Mapeando nuevos asentamientos informales con aprendizaje automático y imágenes satelitales de series temporales

Tabla de contenido

1. Introducción
2. Crisis migratoria venezolana en Colombia
3. Detección de asentamientos informales utilizando imágenes satelitales
   • 3.1. Antecedentes de la detección de asentamientos informales
   • 3.2. Métodos de aprendizaje automático eficientes y de bajo costo
   • 3.3. Imágenes satelitales de series temporales de baja resolución
4. Metodología
   • 4.1. Recopilación de imágenes satelitales de baja resolución
   • 4.2. Generación de máscaras Raster de resolución de 10 metros
   • 4.3. Extracción de información espectral histórica
   • 4.4. Modelado del problema como una tarea de clasificación binaria
5. Resultados y evaluación del modelo
   • 5.1. Curvas de precisión y recuperación a nivel de píxel
   • 5.2. Curvas de precisión y recuperación a nivel de asentamiento
   • 5.3. Importancia de la validación posterior a la clasificación
6. Validación remota y en el terreno
   • 6.1. Proceso de validación remota
   • 6.2. Proceso de validación en el terreno a través de Premise Data
7. Conclusiones y futuras direcciones
8. Agradecimientos
9. Referencias

Detección de asentamientos informales venezolanos utilizando aprendizaje automático y imágenes satelitales de series temporales

🔍 Introducción

En los últimos años, la crisis migratoria venezolana ha generado un importante desplazamiento de ciudadanos hacia Colombia. Esta migración masiva ha provocado la aparición de asentamientos informales en todo el país, lo que ha llevado a un desafío para las organizaciones humanitarias y los gobiernos locales en la identificación y asistencia rápida de estas comunidades vulnerables. En este artículo, se presenta un enfoque novedoso que utiliza técnicas de aprendizaje automático y análisis de imágenes satelitales de series temporales de baja resolución para detectar de manera eficiente y rentable estos asentamientos informales.

💡 Crisis migratoria venezolana en Colombia

La crisis económica y política en Venezuela ha llevado a casi 2 millones de venezolanos a huir hacia Colombia en busca de mejores condiciones de vida. Esta migración masiva ha generado una de las mayores crisis humanitarias en la historia reciente de América Latina. Los migrantes venezolanos se enfrentan a la extrema pobreza, condiciones de vida precarias, desempleo, inseguridad alimentaria y problemas de salud agravados por la pandemia de COVID-19. Ante esta situación, las organizaciones no gubernamentales y los gobiernos locales se enfrentan al desafío de identificar, evaluar y monitorear rápidamente las comunidades migrantes en crecimiento para proporcionar asistencia humanitaria urgente.

🌐 Detección de asentamientos informales utilizando imágenes satelitales

La detección de asentamientos informales en áreas extensas puede resultar difícil sin soluciones innovadoras. En los últimos años, la visión por computadora y el análisis de imágenes satelitales se han utilizado con éxito para identificar de manera eficiente y rápida estos asentamientos. Mediante el uso de imágenes satelitales de Alta resolución históricas, es posible observar claramente la aparición de nuevos asentamientos informales. Sin embargo, el alto costo de adquisición de estas imágenes y los enfoques de aprendizaje profundo intensivos en cálculos pueden dificultar su adopción por parte de las organizaciones humanitarias con recursos limitados.

1. Antecedentes de la detección de asentamientos informales

En los últimos años, varios trabajos de investigación se han centrado en utilizar técnicas de aprendizaje automático y análisis de imágenes satelitales para detectar rápidamente asentamientos informales. Estos métodos han demostrado ser efectivos, pero el alto costo asociado con la adquisición de imágenes de alta resolución y los requisitos computacionales intensivos de los enfoques de aprendizaje profundo pueden dificultar su implementación en entornos con recursos limitados.

2. Métodos de aprendizaje automático eficientes y de bajo costo

En este trabajo, se propone un enfoque novedoso que utiliza métodos de aprendizaje automático eficientes y de bajo costo para mapear asentamientos informales emergentes en Colombia. En lugar de utilizar imágenes satelitales de alta resolución, se emplean imágenes satelitales de series temporales de baja resolución que son públicamente accesibles y gratuitas. Esto reduce significativamente los costos asociados con la adquisición de imágenes y permite una rápida implementación en entornos con recursos limitados.

3. Imágenes satelitales de series temporales de baja resolución

Las imágenes satelitales de series temporales de baja resolución, en este caso las obtenidas del Sentinel-2A, son recopiladas y procesadas utilizando la plataforma Google Earth Engine. Estas imágenes se componen para formar un solo compuesto para cada rango de años seleccionado. A través del cálculo de la mediana de todos los píxeles sin nubes disponibles dentro de los dos años, se obtiene un compuesto representativo de la región de estudio. Este enfoque de composites bianuales permite reducir la presencia de nubes en las imágenes, lo que aumenta la calidad y precisión de los resultados.

...

(Continuar con los demás subtemas y concluir el artículo)