1. Introducción

Clasificar municipios, regiones o áreas territoriales en general, como rurales o urbanas es una tarea difícil y sobre la que se ha escrito mucho (Reig, Goerlich y Cantarino 2016). No existe una definición universalmente aceptada de ruralidad o urbanidad, puesto que el propio significado de estos conceptos depende del contexto (Dinis 2006, Rye 2006). Mientras que los economistas se centran en definiciones funcionales basadas en variables económicas (renta, producción, empleo…), ecologistas y especialistas en ciencias medioambientales tienden a enfatizar las características del paisaje y el medio natural; por su parte demógrafos y sociólogos inciden en aspectos demográficos, que por otra parte son los de más fácil medición a escala local.

En resumen, no existe una acepción única para los términos ‘ruralidad’ o ‘urbanidad’. Sin embargo, como indica el profesor Capel (1975) una identificación precisa de lo urbano frente a lo rural es esencial por muchos motivos, no sólo por delinear áreas de conocimiento, sino por razones mucho más relevantes. Desde un punto de vista práctico muchas políticas de desarrollo rural carecerían de sentido si dicho ‘mundo rural’ no estuviera perfectamente identificado, ¿cuáles son las áreas a las que dichas políticas deben ir encaminadas? Mirando el otro lado de la moneda, si los contornos urbanos no estuvieran definidos, y vinculados a áreas administrativas de carácter local, sería confuso hablar de ciudades. Por otra parte, una comparabilidad, sobre todo a nivel internacional, requiere métodos de medición y clasificación homogéneos y comparables entre territorios.

Desde un punto de vista eminentemente práctico y hasta hace unos pocos años, la mayoría de clasificaciones rural/urbano partía de los municipios –o comunidades locales más generalmente–, ya que son estos los que constituyen las unidades estadísticas básicas de nuestro sistema administrativo. A partir de ellos, los criterios habitualmente utilizados en la estadística oficial consistían en clasificar como rural todo aquel municipio con una población o una densidad inferior a un determinado umbral. Esta forma de proceder está condicionada en exceso por la estructura administrativa en la que se divide el territorio, y que poco tiene que ver con los asentamientos de población. Dentro de un mismo municipio pueden existir diferentes tipos de asentamientos o núcleos de distinta magnitud, no existir ninguno o incluso que existan núcleos que por proximidad estén unidos a otro término municipal.

Por mencionar un ejemplo histórico que se tomó como referencia durante mucho tiempo en ciertas comparaciones internacionales, la Organización para la Cooperación y el Desarrollo Económico (OCDE) adoptó en 1994 un sistema relativamente simple para clasificar comunidades locales –municipios en el caso español– en rurales o urbanas (OCDE 2010)1. Los municipios con densidades de población por debajo de los 150 habitantes por km² se consideraban rurales2, los restantes urbanos. La única ventaja de esta regla es su sencillez de cálculo y los bajos requerimientos de información para su implementación, pero resulta evidente que no tiene en cuenta la estructura de los asentamientos de población y los resultados son excesivamente dependientes de los tamaños de los términos municipales. En España, donde conviven municipios que oscilan entre algo menos de las 3 ha –Emperador (46117)– y los más de 1,700 km² –Cáceres (10037)–, esta clasificación resulta especialmente inadecuada, ya que las densidades resultan tremendamente afectadas por los tamaños de los términos municipales.

Superar este tipo de problemas requiere sacar las estadísticas demográficas del corsé de los límites administrativos. Este es básicamente el objetivo de la grid de población producida por el Instituto Nacional de Estadística (INE) a partir del censo 2021 (GEOSTAT2021) y que permite, entre otras aplicaciones, obtener una clasificación del territorio según su grado de urbanización (DEGURBA) más allá de la estructura administrativa del Estado. Esto resulta fundamental para el diseño de políticas territoriales como las orientadas al desarrollo de las áreas rurales, a las relaciones entre áreas urbanas y rurales y a las directrices de la agenda urbana que exigen una conceptualización y delimitación clara de estas zonas (Reig, Goerlich y Cantarino 2016). Este formato para las estadísticas demográficas fue impulsado por Eurostat hace ya tiempo con objetivos múltiples, y el sistema de grids está normalizado a nivel europeo (INSPIRE 2023). En lo que a este trabajo concierne, una clasificación del territorio según su grado de urbanización (DEGURBA) fue realizada por Eurostat para toda Europa a partir de la grid del censo 2011 (GEOSTAT2011) y, más recientemente, ha sido implementada a nivel global en el contexto de la Global Human Settlement Layer (GHSL) de la Comisión Europea. La razón es que la metodología, fundamentalmente desarrollada por Eurostat (2021)3, fue aprobada por la Comisión Estadística de las Naciones Unidas para la delimitación de ciudades y zonas urbanas y rurales con fines de comparación estadística internacional y regional. Por este motivo, la Comisión Europea no solo ha elaborado una extensa y detallada guía metodológica desde los primeros principios (Eurostat 2021)4, sino que ha desarrollado software que permite su implementación práctica en el contexto de la Global Human Settlement Layer (GHSL).

Aunque finalmente Eurostat determinará el grado de urbanización de todo el territorio europeo a partir de la grid de población del censo 2021 (GEOSTAT2021) compilada para toda Europa, este trabajo ofrece los resultados de dicho ejercicio para España a partir de la grid de población del censo 2021 (GEOSTAT2021) publicada por el INE5.

Debe observarse que el objetivo de este trabajo no es describir el grado de urbanización actual de nuestro territorio de acuerdo con los resultados del censo 2021, algo que ya se hace en el capítulo 3 de Goerlich y Mollá (2025), sino exponer de forma clara y concisa la metodología de Eurostat (2021), así como la utilización de su software, y ofrecer una base de datos asociada a DEGURBA2021 en los dos niveles de análisis, las celdas de la grid y los municipios, completada con alguna información adicional.

La estructura del trabajo es la siguiente. En la sección 2 se describen los aspectos metodológicos de la clasificación del territorio según su grado de urbanización (DEGURBA) a partir de una grid de población con resolución de 1 km x 1 km, tanto a nivel de celdas de la grid como a nivel municipal (Eurostat 2021). En la sección 3 se describen con detalle los datos y el software utilizados. En la sección 4 se presenta el grado de urbanización de las celdas de la grid en los dos niveles de análisis que comprende la metodología y en la siguiente se hace lo mismo a nivel municipal. La sección 6 describe la base de datos e información ofrecida, así como las variables adicionales generadas. Finalmente, la sección 7 ofrece unos breves comentarios finales. Un anexo final realiza un ejercicio de consistencia entre la grid de población del censo 2021 (GEOSTAT2021) y los datos de población de los municipios derivados del mismo censo.

2. Aspectos metodológicos

La propuesta metodológica de Eurostat (2021) se basa en la clasificación del grado de urbanización (DEGURBA) a partir de criterios exclusivamente demográficos, tomando como punto de partida la distribución de la población sobre una grid con resolución de 1 km x 1 km. Si bien pretende superar las deficiencias respecto a los criterios tradicionales sencillos basados en densidades de población o umbrales mínimos, no considera información sobre las coberturas o usos del suelo, o cuestiones relacionadas con la accesibilidad, como sí hacen otros estudios (Goerlich 2013; Reig, Goerlich y Cantarino 2016), cuestiones estas que dificultan la comparabilidad internacional ante la falta de homogeneidad de dicha información.

La metodología de la Comisión Europea (Eurostat 2021) toma como información de partida una grid de población con resolución de 1 km x 1 km y opera en dos fases sucesivas ofreciendo una clasificación en dos niveles de análisis, en cada una de esas fases. En una primera fase los criterios clasifican cada una de las celdas de la grid de acuerdo con su grado de urbanización atendiendo a factores como la densidad de población, el tamaño demográfico y la contigüidad (celdas vecinas), pudiendo clasificarse cada celda exclusivamente en una sola categoría6. En una segunda fase los criterios clasifican los municipios –Local Administrative Units (LAU)– en función de la participación de su población en las diferentes categorías de celdas. Las fases se aplican, pues, de forma secuencial.

Eurostat (2021) define dos niveles de clasificación dentro de cada fase: un primer nivel formado por tres categorías y un segundo nivel, más amplio, de siete categorías. El segundo nivel es una desagregación del primero.

La tabla 1 muestra las categorías en las que se pueden clasificar las celdas de la grid de población en la primera fase. En el nivel 1, compuesto por tres categorías, las celdas se pueden clasificar como centro urbano, agrupación urbana o celda rural. En tanto que las celdas clasificadas como agrupaciones urbanas o celdas rurales pueden resultar altamente heterogéneas, la Comisión Europea (Eurostat 2021) introduce una clasificación de nivel 2 donde se desglosan estas dos categorías en tres clases cada una, sumando, junto con la categoría de centro urbano, un total de siete tipos de celdas: centro urbano, agrupación urbana densa, agrupación urbana semidensa, celda suburbana o periurbana, agrupación rural, celda rural de baja densidad y celda rural de muy baja densidad. Naturalmente el nivel 2 está anidado en el nivel 1.


Tabla 1. Primera fase: Categorías de la clasificación del grado de urbanización de las celdas de la grid
Nivel 1 Nivel 2
Centro urbano Centro urbano
Agrupación urbana densa
Agrupación urbana Agrupación urbana semidensa
Celda suburbana o periurbana
Agrupación rural
Celda rural Celda rural de baja densidad
Celda rural de muy baja densidad
Fuente: Eurostat (2021)


Los criterios considerados en Eurostat (2021) para clasificar las celdas de la grid en cada una de las categorías del nivel 1 de la clasificación DEGURBA se describen a continuación.

Gráfico 1. Relaciones de vecindad entre la celda de interés y sus vecinas.

\(a) Excluyendo diagonales               (b) Incluyendo diagonales

(a) Excluyendo diagonales               (b) Incluyendo diagonales

La regla iterativa de la mayoría y el rellenado de huecos, utilizada en la clasificación de los centros urbanos, y que no se aplica en la clasificación de las agrupaciones urbanas, hace posible que algunas celdas con una densidad de población inferior a los 1,500 habitantes por km² –incluso sin población– sean incluidas en un centro urbano.

El procedimiento es, por tanto, secuencial. Primero se determinan los centros urbanos, luego las agrupaciones urbanas y finalmente, por exclusión, las celdas rurales.

Si lo que se desea es una clasificación dicotómica rural/urbano deben agruparse en la categoría urbana los centros urbanos y las agrupaciones urbanas.

En un sistema de malla regular en el que las celdas son cuadradas, que es el considerado en INSPIRE (2023), las celdas pueden ser contiguas o vecinas atendiendo a dos criterios. Dada una celda de interés, otra celda puede presentar contigüidad con esta (i) solo a través de un punto –contigüidad a través de las diagonales–, como las celdas blancas en el panel (a) del gráfico 1, o (ii) a través de un lado –contigüidad fuera de las diagonales–, como las celdas amarillas en el panel (a) del gráfico 1. En el argot de los sistemas de información geográfica (GIS) la contigüidad solo a través de las diagonales –celdas vecinas en un solo punto– se conoce Bhisop contiguity, la contigüidad solo a través de los lados –excluyendo las diagonales– se conoce Rook contiguity –gráfico 1, panel (a)–, y la contigüidad a través de los lados y las diagonales se conoce Queen contiguity –gráfico 1, panel (b)–. En la clasificación DEGURBA se considera la contigüidad Queen para las agrupaciones urbanas y la contigüidad Rook para los centros urbanos8.

Las tres clases de celdas asignadas en el nivel 1 de la clasificación DEGURBA constituyen un paso importante para evaluar el continuo rural/urbano del territorio. Los centros urbanos son aglomeraciones de celdas densas claramente identificadas. Sin embargo las otras dos clases, agrupaciones urbanas y celdas rurales, son más heterogéneas, no identifican tipos específicos de asentamientos y pueden incluir celdas con densidades de población muy diferentes. Por ello, la clasificación en el nivel 2 de la metodología de Eurostat (2021) es un paso adicional para desglosar estas dos clases en subcategorías más homogéneas, identificando los asentamientos de forma separada del resto de celdas.

Los criterios considerados en Eurostat (2021) para clasificar cada celda de la grid en cada una de las categorías del nivel 2 de la clasificación DEGURBA se describen a continuación.

Obsérvese que las agrupaciones urbanas densas son similares a los centros urbanos en cuanto a su identificación y densidad, pero de un tamaño demográfico inferior, y que las agrupaciones urbanas semidensas identifican otras aglomeraciones de celdas urbanas de menor densidad, separadas físicamente de los centros urbanos y de las agrupaciones urbanas densas. En cualquier caso, el nivel 2 de la clasificación DEGURBA trata de aislar conglomerados de celdas, ya sean urbanas o rurales, de celdas más o menos dispersas que no forman parte de un asentamiento poblacional. Estos conglomerados de celdas se etiquetan bajo la denominación de agrupación, ya sea urbana o rural, aunque una agrupación puede estar constituida por una sola celda si cumple el criterio de densidad, algo que sucede con frecuencia en las agrupaciones rurales.

El gráfico 2 muestra esquemáticamente el nivel 2 de la clasfificación DEGURBA atendiendo a los umbrales de densidad y tamaño del asentamiento.

Gráfico 2. Esquema de clasificación de las celdas –fase 1– en el nivel 2 de DEGURBA.

**Fuente:** Eurostat (2021)

Fuente: Eurostat (2021)

Obsérvese que la metodología define las celdas que no tienen población como celdas rurales de muy baja densidad, un tema sobre el que volveremos al hablar del software de implementación.

Esta primera fase clasifica las celdas de la grid. Sin embargo, el objetivo último de DEGURBA es la clasificación de unidades espaciales pequeñas con poder de decisión local y capacidad de generar estadísticas para el seguimiento de objetivos de desarrollo territorial. En el caso español estas unidades son los municipios, resulta razonable que esta delimitación de las áreas rurales y urbanas vaya asociada a las unidades territoriales de carácter administrativo o político en las que se divide el Estado. Por ello, en una segunda fase se clasifican los municipios en función de la participación de su población en las diferentes categorías de celdas, tanto de nivel 1 como de nivel 2.

La tabla 2 muestra las categorías en las que se pueden clasificar los municipios en la segunda fase en función de los porcentajes de población municipal que habitan en los diferentes tipos de celdas clasificadas en la primera fase. En el nivel 1, compuesto por tres categorías, los municipios se pueden clasificar en ciudades –o áreas densamente pobladas–, localidades –pueblos– y áreas semidensas –o de densidad intermedia–, y áreas rurales –o escasamente pobladas–. En tanto que, al igual que sucede con las celdas, las localidades y áreas semidensas y las áreas rurales pueden resultar altamente heterogéneas, Eurostat (2021) introduce una clasificación de nivel 2 donde se desglosan estas dos categorías en tres clases cada una, sumando, junto con la categoría de ciudades, un total de siete tipos de municipios: ciudades, localidades densas, localidades semidensas, áreas suburbanas o periurbanas, aldeas, áreas rurales dispersas y áreas rurales mayormente deshabitadas11. Naturalmente, al igual que sucede con las celdas de la grid, el nivel 2 está anidado en el nivel 1.


Tabla 2. Segunda fase: Categorías de la clasificación del grado de urbanización de los municipios
Nivel 1 Nivel 2
Ciudades Ciudades
Localidades densas
Localidades y áreas semidensas Localidades semidensas
Áreas suburbanas o periurbanas
Aldeas
Áreas rurales Áreas rurales dispersas
Áreas rurales mayoritariamente deshabitadas
Fuente: Eurostat (2021)


Los criterios considerados en Eurostat (2021) para clasificar los municipios en cada una de las categorías del nivel 1 de la clasificación DEGURBA se describen a continuación.

Estas tres categorías se identifican normalmente con los municipios urbanos –Ciudades o áreas densamente pobladas–, intermedios –Localidades y áreas semidensas o áreas de densidad intermedia- y rurales –Áreas rurales o escasamente pobladas–. Si se desea una clasificación binaria rural/urbano a nivel de municipio la metodología de Eurostat (2021) agrupa en la categoría urbana los municipios urbanos e intermedios, dejando como como rurales las áreas rurales o escasamente pobladas.

Las tres clases de municipios asignados en el nivel 1 de la clasificación DEGURBA constituyen un paso importante para evaluar el continuo rural/urbano del territorio en el plano de la organización administrativa del estado. Las ciudades se basan en los centros urbanos, que son aglomeraciones de celdas densas claramente identificadas. Sin embargo, las otras dos clases de municipios, localidades y áreas semidensas y áreas rurales, son más heterogéneas y no identifican tipos específicos de asentamientos dentro del municipio ya que pueden incluir celdas con densidades de población muy diferentes. Por ello, la clasificación en el nivel 2 de la metodología de Eurostat (2021) es un paso adicional para desglosar estas dos clases de municipios en subcategorías más homogéneas.

Los criterios considerados en Eurostat (2021) para clasificar los municipios en cada una de las categorías del nivel 2 de la clasificación DEGURBA se describen a continuación.

La única diferencia entre las localidades densas y las semidensas es la densidad a través del porcentaje de población que reside en las agrupaciones urbanas, y ambas categorías podrían agruparse en una sola: localidades. Esto reduce el número de clases identificadas en el nivel 2 de la clasificación DEGURBA y puede resultar especialmente útil si el porcentaje de población que vive en localidades semidensas es bajo.

Este esquema proporciona una clasificación completa en dos niveles, tanto de las celdas de la grid de población –fase 1– como de los municipios –fase 2– en que se divide el territorio. Obsérvese como la taxonomía proporciona términos específicos, y en su nivel 2 trata de aislar los asentamientos más o menos compactos –agrupaciones en términos de celdas, o localidades y aldeas en términos de municipios– de los asentamientos dispersos –celdas o áreas en términos de municipios–.

El gráfico 3 muestra esquemáticamente el nivel 1 de la clasificación DEGURBA en ambas fases del procedimiento.

Gráfico 3. Nivel 1 en la clasificación DEGURBA –fases 1 y 2–

**Fuente:** Eurostat (2021)

Fuente: Eurostat (2021)

En la fase 2, la clasificación que se deriva del anterior esquema identifica todos los municipios de forma individual, sin tener en cuenta sus relaciones de vecindad. En algunas ocasiones, un centro urbano puede extenderse mucho más allá de los límites del municipio que le da su nombre. En estos casos, aún sin formar parte de la taxonomía anterior, sería posible definir una gran ciudad como un conglomerado de municipios urbanos –ciudades– que fueran definidos como tales a partir del mismo centro urbano, o más generalmente, simplemente como municipios urbanos físicamente contiguos. El añadido del término “gran” solo sirve para advertir que esta definición de ciudad contiene más de un municipio.

3. Datos y software utilizados

La clasificación DEGURBA, en tanto que requiere de datos espaciales, exige, para su implementación, de la utilización de herramientas de los sistemas de información geográfica (GIS). El Centro Común de Investigación (Joint Research Centre - JRC) de la Comisión Europea, en el marco del proyecto Global Human Settlement Layer (GHSL), ha diseñado herramientas para facilitar el cómputo del grado de urbanización (DEGURBA) a partir de una grid de población aplicando de forma consistente la metodología de Eurostat (2021).

Este apartado describe estas herramientas, los datos de entrada para que funcionen y el output generado a partir de las mismas, cuyos resultados serán presentados y extendidos en los siguientes apartados.

La información básica para generar la clasificación DEGURBA es una grid de población con resolución 1 km x 1 km que contenga la población de cada celda y la superficie terrestre de la misma, puesto que un elemento fundamental en la metodología hace referencia a las densidades.

Con ocasión del Censo de Población y Viviendas 2021, y por mandato de Eurostat (INE 2023), el Instituto Nacional de Estadística (INE) publicó, a finales de enero de 2024, la población por celda sobre una grid regular de 1 km x 1 km de acuerdo con las especificaciones de la Directiva Comunitaria INSPIRE (2023). La información publicada es un simple fichero Excel –o alternativamente de texto– con solo dos variables, el código estandarizado de celda y la población asociada. La población suma el total de la población del censo –47,400,798 residentes– y es la única variable ofrecida por el INE en este formato. La grid censal 2021 publicada por el INE (GEOSTAT2021), tiene 115,410 celdas habitadas, lo que significa que solo el 22.6% del territorio está ocupado por población residente a esta escala. Las características de GEOSTAT2021 y la distribución actual de la población en este formato se describen en el capítulo 2 de Goerlich y Mollá (2025).

Para generar la clasificación DEGURBA debemos representar la información de la grid de población en un formato geográfico. Aunque el INE distribuye un fichero vectorial con la cartografía de las celdas habitadas12, dicha cartografía no fue utilizada en el trabajo, sino que la empleada procede de Goerlich (2024), que cubre todo el territorio nacional, 511,294 celdas. Disponemos pues de la grid inicial en formato vectorial.

Para la determinación de DEGURBA el JRC ha desarrollado dos herramientas que implementan secuencialmente las dos fases expuestas en el apartado anterior.

  1. GHS-DUG –Degree of Urbanization Grid–: Implementa la fase 1 del procedimiento, es decir, clasifica las celdas de la grid en los niveles 1 y 2, determinando los centros urbanos, las agrupaciones urbanas y las celdas rurales (Maffenini, Schiavina, Melchiorri, Pesaresi y Kemper 2023a).

    La herramienta GHS-DUG utiliza como input básico la grid de población en formato raster. Asimismo, como inputs adicionales, hemos incorporado la capa de superficie edificada para considerar en la definición de centro urbano las celdas que estén, al menos, el 50% edificadas, y la capa de tierra13. La primera se construye a partir de la primera cobertura LiDAR (Goerlich 2023a) y ofrece, para cada celda, el porcentaje de ésta que está edificada, mientras que la segunda, construida a partir de la información del Sistema de Información de Ocupación del Suelo de España (SIOSE) referido a 2014, SIOSE2014, se utiliza para determinar la densidad de población de cada celda y ofrece el porcentaje de cobertura terrestre en la celda, esté esta habitada o no14. Esta información está disponible en Goerlich (2024a). Toda la información debe ser suministrada en formato raster con la resolución de la grid de población y el mismo sistema de referencia de coordenadas (CRS), ETRS89-LAEA. Además de esta información, la asignación de nombres a los clusters de celdas, por el procedimiento que se describe más adelante, utilizó el Nomenclátor Geográfico de Municipios y Entidades de Población (NGMEP) del Instituto Geográfico Nacional (IGN)15.

    El output básico que resulta de la herramienta GHS-DUG son capas raster categóricas con la misma extensión y resolución que la grid de población, 1 km x 1 km, con la clasificación de las celdas según su grado de urbanización en los dos niveles descritos anteriormente, y que se etiquetan como L1 –nivel 1–, GHS-DUG_GRID_L1, y L2 –nivel 2–, GHS-DUG_GRID_L2.

    Los códigos utilizados en el nivel 1 en esta capa raster son:

    • 1: Celdas rurales.

    • 2: Agrupación urbana.

    • 3: Centro urbano.

    En el nivel 1, todas las celdas que no tienen población, incluidas las que se sitúan fuera del área de referencia del territorio de la grid, se clasifican como celdas rurales.

    Los códigos utilizados en el nivel 2 en esta capa raster son:

    • 10: Agua.

    • 11: Celdas rurales de muy baja densidad.

    • 12: Celdas rurales de baja densidad.

    • 13: Agrupación rural.

    • 21: Celdas suburbanas o periurbanas.

    • 22: Agrupación urbana semidensa.

    • 23: Agrupación urbana densa.

    • 30: Centro urbano.

    En el nivel 2, la herramienta GHS-DUG es algo más fina e incluye una clasificación para las celdas de agua que no aparece como tal en la metodología de Eurostat (2021), de forma que en la práctica tenemos 8 categorías de celdas, y no 7, en el nivel 2. En cualquier caso, en el nivel 2, las celdas terrestres que no tienen población son clasificadas como celdas rurales de muy baja densidad. Aunque carece de consecuencias prácticas, resulta llamativo este tratamiento asimétrico de las celdas de agua y las celdas terrestres sin población en ambos niveles de la clasificación por la misma herramienta, GHS-DUG.

    Además de estas dos capas raster la herramienta GHS-DUG genera 4 ficheros vectoriales –shape– y otras 4 capas raster con las agrupaciones de cada categoría del nivel 2: Agrupaciones rurales, GHS-DUG_RURAL_CLUSTER, agrupación urbanas semidensas, GHS-DUG_SEMI_DENSE_URBAN_CLUSTER, agrupación urbanas densas, GHS-DUG_DENSE_URBAN_CLUSTER, y centros urbanos, GHS-DUG_URBAN_CENTRE. Los ficheros vectoriales incluyen, en su tabla de atributos, un identificador numérico correlativo del cluster o aglomeración, el área en km² –el número de celdas de la agrupación–, la población y el área construida determinada a partir de la capa auxiliar de superficie edificada.

    Finalmente la herramienta GHS-DUG genera dos ficheros Excel con estadísticos descriptivos básicos de los niveles 1 y 2 de la clasificación.

    El CRS de los ficheros de output coincide con el de entrada de los datos, ETRS89-LAEA16.


  1. GHS-DU-TUC –Degree of Urbanization - Territorial Units Classifier–: Implementa la fase 2 del procedimiento, es decir, clasifica los municipios en los niveles 1 y 2, determinando las ciudades, las localidades y áreas semidensas y las áreas rurales (Maffenini, Schiavina, Melchiorri, Pesaresi y Kemper 2023b).

    La herramienta GHS-DU-TUC, por su parte, utiliza como input la clasificación de las celdas en el nivel 2 obtenida por GHS-DUG, además de la grid de población ya utilizada en la fase 1 y un fichero vectorial –shape– con los contornos de las unidades territoriales a clasificar. En nuestro caso, la unidad territorial a considerar es el municipio por lo que cargamos el contorno de municipios de España –incluidos los condominios– procedente de la Base de Datos de Líneas Límite (BDLL) disponible en el Centro de Descargas del Centro Nacional de Información Geográfica (CNIG) dependiente del IGN (Goerlich y Pérez 2021). Dicho fichero de contornos tiene 8,212 polígonos, 8,131 corresponden a municipios y 81 a condominios, aunque en la práctica solo estamos interesados en la clasificación DEGURBA de los 8,131 municipios, puesto que los condominios carecen de población.

    El output que resulta de la herramienta GHS-DU-TUC es un fichero vectorial –shape– de contornos de las unidades territoriales a clasificar –municipios– con la codificación DEGURBA de los mismos en los niveles 1 y 2, GHS-DU-TUC. La tabla de atributos de este fichero vectorial incluye la información original del fichero de contornos de municipios, los códigos de clasificación DEGURBA en los niveles 1 y 2 utilizados en la codificación de las celdas y los porcentajes de población, para cada unidad territorial, en cada uno de los casos en ambos niveles17. Esta tabla de atributos es ofrecida también en formato Excel, junto con un fichero en el mismo formato con estadísticos descriptivos básicos de los niveles 1 y 2 de la clasificación a nivel municipal18.

    Los códigos utilizados en el nivel 1 de la herramienta GHS-DU-TUC son:

    • 1: Áreas rurales.

    • 2: Localidades y áreas semidensas.

    • 3: Ciudades.

    Los códigos utilizados en el nivel 2 de la herramienta GHS-DU-TUC son:

    • 11: Áreas rurales mayormente deshabitadas.

    • 12: Áreas rurales dispersas.

    • 13: Aldeas.

    • 21: Áreas suburbanas o periurbanas.

    • 22: Localidades semidensas.

    • 23: Localidades densas.

    • 30: Ciudades.

Además de las herramientas del JRC en el marco del proyecto Global Human Settlement Layer (GHSL) para la clasificación DEGURBA se ha utilizado el sistema de cálculo estadístico R (R Core Team 2023) para la manipulación de la información derivada. En concreto, las librerías de tidyverse (Wickham et al 2019) para la manipulación y tratamiento de datos –data wrangling–, la librería sf (Pebesma 2018) para el tratamiento de la información vectorial, las librerías terra (Hijmans 2025) y stars (Pebesma y Bivand 2023) para la manipulación de la información raster, la librería centr (Zomorrodi 2025) para el cálculo de los centroides ponderados y la librería areal (Prener y Revord 2019) para determinados cálculos relacionados con la interpolación por áreas entre capas vectoriales.

4. Fase 1: Grado de urbanización de las celdas de la grid

Como resultado de aplicar la metodología descrita en el apartado anterior a la grid de población derivada del censo 2021 (GEOSTAT2021) obtenemos la clasificación del grado de urbanización para cada celda de la grid.

El mapa 1 muestra el resultado que se deriva del nivel 1 de la clasificación DEGURBA a nivel de celdas que se obtiene directamente de la herramienta GHS-DUG, donde cada celda de la extensión de la grid suministrada se clasifica en una de las tres categorías posibles19.

Mapa 1. Nivel 1 en la clasificación DEGURBA a nivel de celdas –GHS-DUG–

**Fuente:** GHS-DUG

Fuente: GHS-DUG

El mapa 2 muestra el resultado que se deriva del nivel 2 de la clasificación DEGURBA a nivel de celdas que se obtiene directamente de la herramienta GHS-DUG, donde cada celda de la extensión de la grid suministrada se clasifica en una de las ocho categorías posibles, incluyendo las celdas de agua.

Mapa 2. Nivel 2 en la clasificación DEGURBA a nivel de celdas –GHS-DUG–

**Fuente:** GHS-DUG

Fuente: GHS-DUG

La comparación de ambos mapas muestra el asimétrico tratamiento que hace la herramienta GHS-DUG de las celdas rurales, ya que en el nivel 1, cualquier celda de la extensión de la grid que no se clasifique como centro urbano o agrupación urbana, se clasifica como celda rural, mientras que en el nivel 2 la información auxiliar de la capa de tierra se utiliza para clasificar ciertas celdas como de agua, aunque la mayoría de celdas sin población, dentro del territorio de referencia, se siguen clasificando como celdas rurales de muy baja densidad, ¡en realidad de densidad nula! 😄

La tabla 3 muestra la distribución, en valores absolutos y en porcentaje, del número de agrupaciones, de las celdas que conforman DEGURBA y de la población para cada una de las categorías, tanto las del nivel 1 –tres categorías– como las de nivel 2 –siete categorías–.

La mayor parte de la población en el territorio español reside en centros urbanos –52.2%–, equivalente a 24,763,349 habitantes, que ocupan solo el 2.8% de la superficie urbanizada. Este porcentaje de población supera el 80% si consideramos, además, la población que reside en agrupaciones urbanas. Por tanto, la población española se encuentra muy concentrada sobre el territorio y, a pesar de que las celdas rurales representan el 90,1% de la superficie urbanizada, fundamentalmente compuestas por celdas rurales de muy baja densidad, solo residen en ellas un 17.0% de la población, poco más de 8 millones de habitantes.


Tabla 3. Agrupaciones, celdas y población por tipo de celda.
Agrupaciones
Celdas
Población
Tipo Número Porcentaje Número Porcentaje Personas Porcentaje
Centros urbanos 113 3.4 3,293 2.8 24,763,349 52.2
Agrupaciones urbanas 866 25.8 8,130 7.0 14,579,741 30.8
Agrupaciones urbana densas 699 20.8 2,488 2.2 9,777,578 20.6
Agrupaciones urbana semidensas 167 5.0 880 0.8 1,086,167 2.3
Celdas suburbanas o periurbanas 4,762 4.1 3,715,996 7.8
Celdas rurales 2,376 70.8 104,166 90.1 8,057,708 17.0
Agrupaciones rurales 2,376 70.8 4,403 3.8 3,966,163 8.4
Celdas rurales de baja densidad 23,886 20.7 3,151,107 6.6
Celdas rurales de muy baja densidad 75,877 65.6 940,438 2.0
Total 3,355 100.0 115,589 100.0 47,400,798 100.0
Fuente: INE (2023), Goerlich (2023, 2024), Eurostat (2021), JRC y elaboración propia.


Ya hemos indicado que el número de celdas con población asciende a 115,410, sin embargo en la tabla 3 se observa que el número de celdas asciende a 115,589. La razón es que la regla iterativa de la mayoría, utilizada en la definición de los centros urbanos y de las agrupaciones urbanas densas incorpora a dichos clusters algunas celdas sin población. En concreto, esto sucede para 147 celdas en los centros urbanos y para 32 celdas en las agrupaciones urbanas densas. En cualquier caso, el número de celdas sin población que se incorporan a los clusters es muy reducido, menos del 0.2% del total de celdas habitadas.

El mapa 3 muestra los clusters de población identificados, un total de 3.355, tanto los centros urbanos, como las agrupaciones urbanas, densas y semidensas, y las agrupaciones rurales. El menor número lo encontramos, como es lógico, en los centros urbanos, solo 113, aunque concentran más de la mitad de la población –52.2%–. Todas las provincias poseen al menos un centro urbano con excepción de Cuenca, Segovia, Soria y Teruel, donde el cluster de celdas asociado a la capital de provincia no alzanza el umbral de los 50,000 habitantes. Los polígonos representados en el mapa 3 no se corresponden con los lindes administrativos de los municipios, sino con los clusters de celdas que verifican ciertas restricciones de densidad y tamaño demográfico, tal y como se ha expuesto en el apartado anterior.

Mapa 3. Centros urbanos, agrupaciones urbanas –densas y semidensas– y agrupaciones rurales

**Fuente:** GHS-DUG

Fuente: GHS-DUG

El capítulo 3 de Goerlich y Mollá (2025) ofrece una descripción mucho más detallada de estos resultados.

5. Fase 2: Grado de urbanización a nivel municipal

Como resultado de aplicar la metodología descrita en el apartado 3 a los contornos de los municipios de España obtenemos la clasificación del grado de urbanización para cada uno de ellos en los niveles 1 y 2.

El mapa 4 muestra el resultado que se deriva del nivel 1 de la clasificación DEGURBA a nivel de municipio que se obtiene directamente de la herramienta GHS-DU-TUC, donde cada municipio se clasifica en una de las tres categorías posibles.

Mapa 4. Nivel 1 en la clasificación DEGURBA a nivel municipal –GHS-DU-TUC–

**Fuente:** GHS-DU-TUC

Fuente: GHS-DU-TUC

El mapa 5 muestra el resultado que se deriva del nivel 2 de la clasificación DEGURBA a nivel de municipio que se obtiene directamente de la herramienta GHS-DU-TUC, donde cada municipio se clasifica en una de las siete categorías posibles.

Mapa 5. Nivel 2 en la clasificación DEGURBA a nivel municipal –GHS-DU-TUC–

**Fuente:** GHS-DU-TUC

Fuente: GHS-DU-TUC

La tabla 4 muestra la distribución, en valores absolutos y en porcentaje, de municipios y su población para cada una de las categorías DEGURBA, tanto los del nivel 1 –tres categorías– como las de nivel 2 –siete categorías–.

De acuerdo con estos resultados, en España, el 3,3% de los municipios son ciudades, 268 en número, pero concentran más de la mitad de la población española –el 55.6%–, mientras que el 13,6% de los municipios son localidades y áreas semidensas, con un 31,3% de la población. De estas últimas, más de una cuarta parte de la población española reside en localidades densas y semidensas –28,1%– y el resto en áreas suburbanas o periurbanas –el 3,3%–. Por su parte, los municipios clasificados como áreas rurales son los más abundantes, el 83,1% de los municipios españoles, si bien concentran solo el 13,0% de la población. Si profundizamos en estas áreas, la mayoría de esta población reside en aldeas –el 8,7%–, frente a la población en municipios clasificados como áreas rurales dispersas –3,7%– o áreas rurales mayormente deshabitadas –0,6%–, representando estas últimas el 14,7% de los municipios en España.


Tabla 4. Municipios y población por tipo de municipio.
Municipios
Población
Tipo de municipio Número Porcentaje Personas Porcentaje
Ciudades 268 3.3 26,376,764 55.6
Localidades y áreas semidensas 1,106 13.6 14,857,736 31.3
Localidades densas 681 8.4 12,121,737 25.6
Localidades semidensas 184 2.3 1,185,589 2.5
Áreas suburbanas o periurbanas 241 3.0 1,550,410 3.3
Áreas rurales 6,757 83.1 6,166,298 13.0
Aldeas 1,903 23.4 4,129,005 8.7
Áreas rurales dispersas 3,655 45.0 1,743,954 3.7
Áreas rurales mayormente deshabitadas 1,199 14.7 293,339 0.6
Total 8,131 100.0 47,400,798 100.0
Fuente: INE (2023), Goerlich (2023, 2024), Eurostat (2021), JRC y elaboración propia.


De las 268 ciudades 39 son municipios aislados, en el sentido de que no lindan con ningún otro municipio urbano, pero los 229 restantes forman 35 conglomerados de municipios urbanos colindandes que podemos definir como grandes ciudades.

El capítulo 3 de Goerlich y Mollá (2025) ofrece una descripción mucho más detallada de estos resultados. Aunque no ofrecemos aquí información por provincias es de destacar que en las provincias de Cuenca, Segovia, Soria y Teruel no existe ninguna ciudad, ni siquiera la capital de provincia, al no identificarse en estas provincias ningún centro urbano. La razón última es que la clasificación se basa exclusivamente en criterios demográficos. Es difícil que el INE acepte esta restricción en una clasificación final con carácter oficial, y no considere la capital de provincia en estos casos como una ciudad, ya que además de los criterios demográficos previsiblemente se considerarán otros criterios de carácter administrativo y de centro de servicios, que juegan un papel importante en todas las capitales de provincia.

6. Base de datos e información ofrecida

Este apartado describe la información disponible a partir de este trabajo y que puede ser descargada de zenodo.

Además de la información procesada que se describe a continuación se ofrece la siguiente informacióna auxilar vectorial en formato GeoPackage:

  1. La grid completa para España con resolución de 1 km x 1 km poligonal, Spain2019_grid_1km_surf_ETRS89_LAEA.gpkg, y puntual, Spain2019_grid_1km_point_ETRS89_LAEA.gpkg, sin atributos excepto los identificadores de celda (Goerlich 2024a).

Toda la información geográfica se suministra en el CRS: ETRS89-LAEA.

6.1 Fase 1: A nivel de celdas de la grid

Los resultados de los mapas 1 a 3 fueron transferidos a la grid en vectorial y se generó un fichero Excel, GHS-DUG.xlsx, con dos hojas que contiene toda la información DEGURBA a nivel de celda –115,589 celdas20–.

  1. Hoja DUG:

    • GRD_ID: Identificador de celda.
    • POB: Población.
    • DEGURBA_L1: Clasificación DEGURBA de nivel 1 de la celda.
    • DEGURBA_L2: Clasificación DEGURBA de nivel 2 de la celda.
    • Type: Tipo de cluster si la celda pertenece a alguno de ellos.
    • ID: Identificador de cluster.

  2. Hoja Clusters:

    • ID: Identificador de cluster.
    • ID_CodINE: Identificador INE del nombre del cluster.
    • ID_Nombre: Nombre del cluster.
    • ID_Type: Entidad de población que corresponde al nombre del cluster.
    • Umbral: Umbral de distancia (m) en el algoritmo de asignación de nombres al cluster.
    • Cells: Celdas del cluster.
    • POB: Población del cluster.

Para todos los clusters, centros urbanos, agrupaciones urbanas densas, agrupaciones urbanas semidensas y agrupaciones rurales, se generó un identificador numérico después de ordenar los clusters por orden decreciente de población. Este identificador, ID en GHS-DUG.xlsx, va precedido de las siglas UC para los centros urbanos, DUC para las agrupaciones urbanas densas, SDUC para las agrupaciones urbanas semidensas y RC para las agrupaciones rurales.

Además de estos resultados se dispone de los ficheros de clusters de población raster en formato GeoTIFF:

  • GHS-DUG_URBAN_CENTRE
  • GHS-DUG_DENSE_URBAN_CLUSTER
  • GHS-DUG_SEMI_DENSE_URBAN_CLUSTER
  • GHS-DUG_RURAL_CLUSTER

en el que el valor del pixel coincide con su identificador numérico, y de la misma información en vectorial –GeoPackage– en un único fichero con las 4 capas del mismo nombre, GHS-DUG_Clusters.gpkg, y en el que la tabla de atributos incluye el identificador numérico del cluster, su nombre, el número de celdas y la población del cluster.

Además de este fichero vectorial de contornos se generó un fichero vectorial puntual de centroides ponderados por la población para cada uno de los clusters, GHS-DUG_Clusters.gpkg, con los mismos atributos que el fichero de polígonos. Estas coordenadas representan el punto más representativo del cluster donde situar a la población del mismo en el caso de que se necesiten coordenadas puntuales. Al igual que sucede con los centroides geométricos (Goerlich 2023b) estas coordenadas no tienen porque situarse dentro del cluster, a pesar de que este sigue siendo el punto más representativo donde situar a la población en estos casos. De hecho esto no sucede en 3 agrupaciones urbanas densas, en 2 agrupaciones urbanas semidensas y en 6 agrupaciones rurales, aunque todos los centroides ponderados de los centros urbanos sí caen dentro del cluster. Si se necesitara un centroide ponderado que cayera necesariamente dentro del cluster siempre se puede tomar, en estos casos, el centroide de la celda más poblada.

6.1.1 Algoritmo de asignación de nombres a las aglomeraciones –clusters– de población

Como se ha indicado anteriormente se generaron nombres para todos los clusters de población. Por construcción, estos clusters son independientes de cualquier unidad administrativa existente –municipios en nuestro caso–. Esta es su gran ventaja, ya que evita distorsiones debidas a factores históricos, administrativos, políticos o relacionados con la superficie de los términos municipales. No obstante, a la hora de analizar indicadores e identificar los clusters a nivel individual resulta muy útil poder atribuir un nombre a los centros urbanos y al resto de agrupaciones de población, ya que ello facilita su referenciación.

Lecomte y Poelman (2019, 2023) diseñaron un algoritmo para asignar nombres a todos los centros urbanos y las agrupaciones urbanas densas y semidensas para toda Europa bajo ciertos criterios. Estos autores no asignan nombres a las agrupaciones rurales. El nombre asignado debe ser único y se basa, incialmente, en hacer una intersección geométrica entre los clusters y la capa de lindes administrativos. Para cada polígono de intersección tenemos los identificadores de ambas capas y la superficie, de forma que una asignación inicial de nombres se hace por superficie. Se asigna el nombre de la unidad administrativa que más superficie aporta al cluster. Para Europa esto asigna, de forma unívoca, el 51% de los casos. Para el resto de casos Lecomte y Poelman (2019, 2023) se basan, esencialmente, en un proceso de geocodificación a partir de los centroides de los clusters21.

Para España seguimos, inicialmente, un proceso similar bajo la premisa de que el nombre asignado debe ser único22, aunque disponemos de mejor información que nos permite resolver el problema sin acudir a procesos de geocodificación. El algoritmo utilizado es el siguiente:

  1. Una intersección geométrica entre los clusters y la capa de lindes municipales permite asignar un nombre único a cada cluster en función de la superficie de la intersección en 2,578 casos –76.8%–. En este paso se identifican de forma única nombres para todos los centros urbanos. De los 777 duplicados encontrados, 296 se seleccionan asignando el nombre por tamaño demográfico del cluster. Así pues, en este primer paso se asignan nombres únicos a 2,874 casos –85.7%–.

  2. Para el resto de casos –481– se acudió al Nomenclátor Geográfico de Municipios y Entidades de Población (NGMEP) del IGN que proporciona coordenadas de todas la entidades de población. Una vez eliminadas las entidades con un nombre ya asignado anteriormente se realizó una asignación por nombre de entidad si la coordenada de dicha entidad de población caía dentro del cluster, procediendo secuencialmente a partir de las Entidades Colectivas, las Entidades Singulares y los Núcleos de población. Esto dejó por asignar nombres a solamente 65 aglomeraciones.

  3. Para los 65 casos restantes el algoritmo asigna el nombre de la entidad de población más cercana al cluster si la distancia entre ambos es inferior a un umbral predefinido. En la práctica se procedió como en el caso anterior simplemente aumentando con un buffer el contorno de la aglomeración. Un buffer de 100m asignó 14 casos, uno de 1000m asignó 18 casos más, uno de 5000m asignó 28 casos más y uno de 10000m asignó los últimos 5 casos.

Naturalmente un conocimiento local o regional de los lugares sobre los que se asientan estos pocos casos en los que no se asigna un nombre de forma directa –caso 3– sería de especial utilidad para mejorar la asignación de nombres, siendo difícil evaluar la calidad final de los nombres asignados en este caso.

6.2 Fase 2: A nivel municipal

Los resultados de los mapas 4 y 5 fueron transferidos al fichero de contornos municipales generándose un fichero vectorial en formato GeoPackage, GHS-DU-TUC.gpkg, en el que la capa LAU contiene la siguiente información para cada municipio.

  • CodCCAA: Código de Comunidad Autónoma.
  • CCAA: Nombre de Comunidad Autónoma.
  • CodProv: Código de Provincia.
  • Provincia: Nombre de Provincia.
  • CodMuni: Código de Municipio.
  • Municipio: Nombre de Municipio.
  • POB: Población del censo 2021.
  • DEGURBA_L1: Clasificación DEGURBA de nivel 1 del municipio.
  • UCentre_POB: Población del municipio en centros urbanos.
  • UCluster_POB: Población del municipio en agrupaciones urbanas.
  • Rural_POB: Población del municipio en agrupaciones rurales.
  • DEGURBA_L2: Clasificación DEGURBA de nivel 2 del municipio.
  • DUC_POB: Población del municipio en agrupaciones urbanas densas.
  • SDUC_POB: Población del municipio en agrupaciones urbanas semidensas.
  • SUrb_POB: Población del municipio en celdas suburbanas o periurbanas.
  • RC_POB: Población del municipio en agrupaciones rurales.
  • LDR_POB: Población del municipio en celdas rurales de baja intensidad.
  • VLDR_POB: Población del municipio en celdas rurales de muy baja intensidad.

Por definición, un municipio clasificado como ciudad puede tener también población rural, aunque la mayor parte de su población residirá en centros urbanos (Goerlich y Cantarino 2013, 2015). La herramienta GHS-DU-TUC calcula, para cada municipio, los porcentajes de población municipal en cada uno de los tipos de celdas para los 2 niveles de DEGURBA. Estos porcentajes se determinan mediante un geoproceso en raster que implica un aumento de escala desde la resolución inicial de la grid de 1 km x 1 km a celdas de 50 m x 50 m y un supuesto de uniformidad en la distribución de la población, y no requieren de las poblaciones municipales, solo la de la grid de población. En consecuencia, las poblaciones estimadas a nivel municipal mediante este geoproceso no cuadran exactamente con las poblaciones municipales del censo 2021, pero a partir de los porcentajes de población municipal en cada uno de los tipos de celdas, para los 2 niveles de DEGURBA, determinados por la herramienta GHS-DU-TUC, es posible recuperar cifras de población absoluta para cada municipio y los 2 niveles de DEGURBA. Estas cifras de población son las que se ofrecen en la tabla de atributos23.

Dicha información también se ofrece en un fichero Excel, GHS-DU-TUC.xlsx.

Además de este fichero de contornos municipales, con información de DEGURBA asociada, se generó un fichero vectorial puntual de centroides municipales ponderados por la población para cada uno de los municipios, capa Centroids en GHS-DU-TUC.gpkg, con los mismos atributos que el fichero de polígonos. Estas coordenadas representan el punto más representativo del municipio donde situar a la población del mismo en el caso de que se necesiten coordenadas puntuales a nivel municipal. Al igual que sucede con los centroides geométricos (Goerlich 2023b) estas coordenadas no tienen porque situarse dentro del término municipal, a pesar de que este sigue siendo el punto más representativo donde situar a la población del municipio en estos casos. De hecho, esto no sucede en 8 casos. Si se necesitara un centroide ponderado que cayera necesariamente dentro del término municipal siempre se puede tomar, en estos casos, el centroide de la celda más poblada interior al contorno del municipio.

También se generó la cartografía de las 35 grandes ciudades, entendiendo por tales los conglomerados de municipios urbanos colindantes, capa GreatCity en GHS-DU-TUC_GreatCity.gpkg. Para cada una de estas grandes ciudades se generó un identificador secuencial único, ID_GC, a partir del orden decreciente en población de la gran ciudad y se identificó el nombre con el del municipio más poblado dentro de la gran ciudad. La tabla de atributos de esta capa también contiene el número de municipios que forman la gran ciudad en el campo Municipios y la población en el campo POB. Finalmente se generó un fichero vectorial puntual de centroides de la gran ciudad ponderados por la población a partir de las celdas de la grid para cada una de las grandes ciudades, capa Centroids en GHS-DU-TUC_GreatCity.gpkg. La información alfanumérica de las grandes ciudades se ofrece también en un fichero Excel, GHS-DU-TUC_GreatCity.xlsx, en el que la hoja GreatCity contiene la información alfanumérica de las capas geométricas y la hoja City la información referente a la composición municipal de cada una de las grandes ciudades.

7. Comentarios finales

Este trabajo ha aplicado la clasificación DEGURBA, en sus dos fases y niveles, a la grid de población del censo 2021 generada por el INE ofreciendo una clasificación completa del continuo rural/urbano consistente con la metodología de Eurostat 2021. Los resultados ofrecidos son directamente los que se obtienen del algoritmo de clasificación tal y como está implementado en las herramientas desarrolladas por el JRC, GHS-DUG y GHS-DU-TUC. La base de datos finalmente ofrecida completa, y depura, la que se obtiene directamente de estas herramientas y puede descargarse de zenodo.

Referencias


Anexo: Un ejercicio de consistencia de la grid de población del censo 2021 (GEOSTAT2021)

A partir del censo 2021 el INE (2023) publica no solo los datos de población de la grid de 1 km x 1 km, por mandato de Eurostat, sino también los datos de población de los municipios. En este anexo se muestra un ejercicio de consistencia entre ambas fuentes de información, cuyos recintos no son congruentes en términos geométricos.

Idealmente nos gustaría disponer de una cifra de población para cada uno de los polígonos resultantes de la intersección de la grid con los contornos municipales. En este caso la aplicación de la herramienta GHS-DU-TUC no sería necesaria para la clasificación DEGURBA de los municipios, puesto que una vez clasificadas las celdas mediante la herramienta GHS-DUG podríamos obtener directamente los porcentajes de población municipal en cada uno de los tipos de celdas para los 2 niveles de DEGURBA y, por tanto, obtener inmediatamente la clasificación DEGURBA municipal aplicando las reglas expuestas en el apartado de aspectos metodológicos. En este caso, las poblaciones por grado de urbanización serían consistentes en ambas direcciones, la grid de población y los municipios.

Esta información no está disponible y el ejercicio efectuado en este anexo no es estrictamente necesario para generar la base de datos de este trabajo, puesto que la herramienta GHS-DU-TUC determina los porcentajes de población municipal de cada tipo DEGURBA a partir de un geoproceso en raster con elevada resolución. No obstante, resulta de interés comprobar la consistencia entre ambas fuentes de información, la grid de población y la población de los municipios24. Reig, Goerlich y Cantarino (2016) encontraron que la grid censal de 2011, (GEOSTAT2011), y las poblaciones municipales eran manifiestamente inconsistentes –véase el apéndice A1–, por lo que resulta de interés examinar ahora la consistencia para los datos del censo 2021.

El resumen es una consistencia excelente entre ambas estadísticas, piénsese que los lindes municipales del IGN, que son los utilizados en la intersección, no son perfectos y están sujetos a imprecisiones geométricas. Además la geocodificación llevada a cabo por el INE para asignar la población a las celdas de la grid no procede de su propio callejero actualizado, sino que se ha llevado a cabo en base a la dirección de las viviendas catastrales donde se ha situado la población, y los lindes de catastro no coinciden exactamente con los lindes de la Base de Datos de Líneas Límite (BDLL) disponible en el CNIG dependiente del IGN.

  1. A partir de esta clasificación inicial de los municipios o comunidades locales la OCDE clasificaba las regiones en predominantemente rurales, intermedias o predominantemente urbanas en un segundo nivel jerárquico. Sin embargo, una clasificación a nivel de regional no es de interés en este trabajo.↩︎

  2. 500 habitantes por km² en Japón y Corea.↩︎

  3. Aunque la metodología fue encabezada por Eurostat y la DG-Regio (Dijkstra y Poelman 2014) otras instituciones internacionales como la FAO, UN-Habitat, OECD, OIT y el Banco Mundial participaron en su desarrollo.↩︎

  4. Lo que incluye situaciones en las que no se dispone de una grid de población con resolución de 1 km x 1 km y es necesario generarla por métodos top-down.↩︎

  5. La tipología finalmente resultante, y publicada a nivel nacional, probablemente no coincida exactamente con la que aquí se presenta, ya que nuestros resultados son exactamente los que se derivan del software utilizado, que incorpora alguna información adicional de elaboración propia, y porque la tipología final es consensuada entre Eurostat y los Institutos Nacionales de Estadística, el INE en el caso de España, ya que son estos institutos los suministradores de información a Eurostat para la clasificación DEGURBA.↩︎

  6. Esto representa un pequeño cambio metodológico respecto a lo dispuesto en Eurostat (2018) donde una celda podía pertenecer simultáneamente a un centro urbano y una agrupación urbana.↩︎

  7. Este criterio se utiliza para evitar generar múltiples centros urbanos en una misma ciudad. En algunas ciudades más grandes las zonas con parques de oficinas, centros comerciales, fábricas o carreteras suelen ocupar celdas enteras dividiendo los centros urbanos. Sin embargo, aunque son zonas donde no habita población, sí son utilizadas de manera intensiva por los habitantes de las ciudades, por lo que considerar las celdas que estén al menos un 50% edificadas en la definición anterior soluciona este problema e incluye estas áreas en un mismo centro urbano (Eurostat 2021).↩︎

  8. En un sistema de malla regular en el que las celdas son hexágonos no se dan estas diferencias de vecindad, puesto que todas las celdas tienen el mismo número de vecinos, 6, y todas comparten un lado con la celda de interés.↩︎

  9. Aunque la metodología expuesta en Eurostat (2021) es silenciosa al respecto, para la determinación de las agrupaciones urbanas densas también se aplica la regla iterativa de la mayoría y el rellenado de huecos, utilizada en la clasificación de los centros urbanos.↩︎

  10. Medido fuera de un buffer de tres celdas de 1 km x 1 km alrededor de las agrupaciones urbanas densas y los centros urbanos, esto garantiza que se tengan en cuenta los barrios o suburbios adyacentes, pero no contiguos, a las agrupaciones urbanas densas y los centros urbanos.↩︎

  11. La terminología en castellano de esta segunda fase puede no ser muy afortunada. Localidad es la traducción del término anglosajón town, y aldea es la traducción del término village.↩︎

  12. Curiosamente la cartografía se ofrece en el sistema de referencia de coordenadas (CRS) ETRS89-UTM30N, que no se ajusta a las especificaciones INSPIRE (2023), ya que la grid de referencia europea debe estar en el sistema de referencia de coordenadas (CRS) ETRS89-LAEA.↩︎

  13. Si esta información no se suministra por el ususario la herramienta GHS-DUG tiene una por defecto que considera los lindes marinos, pero no las fronteras de los países individuales ni las superficies de agua interiores.↩︎

  14. La cobertura terrestre se obtiene a partir de considerar las coberturas 111 a 354 de CODIIGE (Goerlich 2024a).↩︎

  15. Descargado en febrero 2025.↩︎

  16. Aunque las capas raster GHS-DUG_GRID_L1.tif y GHS-DUG_GRID_L2.tif se pueden obtener opcionalmente también en otro CRS especificado por el usuario, para facilitar la visualización.↩︎

  17. También se incluye una estimación de la cifra de población del polígono obtenida mediante geoproceso por la herramienta GHS-DU-TUC. Naturalmente esta cifra de población no coincide exactamente con la cifra de población del municipio que proporciona el censo 2021, de hecho una de las finalidades de este trabajo es hacer consistentes estas estadísticas con la que se derivan a nivel municipal del censo 2021.↩︎

  18. Si el fichero de contornos incluye un campo de agregación, por ejemplo, Comunidades Autónomas (CCAA) o Provincias, entonces el output de la herramienta GHS-DU-TUC genera también un fichero en formato Excel con estadísticos descriptivos básicos de la clasificación DEGURBA a este nivel de agregación. Adicionalmente se proporcionan dos ficheros de visualización para ArcGIS.↩︎

  19. Todos los mapas representados en el trabajo utilizan la extensión completa de España, situando a Canarias en su lugar geográfico, y están realizados en la proyección de trabajo, ETRS89-LAEA, que no es la habitual en la representación cartográfica.↩︎

  20. Se incluyen en el fichero las celdas pobladadas –115,410– más las que carecen de población, pero forman parte de un centro urbano –147– o de una agrupación urbana densa –32– como consecuencia de la aplicación de la regla de la mayoría.↩︎

  21. El proceso de geocodificación descansa en un servicio ofrecido por el GISCO de Eurostat basado en Nominatim a partir de Open Street Map.↩︎

  22. Una restricción que no se cumple ni a nivel municipal. En nuestro fichero de contornos municipales encontramos 34 casos de nombres municipales duplicados.↩︎

  23. Las poblaciones agregadas para cada clase de DEGURBA no cuadran exactamente con las que se derivan de la clasificación a nivel de grid, pero tras este ajuste a nivel municipal se aproximan mucho más que las generadas directamente por la herramienta GHS-DU-TUC.↩︎

  24. Goerlich (2024b) ofrece un análisis de consistencia similar entre el censo 2021 y el padrón 2021, así como de la consistencia entre la grid censal de 2011, GEOSTAT2011, y la de 2021, GEOSTAT2021.↩︎