miércoles, 30 de octubre de 2024

XV Simposio y X Asamblea del Comité Permanente sobre el Catastro en Iberoamérica (CPCI)

Tuvo lugar entre del 7 al 9 de octubre en la ciudad de Bogotá, Colombia, y fue organizado por el Instituto Geográfico Agustín Codazzi (IGAC) que es la autoridad geográfica y catastral del país, dentro del marco de la Semana Geomática Internacional 2024. El CPCI es una institución que tiene por finalidad divulgar la importancia del Catastro en el desarrollo de los países, establecer un vínculo permanente entre los organismos catastrales de Iberoamérica, y facilitar una red que para el intercambio de información, experiencias y mejores prácticas. En el evento participaron organismos del sector que representaron a 12 países de la región.  

La conferencia inaugural titulada “El catastro multipropósito como pilar de la gobernanza territorial: perspectivas globales y el caso de Colombia” estuvo a cargo del director del IGAC, en la que abordó temas asociados con el plan nacional del desarrollo, la cadena de valor de la información geoespacial, la actualización catastral, la sostenibilidad del catastro y la búsqueda de un modelo que coadyuve a esa fundamental tarea, la apropiación del catastro por parte de la sociedad en los procesos de desarrollo, y el plan estratégico de acción decenal y modelo de gestión y operación catastral. Asimismo la presentación se orientó hacia el papel del catastro en la reforma rural integral, con impacto en el mercado inmobiliario y su dinamización, en la seguridad alimentaria con el aprovechamiento de las tierras productivas y en el acceso a la propiedad a través de procesos de formalización y distribución de la tierra.

Presentación institucional del IGAC, G. A. Marulanda. Fuente: http://www.catastrolatino.org/documentos/2024/XV%20Congreso%20Colombia/0_GUSTAVO%20MARULANDA.pdf

El evento tuvo como ejes temáticos al dato catastral y su mantenimiento, y aprovechamiento multipropósito del dato catastral. Para la primera línea temática, se contextualizó en primer lugar la generación del dato tomando como referencia los aspectos sociales, económicos y ambientales contemporáneos, de manera de logar una mejor comprensión de la relevancia de los datos catastrales para una gobernanza responsable del territorio, y la importancia de su integración con otras fuentes, como los datos demográficos, ambientales y socioeconómicos, para que sea posible agregar valor a los mismos para aplicaciones a nivel de planificación del territorio e identificación temprana de riesgos. 

Se exploró el uso de la inteligencia artificial y el aprendizaje automático en la detección de construcciones y cultivos. Asimismo se realizó un repaso a los métodos de captura de datos directos, indirectos y variantes, en que se destacó la importancia de relacionar el método con la finalidad, la zona de trabajo, el costo económico y el tiempo, destacando la importancia de documentar los datos a través de los metadatos, y no perder de vista la importancia del contacto directo con el territorio y la participación y colaboración de los interesados y comunidades en los procesos catastrales. En definitiva, las herramientas para generar el dato deben estar en sintonía o adaptarse al entorno geográfico, social y cultural en que se apliquen. 

En cuanto al mantenimiento de los datos catastrales se lo observó como un problema recurrente en los países de la región, que requiere un enfoque más asociativo con los agentes externos al catastro que operan en el territorio y una mayor participación ciudadana, tarea para la cual es necesario un acercamiento de la institución a la comunidad. Dentro de este marco, se consideró la importancia de la colaboración de todos los organismos y profesionales que generan datos con alcance a la actividad catastral, tomando como pilar estrategias de intercambio ganar-ganar en la que las partes involucradas reciben beneficios por partes iguales, derivados fundamentalmente de la actualidad de los datos. Al respecto, se hizo mención a convenios de colaboración con los gobiernos locales, colegios profesionales, administración tributaria y otros ministerios, a efectos de hacer más dinámico y oportuno los procesos de altas, bajas y modificaciones, destacando para tal fin la importancia que adquieren los medios electrónicos y el consecuente aumento en la efectividad y eficiencia, sumando al ahorro de tiempo y desplazamientos.   

Respecto al segundo eje temático, el foco estuvo puesto en la utilización de los datos catastrales como fundamento para maximizar su valor para los gobiernos y la sociedad, integrándolos en la gobernanza del territorio en aspectos relacionados con el desarrollo urbano y rural sostenible y como insumo para la gestión de riesgos, monitoreo en los cambios del suelo, impacto ambiental, titulación a las mujeres, cambio climático y tributación inmobiliaria. 

La presentación de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO), destacó que su quehacer gira en torno a los Objetivos de Desarrollo Sostenible (ODS) y que el monitoreo de sus indicadores requiere de una herramienta clave que son los datos catastrales. Para tal fin, deben desarrollarse enfoques culturales que incorporen además de los derechos formales, la informalidad y los derechos consuetudinarios y que promuevan procesos simplificados adaptados a los contextos locales, lo cual incluye la formalización y el reconocimiento de derechos con enfoque en la prevención de conflictos y la  participación activa de los beneficiarios en los datos levantados en el territorio, como una manera de aportar legitimidad y transparencia a los barridos catastrales.

Presentación institucional de FAO, Amparo Cerrato. Fuente: http://www.catastrolatino.org/documentos/2024/XV%20Congreso%20Colombia/4_CONFERENCIA%20MAGISTRAL%20-%20AMPARO%20CERRATO.pdf

En este bloque ha sido muy interesante observar el modelo de gobernanza integral de la gestión catastral desarrollado por el IGAC, el cual pone especial énfasis en los aspectos sociales que son cruciales para introducir cambios culturales, y que se apoya en los siguientes pilares: municipios con programas de desarrollo con enfoque territorial, reforma rural integral, control de deforestación y fortalecimiento de la gestión ambiental, enfoque de género para eliminar las brechas en la tenencia, y el enfoque intercultural constituido por mecanismos de participación e inclusión en territorios indígenas y colectivos. El despliegue de estas acciones diferenciales tiene apoyo en el fortalecimiento de capacidades en los contextos rurales, en los planes de comunicación para vincular a todas las partes interesadas en los procesos del catastro multipropósito, el programa de diálogo institucional y comunitario, el refuerzo de los métodos participativos de las comunidades en la validación y socialización de la información, y la divulgación de los resultados del proceso de formación y actualización catastral a los actores institucionales y comunitarios. Además el IGAC se ha comprometido a realizar un acompañamiento fiscal a los municipios para mitigar los efectos fiscales de la actualización de valores catastrales siguiendo criterios de eficiencia, justicia, equidad y progresividad, y en cuanto al enfoque de género se ha logado incorporar la variable género en el modelo de datos catastral. 

Por otra parte, se analizó la relación del catastro con los temas ambientales en el que la zonificaciones territoriales deben tomar como base la información catastral, a fin de excluir de los procesos de adjudicación de tierras las superficies con destino a protección ambiental. Además en varios procedimientos de control es necesario identificar a los titulares y el alcance de sus derechos en el territorio, para monitorear los cambios en el uso del suelo que sean pasibles de generar un impacto negativo en el ambiente. Ya en un plano más general, la acción tutelar de los Estados respecto al manejo y salvaguarda de los recursos naturales, origina la existencia de derechos a un medio ambiente adecuado que se materializa a través de un conjunto de regulaciones sobre los bienes inmuebles tendiente a la preservación de determinados activos ambientales. Desde el punto de vista económico deben ser analizados nuevos conceptos de valor de las parcelas que tengan en cuenta los servicios ambientales que proveen, hecho que trae aparejado la necesidad de incorporar indicadores que puedan ser llevados a nivel de parcela para cuantificarlos. Con relación a la tributación medioambiental se deben generar mecanismos que incentiven comportamientos que estén alineados con planes de manejo que apunten a la sostenibilidad económica y ambiental de la explotación del suelo y sus recursos por medio de una disminución de la presión fiscal. Además se vieron aplicaciones en las que pueden superponerse espacialmente las parcelas con afectaciones ambientales georreferenciadas provenientes de distintos organismos, a efectos que sean incluidas en actos y contratos relativos al dominio. 

Para finalizar, se trató el tema de los instrumentos para capturar el valor de suelo y como el valor catastral afecta a los sistemas impositivos, y la necesidad de adaptar los impuestos de acuerdo al potencial que tienen. Se evaluó el impacto de los instrumentos de financiamiento en el desarrollo urbano como la participación en el incremento del valor del suelo, bonificaciones y compensaciones que resultan de intervenciones realizadas por el Estado, para lo cual es indispensable mantener la actualidad de la base imponible y que los catastros tengan una vinculación continua con el planeamiento y con la economía política que gira en torno al tema de la tributación inmobiliaria, de manera que ésta incorpore mecanismos de incentivos. En definitiva, atender el hecho que el catastro se volverá multipropósito en la medida que los datos que genera se utilicen para el ordenamiento del territorio, y a través de este al desarrollo de instrumentos de gestión del suelo. Dado el rol de los gobiernos locales en materia de desarrollo urbano, ha sido abordado el tema de fortalecimiento institucional en materia catastral, quedando bien establecida la necesidad de utilizar modelos escalables y adaptables a la diversidad de situaciones o a las distintas capacidades técnicas y financieras encontradas en cada municipio. Por ello, se destacó el rol de los gobiernos nacionales en la promoción de estrategias de capacitación, sostenibilidad y apropiación de la herramienta por parte de los funcionarios políticos y técnicos. 

El día 9 se realizo la X Asamblea del CPCI, en la que el Instituto Geográfico y Catastral de Quintana Roo, México, fue ratificado por dos años más frente a la presidencia del Organismo. 

Las presentaciones y grabación del evento se encuentran disponibles en:

http://www.catastrolatino.org/documentos/2024/XV%20Congreso%20Colombia/xv_congreso.html 

Día 1, https://www.youtube.com/watch?v=t8o8Zy2FaNU ;  y

Día 2, https://www.youtube.com/watch?v=Hqn8h0XuKV0

miércoles, 25 de septiembre de 2024

Taller sobre educación en Administración del Territorio – Semana de Trabajo de la FIG 2024

En el marco del evento del título, el Grupo de Trabajo (GT) sobre educación en Administración del Territorio de las Comisiones 2 de Educación Profesional y 7 de Catastro y Gestión del Territorio, realizaron un Taller cuyo propósito fue explorar el diseño de planes de estudio sobre la materia para abordar los Objetivos de Desarrollo Sostenible (ODS), disponer de un adecuado entorno para una buena gobernanza del territorio y desarrollar sistemas de información eficaces y funcionales. En forma complementaria, la tarea de este GT busca adecuar, perfeccionar y actualizar los conceptos básicos para la enseñanza de una administración responsable del territorio, y dar apoyo a instituciones educativas para satisfacer necesidades específicas ajustadas al contexto de cada país.

Las preguntas orientadoras de las discusiones y debates han sido las siguientes: 

  1. ¿Qué se espera que realice un graduado en el lugar de trabajo?
  2. ¿Cuáles son las áreas de conocimiento requeridas?
  3. ¿Cuáles son las competencias y habilidades básicas pretendidas?
  4. ¿Cuáles son las brechas entre los conocimientos / habilidades de los graduados y las necesidades de los profesionales en el lugar de trabajo?
  5. ¿A qué nivel educativo deberían impartirse los programas en la materia?
  6. ¿Deberían estar acreditados los programas?. De ser así, ¿quién debería realizarlo y con qué propósito?

Resulta evidente que para dar respuesta a una buena parte de estas cuestiones, es necesario establecer una comunicación estrecha entre la academia y los organismos públicos en los que se desarrollan las actividades catastrales, registrales y de gestión del territorio en sentido amplio. Este trabajo conjunto de vinculación del quehacer universitario con la dinámica y las necesidades de la sociedad, lo que pretende es enlazar las competencias y las habilidades impartidas con la práctica efectiva, sobre la base de una retroalimentación que permita el mejoramiento continuo de las funciones, los métodos y procesos de trabajo. Dicho mejoramiento debe ser interpretado en el sentido de mantener la capacidad de evolucionar y adaptarse a los cambios en las competencias requeridas en el transcurso del tiempo. 

En el documento del Taller, respecto a la primera pregunta se expone que los participantes discutieron y destacaron lo siguiente: que es esencial el reconocimiento de diferentes tipos de tenencia, sea las que provienen del derecho como las informales, por ejemplo, las comunitarias y las que tienen origen en los usos y costumbres;  que los estudiantes necesitan aprender habilidades sobre gestión de proyectos; la importancia en la formación respecto al manejo, levantamiento, análisis y evaluación de la calidad de los datos; la necesidad que el profesional participe en el diseño de políticas vinculadas al territorio, teniendo en cuenta las preocupaciones actuales; la utilización de herramientas como, por ejemplo, los SIG para evaluar la viabilidad de evaluaciones sociales, ambientales y económicas; y los métodos de valuación incluyendo habilidades técnicas como sociales.

 


 


Algunos resultados de las discusiones. Fuente: https://fig.net/resources/proceedings/fig_proceedings/fig2024/ppt/ts05h/TS05H-LAEd-report.pdf

Con relación a las habilidades, competencias y brechas, los asistentes reconocieron que los graduados requieren una combinación de diferentes habilidades, entre las que se incluyen: contabilidad financiera, gestión de proyectos, aspectos legales que reconozcan la diversidad de sistemas de tenencia, aspectos sociales, instrumentos de uso y desarrollo del suelo, sistemas de información territorial e infraestructura de datos espaciales, resolución de conflictos, conciencia sobre el cambio climático y su impacto en los derechos sobre el territorio, el papel de los ODS y de que manera es posible utilizarlos en la gobernanza del territorio. 

En breve resumen en el Taller, entre otros aspectos, se destacó lo siguiente: (i) la importancia de ir más allá de una mentalidad de silo o de compartimentos estancos, remarcando la necesidad de incluir al sector privado, las ONG, las organizaciones de la sociedad civil, el mundo académico y el gobierno en los debates sobre la administración del territorio; (ii) cómo combinar e integrar apropiadamente dentro de la estructura de la especialidad, el saber hacer proveniente de diversas disciplinas como el derecho, los métodos de levantamiento de información catastral, la economía del territorio, la planificación y gobernanza urbana, y las tecnologías de geo-información; y (iii) se estableció un consenso en que debería haber acreditación de los programas educativos por parte de organismos profesionales o gubernamentales, e incluso se propuso que la FIG pudiera convertirse en un organismo de acreditación. 

Como comentarios finales, podemos agregar que considerando a la administración del territorio como una disciplina que engloba básicamente al catastro, el registro y además a la planificación u ordenamiento de las áreas urbanas y rurales, debe ponerse especial énfasis en cómo integrar los sistemas y flujos de datos a nivel interorganizacional con enfoque en la coordinación, la complementariedad, la interdependencia y el diseño de servicios orientados al ciudadano. Esto es muy relevante abordar desde el marco político institucional y desde los principios rectores que establecen las prácticas en la administración pública. Además la materia debe estar abierta a la incorporación de habilidades complementarias, como las ya señaladas sobre gestión de proyectos y aspectos sociales con alcance a las metodologías de investigación básica y aplicada (métodos cualitativos y cuantitativos), a lo que es necesario considerar el desarrollo organizacional y la construcción de capacidades, como instrumentos que contribuyen al fortalecimiento institucional, la innovación, la sostenibilidad y la gestión del cambio.     

El documento completo con los resultados del Taller puede descargarse aquí.

sábado, 24 de agosto de 2024

Uso de Sistemas Globales de Navegación por Satélite (GNSS) en Agrimensura y Cartografía

Se trata de una guía orientativa global actualizada, relevante y flexible por su aplicabilidad a diversos contextos, producida por el Royal Institution of Chartered Surveyors (RICS), un organismo profesional con sede en Reino Unido, que trabaja por el interés público para promover el conocimiento, mantener estándares y buenas prácticas profesionales. Con una trayectoria de más de 150 años, el RICS cuenta con más de 130.000 miembros que trabajan en el desarrollo y gestión de inmuebles, así como en los sectores de la construcción e infraestructura en más de 140 países en todo el mundo (RICS, s/f). 

En general, los estándares profesionales de RICS se apoyan en principios técnicos comprobados y están centrados en resultados y buenas prácticas. Cualquier requisito incluido se establece sobre la base de la entrega de un servicio competente y con una sólida base ética, que incluye prácticas y comportamientos destinados a proteger a los usuarios y otras partes interesadas, así como a garantizar la integridad y la competencia profesional.  

Este estándar se elaboró bajo el mandato de un Grupo de Trabajo sobre levantamientos geoespaciales del RICS, siendo guiado por profesionales expertos de la Universidad de Newcastle y observado por un amplio grupo de revisión por pares especializados en sistemas de posicionamiento GNSS, geodesia y cartografía.

El documento ha sido redactado con dos objetivos en mente: i) proporcionar a los profesionales un conjunto de directrices operativas prácticas que puedan utilizarse para realizar cualquier levantamiento que incluya técnicas GNSS; y ii) suministrar a los usuarios -sean organismos públicos, empresas o particulares- información suficiente para redactar especificaciones técnicas que establezcan la exactitud, los requisitos y alcance del trabajo (Kavanagh, J. & Pearson, Ch., 2023). 

Es por este motivo, que el contenido de esta guía puede ser considerado de especial interés como fuente de consulta para el diseño o la actualización de normas relacionadas con la georreferenciación de levantamientos catastrales en general, y la georreferenciación parcelaria y de objetos territoriales legales (OTLs) en particular. 

En la siguiente figura, podemos observar la posición relativa de citadas normas que pueden incluir a los métodos, procedimientos, exactitudes y entregables, ubicadas en el contexto del proceso de mantenimiento parcelas y OTLs en un sistema catastral. Los vértices georreferenciados o datos posicionales provienen de vincular las unidades de registro al marco de referencia geodésico oficial por medio observaciones GNSS. Dependiendo del ámbito de trabajo urbano o rural, de dichos vértices usualmente al menos dos deben disponer de una georreferenciación directa, mientras que el resto es posible obtenerlos de una combinación de métodos GNSS con topografía clásica. Luego sobre esta base, generar polígonos relacionados con la definición de objetos de derechos reales en el territorio. Dicha información puede estar estructurada conforme a un modelo de datos o semiestructurada para su incorporación al mapa catastral continuo.

Ubicación de las normas de georreferenciación. Fuente: elaboración propia. 

La tercera edición de esta guía, ha sido presentada ante la comunidad profesional internacional en la Semana de Trabajo de la Federación Internacional de Agrimensores (FIG), realizada entre el 28 de mayo y el 1 de junio de 2023, en Orlando, estado de Florida. Más específicamente esta presentación ha sido incluida en una Sección Técnica de la Comisión 5 sobre Posicionamiento y Mediciones titulada «Creación de Capacidades en Competencia Geodésica». 

Los términos clave que nos acercan a los aspectos centrales del documento son los siguientes: 

  • estación de referencia de operación continua (estación GNSS permanente); 
  • posicionamiento diferencial; 
  • datum geodésico (marco de referencia); y 
  • control de calidad.

En cuanto a los temas abordados en la guía, están organizados en base a los siguientes capítulos o secciones:

  • Introducción, en la que se hace una referencia general a los estándares de RICS, se citan publicaciones que complementan el tema y se indican los alcances del estándar.
  • El rol de los sistemas GNSS en levantamientos, que incluye una descripción general de las cuatro constelaciones que aportan a la red GNSS, una clasificación de los tipos de levantamiento y unos procedimientos de campo como pautas de práctica.
  • Métodos de levantamiento, en el que se consideran el posicionamiento estático (incluyendo el Posicionamiento Puntual Preciso (PPP)) y cinemático y sus variantes.
  • Fuentes de error que afectan la precisión y exactitud del posicionamiento satelital GNSS.
  • Marcos de referencia geodésicos, que contiene los conceptos básicos sobre geoide, elipsoide, datums, proyecciones cartográficas, proyecciones especiales de baja distorsión para proyectos lineales y la transformación entre sistemas de alturas.
  • Aseguramiento y control de calidad, que incluye el diseño, forma y ajuste de redes de apoyo, vinculación de levantamientos a la red de estaciones GNSS permanentes, control de calidad de sistemas en tiempo real, informes de calidad, inclusión de puntos de control, inicialización y controles, procedimientos en oficina, parámetros clave a controlar y documentación de los datos.

Además incluye como apéndice un glosario que contiene más de 40 términos acompañados de sus correspondientes definiciones o explicaciones. 

El documento  se encuentra disponible en: https://www.rics.org/content/dam/ricsglobal/documents/standards/Use%20of%20GNSS%20in%20land%20surveying%20and%20mapping_3rd%20edition.pdf

 

Fuentes consultadas: 

Kavanagh, James & Pearson, Chris (2023). RICS – GNSS – Guidelines for the use of GNSS in Land Surveying and Mapping 3erd. Ed – An Operational Best Practice Standard,  https://fig.net/resources/proceedings/fig_proceedings/fig2023/papers/ts05g/TS05G_kavanagh_chris_12048_abs.pdf 

Royal Institution of Chartered Surveyors (RICS) (s/f). About RICS, https://www.rics.org/about-rics

miércoles, 31 de julio de 2024

Aplicaciones de la inteligencia artificial (IA) en el ámbito del catastro

Una aproximación básica a los conceptos y las técnicas de IA

La IA es un concepto sobre el que no existe una definición formal aceptada universalmente. No obstante, existen muchas aproximaciones que surgen de observar las definiciones encontradas en la web y publicaciones especializadas, a partir de las cuales es posible reunir algunas características comunes mencionadas con frecuencia para la IA: i) apreciar el contexto para establecer el marco de una tarea; ii) procesar datos estructurados y no estructurados sobre el problema en cuestión; iii) generar a partir de éstos un modelo de la realidad; y iv) predecir en base a este esquema un resultado relevante para el problema a resolver. En algunos casos, sobre este último punto se habla de toma de decisiones, aunque en realidad y a pesar del grado de autonomía de la IA, los resultados obtenidos por estos sistemas siempre deben quedar sujetos a la supervisión humana.

Si bien se trata de un campo en constante evolución que está definiendo nuevas formas de relación entre la técnica y los humanos, en forma más natural o intuitiva la Real Academia Española ha definido a la IA como «la disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico.» 

El Aprendizaje Automático (AA) o Machine Learning es una técnica que es un subconjunto de la IA, que enseña a las máquinas a aprender de la experiencia sin una programación explícita. De este modo, los algoritmos del AA se ejercitan por medio de métodos computacionales para extraer información a partir de los datos, siendo una consecuencia lógica de la aplicación de esta técnica, que los mismos se vayan perfeccionando en su capacidad predictiva en la medida que se van alimentando con nuevos datos para el aprendizaje.

A su vez el AA tiene dos variantes o ramas, una supervisada y la otra no supervisada. Con la primera el AA se entrena con datos de entrada y de salida que no son brutos sino que están etiquetados o preparados previamente, en tanto que con la segunda el entrenamiento de modelos de datos se hace sin procesar y sin etiquetar. El AA supervisado se utiliza para clasificar asignando con precisión a los datos de entrada categorías específicas, y para realizar análisis de regresión para establecer la relación entre variables dependientes e independientes. El AA no supervisado se emplea para agrupar datos que presenten similitudes y luego segmentarlos y separarlos por grupos para realizar análisis de datos preliminares. Esta variante tiene aplicaciones en la segmentación de imágenes para clasificar píxeles similares, facilitando la identificación de objetos y, en general, la interpretación de su contenido.   

Una forma especializada del AA es el Aprendizaje Profundo (AP) o Deep Learning que utiliza Redes Neuronales. Es una tecnología que se inspira en la forma en que funciona el cerebro humano y que aprende empleando grandes volúmenes de datos o big data. Los algoritmos creados por el AP pueden detectar en forma autónoma información y patrones ocultos en los datos para entregar resultados en forma de predicción. Las principales diferencias entre el AA y el AP se muestran en la siguiente tabla: 

Aspecto

Aprendizaje Automático

Aprendizaje Profundo

Datos de entrada u observados

Opera con conjuntos de datos pequeños

Trabaja con grandes volúmenes de datos

Resolución de problemas

Requiere más intervención humana para ajustes y correcciones. Se apoya en datos estructurados (*). Los procesos y la selección de elementos necesitan intervención humana y experiencia en el dominio de aplicación.

Aprende por sí mismo con base en la red neuronal. El proceso de extracción de información es automatizado y maneja datos no estructurados (**). Las redes aprenden a identificar características y patrones directamente a través de los datos, reduciendo la necesidad de intervención humana.

Interpretabilidad

Más fácil de rastrear y comprender el proceso de toma de decisiones. Los modelos de AA son más transparentes, permitiendo una mayor interpretabilidad de cómo los datos de entrada son convertidos en datos de salida o resultados.

Conocido por ser una «caja negra», por tratarse de modelos de entramado complejos, donde el proceso de toma de decisiones no resulta fácilmente interpretable debido a las múltiples capas y a la complejidad de la arquitectura.

Tiempo de entrenamiento

Requiere un tiempo de entrenamiento más corto, aunque arroja resultados de menor precisión

Requiere un tiempo de entrenamiento más largo y ofrece mayor precisión en los resultados

Poder computacional

Necesita de escasos recursos informáticos

Necesita de una gran capacidad de procesamiento

 Fuente: Basada en Chornyi, A. (2023)

Paralelamente al crecimiento exponencial de los datos en las últimas décadas, acompañado por una mayor capacidad de procesamiento informático y por herramientas y programas de tratamiento y análisis de datos, aplicaciones y plataformas, ha ido emergiendo una nueva disciplina como una respuesta para aprovechar el potencial de los mismos. Dicha área de conocimiento se conoce como Ciencia de los Datos que combina matemáticas y estadística, programación especializada, análisis avanzado, IA y AA con experiencia en temas específicos para descubrir conocimientos prácticos ocultos en los datos (IBM (a), s/f).  


Áreas de aplicación 

La aplicación de IA en el campo de los datos geoespaciales es conocida como IA geoespacial o GeoAI por sus siglas en idioma inglés. En ese contexto se han desarrollado herramientas para implementar soluciones a escala destinadas a la generación automatizada de datos, a través del desarrollo de algoritmos ajustados al problema a resolver o con modelos preentrenados. 

Actualmente existen dos áreas focales –no las únicas- en las cuales los catastros pueden aprovechar los avances de la IA, el AA y el AP estas son: la teledetección y las valuaciones masivas. Comenzando por la primera, se aclara que el término teledetección es utilizado con alcance a las imágenes digitales provistas a través de diferentes plataformas: drone, avión y satélite. Los principales programas comerciales y libres disponen de herramientas GeoAI para la realización de diferentes operaciones, a continuación veremos someramente cuales son las variantes utilizadas. 

El proceso de extracción de información a partir de imágenes tiene cuatro variantes o ramas: la segmentación semántica, la detección de objetos, la segmentación de instancias y la clasificación. La primera se utiliza para dividir una imagen en un conjunto de clases, siendo los mapas de uso y cobertura del suelo su producto típico. Todos los píxeles que componen una imagen se asignan a una de varias clases, por ejemplo, cuerpos de agua, bosques, cultivos, áreas urbanizadas, etc. En cambio la detección de objetos utiliza las características y coordenadas del entorno para definir un tipo de objeto del resto de la imagen, por ejemplo, los edificios. La segmentación de instancias constituye un híbrido entre las técnicas de segmentación semántica y detección de objetos. El objetivo de la clasificación de imágenes -históricamente asociada a la teledetección- es el mismo que el de la segmentación semántica y tiene dos métodos: supervisada y no supervisada. A través de la primera es posible decidir las clases a asignar a los píxeles, en tanto que en la segunda se deja a criterio del clasificador automatizado que clases estarán presentes en la imagen. 

La detección de objetos es la operación que resulta de interés particular para los catastros y la veremos a través de un ejemplo práctico. Mapflow es un complemento (plugin) para QGIS, que desde imágenes seleccionadas de un proveedor en la web o de la carga de una propia, permite extraer edificios, caminos, bosques y construcciones (obras en ejecución). La operación es sencilla, primero hay que indicar el área de interés (AOI) y seleccionar el modelo de IA que detectará los contornos de los objetos y los digitalizará automáticamente. Una vez finalizado el procesamiento, los resultados pueden ser descargados como una capa SIG vectorial, que es posible editar para ajustar los errores que se hayan observado a partir de una inspección visual.

Ejemplo de procesamiento en zona perirubana con modelo Buildings (Aerial Imagery) Fuente: https://docs.mapflow.ai/userguides/pipelines.html#id4

Mapflow dispone de la opción Buildings con la cual es posible extraer los polígonos correspondientes a los techos de los edificios tomando como base imágenes satelitales de alta resolución de 50 cm. de píxel. Se utilizan tres modelos diferentes para distintas regiones geográficas para adaptarse mejor a los entornos urbanos del mundo, la decisión es automática según la ubicación del AOI. Adicionalmente Buildings (Aerial Imagery)  realiza la misma operación pero a partir de imágenes aéreas de 10 cm. de píxel (esta opción no es gratuita). A través de la opción Roads se pueden capturar los ejes de calles y caminos. Sobre estos últimos dos modelos debe señalarse que son más adecuados para aplicar a zonas periurbanas y rurales (Mapflow, s/f). 

Algunas empresas como ESRI © y Picterra © disponen de aplicaciones que permiten entrenar modelos de AP para hacer una “sintonía fina” con el entorno en el que deben operar. Por ejemplo, no se puede esperar que un modelo obtenga resultados de buena calidad cuando fue entrenado con datos de una región tropical para imágenes de resolución media, cuando vamos a utilizarlo en la Patagonia con imágenes de alta resolución. De manera que los factores a considerar incluyen la región geográfica, el paisaje predominante, la estación, la resolución de las imágenes, los materiales constructivos, etc. Hay situaciones que requerirán la creación de un modelo desde cero o bien ajustar el modelo existente con nuevos datos para mejorar sus resultados. Si el modelo de IA que estamos utilizando no identifica adecuadamente los objetos de nuestro interés, es necesario entrenar un nuevo modelo para ajustarlo a nuestros requerimientos de manera tal de obtener resultados más alineados con nuestro entorno de trabajo. 

Con esto queremos decir que los procedimientos automatizados de obtención de vectores a partir de imágenes, como la extracción de huellas de edificios, se trata de un reconocimiento complejo que demanda adecuaciones para los algoritmos dadas las propiedades geométricas y espectrales del objeto, junto a otras características de detalle como bordes, esquineros y sombras asociadas a los edificios. La operación para la extracción automática de edificios y otros objetos, es en definitiva una tarea abierta a la investigación que se inscribe en la actualización y modernización catastral, en la cual los algoritmos de AP resultan los más prometedores para superar las dificultades de extraer características semánticas de escenas complejas y grandes diferencias en la apariencia de los edificios (Jovanovic, D., et. al., 2021). Luego sigue el proceso para recoger sus atributos o características constructivas, para lo cual hay que realizar inspecciones en el terreno combinadas con recursos provenientes de la aplicación Google Street Wiew. Respecto al tratamiento de las alturas de los edificios, es posible recurrir a modelos digitales de elevaciones obtenidos a partir de vuelos con drone,  vuelos fotogramétricos tradicionales o imagenes satelitales de alta resolución en modo estereoscópico.

La detección de cambios es otra técnica muy importante en el ámbito del catastro, ya que permite monitorear y gestionar las altas, bajas y modificaciones en el ambiente construido, a partir de una interpretación de imágenes tomadas en distintas fechas sobre la misma área y así obtener los objetos que han cambiado en un determinado período temporal e incorporarlos a la base de datos catastrales. Las operaciones de AP permiten realizar análisis multitemporales para detectar cambios en los elementos de interés y producir como resultado una salida con los cambios observados. 

La otra área en la que la IA viene demostrando realizar un aporte significativo es en el de las valuaciones masivas que, respecto a los métodos utilizados tradicionalmente por los catastros, hacen una diferencia en cuanto a costo, eficiencia, velocidad y mantenimiento.   

En la provincia de Córdoba, se viene aplicando desde hace 6 años una metodología para obtener los valores catastrales de más de dos millones de inmuebles urbanos y rurales, mediante la aplicación técnicas algorítmicas cuyas ventajas son su capacidad de manejar grandes volúmenes de datos, el elevado nivel de predicción, así como la factibilidad de sostener y repetir este tipos de estudios periódicamente (Scardino, L., 2023). En este mismo sentido, aunque con distintas herramientas de AA respecto al caso de Córdoba, se ha documentado un caso práctico en tres localidades de la provincia de Mendoza (Polo, R. E., et. al., 2023). 

La aplicación de la técnica de AA y de su especialización el AP para la elaboración de modelos predictivos, está subordinada a dos insumos fundamentales: 1) los datos observados o de referencia o variables dependientes, y 2) los elementos que contribuyen a la explicación de los valores observados o variables independientes. El primero requiere disponer de un gran volumen de datos sobre el precio de la tierra urbana y rural del mercado inmobiliario; en tanto que el segundo necesita de parámetros que tienen que ver con el contexto, con las características zonales y tipo de bienes, con el acceso a servicios públicos, zonas comerciales y transporte en las áreas urbanizadas; y con la capacidad productiva, la distancia a rutas, distancia a fuentes de agua y distancia a centros de acopio en las áreas rurales. Las variables señaladas son solo ejemplos, pudiendo variar algunas de acuerdo a la jurisdicción, legislación vigente y mercado en que se apliquen. 

Los algoritmos se entrenan con los datos observados que representan valores cuantitativos y cualitativos del mercado que se administran en el Observatorio del Mercado Inmobiliario (OMI), y con las variables explicativas del valor determinadas a través de análisis espaciales en un SIG, a fin de establecer las relaciones matemáticas que existen entre ambos conjuntos de datos para extraer conocimiento de ellas. Una vez establecidas estas relaciones, se evalúa la calidad de los resultados y se iteran los procesos para ajustar los valores de salida respecto a los valores observados, para arribar a los valores unitarios probables interpolados y volcados en un mapa continuo del territorio.

Debe considerarse que cualquier cambio o transformación que se decida emprender para aplicar métodos de valuación masiva automatizada basados en la IA u otros métodos, requiere la disponibilidad de un adecuado volumen de muestras representativas para desarrollar modelos que ofrezcan resultados confiables y de calidad. Es que toda valuación debe partir de los datos observados porque son los que en definitiva contribuyen a dar forma al conocimiento de cómo se comporta un mercado inmobiliario. Aunque no siempre sea posible obtener muestras sobre todo el universo de inmuebles y distribuidas homogéneamente en todo el territorio, y aún cuando determinados algoritmos pueden realizar una gestión robusta del modelo con datos de entrada faltantes, el OMI es el primer gran paso que hay que dar, tarea para la cual se debe valorar y calibrar el esfuerzo organizativo, técnico-administrativo y de sostenibilidad que sobreviene a su implementación.

                          Datos del Observatorio del Mercado Inmobiliario (OMI) de la Provincia de Córdoba.                                                  Fuente:  https://www.mapascordoba.gob.ar/#/geoservicios

 

Mapa de valor de la Tierra Rural 2023. Fuente: https://mapascordoba.gob.ar/viewer/mapa/469

Para concluir, y como comentario general podemos decir que la adopción de las herramientas descritas requiere un rediseño de los procesos de trabajo que permitan adaptarlos al funcionamiento de la organización, siempre con vista a obtener una ventaja comparativa desde el punto de la eficiencia, calidad de resultados y agilidad en los procesos de gestión y mantenimiento de datos. Por otro lado, es fundamental realizar controles sobre la confiabilidad de los modelos de IA utilizados, para lo cual es necesario realizar evaluaciones cualitativas de los resultados para identificar eventuales deficiencias y aspectos de mejora. 


Gobierno de la IA 

En términos generales, el tema está relacionado con la ética en los usos y aplicaciones de las tecnologías relacionadas con la IA, y en particular se encuentra referido al conjunto de prácticas, procesos y herramientas que contribuyen a que una organización utilice la IA de forma transparente y confiable, tratándose por ello de un requisito indispensable para implementar soluciones funcionales y operativas. De esta manera es fundamental considerar que para incorporar satisfactoriamente el uso de la IA en una organización, se deban atender los siguientes aspectos: 

  • Trazabilidad, lo que implica poder rastrear desde el origen los datos de referencia, el modelo de IA y su idoneidad para abordar el problema en tratamiento, y la forma en que se evalúa la calidad de los resultados obtenidos.
  • Explicabilidad, que está en relación con la capacidad de la organización para explicar cómo y porqué el modelo de IA llega a los resultados que produce. Dicho con otras palabras, es imprescindible tener el control sobre la manera en que se llega a resultado determinado, lo que significa poner luz en la caja negra del procesamiento algorítmico, es decir en su interpretabilidad. Esta cuestión es particularmente relevante para los métodos de valuación masiva basados en la IA.
  • Supervisión, la organización debe tener el control de todos los procesos automatizados y de supervisar en forma permanente los resultados obtenidos, para aplicar las correcciones a los datos o al modelo de IA en caso de que se obtengan resultados sesgados o errores sistemáticos y/o errores atípicos.
  • Responsabilidad, en las tareas de producción con modelos de IA se requiere que cada proceso tenga una persona responsable, de modo de asegurar el control y la prevalencia de las decisiones humanas.
  • Normatividad, las organizaciones deben regular formalmente la ética en relación al uso de la IA sobre los aspectos mencionados precedentemente. Asimismo es recomendable incluir en la normativa todo lo relacionado al registro de cambios en las herramientas tecnológicas de la IA y en el tratamiento y manejo de incidentes y riesgos.

En definitiva, todas estas medidas resultan oportunas para establecer diferencias entre la ejecución atribuida a la autonomía decisional de los algoritmos, y la responsabilidad humana, hecho que parte de concebir a la IA como una cosa, un medio artificial para conseguir objetivos humanos pero que no deben confundirse con una persona humana. Es decir, el algoritmo puede ejecutar, pero la decisión debe necesariamente recaer sobre la persona y por lo tanto, también la responsabilidad (Rep. Argentina, Jefatura de Gabinete de Ministros, Secretaría de Innovación Pública, 2023). Esto de ningún modo significa actuar con recelo frente a la IA, sino que debemos mantenernos reflexivos sobre su gestión e impacto y nunca dejar de ejercer nuestro sentido crítico. 

 

Referencias: 

(*) Datos estructurados: son aquellos que requieren de la intervención humana para etiquetarlos, tales como las construcciones o edificios, rutas, calles, etc., y así puedan ser reconocidos por el algoritmo.

(**) Datos no estructurados: son aquellos que intervienen en el entrenamiento del modelo de AP para identificar los objetos de interés a través de las capas de la red neuronal para obtener identificadores que permitan clasificar dichos objetos.

 

Fuentes consultadas y referencias: 

Chornyi, Andrii (2023). Deep Learning vs. Machine Learning, https://codefinity.com/blog/Deep-Learning-vs-Machine-Learning 

IBM (a) (s/f). What is Data Science?,  https://www.ibm.com/topics/data-science 

IBM (b) (s/f). ¿Qué es la segmentación semántica?, https://www.ibm.com/es-es/topics/semantic-segmentation 

IBM (c) (s/f). ¿Qué es la segmentación de instancias?, https://www.ibm.com/es-es/topics/instance-segmentation 

Jovanovic, D.; Gavrilovic, M.; Sladic, D.; Radulovic, A.; Govedarica, M. (2021). Building Change Detection Method to Support Register of Identified Changes on Buildings,https://www.mdpi.com/2072-4292/13/16/3150 

Polo, R. E.; Alberdi, R. & Erba, D. A. (2023). Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza, https://www.repositorio.umaza.edu.ar/icu/article/view/428. Revista ICU. Investigación, Ciencia y Universidad (ICU), Vol. 7 Núm. 9 (2023): N° 9, pp. 74-86.    

Real Academia Española (2023). Diccionario de la lengua española. Edición tricentenario. Actualización 2023, https://dle.rae.es/inteligencia?m=form#2DxmhCT 

República Argentina. Jefatura de Gabinete de Ministros. Secretaría de Innovación Pública (2023). Recomendaciones para una Inteligencia Artificial Fiable, https://www.argentina.gob.ar/sites/default/files/2023/06/recomendaciones_para_una_inteligencia_artificial_fiable.pdf 

Scardino, L. (2023). Aplican «machine learning» para la valuación fiscal de los inmuebles en Córdoba, https://unciencia.unc.edu.ar/computacion/aplican-machine-learning-para-la-valuacion-fiscal-de-los-inmuebles-en-cordoba/. En Universidad Nacional de Córdoba, UNCiencia.

jueves, 23 de mayo de 2024

Coordinación CArtográfica en el Sistema de Administración del Territorio (CCASAT)

Relacionado con la temática del catastro y la administración del territorio a continuación se presenta el grupo de Coordinación CArtográfica en el Sistema de Administración del Territorio (CCASAT); la sede está ubicada en la Universitat Politécnica de València (UPV), España; en el Departamento de Ingeniería Cartográfica, Geodesia y Fotogrametría (DICGF) y en la Escuela Técnica Superior de Ingeniería Geodésica, Cartográfica y Topográfica (ETSIGCT). El objetivo principal es el “apoyo, colaboración e investigación en todos aquellos ámbitos relacionados con la información cartográfica que permita una administración efectiva del territorio (como la información catastral, y/o la información registral, o similar); fundamentalmente en aspectos que sirvan de apoyo para conseguir seguridad en la tenencia de la tierra, y valoración con efecto administrativo. Fomentando la difusión, transferencia de conocimientos, investigación, coordinación, consultoría y optimización de recursos.”


El fin de CCASAT es trabajar en mejorar la administración del territorio desde la información gráfica; por ello CCASAT UPV es miembro y colabora con diversos organismos relacionados. Es miembro observador del Comité Permanente del Catastro en Iberoamérica (CPCI). Es miembro académico de la Federación Internacional de Geómetras (FIG), participando en la Comisión 7 de catastro y gestión del territorio. Es miembro de la Red Académica de la organización mundial de las Naciones Unidad para la Gestión Global de la Información Geoespacial (UN-GGIM AN). En España, dispone de un protocolo de colaboración con la Dirección General del Catastro (DGC). Existe un acuerdo de colaboración con la Asociación Panamericana de Profesionales de la Agrimensura y Topografía (APPAT). 

CCASAT está enfocado principalmente a España y Latinoamérica, siendo el idioma principal el español. 

Esta es la web oficial: http://www.ccasat.upv.es 

CCASAT tiene cuenta en diferentes redes sociales: Linkedin y Facebook. 

Animamos a seguirnos en redes sociales para estar al día de las novedades. 

Se adjunta hoja resumen en pdf con la información principal de la web que vamos ampliando periódicamente.

Recientemente también se ha preparado un formulario web enfocado al perfil de estudiantes, donde uno puede darse de alta con el email de contacto para recibir información relacionada con el catastro y la administración del territorio, con un punto de vista cartográfico y enfocado al perfil de un estudiante universitario. Con envío de información general relacionada con los objetivos del grupo CCASAT UPV y con aspectos específicos para estudiantes: como posibles becas, cursos, propuestas de estudios o investigaciones, ofertas laborales, etc (bien de modo general, o específico según perfil). Algunas de las propuestas solo para alumnos UPV, y otras más generales a nivel internacional. Dichos datos serán utilizados para estos fines. 

Para darse de alta en la base de datos de CCASAT UPV e incluir información del perfil e intereses, para adaptar mejor las comunicaciones y actividades, se puede hacer a través del siguiente formulario: https://forms.gle/m3Bhb3ABNEq6G9zj7 

Dicho formulario es para cualquier persona con perfil de estudiante que tenga interés, por tanto agradeceríamos su difusión entre conocidos a los cuales piense que les puede interesar esta temática, independientemente del campo de estudio. 

Se está preparando un formulario similar más genérico para darse de alta, y no enfocado al perfil de estudiante, cuando esté preparado se informará a través de la web y redes sociales de CCASAT UPV.

Aporte de Carmen Femenia Ribera, Dep. de Ing. Cartográfica, Geodesia y Fotogrametría, Escuela Técnica Superior de Ingeniería Geodésica, Cartográfica y Topográfica, Universitat Politècnica de València