Post on 18-Aug-2020
21
2. Proposta de modelsAquesta secció es divideix en tres apartats. El primer apartat correspon a ladeterminació de la metodologia específica que s’ha escollit per desenvoluparels models, en funció de les dades disponibles. En un segon apartat escomenta el criteri escollit per seleccionar les variables. L’últim apartat correspona la presentació del model, juntament amb les hipòtesis i relacions que esconsideren entre les diferents variables que formen el model.
2.1. Determinació de la metodologiaEls models intenten representar la complexa realitat d’una manerasimplificada. Per una banda, s’han de considerar les fortes relacions iretroalimentacions que existeixen entre els diferents factors i dimensionsque dinamitzen el cas concret del desenvolupament d’una ciutat. Enstrobem davant d’un clar exemple de sistema complex. Per altra banda, s’hade tenir en compte el concepte de sostenibilitat a través del qual estemanalitzant el comportament d’un sistema complex, que té com a principalobjectiu la seva pròpia supervivència. Per tant, les metodologies quehaurem d’aplicar per poder desenvolupar un model són les mateixes queserveixen per descriure els sistemes complexos.Existeixen diverses metodologies per a la representació i resolució delssistemes complexos, totes basades en la modelització, és a dir, en laconstrucció de models matemàtics més o menys complexos, i amb més omenys fortuna, que treballen en ordinadors, aprofitant-se de l’alta velocitatde càlcul i l’alta capacitat per treballar i classificar la informació que permetaquesta tecnologia.Podem classificar aquestes metodologies en tres grans grups:• Metodologies derivades de les tècniques economètriques.• Metodologies derivades de les tècniques de la dinàmica de sistemes.• Metodologies derivades de les tècniques de les xarxes neuronals.La primera metodologia consisteix en tècniques estadístiques que intententrobar relacions entre els diversos elements que conformen el sistema; sóntècniques desenvolupades inicialment per les ciències econòmiques. Elproblema que planteja aquesta metodologia és que no valora les diferentspropietats que poden tenir intrínsecament els elements del sistema. Ambaquesta metodologia normalment es desenvolupen models de tipus caixanegra, els quals s’implementen en softwares específics [1].La segona metodologia, la dinàmica de sistemes, és una tècnica derepresentació gràfica i matemàtica dels sistemes complexos. Amb aquestametodologia s’identifiquen els elements que conformen el sistema, lesdenominades variables de nivell, i les seves relacions amb la restad’elements del sistema. Aquestes relacions poden ser tant materials comd’informació. Aquesta tècnica va ser desenvolupada als anys seixanta delsegle passat per Forrester [2], i ha estat la base dels famosos modelsglobals de Meadows (autor del primer informe del Club de Roma [3]).Finalment, existeix una tercera metodologia desenvolupada en anys mésrecents, amb la qual els elements que conformen el sistema complex esconsideren nusos, i les relacions (tant materials com d’informació) entre elselements creen una xarxa. L’estudi se centra en la manera com evoluciona
22
la xarxa, així com en les propietats dels elements o nusos. Aquesta tècnicaté un futur molt prometedor, ja que connecta perfectament amb les novestecnologies de la informació, denominades sistemes d’informació geogràfica(GIS).Per fer aquest estudi es va analitzar la possibilitat d’aplicar les diferentstècniques per al desenvolupament del model. Es va concloure que, enfunció de les dades disponibles, no era possible aplicar tècniqueseconomètriques, ja que les sèries temporals són bastant curtes (la majoriasón sèries amb 12 o 13 dades), ni aplicar tècniques derivades de les xarxesneuronals, ja que la informació en dades GIS és molt escassa (cadastre,nomenclatura i direcció i sentit dels carrers). Per tant, el nivell dedesagregació per aplicar aquestes tècniques no és l’adequat. Per això es vadecidir fer el model utilitzant tècniques de dinàmica de sistemes, mitjançantel desenvolupament de diagrames lògics de Forrester, implementats en unsoftware específic denominat Stella 8.0.
2.2. Selecció de variablesLa selecció de variables o elements que formen el sistema s’ha realitzat apartir de la identificació de les forces motrius del desenvolupament urbà.Aquestes forces motrius són dues principalment: la població i l’economia; icom a element comú a aquestes forces i a l’element específic urbà, l’ús delsòl.Per tant, les variables seleccionades han de preveure, com a mínim,aquests elements, que són els que determinen el desenvolupament urbà i,per tant, el desenvolupament del sistema.Cal preveure també l’acció de les variables exògenes del sistema, queposseeixen un gran pes dins el desenvolupament urbà actual, en un móncada vegada més global i interrelacionat. Específicament, el municipi deTerrassa s’ha desenvolupat principalment influït per aquestes variablesexògenes, que han provocat els canvis demogràfics. Entre les principalsvariables exògenes podem destacar les diferències de preus del sòlrespecte a l’àrea metropolitana. De totes aquestes variables exògenes s’hanescollit aquelles de les quals podíem tenir dades.Finalment, per poder mesurar les pressions i l’estat quan considereml’evolució de la ciutat, s’han de tenir en compte una sèrie d’indicadors quederiven de la interrelació dels altres elements i, per tant, de les altresvariables.Els elements o variables principals de les dimensions d’estudi per simateixos posseeixen elements intrínsecs i dinàmiques pròpies decomportament. Per això, cal anar més enllà i seleccionar més variables quedescriuen el comportament de cadascuna de les forces motrius, variablesexògenes i variables d’estat i pressió. Aquestes variables les anomenenvariables dependents.Les principals variables seleccionades apareixen a la taula núm. 1.
23
Taula 1. Variables principals seleccionades
Dimensions Variable principal Variablesdependents
Economia PIB municipalPIB sectorial
Llocs de treballSectorial
Dimensió empresarialNombre d’indústries o serveis
Població Població EmigracióImmigració
NatalitatMortalitat
Ús del sòl Sòl urbà Nou sòl urbanitzatNou sòl industrialNou sòl comercial
Exògenes Pressió constructoraregional
Pressió sector primariPressió industrial
regionalPressió comercial
regional
Preus mitjans del sòlmetropolità: habitatges, solarsindustrials, solars comercials
Preus mitjans del sòl municipalde Terrassa: habitatges, solarsindustrials, solars comercials
Pressió iestat
Superfícieverda/habitant
Nombred’automòbils/habitant
Consum elèctricindustrial/nombre
d’indústriesConsum elèctric
domèstic/habitantConsum aigua
comercial/comerçConsum aigua
domèstica/habitantConsum aigua
indústria/nombred’indústries
Residusdomèstics/habitant
Parc de vehiclesConsum elèctric: industrial i
domèsticConsum aigua: domèstica,
industrial i comercialSuperfície verda
Residus domèstics
2.3. Models i hipòtesis de comportamentEn el marc de treball es va ressaltar que els models es farien seguint elmodel consensuat internacionalment DPSIR: forces motrius - pressions -estat - impactes - resposta. Per a cadascun d’aquests elements el grau demodelització és diferent. Una valoració inicial de la facilitat de modelitzaraquests elements, en el marc urbà específic de Terrassa, és la següent:
24
• Forces motrius. La població és la força motriu més important pel que faal desenvolupament urbà. Per tant, hauria de poder ser modelitzada ambun alt grau de desagregació i arribar al nivell de cohorts d’any a any,agrupació per renda i tipologia d’activitat, considerant també lescaracterístiques rellevants de què depenen les corresponents pressionsque es volen estudiar. A priori, és un fenomen senzill de modelitzar. Laindústria particularment, i en general l’economia, constitueixen la segonaforça motriu del desenvolupament urbà. En general, es desenvolupenmodels sectorials per al càlcul del valor de la producció en l’àmbit local.En un principi, també és un element fàcil de modelitzar. La dificultat quehi ha generalment és la introducció de models de govern polític, així commodels de valoració dels costos.
• Pressions. Les pressions són les variables que afecten l’estat delsistema, per exemple: emissions antropogèniques, consum de recursos,generació de residus, etc. Els indicadors de pressió poden ser calculatscom a submodels dintre dels models que descriuen la dinàmica de lesforces motrius, acoblant els diferents coeficients tecnològics (factorsd’emissions, consums d’aigua segons el tipus de tecnologia, etc.). Lalimitació la tenim en la disponibilitat de trobar aquests coeficients dins laliteratura especialitzada.
• Estat. És la situació del sistema durant un determinat període temporal.L’estat és difícil de modelitzar, ja que necessita models ecològics ibiològics molt acurats (per exemple, el càlcul de concentracionsd’emissions o de creixement de la vegetació) que en l’àmbit local, demoment, no es poden modelitzar, a causa de la variabilitat i l’aleatorietatde les seves múltiples variables (direcció del vent, efectes de lesconstruccions, etc.). En el nostre model calculem una variable d’estat, lasuperfície verda del municipi.
• Impactes. És la mesura de la diferència entre l’estat ideal del sistema i lasituació actual del sistema. Els models d’impactes estan molt relacionatsamb els models d’estat, ja que realitzen la valoració (normalmenteconòmica) de l’estat; per exemple, els danys causats per l’augment deconcentració d’una determinada emissió. Aquest tipus de models són elsideals per introduir valoracions de la sostenibilitat. En aquest estudi nos’han modelitzat a causa de la manca de models ecològics per descriurel’estat.
• Resposta. És la retroalimentació del sistema per intentar corregir elsimpactes. Els models de resposta són fàcils de modelitzar, ja quevaloren determinades accions i polítiques sobre les forces motrius. Engeneral, s’inclouen en els models de forces motrius. En el nostre cas elshem inclòs dins d’aquests models.
En el nostre estudi s’ha desenvolupat un model que intenta preveure tots elselements del model DPSIR: forces motrius - pressió - estat - impactes -resposta, modelitzables amb la informació disponible.Per a cada element del model es desenvolupa un submodel específic quecalcula la variable principal, en el nostre cas:• Per a l’element “forces motrius”, s’ha creat un submodel que calcula la
població total del municipi (la força motriu de població), un altresubmodel que calcula el PIB municipal (força motriu econòmica) i un
25
altre submodel que calcula l’àrea urbana (de l’ús del sòl) com a forçamotriu específica dels assentaments urbans.
• Per a l’element “pressió”, s’ha creat un submodel que calcula elsindicadors i les variables de sostenibilitat urbana, en el nostre casespecífic el nombre de vehicles per habitant, i els consums per capita iper indústria de l’electricitat i de l’aigua tant d’ús domèstic com d’úsindustrial i comercial, així com els residus domèstics per habitant.
• Per a l’element “resposta”, s’ha creat un submodel que, mitjançant lesvariables exògenes (preus), introdueix les hipòtesis d’aplicació depolítiques econòmiques.
• Per a l’element “estat”, s’ha creat un submodel que calcula la superfícieverda del municipi.
• Per a l’element “impacte”, no s’ha creat cap submodel.Els submodels han estat determinats per les dades disponibles, és a dir,aquelles dades amb sèries històriques adequades, i pel fet que les fonts i elcàlcul siguin homogenis.En el submodel de població s’ha tingut en compte el fenomen demogràficmés important del municipi de Terrassa en aquests darrers anys, laimmigració i l’emigració, el qual, a causa de la seva importància, té molt pesdins el submodel.A la figura 2 podem veure les relacions existents entre els submodelsdesenvolupats. Podem remarcar la posició dels submodels de pressió iestat, calculats a partir de dades extretes dels submodels de les forcesmotrius (població, economia, ús del sòl).
A continuació presentem amb més detall els submodels desenvolupats.
Modelpoblació
Immigració
Emigració
Pressió iestat
Modeleconòmic
Model úsdel sòl
Modelpreus
Figura 2. Elements principals del model
26
2.3.1. Submodel de poblacióEl submodel de població calcula la població del municipi de Terrassa enfunció de les dinàmiques poblacionals de quatre cohorts:• Població de 0 a 16 anys, escollida per poder fer prospeccions de la
població amb educació obligatòria, i així poder preveure necessitatseducatives. Aquesta població evoluciona en funció de la mortalitat dela cohort, naixements , fluxos d’emigració i immigració, i del pas a lacohort següent.
• Població de 17 a 45 anys, escollida per poder fer un seguimentespecífic de cohort, ja que és el període més fèrtil de la dona. Ésimportant conèixer la quantitat de dones en edat fèrtil, ja qued’aquesta variable depenen els naixements. Aquesta poblacióevoluciona en funció de la mortalitat de la cohort, dels fluxosd’emigració i immigració, del pas de la cohort anterior i del pas a lacohort següent.
• Població de 46 a 65 anys, escollida per poder determinar la poblacióactiva juntament amb la cohort anterior. Aquesta població evolucionaen funció de les mateixes variables que la cohort anterior.
• Població més gran de 65 anys, escollida per poder preveure lapoblació de gent gran al municipi. Aquesta població evoluciona enfunció de la mortalitat de la cohort, dels fluxos d’emigració iimmigració i del pas de la cohort anterior.
Esquemàticament, el model es mostra a la figura 3.
Les hipòtesis de comportament d’aquestes variables i fluxos s’han fet enfunció de diverses relacions contrastades:• Naixements. Els naixements al municipi de Terrassa depenen de la
fertilitat de les cohorts de 0 a 16 anys i de 17 a 45 anys, principalmentd’aquesta última. Hem considerat que aquesta fertilitat depènfonamentalment del nivell d’estudis i de la renda (nivell econòmic).
NaixementsMortalitat
Poblacióde 0 a 16
anys
Poblacióde 17 a 45
anys
Poblacióde 46 a 65
anys
Poblacióde més de65 anys
Mortalitat iemigració
Mortalitat iemigració
Mortalitat iemigració
Emigració
Immigració Immigració ImmigracióImmigració
Figura 3. Esquema del model de població.Diagrames de fluxos i variables
27
Per poder trobar les relacions d’aquestes variables, primerament esva desenvolupar una escala del nivell d’estudis de la població.Després es va construir un indicador format pel producte del nivelld’estudis i el PIB municipal per capita (dada provinent del mateixsubmodel i del submodel econòmic). Una vegada trobat aquestindicador, es va relacionar amb les dades disponibles de fertilitat deles cohorts. Per als detalls d’aquestes relacions vegeu l’annex 1.
• Mortalitat. Les hipòtesis de comportament de la mortalitat a totes lescohorts que s’han diferenciat han estat considerar l’evolució tal comha evolucionat els últims anys. S’han mantingut les tendèncieshistòriques de variacions d’aquestes variables, ja que en aquestestudi no es preveu un canvi significatiu ni en el medi ambient ni en lasanitat en el període de simulació.
• Immigració. La immigració s’ha calculat de manera diferent que laresta de variables dependents, a causa de la seva importància. Laimmigració a la ciutat de Terrassa es dóna sobretot per dos factors:atracció per l’habitatge i atracció per ofertes laborals. El primer factorestà influït pel diferencial de preu per metre quadrat de l’habitatgeentre Terrassa i l’àrea metropolitana; com més gran és aquestdiferencial més atractiu té Terrassa per als immigrants. El segonfactor està influït per la disponibilitat de mà d’obra i el nivell deriquesa. La disponibilitat de mà d’obra es mesura com la relació entrela població ocupada (procedent del submodel econòmic) i la poblacióactiva (dada calculada dins el submodel de població); com menysdisponibilitat (menys atur) hi ha, més atractiu té per a la immigracióTerrassa. El nivell de riquesa de la població es mesura amb el PIBmunicipal per capita (aquesta dada prové del submodel econòmic idel mateix model de població); com més riquesa, més atracció té laciutat de Terrassa per a la població immigrant. A més, la majoria dela població immigrant és població activa, pertanyent a les cohortsd’entre 17 i 45 anys, i 46 i 65 anys. D’aquest volum d’immigrantsdepèn el volum d’immigrants de les dues cohorts restants, a causasobretot de l’efecte de reunificació familiar. Les relacions trobades lespresentem en els gràfics següents.
Relació entre immigrants de 46 a 65 anys i diferencial preu habitatge
y = 90,3x + 94,611
0200400600800
1000
0,93
0,93
0,94
0,95
0,97
Diferencial preu habitatge
Nre
. im
mig
rant
s Immigrants 45 a65/diferencial preuhabitatge
Lineal (Immigrants45 a 65/diferencialpreu habitatge)
Gràfic 1. Relació entre immigrants de 46 a 65 anys idiferencial del preu de l’habitatge
28
Relació immigrants de 17 a 45 anys i diferencial preu habitatge
y = 123711x - 113143
0
2000
4000
6000
8000
0,92 0,94 0,96 0,98
Diferencial preu habitatge
Nre
. im
mig
rant
s Immigrants 17-45/diferencial preuhabitatge
Lineal (Immigrants17-45/diferencialpreu habitatge)
Com es pot comprovar tant en el gràfic 1 com en el 2, existeix unalinealitat entre el diferencial de preus de l’habitatge del municipi deTerrassa i la resta de l’àrea metropolitana, i les dues cohortsd’immigrants. En un principi sembla una contradicció: quan eldiferencial s’apropi a 1, és a dir, quan el preu de l’habitatge aTerrassa sigui el mateix que el preu mitjà de l’habitatge a l’àreametropolitana, hi haurà un nombre més alt d’immigrants. Però sis’analitzen les taxes de variació d’aquestes cohorts pel que fa aaquest diferencial de preus, les taxes baixen quan el diferencials’apropa a 1; és a dir, es modera el creixement d’immigrants.
Relació entre immigrants de 17 a 45 anys i el factor d'atracció econòmica
y = 1699716,09x - 22307,65
0,002.000,004.000,006.000,008.000,00
10.000,00
0,013 0,014 0,015 0,016 0,017
(Població ocupada/activa)*(PIB/capita)
Nre
. im
mig
rant
s Immigrants de 17 a45 anys i factord'atraccióeconòmica
Lineal (Immigrantsde 17 a 45 anys ifactor d'atraccióeconòmica)
Gràfic 2. Relació entre immigrants de 17 a 45 anys idiferencial del preu de l’habitatge
Gràfic 3. Relació entre immigrants de 17 a 45 anys i elfactor d’atracció econòmica
29
De l’anàlisi de les relacions entre les cohorts d’immigrants i el factord’atracció econòmica, factor que és determinat pel producte de larelació entre la població ocupada i l’activa, i el PIB municipal percapita, podem veure que, com més gran és el valor del factord’atracció econòmica, més immigració tenim. Tot i això, no hi ha unalinealització clara entre les variables.
Relació entre immigrants de 46 a 65 anys i el factor d'atracció econòmica
y = 215121x - 2764,6
0,00
500,00
1.000,00
1.500,00
0,013 0,014 0,015 0,016 0,017
(Població ocupada/activa)*(PIB/capita)
Nre
. im
mig
rant
s
Immigrants de 46 a65 anys i factord'atraccióeconòmica
Lineal (Immigrantsde 46 a 65 anys ifactor d'atraccióeconòmica)
El càlcul dels immigrants de les dues cohorts restants s’ha fet amb lasuposició que el factor clau és la reunificació familiar. S’ha estudiat larelació entre la població immigrant de 17 a 65 anys i la població deles dues cohorts restants. Com es pot veure als gràfics 5 i 6, existeixuna clara linealitat entre les poblacions.
Relació entre immigrants de + 65 anys i immigrants de 17 a 65 anys
y = 0,0383x + 86,69
0200400600
0 5000 10000
Immigrants 17 a 65 anys
Imm
igra
nts
+65 Relació immigració
+65/17-65 anys
Lineal (Relacióimmigració +65/17-65 anys)
Gràfic 4. Relació entre immigrants de 46 a 65 anys i elfactor d’atracció econòmica
Gràfic 5. Relació entre immigrants de més de 65 anys iimmigrants de 17 a 65 anys
30
Relació entre immigrants de 0 a 16 anys i immigrants de 17 a 65 anys
y = 0,1693x + 80,248
0
500
1000
1500
2000
0 5000 10000
Immigrants 17- 65 anys
Imm
igra
nts
0-16
any
s Immigrants de 0 a16 anys iimmigrants de 17 a65 anys
Lineal (Immigrantsde 0 a 16 anys iimmigrants de 17 a65 anys)
• Emigració. La hipòtesi de comportament considerada per al’emigració de totes les cohorts és que el factor motriu és el mateixfactor d’atracció econòmica que hem comentat en el cas anterior. Defet, l’emigració se centra en els municipis veïns, on existeix un modelurbà horitzontal. Les relacions apareixen amb detall a l’annex 1.
2.3.2. Submodel econòmicEl submodel econòmic calcula el PIB municipal de Terrassa en funció delPIB de cada sector econòmic. Els sectors econòmics considerats són elssegüents:• Sector primari. És el sector econòmic amb menys pes. Tot i això, en
els últims anys ha tingut molt bona evolució, cosa que es tradueix entaxes de creixement molt elevades, tant en ocupació com en nombred’empreses.
• Sector industrial. És el sector que tradicionalment a Terrassa hatingut més pes, sobretot la indústria tèxtil i la mecànica. En els últimsanys ha anat perdent pes dins l’economia local.
• Sector de la construcció. És un dels sectors més dinàmics del’economia a Terrassa, per això s’ha considerat com un sectoreconòmic propi.
• Sector dels serveis privats. És un sector molt dinàmic en els darrersanys, i en aquests moments té el pes més gran dins l’economia de laciutat.
• Sector dels serveis públics. És un sector econòmic amb un pessignificatiu al municipi de Terrassa, però que en els últims anys estàmolt estabilitzat.
El PIB municipal sectorial s’ha calculat en funció de les taxes de variacióinteranual de tres indicadors: la taxa de variació de l’ocupació, la taxa devariació de la productivitat i la taxa de variació de preus (deflactor depreus). La relació de càlcul és:
Gràfic 6. Relació entre immigrants de 0 a 16 anys iimmigrants de 17 a 65 anys
31
( ) ( ) ( )χαβαα +++= − **1*1anyany PIBPIB Relació 1
α: taxa de variació de l’ocupació interanualβ: taxa de variació de la productivitat interanualχ: taxa de variació del preu interanual, denominat també deflactor depreus
D’aquestes taxes només tenim dades per calcular la taxa de variació del’ocupació interanual; per tant, aquesta taxa és la que modelitzarem percalcular-la. Per calcular les altres taxes s’han utilitzat les mitjanes del’Estat espanyol, proporcionades pel Ministeri d’Hisenda.La taxa de variació d’ocupació interanual s’ha calculat en funció de lavariació d’ocupació sectorial, i aquesta variable s’ha calculat en funciódel nombre d’indústries i empreses, i la seva dimensió empresarial. Ladimensió empresarial s’ha definit com una variable que podem anarvariant a voluntat, dins el model, i una subrutina ens calcula el nombred’empreses i indústries per a cada sector econòmic. Es pot veure a lafigura 4 l’esquema de relacions del model econòmic.El nombre d’empreses o indústries per sectors s’ha calculat en funciód’un indicador agregat que preveu tres aspectes d’atracció econòmicade cadascun dels sectors econòmics previstos, la disponibilitat de sòl perefectuar l’activitat econòmica, la disponibilitat de mà d’obra i la diferènciadel preu del sòl respecte a l’àrea metropolitana.Els indicadors s’han calculat a través de la següent igualtat de pesosvariables.
CB
A
*anametropolitactivitat sòl mitjàpreu
Terrassaactivitat per sòl mitjàpreu -1*
totalmunicipal sòlactivitatper sòlnou
-1
*activa població
ocupada població-1 indústries i empreses atracciód'agregat Indicador
+
+
+
=
Relació 2
Els coeficients A, B i C són números que serveixen per donar pes relatiua cadascun dels aspectes mesurats.Històricament, com que sabem el nombre d’empreses i indústries, s’hafet un estudi d’aquest indicador, i s’han trobat els coeficients per acadascun dels sectors econòmics, a través de la linealització de larelació.La relació entre els indicadors i el nombre d’activitats econòmiques espot veure en els gràfics següents (gràfics del 7 al 10).Les dades per al càlcul de cadascun dels components d’aquest indicadoragregat provenen dels altres submodels desenvolupats:• Les dades del nou sòl per activitat econòmica i el sòl municipal
provenen del submodel d’ús del sòl.• Les dades del preu mitjà del sòl per a Terrassa i per a l’àrea
metropolitana provenen del submodel de resposta (submodel depreus).
32
• Les dades de la població activa provenen del submodel de població.• Les dades de la població ocupada provenen del mateix submodel
econòmic.
Relació entre nre. indústries sector primari i l'indicador d'atracció
y = -32,417x + 36,581
0
5
10
15
0,7 0,8 0,9 1 1,1
Indicador d'atracció indústries sector primari
Nre
. in
dúst
ries
sect
or p
rimar
i Nre. indústriessector primari
Lineal (Nre.indústries sectorprimari)
PIBsectorial
Taxa variaciópreus
Taxa variacióocupació per
sectors econòmics
Taxa variacióproductivitat
Dimensióempresarial
Nre. ocupats persector econòmic
Factor d’atracció empreses i indústries
Indicador d’atracció empreses i industries
Nre. d’empreses iindústries
Figura 4. Esquema submodel econòmic càlculPIB municipal
Gràfic 7. Relació entre el nombre d’indústriesprimàries i l’indicador d’atracció
33
Relació entre el nre. indústries de la construcció i l'indicador d'atracció
y = -6896,5x + 6750,3
0
500
1000
1500
0,8 0,85 0,9 0,95
Indicador d'atracció
Nre
. in
dúst
ries
cons
trucc
ió Nre. indústriesconstrucció iindicador d'atracció
Lineal (Nre. indústriesconstrucció iindicador d'atracció)
Relació entre el nre. d'indústries i l'indicador d'atracció
y = 1188,2x + 796,01
0
500
1000
1500
2000
0,4 0,5 0,6 0,7 0,8
Indicador d'atracció
Nre
. in
dúst
ries
Nre. indústries
Lineal (Nre.indústries)
Com es pot comprovar en els gràfics anteriors, el nombre d’empreses id’indústries posseeix una forta linealitat amb l’indicador d’atracciócorresponent a cadascun dels sectors econòmics, exceptuant lesindústries del sector econòmic primari, que tenen una forta distorsiósobre la tendència general. Tot i això, és un indicador que recomanaríemque s’usés i es monitorés en el futur.
Gràfic 8. Relació entre el nombre d’indústries de laconstrucció i l’indicador d’atracció
Gràfic 9. Relació entre el nombre d’indústries il’indicador d’atracció
34
Relació entre el nre. d'empreses i l'indicador d'at racció
y = -2189,9x + 5806,7
0
1000
2000
3000
4000
5000
0,5 0,7 0,9 1,1
Indicador d'atracció
Nre
. em
pres
es d
e se
rvei
s
Nre. empreses deserveis
Lineal (Nre. empresesde serveis)
El pes dels coeficients dels indicadors d’atracció d’activitatseconòmiques es presenta en la taula següent (taula 2).
Taula 2. Pes dels coeficients A, B i C dins l’indicador d’atraccióper activitat econòmica
Activitat econòmica A B CSector primari 1 1 4
Sector industrial 1 1 1Sector construcció 1 1 3
Sector serveis 1 1 1,5
Dels valors observats es pot deduir que la major incidència en elcreixement econòmic, des del punt de vista d’atracció d’empreses iindústries, i per tant de la creació de llocs de treball, és la diferència depreus entre el municipi de Terrassa i la resta de municipis de l’àreametropolitana.Dins el submodel econòmic s’ha inclòs una subrutina que calcula larenda bruta disponible familiar (RBDF), la qual s’ha calculat en funció dela població ocupada. La relació trobada, amb les dades històriquesdisponibles, es veu en el gràfic núm. 11. És una relació pràcticamentlineal.
Gràfic 10. Relació entre el nombre d’empreses il’indicador d’atracció
35
Relació entre l'RBDF i la població ocupada
y = 0,0299x - 326,580
500
1000
1500
2000
2500
40.000 50.000 60.000 70.000 80.000 90.000
Població ocupada
RB
DF
en
€ RBDF per poblacióocupada
Lineal (RBDF perpoblació ocupada)
2.3.3. Submodel d’ús del sòlEl submodel d’ús del sòl calcula la variació anual de sòl urbà en funcióde les demandes d’edificació per a habitatge, per a sòl industrial i per asòl comercial.Sintèticament es presenten les relacions i variables fonamentals a lafigura 5.
Àreaurbana
Nou sòlurbanitzat
Nou sòlcomercial
Nou sòlindustrial
Territorimunicipal
Àrea nourbana
Gràfic 11. Relació entre l’RBDF i la població ocupada
Figura 5. Esquema submodel d’ús del sòl.Càlcul àrea urbana i no urbana
36
La variable nou sòl urbanitzat depèn sobretot de tres factors: de ladisponibilitat de sòl urbanitzable, de la pressió constructora i de lademanda de nous habitatges. El primer factor està determinat per lespolítiques urbanístiques locals i la disponibilitat real de sòl. La pressióconstructora depèn de la disponibilitat d’inversions en el sector de laconstrucció. La demanda de nous habitatges depèn de la població adultaque s’estabilitza i pot comprar un habitatge.En el model, aquests factors es caracteritzen de la manera següent:• Una variable que permet introduir polítiques urbanístiques, formada
per la relació entre el sòl nou disponible anualment per urbanitzar il’àrea total urbanitzada, variables calculades dins del mateixsubmodel d’ús del sòl.
• La variable que té en compte la demanda d’habitatges està formadaper la relació entre la cohort de 17 a 45 anys i la població total,calculada dins el submodel de població.
• La variable que té en compte la disponibilitat d’inversions en laconstrucció està formada per la relació entre el PIB sectorial de laconstrucció i el PIB municipal.
Amb aquestes variables s’ha format un indicador agregat que s’haanomenat indicador agregat de la construcció. La seva expressió és lasegüent:
CB
A
*urbanitzat Sòl
leurbanitzab sòlNou *
totalPoblacióanys 45 a 17 de Població
*municipal PIB
óconstrucci PIB óconstrucci la deagregat Indicador
+
+
+
=
Relació 3
La relació entre el nombre d’habitatges i aquest indicador es pot veure algràfic 12.
Relació entre nre. habitatges i indicador de la con strució
y = 27574x - 7553,3
0
1000
2000
3000
4000
0,32 0,33 0,34 0,35 0,36
Indicador
Nre
. ha
bita
tges Nre. habitatges/Indicador
Lineal (Nre.habitatges/Indicador)
Gràfic 12. Relació entre el nombre d’habitatges il’indicador de la construcció
37
D’aquesta relació podem destacar l’efecte d’augment en la construcciód’habitatges quan augmenta el valor de l’indicador de la construcció. Noés una relació lineal, però si ajuntem els punts de la relació, tenimpràcticament una sigmoide amb una clara tendència creixent.De totes maneres, la mitjana anual d’habitatges construïts en el períodehistòric analitzat és de 2.000 habitatges, ritme de construcció molt persota del creixement demogràfic de Terrassa.Per calcular el nou sòl urbanitzat (entenent aquest com la superfícied’habitatges construïts), s’ha fet servir la relació entre el nou sòlurbanitzat i la relació entre la cohort de població de 17 a 45 anys i elnombre d’habitatges nous. La relació d’aquestes variables amb lesdades històriques es mostra en el gràfic 13.
Relació entre el nou sòl urbanitzat i la relació entre la població de 17 a 45 anys i el nre.
d'habitatges
y = -2656,9x + 355198
0,00100.000,00200.000,00300.000,00400.000,00
0 50 100
població 17-45/nre. habitatges
Nou
sòl
(m
2)
Nou sòlurbanitzat/població17-45 anys/nre.habitatges
Lineal (Nou sòlurbanitzat/població17-45 anys/nre.habitatges)
El nou sòl industrial i comercial s’ha calculat de manera equivalent, enfunció de la relació entre el nombre de naus industrials o localscomercials nous anualment i el diferencial de preus entre el sòl industriali comercial a Terrassa i els preus a l’àrea metropolitana. Aquestesrelacions es mostren als gràfics següents (gràfics 14 i 15).Tant el nombre de locals comercials com el de naus industrials és unavariable que pot definir l’usuari del model, la qual serveix per poderaplicar polítiques econòmiques i urbanístiques.
Gràfic 13. Relació entre el nou sòl urbanitzat i larelació entre la població de 17 a 45 anys i el nombre
d’habitatges
38
Relació entre superfície construïda naus industrial s i el producte diferencial de preus per nre. naus
y = 734,23x - 10444
0,00
20.000,00
40.000,00
60.000,00
80.000,00
0 20 40 60 80 100 120
Diferencial preus*nre. naus
Sup
erfíc
ie n
aus
Superfície naus industrials
Lineal (Superfície nausindustrials)
Relació entre la superfície comercial i la relació del diferencial de preus i el nre. de locals
y = 491x2 - 12719x + 98606
0
50.000
100.000
150.000
0 5 10 15 20
Diferencial preus/nre. locals
Sup
erfíc
ie lo
cals
Superfície comercial
Polinómica (Superfíciecomercial)
En el submodel d’ús del sòl també s’han calculat una sèrie d’indicadorsque són la densitat de població municipal i l’àrea no urbana.
2.3.4. Submodel de preusEl submodel de preus calcula la relació existent entre els preus mitjansdels diferents tipus de sòl a Terrassa i a l’àrea metropolitana. Així,podem calcular el diferencial de preus d’habitatge, variable que s’utilitzatant en el submodel econòmic com en el de població. S’ha calculat eldiferencial de preus de sòl industrial i el diferencial de preus de sòlcomercial, els quals es fan servir en tots els submodels que conformenl’element forces motrius. Finalment, s’ha calculat el diferencial de preusdel sòl no urbà, que exclusivament es fa servir en el submodeleconòmic.
Gràfic 14. Relació entre la superfície nova de nausindustrials i el producte del diferencial de preus i el
nombre de naus industrials
Gràfic 15. Relació entre la superfície nova de localscomercials i la relació del diferencial de preus i el
nombre de locals comercials
39
Totes aquestes variables, exceptuant la primera (el diferencial de preusde l’habitatge), són variables que pot definir l’usuari del model. Aquestesvariables serveixen per poder aplicar polítiques econòmiques iurbanístiques.El diferencial de preus de l’habitatge es calcula com la relació que hi haentre el preu mitjà del metre quadrat de l’habitatge a Terrassa i el preumitjà del metre quadrat de l’habitatge a l’àrea metropolitana. Ladisposició esquemàtica del submodel es presenta a la figura 6.
El diferencial de preus de l’habitatge s’ha calculat en funció de la cohortde població de 17 a 45 anys. La relació entre el preu mitjà de l’habitatgea Terrassa i la població de 17 a 45 anys es representa en el gràfic 16.Aquesta relació es fa servir com a hipòtesi d’evolució del preu del metrequadrat de l’habitatge a Terrassa.
Relació preu mitjà m 2 de l'habitatge a Terrassa i la població de 17 a 45 anys
y = 0,1002x - 7050,5
0,00500,00
1.000,001.500,002.000,002.500,00
75000 80000 85000 90000 95000
població 17-45 anys
preu
mitj
à m
2
habi
tatg
e
Preu m2habitatge/població 17a 45 anys
Lineal (Preu m2habitatge/població 17a 45 anys)
Diferencial depreus sòl
Preu mitjà del metrequadrat de tipus sòl a
Terrassa
Preu mitjà del metrequadrat de tipus sòl al’àrea metropolitana
Gràfic 16. Relació entre el preu mitjà de l’habitatge aTerrassa i la població de 17 a 45 anys
Figura 6. Esquema submodel de preus
40
2.3.5. Submodel d’indicadors de pressió i estatEl submodel d’indicadors de pressió i estat calcula una sèrie d’indicadorsi variables, tots relacionats amb les pressions sobre l’estat del sistema:consum de recursos, generació de residus, i un indicador i una variabled’estat del sistema que descriuen com està el sistema actualment.Els indicadors de pressió desenvolupats són:• Consum d’aigua domèstica per capita• Consum d’aigua industrial per indústria• Consum d’aigua comercial per comerç• Consum d’electricitat industrial per indústria• Consum d’electricitat domèstica per capita• Vehicles per capita• Residus domèstics per capitaL’indicador d’estat és:• Superfície verda per capitaEls càlculs dels diferents indicadors de pressió s’han fet de la manerasegüent. El consum d’aigua per capita s’ha calculat des de la hipòtesique en el futur es mantindrà la relació que hi ha entre el consum d’aiguadomèstica i la població. La relació feta amb les dades històriques apareixal gràfic 17.Del gràfic 17 s’ha de destacar que l’impacte de la tecnologia específicaés determinat pel pendent de la recta que uneix dues dades. Si aquestpendent és positiu, hi ha un baix impacte en les tecnologies d’estalvid’aigua; si és zero o negatiu, hi ha un alt impacte de les tecnologiesd’estalvi d’aigua. Tal com evolucionen les rectes respecte a l’incrementde població, la tendència global detectada és que hi ha un baix impacteen les tecnologies d’estalvi d’aigua domèstica.
Relació entre el consum d'aigua domèstica i la població
y = 48,261x - 7014587.000.0007.200.0007.400.0007.600.0007.800.0008.000.0008.200.0008.400.000
160.000 165.000 170.000 175.000 180.000 185.000 190.000
Població
Con
sum
aig
ua
dom
èstic
a (m
3)
Consum aiguadomèstica/població
Lineal (Consum aiguadomèstica/població)
El consum d’aigua per a ús industrial per capita s’ha calculat amb lahipòtesi que en el futur es mantindrà la relació que hi ha entre el consumd’aigua d’ús industrial i el mateix nombre d’indústries. La relacióconfeccionada amb les dades històriques apareix al gràfic 18.
Gràfic 17. Relació entre el consum d’aigua domèstica(m3) i la població de Terrassa
41
Relació entre el consum d'aigua d'ús industrial i e l nre. d'indústries
y = -451,79x + 4E+060500.000
1.000.0001.500.0002.000.0002.500.0003.000.0003.500.0004.000.000
2.200 2.300 2.400 2.500 2.600 2.700
Nre. indústries
Con
sum
aig
ua
indu
stria
l (m
3 )Consum aigua úsindustrial/nre. indústries
Lineal (Consum aigua úsindustrial/nre. indústries)
Com es pot comprovar en el gràfic 18, hi ha un pendent negatiu de lesrectes que uneixen dos punts, cosa que indica l’alt impacte de lestecnologies d’estalvi d’aigua en la indústria.El consum d’aigua per a ús dels serveis (ús comercial) per comerç s’hacalculat amb la hipòtesi que en el futur es mantindrà la relació que hi haentre el consum d’aigua d’ús comercial i el mateix nombre de comerços.La relació apareix en el gràfic 19.
Relació entre el consum d'aigua d'ús comercial i el nre. de comerços
y = 665,79x - 2E+060
500.000
1.000.000
1.500.000
0 1.000 2.000 3.000 4.000 5.000
Nre. comerços
Con
sum
aig
ua
serv
eis
(m3 )
Consum d'aiguacomerços/nre. de comerços
Lineal (Consum d'aiguacomerços/nre. de comerços)
Com es pot comprovar en el gràfic 19, hi ha globalment un pendentpositiu de les rectes que uneixen dos punts, cosa que indica un molt baiximpacte de les tecnologies d’estalvi d’aigua als comerços.El consum d’electricitat d’ús industrial per indústria s’ha calculat amb lahipòtesi que en el futur es mantindrà la relació que hi ha entre el consum
Gràfic 18. Relació entre el consum d’aigua d’ús industrial(m3) i el nombre d’indústries a Terrassa
Gràfic 19. Relació entre el consum d’aigua d’ús comercial(m3) i el nombre de comerços a Terrassa
42
d’electricitat d’ús industrial i el mateix nombre d’indústries. La relació fetaamb les dades històriques apareix en el gràfic 20.
Relació entre consum d'electricitat d'ús industrial i el nre. d'indústries
y = -44385x + 6E+080
100.000.000
200.000.000
300.000.000
400.000.000
500.000.000
0 2.000 4.000 6.000 8.000
Nre. indústries
kWh
Electricitat ús industrial/nre.indústries
Lineal (Electricitat úsindustrial/nre. indústries)
Com es pot comprovar en el gràfic 20, hi ha globalment un pendentnegatiu de les rectes que uneixen dos punts, cosa que indica l’altimpacte de les tecnologies d’estalvi d’electricitat en la indústria.El consum d’electricitat d’ús domèstic per capita s’ha calculat amb lahipòtesi que en el futur es mantindrà la relació que hi ha entre el consumd’electricitat d’ús domèstic i el mateix nombre d’habitants. La relacióapareix en el gràfic 21.
Relació entre consum d'electricitat d'ús domèstic i la població
y = 7772,4x - 1E+090
100.000.000
200.000.000
300.000.000
400.000.000
160.000 165.000 170.000 175.000 180.000 185.000 190.000
Població
kWh
Electricitat domèstica/hab.
Lineal (Electricitatdomèstica/hab.)
Com es pot comprovar en el gràfic 21, hi ha un pendent positiu de lesrectes que uneixen dos punts, cosa que indica un molt baix impacte deles tecnologies d’estalvi d’electricitat d’ús domèstic.Els vehicles per capita s’han calculat amb la hipòtesi que en el futur esmantindrà la relació que hi ha entre el nombre de vehicles i la renda
Gràfic 20. Relació entre el consum d’electricitat d’úsindustrial (kWh) i el nombre d’indústries a Terrassa
Gràfic 21. Relació entre el consum d’electricitat d’úsdomèstic (kWh) i la població a Terrassa
43
bruta disponible familiar. La relació feta amb dades històriques apareixen el gràfic 22. Es pot comprovar que existeix una forta linealitat entreaquests factors. Una vegada calculat el nombre de vehicles, l’indicadors’ha calculat dividint el nombre de vehicles per la població.
Relació entre el nre. de vehicles i la renda disponible bruta familiar
y = 3E-05x + 503180
20.00040.00060.00080.000
100.000120.000
1E+09 1,2E+09 1,4E+09 1,6E+09 1,8E+09 2E+09
RDBF
Nre
. veh
icle
s
RDBF/vehicles
Lineal (RDBF/vehicles)
Els residus domèstics per capita s’han calculat amb la hipòtesi que en elfutur es mantindrà la relació que hi ha entre la generació de residusdomèstics i el mateix nombre d’habitants. La relació confeccionada ambles dades històriques apareix en el gràfic 23.
Relació entre residus domèstics i la població
y = 0,684x - 462720
20.000
40.000
60.000
80.000
100.000
160000 165000 170000 175000 180000 185000 190000 195000
Habitants
Ton
es re
sidu
s
RSU/població
Lineal (RSU/població)
Com en el cas anterior, existeix una forta linealitat entre els dos factors ipràcticament no s’aprecien canvis significatius en el comportamentciutadà respecte a la generació de residus.Finalment, l’única variable d’estat que calcula aquest model dedesenvolupament de la ciutat de Terrassa és la superfície verda delmunicipi per habitant. Aquesta variable s’ha calculat en funció de la sevataxa de variació històrica, ja que és una variable molt lligada a la pròpia
Gràfic 22. Relació entre el nombre de vehicles i larenda bruta disponible familiar a Terrassa
Gràfic 23. Relació entre les tones de residus domèsticsi la població a Terrassa
44
gestió municipal. Aquesta taxa de variació històrica, mesurada entre elsanys 1999 i 2003, és d’un 9,44 % anual de creixement de la superfícieverda al municipi, augment molt per sobre d’altres variables bàsiquescom població, PIB municipal, etc.
Superfície verda a Terrassa
0
500000
1000000
1500000
2000000
1998 1999 2000 2001 2002 2003 2004
Anys
m2
Superfície verda a Terrassa
Gràfic 24. Variació de la superfície verda a Terrassa(m2). Dades històriques