Integración de Teledetección Multisensor y Aprendizaje Automático para el Análisis de Dinámicas de Cambio en la Cobertura/uso de Suelo en Ciudades en Metropolización. El Caso de Valdivia, Chile (2016-2024)

• Quezada Mata, Gabriel ^[1] ; Maturana Miranda, Francisco ^[2] ; Morales Soto, Mauricio ^[4] ; Iribarren Anacona, Pablo ^[3]
  1. [1] Universidad Austral

     Universidad Austral

     Argentina

     
  2. [2] Universidad Austral de Chile

     Universidad Austral de Chile

     Valdivia, Chile

     
  3. [3] Instituto de Ciencias de la Tierra Jaume Almera

     Instituto de Ciencias de la Tierra Jaume Almera

     Barcelona, España

     
  4. [4] Departamento de Geografía y Ordenación del Territorio

  Mostrar afiliaciones +
• Localización: Cuadernos geográficos de la Universidad de Granada, ISSN-e 2340-0129, ISSN 0210-5462, Vol. 65, Nº 1, 2026, págs. 26-50
• Idioma: español
• Títulos paralelos:
  • Dynamique de changement d'occupation/d'utilisation du sol pour les villes en transition vers la métropolisation: Le cas de Valdivia, Chili (2016-2024)
  • Integration of Remote Sensing Multisensor and Machine Learning for the Analysis of Land Cover/Land Use Change Dynamics in Metropolitan Cities: The Case of Valdivia, Chile (2016-2024)
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El avance de la urbanización y la presión sobre áreas de alto valor ecológico exige contar con estudios que puedan dar cuenta de tales procesos. Este trabajo analiza los cambios espaciotemporales según la clasificación de Zonas Climáticas Locales (ZCL) en la comuna de Valdivia, Chile, durante el período 2016-2024, mediante la integración de datos satelitales multisensor y técnicas de aprendizaje automático. La metodología combina datos de Sentinel-1, Sentinel-2 y ALOS PALSAR, adaptando el sistema ZCL para incluir categorías específicas de humedales y diferenciar entre bosque nativo y plantaciones forestales. Utilizando el algoritmo Random Forest, se alcanzó una precisión global superior al 96 % en la clasificación. Los resultados revelan una expansión urbana significativa del 47 % en las zonas construidas, con una tasa de crecimiento anual del 6 %, acompañada de una notable densificación en áreas periurbanas y rurales. Se identificó una reconfiguración del paisaje forestal, con un aumento de 40,28 km² en bosque nativo y una disminución de 25,14 km² en plantaciones forestales. La vegetación de los humedales experimentó un incremento del 8 % en su superficie. Este trabajo contribuye a la comprensión de las dinámicas en el cambio de la cobertura/uso de suelo de una ciudad en transición a la metropolización y ciudad humedal como Valdivia, demostrando el potencial de las técnicas de teledetección y aprendizaje automático para el monitoreo de tales cambios.

  • English

    The advancement of urbanization and pressure on areas of high ecological value requires studies that can effectively monitor such processes. This study analyzes the spatiotemporal changes according to the Local Climate Zone (LCZ) classification in the commune of Valdivia, Chile, during the 2016-2024 period, through the integration of multi-sensor satellite data and machine learning techniques. The methodology combines Sentinel-1, Sentinel-2, and ALOS PALSAR data, adapting the LCZ system to include specific wetland categories and distinguishing between native forest and forest plantations. Using the Random Forest algorithm, an overall classification accuracy above 96 % was achieved. Results reveal significant urban expansion of 47 % in built-up areas, with an annual growth rate of 6 %, accompanied by notable densification in peri-urban and rural areas. A reconfiguration of the forest landscape was identified, showing an increase of 40.28 km² in native forest and a decrease of 25.14 km² in forest plantations. Wetland vegetation experienced an 8 % increase in surface area. This work contributes to understanding land use/land cover dynamics in Valdivia, a city transitioning towards metropolization and wetland city, and demonstrates the potential of remote sensing and machine learning techniques for monitoring such changes.

  • français

    L’avancée de l’urbanisation et la pression sur les zones à haute valeur écologique nécessitent des études capables de rendre compte de ces processus. Ce travail analyse les changements spatiotemporels dans la distribution d'une variante de zones climatiques locales (LCZ) dans la commune de Valdivia, au Chili, au cours de la période 2016-2024, grâce à l'intégration de données satellitaires multi-capteurs et de techniques d'apprentissage automatique. La méthodologie combine les données de Sentinel-1, Sentinel-2 et ALOS PALSAR, en adaptant le système ZCL pour inclure des catégories spécifiques de zones humides et différencier les forêts indigènes et les plantations forestières. En utilisant l’algorithme Random Forest, une précision globale de plus de 96 % a été obtenue dans la classification. Les résultats révèlent une expansion urbaine importante de 47% en zone bâtie, avec un taux de croissance annuel de 6%, accompagnée d’une densification notable en zones périurbaines et rurales. Une reconfiguration du paysage forestier a été identifiée, avec une augmentation de 40,28 km² de forêt indigène et une diminution de 25,14 km² de plantations forestières. La végétation des zones humides a connu une augmentation de 8 % de sa superficie. Ce travail contribue à la compréhension de la dynamique de changement d'occupation/utilisation du sol dans une ville en transition vers la métropolisation et une ville humide comme Valdivia, démontrant le potentiel des techniques de télédétection et d'apprentissage automatique pour surveiller ces changements.