Trinidad desde el espacio: Usar imágenes satelitales para una mejor gestión urbana

La primera vez que escuché de Trinidad fue hace 11 meses. A pesar de ser la décima ciudad más grande de Bolivia, confieso que no conocía de ella. El Ministerio de Planificación del Desarrollo (MPD) había encargado al Banco Mundial un estudio sobre ciudades intermedias en Bolivia y en mis primeras investigaciones aprendí que se trataba de una ciudad colonial, fundada en 1686 durante las Misiones Jesuíticas. Similar en su arquitectura y clima a las ciudades surorientales de mi natal Venezuela, por su ubicación y topografía es sumamente vulnerable a inundaciones que afectan a miles de familias y comercios cada año. ¿Por qué Trinidad? A pesar de tener características muy particulares, la ciudad enfrenta retos similares a otras ciudades bolivianas: la población crece a un ritmo tan acelerado (2,7% anual en promedio) que las autoridades no se dan abasto para proveer los servicios e infraestructura necesarios para alojar a los nuevos residentes. Así, el caso de Trinidad permitió estudiar a través de una experiencia concreta cuáles son los principales retos que enfrentan las ciudades intermedias en Bolivia y orientar recomendaciones de política para el desarrollo sostenible a nivel nacional.

¿Por qué y para qué usar imágenes satelitales? La poca disponibilidad de datos, un presupuesto limitado y un cronograma ajustado impulsaron al equipo a usar imágenes satelitales para estudiar la composición del suelo urbano en la ciudad. La idea era entender no sólo en qué magnitud había crecido la ciudad durante los últimos años, sino ir un paso más allá y entender cómo había sido este crecimiento. A través de entrevistas con autoridades locales y nacionales, anecdóticamente sabíamos que la ciudad había expandido su mancha urbana considerablemente, pero ¿qué tipo de usos del suelo habían impulsado este crecimiento? ¿Se trataba de un crecimiento residencial ordenado o, por el contrario, de una expansión orgánica y poco coordinada? Sospechábamos que la realidad respondía a esta última, pero queríamos comprobarlo.

¿Cómo funciona la metodología? Como en una fotografía, cada píxel contiene información valiosa (e.g. color, forma, reflexión) que permite inferir características de las estructuras físicas capturadas en la imagen usando un algoritmo computarizado. Por ejemplo, tomando en cuenta parámetros como el número y densidad de ángulos rectos podemos inferir el posicionamiento de líneas viales. Asimismo, el color, luminosidad, forma y tamaño de ciertas estructuras permiten inferir la existencia de zonas residenciales o comerciales. Las zonas industriales o comerciales suelen tener techos más grandes y cuentan con vías pavimentadas en sus inmediaciones, mientras que los techos de las viviendas en asentamientos precarios son notablemente más pequeñas y las estructuras no están organizadas necesariamente en una cuadrícula con intersecciones viales en ángulos rectos, como sí ocurre en zonas residenciales formales.

 ¿Qué aprendimos?

1. 40% del suelo urbano en Trinidad está ocupado por asentamientos precarios, ubicados en la periferia urbana: mediante un análisis comparativo utilizando imágenes de 2007 y 2015, pudimos conocer que el crecimiento de la mancha urbana ha estado impulsado por la aparición de nuevos asentamientos precarios. En 2007, estos asentamientos ocupaban casi un tercio del suelo urbano (299 Km²), mientras que en 2015 pasaron a ocupar un 40% (544 Km²) de la ciudad, que a su vez ocupa un territorio más extenso producto del crecimiento de la mancha urbana en un 38,97% durante este período. Además de su rápido crecimiento, estos asentamientos están ubicados predominantemente en la periferia urbana, sumando a las ya fuertes presiones de una creciente demanda de servicios que requerirán nuevas inversiones.
2. Una gran proporción de estos asentamientos ha crecido en zonas vulnerables a inundaciones: el uso de imágenes satelitales también permitió identificar zonas de riesgo. Con esta información, pudimos identificar que la expansión de los asentamientos precarios ha sido más pronunciada en las zonas periféricas de la ciudad, especialmente hacia las zonas bajas ubicadas al sur-oeste del centro urbano que son más vulnerables ante el riesgo de inundaciones.

¿Quieres probar esta metodología en tu ciudad? Aquí está lo que necesitas:

• Imágenes de alta resolución (resolución mínima sugerida de al menos 2 metros).
• Espacio de memoria (1TB de espacio recomendado).
• Computador o laptop personal con suficiente capacidad de procesamiento (al menos 8GB de RAM).
• Descarga e instala Python 2.7 (software de procesamiento de datos, disponible gratuitamente).
• Descarga el algoritmo de código abierto para clasificar las imágenes: https://jgrss.github.io/spfeas/ [1].
• Presupuesta 1-2 semanas de personal calificado para el procesamiento y análisis de datos.

 
Para leer el reporte completo, descarga el Informe de Asistencia Técnica “Ciudades Intermedias en Bolivia” y el Estudio de Caso de Trinidad. Para una versión resumida de este trabajo, descarga el Resumen Ejecutivo ( English | Español).

¿Preguntas? Para consultas en español, escriba a Ana I. Aguilera ( aaguileradellano@worldbank.org) o  Zoe Trohanis ( ztrohanis@worldbank.org). Para consultas en inglés, escriba a Sarah E. Antos ( santos@worldbank.org).