En los últimos años, el interés hacia las imágenes satelitales se ha vuelto cada vez más fuerte. Herramientas como Google Earth, drones y microsatélites han acaparado los titulares y reducido los precios. Los planificadores urbanos recurren cada vez más a datos obtenidos por teledetección para comprender mejor sus ciudades.
Pero el hecho de que ahora tengamos acceso a una gran cantidad de imágenes de alta resolución de una ciudad no significa que de repente tengamos idea de cómo esta funciona.
La pregunta sigue siendo: ¿Cómo podemos transformar eficientemente la data disponible en productos valiosos que ayuden a los planificadores urbanos?
Hace algunos años, en un esfuerzo por mapear barrios marginales, el Banco Mundial adoptó un algoritmo para crear capas de clasificación de la cobertura de suelo en grandes ciudades africanas utilizando imágenes de muy alta resolución (50 cm).
Con los resultados y las lecciones aprendidas de esta iniciativa, el equipo vio la oportunidad de aplicar estos métodos en ciudades secundarias de América Latina y el Caribe, donde los desafíos de disponibilidad de datos eran profundos y las presiones de urbanización grandes.
Varios países latinoamericanos, incluidos Argentina, Bolivia, Costa Rica, El Salvador, Guatemala, Honduras, Nicaragua y Panamá, se enfrentaban con preguntas sobre la estructura interna de las ciudades secundarias y no tenían los datos disponibles para responderlas.
La poca disponibilidad de tiempo y un presupuesto limitado impulsaron al equipo a evaluar la posibilidad de utilizar imágenes de menor resolución en comparación con las que se habían utilizado para las grandes ciudades africanas. Por lo tanto, el equipo se embarcó en un proyecto para comprender mejor el diseño espacial de las ciudades secundarias, comprando imágenes de 1,5 metros SPOT6/7 y utilizando un enfoque de clasificación semi-automatizado para determinar qué tipos de cobertura del suelo podrían detectarse con éxito.
Originalmente desarrollado por Graesser et al 2012, este enfoque utiliza un algoritmo (fuente abierta) para destacar los elementos espectrales y de textura de una imagen, logrando así identificar cosas como parques industriales, tejados pequeños, vegetación, suelo vacío, etc.
¿Cómo se ven los mapas? La figura a continuación muestra los resultados de una clasificación en Chinandega, Nicaragua. El lado izquierdo presenta la imagen en bruto y en el lado derecho se encuentra el resultado del mapa de cobertura del suelo (es decir, la capa clasificada). La tierra resaltada en violeta muestra los edificios comerciales e industriales. Los barrios compuestos por casas más pequeñas, y posiblemente de menor calidad, se muestran en rojo, mientras que los barrios con casas un poco más grandes y más organizadas han sido marcados en amarillo. Por último, la vegetación se marcó en verde; el suelo vacío en beige; y los caminos en gris.
¿Quieres explorar nuestros mapas? Descarga nuestros datos aquí. Haz clic aquí para obtener un mapa interactivo de la cubierta terrestre de La Ceiba.
¿Cómo se utilizan estos datos para informar las políticas públicas?
Nivel regional
Varias agencias gubernamentales a nivel nacional y local están utilizando estas imágenes y los resultados producidos a partir de este análisis para diversos fines. El Viceministerio de Vivienda y Desarrollo Urbano de Guatemala está utilizando los datos para fortalecer el Sistema Nacional de Información sobre la Vivienda; mientras que en El Salvador, la Secretaría Técnica de la Presidencia (SETAPLAN) y Ministerio de Gobernación y Desarrollo Territorial (MIGOBDT), están trabajando en esfuerzo similar. También en Guatemala, el Instituto Nacional de Estadística está buscando actualizar su cartografía para el próximo Censo Nacional de Vivienda y Población.
Nivel local
A nivel local, la ciudad de Chimaltenango, Guatemala, solicitó acceso a los datos para ayudar a informar y actualizar su registro local de asentamientos, con el objetivo de asignar los recursos disponibles de manera más efectiva. En El Salvador, la ciudad de Santa Ana enfatizó el valor de usar estos datos para actualizar periódicamente el registro de su ciudad para mejorar la recaudación de ingresos y el manejo de la urbanización. En San Pedro Sula, ciudad industrial de Honduras, el gobierno compartió su entusiasmo por utilizar esta información y tecnología para planificar inversiones y tomar decisiones mejor informadas que tendrán un impacto durante los próximos 30 años, como parte del plan de desarrollo de la ciudad.
Un ejercicio similar se llevó a cabo en la ciudad de Trinidad, Bolivia y cinco ciudades principales en Argentina. En el caso de Argentina, el Banco Mundial capacitó a expertos en Sistemas de Información Geográfica (SIG) en la Secretaría de Vivienda y Hábitat para crear sus propios mapas utilizando sus propias imágenes. Después de un taller de solo 3 días, los participantes pudieron generar una capa de cobertura que identificó los vecindarios con viviendas de menor calidad. Estas capas ahora están disponibles en la plataforma nacional de datos abiertos de Argentina.
¿Lecciones aprendidas? En nuestra próxima publicación, discutimos algunos consejos y lecciones aprendidas destinadas a profesionales e investigadores sobre cómo considerar el uso de estos datos, y lo que se necesita para probarlos en su ciudad.
Artículo publicado originalmente en Voces, Blog del Banco Mundial
