para la toma de decisiones. Mientras que sus objetivos específicos, son manejar bases de datos grandes y heterogéneas referenciadas geográficamente, interrogar a las bases de datos sobre la existencia de ciertos fenómenos (qué sucede, en dónde y cuándo), permitir la interacción en forma flexible del sistema y el intérprete, incrementar el conocimiento sobre el fenómeno estudiado e implementar modelos sobre su comportamiento (Rosete y Bocco, 2003).
Para estudiar y caracterizar los recursos naturales así como los procesos socioambientales que ocurren en un territorio específico se requiere conocer los aspectos en lo espacial y temporal. Para ello es necesario utilizar el dato geográfico, es decir, un descriptor del objeto en el espacio y tiempo. Estos datos geográficos pueden ser de índole biofísica (ecogeográfica) como socioeconómica y cultural. De esta manera, los datos geográficos permiten describir en forma integral los recursos naturales de una comunidad, sus usuarios y el resultado de este aprovechamiento. Además los datos geográficos expresan en forma computarizada, la relación que en toda comunidad existe entre la oferta ambiental así como la demanda social en un tiempo y espacio determinado (Bocco, 1998).
La inclusión de información espacial y temática permite llevar a cabo consultas de diversos tipos, desde las más simples a las más complejas, así como ejecutar modelos cartográficos o dinámicos. La mayor utilidad de un sistema de información geográfico está relacionada con la
capacidad que posee de construir modelos de simulación o representaciones del mundo real para analizar fenómenos específicos a partir de bases de datos digitales, esto se logra aplicando una serie de procedimientos y herramientas específicas que generan aún más información para dicho análisis.
Los modelos de simulación espacial de cambio de uso del suelo se han transformado en una poderosa herramienta de análisis espacial orientada, principalmente, a los siguientes aspectos: (a) Explorar los variados mecanismos que fuerzan los cambios de uso del suelo y las variables sociales, económicas y espaciales que conducen a esto; (b) Proyectar los potenciales impactos ambientales y socioeconómicos derivados de los cambios en el uso del suelo, y; (c) Evaluar la influencia de alternativas políticas y regímenes de manejo sobre los patrones de desarrollo y uso del suelo (Aguayo, 2006).
Los modelos de simulación espacial de cambio de uso del suelo usan parámetros simples, incluyendo la extensión de las actuales áreas urbanas, las principales vías de transporte, la distancia a los mercados de trabajo, bienes e insumos, las condiciones topográficas y la existencia de tierras en situación especial (áreas protegidas). El esfuerzo principal de la modelación, es la identificación de los factores físicos y socioeconómicos que determinan o condicionan la presión sobre el cambio de uso del suelo en un territorio determinado.
Dos aproximaciones prevalecen en la modelación de patrones espaciales de los cambios de uso del suelo: (a) Modelos basados en regresión; y (b) Modelos en base a transición espacial. Los primeros establecen relaciones entre un amplio rango de variables predictivas y las probabilidades de cambio de uso del suelo.
La influencia de estos factores locales sobre el cambio de uso es tradicionalmente modelada con la función de decaimiento de distancia, donde la influencia decrece con el incremento de esta medida (Theobald y Hobbs, 1998; Weng, 2002). Generalmente, en la modelación en base a regresión se han usado aproximaciones lineales, no lineales, vinculadas a redes neuronales, y modelos aditivos generalizados (Pijanowsk, 2005: 197-215.).