Resumen de Modelos de evaluación de la importancia del impacto ambiental en contextos complejos bajo incertidumbre
Yeleny Zulueta Véliz
La EIIA, a partir de juicios de expertos, anticipa los futuros impactos ambientales negativos y positivos de un proyecto y permite seleccionar las alternativas que, cumpliendo con los objetivos propuestos, maximicen los beneficios y disminuyan los impactos no deseados.
Tradicionalmente los problemas de EIIA se han resuelto aplicando métodos donde los expertos emplean únicamente escalas numéricas para valorar los impactos ambientales sin importar la naturaleza, cualitativa o cuantitativa de los criterios de evaluación involucrados. Esto implica que, aunque la incertidumbre es inherente a la EIIA, esta no sea modelada de forma acertada. Además, se obtienen resultados numéricos que no representan el conocimiento y la información imprecisa adecuadamente y son difíciles de interpretar, lo cual ensombrece el papel de la EIIA como instrumento de apoyo a la toma de decisiones sobre la aceptación o no de un proyecto.
La relevancia de la EIIA para la protección del medio ambiente y las limitaciones de los métodos tradicionales para llevar a cabo este proceso en contextos complejos actuales, motivaron la siguiente idea de partida de esta investigación: Las limitaciones de los métodos tradicionales de EIIA no permiten modelar adecuadamente la naturaleza incierta, heterogénea y dinámica de este proceso, por lo que se obtienen resultados de baja interpretabilidad y con pérdida de información. Esto provoca que sea necesario, por una parte, flexibilizar el marco de evaluación de la EIIA, de manera que los expertos puedan expresar sus preferencias en diferentes dominios de expresión, que representen tanto la incertidumbre como la naturaleza cualitativa y cuantitativa de los criterios que se evalúan en el problema de toma de decisión; y por otra parte, mejorar el método de evaluación mediante la implementaci'n de un modelo que permita tomar decisiones teniendo en cuenta los cambios en el tiempo de las acciones del proyecto, de los factores ambientales afectados y por tanto, de los impactos ambientales.
El propósito fundamental de esta investigación radica en: Desarrollar modelos para la EIIA en contextos complejos bajo incertidumbre. Este propósito se ha cumplido mediante la obtención de los siguientes resultados: 1. Se ha desarrollado el MH-EIIA, que permite solucionar problemas de EIIA, modelando de forma adecuada la incertidumbre relacionada con el proceso; posibilitando el tratamiento de información heterogénea, de acuerdo con el carácter de cada criterio; y obteniendo resultados de mayor interpretabilidad y mejor nivel representatividad del conocimiento. Esta conclusión se fundamenta en los siguientes aspectos: a) El esquema de Análisis de Decisión del MH-EIIA posibilita estructurar el problema de EIIA de manera lógica y clara, fijando el marco en el que se va a realizar la evaluación, recopilando la información necesaria para llevar a cabo la evaluación y, finalmente, obteniendo una valoración global de la importancia del proyecto evaluado y sus elementos.
b) La definición de diferentes dominios de información en el Marco de Heterogéneo de Evaluación, ofrece a los evaluadores una mayor flexibilidad a la hora de expresar sus valoraciones, pues estas pueden ser expresadas, de acuerdo a la naturaleza de cada criterio, mediante valores lingüísticos, numéricos o intervalares.
c) La integración de información difusa dudosa permite además modelar situaciones de alta incertidumbre donde los expertos pueden dudar entre diferentes valores en el momento de expresar sus preferencias respecto a un impacto ambiental.
d) El empleo de las gramáticas libres de contexto permite a los expertos además, el uso de expresiones lingüísticas comparativas que mejoran la expresividad de los expertos para aportar sus preferencias sobre los criterios para cada impacto cuando dudan entre varios términos lingüísticos.
e) Para el tratamiento de la información heterogénea, MH-EIIA utiliza la fusión lingüística basada en el Modelo de Representación 2-tupla, lo que permite realizar procesos de Computación con Palabras de forma precisa y obtener resultados de fácil interpretación, siendo este último elemento una premisa fundamental en el éxito de las EIIA.
f) El proceso de ajuste de la importancia de los impactos, empleando las reglas de construcción de una jerarquía lingüística y una función de transformación, permite obtener nuevos valores lingüísticos para la importancia de los impactos ambientales, permite tratar de forma diferenciada los impactos positivos y negativos en una misma escala lingüística.
2. El análisis de los distintos enfoques de TDD, permitió identificar que la dificultad principal del enfoque general para TDD está dada por la ausencia de un mecanismo que posibilite diferenciar los cambios en el comportamiento de las evaluaciones de las alternativas en el tiempo.
3. Por el motivo anterior, primero se desarrolló el MD-TDD que tiene como novedad primordial la definición de un Índice Discriminativo Dinámico que, mediante la utilización de operadores de agregación bipolares definidos en [-1,1] y asociativos, permite por una parte, modelar comportamientos diferentes respecto a los decrementos e incrementos de la evaluación de una alternativa en diferentes períodos y por otra, manejar tales valores sin necesidad de almacenarlos.
4. Se ha desarrollado además el MHD-EIIA, que proporciona una solución a la necesidad de desarrollar EIIA en contextos dinámicos pero sin renunciar al tratamiento preciso de la información heterogénea, debido a que: a) Mantiene un Marco Heterogéneo de Evaluación que permite a los expertos proveer sus preferencias en diferentes dominios de expresión en cada uno de los múltiples períodos de decisión que se consideren en un problema de EIIA dinámico.
b) Mantiene el modelado lingüístico de la información heterogénea mediante el Modelo de Representación 2-tupla.
c) Permite, a través del Índice Discriminativo Dinámico, modelar diferentes actitudes con respecto a los cambios de la importancia global de un proyecto en el tiempo.
5. Además, hemos presentado SEVIIA, un software que implementa el MHDEIIA desarrollado en esta memoria de investigación, siendo una herramienta de gran ayuda para los participantes en el proceso de EIIA.
6. Tanto el MH-EIIA como el SEVIIA, han sido satisfactoriamente empleados y avalados por el CEQA para estudios de impactos ambientales reales, lo que demuestra que hemos obtenido una solución robusta y útil para problemas de EIIA.
