Esri presenta el primer modelo de inteligencia artificial geoespacial entrenado con datos topográficos de Colombia

El procesamiento de imágenes satelitales de alta resolución, fotografías tomadas por drones y sensores de observación terrestre ha generado un volumen masivo de datos que en entornos globales supera los cientos de petabytes de información diaria. Para convertir esa carga de insumos gráficos en cartografía útil, la firma tecnológica Esri Colombia presentó su modelo de extracción de huellas de construcción (Building Footprint Extraction), una herramienta de aprendizaje profundo (Deep Learning) calibrada de forma específica con patrones arquitectónicos y geografías del territorio colombiano.

En el ámbito del ordenamiento territorial y el catastro en las regiones de Colombia, es común ver que las secretarías de planeación municipal demoren meses o incluso años actualizando sus mapas base mediante la digitalización manual vector por vector. Esta lentitud administrativa suele derivar en desactualizaciones prediales e incapacidad para detectar la expansión informal de viviendas o la invasión de zonas de reserva. La llegada de algoritmos entrenados con la morfología local puede ser una opción interesante para que los municipios pequeños y medianos automaticen el rastreo de sus zonas urbanas y rurales, sirviendo como un punto medio para acelerar el recaudo tributario y la gestión de riesgos sin multiplicar los costos de personal de campo.

Adaptación algorítmica a la arquitectura y patrones de ocupación locales

La principal limitación técnica de los modelos preentrenados de inteligencia artificial geoespacial (GeoIA) disponibles en plataformas internacionales radicaba en su origen. Las redes neuronales entrenadas con insumos fotográficos de países como Estados Unidos, India o Arabia Saudita suelen fallar al interpretar la densidad de las construcciones colombianas, donde abundan las cubiertas de teja de barro, los techos de zinc en áreas periurbanas y los asentamientos irregulares en ladera.

Al utilizar una base de datos de entrenamiento basada en ortofotos y registros topográficos locales, la herramienta desarrollada por Esri Colombia identifica los límites físicos de las casas, edificios e infraestructura agropecuaria con un nivel de precisión superior al de los modelos extranjeros. El sistema analiza las fotografías de alta resolución en minutos, generando vectores automatizados que delimitan cada unidad habitacional o comercial. Posteriormente, los ingenieros cartográficos o revisores de catastro solo deben verificar y realizar ajustes puntuales sobre la capa georreferenciada, reduciendo jornadas enteras de trazado manual a una labor de supervisión de minutos.

Integración en ArcGIS Living Atlas y utilidades en el sector público

El nuevo modelo de extracción quedó disponible dentro del catálogo global de mapas e imágenes ArcGIS Living Atlas of the World, la biblioteca de datos espaciales que reúne información validada sobre población, infraestructura, límites administrativos y uso del suelo. Las entidades públicas y empresas privadas que operan sobre la plataforma ArcGIS pueden incorporar estas capas de información directamente a sus proyectos de análisis territorial.

El uso de esta herramienta permite resolver interrogantes clave en la gestión del suelo y la planificación de obras públicas:

• Control de expansión urbana e informal: Mapeo multitemporal para medir cuántas hectáreas han sido ocupadas por nuevas construcciones en suelos de protección o zonas rurales durante un periodo determinado.
• Manejo de servidumbres e infraestructura: Identificación de edificaciones no autorizadas que invaden el derecho de vía en carreteras, trazados de redes eléctricas o franjas de tuberías de transporte de hidrocarburos.
• Atención de emergencias y asistencia humanitaria: Delimitación rápida de viviendas afectadas tras avalanchas, inundaciones o sismos para organizar censos de damnificados y planes de reubicación.
• Soporte para el catastro multipropósito: Insumo técnico preliminar para cruzar las construcciones detectadas en fotos aéreas contra las bases de datos de contribuyentes en las alcaldías.

Hacia una cartera de modelos de inteligencia artificial para la geografía nacional

La implementación de este desarrollo enfocado en la detección de huellas de edificación constituye el primer paso dentro de un programa más amplio de geolocalización adaptada a las características del país. La compañía confirmó que trabaja en la creación de nuevos algoritmos orientados a la clasificación automatizada de tipos de vegetación, la corrección de modelos digitales de elevación en zonas de alta montaña, el análisis de fachadas urbanas y la categorización de la cobertura del suelo a partir de imágenes satelitales periódicas.

La automatización de la lectura geográfica promete transformar la forma en que los tomadores de decisiones interpretan la transformación del paisaje. En un mercado donde la precisión espacial resulta crítica para la inversión en obras públicas y la protección ambiental, la disponibilidad de inteligencia artificial contextualizada al entorno colombiano facilita que los datos de observación de la Tierra se traduzcan en decisiones presupuestales y administrativas más eficientes.