Drones para monitorear el crecimiento de los asentamientos informales en Manaos, Brasil

Este artículo está también disponible en / This post is also available in: Inglés

Muchas ciudades de América Latina y el Caribe se enfrentan a desafíos de rápido crecimiento urbano informal, lo que les impiden prestar servicios básicos a los ciudadanos y promover el desarrollo urbano sostenible. Hoy en día, los drones, la inteligencia artificial y las soluciones de machine learning [1] son mecanismos que permiten una mayor precisión a la hora de medir los patrones de crecimiento informal; lo cual ayuda a mejorar la gestión urbana. El proyecto piloto con drones en Manaos, financiado por el Laboratorio de Ciudades del BID, realizó una prueba usando estas herramientas con los objetivos de monitorear el crecimiento real de los patrones de ocupaciones informales, evaluar la posibilidad de utilizar drones en lugar de otros métodos tradicionales y demostrar su potencial para la gestión urbana.

La ciudad de Manaos está en el centro del Amazonas, la selva tropical más grande del mundo. Siendo el centro económico de la región norte de Brasil, el municipio de Manaos demostró en la última década el mayor crecimiento demográfico en comparación a otras ciudades brasileras. Durante el período de 2000 a 2010, la población de Manaos creció un 2,51% anual, en comparación con el 1,95% del estado de Amazonas y el 1,18% de Brasil[2]. Actualmente se estima su población en más de 2 millones de habitantes. El rápido crecimiento de la población y el aumento de las ocupaciones informales de tierras dificultan la gestión del territorio del municipio y en la prestación de servicios básicos a los ciudadanos. Adicionalmente, aumentaron los desafíos como la deforestación, la expansión de áreas de riesgo, la contaminación de las fuentes de agua y la interferencia con la movilidad urbana, entre otros.

Como parte de la colaboración continua de la División de Vivienda y Desarrollo Urbano del BID para apoyar el desarrollo urbano sostenible de Manaos, se lanzó un piloto en colaboración con la Subsecretaría de Tecnología de la Información (SubTI) de Manaos para probar si el uso de drones aumentaría la eficiencia del monitoreo de crecimiento de los asentamientos informales. El piloto incluyó 50 vuelos, el uso de soluciones en inteligencia artificial y machine learning, entrenamientos a los gestores (funcionarios del municipio) y la participación de cuatro secretarias.

La flexibilidad y disponibilidad de los drones permite visualizar y monitorear en tiempo real el estado y evolución de la ocupación informal, dándole así a la municipalidad la información necesaria e inmediata para la toma de decisiones. El estudio aereo de los drones en el piloto demostró la actividad informal del lugar designado; una comunidad que ya cuenta con más de 60 viviendas. La ciudad tenía originalmente dos imágenes de satélite de la zona de los años 2010 y 2016 y no contaba con nuevas imágenes para observar los nuevos desarrollos. Estas nuevas herramientas permitieron un monitoreo frecuente y más reciente, el cual demostró que el crecimiento de la ocupación informal es rápido y debe monitorearse con frecuencia.

De acuerdo a los objetivos del piloto, se realizó un monitoreo aéreo para vigilar el crecimiento real de los patrones de ocupaciones informales y evaluar así la posibilidad de utilizar drones en lugar de otros métodos tradicionales. Semanalmente, se monitorearon tres áreas de 15 hectáreas cada una, durante tres meses para detectar cambios en el uso de la tierra.  Además, se utilizaron soluciones en machine learning para analizar las imágenes e identificar patrones de crecimiento informal. Una de estas soluciones, denominada LATAM fue desarrollada por la empresa argentina Dymaxion Labs y se puede conseguir en la plataforma Código para el Desarrollo del BID.

Esta solución ayudó a comparar imágenes del área preseleccionada (ver fotos a continuación). Aunque la diferencia se nota a simple vista, puede ser difícil cuantificarla y medirla. Gracias al análisis del machine learning, las imágenes mostraron que en el corto período de cinco semanas hubo un aumento del 129% en la construcción informal en el campo (de 85 a 195 techos). De esta forma, se confirma que el patrón de crecimiento de la ocupación informal ocurrió casi diariamente, lo cual requiere de una solución inmediata.

Las soluciones de inteligencia artificial y machine learning revelaron las relaciones entre la deforestación y los nuevos patrones de construcción. El análisis de la cubierta vegetal y los patrones de deforestación en las imágenes anteriores identificó una disminución del 27% en la vegetación (de 18 a 13 acres). Además, mostró que los patrones de deforestación estaban correlacionados con nuevas construcciones de vivienda. Esto muestra el potencial futuro del uso de herramientas de inteligencia artificial y machine learning para anticipar el crecimiento urbano basado en los patrones de deforestación.

La búsqueda de vivienda es una necesidad primaria. Sin embargo, cuando no hay planificación urbana, puede implicar una influencia negativa en el medio ambiente y en la sociedad. Los estudios aéreos de monitoreo de drones son, por lo tanto, una herramienta vital para visualizar, cuantificar y medir el alcance de tales actividades y producir datos valiosos e inmediatos para un mejor control y monitoreo. Adicionalmente, estas tecnologías pueden facilitar la predicción y erradicar o prevenir actividades irregulares que comprometen la planificación territorial urbana. Los drones, la inteligencia artificial y las soluciones de machine learning pueden ayudar en un futuro a las municipalidades, como en el caso de Manaos, a integrar a los habitantes de los asentamientos informales en programas sociales de empleo, ingresos y vivienda y promover el mejoramiento de la tierra, el mapeo de infraestructura, la planificación tributaria, el monitoreo ambiental y otros, que son características esenciales para el desarrollo urbano sostenible.

---

[1] Machine learning es una aplicación de la inteligencia artificial que permite a los sistemas la habilidad de aprender automáticamente y mejorar a partir de la experiencia sin ser programado explícitamente.

[2] IBGE, 2010

+ CONOCIMIENTO: ¡DESCARGA GRATUITA!

CÓDIGO ABIERTO

– AP LatAm: estimación del crecimiento de asentamientos informales a través de mapas. ¡Descarga el código!
– Detección de inmuebles: clasifica de forma automática edificios y estructuras. ¡Descarga el código!
– Predicción de crecimiento urbano: analiza imágenes satelitales de un área urbana. ¡Descarga el código!
– Extracción de datos OSM: extrae datos de OpenStreetMap en una interfaz simple. ¡Descarga el código!
– OpenMapKit: crea y sistematiza encuestas en campo. ¡Descarga el código!

 

La ruta hacia las ciudades inteligentes: Migrando de una gestión tradicional a una ciudad inteligente

Descarga la publicación y aprende a:

– Poner a las personas en el centro del desarrollo de la gestión urbana a través de las tecnologías de la información y comunicación.
– Desarrollar herramientas para estimular la formación de un gobierno eficiente con procesos de planificación colaborativa y participación ciudadana.
– Crear ciudades innnovadoras, competitivas, atractivas y resilientes para mejorar la vida de la gente.