Monitoreo del crecimiento urbano en zonas vulnerables empleando imágenes satelitales e inteligencia artificial

Abstract

Las bases de datos de áreas urbanas desarrolladas a nivel mundial han demostrado su valor para el análisis del crecimiento urbano y usado como insumo para el desarrollo de diversas investigaciones que abordan los riesgos a los que están expuestos las diversas poblaciones. No obstante, estas bases de datos carecen de resolución temporal y espacial para el análisis a nivel local, especialmente en países en vías de desarrollo donde la información se encuentra desfasada. Esta tesis presenta un enfoque semisupervisado para la segmentación binaria del crecimiento urbano, orientado al monitoreo de la expansión no planificada en zonas vulnerables. Se destaca la necesidad urgente de contar con herramientas precisas, escalables y accesibles que permitan evaluar la exposición urbana en contextos caracterizados por la escasez de datos actualizados y la alta exposición a amenazas naturales. Se integran imágenes ópticas multitemporales del satélite Sentinel-2 con técnicas de aprendizaje débil y redes neuronales convolucionales (CNN), aprovechando información incompleta y de libre acceso para generar mapas de la huella urbana e identificar clusters de crecimiento urbano. El marco teórico revisa el estado del arte en sensores remotos e inteligencia artificial, con énfasis en el potencial de las CNN para extraer características espaciales y espectrales relevantes a partir de imágenes satelitales. Sobre esta base, se plantea una metodología basada en el enfoque NNPU (Negative–Negative Positive-Unlabeled), una variante de aprendizaje débil diseñada para abordar tareas de segmentación binaria semisupervisada en escenarios con datos de referencia incompletos. El flujo de trabajo incluye el preprocesamiento de datos, la configuración de la arquitectura neuronal y el proceso de entrenamiento bajo supervisión débil. La aplicación de esta metodología en Lima Metropolitana durante el período 2016–2025 permitió identificar una expansión urbana significativa en distritos como Carabayllo y Lurín. Se estimó un crecimiento de aproximadamente 8 km² en zonas clasificadas como altamente o muy altamente susceptibles a deslizamientos, y cerca de 4 km² en áreas propensas a inundaciones. Estos resultados reflejan una preocupante tendencia de ocupación urbana en sectores expuestos a múltiples amenazas naturales, lo que incrementa considerablemente la vulnerabilidad de la población. El enfoque metodológico propuesto demuestra ser una herramienta eficaz y rentable para el monitoreo de la exposición urbana en entornos con restricciones técnicas y presupuestales. Su implementación puede fortalecer los sistemas de alerta temprana y apoyar la toma de decisiones en políticas de ordenamiento territorial y gestión del riesgo de desastres, promoviendo una respuesta más informada, proactiva y centrada en la reducción de la vulnerabilidad urbana.