Green Owl Labs / Blog

CAMBIO CLIMÁTICO

IA y datos satelitales para estudiar el clima urbano

Teledetección 9 min de lectura

Las ciudades dejan huellas medibles desde el espacio. La oportunidad está en convertir imágenes, series temporales y datos de campo en decisiones urbanas verificables.

Leer la ciudad por capas

Temperatura superficial, cobertura vegetal, impermeabilización y accesibilidad permiten construir una lectura más justa de la vulnerabilidad.

Cada capa responde una pregunta distinta. La temperatura ayuda a ubicar superficies que acumulan calor; la vegetación permite observar sombra y continuidad ecológica; la impermeabilización ayuda a anticipar escorrentía. Cuando se superponen sin contexto, sin embargo, pueden crear una falsa precisión.

Los índices no son conclusiones: son señales que deben contrastarse con observaciones locales y con la experiencia de quienes habitan el territorio.

La validación puede hacerse con recorridos de campo, estaciones meteorológicas, fotografías georreferenciadas y entrevistas breves. Ese paso es especialmente importante en barrios donde un promedio satelital no representa las diferencias entre una calle sombreada y otra expuesta.

Del dato a la intervención

Un buen análisis termina en una prioridad: dónde plantar, dónde sombrear, dónde recuperar suelo o dónde concentrar monitoreo.

La prioridad debe combinar exposición, sensibilidad y capacidad de respuesta. Un punto muy caliente puede ser urgente, pero si no hay acceso o mantenimiento, la intervención tendrá poca duración. Incorporar costos, permisos y participación mejora la posibilidad de que el mapa se convierta en una obra útil.

La visualización debe mostrar tanto el problema como la escala de acción posible

El trabajo comienza con una pregunta espacial concreta. No es lo mismo localizar superficies que acumulan calor durante la noche que estimar la pérdida de cobertura vegetal en una década. La elección del sensor, la resolución, la fecha y el método de clasificación depende de esa pregunta y del tipo de decisión que vendrá después.

Las nubes, las sombras, la humedad del suelo y los cambios de iluminación afectan la comparación entre imágenes. Por eso una serie temporal requiere máscaras de calidad, fechas comparables y una explicación clara de qué píxeles fueron excluidos. Un mapa limpio no necesariamente es un mapa correcto si oculta los datos que faltan.

La inteligencia artificial puede clasificar coberturas o detectar cambios, pero necesita muestras representativas. Si las etiquetas se concentran en barrios centrales, el modelo puede fallar en periferias, zonas industriales o áreas con materiales distintos. La validación debe incluir lugares difíciles y comparar los resultados con observaciones de campo.

El producto final debe traducir la imagen en una intervención: sombra en recorridos escolares, recuperación de suelo, protección de humedales o mejora de acceso a espacios verdes. La teledetección es una fuente de evidencia, no una política urbana automática. Su valor aparece cuando conecta escala territorial, experiencia local y capacidad de acción.

Del artículo a la práctica

Convierte estas ideas en una herramienta ambiental.

Explorar Academy