top of page
top

Con IA detectan microbasurales para prevenir problemas ambientales

A partir de un convenio con una ONG, el Gobierno de la ciudad de Mendoza está usando imágenes satelitales e inteligencia artificial para monitorear la gestión de residuos urbanos, detener la proliferación de microbasurales y prevenir que se consoliden.

Por Gabriela Cerioli


RedAcción, 15 de abril de 2024.- El manejo de los basurales y microbasurales a cielo abierto es un desafío de gestión para los Gobiernos de América Latina, región en donde, de acuerdo a la Organización de las Naciones Unidas (ONU), cada persona produce diariamente un kilogramo de residuos.


Por un lado, es una problemática que afecta a la población vulnerable que habita en terrenos cercanos o en el interior de los basurales de las ciudades. Por el otro, la contaminación se extiende a las napas y los cursos de agua. En el caso de la ciudad de Mendoza, dado que el terreno en desnivel facilita la decantación por las pendientes, los basurales generan problemas ambientales serios.


"El piedemonte —el lugar donde nace una montaña— es una zona utilizada como vertedero por habitantes y empresas aledañas, lo que genera problemas ambientales como enfermedades transmitidas por vectores, contaminación de cursos de agua y suelo, entre otros inconvenientes", indican desde la Secretaría de Ambiente y Desarrollo Urbano de la ciudad de Mendoza. "El manejo de los basurales a cielo abierto es un enorme desafío de gestión para Gobiernos nacionales, provinciales y locales. No solo por cuestiones de contaminación y cambio climático, sino también porque se trata de una problemática que afecta, en forma desmedida, a la población vulnerable", resalta el secretario de Ambiente mendocino, el ambientalista Sebastián Fermani.


En 2021, cuando Fermani aún era subsecretario del área, el municipio de Mendoza se propuso aplicar la ciencia de datos y la inteligencia artificial (IA) para identificar y monitorear a bajo costo y con alta frecuencia el crecimiento de microbasurales y detectar la composición de la basura, calcular el volumen por tipo de material y el potencial valor económico de la recuperación de esos materiales. Para ello, firmó un convenio con la Fundación Bunge y Born mediante el cual crearon el proyecto "Inteligencia artificial aplicada al monitoreo de microbasurales en la Ciudad de Mendoza".


"A partir de este acuerdo, la fundación desarrolló una herramienta digital que usa imágenes aéreas/satelitales y las reconoce gracias a un algoritmo de IA", informan desde el organismo. "Utilizamos imágenes tomadas por drones de muy alta resolución, que permiten detectar los basurales más pequeños", explica el consultor en ciencia de datos urbana Antonio Vázquez Brust, miembro académico de la fundación, que participó de la alianza como donante del programa de IA.

Un componente esencial en el desarrollo de este proyecto fueron los trabajadores con conocimientos básicos en sistemas de información geográfica, detalla Vázquez Brust. "La herramienta aplica un algoritmo de redes neuronales especializado en reconocimiento de basurales en imágenes, que la fundación había desarrollado y puesto a disposición del público en un proyecto anterior", agrega.


Aquella versión del algoritmo había sido probada detectando megabasurales del AMBA, que son visibles en imágenes satelitales de acceso público. "En contraste, una necesidad clave del proyecto en Mendoza fue la capacidad de detectar vertederos de pequeña escala", señala el investigador, cuyo área de interés es la aplicación del análisis computacional a gran escala para la mejora de las políticas públicas.

La herramienta se testeó monitoreando un sitio específico, donde era prioritaria la intervención: los alrededores de La Favorita, un conjunto de 35 barrios donde viven más de 25.000 personas. "Allí se había observado un crecimiento alarmante de basurales acumulados por habitantes y empresas de la zona", indica Vázquez.


"Solo en los alrededores de La Favorita, el algoritmo de detección identificó 1.573 áreas cubiertas de basura, en espacios que van desde pocos centímetros a más de 1.600 m2. A partir de estas pilas de basuras, la cantidad de microbasurales variaba según cómo decidíamos agruparlas (por ejemplo, si estaban a menos de X metros entre sí, correspondían a un mismo basural), aunque vale aclarar que es un número imposible de determinar de forma inequívoca", explica el académico.


Tras obtener un mapa completo de los basurales de la zona, la entonces subsecretaría pudo usar la información para determinar los puntos afectados y coordinar esfuerzos con los residentes del barrio y los referentes de los vecinos afectados por los malos olores, la contaminación o el humo de neumáticos encendidos para limpiar los basurales.

Entrenar la IA


Se utilizó el software QGIS para dibujar los polígonos que demarcan los contornos de cada basural, y así, se produjo la cartografía georeferenciada. "El proceso es iterativo, revisitando múltiples veces la digitalización de basurales visibles en la imagen aérea para refinar cada vez más la precisión y completitud de los polígonos trazados", apunta Vázquez Brust.


"Para el desarrollo del proyecto, el municipio no adquirió tecnología —aclaran desde la secretaría—. En primera instancia se utilizaron imágenes de vuelos de dron con las que ya contaba la administración". 


A partir de ello, se trabajó en el entrenamiento del algoritmo de identificación de microbasurales. El primer ciclo tuvo como objetivo evaluar el desempeño de la tecnología en base a una sola categoría de detección: "Basural".


Luego, se realizaron múltiples iteraciones, variando parámetros para encontrar la configuración del algoritmo de clasificación que produce predicciones más precisas.


El resultado fue un algoritmo capaz de identificar la totalidad de los sitios donde la imagen aérea muestra una acumulación de basura mayor a 1 m2.


La última etapa tuvo como objetivo lograr que la tecnología pudiera clasificar distintos tipos de microbasurales de acuerdo al material que predominaba en su composición, lo que implicó múltiples categorías posibles.


Para este nuevo análisis se tomó la tipología de microbasurales definida a partir de la consulta a los especialistas de la Subsecretaría de Ambiente y de la visualización en detalle de la imagen aérea: plástico, ramas, madera, ladrillos, piedras y mixto (este último en el caso de que la acumulación sea indistinguible).


Tomando la superficie cubierta según su material predominante, se observó que el más frecuente eran las ramas, seguido por el plástico, lo cual supone una predominancia de basurales temporales con contenido orgánico, frente a las acumulaciones permanentes en las cuales predominan materiales inorgánicos (en primer lugar, escombros, luego maderas, ladrillos y chapas). 

Diseño de políticas ambientales más eficientes


La implementación de esta herramienta digital significó una contribución en la definición de maneras más eficaces de erradicación y gestión de residuos de acuerdo a su composición y volumen y / o cantidad.


Con todos los técnicos de la secretaría, en ese 2022 se desarrolló el plan de gestión, que contó con varias etapas, procedimientos y un mapa de acción. Así, se procedió a una inspección en terreno, y se sanearon los microbasurales detectados.


La misma metodología se aplica en la actualidad: el mapa se actualiza día a día para detectar y eliminar los microbasurales encontrados. "A la par que se crean pequeños acopios, se van saneando", señala Silvina López, coordinadora de la secretaría. Incluso, "en un impasse en que el dron del municipio se rompió y comprar las imágenes satelitales resultaba muy caro, trazamos una nueva estrategia: la fundación desarrolló una nueva versión de la herramienta que, con menor fidelidad, podía seguir identificando microbasurales y capacitó a cinco personas del municipio para que pudieran operar la nueva herramienta que utiliza fotos de Google", agrega.


"Las imágenes pueden renovarse con la frecuencia que se desee, en este caso los límites no los pone la tecnología, sino el ritmo con el que las organizaciones pueden actuar", agrega el investigador de la fundación.


Además del control, monitoreo y seguimiento de estos espacios en la ciudad, el municipio también pudo acceder a una aproximación presupuestal de esa basura y tener precisión para la definición de acciones y políticas públicas afines al tema.


Fermani expresa que el nivel de detalle de este monitoreo facilitó la toma de decisiones basadas en evidencia en los sitios con mayor concentración de vertederos de la ciudad.


El Gobierno de la ciudad de Mendoza difundió la herramienta: se hizo un encuentro con la comunidad académica y científica para tratar los desafíos urbanos, se invitó a todos los municipios del Gran Mendoza y se expusieron los resultados. Luego se armó junto a la fundación una campaña de difusión para capacitaciones gratuitas a los municipios. "Incluso se está evaluando usar la herramienta para otras problemáticas del municipio", señala López.


Por último, este proyecto contribuyó a la tarea de la comunidad académica y a entidades dedicadas al data for good ("datos por el bien común") con algoritmos, código de implementación y documentación para replicar la solución en otros contextos y países. El código de programación que permitió lograr estos resultados está disponible para el público para su descarga y uso.


Hasta el momento no hubo en la provincia de Mendoza otros convenios similares al que hicieron la fundación y la ciudad de Mendoza, pues además de las imágenes, las localidades deben contar con disponibilidad de equipo técnico.


Sin embargo, desde la fundación aclaran: "En 2023 diseñamos un curso de cuatro clases para enseñar a aplicar el método, con manuales, ejercicios y un caso de ejemplo paso a paso, y lo dictamos online de forma gratuita. Si bien estaba destinado a personal municipal, tuvimos unos 300 participantes ¡de 18 países!".


"Es muy posible que esta tecnología se esté aplicando, pero ya fuera de nuestra supervisión por haber transferido el know-how al sector público, lo cual fue el objetivo del proyecto", concluye Vázquez Brust.

Comments


bottom of page