Land Use Identification through Social Network Interaction

• Autores: Aranibar Tila, Karla Stephany, Pauca Quispe, Diana Carolina
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/18806
• Enlace del recurso: https://hdl.handle.net/20.500.12773/18806
• Nivel de acceso: acceso abierto
• Materia: Uso del suelo; Datos de redes sociales; Procesamiento del lenguaje natural; https://purl.org/pe-repo/ocde/ford#2.02.04

Internet genera grandes volúmenes de datos a un ritmo elevado, en particular, publicaciones en redes sociales. Aunque los datos de las redes sociales tienen numerosas adulteraciones semánticas y no pretenden ser una fuente de información geoespacial, en el texto de las publicaciones encontramos piezas de información importante sobre cómo las personas se relacionan con su entorno, que pueden usarse para identificar aspectos interesantes de cómo los seres humanos interactúan con porciones de tierra en función de sus actividades. Esta investigación propone una metodología para la identificación de usos del suelo utilizando el Procesamiento del Lenguaje Natural (PLN) a partir de los contenidos de la popular red social Twitter. Se abordará identificando palabras clave con patrones lingüísticos del texto y las coordenadas geográficas asociadas a la publicación. Se introducen innovaciones específicas del contexto para manejar datos en toda América del Sur y, en particular, en la ciudad de Arequipa, Perú. El objetivo es identificar los cinco principales usos del suelo: residencial, comercial, institucional-gubernamental, industrial-oficinas y suelo no edificado. En el marco de la planificación urbana y la gestión urbana sostenible, la metodología contribuye a la optimización de las técnicas de identificación aplicadas para la actualización de los catastros de uso del suelo, puesto que los resultados alcanzaron una precisión cercana al 90%, lo que motiva su aplicación en el contexto real. Además, permitiría la identificación de categorías de uso del suelo a un nivel más detallado, en situaciones tales como un edificio de distribución compleja/mixta en función de la cantidad de datos recopilados. Finalmente, la metodología hace que la información sobre el uso del suelo esté disponible de manera más actualizada y, sobre todo, evita el alto costo económico de la producción no automática de mapas de uso del suelo para las ciudades, principalmente en los países en desarrollo.