De la monitorización urbana a la inteligencia urbana: cómo el aprendizaje automático está remodelando la gobernanza urbana del Sur Global

Cuando el crecimiento urbano pierde el mapa

Las ciudades del Sur Global se están expandiendo a un ritmo sin precedentes en la historia. Karachi en Pakistán, las ciudades satélite de Bombay, los márgenes de Lagos: las áreas construidas en estas regiones avanzan kilómetros cada año, a menudo antes de cualquier plan maestro. El cambio drástico en la cobertura del suelo no solo amenaza la seguridad ecológica, sino que también desencadena directamente inundaciones, efectos de isla de calor y crisis hídricas. Sin embargo, la raíz del desafío no es la urbanización en sí, sino la asimetría de información: la mayoría de los países en desarrollo carecen de datos de alta resolución y en tiempo real sobre los cambios en la superficie terrestre, y los departamentos de planificación a menudo dependen de censos realizados cada varios años o de imágenes satelitales desactualizadas, lo que hace que las decisiones vayan por detrás de los cambios reales.

En este contexto, un estudio publicado en Scientific Reports ofrece una alternativa convincente. El equipo de investigación utilizó imágenes satelitales Landsat y dos algoritmos de aprendizaje automático – Clasificación de Bosques Aleatorios (RFC) y Máquinas de Vectores de Soporte (SVM) – para detectar con precisión los cambios en la superficie urbana de Karachi entre 2000 y 2023. Los resultados muestran que este método supera a las técnicas existentes en un 26,91% y un 19,73% en precisión de clasificación, y puede identificar eficazmente tendencias clave como la expansión urbana, la deforestación y las anomalías térmicas.

El giro estratégico detrás del avance técnico

A simple vista, los detalles técnicos parecen un avance más en la teledetección y la informática. Pero el cambio más profundo radica en que esta combinación de "teledetección + aprendizaje automático" está transformando la monitorización urbana de una actividad de alto costo liderada por expertos a una herramienta de gobernanza que puede ser utilizada de forma autónoma por gobiernos locales e incluso comunidades. La monitorización tradicional de la superficie urbana dependía de mediciones terrestres o satélites comerciales de alto costo, mientras que en este estudio los datos Landsat son gratuitos y los algoritmos son de código abierto, lo que significa que cualquier ciudad en desarrollo con capacidad informática básica puede desplegar rápidamente un sistema similar.

Esto no solo reduce las barreras de entrada, sino que también cambia la estructura de poder en la gestión urbana. Antes, el control de los datos urbanos solía concentrarse en los departamentos nacionales de estadística o en organismos internacionales; ahora, las ciudades periféricas – aquellas ubicadas en los márgenes del flujo de capital global pero que soportan la mayor presión de crecimiento poblacional – tienen por primera vez la capacidad de comprender en tiempo real su propia dinámica espacial. El caso de Karachi muestra que la democratización tecnológica puede impulsar la gobernanza autónoma de las ciudades del Sur Global más que cualquier ayuda internacional.

De Karachi al conjunto de las ciudades del Sur Global

Karachi, como centro económico de Pakistán, tiene más de 20 millones de habitantes, pero su infraestructura urbana es gravemente insuficiente y la proporción de asentamientos informales es muy alta. El estudio muestra que entre 2000 y 2023, el área construida de la ciudad casi se duplicó, mientras que la cobertura vegetal y la superficie de agua disminuyeron en consecuencia. Estos datos no son sorprendentes en sí mismos, pero los patrones espacio-temporales revelados por los modelos de aprendizaje automático tienen valor para las políticas: por ejemplo, la expansión urbana se produce principalmente a lo largo de los principales corredores de transporte, en lugar de un desarrollo de relleno; las zonas más afectadas por la isla de calor coinciden precisamente con los barrios de bajos ingresos.Estos hallazgos apuntan a un dilema más amplio de las ciudades del Sur Global: la rápida urbanización y la degradación ambiental a menudo se superponen, y los grupos más vulnerables sufren las consecuencias más graves. Sin un monitoreo continuo y de alta precisión, los gobiernos pueden seguir invirtiendo en infraestructura en lugares equivocados, o ignorar las líneas rojas ecológicas que ya son visibles. La contribución central de los métodos de aprendizaje automático radica en su capacidad para identificar relaciones de acoplamiento que las estadísticas tradicionales difícilmente pueden capturar, como el efecto de rezago entre el cambio de uso del suelo y la contaminación del aire, o la relación no lineal entre la densidad urbana y la presión sobre el suministro de agua.

Un nuevo pacto para la gobernanza urbana

La combinación de teledetección y aprendizaje automático no es solo una mejora técnica; está redefiniendo la relación entre las ciudades y el Estado. Durante mucho tiempo, la planificación urbana en los países del Sur fue en gran medida "importada": conceptos de planificación, control de densidad y zonificación de uso del suelo de las ciudades occidentales se trasplantaron directamente, a menudo sin adaptación. Los sistemas de monitoreo en tiempo real proporcionan un circuito de retroalimentación basado en datos locales, lo que permite a las ciudades ajustarse dinámicamente según sus propias condiciones ecológicas y sociales. Este concepto de "ciudad que aprende" —donde la ciudad monitorea continuamente sus propios cambios, actualiza modelos y ajusta políticas— está pasando de ser ciencia ficción nórdica a realidad en el sur de Asia.

Por supuesto, los desafíos persisten. La calidad de los datos está limitada por la cobertura de nubes y el período de revisitación de los satélites; los modelos de aprendizaje automático requieren una calibración continua para evitar sesgos algorítmicos; y, más crucial aún, los datos por sí solos no se traducen automáticamente en decisiones: los gobiernos locales necesitan la capacidad institucional y la voluntad política para responder a los problemas que los datos revelan. Pero, de cualquier manera, la investigación con los pies en la tierra está demostrando que el Sur Global no tiene que esperar un manual perfecto de planificación urbana; puede construir su propia inteligencia urbana paso a paso con las herramientas que tiene a mano.

Tendencias a largo plazo: monitorear es gobernar

De cara al futuro, con la densificación de las constelaciones de satélites y el desarrollo de la computación en el borde, el monitoreo de la superficie urbana pasará de ser "instantáneas periódicas" a un "flujo continuo". En ese momento, el ritmo de la gobernanza urbana cambiará por completo: ya no se actualizará cada cinco años, sino que será una gestión adaptativa diaria, por hora e incluso en tiempo real. Para los países en desarrollo, esto representa tanto una gran oportunidad como un posible aumento de la brecha digital: aquellas ciudades que no adopten las nuevas tecnologías a tiempo quedarán aún más rezagadas.

El caso de Karachi es un punto de partida. Nos recuerda que la competencia futura del sistema urbano global no solo depende del PIB o la altura de los rascacielos, sino de si las ciudades pueden comprender rápidamente los cambios que están ocurriendo en su interior. En los lugares donde los cambios son más rápidos, la capacidad de monitoreo se está convirtiendo en el activo estratégico más escaso.