Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales

El acceso a datos socioeconómicos desagregados y actualizados es fundamental para la formulación y evaluación de políticas públicas. En este estudio se explora el potencial de las imágenes satelitales de alta resolución en conjunto a técnicas de aprendizaje automático para construir mapas de ingreso...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Abbate, Nicolás Francisco
Otros Autores: Gasparini, Leonardo Carlos
Formato: Tesis Tesis de maestria
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Económicas
Indicadores socioeconómicos
Desigualdad social
Distribución del ingreso
Satélite
Inteligencia artificial
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/178463
https://doi.org/10.35537/10915/178463
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-178463
record_format dspace
spelling I19-R120-10915-1784632025-04-25T20:11:54Z http://sedici.unlp.edu.ar/handle/10915/178463 https://doi.org/10.35537/10915/178463 Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales Abbate, Nicolás Francisco 2024-08-19 2024 2025-04-25T13:41:29Z Gasparini, Leonardo Carlos Ronchetti, Franco es Ciencias Económicas Indicadores socioeconómicos Desigualdad social Distribución del ingreso Satélite Inteligencia artificial El acceso a datos socioeconómicos desagregados y actualizados es fundamental para la formulación y evaluación de políticas públicas. En este estudio se explora el potencial de las imágenes satelitales de alta resolución en conjunto a técnicas de aprendizaje automático para construir mapas de ingreso con alto grado de desagregación geográfica. Utilizando una red neuronal convolucional (CNN) entrenada con imágenes satelitales del Área Metropolitana de Buenos Aires (Argentina) y datos censales de 2010, se generan estimaciones del ingreso per cápita a nivel de grilla de 50x50 metros para los años 2013, 2018 y 2022, superando la resolución y frecuencia de los datos censales disponibles. El modelo, basado en EfficientnetV2, alcanza un alto nivel de precisión en la predicción del ingreso de los hogares (R2 del 0.878), superando la capacidad predictiva y mejorando la resolución espacial de otras alternativas utilizadas en la literatura. Este enfoque ofrece nuevas oportunidades para la generación de datos altamente desagregados, facilitando la evaluación de políticas públicas a escala local, generando insumos para una mejor focalización de programas sociales, y reduciendo la brecha de datos en áreas donde estos no se recolectan. Magister en Economía Universidad Nacional de La Plata Facultad de Ciencias Económicas Tesis Tesis de maestria http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Económicas
Indicadores socioeconómicos
Desigualdad social
Distribución del ingreso
Satélite
Inteligencia artificial
spellingShingle Ciencias Económicas
Indicadores socioeconómicos
Desigualdad social
Distribución del ingreso
Satélite
Inteligencia artificial
Abbate, Nicolás Francisco
Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
topic_facet Ciencias Económicas
Indicadores socioeconómicos
Desigualdad social
Distribución del ingreso
Satélite
Inteligencia artificial
description El acceso a datos socioeconómicos desagregados y actualizados es fundamental para la formulación y evaluación de políticas públicas. En este estudio se explora el potencial de las imágenes satelitales de alta resolución en conjunto a técnicas de aprendizaje automático para construir mapas de ingreso con alto grado de desagregación geográfica. Utilizando una red neuronal convolucional (CNN) entrenada con imágenes satelitales del Área Metropolitana de Buenos Aires (Argentina) y datos censales de 2010, se generan estimaciones del ingreso per cápita a nivel de grilla de 50x50 metros para los años 2013, 2018 y 2022, superando la resolución y frecuencia de los datos censales disponibles. El modelo, basado en EfficientnetV2, alcanza un alto nivel de precisión en la predicción del ingreso de los hogares (R2 del 0.878), superando la capacidad predictiva y mejorando la resolución espacial de otras alternativas utilizadas en la literatura. Este enfoque ofrece nuevas oportunidades para la generación de datos altamente desagregados, facilitando la evaluación de políticas públicas a escala local, generando insumos para una mejor focalización de programas sociales, y reduciendo la brecha de datos en áreas donde estos no se recolectan.
author2 Gasparini, Leonardo Carlos
author_facet Gasparini, Leonardo Carlos
Abbate, Nicolás Francisco
format Tesis
Tesis de maestria
author Abbate, Nicolás Francisco
author_sort Abbate, Nicolás Francisco
title Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
title_short Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
title_full Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
title_fullStr Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
title_full_unstemmed Mapeando el ingreso del Área Metropolitana de Buenos Aires en alta resolución: Un enfoque basado en redes neuronales aplicadas a imágenes satelitales
title_sort mapeando el ingreso del área metropolitana de buenos aires en alta resolución: un enfoque basado en redes neuronales aplicadas a imágenes satelitales
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/178463
https://doi.org/10.35537/10915/178463
work_keys_str_mv AT abbatenicolasfrancisco mapeandoelingresodelareametropolitanadebuenosairesenaltaresolucionunenfoquebasadoenredesneuronalesaplicadasaimagenessatelitales
_version_ 1855354200984125440

Ejemplares similares