Uncertainty in land value modeling of the San José Metropolitan region, Costa Rica

• Pérez Molina, Eduardo ^[1] ; Vargas Aguilar, Darío ^[1]
  1. [1] Universidad de Costa Rica

     Universidad de Costa Rica

     Hospital, Costa Rica

     
• Localización: Ingeniería: Revista de la Universidad de Costa Rica, ISSN-e 2215-2652, ISSN 1409-2441, Vol. 34, Nº. 1, 2024, págs. 43-50
• Idioma: inglés
• Títulos paralelos:
  • La incertidumbre en la modelación de valores del suelo de la Gran Área Metropolitana, Costa Rica
• Enlaces
  • Texto completo
• Resumen
  • español

    Los patrones de valor del suelo muestran asociaciones espaciales claras con accesibilidad a centralidades urbanas y a factores físicos de un territorio. Sin embargo, las predicciones basadas en esta estructura pueden ser altamente inciertas, dado que los datos mismos también exhiben aglomeración (y por tanto permiten mejores predicciones en las zonas más densamente muestreadas). Presentamos una evaluación de esta incertidumbre para extrapolaciones de valor del suelo en la Gran Área Metropolitana de Costa Rica mediante simulaciones gaussianas condicionales y exploramos los determinantes de esta incertidumbre, como forma de reconocer fortalezas y debilidades de esta predicción. La predicción E-Type simulada resultó marginalmente mejor que extrapolaciones mediante kriging ordinario y produjo una cuantificación espacialmente explícita de la incertidumbre. El patrón de incertidumbre resultó ser un espejo de los valores del suelo. Se encontró que la incertidumbre se reduce con características asociadas a mayor aptitud del suelo para usos urbanos y, por tanto, de mayor precio.

  • English

    Land value patterns show very distinct spatial associations with accessibility to urban centralities and physical factors in a territory. However, predictions based on models of this structure can be highly uncertain, as the underlying data also may show clustering (thus allowing for better predictions in more densely sampled areas). An assessment of this uncertainty for land value extrapolations in the the San José Metropolitan Region of Costa Rica is presented, via conditional Gaussian simulation, and the determinants of this uncertainty were explored, to find spatial strengths and weaknesses in the modeling efforts. The E-Type prediction from the conditional Gaussian simulation was found to marginally improve on ordinary kriging methods and it also provided explicit uncertainty patterns, which are the inverse of the land value prediction. The estimated uncertainty was found to decrease with characteristics that identify suitability for urban land use (and thus higher land values).