Integración de Información de Áreas Rurales en un Contexto GIS

Uno de los problemas que afrontan las investigaciones asociadas al desarrollo sostenible, es la aparente incompatibilidad de los datos recolectados desde diferentes disciplinas, en particular los distintos tipos de escala y la naturaleza de los datos.

La denominación GIS esta asociada al almacenamiento, procesamiento y recuperación de información de origen geoespacial. Los datos asociados a GIS pueden incluir topografía, recursos acuíferos, tipos de suelo, cubiertas vegetales, clima, geología, población, límites administrativos e infraestructura (vías, caminos, electricidad, etc.). La dificultad del análisis datos en un contexto GIS es que los mismos no solo provienen de disciplinas diversas, sino que muchas veces son recolectados en áreas que no se superponen con las áreas determinadas por los polígonos característicos de la representación GIS.

Cada vez es más aceptado que para el desarrollo sostenible en áreas rurales se deben tener en cuenta las interacciones entre los factores sociales, ambientales y económicos. Las diferentes fuentes de información dificultan el análisis estadístico tradicional de los mismos.

Como alternativa se plantea lo que se conoce como aprendizaje computacional. Los algoritmos de esta disciplina permiten extraer conocimiento de grandes cantidades de datos.

Los resultados obtenidos a partir de estas técnicas, permiten presentar a los algoritmos de aprendizaje de computación como herramientas de utilidad que, complementadas con bases de datos nacionales, permitirían la aplicación en forma más eficiente de nuevas tecnologías al sistema agropecuario.

Por ejemplo, suponiendo que un grupo de trabajo desea evaluar la posibilidad de implementar un servicio de riego en una determinada área, si se conocen las variables ambientales y de práctica culturales de dicha área, y de otras donde si se ha implementado el riego, uno puede predecir la eficacia (alta, media, baja, etc.) de dicho sistema para un cultivo determinado.

En un contexto más amplio, la capacidad de dichos algoritmos de trabajar con grandes cantidades de datos de orígenes diversos permitiría generar decisiones asociadas al desarrollo sostenible en países como Argentina.

Fuente: CIFASIS - Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas, Rosario, Argentina - CONICET