Alejandro Cantera #conocimientos21

La geoestadística y los métodos de Machine/Deep Learning nos ayudan a crear herramientas de estudio de los comportamientos territoriales y de toma de decisiones. La gran cantidad de datos espaciales abiertos que tenemos a nuestro alcance nos pueden ayudar a generar modelos, entrenados con imágenes raster (drone, ortofotos, satélite) etiquetadas, que nos permitan analizar y caracterizar territorios de los cuales no se dispone de información.

En este contexto, el Clasificador de Densidades Urbanas usando Redes Neuronales Convolucionales, es un modelo de aprendizaje supervisado de Deep Learning, capaz de predecir el número de viviendas por superficie de una fotografía aérea. La herramienta, entrenada con la ciudad de Madrid, fragmenta en teselas una ortofoto y clasifica cada una de ellas en función de su rango de densidad. De esta manera, el modelo no sólo identifica la forma en la que se ocupa el territorio, sino que también caracteriza la intensidad de la huella urbana y su grado de compacidad.