Científicos crean un mapa con todos los edificios existentes en el mundo: 2.750 millones

Desde el último rascacielos de una megalópolis china hasta un yurt de 1,80 metros de altura en la Mongolia interior, un equipo de la Universidad Técnica de Múnich afirma haber cartografiado todos los edificios del planeta por primera vez: 2.750 millones de modelos en 3D de alta resolución, con un nivel de detalle nunca visto. Tras seis años de análisis de imágenes de satélite procesadas con algoritmos de aprendizaje automático, este modelo se convierte en la clave para la investigación científica y la respuesta a desastres a todas las escalas.

La investigadora principal, la profesora Xiaoxiang Zhu, responsable de la Cátedra de Ciencia de Datos en Observación de la Tierra en la TUM, sostiene que el salto cualitativo está en dejar atrás el mapa plano de “dónde hay edificios” para pasar a una descripción tridimensional del espacio real que ocupan las personas. “La información 3D de edificios ofrece una imagen mucho más precisa de la urbanización y la pobreza que los mapas 2D tradicionales”, explica, porque con modelos 3D “vemos no solo la huella sino también el volumen de cada edificio”, y su equipo introduce un nuevo indicador global —el “volumen edificatorio per cápita” le llaman: la masa construida total en relación con la población— como una forma de desvelar desigualdades en vivienda e infraestructuras que un simple plano cenital oculta.​

TE PUEDE INTERESAR

Cómo la IA está diseñando nuevos motores para acortar drásticamente los viajes espaciales

Marcos Fernández Tous Preeti Nair Sai Susmitha Guddanti Sreejith Vidhyadharan Nair

Cómo lo han hecho

El corazón del trabajo es el GlobalBuildingAtlas, un conjunto de datos abierto que describe edificios individuales en todo el planeta tanto como huellas 2D como en forma de objetos 3D sencillos. En total, incluye 2,75 mil millones de polígonos de edificios que cubren todas las estructuras captadas en las imágenes de satélite de 2019, superando en más de mil millones al mejor inventario global anterior, y para aproximadamente el 97% de ellos (2,68 mil millones) ofrece modelos LoD1: bloques tridimensionales simplificados que recogen la forma base y la altura de cada construcción, algo así como transformar un plano en una maqueta de 'caja de zapatos' perfectamente medible.​

Para construir el atlas, los investigadores partieron de las imágenes PlanetScope Surface Reflectance, una corriente global de observaciones tomadas por una constelación comercial de satélites capaces de revisar casi a diario el mismo punto de la Tierra con unos tres metros por píxel. Cada imagen incluye cuatro bandas espectrales —tres en el visible y una en el infrarrojo cercano— y está ortorrectificada y corregida atmosféricamente, de forma que cada píxel se alinea con precisión con el terreno real y refleja las propiedades de la superficie, no de la atmósfera. Dividieron el planeta en pequeñas teselas geográficas, seleccionaron las que contenían áreas construidas usando un producto previo llamado Global Urban Footprint, descargaron unas 800.000 escenas mayoritariamente libres de nubes de 2019 (reforzadas con imágenes de 2018 donde fue necesario) y las fusionaron en un gran mosaico global escogiendo píxel a píxel los datos más limpios.​

Detectar edificios en ese mosaico exigió enseñar a una red neuronal a reconocer estructuras humanas vistas desde el espacio. El equipo creó un conjunto de entrenamiento recortando el mosaico en parches y emparejando cada parche con polígonos de edificios procedentes de OpenStreetMap y de un conjunto de datos anotado en China, rasterizando esas huellas para que coincidieran con la rejilla de tres metros de PlanetScope. Una red profunda de tipo codificador–decodificador aprendió a generar una “máscara de edificios”, una imagen en blanco y negro donde el blanco señala construcciones, y como esa máscara tendía a fusionar edificios contiguos, entrenaron una segunda red de regularización para limpiarla y separar volúmenes antes de convertirla en polígonos vectoriales mediante algoritmos de contorneado y simplificación y filtrarla con un mapa global de cobertura del suelo (World Cover) que elimina falsos positivos sobre agua, nieve, nubes o vegetación densa.​

La tercera dimensión llega con la altura. Como referencia precisa, el equipo recopiló datos LiDAR aerotransportados —mediciones láser de la elevación de la superficie— de varios países desarrollados, los transformó en modelos digitales de superficie normalizados (nDSM), donde cada celda indica cuántos metros se eleva un objeto sobre el suelo, y usó esos mapas como “verdad terreno” para entrenar una red neuronal capaz de inferir la altura a partir de una sola imagen óptica. En operación, este modelo de estimación monocular recorre el mosaico PlanetScope con ventanas solapadas, predice una altura para cada píxel a tres metros de resolución y calcula su propia incertidumbre realizando varias predicciones ligeramente distintas por punto y midiendo cuánto varían entre sí.​

El último paso consiste en fusionar esas dos piezas —huellas 2D y rejilla de alturas— en un modelo coherente para cada edificio del planeta. Dado que ninguna fuente de huellas es completa ni uniforme, los autores diseñan un proceso de “fusión guiada por calidad” que opera dentro de cada región administrativa, eligiendo como capa primaria la mejor fuente disponible (normalmente OpenStreetMap, o el conjunto Open Buildings de Google en zonas de África y Sudamérica) y evaluando alternativas como las huellas de Microsoft, un conjunto regional de Asia Oriental llamado CLSM y sus propios polígonos generados automáticamente para identificar la fuente que mejor las complementa. En cada región conservan todos los edificios de la fuente principal, añaden los de la secundaria donde no se solapan y asignan a cada edificio una altura tomando el valor máximo de la rejilla de alturas dentro de su huella, junto con la incertidumbre correspondiente, lo que da lugar al modelo global LoD1.​

Radiografía de la civilización

El atlas resultante traza una radiografía numérica del mundo construido. A escala global, los 2,75 mil millones de edificios ocupan unos 506.640 millones de metros cuadrados de suelo y suman aproximadamente 2,85 billones de metros cúbicos de volumen, y al comparar estas cifras con una estimación previa de Naciones Unidas de unos 4.000 millones de edificios, los autores concluyen que esa cifra anterior probablemente sobreestima la realidad. Asia concentra alrededor de 1,22 mil millones de edificios y el mayor volumen total, África ronda los 540 millones de edificios pero con mucha menos superficie y volumen construidos —lo que apunta a un predominio de estructuras pequeñas y de una sola planta—, Europa y Norteamérica tienen menos edificios que África pero más volumen medio por edificio, y Sudamérica destaca por presentar los mayores errores en la estimación de altura y volumen, algo que el equipo vincula a la mezcla de asentamientos informales y desarrollos en altura difíciles de modelar.​

Para Zhu y sus colegas, la consecuencia más importante es conceptual: ir más allá del indicador actual de la ONU para el Objetivo de Desarrollo Sostenible 11, basado en la superficie urbanizada frente al crecimiento de la población, y tratar las ciudades como objetos tridimensionales reales. Sostienen que un asentamiento informal denso y un barrio bien planificado de bloques de varias plantas pueden parecer similares en un indicador basado solo en área, pese a ofrecer condiciones de vida e infraestructuras radicalmente distintas, y que incorporar la altura y el volumen revela desigualdades que los indicadores 2D suavizan. Ese nuevo “volumen edificatorio per cápita” convierte el GlobalBuildingAtlas en una lente para detectar dónde la vivienda y los servicios públicos se quedan cortos respecto a la población, y los datos abiertos ya están atrayendo interés: el Centro Aeroespacial Alemán estudia emplearlos en el marco de la “International Charter: Space and Major Disasters”, y los autores destacan su utilidad para modelar la demanda energética y emisiones de CO₂, planificar viviendas, colegios o centros de salud y diseñar infraestructuras verdes resistentes al calor y a las inundaciones en las ciudades del futuro.​