Implementan algoritmo de machine learning que predice preocupantes patrones de subdivisión del territorio en la Región de Los Lagos

El estudio desarrollado con ciencia de datos aplicada identificó zonas de alta latencia en Castro, Calbuco, Puerto Montt y Frutillar, que además representan un alto riesgo ecosistémico y uso de predios con potencial agrícola, afectando la calidad ambiental de la región. El innovador enfoque del estudio podría replicarse en otras regiones de Chile y el mundo para analizar y predecir este fenómeno y sus principales forzantes de cambio. El estudio chileno de Data Observatory fue publicado en la revista internacional "Landscape and Urban Planning".

Una investigación de ciencia de datos aplicada de Data Observatory, implementó un algoritmo de machine learning que identifica y predice los terrenos sujetos a patrones de subdivisión predial en la Región de Los Lagos, observando un preocupante riesgo amparado por la ley, de zonas con alta relevancia ecosistémica y predios con potencial agrícola. El estudio fue publicado por la revista científica internacional "Landscape and Urban Planning".

El estudio fue realizado por Jorge Herrera, estudiante del programa de doctorado de Ingeniería en Sistemas Complejos de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez e investigador de Data Observatory, junto a los académicos Mauricio Galleguillos, académico de la Facultad de Ingeniería y Ciencias UAI e investigador titular de Data Observatory, y Marco Pfeiffer, académico de la Facultad de Ciencias Agronómicas de la Universidad de Chile.

El estudio fue desarrollado con datos históricos de 2002 y 2021 de la Región de Los Lagos, combinando diversas fuentes de datos abiertos que hubo que sistematizar, entre ellas el Servicio de Impuestos Interno (loteo de predios) y Servicio Agrícola y Ganadero. Gracias al uso de herramientas de machine learning, el algoritmo implementado predice las zonas latentes a subdivisión, es decir, que presentan una tendencia y potencial predictivo a ser subdividido, además de analizar la compleja interacción de características territoriales -como lo son las distancia a centros urbanos, a la costa o la edad de la población- que tendrían mayor influencia en el fenómeno. Los investigadores coinciden en que estas divisiones geoespaciales son legales, aunque advierten el impacto que puedan tener en el comportamiento del medio ambiente y los ecosistemas.

"Gracias al algoritmo, observamos que hay zonas calientes o de alta subdivisión desde 2002, entre ellas Castro, Calbuco, Puerto Montt y Frutillar, y la predicción muestra que se refieren a territorios con alta relevancia ecosistémica, como puede ser la cercanía a parques, reservas y bosques nativos, así como suelos con potencial agrícola, que presumen un daño multisistémico al suelo, biodiversidad, o en sus recursos hídricos", explica Jorge.

Por su parte, profesor Galleguillos explica: "La motivación del estudio fue tratar de entender los patrones espaciales detrás del fenómeno de subdivisión que pegó fuertemente durante la pandemia. Efectivamente existía la percepción de un aumento de las subdivisiones rurales bajo supuestas características como la cercanía a parques nacionales o bordes de zonas acuáticas que sonaba en el imaginario de la gente, pero que había que cuantificar con base científica. Eso dio luz al estudio, ratificando algunos de estos patrones, pero también poniendo en perspectiva que la razón o patrón de mayor peso en la subdivisión sigue siendo la expansión urbana”.

Aunque estas acciones suceden en el marco legal, los investigadores recomiendan el uso de este tipo de algoritmos para una planificación territorial sostenible y responsable, dado el contexto de cambio climático y los factores asociados a la degradación del suelo y los ecosistemas. El algoritmo implementado es replicable en diversas regiones del país bajo el fenómeno de alza en la subdivisión predial y puede alimentarse con datos abiertos de todo tipo, entre ellos medioambientales, actividades económicas y datos demográficos.

"Al generar urbanización en zonas naturales se produce un cambio en el uso del suelo, lo que conlleva repercusiones en la matriz del paisaje y efectos en las áreas protegidas o en el bosque nativo no protegido. Mapear aquellos puntos calientes o con mayor dinamismo o frecuencia por unidad de espacio, ayuda a identificar zonas latentes en las que deben centrarse los tomadores de decisiones en el territorio", concluye Herrera.

Resumen

Una investigación de ciencia de datos aplicada de Data Observatory, implementó un algoritmo de machine learning que identifica y predice los terrenos sujetos a patrones de subdivisión predial en la Región de Los Lagos, observando un preocupante riesgo amparado por la ley, de zonas con alta relevancia ecosistémica y predios con potencial agrícola., El estudio fue publicado por la revista científica internacional 'Landscape and Urban Planning'.

El estudio fue realizado por Jorge Herrera, estudiante del programa de doctorado de Ingeniería en Sistemas Complejos de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez e investigador de Data Observatory, junto a los académicos Mauricio Galleguillos, académico de la Facultad de Ingeniería y Ciencias UAI e investigador titular de Data Observatory, y Marco Pfeiffer, académico de la Facultad de Ciencias Agronómicas de la Universidad de Chile.

El estudio fue desarrollado con datos históricos de 2002 y 2021 de la Región de Los Lagos, combinando diversas fuentes de datos abiertos que hubo que sistematizar, entre ellas el Servicio de Impuestos Interno (loteo de predios) y Servicio Agrícola y Ganadero., Los investigadores coinciden en que estas divisiones geoespaciales son legales, aunque advierten el impacto que puedan tener en el comportamiento del medio ambiente y los ecosistemas.

'Gracias al algoritmo, observamos que hay zonas calientes o de alta subdivisión desde 2002, entre ellas Castro, Calbuco, Puerto Montt y Frutillar, y la predicción muestra que se refieren a territorios con alta relevancia ecosistémica, como puede ser la cercanía a parques, reservas y bosques nativos, así como suelos con potencial agrícola, que presumen un daño multisistémico al suelo, biodiversidad, o en sus recursos hídricos', explica Jorge.

Por su parte, profesor Galleguillos explica: 'La motivación del estudio fue tratar de entender los patrones espaciales detrás del fenómeno de subdivisión que pegó fuertemente durante la pandemia.

Tags

datos, estudio, subdivisión, zonas

Enlace al sitio web