Los avances en las imágenes por satélite han transformado la forma en que los gobiernos y las organizaciones se informan sobre los cambios sobre el terreno. La capacidad de los datos satelitales para proporcionar actualizaciones puntuales de los mapas ha sustituido la carga de utilizar equipos sobre el terreno para cartografiar lugares ajenos a las actividades habituales. Esto incluye nuevos asentamientos de poblaciones migrantes, daños causados por guerras o catástrofes naturales, así como la identificación de pequeñas aldeas en lugares remotos.
A pesar del importante cambio, las imágenes por satélite tienen un inconveniente clave: los detalles de las realidades sobre el terreno que facilitan la acción (por ejemplo, la evaluación detallada de las infraestructuras, la orientación, etc.). La plataforma Premise y su red de colaboradores mundiales ofrecen un complemento ideal a los datos de satélite con una perspectiva humana.
Este blog proporciona dos ejemplos del trabajo de Premise para apoyar la identificación de asentamientos en dos escenarios distintos, uno en Colombia y el otro en Nigeria. Estos ejemplos ponen de relieve la naturaleza diversa de cómo Premise apoya los datos de imágenes de satélite.
Hacer frente a la crisis humanitaria en Colombia, asentamiento por asentamiento
Venezuela se encuentra actualmente en medio de una crisis humanitaria alimentada por la persistente agitación social, política y económica. Como resultado, aproximadamente cinco millones de refugiados han huido del país, lo que ha desencadenado el mayor desplazamiento externo en la historia moderna de América Latina y ha tenido efectos dominó en toda la región. Desde 2014, casi dos millones de venezolanos han emigrado a Colombia en busca de mejores oportunidades.
Una vez cruzada la frontera, los emigrantes venezolanos siguen enfrentándose a enormes retos. En los últimos años han proliferado los asentamientos informales en todo el país para hacer frente a la afluencia de personas. Sin embargo, las organizaciones de ayuda humanitaria han tenido dificultades para identificar estos asentamientos y prestar la ayuda necesaria. Las condiciones de rápida construcción de asentamientos crean situaciones de "pobreza extrema, malas condiciones de vida, desempleo, inseguridad alimentaria y problemas de salud"(Thinking Machines). Se necesita desesperadamente una forma más rápida y eficaz de detectar dónde existen estos lugares para distribuir los recursos esenciales a las poblaciones vulnerables.
Premise se ha asociado con iMMAP, una organización internacional sin ánimo de lucro que presta servicios de gestión de la información a organizaciones humanitarias y de desarrollo, para identificar y validar estos asentamientos informales combinando la detección de imágenes por satélite y las capacidades de recogida de datos sobre el terreno de la red de colaboradores de Premise en Colombia.
Gracias a la colaboración con la consultora de datos Thinking Machines, iMMAP pudo utilizar imágenes por satélite para comparar un mismo lugar en dos momentos del tiempo y deducir si allí se había desarrollado recientemente un asentamiento. Estas ubicaciones se convirtieron en tareas basadas en la localización para que los colaboradores de Premise validaran y registraran las observaciones.
Premise guió a su red de ciudadanos que aportan datos a través de un detallado proceso de seguimiento observacional, utilizando indicadores indirectos para informar sobre WASH (agua y saneamiento), seguridad alimentaria, condiciones de vida y acceso a la atención sanitaria. Premise agrega los datos en cuadros de mando para que iMMAP pueda visualizar la información y ayudar a los responsables de la respuesta a dirigir la ayuda eficazmente a las comunidades vulnerables mediante la coordinación sectorial.
Se identificaron más de 350 lugares como asentamientos informales en 68 municipios de Colombia, con una precisión del 90%. El 10% restante eran otros nuevos desarrollos como cementerios, escuelas o urbanizaciones más formales.
La combinación de la detección de imágenes por satélite con la recopilación de datos generados por los ciudadanos ha permitido a iMMAP no sólo conocer mejor la ubicación de estas poblaciones desplazadas, sino también la realidad de las necesidades básicas y los servicios sobre el terreno. Los registros de localización GPS y las pruebas fotográficas proporcionadas a través de la plataforma Premise pueden ayudarles aún más en la toma de decisiones para un despliegue eficaz de los recursos. Esto tiene un impacto increíble en las zonas más remotas y rurales de Colombia, que a menudo son las más difíciles de alcanzar.
Premise tiene previsto seguir supervisando estos lugares cada dos meses para dilucidar las necesidades y hacer un seguimiento de los cambios a lo largo del tiempo.
Recopilación de datos fundamentales para apoyar la prestación de servicios sanitarios en Nigeria
El vasto y dinámico paisaje de Nigeria incluye numerosas comunidades que quedan fuera del ámbito del registro cartográfico oficial. El carácter rural de estos asentamientos, es decir, aldeas o caseríos, dificulta el acceso a las comunidades para prestar servicios sanitarios, educativos y de otro tipo.
El uso de imágenes por satélite combinado con los conocimientos técnicos de GRID3 ha supuesto una mejora significativa en la cartografía de los asentamientos. En el pasado, las listas incompletas y estáticas de asentamientos recopiladas por diversos actores eran los únicos recursos que los equipos sobre el terreno podían utilizar para llegar a estas poblaciones.
En la actualidad, GRID3 puede producir capas cartográficas mucho más completas y precisas. Sin embargo, un reto clave identificado por GRID3 son las "experiencias sobre el terreno de los lugares" que podrían identificar topónimos y conciliar datos contradictorios.
La compleja planificación de las intervenciones sanitarias utilizada por el Ministerio de Sanidad nigeriano se basa en los datos de localización de estos asentamientos para asignar recursos y personal a la prestación de servicios, como las vacunas contra la poliomielitis o, presumiblemente, las vacunas COVID-19 en el futuro. Para que el personal de campo pueda llegar a estas comunidades, los nombres de las localidades son fundamentales para ayudar a los equipos de campo a localizar los asentamientos.
Debido a la variación en los nombres de asentamiento o alternativos, Premise recopila múltiples envíos. El equipo de ciencia de datos de Premise está desarrollando una herramienta para gestionar la cantidad de datos con el fin de obtener de forma fiable nombres primarios y alternativos para cada ubicación para facilitar su uso por parte de los socios, otra limitación clave para el uso eficaz de los datos de los satélites de energía.
En coordinación con GRID3, Premise Data está aprovechando su red de colaboradores de datos para ayudar a complementar el conjunto de datos mediante el aprendizaje de los nombres de asentamientos desconocidos. El proyecto piloto inicial demostró que Premise aprendía de forma fiable el nombre de los asentamientos, lo que se validó comparando los nombres aprendidos con los registros existentes y a través de múltiples envíos de datos. Premise también fue capaz de añadir nombres alternativos a los asentamientos.
Premise colabora ahora con GRID3 para extender esta labor a toda Nigeria, con la esperanza de ampliarla a escala mundial en los próximos meses.
Conclusión
Premise complementa varios tipos de conjuntos de datos de localización colmando lagunas o respondiendo a preguntas adicionales mediante la validación sobre el terreno. Además de los dos estudios de casos descritos anteriormente, Premise tiene experiencia reciente en el apoyo a imágenes por satélite, como se indica a continuación.
El año pasado, los datos de Premise contribuyeron al desarrollo de una herramienta de inteligencia artificial que pronostica con precisión el rendimiento de diversos cultivos. Se utilizaron imágenes de satélite regionales para localizar campos específicos, y los colaboradores de Premise localizaron, fotografiaron y marcaron observaciones de cultivos en esas zonas. Los datos se utilizaron para entrenar a la IA en la identificación de cultivos y patrones de crecimiento a la hora de estimar rendimientos futuros. Más información
Gracias a la diversa red de colaboradores de Premise, tenemos un acceso único a las personas que viven en medio de un conflicto. Gracias a este acceso, Premise puede ayudar a las organizaciones de ayuda humanitaria a conocer mejor las necesidades particulares de estas comunidades afectadas. Allí donde las fronteras o el peligro impiden viajar, los colaboradores de Premise en sus propias comunidades proporcionan datos críticos sobre edificios dañados, puentes, así como sobre el progreso de la reconstrucción.
Junto con valiosos socios como GRID3 e iMMAP, entre muchos otros, Premise está ayudando a comprender mejor el panorama en el que trabajan las organizaciones y las empresas. Este apoyo es valioso tanto en el contenido, como en la eficiencia con la que se recopilan los datos, para tomar decisiones y producir mejores resultados.
¿Le interesa saber más sobre cómo Premise puede ayudar a su organización? Envíenos un correo electrónico a [email protected].