La región del Maule en Chile ha experimentado transformaciones significativas en su cobertura y usode suelo durante las últimas décadas, impulsadas por la expansión agrícola, forestal y urbana. Esteestudio presenta una metodología basada en machine learning para la detección automática de cambiosde uso de suelo entre 2016 y 2023, utilizando Google Earth Engine como plataforma de procesamientoy Random Forest como algoritmo de clasificación supervisada. Se emplearon imágenes Sentinel-2 deambos períodos, aprovechando su resolución espacial de 10 metros y su disponibilidad gratuita. Lametodología desarrollada permite identificar patrones de cambio en la cobertura vegetal, particularmente en bosque nativo, plantaciones forestales, áreas agrícolas y zonas urbanas. Los resultadosvisuales obtenidos evidencian transformaciones espaciales significativas que requieren atención desdela planificación territorial. Este trabajo proporciona una herramienta replicable y escalable para elmonitoreo continuo del territorio, con implicaciones directas para la formulación de políticas públicas orientadas a la restauración del bosque nativo, la conservación de áreas de interés ecológico yla gestión sostenible del territorio regional. La integración de técnicas de inteligencia artificial conplataformas cloud computing representa una oportunidad para democratizar el acceso a informaciónterritorial actualizada y apoyar la toma de decisiones basada en evidencia.
© 2001-2026 Fundación Dialnet · Todos los derechos reservados