Identificación de conjuntos de datos proxy de los límites urbanos: una nueva perspectiva para la planificación de infraestructuras

Introducción

El punto de partida para la planificación de infraestructuras suele ser la definición de "ciudad". Sin embargo, los límites urbanos no son naturales: son construcciones humanas que dependen de los conjuntos de datos y supuestos utilizados. Un artículo de opinión recientemente publicado en *Nature Cities* (Van Migerode et al., 2026) revisa sistemáticamente los conjuntos de datos proxy utilizados para identificar límites urbanos, incluidos la distribución de la población, el área construida y las luces nocturnas, y propone un marco de selección basado en el propósito. Para los analistas de infraestructuras, financiadores de proyectos y planificadores regionales, este marco tiene profundas implicaciones prácticas: diferentes definiciones de límites alteran directamente las evaluaciones sobre la demanda de infraestructuras, la asignación de capital y la conectividad regional.

El espectro de los conjuntos de datos proxy

Los investigadores suelen utilizar tres tipos de conjuntos de datos proxy para delimitar los límites urbanos:

• Conjuntos de datos de población: como los datos de población global en cuadrícula (por ejemplo, WorldPop, GPW), que enfatizan la densidad y concentración poblacional. Su ventaja es que se relacionan directamente con la dimensión social de la urbanización, pero son susceptibles a los límites administrativos y la calidad de los censos.
• Conjuntos de datos de área construida: basados en imágenes satelitales (por ejemplo, MODIS, Landsat) para extraer superficies impermeables, reflejando la expansión física. Son adecuados para analizar cambios en el uso del suelo, pero pueden omitir áreas de baja densidad o informales.
• Conjuntos de datos de luces nocturnas: como DMSP/OLS, VIIRS, que capturan la intensidad de la actividad humana. Su ventaja es que están relacionados con la actividad económica, pero presentan problemas de sobresaturación y baja resolución espacial.

Cada conjunto de datos implica un concepto diferente de "ciudad": los datos de población enfatizan a las "personas", los de área construida enfatizan lo "físico", y las luces nocturnas enfatizan la "actividad". Estas diferencias hacen que una misma zona pueda ser incluida o excluida de los límites urbanos, afectando así los análisis posteriores.

Marco de selección basado en el propósito

• Los autores proponen que la elección del conjunto de datos proxy debe basarse en el propósito de la aplicación, no en la búsqueda de un límite "correcto". Por ejemplo:
• Para evaluar el efecto isla de calor urbano, los datos de área construida pueden ser más adecuados (Yang et al., 2023);
• Para estudiar la concentración económica, los datos de luces nocturnas o de señales de telefonía móvil son más efectivos (Dingel et al., 2021; Dong et al., 2024);
• Para planificar la asignación de recursos para la prevención de desastres, los datos de población son más críticos (MacManus et al., 2021).

Para la inversión en infraestructuras, este marco implica: 1.Para la inversión en infraestructura, este marco implica: 1. Financiamiento de proyectos: Al evaluar proyectos de infraestructura urbana, las entidades crediticias deben definir claramente cómo se delimita el "área urbana" a la que sirve el proyecto. Diferentes límites conllevan diferentes exposiciones al riesgo y expectativas de rendimiento. 2. Corredores de desarrollo regional: Al planificar corredores de transporte o redes energéticas, la continuidad de los límites determina la disposición del corredor. Los datos de luces nocturnas pueden revelar vínculos económicos reales que cruzan fronteras administrativas, mientras que los datos de población pueden reforzar las divisiones administrativas. 3. Construcción en el Sur Global: Muchas ciudades en desarrollo carecen de datos administrativos de alta calidad, por lo que los conjuntos de datos proxy se convierten en la única opción. Sin embargo, si se aplican mecánicamente métodos de países de altos ingresos, se podría subestimar la densidad de población de los asentamientos informales, lo que llevaría a una planificación insuficiente de la infraestructura.

De los datos a la decisión: reflexión de casos

Supongamos que una agencia internacional de desarrollo planea invertir en un corredor ferroviario en una región de rápida urbanización en África. El uso de datos de población podría limitar el límite urbano al núcleo de alta densidad, sugiriendo estaciones concentradas en el centro; mientras que el uso de datos de luces nocturnas podría revelar una franja industrial suburbana de baja densidad pero con actividad económica intensa, sugiriendo extender la línea. Estas dos decisiones afectarán significativamente la asignación de capital del proyecto, la previsión de demanda de pasajeros y el modelo financiero.

Del mismo modo, en la expansión de una ciudad portuaria, los datos de superficie construida reflejan con precisión la ocupación física, pero no capturan los flujos de viajeros. Si se planifica una carretera de acceso al puerto basándose únicamente en los datos de superficie construida, se podría pasar por alto la presión del tráfico interregional.

Implicaciones para los investigadores de infraestructura

Este estudio nos recuerda: los límites urbanos no son hechos objetivos, sino herramientas analíticas. Los analistas de infraestructura, al citar cualquier dato sobre "área urbana", "tasa de urbanización" o "población urbana", deben preguntarse qué conjunto de datos proxy subyace. De lo contrario, estadísticas aparentemente precisas pueden ocultar desviaciones conceptuales fundamentales.

Las direcciones futuras incluyen: combinar múltiples fuentes de datos (como señales de telefonía móvil + imágenes de alta resolución) para mejorar la precisión, y desarrollar definiciones de límites estandarizadas para categorías específicas de infraestructura (por ejemplo, límites urbanos orientados al transporte).

Conclusión

La identificación de límites urbanos es un problema aparentemente básico pero crucial en la planificación de infraestructura. El trabajo de Van Migerode et al. proporciona una lógica de selección práctica que permite a los investigadores tomar decisiones fundamentadas según necesidades específicas. Para la comunidad global de infraestructura, aceptar esta incertidumbre y gestionarla activamente ayudará a dirigir el flujo de capital de manera más eficiente, reducir errores de juicio y apoyar la expansión urbana sostenible.