Deep Learning–Based Semantic GIS for Heritage-Sensitive Green Space Planning

Resumen Técnico: SIG Semántico Basado en Aprendizaje Profundo para la Planificación de Espacios Verdes Sensibles al Patrimonio

Planteamiento del Problema
Los entornos urbanos históricos enfrentan un dilema de planificación crítico: la necesidad de abordar desafíos ambientales como el cambio climático, la densificación urbana y el estrés térmico, mientras se cumplen simultáneamente las estrictas regulaciones de conservación del patrimonio cultural. Los enfoques de planificación convencionales suelen tratar la preservación del patrimonio y la mejora ambiental como dominios separados, lo que genera conflictos espaciales y decisiones de uso de suelo ineficientes. En áreas ricas en patrimonio, particularmente en regiones áridas como el Cementerio Desértico Mameluco en El Cairo, la falta de espacios verdes exacerba el malestar térmico, aunque la sensibilidad espacial de los monumentos históricos limita la implementación de la infraestructura verde convencional. La investigación existente suele abordar la documentación del patrimonio o la evaluación ambiental de forma aislada, careciendo de un marco integrado que aproveche la inteligencia artificial para equilibrar estas prioridades espaciales contrapuestas.

Metodología
El estudio propone un marco integrado que combina el análisis de imágenes basado en aprendizaje profundo con Sistemas de Información Geográfica (SIG) semánticos para apoyar la planificación de espacios verdes sensibles al patrimonio. La metodología sigue un flujo de trabajo de cuatro etapas:

1. Adquisición y Preparación de Datos: Se recolectaron y georreferenciaron en un sistema de coordenadas unificado imágenes satelitales de alta resolución (Sentinel-2/Google Earth), mapas históricos, inventarios de patrimonio y datos ambientales (índices de vegetación, proxies térmicos).
2. Extracción de Características mediante Aprendizaje Profundo: Se entrenó un modelo de segmentación semántica basado en Redes Neuronales Convolucionales (CNN) (por ejemplo, U-Net o DeepLabV3+) para clasificar automáticamente el tejido urbano en cuatro categorías: estructuras patrimoniales, áreas edificadas, terrenos abiertos/baldíos y vegetación. El modelo fue validado utilizando métricas como Precisión, Recall e Intersección sobre Unión (IoU).
3. Modelado de SIG Semántico: Las características extraídas se integraron en un entorno de SIG semántico utilizando un enfoque basado en ontologías. Esta estructura definió clases jerárquicas y relaciones semánticas (por ejemplo, proximidad, zonas de amortiguamiento) entre activos patrimoniales, espacios verdes y redes de accesibilidad. Crucialmente, se generaron zonas de amortiguamiento alrededor de los monumentos protegidos para actuar como restricciones espaciales, evitando intervenciones en áreas de alta sensibilidad.
4. Análisis de Idoneidad Espacial: Se realizó un análisis de decisión multicriterio dentro del entorno SIG. Se utilizaron cuatro indicadores ponderados para generar un mapa de idoneidad para intervenciones verdes:
   • Sensibilidad Patrimonial (35% de peso): Distancia de los monumentos.
   • Disponibilidad de Tierra (25% de peso): Presencia de terrenos baldíos o subutilizados.
   • Necesidad Ambiental (25% de peso): Áreas con baja vegetación y alta exposición térmica.
   • Accesibilidad (15% de peso): Proximidad a rutas peatonales.

Aplicación del Caso de Estudio
El marco se aplicó al área que rodea la Mezquita y Khanqah de al-Nasir Faraj ibn Barquq en el Cementerio Desértico Mameluco, El Cairo. Este sitio presenta una densa arquitectura funeraria integrada en un tejido urbano en evolución con vegetación limitada y alta exposición solar.

Resultos Clave

• Desempeño de la Clasificación: El modelo de aprendizaje profundo logró una precisión de clasificación general con una Intersección sobre Unión (IoU) de aproximadamente 0.80. El desempeño específico por clase incluyó puntuaciones altas para áreas edificadas (IoU 0.84) y vegetación (IoU 0.82), mientras que las estructuras patrimoniales alcanzaron un IoU de 0.78.
• Análisis Espacial: El análisis identificó que la vegetación es escasa y fragmentada, mientras que porciones significativas del área de estudio consisten en terrenos baldíos o subutilizados.
• Mapeo de Idoneidad: El análisis multicriterio categorizó el área de estudio (84,000 m²) en tres clases de idoneidad:
  • Alta Idoneidad (22%): Principalmente parcelas baldías ubicadas fuera de los buffers de protección patrimonial, identificadas como óptimas para intervenciones verdes.
  • Idoneidad Moderada (39%): Zonas de transición que permiten intervenciones de pequeña escala o reversibles.
  • Baja Idoneidad (39%): Áreas dentro de o inmediatamente adyacentes a los buffers de patrimonio donde las intervenciones deben evitarse o ser altamente controladas.
• Intervenciones Propuestas: Basándose en el mapa de idoneidad, el estudio propuso estrategias sensibles al contexto, incluyendo corredores peatonales sombreados, jardines de bolsillo en parcelas baldías, franjas de plantación lineales y paisajismo de amortiguamiento, todos diseñados para respetar la integridad visual y espacial del sitio patrimonial.

Significancia y Contribuciones
El artículo sostiene que la contribución principal de este trabajo es el desarrollo de un enfoque metodológico unificado que cierra la brecha entre la extracción de características espaciales impulsada por IA y el modelado de SIG semántico. Al integrar estas tecnologías, el marco permite:

• Mapeo Automatizado y Consistente: Reduciendo el tiempo y el esfuerzo requeridos para el mapeo manual de tejidos urbanos históricos complejos, mejorando al mismo tiempo la consistencia de la clasificación.
• Razonamiento Semántico: Ir más allá del simple mapeo geográfico hacia un razonamiento espacial inteligente que comprende las relaciones entre los activos patrimoniales y las necesidades ambientales.
• Apoyo a la Toma de Decisiones Basada en Evidencia: Proporcionando una herramienta escalable y replicable para que los planificadores identifiquen oportunidades espaciales para la infraestructura verde que sean tanto ambientalmente responsables como culturalmente sensibles.

El estudio concluye que este enfoque integrado ofrece una vía práctica para que las ciudades históricas equilibren la preservación cultural con la sostenibilidad ambiental, alejándose de tratar la conservación y la planificación ambiental como dominios separados y conflictivos. Los autores señalan limitaciones respecto a la dependencia de la resolución de la imagen de entrada y la subjetividad de los criterios de ponderación, sugiriendo que trabajos futuros podrían incorporar datos de mayor resolución, información espacial 3D y métodos de planificación participativa.