Fragmentación Del Paisaje en Europa
Fragmentación Del Paisaje en Europa
Fragmentación Del Paisaje en Europa
GOBIERNO
DE ESPAA
MINISTERIO
DE AGRICULTURA, ALIMENTACIN
Y MEDIO AMBIENTE
ndice
ndice
Agradecimientos................................................................................................................. 4
Prlogo de los directores de la AEMA y la OFMA.................................................................. 6
Resumen............................................................................................................................. 7
1
principales resultados............................................................................................... 17
Acrnimos......................................................................................................................... 68
Referencias....................................................................................................................... 69
Anexo 1
Anexo 2
Anexo 3
Mtodos estadsticos.......................................................................................... 87
Agradecimientos
Agradecimientos
Agradecimientos
Resumen
Resumen
Resumen
Figura 1.1 Ejemplo de cambio del paisaje en Suiza: fotografas areas de Arisdorf (cantn de
Basilea-Campia) de 1953 (izquierda) y 1994 (derecha)
Nota:
El aumento de la fragmentacin fue provocado por la autopista y el crecimiento de las zonas urbanizadas, y se vio intensificado por la
redistribucin de las tierras de cultivo y la eliminacin de varios elementos del paisaje, como rboles frutales y setos. En cambio, las
zonas de bosque se han protegido estrictamente desde 1902.
Fuente: Tanner 1999, Federal Office of Topography swisstopo, reproducido con la autorizacin de swisstopo BA110233.
Tabla 1.1
Tema
Cobertura
del suelo
Clima
local
Modificacin de las condiciones de temperatura (por ejemplo, calentamiento de las carreteras y mayor
variacin de la temperatura).
Acumulacin de aire fro en los terraplenes de las carreteras.
Modificacin de las condiciones de humedad (por ejemplo, porcentaje inferior de humedad del aire debido al
aumento de la radiacin solar, estancamiento de la humedad en los arcenes de las carreteras a causa de la
compactacin del suelo).
Modificacin de las condiciones lumnicas.
Modificacin de las condiciones de viento (por ejemplo, debido a los pasillos de los bosques).
Lmites climticos.
Emisiones
Gases de escape de los vehculos, sustancias contaminantes, fertilizantes que provocan eutrofizacin.
Polvo, partculas (abrasin de neumticos y forros de freno).
Aceite, gasolina, etc. (por ejemplo, en caso de accidente de trfico).
Sal de carreteras.
Ruido.
Estmulos visuales, iluminacin.
Agua
Flora y
fauna
Muerte de animales a causa del trfico (parcialmente debido a la atraccin de los animales por las carreteras
o las vas frreas: el efecto trampa).
Niveles ms altos de perturbacin y estrs, prdida de refugios.
Reduccin o prdida de hbitat; en ocasiones, creacin de un nuevo hbitat.
Modificaciones de la disponibilidad de alimentos y de la composicin de la dieta (por ejemplo, menor
disponibilidad de alimentos para los murcilagos debido a las acumulaciones nocturnas de aire fro en los
terraplenes de las carreteras).
Efecto barrera, efecto filtro para el movimiento de los animales (conectividad reducida).
Perturbacin de las rutas de migracin estacional, impedimento de la dispersin y limitacin de la
recolonizacin.
Subdivisin y aislamiento de hbitats y recursos, fragmentacin de poblaciones.
Perturbacin de la dinmica metapoblacional, aislamiento gentico, efectos de consanguinidad y aumento de
la deriva gentica, interrupcin de los procesos de desarrollo evolutivo.
Reduccin del hbitat por debajo de las zonas mnimas necesarias, desaparicin de especies, reduccin de la
biodiversidad.
Aumento de la intrusin y la distribucin de especies invasoras, vas que favorecen el contagio de
enfermedades.
Reduccin de la efectividad de los depredadores naturales de las plagas en la agricultura y la silvicultura (por
ejemplo, el control biolgico de la plaga es ms complejo).
Entorno
paisajstico
Uso del
suelo
Consecuencias del aumento de la accesibilidad para el ser humano debido a las carreteras, al aumento del
trfico, a la mayor presin con respecto a la movilidad y al desarrollo urbano.
Consolidacin de las explotaciones agrcolas (principalmente asociada a la construccin de nuevas
infraestructuras de transporte).
Calidad inferior de los productos agrcolas cultivados junto a las carreteras.
Calidad inferior de las zonas recreativas debido a la retraccin, la divisin y el ruido.
Nota:
Ejemplos de las repercusiones de las instalaciones de infraestructuras lineales como carreteras, vas frreas y tendidos elctricos (no
incluyen el impacto de las obras de excavacin y deposicin de tierras, las vibraciones y las perturbaciones acsticas y visuales). Los
efectos se agrupan en siete temas.
11
Figura 1.2 Ilustracin de la prdida de hbitat central (o hbitat interior) provocada por la
construccin de una carretera que atraviesa una extensin de hbitat
Fragmentacin
Nota:
El hbitat central se reduce considerablemente, mientras que el hbitat de orla aumenta. Las especies interiores, es decir, las
especies que necesitan un hbitat central (marcado en verde oscuro) no pueden sobrevivir en el hbitat de orla (marcado en verde
claro). Los efectos de orla se extienden varios centenares de metros desde la carretera. En consecuencia, la prdida de hbitat
central es mucho ms grande que la superficie que ocupa la infraestructura lineal. Las huellas de animales ilustran la presencia de
distintas especies en el hbitat central y de orla.
12
Figura 1.3 Los cuatro efectos principales de las infraestructuras de transportes sobre las
poblaciones de fauna silvestre
Carreteras y trfico
1. Prdida
de hbitat
2. Mortalidad
a causa del trfico
3. Efecto barrera
4. Subdivisin de la poblacin
Menor extensin
del hbitat
Aumento
de la mortalidad
Dificultad de acceso
a los recursos
Ausencia de recolonizacin,
mayor vulnerabilidad
a las perturbaciones
Nota:
Tanto la mortalidad a causa del trfico como el efecto barrera contribuyen a la subdivisin y al aislamiento de la poblacin.
13
Figura 1.4 Ilustracin de umbrales en el efecto de la fragmentacin del paisaje sobre la viabilidad
de las poblaciones de fauna silvestre
Probabilidad
de supervivencia
de la poblacin
1,0
0,8
0,6
0,4
0,2
0
0
16
25
36
Densidad efectiva de malla seff (nmero de mallas por cada 1.000 km2)
Nota:
Los valores especficos de los umbrales dependen de la especie en cuestin, del volumen de trfico de la carretera y de la cantidad y
la calidad del hbitat existente en el paisaje (resultados de un modelo de simulacin por ordenador). Una vez superado el umbral y
alcanzado el punto de no retorno, es imposible rescatar a una poblacin en declive, incluso si se aplican medidas contundentes.
Fuente: Jaeger y Holderegger, 2005. Reproduccin autorizada por GAIA Ecological perspectives for science and society.
14
y = 6,04x + 11,44
12
10
0
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
Nota:
15
Figura 1.6 Cuatro efectos ecolgicos de las carreteras sobre las poblaciones animales y desfase
temporal de su efecto acumulado
Tamao de la poblacin de fauna silvestre
250
Bajo riesgo de extincin,
mortalidad antes de la carretera
Prdida de hbitat
200
150
Mortalidad de la fauna silvestre
Conectividad reducida
100
Alto riesgo de extincin,
mortalidad despus de la carretera
50
Momento
de la construccin
de la carretera
Desfase temporal
Nota:
Tiempo
Despus del desfase temporal (que suelen ser dcadas), el tamao de la poblacin es menor, refleja fluctuaciones relativas ms
grandes con el paso del tiempo y es ms vulnerable.
Fuente: Modificado segn Road Ecology, de Richard T.T. Forman et al. Copyright 2003 Island Press. Reproduccin autorizada por Island
Press, Washington, DC.
16
Cuadro 1.1 Explicacin de los trminos tcnicos ms importantes que se utilizan en este informe
GF
GF-A1
GF-A2
GF-B2
meff
El tamao efectivo de malla (meff) mide la conectividad del paisaje, es decir, el grado en el que
pueden producirse movimientos entre distintas partes del paisaje. Expresa la probabilidad de que
dos puntos de una regin elegidos al azar estn conectados, es decir, que no estn separados
por barreras como rutas de transporte o zonas urbanizadas. Cuantas ms barreras fragmenten
el paisaje, menor ser la probabilidad de que los dos puntos estn conectados, y menor ser el
tamao efectivo de malla. meff se mide en km2.
seff
La densidad efectiva de malla (seff) mide la fragmentacin del paisaje, es decir, el grado en
el que las barreras impiden el movimiento entre distintas partes del paisaje. Ofrece el nmero
efectivo de mallas por cada 1.000 km2, o dicho de otro modo, la densidad de las mallas. Esta cifra
se calcula fcilmente a partir del tamao efectivo de malla. Se reduce a saber cuntas veces cabe
el tamao efectivo de malla en una superficie de 1.000 km2. Cuantas ms barreras fragmenten el
paisaje, mayor ser la densidad efectiva de malla. Vase las secciones 2.1 y 2.2 para obtener ms
informacin.
NUTSX
red LEAC
Esta red es la red europea de referencia que se emplea para las actividades correspondientes a la
Contabilidad del uso de la tierra y los ecosistemas (Land and Ecosystem Accounting, LEAC) y
otras tareas. Posee una resolucin de 1 km2.
CLC
Corine Land Cover (CLC) es un mapa digital de tipos de cobertura del suelo en Europa, uniforme
en todo el continente y basado en imgenes tomadas por satlite. Este mapa resulta til para
analizar y evaluar el medio ambiente y para disear las polticas. CLC 2006 es el tercer conjunto de
datos de una serie cuyos dos primeros componentes datan de 1990 y 2000.
TeleAtlas
TeleAtlas es un proveedor de mapas digitales y soluciones de navegacin que abarca 200 pases
de todo el mundo. Los datos sobre carreteras y vas frreas empleados en este informe se han
extrado del conjunto de datos de TeleAtlas correspondiente a 2009.
Nota:
17
18
19
20
Figura 2.1 Ilustracin del comportamiento de cinco sistemas de medicin del paisaje en las
fases de reduccin y atricin de las secciones restantes del paisaje abierto debido al
desarrollo de una zona urbana
Clculos:
APS (km2)
4
4 km2
4,3 km2
APS = (suma de cuatro
extensiones/4),
seguida de un salto al APS
(suma de tres extensiones/3).
3,8 km2
3,5 km
Tiempo
n
4
Nmero de extensiones:
n = 4, que cambia
bruscamente a n = 3.
2
0
Tiempo
nUDA100
2
1
0
Tiempo
DTL (km/km2)
0,50
0,25
0,00
Tiempo
meff (km2)
4,6 km2
4,5
4,3
4,3 km2
4,1 km2
4,1
3,9
Nota:
4 km2
Tiempo
Primera fila: modificacin del paisaje con el tiempo (lneas negras = autopistas, zona negra = zona residencial o comercial; tamao
del paisaje: 4 km 4 km = 16 km2). Solo el tamao efectivo de malla se comporta de manera adecuada (diagrama inferior). APS y
n reflejan un salto en sus valores (a pesar de que el proceso que se produce en el paisaje es continuo); DTL y nUDA100 no responden al
aumento de la fragmentacin. (meff = tamao efectivo de malla, n = nmero de extensiones, APS = tamao medio de la extensin,
nUDA100 = nmero de zonas con bajo trfico sin dividir superiores a 100 km2, DTL = densidad de las lneas de transporte).
21
Figura 2.2 Ilustracin de dos paisajes con distribucin de carreteras uniforme (izquierda) o
agrupada (derecha)
Nota:
El paisaje de la izquierda est ms fragmentado, mientras que el paisaje de la derecha posee ms hbitat central no perturbado. No
obstante, la densidad de las lneas de transporte (DTL) es la misma en ambos paisajes (0,5 km/km2, cuando el rea del paisaje es 64
km2). El nmero de extensiones restantes (n) y el tamao medio de la extensin (APS) tampoco reflejan las diferencias estructurales
entre los dos paisajes, puesto que son las mismas en ambos (n = 4; APS = 16 km2). Sin embargo, el tamao efectivo de malla (meff)
indica correctamente la diferencia existente entre el paisaje de la izquierda (meff = 16 km2) y el de la derecha (meff = 37,7 km2).
Figura 2.3 Ilustracin de la idea bsica del sistema de medicin del tamao efectivo de malla
(a)
Nota:
(b)
Dos puntos del paisaje elegidos al azar pueden estar conectados (a) o separados por una barrera, por ejemplo cuando se aade
una carretera nueva al paisaje (b). Cuantas ms barreras hay en el paisaje, menos puntos estarn conectados con cualquier punto
concreto (c), y menor ser el tamao efectivo de malla. El tamao efectivo de malla expresa la probabilidad de que dos puntos del
paisaje elegidos al azar estn conectados. Esto se corresponde con la definicin de conectividad del paisaje como el grado en el que
el paisaje favorece o impide el movimiento entre parcelas con recursos (Taylor et al., 1993). La fragmentacin del paisaje implica
una reduccin de la conectividad del paisaje.
22
(c)
23
Cuadro 2.1 Definicin de tamao efectivo de malla meff y densidad efectiva de malla seff
La definicin de tamao efectivo de malla meff se basa en la probabilidad de que dos puntos de una zona
elegidos al azar estn conectados y no se encuentren separados por ninguna barrera. Esta definicin genera la
siguiente frmula,
meff =
A
1
A
total
A2
Atotal
A3
total
+ ... +
An
Atotal
A
total =
1
Atotal
i=1
1 000 km2
1
1
= m
meff
1 000 km2
eff
El valor de la densidad efectiva de malla se incrementa cuando aumenta la fragmentacin (Figura 2.5). Las
dos medidas contienen la misma informacin sobre el paisaje, pero la densidad efectiva de malla es ms til a
la hora de identificar tendencias y cambios en las tendencias. Puede consultarse una descripcin detallada de
ambos sistemas de medicin en Jaeger (2000, 2002).
24
A2
A3
A1
Nota:
Atotal = 2 km x 2 km = 4 km2
La probabilidad de que dos puntos elegidos al azar se encuentren en la seccin 1 (y estn, por tanto,
conectados) es:
A1
Atotal
= 0 . 5 0 . 5 = 0 .25
La probabilidad correspondiente es 0,25 = 0,0625 para las secciones 2 y 3. La probabilidad de que dos
puntos se encuentren en la seccin 1 o 2 o 3 es la suma de las tres probabilidades, lo que da un resultado de
0,375.
Si multiplicamos esta probabilidad por la superficie total de la regin objeto de la investigacin, obtenemos
finalmente el valor del tamao efectivo de malla:
meff = 0,375 4 km2 = 1,5 km2
As, la densidad efectiva de malla seff es: seff = 666,7 mallas por cada 1.000 km2
La relacin entre densidad de malla y tamao de malla es tal que un incremento en el percentil de la densidad
de malla es distinto de un descenso en el percentil del tamao de malla (Figura 2.5). Por ejemplo, un
aumento de la densidad efectiva de malla del 100% (por ejemplo, de 20 a 40 mallas por cada 1.000 km2) se
corresponde con un descenso del tamao efectivo de malla del 50% (por ejemplo, de 50 a 25 km2).
25
Figura 2.5 Ejemplo que refleja la relacin existente entre el tamao efectivo de malla y la
densidad efectiva de malla
20
20
10
20
00
90
20
19
20
20
20
19
19
19
19
19
19
Nota:
19
80
19
70
10
19
10
60
20
19
15
40
30
20
20
10
40
00
25
90
50
80
30
70
60
60
35
50
70
40
40
50
Densidad efectiva de malla seff (nmero de mallas por cada 1.000 km2)
80
19
En este ejemplo hipottico, la tendencia permanece constante. Un aumento lineal de la densidad efectiva de malla (derecha) se
corresponde con una curva 1/x en el grfico del tamao efectivo de malla (izquierda). Un aumento ms lento de la fragmentacin da
como resultado una curva ms plana en el tamao efectivo de malla, y un aumento ms rpido genera una curva ms pronunciada.
En consecuencia, es ms fcil identificar las tendencias de la densidad efectiva de malla (derecha) en el grfico.
Tabla 2.1
Barreras artificiales
(autopistas, otras
carreteras, vas frreas
Carreteras hasta la clase
y zonas urbanizadas)
4 (carreteras de acceso)
Mapa 2.1
GF-A1:
Fragmentacin antropognica
importante
GF-A2:
Fragmentacin antropognica
importante e intermedia
GF-B2:
61100
Zonas urbanizadas
Montaas
1120
101600
Lagos
2140
> 600
0
25
50
100 Km
4160
Nota:
Las barreras aparecen en negro (zonas urbanizadas, carreteras, vas frreas), y los colores indican el tamao de las secciones
restantes del paisaje. Los lagos Constanza y Ginebra pueden observarse en la parte superior e izquierda del mapa, respectivamente.
En la GF-BE, los lagos y las montaas se consideraron barreras, pero no se incluyeron en las unidades informativas.
27
Tabla 2.2
Conjunto de datos
Ao
Elementos de fragmentacin
2006
TeleAtlas Multinet
2009
Nordregio
2004
WorldClim
2009
CCM2: Caracterizacin
y modelos de cuencas,
versin 2.1
2007
28
29
Tabla 2.3
Variable
Fuente
Casos completos
Unidad
NUTS
498
NUTS
481
NUTS
418
Pas
487
Pas
494
NUTS
504
Pas
500
NUTS
530
% de colinas (Hills)
NUTS
530
NUTS
530
Nota:
Las tres variables IsI, Hills y MtSl estn disponibles para la totalidad de Europa. No obstante, algunos pases no se incluyeron
en el anlisis socioeconmico por falta de datos (Suecia, Bulgaria y San Marino). Sin ellos, el mximo nmero de casos
posible para los modelos socioeconmicos era 530.
La unidad PP euros (PP = patrn de poder adquisitivo) indica que la variable se ajust para tener en cuenta las diferencias en
los niveles de precios entre pases.
31
Fragmentacin del paisaje por pas aplicando las tres geometras de fragmentacin
-20
-10
10
20
30
40
50
60
70
60
FGA2
50
FGB2
Nmero de mallas
por cada 1.000 km2 (seff)
= 10 mallas
por cada 1.000 km2
50
Fuera de la zona
de cobertura
40
40
500
1000
1500 km
10
32
20
30
40
Mapa 3.2
-30
-10
10
20
30
40
50
60
70
60
0,61,0
1,12,0
2,14,0
50
4,17,0
7,110,0
10,120,0
20,135,0
35,175,0
50
75,1100,0
> 100
Fuera de la zona
de cobertura
40
40
Nota:
500
1000
1500 km
10
20
30
40
30
33
Figura 3.1 Diagrama de barras de los valores de densidad efectiva de malla por pas
para la GF-B2 en 2009
seff (nmero de mallas por cada 1.000 km2)
140
120
100
80
60
40
20
Lu
xe
m
bu
B rgo
lg
ic
Pa
a
s M
es a
l
B ta
Al ajo
em s
Re
p F ani
bl ra a
ic nc
a
Ch ia
e
P ca
D olo
in
am nia
a
Li rca
tu
an
i
S a
Es ui
lo za
ve
H ni
un a
gr
Es a
to
Po ni
rt a
ug
a
It l
a
Le lia
to
n
Au ia
st
Ir ria
la
n
Li
E
ec s da
ht pa
en a
Es st
lo ein
va
B q
Re ulg uia
in ar
o
i
U a
ni
G do
re
c
Fi
nl ia
a
Ru nd
m ia
a
Su na
N eci
or a
ue
ga
34
(1) Sin embargo, no todas las carreteras de clase 3 y 4 parecen estar representadas en el conjunto de datos de TeleAtlas, a pesar de que la
documentacin de TeleAtlas indica que Rumana est analizada al 100%. En consecuencia, nuestro clculo del nivel de fragmentacin para
Rumana podra subestimar los verdaderos niveles de fragmentacin de este pas.
35
Mapa 3.3
Nota:
Mapa 3.4
Fragmentacin del paisaje por cuadrcula de 1 km2 en la regin del Canal de la Mancha
en 2009
Fragmentacin del paisaje
por cuadrcula
de 1 km2 (2009)
Nmero de mallas
por cada 1.000 km2 (seff)
< 0,10
0,100,25
0,250,50
0,501,00
1,005,00
5,0010,00
10,0025,00
25,0050,00
50,00100,00
> 100,00
Fuera de la zona
de cobertura
Nota:
150
300
450 Km
37
Mapa 3.5
Fragmentacin del paisaje por cuadrcula de 1 km2 en la regin alrededor de los Alpes
en 2009
Nota:
150
300
450 Km
38
Mapa 3.6
-30
-20
-10
10
20
30
40
50
60
70
60
0,260,50
0,511,00
50
1,015,00
5,0110,00
10,0125,00
25,0150,00
50
50,01100,00
> 100
Fuera de la zona
de cobertura
40
40
500
Nota:
1000
1500 km
10
20
30
40
30
Figura 3.2 Diagrama de barras de los valores de densidad efectiva de malla por regin NUTS-X
para la GF-B2 en 2009
seff (nmero de mallas por cada 1.000 km2)
160
140
120
100
80
60
40
20
Nota:
Reino Unido
Suiza
Espaa
Portugal
Rumana
Eslovaquia
Eslovenia
Suecia
Liechtenstein
Polonia
Noruega
Irlanda
Italia
Letonia
Lituania
Pases Bajos
Grecia
Hungra
Alemania
Francia
Dinamarca
Estonia
Finlandia
Repblica Checa
Austria
Blgica
Bulgaria
Malta
Luxemburgo
39
Mapa 3.7
-30
Fragmentacin del paisaje per cpita (entendida como la relacin entre la densidad
efectiva de malla y la densidad de poblacin)
-20
-10
10
20
30
40
50
60
70
60
50100
100200
50
200400
400800
8001.600
50
1.6004.913
Fuera de la zona
de cobertura
40
40
Nota:
500
1000
1500 km
10
30
40
30
En algunos pases no haba datos socioeconmicos disponibles, por ejemplo, en Suecia y Polonia.
40
20
Figura 3.3 Valores previstos y constatados de densidad efectiva de malla segn el modelo
predictivo paneuropeo
Modelo global (Europa GF-B2)
(seff) observada ( [nmero de mallas por cada 1.000 km2])
40
R2 = 46.07 %
30
FR107
20
10
CH04
0
0
10
20
30
40
Nota:
El modelo incluye las 10 variables de prediccin para todas las regiones NUTS-X de Europa, utilizando una transformacin de raz
cuadrada para seff y PD. Las regiones NUTS-X representadas con puntos por encima de la diagonal estn ms fragmentadas de lo
previsto (por ejemplo, FR107 Va de Marne), y las representadas con puntos por debajo de la diagonal estn menos fragmentadas
de lo previsto (por ejemplo, CH04 Zurich). (Las cinco regiones NUTS-X con seff > 1.000 mallas por cada 1.000 km2 se excluyeron del
anlisis: FR101 Paris, FR105 Hauts-de-Seine, FR106 Seine-Saint-Denis, UKI1 Inner London, BE10 Rgion de Bruxelles-Capitale).
41
Mapa 3.8 Diferencias absolutas entre los valores previstos y los constatados de seff segn
el modelo paneuropeo
-30
-20
-10
10
20
30
40
50
60
70
60
de 200 a 100
de 99,9 a 50
50
de 49,9 a 25
de 24,9 a 10
de 9,9 a 5
de 4,9 a 1
50
de 0,9 a 0
de 0 a 1
de 1,1 a 5
40
de 5,1 a 10
de 10,1 a 25
de 25,1 a 50
de 50,1 a 100
40
de 100,1 a 200
> 200
0
Nota:
500
1000
1500 km
10
30
40
30
Fuera de la zona
de cobertura
Las zonas que aparecen en marrn oscuro estn ms fragmentadas de lo esperado, mientras que las zonas ms claras estn menos
fragmentadas de lo esperado. En algunos pases no haba datos socioeconmicos disponibles, por ejemplo, en Suecia y Polonia.
42
20
Mapa 3.9
-30
-10
10
20
30
40
50
60
70
Grupos de regiones
europeas
Grupo A
Grupo B
Grupo C
Grupo D
60
Grupo E
Grupo F
50
Fuera de la zona
de cobertura
50
40
40
500
1000
150010
km
20
30
40
43
Figura 3.4. Valores previstos y valores constatados en la densidad efectiva de malla de acuerdo con
los seis modelos predictivos para los seis grupos de regiones europeas estudiadas
Nota:
R2 = 90.61 %
R2 = 86.07 %
R2 = 79.09 %
Todos los modelos mostrados incluyen todas las variables en cada grupo y utilizan una transformacin de la raz cuadrada para seff.
45
Tabla 3.1
Parte de
Europa
abarcada
Modelo
paneuropeo
R2 del modelo
de mayor
parsimonia (%)
46,07
R2 del
modelo
global (%)
46,07
Europa
occidental:
grupo A
84,05
PD: 77,14
GDPc: 1,88
QGLUc: 0,23
Europa
occidental:
grupo B
73,69
86,07
PD QGLUc: 1,72
PD: 50,47
VPD: 41,87
PDVPD: 29,17
Europa
meridional:
grupo C
Europa
EEc + GDPc + UR + PD +
septentrional: VPD
grupo D
37,79
48,66
UR: 4,9
EDc: 19,57
Hills: 12,41
76,17
87,52
UR: 7,04
EEc: 45,63
GDPc: 19,79
UR: 16,31
GDPcEEc: 11,67
Europa
PD+VPD+EDc
septentrional:
grupo E
85,17
90,61
Europa
oriental:
grupo F
PD+VPD+GDPc
71,11
79,09
EDc: 0,96
PD: 3,77
VPD: 2,09
PDVPD: 47,35
GDPc: 0,53
VPD GDPc: 14,47
Nota:
La columna 3 explica la variacin a travs del modelo ms sencillo y, la columna 4 la explica para cada grupo a travs de todas
las variables (es decir, con el modelo global). La ltima columna ofrece la variacin explicada mediante el mejor modelo de tres
variables, basado en una divisin de la varianza. Se ofrecen contribuciones nicas y conjuntas, donde indica las contribuciones
conjuntas (seleccin; para ms informacin, vase el informe completo de Madrin et al., 2011).
Abreviaturas: PD = densidad de poblacin, GDPc = Producto Interior Bruto per cpita, VPD = volumen de la densidad de pasajeros,
QGLUc = cantidad de bienes cargados y descargados per cpita, EEc = gasto pblico en medio ambiente per cpita, EDc = gasto en
educacin per cpita, UR = ndice de desempleo, MtSI = porcentaje de montaas altas con gran inclinacin en la regin,
Hills = porcentaje de terreno con colinas en la regin, IsI = ndice del tamao de isla.
47
Mapa 3.10 Diferencias absolutas entre los valores de seff observados y previstos segn los seis
modelos globales para los grupos A a F
-30
-20
-10
10
20
30
40
50
60
70
60
de 50,0 a 25,00
de 24,9 a 10,00
50
de 9,9 a 5,00
de 4,9 a 1,00
de 0,9 a 0,00
de 0,1 a 1,00
50
de 1,1 a 5,00
de 5,1 a 10,00
de 10,1 a 25,00
40
de 25,1 a 50,00
> 50
Fuera de la zona
de cobertura
40
Nota:
500
1000
1500 km
10
30
40
30
Las zonas marrn oscuro estn ms fragmentadas de lo esperado, mientras que las de color amarillo claro muestran una
fragmentacin inferior a la esperada. En algunos pases, como Suecia y Polonia, los datos socioeconmicos no estaban disponibles.
48
20
49
Mapa 4.1
-30
Ilustracin del nivel de fragmentacin del paisaje medido mediante el tamao efectivo
de la malla y representado como una cuadrcula uniforme
-20
-10
10
20
30
40
50
60
70
60
0,61,0
1,12,0
50
2,14,0
4,17,0
7,110,0
10,120,0
20,135,0
35,175,0
50
75,1100,0
> 100
40
Fuera de la zona
de cobertura
40
Nota:
500
1000
150010
km
20
30
40
El valor del tamao efectivo de la malla por pas se representa como una cuadrcula uniforme (con un tamao de celda aproximado
de meff en km2).
51
Figura 4.1 Ejemplos del uso de la densidad efectiva de malla en los sistemas de vigilancia del
desarrollo sostenible, la biodiversidad y la calidad del paisaje
(b) Ejemplo de Baden-Wrttemberg (Alemania)
Nmero de mallas por cada 1.000 km2
90
80
70
60
50
20
20
20
10
20
00
19
90
19
80
19
70
19
60
19
50
19
40
19
20
20
20
10
19
90
19
60
20
19
30
19
00
30
18
70
19
30
40
Nota:
(a) Suiza: los datos se utilizan en el Sistema de Seguimiento del Paisaje de Suiza (LABES), en el Sistema de Seguimiento de la
Biodiversidad de Suiza y en el Sistema de Seguimiento del Desarrollo Sostenible de Suiza (MONET). Se muestran dos geometras de
fragmentacin: CH-1: grado de fragmentacin clase 2 (se muestra en azul) incluye superficies inferiores a 2.100 m con carreteras
hasta de clase 2, y CH-2: grado de fragmentacin clase 4 (se muestra en rojo) con carreteras hasta de clase 4 para 19602008.
Debe tenerse en cuenta que el grado de fragmentacin clase 2 incluye tambin valores de 1885 y 1935, que se basan en un
conjunto de datos diferente.
(b) Baden-Wrttemberg: series temporales desde 1930 para dos geometras de fragmentacin: con y sin carreteras municipales. Los
valores de Suiza son para todo el pas, incluidas las montaas Jura y partes de los Alpes hasta los 2.100 m. Por lo tanto, son mucho
ms bajos que los valores de Baden-Wrttemberg. No obstante, el nivel de fragmentacin en las llanuras de Suiza es mucho mayor
que el promedio y similar a los valores de Baden-Wrttemberg (vase Roth et al. 2010).
Fuente: Roth et al., 2010; Bertiller et al., 2007; Esswein y Schwarz-von Raumer, 2008.
53
54
Mapa 4.2
20
40
80 Km
Nota:
05
1125
51100
3011000
610
2650
101300
10012500
> 2500
Montaas
Zonas urbanizadas
Lagos
Corredor ecolgico
La red de corredores transregionales de Suiza para la fauna terrestre incluye los corredores ecolgicos y los ejes de movimiento
transregionales. Los colores rojo, amarillo y verde indican los tamaos de las parcelas restantes.
55
Mapa 4.3
Nota:
100
200
400 Km
Muchas zonas protegidas estn situadas en regiones que contienen grandes parcelas no fragmentadas. Los sistemas fluviales que
estn protegidos aparecen como lneas negras. Dependiendo de los objetivos concretos de un estudio, son ms apropiadas unas u
otras GF (geometras de fragmentacin).
57
Figura 4.2 Dos ejemplos de pasos elevados en combinacin con vallas que cruzan una autopista
de cuatro carriles (izquierda) y una autopista en construccin (derecha) en los Pases
Bajos
Nota:
Las bandas brillantes sobre el paso elevado de la izquierda son lechos de huellas para registrar las huellas de los animales que cruzan
el paso elevado.
Fuente: Foto izquierda: Rijkswaterstaat, Pases Bajos; foto derecha: Goois Natuurreservaat/W. Metz, Pases Bajos.
58
(2) El LEP es un indicador para medir y evaluar la integridad de los ecosistemas terrestres a gran escala en Europa, sobre la base de los
cambios en el uso del suelo, que se entiende como un factor determinante clave del potencial de los ecosistemas para ofrecer mltiples
servicios necesarios para el desarrollo de la sociedad y el bienestar humano. Tambin se est teniendo en cuenta como parte de un
recuento fsico del capital natural que entonces se puede utilizar como un ajuste del PIB (AEMA, 2006c).
59
Figura 4.3 Ilustracin del diseo de estudio antes-despus-control-impacto (BACI,) para investigar
los efectos de la infraestructura del transporte en las poblaciones de fauna silvestre
BACI
Antes
Antes
Despus
1
Impacto
2
Final de medicin
Emplazamiento
Despus
C
3
Control
Nota:
Tiempo
Los rectngulos indican paisajes en diversos momentos antes y despus de la construccin de una carretera. Los puntos negros de
los paisajes indican la abundancia de especies de fauna silvestre. El criterio de valoracin es la variable medida a lo largo del tiempo,
por ejemplo, densidad de poblacin en el paisaje. (I = Impacto, C = Control).
60
Tiempo
Figura 4.4 Ejemplo del efecto del uso de tneles sobre la densidad efectiva de malla
seff = 38,5 mallas por cada 1.000 km2
4 km
8 km
Nota:
La densidad efectiva de malla es menor si la carretera discurre a travs de un tnel (derecha) que sin tnel (izquierda).
61
Figura 4.5 Ejemplo del efecto de la integracin de rutas de transporte sobre la densidad efectiva
de malla
seff = 62,5 mallas por cada 1.000 km
5,8 km
cada
0,1 km
2 km
2 km
8 km
Nota:
La densidad efectiva de malla es menor si las rutas de transporte estn agrupadas (derecha), que si se encuentran uniformemente
distribuidas por todo el territorio (izquierda).
62
Figura 4.6 Ejemplo del efecto del emplazamiento de las circunvalaciones sobre la densidad efectiva
de malla
seff = 80,6 mallas por cada 1.000 km
4 km
8 km
Nota:
La densidad efectiva de malla es menor si la circunvalacin se dispone ms cercana al asentamiento (derecha), que si la carretera se
construye ms lejos (izquierda).
63
65
Tabla 4.1
66
El tamao mximo de las unidades informativas no debe ser mayor de 7.000 km2 (para ms detalles, consulte
Umweltbundesamt, 2003 y Penn-Bressel, 2005).
67
Acrnimos
Acrnimos
68
AEMA
AIC
ARE
ATKIS
BAFU
BFS
BLN
CORINE
Coordinacin de la Informacin sobre la Situacin del Medio Ambiente: datos europeos sobre
cobertura del suelo
EDc
EEc
GDPc
GF
geometra de fragmentacin
GLM
Hills
IsI
LABES
LEAC
meff
tamao efectivo de malla (medido en km2; medida del grado de conectividad del paisaje)
MONET
MtSl
NUTS-X
OFMA
ORATE
PD
densidad de poblacin
PPS
QGLUc
seff
densidad efectiva de malla (medida como la cifra efectiva de mallas por km2; medida del grado de
fragmentacin del paisaje)
TEN-T
UR
tasa de desempleo
VPD
Referencias
Referencias
69
Referencias
70
Referencias
71
Referencias
72
Referencias
73
Referencias
74
Referencias
75
Referencias
76
Anexo 1
Valores del tamao efectivo de malla y la densidad efectiva de malla para los pases con la
geometra de fragmentacin B2 Fragmentacin de las zonas no montaosas
Pas
AT
BE
BG
CH
CZ
DE
DK
EE
ES
FI
FR
GR
HU
IE
IT
LI
LT
LU
LV
MT
NL
NO
PL
PT
RO
SE
SI
SK
UK
Los 29 pases
161,31
9,51
246,83
76,59
44,16
23,46
62,95
108,36
181,22
1.443,39
33,84
308,22
106,84
170,41
11,73
197,73
75,62
7,40
112,93
10,20
16,36
2.525,04
57,63
108,57
1.655,72
1.673,51
100,85
209,92
265,16
573,10
77
Anexo 1
Valores del tamao efectivo de malla y la densidad efectiva de malla para las regiones
NUTS-X con la geometra de fragmentacin B2 Fragmentacin de las zonas no montaosas
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
(AT) Austria
Burgenland (AT11)
meff 2009
(km2)
Ruse (BG125)
66,32
72,65
13,76
200,64
4,98
56,40
17,73
Obersterreich (AT31)
135,01
7,41
Smolyan (BG225)
Salzburg (AT32)
180,15
5,55
Sofia (BG212)
Steiermark (AT22)
267,28
3,74
Tirol (AT33)
236,35
4,23
Vorarlberg (AT34)
483,39
2,07
Targovishte (BG134)
10,47
95,51
Krnten (AT21)
Niedersterreich (AT12)
Wien (AT13)
Shumen (BG133)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
15,08
111,90
8,94
99,29
10,07
136,93
7,30
1.455,61
0,69
159,94
6,25
137,96
7,25
128,22
7,80
Silistra (BG136)
Sliven (BG232)
81,50
12,27
Varna (BG131)
105,88
9,44
107,07
9,34
9,25
108,06
Vidin (BG111)
270,45
3,70
5,91
169,07
Vratsa (BG113)
121,70
8,22
7,64
130,96
Yambol (BG233)
355,40
2,81
(BE) Blgica
(CH) Suiza
14,41
69,40
8,97
111,48
13,72
72,89
Nordwestschweiz (CH03)
12,29
81,37
Ostschweiz (CH05)
Prov. Oost-Vlaanderen
(BE23)
5,35
187,04
Prov. Vlaams-Brabant
(BE24)
3,29
303,93
Prov. West-Vlaanderen
(BE25)
7,15
139,94
0,73
1.371,47
59,70
16,75
11,67
85,69
136,95
7,30
33,79
29,59
191,87
5,21
Zentralschweiz (CH06)
71,58
13,97
Zrich (CH04)
31,53
31,72
Ticino (CH07)
(BG) Bulgaria
3,98
251,48
53,18
18,80
29,91
33,43
Blagoevgrad (BG213)
454,66
2,20
Burgas (BG231)
294,21
3,40
76,86
13,01
Kralovehradecky kraj
(CZ052)
44,40
22,52
52,29
19,12
Dobrich (BG132)
201,65
4,96
Gabrovo (BG124)
123,55
8,09
Haskovo (BG223)
352,71
2,84
1.054,97
0,95
Moravskoslezsky kraj
(CZ080)
79,70
12,55
Kyustendil (BG215)
135,79
7,36
69,93
14,30
Lovech (BG122)
194,71
5,14
17,93
55,77
Montana (BG112)
255,34
3,92
43,76
22,85
Pazardzhik (BG224)
121,60
8,22
22,29
44,86
Pernik (BG214)
88,16
11,34
25,39
39,39
Pleven (BG121)
97,65
10,24
Vysoina (CZ061)
16,56
60,39
Plovdiv (BG221)
199,0
5,03
99,82
10,02
Razgrad (BG135)
67,39
14,84
Kardzhali (BG226)
78
Nombre
Anexo 1
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Nombre
meff 2009
(km2)
(DE) Alemania
Arnsberg (DEA5)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
(DK) Dinamarca
15,64
63,94
2,46
405,88
38,05
26,28
29,84
33,51
Brandenburg-Nordost
(DE41)
33,15
30,17
54,13
18,47
1,08
929,52
34,80
28,74
Kobehavn og Frederiksberg
kommuner (DK001)
Brandenburg-Sdwest
(DE42)
Braunschweig (DE91)
20,27
49,33
24,79
40,34
64,18
15,58
8,66
115,42
92,76
10,78
Chemnitz (DED1)
14,88
67,20
88,59
11,29
Darmstadt (DE71)
16,86
59,31
43,36
23,06
Dessau (DEE1)
27,76
36,02
41,02
24,38
Detmold (DEA4)
9,48
105,46
Sonderjyllands amt
(DK009)
Dresden (DED2)
18,22
54,88
60,97
16,40
Berlin (DE30)
Bremen (DE50)
Dsseldorf (DEA1)
6,16
162,43
51,30
19,49
Freiburg (DE13)
26,33
37,98
65,76
15,21
Gieen (DE72)
15,10
66,21
673,75
13,56
Halle (DEE2)
19,26
51,92
61,21
16,34
Hamburg (DE60)
3,57
280,19
Hannover (DE92)
19,51
51,26
Kesk-Eesti (EE006)
105,09
9,52
Karlsruhe (DE12)
17,83
56,07
Kirde-Eesti (EE007)
174,07
5,74
Kassel (DE73)
18,76
53,30
Lne-Eesti (EE004)
129,16
7,74
Koblenz (DEB1)
16,74
59,74
Luna-Eesti (EE008)
74,15
13,49
9,11
109,72
132,48
7,55
Leipzig (DED3)
11,67
85,69
Lneburg (DE93)
26,51
37,72
lava (ES211)
114,10
Magdeburg (DEE3)
38,43
26,02
Albacete (ES421)
137,52
7,27
Mecklenburg-Vorpommern
(DE80)
33,45
29,90
Alicante (ES521)
60,40
16,56
Almera (ES611)
227,90
4,39
Mittelfranken (DE25)
8,12
123,09
Asturias (ES120)
374,49
2,67
Mnster (DEA3)
9,77
102,40
vila (ES411)
135,89
7,36
Niederbayern (DE22)
26,88
37,20
Badajoz (ES431)
149,21
6,70
Oberbayern (DE21)
59,58
16,78
77,31
12,93
Oberfranken (DE24)
12,96
77,16
Oberpfalz (DE23)
23,60
42,37
Rheinhessen-Pfalz (DEB3)
18,26
54,76
Saarland (DEC0)
10,38
96,34
Schleswig-Holstein (DEF0)
13,91
71,89
Schwaben (DE27)
43,18
23,16
Stuttgart (DE11)
11,57
86,39
Thringen (DEG0)
26,07
38,36
Trier (DEB2)
14,09
70,97
Tbingen (DE14)
14,07
71,06
Unterfranken (DE26)
21,98
45,50
Weser-Ems (DE94)
15,61
64,04
Kln (DEA2)
(EE) Estonia
Phja-Eesti (EE00l)
(ES) Espaa
Barcelona (ES511)
Burgos (ES412)
8,76
94,13
10,62
Cceres (ES432)
180,88
5,53
Cdiz (ES612)
257,93
3,88
Cantabria (ES130)
230,17
4,34
Castelln (ES522)
191,30
5,23
342,54
2,92
Crdoba (ES613)
247,77
4,04
Cuenca (ES423)
140,36
7,12
Girona (ES512)
194,38
5,14
Granada (ES614)
229,16
4,36
Guadalajara (ES424)
116,59
8,58
Guipzcoa (ES212)
154,60
6,47
79
Anexo 1
Nombre
meff 2009
(km2)
Huelva (ES615)
221,63
Huesca (ES615)
Islas Baleares (ES530)
Jan (Es616)
La Corua (ES111)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
4,51
Pohjanmaa (FI195)
236,07
4,24
50,91
19,64
738,20
1,35
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
77,79
12,86
Pohjois-Karjala (FI133)
288,91
3,46
Pohjois-Pohjanmaa (FI1A2)
346,91
2,88
Pohjois-Savo (FI132)
101,97
9,81
23,31
42,90
Satakunta (FI191)
70,48
14,19
La Rioja (ES230)
253,01
3,95
Uusimaa (FI181)
37,36
26,77
122,18
8,18
Varsinais-Suomi (FI183)
45,29
22,08
Len (ES413)
215,54
4,64
Lleida (ES513)
283,06
3,53
Ain (FR711)
20,76
48,17
74,11
13,49
Aisne (FR221)
11,78
84,87
Madrid (ES300)
53,75
18,60
Allier (FR721)
Mlaga (ES617)
164,42
6,08
Murcia (ES620)
133,94
7,47
Navarra (ES220)
197,16
5,07
Ourense (ES113)
187,12
5,34
Lugo (ES112)
Palencia (ES414)
83,81
11,93
Pontevedra (ES114)
32,83
30,46
Salamanca (ES415)
Santa Cruz de Tenerife
(ES702)
Segovia (ES416)
104,27
9,59
75,16
13,30
67,58
14,80
Sevilla (ES618)
168,25
5,94
Soria (ES417)
121,44
8,23
Tarragona (ES514)
154,53
6,47
Teruel (ES242)
177,15
5,64
Toledo (ES425)
144,21
6,93
Valencia (ES523)
Valladolid (ES418)
133,93
7,47
55,48
18,02
Vizcaya (ES213)
68,72
14,55
Zamora (ES419)
83,46
11,98
Zaragoza (ES243)
203,57
4,91
(FI) Finlandia
land (FI200)
89,97
11,11
Etel-Karjala (FI187)
79,56
12,57
Etel-Pohjanmaa (FI194)
Etel-Savo (FI131)
It-Uusimaa (FI182)
Kainuu (FI134)
Kanta-Hme (FI184)
Keski-Pohjanmaa (FUAl)
Keski-Suomi (FI193)
Kymenlaakso (FI186)
Lappi (FI1A3)
80
Nombre
109,30
9,15
80,11
12,48
43,49
22,99
383,17
2,61
60,21
16,61
288,73
3,46
123,48
8,10
79,89
12,52
4.418,31
0,23
Pijt-Hme (FI185)
53,35
18,74
Pirkanmaa (FI192)
80,43
12,43
(FR) Francia
14,41
69,40
Alpes-de-Haute-Provence
(FR821)
165,75
6,03
Alpes-Maritimes (FR823)
487,56
2,05
Ardche (FR712)
41,27
24,23
Ardennes (FR211)
22,47
44,50
Arige (FR621)
61,34
16,30
Aube (FR212)
17,10
58,48
Aude (FR811)
35,68
28,03
Aveyron (FR622)
28,99
39,49
Bas-Rhin (FR421)
22,07
45,31
Bouches-du-Rhne
(FR824)
38,86
28,73
6,78
147,49
34,93
28,63
Charente (FR531)
8,06
124,13
Charente-Maritime (FR532)
9,93
100,70
Cher (FR241)
17,64
56,69
Corrze (FR631)
15,93
62,77
Calvados (FR251)
Cantal (FR722)
Corse-du-Sud (FR831)
170,05
5,88
Cte-d'Or (FR261)
20,63
48,47
Ctes-d'Armor (FR521)
16,16
61,88
Creuse (FR632)
13,92
71,84
Deux-Svres (FR533)
15,13
66,07
Dordogne (FR611)
22,46
44,52
Doubs (FR431)
24,00
41,67
Drme (FR713)
209,59
4,77
Essonne (FR104)
Eure (FR231)
Eure-et-Loir (FR242)
7,64
130,94
11,71
85,42
5,17
193,30
Finistre (FR522)
21,39
46,75
Gard (FR812)
23,42
42,70
Gers (FR624)
18,28
54,70
Gironde (FR612)
55,89
17,89
219,20
4,56
Haute-Corse (FR832)
Anexo 1
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Haute-Garonne (FR623)
17,11
58,45
Sane-et-Loire (FR263)
19,51
51,26
Haute-Loire (FR723)
23,31
42,90
Sarthe (FR514)
13,48
74,18
Haute-Marne (FR214)
22,79
43,88
Savoie (FR717)
55,59
17,99
Hautes-Alpes (FR822)
115,89
8,63
Seine-et-Marne (FR102)
10,11
98,87
Haute-Sane (FR433)
20,00
50,00
Seine-Maritime (FR232)
7,04
142,08
Haute-Savoie (FR718)
41,34
24,19
Seine-Saint-Denis (FR106)
0,18
5.525,09
Hautes-Pyrnes (FR626)
57,55
17,38
Somme (FR223)
10,48
95,44
Haute-Vienne (FR633)
13,83
72,31
Tarn (FR627)
20,61
48,52
Haut-Rhin (FR422)
27,21
36,75
Tarn-et-Garonne (FR628)
17,67
56,59
0,33
3.047,94
14,55
68,73
Hrault (FR813)
28,39
35,22
Territoire de Belfort
(FR434)
Ille-et-Vilaine (FR523)
10,92
91,60
Val-de-Marne (FR107)
1,64
608,24
Indre (FR243)
14,14
72,70
Val-d'Oise (FR108)
7,86
127,28
18,43
54,26
Var (FR825)
66,51
15,04
114,86
8,71
Vaucluse (FR826)
35,92
27,84
14,86
67,31
Hauts-de-Seine (FR105)
Indre-et-Loire (FR244)
Isre (FR714)
Jura (FR432)
24,28
41,19
Vende (FR515)
Landes (FR613)
61,01
16,39
Vienne (FR534)
15,89
62,93
33,95
29,46
17,30
57,80
6,74
148,30
1.359,95
0,74
75,45
13,25
195,39
5,12
143,65
6,96
35,72
28,00
Ipeiros (GR21)
138,81
7,20
192,74
5,19
Kriti (GR43)
147,25
6,79
82,80
12,08
Loire (FR715)
16,83
59,42
Vosges (FR414)
Loire-Atlantique(FR511)
15,45
64,72
Yonne (FR264)
Yvelines (FR103)
Loiret (FR246)
21,87
45,72
Loir-et-Cher (FR245)
21,86
45,75
Lot (FR625)
16,54
60,46
Lot-et-Garonne (FR614)
24,57
40,70
Lozre (FR814)
55,37
18,06
Maine-et-Loire (FR512)
12,81
78,06
6,22
160,84
Marne (FR213)
31,59
31,66
Mayenne (FR513)
12,44
80,39
Meurthe-et-Moselle
(FR411)
21,69
46,10
Manche (FR252)
(GR) Grecia
Anatoliki Makedonia, Thraki
(GR11)
Attiki (GR30)
Meuse (FR412)
24,01
41,65
Morbihan (FR524)
18,38
54,39
Peloponnisos (GR25)
140,47
7,12
19,6
51,02
277,94
3,60
18,08
55,31
Thessalia (GR14)
247,16
4,05
144,33
6,93
Moselle (FR413)
Nivre (FR262)
Nord (FR301)
7,78
128,48
Oise (FR222)
12,73
78,55
Orne (FR253)
11,52
86,84
Paris (FR101)
0,01
102.511,37
Pas-de-Calais (FR302)
7,23
138,22
Puy-de-Dme (FR724)
16,84
59,38
Pyrnes-Atlantiques
(FR615)
51,43
19,44
Pyrnes-Orientales
(FR815)
Rhne (FR716)
148,46
6,74
8,89
112,54
(HU) Hungra
Bacs-Kiskun (HU331)
123,17
8,12
Baranya (HU231)
118,18
8,46
Bekes (HU332)
129,19
7,74
Borsod-Abauj-Zemplen
(HU311)
137,13
7,29
Budapest (HU101)
3,37
296,92
Csongrd (HU333)
107,65
9,29
Fejer (HU211)
85,40
11,71
Gyor-Moson-Sopron
(HU221)
88,40
11,31
81
Anexo 1
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Hajd-Bihar (HU321)
123,40
80,10
Heves (HU312)
103,34
9,68
Jasz-Nagykun-Szolnok
(HU322)
118,81
8,42
70,27
14,23
123,46
8,10
meff 2009
(km2)
Nograd (HU313)
Pest (HU102)
Somogy (HU232)
94,84
10,54
134,47
7,44
89,46
11,18
101,29
9,87
44,48
22,48
105,48
9,48
60,90
16,42
Szabolcs-Szatmar-Bereg
(HU323)
Tolna (HU233)
Vas (HU222)
Veszprm (HU213)
Zala (HU223)
(IE) Irlanda
Border (IE011)
176,03
5,68
Dublin (IE021)
25,87
38,65
Mid-East (IE022)
139,41
7,17
Midland (IE012)
126,04
7,93
Mid-West (IE023)
127,59
7,84
125,22
7,46
77,17
12,96
(LI) Liechtenstein
140,99
7,09
71,02
14,08
46,84
21,35
Marijampoles apskritis
(LT004)
67,36
14,85
78,02
12,82
66,09
15,13
74,90
13,35
64,36
15,54
55,34
18,07
87,74
11,40
(LU) Luxemburgo
7,40
135,17
Kurzeme (LV003)
130,11
7,69
7,99
Latgale (LV005)
111,79
8,95
94,42
10,59
(LV) Letonia
257,93
3,88
West (IE013)
187,81
5,32
Riga (LV006)
Vidzeme (LV008)
(IT) Italia
98,34
10,17
Basilicata (ITF5)
105,40
9,49
Calabria (ITF6)
149,47
6,69
Campania (ITF3)
72,42
13,81
Emilia-Romagna (ITD5)
35,19
28,42
5,06
(LT) Lithuania
Pieriga (LV007)
Abruzzo (ITF1)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
133,98
197,73
Komarom-Esztergom
(HU212)
Zemgale (LV009)
8,62
116,01
106,05
9,43
118,65
8,43
(MT) Malta
10,20
98,04
15,10
66,23
30,28
33,03
394,26
2,54
Flevoland (NL23)
85,52
11,69
Friesland (NL12)
18,02
55,51
16,24
61,58
122,76
8,15
Gelderland (NL22)
73,01
13,70
Groningen (NL11)
20,79
48,10
11,22
89,11
Marche (ITE3)
57,42
17,42
Molise (ITF2)
69,21
14,45
Noord-Brabant (NL41)
18,51
54,02
98,34
10,17
Noord-Holland (NL32)
14,14
70,72
Provincia Autonoma
Bolzano (ITD1)
115,04
8,69
Overijssel (NL21)
16,91
59,14
Utrecht (NL31)
8,28
120,77
244,89
4,08
Zeeland (NL34)
14,68
68,12
36,61
27,31
11,97
83,57
Sardegna (ITG2)
291,64
3,43
Sicilia (ITG1)
118,16
8,46
68,80
14,53
107,35
9,32
Piemonte (ITC1)
Puglia (ITF4)
Toscana (ITE1)
Umbria (ITE2)
82
Nombre
Zuid-Holland (NL33)
(NO) Noruega
Akershus (NO012)
246,29
4,06
1.060,96
0,94
Buskerud (NO032)
835,40
1,20
Finnmark (NO073)
6.177,91
0,16
Aust-Agder (NO041)
Anexo 1
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Hedmark (NO021)
1.042,37
0,96
10,50
95,26
Hordaland (NO051)
2.184,74
0,46
11,20
89,32
506,58
1,97
12,78
78,25
Nordland (NO071)
3.051,95
0,33
Nord-Trndelag (NO062)
3.529,11
0,28
Nowosadecki (PL212)
Oppland (NO022)
933,38
1,07
Oslo (NO011)
443,80
2,25
stfold (NO031)
Rogaland (NO043)
Sogn og Fjordane (NO052)
Sr-Trndelag (NO061)
Telemark (NO034)
12,72
78,62
139,83
7,15
Olsztynski (PL622)
60,05
16,65
Opolski (PL520)
35,46
28,20
108,21
9,24
16,73
0,67
Ostrolecko-siedlecki
(PL122)
59,76
1.499,53
807,48
1,24
Pilski (PL411)
54,39
18,39
1.852,85
0,54
Piotrkowsko-skierniewicki
(PL112)
35,69
28,02
Poznanski (PL412)
37,95
26,35
Radomski (PL124)
41,84
23,90
607,08
1,65
4.168,13
0,24
Vest-Agder (NO042)
974,78
1,03
Vestfold (NO033)
121,29
8,24
Rybnicko-jastrzebski
(PL227)
14,75
67,80
26,11
6,11
Rzeszowsko-tarnobrzeski
(PL321)
38,30
163,71
Slupski (PL631)
83,41
11,99
52,37
19,09
Swietokrzyski (PL330)
37,74
26,50
148,61
6,73
Szczecinski (PL421)
42,56
23,50
Bydgoski (PL611)
41,20
24,27
41,45
24,13
36,44
27,44
Torunsko-wloclawski
(PL612)
Chelmsko-zamojski
(PL312)
42,14
23,73
Warszawski (PL126)
40,85
24,48
Wrocawski (PL513)
26,41
37,86
Ciechanowsko-plocki
(PL121)
35,86
27,89
Zielonogrski (PL432)
47,58
21,02
Czstochowski (PL224)
35,09
28,50
Elblski (PL621)
40,78
24,52
Ecki (PL623)
95,21
10,50
9,28
107,81
51,23
19,52
Norte (PT18)
Regio Autonoma da
Madeira (PT30)
Regio Autonoma dos
Aores (PT20)
445,93
2,24
Troms (NO072)
(PL) Polonia
Bialostocko-suwalski
(PL341)
Bialskopodlaski (PL311)
Bielsko-bialski (PL225)
Gdansk-Gdynia-Sopot
(PL633)
Gdanski (PL632)
Gorzowski (PL431)
63,24
16,04
Jeleniogorsko-walbrzyski
(PL511)
51,15
19,55
Kaliski (PL413)
34,40
29,07
Koninski (PL414)
39,57
25,27
Koszaliski (PL422)
61,64
16,22
Krakowsko-tarnowski
(PL211)
21,47
46,58
Krosniensko-przemyski
(PL322)
(PT) Portugal
Alentejo (PT18)
124,65
8,02
Algarve (PT15)
100,7
9,93
83,05
12,04
Lisboa (PT17)
27,61
36,22
74,00
13,51
687,86
1,45
(RO) Rumana
Alba (RO071)
1.944,55
0,51
Arad (RO051)
1.624,11
0,62
Arges (RO031)
1.121,65
0,89
Bacau (RO011)
2.114,80
0,47
141,34
7,08
Bihor (RO061)
1.974,23
0,51
Legnicki (PL512)
30,68
32,59
Bistrita-Nasaud (RO062)
2.336,34
0,43
Lodzki (PL111)
42,33
23,62
Botoani (RO012)
558,13
1,79
Lomzynski (PL342)
69,77
14,33
Brila (RO021)
593,38
1,69
Lubelski (PL313)
36,75
27,21
Braov (RO072)
7,51
133,07
Bucuresti (RO081)
1.830,17
0,55
3,36
297,92
83
Anexo 1
Nombre
meff 2009
(km2)
Buzu (RO022)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
2.955,18
0,34
meff 2009
(km2)
stergtlands ln (SE023)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
147,17
6,79
480,43
20,08
Skne ln (SE044)
71,91
13,91
Caras-Severin (RO052)
2.833,50
0,35
100,90
9,91
Cluj (RO063)
2.680,75
0,37
Sdermanlands ln
(SE022)
825,73
1,21
89,93
11,12
3.281,41
0,30
Uppsala ln (SE021)
159,94
6,25
734,48
1,36
Vrmlands ln (SE061)
380,08
2,63
Dolj (RO041)
1.457,93
0,69
Galati (RO024)
1.551,81
0,64
526,77
1,90
Gorj (RO042)
1.795,45
0,56
Harghita (RO074)
2.214,44
0,45
Hunedoara (RO053)
Clrai (RO032)
Constanta (RO023)
Covasna (RO073)
Dambovita (RO033)
Giurgiu (RO034)
Stockholms ln (SE010)
Vsterbottens ln (SE081)
1.956,78
0,51
Vsternorrlands ln
(SE071)
560,84
1,78
Vstmanlands ln (SE025)
174,39
5,73
Vstra Gtalands ln
(SE0A2)
114,82
8,71
2.316,38
0,43
Ialomia (RO035)
609,95
1,64
Gorenjska (SI022)
294,21
Iasi (RO013)
808,43
1,24
Goriska (SI023)
199,51
5,01
Ilfov (RO082)
208,20
4,80
90,54
11,04
Maramure (RO064)
2.641,91
0,38
Jugovzhodna Slovenija
(SI017)
Mehedini (RO043)
1.919,40
0,52
Koroska (SI013)
73,06
13,69
Neam (RO014)
1.734,56
0,58
Notranjsko-kraska (SI018)
261,73
3,82
Olt (RO044)
1.326,64
0,75
Obalno-kraska (SI024)
42,20
23,70
972,88
1,03
Osrednjeslovenska (SI021)
39,72
25,18
1.279,18
0,78
Podravska (SI012)
14,53
68,84
1.657,31
0,60
Pomurska (SI011)
16,11
62,09
809,53
1,24
Saviinjska (SI014)
34,64
28,87
34,29
29,16
23,11
43,27
Prahova (RO036)
Slaj (RO066)
Satu Mare (RO065)
Sibiu (RO076)
(SI) Eslovenia
Suceava (RO015)
2.460,40
0,41
Spodnejpodsvska (SI016)
Pomurska (SI011)
1.703,43
0,59
Zasavska (SI015)
Teleorman (RO037)
971,89
1,03
Timis (RO054)
848,01
1,18
Tulcea (RO025)
1.176,44
0,85
Valcea (RO045)
1.133,95
0,88
Vaslui (RO016)
1.617,16
0,62
Vrancea (RO026)
4.375,96
0,23
(SE) Suecia
Blekinge ln (SE041)
73,10
13,68
Dalarnas ln (SE062)
845,31
1,18
Gvleborgs ln (SE063)
559,80
1,79
Gotlands ln (SE094)
168,81
5,92
Hallands ln (SE0A1)
67,72
14,77
3.625,86
0,28
Jnkpings ln (SE091)
146,05
6,85
Kalmar ln (SE093)
184,76
5,41
Kronobergs ln (SE092)
136,44
7,33
Norrbottens ln (SE082)
3.611,57
189,64
Jmtlands ln (SE072)
rebro ln (SE024)
84
Nombre
3,40
(SK) Eslovaquia
Banskobystricky kraj
(SK032)
Bratislavsky kraj (SK010)
234,08
4,27
95,53
10,47
168,26
5,94
63,83
15,67
305,83
3,27
206,66
4,84
52,97
18,88
365,58
2,74
43,96
44,22
22,61
46,75
21,39
0,28
Berkshire,
Buckinghamshire and
Oxfordshire (UKJ1)
5,27
Cheshire (UKD2)
25,43
39,32
Anexo 1
Nombre
meff 2009
(km2)
seff 2009
(nmero de
mallas por
cada 1.000
km2)
Nombre
Kent (UKJ4)
meff 2009
(km2)
48,13
seff 2009
(nmero de
mallas por
cada 1.000
km2)
20,78
80,57
12,41
289,85
3,45
50,37
19,85
134,03
7,46
77,63
12,88
64,16
15,59
257,45
3,88
65,75
15,21
107,50
9,30
4,71
406,49
2,46
Cumbria (UKD1)
Derbyshire and
Nottinghamshire (UKF1)
Devon (UKK4)
Lancashire (UKD4)
121,23
192,87
5,18
77,25
12,94
Lincolnshire (UKF3)
74,55
13,41
4,94
202,24
483,15
2,07
Merseyside (UKD5)
482,13
2,07
3,62
276,34
Essex (UKH3)
45,17
22,14
15,43
61,04
16,38
Shropshire and
Staffordshire (UKG2)
64,81
Gloucestershire, Wiltshire
and North Somerset
(UKK1)
245,35
4,08
Greater Manchester
(UKD3)
10,08
99,21
44,39
22,53
54,98
18,19
38,81
25,77
Herefordshire,
Worcestershire and
Warwickshire (UKG1)
54,58
18,32
117,44
8,51
2,60
385,35
153,14
6,53
33,71
29,66
1,34
0,03
33 743,86
85
Anexo 2
86
CBC
meff (j) =
1 n
cmpl
Aij Aij
Atj i=1
____
Anexo 3
Figura A3.1 Ilustracin del anlisis estadstico utilizando la regresin lineal mltiple
Blgica
400
300
200
100
0
20
23
26
29
32
35
GDPc GDPc
en 1.000
EUR PP
en 1.000
EUR PP
Nota:
38
100
200
300
400
500
600
Este sencillo ejemplo utiliza los datos de las regiones NUTS-X de Blgica (GF-B2). La densidad efectiva de malla (seff) aparece como
la variable de respuesta que se calcula mediante dos variables de prediccin: la densidad de poblacin (PD, entre 64 y 600 personas
por km2) y el Producto Interior Bruto per cpita (GDPc, entre 20.500 y 37.000 euros PP). El plano cuadriculado muestra los valores
previstos de la densidad efectiva de malla para cada combinacin de PD y GDPc. Las diferencias entre los valores constatados de
seff (que aparecen como cuadrados pequeos) y los valores previstos se muestran como lneas perpendiculares, y se denominan
residuales. En este ejemplo, el nivel de fragmentacin previsto aumenta con densidades de poblacin elevadas y con un Producto
Interior Bruto per cpita mayor, y la variacin de la densidad de poblacin influye en mayor medida que la variacin del GDPc.
87