El teleobservador de satélites ha alterado fundamentalmente la capacidad de observar, cuantificar e interpretar la rápida transformación de la superficie de la Tierra. Durante las últimas cinco décadas, las plataformas orbitales han pasado de los activos militares experimentales a herramientas indispensables para la ciencia civil y la gobernanza urbana.El monitoreo de la expansión urbana global y los cambios en el uso de la tierra requiere observaciones coherentes, sinópticas y repetibles, que sólo las encuestas basadas en tierra no pueden cumplir.

La evolución de la observación de la Tierra por satélite para estudios urbanos

La génesis de la vigilancia de la tierra por satélite civil se puede rastrear al programa Landsat, lanzado en 1972. Con una resolución espacial de 80 metros, los primeros sensores Landsat podrían distinguir las categorías de cubierta terrestre amplia: bosque, agricultura, agua, pero detectadas áreas urbanas sólo como parches agregados.

Más allá de los sistemas de resolución media, satélites de muy alta resolución (VHR) —como IKONOS (1999), QuickBird (2001), WorldView (2007) y Pleiades (2011)— infrarrojos de imágenes. Estas plataformas permiten la cartografía de estructuras individuales, asentamientos informales y clases detalladas de uso de la tierra. Sin embargo, su costo y sus anchos de swath limitados restringen cobertura global sistemática.

Tipos de datos por satélite y sus funciones en el análisis del uso de la tierra

La elección de la modalidad de sensor depende del uso específico de la tierra o del fenómeno urbano bajo investigación.

Imagen óptica

Los sensores ópticos captan la luz solar reflejada en longitudes de onda visibles y cercanas a la infrarroja. La vegetación sana refleja fuertemente la radiación infrarroja, mientras que las superficies construidas (concreto, asfalto) presentan una baja reflexión en todo el espectro. La clasificación de diferencias normalizadas Índice de vegetación (NDVI), derivada de bandas rojas y cercanas a la infrarroja, separa las zonas no vegetas.

Imágenes infrarrojos térmicos

Los sensores térmicos (por ejemplo, Landsat Band 10) miden la temperatura superficial. Las zonas urbanas suelen mostrar temperaturas más altas que los alrededores rurales, el efecto de la isla de calor urbana. La vigilancia de las anomalías térmicas ayuda a evaluar el impacto climático de la urbanización, identificar los barrios vulnerables al calor y evaluar los beneficios de refrigeración de la infraestructura verde. Los datos térmicos de las series temporales pueden revelar cómo los cambios de uso de la tierra (por ejemplo, sustitución de parques por parques con estacionamientos).

Radar de abertura sintética (SAR)

Los sistemas SAR (Sentinel-1, TerraSAR-X, ALOS PALSAR) emiten pulsos de microondas y miden el backscatter. A diferencia de los sistemas ópticos, SAR penetra las nubes y opera día o noche. En contextos urbanos, SAR distingue las áreas edificadas (fuerte, doble rebote de edificios) de tierra abierta.

Datos de las luces nocturnas

El Programa de Satélite Meteorológico de Defensa (DMSP) y la Visible Infrared Imaging Radiometer Suite (VIIRS) a bordo del satélite Suomi NPP proporcionan imágenes de luz de noche global. Las luces nocturnas se correlacionan fuertemente con la actividad económica, densidad de población y tasas de electrificación mejoradas.El análisis temporal de la intensidad de la luz revela los límites del crecimiento urbano, la propagación de los asentamientos periurbanos e incluso el impacto de los desastres o de los bordes urbanos

Metodologías para detectar la expansión urbana y el cambio de uso de la tierra

Técnicas de detección de cambios

Dos enfoques primarios dominan: comparación de diferencias de imagen y postclasificación. Valores de píxeles de diferenciación de imagen de dos fechas para la misma banda o índice espectral (por ejemplo, diferencia NDVI). Áreas donde la diferencia supera un umbral se marcan como cambio. Comparación de posclasificación clasifica cada imagen de manera independiente, luego compara mapas temáticos para derivar matrices de conversión, por ejemplo, “agricultura a bosque construido

El aprendizaje de máquinas ha revolucionado la clasificación. Bosques aleatorios, máquinas vectoriales y redes neuronales convoces profundas pueden ingerir información multi-spectral, multitemporal y textura, logrando preprecisiones de clasificación superiores al 90% para cubierta urbana. Las CNNs capacitadas en imágenes VHR pueden segmentar edificios individuales o redes de carreteras, permitiendo una cuantificación precisa de superficie impermeable, una métrica de crecimiento urbano clave.

Mapping de patentes urbanas

Los conjuntos de datos de alcance urbano global derivados de satélites han evolucionado de tosca (1 km) a fin de (30 m, e incluso 10 m con Sentinel-2). Los productos notables incluyen la capa global de asentamientos humanos (GHSL), producida por el Centro Conjunto de Investigación de la Comisión Europea utilizando datos de Landsat y Sentinel en combinación con redes de población.

Clasificación del uso de la tierra

Mientras que la cubierta terrestre (por ejemplo, hierba, hormigón) es relativamente fácil de mapear, el uso de la tierra (por ejemplo, residencial, comercial, industrial) requiere mayor resolución o análisis contextual. Las firmas multitemporales pueden inferir uso: áreas industriales a menudo tienen emisiones térmicas de alta jornada y luces de baja duración nocturna, mientras que las zonas comerciales muestran luces de noche brillantes y alta densidad de vehículos en datos de tráfico.

Aplicaciones clave de la vigilancia urbana basada en satélite

Rastreo de puntos calientes de expansión urbana global

China e India representan más de un tercio de la expansión urbana mundial desde el año 2000. Los datos satelitales revelan el crecimiento incesante de las megaciudades como Shanghai, Delhi y Beijing, y el surgimiento de corredores urbanos que unen múltiples ciudades. En África, la urbanización rápida se está produciendo en ciudades medianas en lugar de megaciudades: Lagos y Kinshasa crecen, pero también Kumasi, Ouagadougou y Dar es Salaam.

Environmental Impact Assessment

Expansiones urbanas consumen tierras agrícolas y hábitats naturales. Estudios basados en satélites estiman que las pérdidas de tierras cultivadas a la urbanización podrían reducir la producción mundial de alimentos en un 1–2% para 2030. En Asia sudoriental, las plantaciones de palma de aceite y las propiedades de caucho se sustituyen por esguince urbano. La deforestación impulsada por la demanda urbana de madera y tierra es detectable mediante conjuntos de datos anuales de pérdida de pérdidas de cubierta de árboles de paisaje

Planificación y gestión de infraestructura

Los planificadores utilizan mapas de uso de tierra obtenidos por satélite en las escuelas de emplazamiento, hospitales y redes de transporte. Los datos de elevación basados en SAR (por ejemplo, desde la Misión de Topografía de Radar de Shuttle) informan de la asignación de riesgos de inundaciones para nuevos desarrollos. Las luces nocturnas identifican áreas que carecen de electrificación, guía de expansión de la red.

Reducción del riesgo de desastres

La rápida expansión urbana a menudo empuja los asentamientos en zonas propensas a los peligros: llanuras de inundación, pendientes pronunciadas o zonas costeras. Los datos satelitales combinados con mapas de población revelan el número de residentes expuestos a inundaciones o deslizamientos. La imagen del VHR evalúa los daños causados por la construcción, mientras que el SAR detecta rupturas superficiales.

Desafíos en la vigilancia del uso urbano y terrestre basada en satélite

Resoluciones espaciales y temporales

Los sensores de resolución media (30 m) pierden pequeñas características urbanas: callejones estrechos, quioscos o casas rurales dispersas. Los satélites VHR ofrecen detalles pero revisitan la misma ubicación cada pocos días, lo que dificulta la detección del cambio rápido. Las lagunas temporales reducen la capacidad de capturar variaciones estacionales en el uso de la tierra, como el cultivo vs. barbecho, que afectan la precisión de la clasificación.

Interferencia atmosférica y datos de los datos

La cubierta de la nube es la prohibición de la teleobservación óptica. Regiones tropicales —donde la urbanización es más rápida— experimentan una persistente nube, dejando lagunas en la serie de tiempo Landsat. Mientras que SAR penetra en las nubes, interpretar el backscatter urbano de SAR es complejo debido a efectos de la construcción y sombra. La fusión de datos, combinando óptica y SAR, mitiga algunas lagunas pero introduce retos de procesamiento.

La necesidad de herramientas analíticas avanzadas

Procesar archivos de satélites multipetabyte requiere recursos computacionales significativos. Las plataformas de nube como Google Earth Engine y Microsoft Planetary Computer han reducido las barreras, pero las habilidades en programación y aprendizaje automático siguen siendo escasas en muchas agencias de planificación. La brecha entre la disponibilidad de datos y la capacidad analítica es especialmente aguda en los países en desarrollo que experimentan una rápida urbanización.

Calibración y validación

Los productos de cubierta terrestre global a menudo no están de acuerdo en las definiciones de clase urbana. El porcentaje de superficie impermeable considerada “urbana” varía entre los conjuntos de datos. La validación requiere datos de verdad terrestre, a menudo de imágenes de alta resolución o encuestas de campo, que es costosa y raramente completa. La consistencia de los sensores cruzados (por ejemplo, Landsat 5 vs. Landsat 8) debe tener en cuenta las diferencias de bandas espectrales y la degradación de sensores.

Future Directions and Emerging Technologies

Imaginges hiperespectral

Los sensores hiperespectral (por ejemplo, EnMAP, PRISMA) capturan cientos de bandas estrechas, permitiendo la identificación de materiales, hormigón vs asfalto, diferentes tipos de techo, especies de vegetación. Esta capacidad promete mapeo detallado del uso urbano de la tierra, separando zonas industriales basadas en firmas químicas únicas. Los sistemas hiperespectral espacial siguen siendo limitados en cobertura, pero próximas misiones expandirán la accesibilidad.

Constelaciones y Revisit Temporal Superior

Las pequeñas constelaciones de satélite (Planet Labs, SkySat) proporcionan cobertura global diaria a resolución de 3-5 metros. CubeSats de planeta capturan imágenes a frecuencia casi diaria, esenciales para detectar el progreso de la construcción o cambios impulsados por eventos. El intercambio es profundidad espectral, estos sensores suelen tener cuatro bandas. Sin embargo, su riqueza temporal permite la detección de cambios a intervalos semanales, complementando datos espectro más profundos de Landel.

Integración de la Inteligencia Artificial y la Computación en la Nube

Los modelos de aprendizaje profundo logran ahora la extracción de huellas de construcción con menos de un metro de precisión posicional de imágenes VHR. Los modelos pre-entrenados (por ejemplo, detectores de construcción del desafío SpaceNet) aceleran la asignación. El aprendizaje autosupervisado reduce la necesidad de datos de formación etiquetados. A escala mundial, el Edificios abiertos de Google]

Fusión con datos socioeconómicos

La próxima frontera está integrando las métricas urbanas con datos censal, móvil y redes sociales. Combinando luces nocturnas con registros de llamadas celulares revela áreas urbanas funcionales más allá de las fronteras administrativas. Los modelos de cambio de uso de la tierra que ingieren series temporales satelitales junto con indicadores económicos pueden prever escenarios de crecimiento urbano bajo diferentes intervenciones políticas.

Vigilancia planetaria-escala para el desarrollo sostenible

La imagen por satélite apoya directamente los Objetivos de Desarrollo Sostenible de las Naciones Unidas (ODS), en particular el objetivo 11 del ODS ( Ciudades y Comunidades Sostenibles) 11.3.1: la relación de la tasa de consumo de tierras con la tasa de crecimiento de la población. La presentación periódica de informes por satélite sobre este indicador es factible para todos los países. El Grupo de Observaciones de la Tierra (GEO) está coordinando iniciativas para normalizar los métodos de vigilancia urbana, asegurando que los datos por satélites de seguimiento tengan un papel responsable en el seguimiento de los progresos.

Consecuencias y Conclusiones de la política

La integración de los datos satelitales en la gobernanza urbana ya no es una novedad sino una necesidad operacional. Las ciudades que invierten en capacidad de teleobservación pueden optimizar las regulaciones de zonificación, supervisar las relaciones espaciales verdes, aplicar las normas de retroceso y planificar las medidas de adaptación al clima. A nivel nacional, la vigilancia del uso de la tierra mediante satélites apoya la planificación espacial, la conservación de la tierra agrícola y la reducción del riesgo de desastres.

Sin embargo, la tecnología es insuficiente. Sin voluntad institucional, políticas de datos transparentes y personal capacitado, las imágenes satelitales siguen sin usarse o malinterpretadas. Las políticas de datos abiertas como las de Landsat y Copernicus han sido transformativas, pero los datos comerciales de VHR siguen siendo restringidos por costo. Las alianzas público-privadas que subvencionan el acceso a los países en desarrollo pueden garantizar beneficios equitativos.

En resumen, los datos de satélites proporcionan un objetivo indispensable para ver la expansión incesante de las zonas urbanas y la transformación correspondiente del uso de la tierra en todo el planeta. Desde las primeras imágenes de Landsat hasta las corrientes diarias de CubeSat de hoy, las capacidades espaciales, espectrales y temporales han aumentado exponencialmente. Las aplicaciones abarcan desde el seguimiento de la deforestación ilegal hasta el mapeo de asentamientos informales demasiado pequeños para la enumeración del censo.