Aprendizaje automático en cartografías de coberturas urbanas. Una herramienta para la gestión territorial
DOI:
https://doi.org/10.30972/crn.39397898Palabras clave:
mapa de cobertura urbana, modelo de aprendizaje automático, análisis multivariado, sistemas de información geográficaResumen
El presente trabajo desarrolla el análisis y las metodologías semiautomatizadas utilizadas para describir y cartografiar la cobertura y los usos del suelo urbano en la provincia de Córdoba. Los resultados dan cuenta de la correlación significativa entre la clasificación resultante y la realidad territorial que representa. Si bien no son determinantes, aproximan las características del ambiente construido y de los usos y las actividades que en él se desarrollan. Se considera que la aplicación de este tipo de metodologías contribuye al monitoreo temporal clave para cuantificar el impacto de la urbanización; la temperatura de la superficie terrestre; la disminución de las áreas verdes y los efectos en la ciudad de los diferentes usos del suelo, entre otros. Asimismo, permiten ejecutar ejercicios de modelización prospectiva, estableciendo posibles escenarios de ocupación a los fines de aplicar políticas para un desarrollo y una gestión eficientes del territorio.
Descargas
Citas
Ahmed, H. A.; Singh, S.K.; Kumar,M.; Maina, M.S. & Dzwairo R. (2020). Impact of urbanization and land cover change on urban climate: Case study of Nigeria. Urban Climate Volume 32, June 2020, 100600.
Bhagawat, R.; Roshan S.; Ripu, K.; Hamidreza, K.; Nigel, E. C.; Sushila, R.; Syed Ajijur, R.; Himlal, B. (2019). Effects of land use and land cover change on ecosystem services in the Koshi River Basin, Eastern Nepal. Ecosystem Services. Volume 38, August 2019.
Bozzano, H.; Carut, C.; Barbetti, C.; Cirio, G. & Arrivillaga, N. (2008). Usos del suelo y lugares: Criterios teórico-metodológicos. Aplicación a un caso en Guatemala Revista Universitaria de Geografía, vol. 17, pp. 189-231 Universidad Nacional del Sur Bahía Blanca, Argentina.
Breiman, L.; Friedman, J.; Stone, C. J.; & Olshen, R. A. (1984). Classification and Regression Trees. Taylor & Francis.
Breiman, L. (1996). Bagging predictors. Machine learning, 24(2), 123-140.
Breiman, L. (2001). Random forests. Machine learning, 45(1), 5-32.
Carter, J. G. (2018). Urban climate change adaptation: Exploring the implications of future land cover scenarios. Cities Volume 77, July 2018, Pages 73-80
Chen, J.; Yang, K.; Chen, S.; Yang, C.; Zhang, S. & He, L. (2019). Enhanced normalized difference index for impervious surface area estimation at the plateau basin scale, Journal of Applied Remote Sensing, Vol. 13 Issue 01, p. 1.
Chuvieco Salinero, E. (1985). Anales de Geografía de la Universidad Complutense, atén. 5. Ed. Univ. Complutense.
Ferrelli, F.; Piccol, M. C. (2017). Estudio del confort climático a escala micro-local. El caso de Bahía Blanca (Argentina) Revista Bitácora Urbano Territorial, vol. 27, núm. 3, septiembre-diciembre, 2017, pp. 91- 100 Universidad Nacional de Colombia Bogotá, Colombia.
Foody, G; See, L; Fritz, S.; Mooney, P.; Olteanu-Raimond, A-M; Fonte, C. C. and Antoniou, V. eds. (2017). Mapping and the Citizen Sensor. London: Ubiquity Press. DOI: https://doi.org/10.5334/bbf. License: CC-BY 4.0
Ghandour, A. J. & Jezzini, A.A. (2018). Autonomous Building Detection Using Edge Properties and Image Color Invariants. Buildings 2018, 8, 65. https://doi.org/10.3390/buildings8050065
Gómez, L. F. (2019). Simulación de escenarios futuros de cambios de usos del suelo usando Redes Neuronales Artificiales. Aplicación en la ciudad de Curuzú Cuatiá, Corrientes, Argentina. Estudio socio territoriales. Revista de Geografía. Centro de Investigaciones Geográficas CIG/IGEHCS FCH UNCPBA/CONICET
Merlotto, A.; Piccolo M. C. & Bértola, R. ( 2012), Crecimiento urbano y cambios del uso/ cobertura del suelo en las ciudades de Necochea y Quequén, Buenos Aires, Argentina. Revista Geografía Norte Grande N°53 pág. 159-176
Molero Melgarejo, E.; Grindlay Moreno, A. L. & Asensio Rodríguez, J. J. (2007). Escenarios de aptitud y modelización cartográfica del crecimiento urbano mediante técnicas de evaluación multicriterio”, GeoFocus (Artículos), nº 7, p. 120- 147. ISSN: 1578-5157
Paegelow, M.; Camacho Olmedo, M. T. y Menor Toribio, J. (2003). Cadenas de Markov, evaluación multicriterio y evaluación multiobjetivo para la modelización prospectiva del paisaje, GeoFocus (Artículos), nº 3, 2003, p. 22-44. ISSN: 1578-5157
Salvioli, M. L.; Guerrero-Borges & V. Cipponeri, M. (2022). Aplicación de indicadores ambientales para la planificación del uso del suelo en una zona costera de Buenos Aires, Argentina. Revista U.D.C.A Actualidad & Divulgación Científica. Vol. 25. Bogotá, Colombia.
Tibshirani, R. J. & Efron, B. (1994). An Introduction to the Bootstrap. Chapman and Hall/CRC. https://doi.org/10.1201/9780429246593
Viana C. y Rocha, J. (2020). Evaluating Dominant Land Use/Land Cover Changes and Predicting Future Scenario in a Rural Region Using a Memoryless StochasticMethod. Sustainability | Free Full-Text | Evaluating Dominant Land Use/Land Cover Changes and Predicting Future Scenario in a Rural Region Using a Memoryless Stochastic Method (mdpi.com)
Ying Zhang & Lixin Sun (2019). Spatial-temporal impacts of urban land use land cover on land surface temperature: Case studies of two Canadian urban areas. International Journal of Applied Earth Observation and Geoinformation. Vol. 75, Pages 171-181.
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CUADERNO URBANO sostiene su compromiso con las políticas de Acceso Abierto a la información científica, al considerar que tanto las publicaciones científicas como las investigaciones financiadas con fondos públicos deben circular en Internet en forma libre, gratuita y sin restricciones.
CUADERNO URBANO ratifica el modelo Acceso Abierto en el que los contenidos de las publicaciones científicas se encuentran disponibles a texto completo libre y gratuito en Internet, sin embargos temporales, y cuyos costos de producción editorial no son transferidos a los autores. Esta política propone quebrar las barreras económicas que generan inequidades tanto en el acceso a la información, como en la publicación de resultados de investigaciones.
.jpg){kind=logo}
