Detección y caracterización de nuevos Asentamientos a través de imágenes satelitales

In this article:
Detección y caracterización de nuevos asentamientos

Según cifras oficiales, a Colombia han ingresado alrededor de 1.8 millones de refugiados y migrantes provenientes de Venezuela. Muchas de estas personas al no contar con recursos económicos suficientes, o con el apoyo de familiares, de instituciones del estado u organizaciones de asistencia humanitaria, se instalan en diferentes áreas, generalmente en zonas no aptas para el desarrollo urbano. Así, se han formado asentamientos surgidos fuera de mecanismos establecidos.  Se trata de asentamientos precarios, de aquellos lugares conformados por viviendas y servicios inadecuados, no reconocidos y no incorporados a la ciudad, lo cual hace que muchas veces las entidades del estado no los consideren dentro de sus planes de ayuda, a pesar de tener altas carencias en los servicios mínimos de salud, alimentación, agua y saneamiento, entre otros.

La población migrante y refugiada se ha concentrado en su mayoría en terrenos cercanos a la periferia urbana y algunos en áreas rurales haciendo casi imposible conocer con exactitud las características de la población y sus necesidades, debido al difícil acceso de estos lugares, la falta de algún control migratorio y la gran dispersión de estos asentamientos por todo el país. 

Actualmente los organismos humanitarios, encargados de prestar asistencia humanitaria a estas poblaciones encuentran la ubicación de estos asentamientos por medio del “voz a voz” en espacios de coordinación o realizando una exploración en terreno cubriendo grandes distancias, pero sin ninguna metodología que permita encontrar los sitios exactos de estos lugares, de una manera rápida, accesible y confiable. Realizar este proceso de manera tradicional no solo es costoso en términos económicos, sino que no permitiría tener la información actualizada y sistematizada en un tiempo prudencial que permita dar respuesta de manera oportuna.

Es por esto que iMMAP Colombia utilizando innovación y nuevas tecnologías en manejo de información ha decidido emplear un modelo de inteligencia artificial (AI) para detectar y caracterizar estos asentamientos, con el objetivo de poner a disposición información de alta calidad para que las organizaciones humanitarias puedan centrar sus esfuerzos en las áreas con mayores necesidades donde se encuentra la población migrante y refugiada proveniente de Venezuela.

Proceso de Detección

El proceso de detección comienza con la generación de un modelo de machine learning suministrado por la empresa Thinking Machines, el cuál emplea imágenes satelitales de baja resolución Sentinel-2 para generar un mapa de probabilidad de la ubicación de nuevos asentamientos. Con este mapa se realiza una verificación en Google Earth Pro para determinar la aparición de asentamientos durante el periodo de tiempo 2015 a 2020, periodo durante el cual Colombia recibió el mayor número de población proveniente de Venezuela.

Para complementar la verificación remota, se realiza una validación en terreno con la cual se puede determinar la presencia de un asentamiento y si se encuentra habitado. Esto se debe a que es posible que el modelo detecte un asentamiento que ya no existe o no fue verificado de manera remota debido a la falta de imágenes satelitales actualizadas en Google Earth en algunos municipios. En estos casos las validaciones en terreno no solamente nos permiten confirmar la existencia o no de un asentamiento, también nos brinda información adicional por medio de la aplicación Premise, una plataforma de crowdsourcing móvil, que permite realizar encuestas para caracterizar las condiciones actuales de estos lugares.

Teniendo en cuenta la extensión del territorio colombiano y la diversidad de las características físicas que pueden tener los asentamientos dependiendo de la región (ver imagen 1), se hizo una priorización municipal usando como referencia el documento Radiografía: Venezolanos en Colombia a corte de 31 de marzo donde se estima el número de personas provenientes de Venezuela por departamento y municipio. Con esta priorización se generaron muestras o ejemplos positivos con características físicas específicas de cada región, las cuales permitían tener un modelo de IA más robusto y preciso.

Este modelo se ha ejecutado en 83 municipios, y se ha realizado una verificación remota en 53 municipios donde se han detectado un total de 360 asentamientos.

De este número, 87 se encuentran ubicados en el departamento de La Guajira que corresponde al 24% del total de asentamientos. Este departamento es seguido por Antioquia con 43 (12%) asentamientos, Arauca 34 (9,4%), y Norte de Santander con 31 (8,6%). A nivel municipal Maicao cuenta con un mayor número de asentamientos nuevos (36), seguido por Riohacha (19), Uribia (19) y Bogotá (17).

Caracterización de Asentamientos Nuevos

La segunda parte de este ejercicio consiste en el diagnóstico o caracterización de los asentamientos detectados con el modelo de AI, a través de la recolección de datos en campo por medio de encuestas de validación y monitoreo que permitan confirmar la existencia de los asentamientos, provean una descripción física del entorno y las necesidades insatisfechas de estos lugares.

Esta información será compartida con las organizaciones encargadas de la respuesta humanitaria, que puedan desconocer los sitios más vulnerables, las características y necesidades de las poblaciones que se encuentran en estos asentamientos, logrando así que la entrega de ayudas se realice de una manera más precisa, identificando la población con mayor riesgo y evaluando los cambios en el tiempo de la misma, pero de manera más flexible y dinámica.

Las encuestas se hacen a través de teléfonos móviles,  con agentes en campo que vivan cerca del asentamiento evaluado o que habiten en él, aplicando un formulario dirigido con preguntas sencillas y cortas, caracterizadas principalmente por combinar la percepción del encuestador sobre el sitio con fotografías que toma del lugar; a esta modelo de encuesta se denomina Tier 3, y es realizado por la firma PREMISE que tiene más de 20 mil agentes en el país, los cuales son contactados por redes sociales y reciben un pago por tarea realizada.

En resumen, se genera información fidedigna de la ubicación de población migrante venezolana en condición de vulnerabilidad en Colombia en rangos de tiempo más pequeños para focalizar y dirigir los recursos y ayudas de mejor forma, y flexibilizar la información en terreno.

Principales Resultados

Entre los hallazgos encontrados hasta ahora en los 117 asentamientos que han sido validados se observa, por ejemplo, para el departamento de Norte de Santander, la mayoría de los asentamientos tienen población mixta, es decir, colombianos y residentes de otro país. Por lo que algunos de los asentamientos tienen una mayoría de población colombiana mientras otros, más del 9%, tienen más habitantes de otro país (probablemente migrantes y refugiados venezolanos). El resto de los asentamientos, más del 81%, tienen una mezcla de colombianos y extranjeros. Además, más del 62% de los asentamientos en el Norte de Santander tienen un tiempo de conformación entre 3 y 5 años, que corresponde al periodo de la crisis migratoria venezolana. Por último, la gran mayoría están ubicados en zonas urbanas.

El 45.4% de los asentamientos no tienen acueducto, es decir, que no reportan tener un conducto de transporte de agua, que garantice el abastecimiento de su población. Adicionalmente, la totalidad de los asentamientos presentes en Norte de Santander no reportan tener tubos de aguas negras y por ende carencia de un sistema de drenaje o alcantarillado.

En el caso de Salud, el 63.7% de los asentamientos reportan quedar a una distancia del centro de salud más cercano de más de 30 minutos por automóvil. Para el caso de Seguridad Alimentaria y Nutricional (SAN) la cantidad de supermercados, tiendas o lugares de abastecimiento es escasa.

Código abierto:

El código empleado para detectar asentamientos es de uso abierto (open source) y permite que sea ejecutado cada tres o seis meses, razón por la cual iMMAP repetirá este ejercicio en otras zonas del país, donde muy probablemente se encuentren asentamientos nuevos, se tiene planeado continuar con los departamentos de Nariño, Cauca, Putumayo, Caquetá, entre otros. Adicionalmente se realizará la validación remota de los 30 municipios restantes de los departamentos donde ya se ha ejecutado el modelo, manteniendo esta información actualizada de manera periódica

Así mismo, se están empleando imágenes de alta resolución para determinar un número aproximado de viviendas por asentamientos, a partir de un conteo de techos precisando que es posible que se trate de algún otro tipo de edificación o se encuentre un espacio vacío.  Con esta aproximación de viviendas, es posible hacer una estimación de la población que se ubica dentro de estas áreas, teniendo en cuenta distintas fuentes de información, como la población de GEIH módulo de migraciones, Censo Nacional de Población y Vivienda de 2018 y valoración de datos de encuestas realizadas por las distintas organizaciones internacionales en los mismos municipios.

A la fecha se ha compartido los resultados de esta actividad con gobiernos locales, agencias y organizaciones como OIM, ACNUR, Save the Children, la Cruz Roja Colombiana, Alcaldía de Cúcuta, Acción contra el Hambre, CICR, NRC, Mercy Corps, MSF, entre otros. En las próximas semanas se estará compartiendo los resultados tanto de la detección como de la caracterización con más organizaciones y entidades de gobiernos locales para poder seguir trabajando de manera conjunta por las necesidades de la población refugiada y migrante proveniente de Venezuela.

Si usted o su organización está interesada en tener más información sobre la detección de asentamientos nuevos favor contactar a: contacto@immap.org

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on whatsapp
WhatsApp

Share this post

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on whatsapp
WhatsApp

Recent articles

Featured articles