
Este modelo innovador funciona como un pronosticador automatizado, utilizando mapas compuestos que abarcan los atributos físicos y sociales de una región urbana para predecir una variedad de posibles escenarios de crecimiento futuro para distintas características urbanas.

El modelo aprovecha imágenes monocromáticas estandarizadas derivadas de datos satelitales, que capturan las facetas dinámicas de un paisaje urbano, que van desde las características físicas hasta la densidad, los límites legislativos o sociales. A una sola imagen se le asignan pesos variables, ya sean positivos o negativos, en función de la característica enfocada. Empleando estas variables de entrada, el modelo emplea un mecanismo de regresión logística regulado espacialmente para pronosticar patrones de crecimiento a nivel de píxel, generando un archivo binario ráster informativo.

Si bien los modelos predictivos para la expansión urbana no son nuevos, históricamente han exigido inversiones sustanciales en términos de tiempo, experiencia y recursos computacionales. Al acelerar el proceso de predicción y hacerlo más accesible, este modelo optimiza la planificación de la expansión urbana, lo que permite la estimación de los mejores y peores escenarios en diversas condiciones. Esta competencia ayuda a la toma de decisiones prudentes, fomentando un enfoque holístico del desarrollo urbano y agilizando significativamente el procedimiento analítico.