Azimuth-48

34 / JUL. 2024 /Asociaciones regionales y Comisiones en acción I. INTRODUCCIÓN La gestión urbana y ambiental en los territorios mo- dernos se enfrenta a una serie de retos complejos que requieren soluciones innovadoras, especialmen- te en regiones en desarrollo. El distrito de Quesada, en San Carlos, Alajuela, Costa Rica, ejemplifica es- tos desafíos con problemas persistentes en la gestión de residuos sólidos y la fiscalización tributaria, agra- vados por la carencia de información actualizada y confiable sobre su infraestructura y uso del suelo. En un contexto donde los métodos tradicionales de censado y supervisión resultan ineficaces, se hace ne- cesario un enfoque más avanzado y dinámico para abordar estas problemáticas. Se evaluó el potencial del machine learning para automatizar la detección de cambios en las huellas constructivas y patrones de generación de residuos, habilitando una gestión proactiva y dinámica. Los algoritmos empleados no solo identifican cambios en la infraestructura urbana, sino que también predicen patrones de generación de residuos, ofreciendo una herramienta poderosa para la toma de decisiones. Los resultados esperados incluyen una gestión de residuos más eficiente, una mayor recaudación de tributos y un control efectivo del crecimiento urba- no, promoviendo un desarrollo más sostenible en Quesada. Este enfoque puede servir como modelo replicable para otras regiones que enfrenten desa- fíos similares, aprovechando las últimas tecnologías en inteligencia geoespacial y machine learning para mejorar la planificación y gestión urbana. Palabras Clave: Catastro, Drones, Fiscalización, Gestión de residuos, Inteligencia geoespacial, Ma- chine learning, Ordenamiento territorial, Política pública, Sostenibilidad. The potential of machine learning was evaluated to automate the detection of changes in construction footprints and waste generation patterns, enabling proactive and dynamic management. The algori- thms used not only identify changes in urban infras- tructure but also predict waste generation patterns, providing a powerful decision-making tool. The expected results include more efficient waste management, increased tax revenue, and effective control of urban growth, promoting more sustai- nable development in Quesada. This approach can serve as a replicable model for other regions facing similar challenges, leveraging the latest technologies in geospatial intelligence and machine learning to improve urban planning and management. Key words : Cadastre, drones, oversight, waste ma- nagement, geospatial intelligence, machine learning, land use planning, public policy, sustainability. Este artículo propone una solución que combina la inteligencia geoespacial y el machine learning como herramientas clave para transformar la forma en que se gestiona el territorio. A través del uso de drones de alta precisión, se han llevado a cabo levantamien- tos fotogramétricos detallados, generando modelos tridimensionales y ortofotos que ofrecen una visión integral del entorno urbano y sus cambios. Esta tec- nología no solo permite identificar y actualizar datos de construcciones y usos de suelo, sino que también proporciona una base sólida para la fiscalización y optimización de la recaudación tributaria. La inte- gración de datos geoespaciales con algoritmos de machine learning permite la automatización de la detección de cambios en las huellas constructivas y los patrones de generación de residuos, habilitando un enfoque proactivo y basado en evidencia.