Investigacin

Valoracin cualitativa de impactos

ambientales mediante lgica borrosa
Recibidoparaevaluacin:11deSeptiembrede2006
Aceptacin:13deDiciembrede2006
Recibidoversinfinal:19deDiciembrede2006

Roberto Peche G.1

Artculodeinvestigacincientficasobrelaperspectiva
delalgicaborrosaenlosestudiosdeimpactoambiental.

RESUMEN
Laimprecisinpropiademuchosconceptosquehabitualmenteseempleanenlosestudios
de impacto ambiental, junto con la frecuente falta de informacin cuantitativa acerca de los
mismos, sugiere la posibilidad de aplicar la lgica borrosa para valorar cualitativamente dichos
impactos. En el presente artculo se propone un procedimiento de valoracin de los impactos
ambientales previstos como consecuencia de la ejecucin de proyectos, basado en teora de
conjuntos borrosos y mtodos de razonamiento aproximado. El mtodo comienza con la
caracterizacin de los impactos por medio de una serie de caractersticas o cualidades.A cada
caracterstica se asigna una variable lingstica, cuyos valores son conjuntos borrosos. A partir
dela estimacindecadacaracterstica del impactoy de una basedeconocimientoconjunto de
reglas borrosas que relacionan las caractersticas con la valoracin del impacto se determina,
mediante el procedimiento de inferencia modus ponens generalizado, un resultado borroso de
la valoracin del impacto. Por ltimo, mediante la agregacin y desborrosificacin de todos los
resultados borrosos inferidos, se obtiene el valor final del impacto.

PALABRASCLAVE:

Valoracin cualitativa, impacto ambiental, lgica borrosa, gestin

ambiental.

ABSTRACT
The vagueness of many concepts usually utilized in environmental impact studies, along
withfrequentlack ofquantitativeinformation,suggeststhatfuzzylogiccan beappliedtocarryout
qualitativeassessment of suchimpacts. Thispaper proposesamethodfor valuing environmental
impacts caused by projects, based on fuzzy sets theory and methods of approximate reasoning.
First, impacts must be described by a set of features.A linguistic variable is assigned to each
feature, whose values are fuzzy sets. A fuzzy evaluation of environmental impacts is achieved
usingrulebasedfuzzyinferenceandtheestimatedfuzzyvalueofeachfeature.Generalizedmodus
ponenshasbeentheinferencemethod.Finally,acrispvalueofimpactisattainedbyaggregation
anddefuzzification ofall fuzzyresults.

KEYWORDS:

Qualitative valuation, Environmental Impact, Fuzzy Logic, Environmental

Management.

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

1.DoctorenCienciasQumicas.:
Profesor Titular de Escuela
Universitaria de Tecnologas del
Medio Ambiente. Escuela
Universitaria de Ingeniera de
VitoriaGasteiz,pertenecienteala
Universidad del Pas Vasco
(Espaa).
roberto.peche@ehu.es

99

Investigacin

1.INTRODUCCIN
La evaluacin del impacto ambiental constituye un mtodo eficaz al servicio de la
preservacin de los recursos naturales y la defensa del medio ambiente. En consecuencia,
muchos pases la han incorporado a su ordenamiento jurdico, estableciendo que los proyectos
con efectos significativos sobre el medio ambiente debern ser sometidos, como requisito para
su aprobacin, a un procedimiento jurdicoadministrativo de Evaluacin de Impacto Ambiental
(EIA). Dicho procedimiento exigela elaboracin de un estudio de impacto ambiental,el quea su
vez, incluye una estimacin predictiva de los impactos que las distintas acciones del proyecto
ejercen sobre el medio ambiente.
Por otra parte, en la vida cotidiana, as como en numerosos aspectos de las ciencias
fsicas y sociales, se razona habitualmente utilizando conceptos vagos o difusos, tales como
fro, templado, clido, grande, mediano, pequeo. De igual modo, en ciencias
ambientales tambin se emplean frecuentemente conceptos difusos como residuo peligroso,
alta contaminacin atmosfrica o agua de baja calidad, entre muchos otros.
En teora clsica de conjuntos, un elemento determinado o bien pertenece a un conjunto
dado, o bien no pertenece a dicho conjunto. Es decir, la pertenencia o no pertenencia a un
conjunto por partedeunelemento estotal.Sea Xununiverso dediscursode modoqueAes un
subconjuntodeX.SeaxunelementocualquieradeX.Cadaelementox,obienpertenece,obien
no pertenece a A. El concepto de pertenencia puede describirse mediante una funcin de
pertenencia

m A ( x) X sobre {0,1}. Estafuncin se define dela siguiente forma:

m A ( x)=1 si x A (1)
m A ( x)=0 si x A (2)
Por ejemplo,si en referencia ala peligrosidadde un residuo, seestablece elconjunto de
los residuos peligrosos RP como el conjunto formado por aquellos residuos para los que una
determinada propiedad, por ejemplo, un ndice de peligrosidad ip, que puede tomar valores
entre0y100superaunciertoumbralip(c),entonceslarepresentacindesufuncindepertenencia
sera la siguiente:

mRP(i p)

Figura 1.
Representacindelafuncinde
pertenenciadeunconjunto
clsico.

ip(c)

Enestecaso,cuando
si i p

< i(pc)

entonces

i p i(pc) entonces m RP(i p )=1

m RP( i p) =0

100

ip
(3)

(4)

Deacuerdoconestecriterio,unresiduocuyovalordeip fueraligeramenteinferioraip(c) no
serapeligroso,mientrasquesloseraotroconip ligeramente mayorque ip(c),locualno parece
razonable.
Para salvar esta forma tan drstica de diferenciar los residuos peligrosos de los no
peligrosos, se puede utilizar el concepto de conjunto borroso residuo peligroso.

y
100 Gestin
Ambiente

Volumen9No.3Diciembrede2006

Investigacin

A diferencia de los conjuntos clsicos, la funcin de pertenencia de un conjunto borroso

[0,1],porloquesufuncindepertenenciapuedetomarcualquier
valor real comprendido entre cero y uno (Zadeh, 1965): m Pb ( x): X [0,1]. Esta funcin
AbesunaaplicacindeXsobre

representaelgradodepertenenciadecadaelementoxalconjuntoborrosoAb.Puedeobservarse
que un conjunto clsico es un caso particular de conjunto borroso: aqul cuyos nicos valores
posibles de su funcin de pertenencia son cero o uno.
Volviendo al ejemplo anterior, puede definirse el conjunto residuo peligroso RPb de
modoque elperfildelarepresentacindesufuncindepertenencianoseatanabruptocomoel
correspondiente al conjuntoclsico(figura 2). Deestemodo, lapertenenciaono pertenencia de
un residuo al conjunto de los residuos peligrosos no es necesariamente total, de manera que el
grado de pertenencia de un residuo al conjunto de los residuos peligrosos viene determinado
por el valor de

m RPb(i p)para dicho residuo.

1

m RPb(i p)
0,5

ip1

ip2

ip

Figura 2.
Representacin dela funcin de
pertenencia de un conjunto
borroso.

ip3 100

Un residuo cuyo valor de ip es ip1, presenta un grado de pertenencia cero al conjunto

borrosoRPb.Paraotroresiduo,cuyovalordeip esip2,perteneceaRPbenun50%,yotro,conip
= 95 pertenece a RPb en un 100%. Lgicamente, la funcin de pertenencia describe lo que se
entiende por residuo peligroso, ya que determina en qu grado el residuo en cuestin est
dentro del conjunto de los peligrosos.
Lateoradeconjuntosborrosos(Zadeh,1965,1978)permiterepresentarconceptosvagos
o difusos. As mismo, proporciona los elementos matemticos adecuados para expresar
razonamientos aproximados que pueden considerarse como generalizaciones de los mtodos
de razonamiento clsico. Dicha teora ha sido aplicada en distintos aspectos de las ciencias
ambientales, tales como contaminacin atmosfrica (Fisher, 2003), anlisis del ciclo de vida de
productos (Thiel, 1999), (Gonzlez, 2002), indicadores del impacto ambiental de pesticidas (Van
Der Werf, 1998), ndices de condiciones ambientales (Silvert, 2000) evaluacin del impacto
ambiental a partir de ndices de calidad (Enea, 2001), toma de decisiones en la rehabilitacin
ambiental de lagos (Tzionas, 2004), valoracin de riesgos de contaminacin por nitratos de
aguas subterrneasDahab, (1994)(Lee,(1995),anlisisdedecisinmulticriterio enlavaloracin
de impactos ambientales sobre aguas subterrneas (Khadam, 2003), estimacin de descargas
denutrientessobreros(Buzas,2001),integracindelgicaborrosaconsistemasdeinformacin
geogrficay tcnicasde optimizacin(BojrquezTapia, 2002),evaluacin del impacto deltrfico
urbano sobre la calidad ambiental (Han, 2001), evaluacin de impactos ambientales debidos al
efectoconjuntodediferentesparmetros(Kung,1993),matricesdecrucesdeimpactos(Parashar,
1997) o eleccin de emplazamientos de vertederos con mnimo dao ambiental (Gupta, 2003).
No obstante, la aplicacin de la lgica borrosa en la valoracin de riesgos ambientales es, por
ahora, escasa (McKone, 2005).
Mediante lgica borrosa es posible tratar conceptos de naturaleza vaga e imprecisa que
generalmente conllevan una carga importante de subjetividad. Tal es el caso de muchas de las
caractersticas utilizadas en la descripcin de los impactos ambientales. As mismo, la lgica
borrosapermitellevaracabolaagregacindetalescaractersticas,afindeobtenerunavaloracin
globaldelimpacto. Porestos motivos,juntoconlafrecuentecarenciadeinformacincuantitativa
acerca de los impactos ambientales, se ha considerado adecuado desarrollar un procedimiento

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

101

Investigacin

de evaluacin cualitativa de los impactos ambientales asociados a las distintas acciones de los
proyectos, basado en teora de conjuntos borrosos y mtodos de razonamiento aproximado.

2.RESULTADOSYDISCUSIN
A continuacin se propone un procedimiento de valoracin cualitativa de los impactos
ambientales causados por las acciones de proyectos.Adems, paralelamente a la descripcin
del mtodo general, se desarrolla un ejemplo sencillo a fin de clarificar la aplicacin del mtodo
propuesto.

2.1.Enprimerlugar,sedebernestablecerlascaractersticasocualidadesdelos
impactosambientalesquese vanaconsideraren lavaloracincualitativade
losmismos
Estascaractersticassonlasqueensuconjunto,definenlaimportanciadedichosimpactos
ambientales. La determinacin de las mismas puede variar dependiendo de diferentes factores,
tales como condicionantes legales, el punto de vista de expertos o la sensibilizacin de las
personasafectadas.Enelejemploqueseexponeenesteestudio,lascaractersticasaconsiderar
para valorar cualitativamente los impactos ambientales son las siguientes:

Intensidad : indica el grado de alteracin que el impacto en cuestin produce sobre el medio
ambiente.
Extensin: daideadelaamplitudde lacuencaoespacioafectado porelimpacto.
Persistencia: caracteriza la permanencia del efecto producido por el impacto.
Inmediatez: indica el retraso desde el inicio de la accin hasta la aparicin del efecto.
Reversibilidad: caracteriza la posibilidad de atenuacin, o incluso de eliminacin del efecto
como consecuencia de la capacidad del medio para mitigarlo, sin necesidad de llevar a
cabo una intervencin recuperadora.

Recuperabilidad: indica la posibilidad de atenuacin o incluso eliminacin del efecto mediante

intervenciones recuperadoras.
Acumulacin: da idea del incremento del efecto como consecuencia de la persistencia de la
accin que lo produce.
Sinergia: indicalaposibilidaddereforzamientomutuodedosimpactos,demodoquelaexistencia
conjuntadelosmismosdelugaraunefectosuperioralasumadesusefectosindividuales.
Aceptabilidad: daideadelgradodeaceptacinorechazoporpartedelapoblacinpotencialmente
afectada.

2.2.Acontinuacin, seasignarunndice devaloracincualitativaa cadaunade

lascaractersticasestablecidasenelapartadoanterior
Para simplificar el tratamiento es aconsejable que dichos ndices sean magnitudes
adimensionales, con un rango de valores comprendidoentre cero y cien. En el ejemplo anterior,
los ndices de valoracin cualitativa de las caractersticas de los impactos son: Intensidad (Ii),
extensin(Ie),persistencia(Ip),inmediatez (Iin),reversibilidad,(Irv),recuperabilidad (Irc),acumulacin
(Ia),sinergia(Is)yaceptabilidad(Iac).Asimismo,se establecerunndicedevaloracincualitativa,
tambinadimensional,destinadoavalorarlosimpactosambientalesapartirdelascaractersticas
anteriores.Surangodevalorestambinestarcomprendidoentreceroycien.Enelejemplo,el
ndicees valoracincualitativa delimpacto( Vcl).

2.3.Sedefineunavariablelingsticaparacadacaractersticadeimpactos
Cada variable lingstica puede tomar valores lingsticos que son conjuntos borrosos
sobre su universo de discurso. Dicho universo de discurso es el conjunto de todos los posibles
valoresdelcorrespondientendicedevaloracincualitativa.Anlogamente,sedefineunavariable
lingstica para el valor cualitativo del impacto. Dicha variable lingstica puede tomar valores

y
102 Gestin
Ambiente

Volumen9No.3Diciembrede2006

Investigacin

lingsticos, que son conjuntos borrosos sobre su universo de discurso, es decir, sobre el
conjunto de posibles valores del ndice de valoracin cualitativa. En la tabla 1 se muestran las
variables lingsticas del ejemplo.

2.4.Ladefinicindecadaconjuntoborrosovienedeterminadaporsufuncinde
pertenencia
Posibles conjuntos borrosos (valores lingsticos) para las variables lingsticas del
ejemplo son:
*Bajarecuperabilidad Brc.Sufuncindepertenenciasemuestraenlafigura3a.*Alto
valor cualitativodeimpacto Avc.Figura3b.* Acumulacinalrededorde50 50a. Figura
3c.

mBrc(I r c)

mAvc(V
c )

Irc

m"50"a (I a )
1

10
0

nd icedevalor acin
cua lit at iva

Vcl

10
0

C a r acter st ica del

im p a ct o
In ten sid a d

I i

Var iab le
lingst ica
LI i

E xten sin

I e

LI e

Per sist encia

I p

LI p

In m edia tez

I in

LI in

R ever sib ilida d

I r v

LI r v

R ecup er a bilid a d

I r c

LI r c

Acum ulacin

I a

LI a

Sin er gia

I s

LI s

Acepta b ilida d

I a c

Va lor acincua lita tiva

d elim pa cto

V cl

Ia 100

Un iver sodediscur so

U Ii = {Ii}
U Ie = {Ie}
U Ip = {Ip}

Ii [0,100]
Ie [0 ,100]
Ii [0,100]

LI a c

U Iin = {Iim}
U Irv = {Irv}
U Irc = {Irc}
U Ia = {Ia}
U Is = {Is}
U Ia c = {Ia c}

Iin [0,100]
Irv [0 ,100]
Irc [0 ,100]
Ia [0 ,100]
Is [0 ,100]
Ia c [0,100]

LV cl

U Vcl = {V
cl}

Vcl [0 ,100]

Figura 3.
Representacionesdelasfunciones
de pertenencia de los conjuntos
borrosos: Brc(a)Avc(b)50a
(c).

Tabla 1.
Caractersticas de los impactos
ambientales,ndicesdevaloracin
cualitativayvariableslingsticas.

2.5.Procedimientodeinferenciaborrosa
El procedimiento de inferencia borrosa que se propone para relacionar las caractersticas
de los impactos con su valoracin cualitativa es una extensin del esquema de razonamiento
clsico modus ponens al razonam iento aproximado, conocida com o modus ponens
generalizado (MPG). Puede resumirse de la siguiente forma (Zadeh, 1976):
1. Premisa 1 (Proposicin antecedente).
2. Premisa 2 (Proposicin condicional o regla borrosa).
3. Conclusin (Proposicin consecuente).
Siguiendo con el casode estudio, mediante el siguiente ejemplose muestra la aplicacin
del procedimiento de inferencia borrosa:
1. Premisa 1 (proposicin antecedente): LIi es EstIi
2.Premisa 2(regla borrosa): SI LIies baja,ENTONCES LVcles moderado

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

103

Investigacin

3. Conclusin (proposicin consecuente): LVcl es ConVcl

Donde: EstIi es el valor lingstico estimado para la intensidad del impacto LIi. Este valor
es un conjunto borroso sobre UIi, .Viene determinado por su funcin de pertenencia:

m estIi(I i).

baja es un valor lingstico de LIi. Viene determinado por su funcin de pertenencia

m baja (I i).

moderado es un valor lingstico de LVcl y viene determinado por su funcin de pertenencia

m moderado(V
cl).
Lareglaestablece,entrminosborrosos,quesilaintensidaddelimpactoesbajaentonces
el valor del impacto es moderado. Esta regla procede del conocimiento disponible acerca de la
relacin entre intensidad de impacto y el valor atribuido al mismo. La relacin entre las distintas
caractersticasylavaloracincualitativadelimpactovienedadaporunaseriedereglasborrosas.
Estas reglas constituyen labase de conocimiento del sistema de inferencia que se describir en
elapartado2.7.

ConVcleselvalor borrosoqueseconcluye paralavaloracincualitativadelimpactoLVcl.

Se obtiene mediante inferencia borrosa a partir de la proposicin antecedente y de la regla
borrosa.Lgicamente,cuantomayorsealasimilitudentrelosconjuntosborrososEstIiypequea,
ms se parecer ConVcl a moderado. Determinar dicha conclusin borrosa requiere establecer
su funcin de pertenencia

m ConVcl (V
cl)(ver apartado 2.8).

2.6.Premisa1delareglaborrosa(proposicinantecedente).Estimacindelos
valoreslingsticosdecadacaracterstica
A fin de poder aplicar el mtodo de inferencia MPG, es necesario estimar, para cada
caractersticadeimpacto,elvalorborrosoEstX,dondeXes,encadacaso,Ii,Ie,Iin,Irv,Irc,Ia,Is,
Iac.Acontinuacinseproponeunposibleprocedimientoquepermiteefectuardichasestimaciones:
Se llevar a cabo una primera encuesta sobre un grupo de personas donde se incluyan, tanto
expertosenmateriaambiental,comopersonaspotencialmenteafectadasporelproyectoaevaluar,
de modo que cada una de las personas encuestadas asigne, con base en su percepcin, sus
conocimientossobreelproyectoyreaafectadaporelmismounvalorcomprendidoentreceroy
cien,paracadaunodelosndicesdevaloracincualitativa.Debesealarsequeelvalorasignado
por cada persona encuestada procede de su reflexin acerca de la mayor o menor intensidad,
extensin,inmediatez delimpactoa valorar,sin que elloimpliquenecesariamentelarealizacin
de mediciones de parmetros relacionados, dado que se trata de una valoracin cualitativa. Se
determinar, paracada caracterstica,elnmerodeencuestadoscuyavaloracinsesita dentro
deunaclaseointervalo,por ejemplo,entreceroy10,entre10 y20,entre20y30.(frecuencia
absoluta).Acontinuacin,secalcula,paracadaclase,elcocienteentreelnmerodeencuestados
cuyarespuestaquedadentrodelaclaseencuestinyelnmerototaldeencuestados(frecuencia
relativa).Siguiendoconelejemploanterior,supongamosquehansidoelegidos100encuestados,
repartidos entre tcnicos medioambientales de instituciones pblicas, acadmicos, consultores,
y personasafectadasporelproyecto.Losresultadosdelaencuesta inicialparalaintensidaddel
impacto, se recogen en laTabla 2.
Tabla 2.
Resultadosdelaencuestade
valoracincualitativadela
intensidaddelimpacto:
caractersticaevaluada:
intensidadelimpacto(Ii).nde
encuestados=100.

y
104 Gestin
Ambiente

C lase
010
1020
2030
3040
4050
5060
6070
7080
8090
90100

Fr ecuenciaabsoluta
0
3
8
25
36
22
5
1
0
0

Fr ecuenciar elativa
0.00
0.03
0.10
0.25
0,36
0.23
0.07
0.02
0.00
0.00

Volumen9No.3Diciembrede2006

Investigacin

Seguidamente, se representa, para cada caracterstica, el histograma correspondiente y

se traza la lnea quebrada que conecta los centros de las bases superiores de los rectngulos
del histograma. Para el ejemplo, el histograma y la lnea quebrada envolvente F(Ii) se muestran
enlaFigura 4.

fr

0,4
F(Ii)

0,3
0,20
0,10
20

40

60

80

Figura 4.
Histograma y representacin de
F(Ii).

Losresultadosobtenidossetrasmitenatodoslosencuestados,afindeque,alavista de
los mismos y si lo consideran oportuno, modifiquen su valoracin anterior. Con los resultados
modificados se repite la operacin hasta que no se observen variaciones relevantes. La funcin
de pertenencia del conjunto borroso estimado EstIi se obtiene dividiendo F(Ii) entre su valor
mximo.
Un mtodo ms sencillo de llevar a cabo la estimacin de los valores borrosos de las
diferentes caractersticas del impacto es mediante la asignacin directa de los correspondientes
conjuntos borrosos por parte de un equipo multidisciplinar de expertos. De acuerdo con este
procedimiento,cadaexpertodibuja,paracadacaractersticadeimpacto,elperfildelafuncinde
pertenenciaque,segnsucriterio,definesuestimacin.Unaformasimpleesutilizandonmeros
borrosos triangulares o trapezoidales. La estimacin final se obtiene como promedio de las
estimaciones de los distintos expertos (Kaufmann, 1985). En la figura 5 se muestra un ejemplo
de aplicacin de este procedimiento para la estimacin borrosa de la intensidad del impacto.

mEstIi(I i)
0.75

0.50

0.25
Figura 5.
Estimaciones borrosas para la
intensidad del impacto:

20

40

60

80
I i

Volumen9No.3Diciembrede2006

Estimaciones
individuales
mediantefuncionesdepertenencia
triangulares: . Estimacin
individualsingleton: Estimacin
promedio:

100

Gestin y
Ambiente

105

Investigacin

La incertidumbre de cada estimacin borrosa viene representada por el rea encerrada

porsufuncindepertenencia.Cuantomayoreselgradodeimprecisindelavaloracincualitativa,
mayoreslaaperturadelacurva,yporlotanto,mayoreselreabajolamisma.Sisetratadeuna
valoracinprecisa(un nmero clsico,porejemplo Ii =40) larepresentacindedicha funcin se
limita a un trazo vertical, situado en la abcisa Ii = 40 y altura UNO, es decir corresponde a la
funcindepertenenciadeunconjuntoborrososingleton(verfigura6).Cabesealarquesitodas
las valoraciones individuales corresponden a conjuntos singleton, su valor promedio tambin es
singleton2.

2.7.Basedeconocimiento:conjuntodereglasborrosas
Constituye el soporte de conocimiento que permite relacionar las caractersticas de los
impactos ambientales con la valoracin cualitativa global de dichos impactos. Para establecer
este conjunto de reglas, en primer lugar deber definirse, para cada una de las variables
lingsticas correspondientes a las caractersticas de los impactos, una coleccin de valores
lingsticos, es decir una particin borrosa3 adecuada. Dichasparticionessedisearn demodo
que,paracualquiervalordesucorrespondientendicedevaloracin(I),exista,almenos,unvalor
lingstico (XI) tal que su funcin de pertenencia ( m XI ( I)) sea diferente de cero (" I ,

$XI
m XI (I) 0) Por lo tanto, deben ser particiones borrosas completas.
Cuanto mayor sea el nmero de valores lingsticos de la particin borrosa mayor es la
resolucin de la caracterstica. De igual forma, para la variable lingstica LVcl se define una
particinborrosa adecuada.Aligual que conlas caractersticas del impacto,amayor nmero de
valores lingsticos, mayor resolucin. Para el ejemplo de estudio, los valores lingsticos
establecidos paracada caractersticade impactojunto conloscorrespondientesaLVcl ascomo
la denominacin adoptada para cada uno de ellos se recogen en la Tabla 3.
En la Figura 6 se muestran los perfiles de sus funciones de pertenencia. En dicha figura
se observa que, para cualquiera de losndices de valoracin cualitativa (I) de las caractersticas
delimpacto,secumplequeparatodovalordeI,aexcepcinde0,50y100,existendosconjuntos
borrosos alosque, en ciertamedida,pertenecedichovalor deI.Asimismo,cuandoI =0 50
100 el valor de la funcin de pertenencia es igual a uno para los conjuntos borrosos pequeo,
medio y alto, respectivamente. Esta observacin es tambin aplicable al ndice de valoracin
cualitativa Vcl.

2.Unconjuntoborrososingleton
es aqul que su funcin de
pertenencia toma el valor cero
para todos los elementos que
componeneluniversodediscurso
sobre el que ha sido definido,
exceptoparaunnicoelemento,
en cuyo caso, el valor de su
funcindepertenenciaesuno.
3. Una particin borrosa es un
conjunto de conjuntos borrosos
definidossobreunmismouniverso
dediscurso.Unaparticinborrosa
es completa cuando para cada
elemento de su universo de
discurso existe, al menos, un
conjuntoborrosotalqueelvalor
desufuncindepertenenciapara
dichoelementoesnonulo.

Para generar las reglas borrosas debern relacionarse valores lingsticos de las
caractersticas de los impactos con valores lingsticos del valor cualitativo de impacto. Deben
serestablecidasconsiderandofactoresdediferentesndoles,comosonlasopinionesdeexpertos,
puntode vistadelapoblacinafectada, normativaslegalesAsimismo,dichoconjunto dereglas
debe ser diseado de modo que cualquier posible valor borroso estimado de las distintas
caractersticasespecificadas paralosimpactosactive,almenos,unadelasreglasdelabasede
conocimiento. Lo contrario implicara que el sistema de inferencia no es capaz de traducir el
valor borroso de la caracterstica en valoracin cualitativa del impacto ambiental.
Unadelasventajasdeestemtododeinferenciaesque,amedida quesedisponedeun
mayor conocimiento sobrela significacinde lascaractersticas deimpacto encuanto asu valor
ambiental, se puede modificar el conjunto de reglas. De este modo, una mayor informacin
sobre las caractersticas de los impactos, aumento de participacin pblica en su valoracin,
cambio de sensibilidad de la poblacin..., puede incluirse en la base de conocimiento mediante
laagregacindenuevasreglasborrosasjuntoconlaposiblemodificacin,oinclusolaeliminacin
de algunas de las existentes.
Para el ejemplo de estudio, se propone una base de conocimiento sencilla, destinada a
relacionar las caractersticas de impacto con su valoracin cualitativa (tabla 4). En dicha tabla
puede observarse que se utilizan dos ndices para identificar las distintas reglas borrosas: el
primero (m) corresponde a la caracterstica de impacto. En este caso m =1,29. El segundo
(n)identificalaposicindelaregladentrodelsubconjuntodereglascorrespondientesalsubndice
m. En este caso n =1, 2, 3. Una regla cualquiera (regla(m,n)) puede expresarse de la siguiente
forma:

y
106 Gestin
Ambiente

Volumen9No.3Diciembrede2006

Investigacin

Car acter stica

ndicedevalor acin
cualitativa

Var iable
lingstica

Intensidad

I i

LI i

Extensin

I e

LI e

Per sistencia

I p

LI p

Inmediatez

I in

LI in

Rever sibilidad

I r v

LI r v

Recuper abilidad

I r c

LI r c

Acumulacin

I a

LI a

Siner gia

I s

LI s

Aceptabilidad

I a c

LI a c

Valor acin
cualitativadel
impacto

Vcl

LVcl

m
XI

1
( I)

Valor es
lingsticos
PIi
MIi
AIi
PIe
MIe
AIe
PIp
MIp
AIp
PIin
MIin
AIin
PIrv
MIrv
AIrv
PIrc
MIrc
AIrc
PIa
MIa
AIa
PIs
MIs
AIs
PIac
MIac
AIac
BVcl
CVcl
EVcl

XVcl

(V
cl )
Figura 6.
Representacionesdelasfunciones
depertenencia.
Caractersticasdelimpacto:X=
P(pequeo),M(medio),_A(alto)
I =Ii, Ie,Ip, Iin,Irv, Irc,Ia, Is,
Iac. Valoracin cualitativa del
impacto: B (bajo), C
(considerable),_E(elevado).

100

50
I

Tabla 3.
Valores lingsticos de las
caractersticasde losimpactos y
de la valoracin del impacto
utilizados en la base de
conocimiento.

Vcl

SiL(m)=VI(m,n)ENTONCESLVcl=Vcl(m,n)param=1,2.Myn=1,2.N,donde:L(m)
es la variable lingstica correspondiente a la caracterstica de impacto m. VI(m,n) es el valor
borrosodeL(m)enlaregla(m,n)yVcl(m,n)es elvalorborrosodeLVcl enlaregla (m,n).

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

107

Investigacin

Tabla 4.
Conjuntodereglasborrosas
(basedeconocimiento)del
ejemplo.

Caractersticade
Ndela
ParteSIdela
impactoimplicada reglaborrosa
reglaborrosa
Intensidad

Extensin

Persistencia

Inmediatez

Reversibilidad

Recuperabilidad

Acumulacin

Sinergia

Aceptabilidad

(1,1)
(1,2)
(1,3)
(2,1)
(2,2)
(2,3)
(3,1)
(3,2)
(3,3)
(4,1)
(4,2)
(4,3)
(5,1)
(5,2)
(53)
(6,1)
(6,2)
(6,3)
(7,1)
(7,2)
(7,3)
(8,1)
(8,2)
(8,3)
(9,1)
(9,2)
(9,3)

ParteENTONCES
delareglaborrosa

LIi =PIi
LIi =MIi
LIi =AIi
LIe =PIe
LIe =MIe
LIe =AIe
LIp =PIp
LIp =MIp
LIp =AIp
LIin =PIn
LIin =MIn
LIin=AIn
LIrv PIrv
LIrv=MIrv
LIrv =AIrv
LIrc =PIrc
LIrc =MIrc
LIrc =AIrc
LIa =PIa
LIa =Ma
LIa =Aa
LIs =PIs
LIs =MIs
LIs =AIs
LIac =PIac
LIac =MIac
LIac =AIac

LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =EVcl
LVcl =CVcl
LVcl =BVcl
LVcl =EVcl
LVcl =CVcl
LVcl =BVcl
LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =BVcl
LVcl =CVcl
LVcl =EVcl
LVcl =EVcl
LVcl =CVcl
LVcl =BVcl

Finalmente, cabesealar que pueden establecersereglas borrosas tales queen su parte

SI, incluyan ms de una caracterstica de impacto combinadas mediante el conectivo AND. Por
ejemplo.
SiLIi =PIiyLIe=AIe

ENTONCESLVcl =CVcl.

2.8.Interpretacin delprocedimiento deinferencia borrosa

Enelapartado2.5,seexpusoquelavaloracincualitativadelimpactoseefectamediante
laaplicacindelmtododerazonamientoaproximadoconocidocomoModusPonensGeneralizado
(MPG)(Zadeh,1975,1976).Deacuerdoconestemtodo,apartirdeunaproposicinantecedente
y una regla borrosa se determina, como conclusin, un valor borroso ConVcl de la variable
lingstica LVcl.
Paracadaunadelascaractersticas deimpactodeberaplicarseelmtodoMPGa partir
delvalorborrosoestimado ycada unade lasreglas borrosasquerelacionan dichacaracterstica
con la valoracin cualitativa del impacto. De este modo, se obtendrn (para cada caracterstica)
tantos conjuntos borrosos conclusin como reglas con participacin de la citada caracterstica
incluya la base de conocimiento. La determinacin de tales conjuntos borrosos implica el
establecimiento de sus funciones de pertenencia correspondientes:

y
108 Gestin
Ambiente

m ConVcl(m,n)(Vcl). Cada

Volumen9No.3Diciembrede2006

Investigacin

una de las reglas borrosas se interpreta como una relacin borrosa desde el conjunto borroso
de su parte SI hasta elconjuntoborroso desu parte ENTONCES. Sufuncin depertenencia se
determina como una tnorma4 de las funciones de pertenencia de ambos conjuntos borrosos.
La tnorma propuesta es la funcin mnimo (Mamdani, 1976).
As para una regla cualquiera R(m,n):

m R(m,n)(I (m),Vcl ) = min{m VI(m,n)(I(m)),m Vcl(m,n)(Vcl )} (5)

Donde:R(m,n)eselconjuntoborrosoquedescribelaregla(m,n),

m R(m,n)(I (m),Vcl) es

su funcin de pertenencia, min representa la tnorma mnimo, I(m) es el ndice numrico

correspondiente a la caractersticade impacto m,
deVI(m,n)y

m VI (m,n)(I(m)) es la funcin de pertenencia

m Vcl(m,n)(Vcl)esla funcindepertenenciade Vcl(m,n).

Para efectuar la inferencia condicional se propone utilizar el operador de composicin

maxmin5. La funcin de pertenencia del conjunto borroso conclusin ConVcl(m,n)) viene dada
por la siguiente expresin:

m ConVcl (m,n)(Vcl ) = max[min{ m R(m,n)(I(m),Vcl ),m EstI (m)(I(m))}]

(6)

"I (m) UI(m)

donde:

m ConVcl(m,n)(Vcl)

es la funcin de pertenencia de la conclusin borrosa

correspondiente a la regla (m,n), max representa el mximo extendido a todos los posibles
valores de I(m),

UI( m)es el universo de discurso de I(m) y m EstI (m)(I(m))es la funcin de

pertenencia de la estimacin borrosa de la caracterstica m.

Como ejemplo ilustrativo de la interpretacin del procedimiento de inferencia borrosa, se
expone la determinacin de los conjuntos borrosos conclusin para dos de las reglas borrosas
del caso de estudio. Las reglas elegidas son:
Regla(1,3):SiLIi =AIi

ENTONCESLVcl =EVcl.

Regla(2,2):SiLIe =MIe

ENTONCESLVcl =CVcl.

Las representaciones de las funciones de pertenencia de EstIi y de AIi, as como las

correspondientesa EVclyConVcl(1,3)semuestranenlaFigura7a.Deigualforma,enla Figura
7bserecogenlasrepresentacionesdelasfuncionesdepertenenciadeEstIeyMIe,juntoconlas
deCVclyConVcl(2,2).
Deacuerdoconelmtododeinferenciapropuesto,elperfilde m ConVcl(m,n)(Vcl ) eseldeltrapecio
resultante al truncar

mVcl(m,n)(Vcl) a la altura de max[min{m EstI (m)(I(m)),mVI(m,n)(I(m))}]

Por ltimo, para aquellas reglas tales que en su parte SI intervenga ms de una
caractersticadeimpacto,elconjuntoborrosoquedescribelaparteSIdelareglavienedadopor
el producto cartesiano de los valores lingsticos que las distintas caractersticas toman en
dicha regla. Por ejemplo, para la regla:

Volumen9No.3Diciembrede2006

pertenencia

mR(x
,y) y S cuya

funcin de pertenencia es

mS (y,z),determina un nuevo
conjuntoborrosoT=RoS,cuya
funcindepertenencia mT (x,z)

extendido a todos los posibles valoresdeI(m).

SiLIi =PIiyLIe=AIe

4.Unatnormaesunaaplicacin
t:[0,1]x[0,1]en[0,1]quecumple
lassiguientespropiedades:Esno
creciente en cada argumento.
Conmutativa. Asociativa.
Satisface las siguientes
condicionesdecontorno:t(x,0)=0,
t(x,1)=x.
5. Eloperadordecomposicinmax
min aplicado a dos relaciones
borrosas, R cuya funcin de

ENTONCESLVcl =CVcl.

Gestin y
Ambiente

es:

m T ( x,z)=max{min[ m R (x,y)
,m S (y,z)]}" y Y
XxYyYxZyXxZsonlosuniversos
dediscursode loslasrelaciones
borrosasR,SyTrespectivamente.

109

Investigacin

LaparteSIdelareglavienedadaporelconjuntoborrosoPIixAIe.Sufuncindepertenencia
se calcula mediante la tnorma mnimo de las funciones de pertenencia de PIi y EIe:

m PIixEIe(I i,Ie)= min(m PIi(Ii),m EIe(Ie)). Suuniversodediscursoes UIixUIe

Ii 100

50

Figura 7.
Representacionesdelafunciones
depertenencia.

m AIi(Ii)

Vcl 100

50

Vcl 100

a. EstIi: m EstIi(I i) AIi:

50

EVcl:mEVcl(V
cl)

Vcl)
ConVcl(1,3):m ConVcl(1
,3)(

b. EstIe: mEstIe(Ie) MIe:

mMIe(Ie) CVcl:m MVcl(V

cl)
yConVcl(2,2):mConVcl(2,2)(Vcl)

50

Ie

100

El conjunto borroso que describe la regla, PIi x AIe CVcl, tiene por funcin de

pertenencia:

m(PIixAIe)CVcl([I i,Ie],Vcl)= min(m PIixEIe(Ii,Ie),mCVcl(Vcl))=

min{min(m PIi(Ii),m EIe(Ie)),mCVcl(Vcl)}

(7)

El conjunto borroso correspondiente a la estimacin de la intensidad y extensin del

impacto se obtiene com o producto cartesiano de las estimaciones borrosas de ambas
caractersticas EstIiyEstIe. Su funcinde pertenenciase determinamediante aplicacinde la t
norma mnimo a las funciones de pertenencia de EstIi y EstIe:

m EstIixEstIe(I i,Ie)= min{m EstIi(Ii),m EstIe(Ie)}

La funcin de pertenencia de la conclusin se determina mediante la composicin max
min:

m ConVcl(Vcl)= max{min{m (PIixAIe)CVcl([Ii,Ie],Vcl),m EstIixEstIe(Ii,Ie)}}

(8)

"(I i,Ie) (UIixUIe)

Deacuerdoconestaexpresin,elperfilde m ConVcl(V
cl)eseldeltrapecioresultantealtruncar

y
110 Gestin
Ambiente

Volumen9No.3Diciembrede2006

Investigacin

mCVcl(V
cl)alaalturadelmnimoentrelosdosvaloressiguientes: max[min{m PIi(I i),m EstIi(Ii)}]
extendidoatodoslosposiblesvaloresdeIi,y

max[min{m AIe(I e),m EstIe(Ie)}] extendidoatodos

losposibles valores deIe. En la Figura 8 se muestra grficamente este procedimientode inferencia.

Figura 8.
Representacin grfica del
procedimiento de inferencia.
Funcionesdetransferenciadelos
valoresborrososestimados:EstIi:

mEstIi(Ii)EstIe:mEstIe(Ie)
Funcionesdetransferenciadelos
valoresborrososquecomponenla
regla:PIi:m PIi(Ii) AIe:

50

Ii

100

50

Ie

100

50

Vcl

100

m AIe(I e) CVcl:mCVcl(V
cl).
Funcin de transferencia de la
conclusin:
ConVcl:

mConVcl(V
cl).
2.9.Desborrososificacin6
Una vez determinadas las funciones de pertenencia de todos los conjuntos borrosos
conclusin(unaporcadareglaborrosa),yconelfindeobtenerunavaloracinglobaldelimpacto,
es necesario agregar dichos resultados.Asimismo, con el propsito de que el resultado final
sea un nico valor del ndice de valoracin (VRFcl), dichos resultados debern ser
desborrosificados (Berenji, 1992).
El procedimiento de desborrosificacin que se propone esel de promedio de reas. De
acuerdo con este criterio, el resultado final se obtiene mediante la siguiente expresin:

Ag

FVcl =

i i
reglas borrosas

Ai
reglas borrosas

(9)

donde:Ai eselreabajolacurvacorrespondientealarepresentacinde m ConVcl(V

cl)para
cadareglaborrosaygi eselcentrodegravedaddelreaAi.
De este modo, la valoracin del impacto queda finalmente expresada mediante un nico
nmero, un valor concreto del ndice de valoracin cualitativa.

2.10.Agregacindeimpactos
Por ltimo, cabe sealar que mediante el mtodo aqu desarrollado se obtiene una
valoracinindividualdecadaimpacto,sibien,puede extendersea unavaloracinconjunta delos
distintos impactos del proyecto. En tal caso, la base de conocimiento utilizada estar formada
por todas las reglas borrosas correspondientes a los distintos impactos ambientales, pudiendo
establecerse reglas borrosas tales que en su parte SI incluyan distintos impactos y diferentes
caractersticas de impacto. Por ejemplo:
(1)

Si LIi

= PIi y LIe(3) =MIeENTONCES LVcl = BVcl

Deacuerdoconestareglaborrosa,silainmediatezdelimpacto1espequeaylaextensin
del impacto 3 es media, entonces la valoracin del impacto global es baja. El superndice de la

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

6. La desborrosificacin de una
particinborrosadefinidasobreun
universodediscursodeterminado,
permiteobtenerunnicoelemento
dedichouniversodediscurso.En
el caso que nos ocupa, la
desborrosificacindelosconjuntos
borrososconclusinconduceaun
valor del ndice de valoracin
cualitativadelimpactoambiental
Vcl.

111

Investigacin

variable lingstica identifica al impacto ambiental considerado. Asimismo, la desborrosificacin

seefectuar apartir dela totalidadde losconjuntos borrososconclusin, esdecir, considerando
los resultados borrosos de todas las reglas.

3.CONCLUSIONES
Mediantelgicaborrosaesposiblevalorarimpactosambientalesapartirdelconocimiento,
generalmente impreciso y subjetivo, de unaserie de caractersticas o cualidades que componen
la esencia de dichos impactos. Empleando tcnicas de razonamiento aproximado puede
traducirse la estimacin borrosa de cada una de estas caractersticas en su correspondiente
valoracin cualitativa del impacto, llevar a cabo la agregacin de dichas valoraciones y obtener
como resultado un valor global del impacto. En este estudio se describe un procedimiento de
valoracin cualitativa de impactos ambientales. Dicho procedimiento puede resultar indicado en
casos con escasa disposicin de datos de carcter cuantitativo acerca de los impactos
ambientales. As mismo, dada la flexibilidad de los procedimientos de inferencia borrosa, el
equipo tcnico que realice la valoracin de los impactos puede adaptar el mtodo a cada caso
concreto.Elconjuntodecaractersticasseleccionadasparacaracterizarelimpacto, lamanerade
establecer las reglas borrosas, el mtodo de inferencia borrosa a utilizar o el procedimiento de
desborrosificacin de los resultados borrosos pueden elegirse del modo ms adecuado para
cada estudio.
Finalmente cabe sealar que el desarrollo de aplicaciones informticas puede facilitar la
aplicacin de estos mtodos. Los programas a utilizar permitirn al usuario introducir los datos
referentesalascaractersticasaconsiderarenlavaloracin,susestimacionesborrosas,labase

de conocimiento, las particiones borrosas de las variables lingsticas empleadas, las tnormas
empleadas y el procedimiento de desborrosificacin. El resultado devuelto ser un conjunto de
conclusiones borrosas acerca de la valoracin del impacto (una por cada regla de la base de
conocimiento) junto con el valor final del mismo.

4. BIBLIOGRFA
Berenji,H.R.,1992.Fuzzylogiccontrollers.In:Anintroductiontofuzzylogicapplicationsinintelligent
systems(R.R..Yager,L.A.Zadeh,eds),Kluwer,Boston,pp.6996.
BojrquezTapia,L.A.Jurez,L.y CruzBello,G.,2002.Integrating fuzzylogic,optimization,and
GIS for ecological impacts assessment. Environ. Manage., 30(3),pp. 418433.
Buzas, K., 2001.Use of fuzzy method to estimate river nutrient loads from scarce observations.
Water Sci.Technol.,43(7),pp.257264.
Dahab, M. F., 1994. A rulebased fuzzyset approach to risk analysis of nitratecontaminated
groundwater. Water Sci.Technol.30(7), pp. 4552.
Enea,M.ySalemi,G.,2001.Fuzzyapproachtotheenvironmentalimpactevaluation.Ecol.Model.
136(23), pp. 131147.
Fisher,B.,2003.Fuzzyenvironmentaldecisionmaking:applicationsoairpollution.Atmos.Environ.
37(14), pp. 18651877.
Gonzlez,B.AdensoDaz,B.yGonzlezTorre,P.L.,2002.Afuzzylogicapproachfortheimpact
assessment in LCA. Resour. Conser. Recy. 37(1), pp. 6169.
Gupta, R. Kewalramani, M.A. y Ralegaonkar, R. V., 2003. Environmental impact analysis using
fuzzy logicrelationforlandfill siting.J.Urban Plan.DASCE. 129(3),pp.121139.
Han, Z. Tao, Y. y Fang, N., 2001. Fuzzy comprehensive evaluation of urban traffic impact, on
environmentquality.J.South.Univ.,17(2),pp.7274.

y
112 Gestin
Ambiente

Volumen9No.3Diciembrede2006

Investigacin

Khadam, I. M. y Kaluarachchi, J. J., 2003. Multicriteria decision anlisis with probabilistic risk
assessment for the management of contamined ground water. Environ. Impact Assess.
Rew.23(6), pp.683721.
Kaufmann,A.yGupta,M.,1985.IntroductiontofuzzyArithmetic.TheoryandApplications.,Ed.Van
Nostrand Reinhold, New York..92 P.
Kung,H.T.Ying,L.G.yLiu,C.,1993.Fuzzyclusteringanalysisinenvironmentalimpactassessment
acomplementtooltoenvironmentalqualityindex.Environ.Monit.Assess.28(1),pp.114.
Lee,Y.W.Dahab,M.F.yBogardi,I.,1995.Nitrateriskassessmentusingfuzzysetapproach.J.
Environ. Eng.,121(3), pp.245257.
Mamdani,E.H.,1976.Advancesinlinguisticsynthesisoffuzzycontrollers.Int.J.ManMach.Stud.
8(6), pp. 669678.
McKone,T. E.,2005. Can fuzzy logic bring complex environmental problemsinto focus? Environ.
Sci.Technol.Pp.42A47A.
Parashar, A. Paliwal, R. y Rambabu, P., 1997. Utility of fuzzy crossimpact simulation in
environmental assessment. Environ. Impact Assess. Rew., 17(6), pp. 427447.
Silvert, W., 2000.Fuzzyindices ofenvironmentalconditions.Ecol.Model.,130(13),pp.111119.
Thiel,C.Sepplet,R.MullerPietralla,WyRichter,O.,1999.Anintegratedapproachforenvironmental
assessment. Linking and integrating LCI, environmental fate modelsand ecological impact
assessmentusingfuzzy expert,systems. Int.J.Life CycleAss.,4(3), pp.151160.
Tzionas, P. Ioannidou, I.A. y Paraskevopoulos, S., 2004.A hierarchical fuzzy decision support
system for the environmental rehabilitation of Lake Koronia. Environ. Manage., 34(2), pp.
245260.
VanDerWerf,H.M.G.yZimmer,C.,1998.Anindicatorofpesticideenvironmentalimpactbaseon
a fuzzyexpertsystem. Chemosphere,36(10), pp. 2252249.
Zadeh,L.A.,1965.Fuzzysets.Inform.Cont..8(3),pp.338353.
Zadeh,L.A.,1975.Theconceptofalinguisticvariableanditsapplicationtoapproximatereasoning
I.Inf.Sci.,8(3),pp.199249.
Zadeh,L.A.,1976.Theconceptofalinguisticvariableanditsapplicationtoapproximatereasoning
III.Inf.Sci.,9(5),pp.4380.
Zadeh,L.A.,1978.Fuzzysetsasabasisforatheoryofpossibility.FuzzySetsSys.,1(1),pp.328.

Volumen9No.3Diciembrede2006

Gestin y
Ambiente

113

Investigacin

y
114 Gestin
Ambiente

Volumen9No.3Diciembrede2006