Predicción espacial de la capacidad ecosistémica urbana a partir de datos de teledetección y aprendizaje automático

Resumen

La capacidad de los ecosistemas urbanos para proporcionar servicios esenciales es clave para la sostenibilidad y resiliencia de las ciudades. Este estudio propone un enfoque basado en teledetección y modelización computacional para estimar espacialmente el índice de capacidad ecosistémica urbana en Madrid, integrando la condición ecosistémica y cuatro servicios urbanos: suministro de energía solar, refrigeración urbana, retención de aguas pluviales y acceso a la naturaleza. Se utilizaron principalmente variables derivadas de datos satelitales como predictores y el modelo CatBoost Regressor para estimar el índice con conjuntos de entrenamiento y validación (80/20). Los resultados mostraron alta concordancia entre valores predichos y reales (MAE = 0,0545, RMSE = 0,0852, R² = 0,8716), indicando que gran parte de la variabilidad espacial puede explicarse mediante datos de teledetección. La metodología es replicable y escalable, útil para apoyar la planificación urbana y la gestión de servicios ecosistémicos, y futuros desarrollos con datos hiperespectrales, LiDAR y aprendizaje profundo permitirán generar escenarios más realistas y robustos para la planificación sostenible. En conjunto, la integración de teledetección y modelización computacional ofrece un marco sólido para evaluar y anticipar la capacidad ecosistémica urbana, apoyando la toma de decisiones en ciudades resilientes y sostenibles.