LENGUAJE DE PATRONES PARA LA BIODIVERSIDAD URBANA: Mediante la Clasificación de la Cobertura Terrestre

Instructores: Jose David  Martinez Otalora / Anyela Piedad Rojas Celis / Andrés Felipe Corredor Fonseca

Fechas: 24, 25, 26 & 27 de Julio | 09:00 – 12:00 Hora Lima / Colombia

Temas: Análisis Urbano / Biodiseño / Inteligencia Artificial

Software: Google Earth Engine, Obsidian, Apps IA (No requiere conocimientos previos)

Número de Estudiantes: 60

Inscripción abierta hasta llenar cupo.

Descripción:

Restaurar la biodiversidad se ha convertido en una prioridad global, reconocida como uno de los desafíos cruciales para la conservación de la humanidad. Durante la década en curso, se ha instado a los gobiernos, empresas y a la comunidad en general a reducir la pérdida de biodiversidad. Factores como la expansión urbana, el crecimiento poblacional, los cambios en el uso del suelo, el cambio climático, la contaminación y la falta de gobernanza han provocado una alarmante disminución en la biodiversidad.

Aunque los espacios urbanos han impactado negativamente en la biodiversidad, una adecuada gestión y mejora de los ecosistemas urbanos puede incrementar y restaurar la biodiversidad de la vida silvestre. Estos espacios resultan de la interacción entre características biofísicas, infraestructura y procesos sociales. Para lograr la sostenibilidad, es fundamental comprender que personas y naturaleza tienen iguales derechos y ambas partes deben participar en la toma de decisiones urbanas.

Este taller tiene como objetivo utilizar los cambios en la cobertura terrestre en los ecosistemas urbanos detectados mediante Google Earth Engine (GEE) para implementar un lenguaje de patrones que promueva la biodiversidad de la vida silvestre urbana. Basada en la teoría de patrones de Christopher Alexander (1977), esta metodología ofrece soluciones sistémicas a problemas complejos. Los patrones son conocimientos verificados y transferibles que resuelven problemas recurrentes con resultados adecuados en diferentes campos. La combinación de diferentes patrones crea estructuras de solución más sofisticadas.

Para lograr esto, el taller capacitará a los participantes en la recolección y análisis de datos de Google Earth Engine (GEE) con el fin de identificar características de ecosistemas urbanos desde una perspectiva no antropocéntrica. Se enfatizará la creación de mapas de acciones para la biodiversidad de la vida silvestre urbana, priorizando las problemáticas mediante el uso eficiente de los datos obtenidos. Implementando el lenguaje de patrones como herramienta, los participantes explorarán soluciones verificadas en diversos contextos. La aplicación práctica de los conocimientos adquiridos se materializa con la presentación de propuestas conceptuales fundamentadas en el aprendizaje del taller, asegurando así un enfoque cohesionado y efectivo para la restauración de la biodiversidad urbana.

Objetivos de Aprendizaje :

  1. Comprender la generalidad de los problemas de la vida silvestre urbana.
  2. Aprender el uso de herramientas básicas de datos satelitales a través de Google Earth Engine para desarrollar soluciones orientadas a la vida silvestre urbana.
  3. Implementar un lenguaje de patrones para la vida silvestre urbana en la conceptualización de proyectos.
  4. Explorar tecnologías de inteligencia artificial (IA) como instrumento para la aplicación del lenguaje de patrones.
  5. Generar soluciones conceptuales de diseño urbano o arquitectónico mediante la interpretación de datos.
  6. Representar los resultados del análisis a través de imágenes.

Programa Detallado :

Día 1 Miércoles Julio 24 / 09:00 – 12:00 hora Colombia

–Presentación de la agenda del Workshop

–Introducción a los problemas de la vida silvestre urbana

–Ejercicio: Mapeo del uso de la tierra y la variación de la cobertura terrestre (LULC) a través de datos satelitales en Google Earth Engine (GEE).

Día 2 Jueves Julio 25 / 09:00 – 12:00 hora Colombia

–Revisión de la teoría de los lenguajes de patrones arquitectónicos de Christopher Alexander.

–Ejercicio: Implementación de una lenguaje de patrones para favorecer la vida silvestre urbana en los ecosistemas reconocidos en GEE

Día 3 Viernes Julio 26 / 09:00 – 12:00 hora Colombia

–Introducción a algunas herramientas de inteligencia artificial en arquitectura y urbanismo

– Ejercicio: Exploración de nuevas tecnologías a partir del lenguaje de patrones. Ejemplos y desafíos de las aplicaciones AI en arquitectura.

Día 4 Sábado Julio 27 / 09:00 – 12:00 hora Colombia

–Sesión de consultas, discusión y conclusiones. –Socialización de los resultados: presentación

Jose David Martinez:

José David Martínez Otálora, candidato a PhD en Arquitectura por  Zhejiang University, obtuvo su Maestría en Arquitectura en South Ural State University. Su trayectoria abarca la dirección y docencia en diversos programas académicos de arquitectura, así como la práctica profesional en Colombia. Su investigación explora las interrelaciones entre biodiversidad, arquitectura y urbanismo, enfocándose en fomentar la coexistencia de especies en entornos urbanos.

Anyela Piedad Rojas Celis

Anyela Piedad Rojas Celis, actualmente candidata al doctorado en Arquitectura en la  Zhejiang University  China, completó su Maestría en Arquitectura en  South Ural State University Rusia. Su trayectoria profesional se destaca por su experiencia en el sector público y su labor como docente en diversos programas académicos de arquitectura. Cofundadora de MR Arquitectura, su investigación se centra en el diseño y la conservación de los paisajes agrícolas.

Andrés Felipe Corredor Fonseca

Andrés Felipe Corredor Fonseca, arquitecto y magíster en arquitectura por la Universidad Nacional de Colombia, candidato al título de BIM Management por el Zigurat Institute of Technology de Barcelona. Alterna la docencia universitaria con la práctica profesional en el Taller UNO37 Arquitectura, en donde es fundador y director de proyectos. Tiene interés en la conceptualización de proyectos de arquitectura, el trabajo colaborativo a través del OpenBIM y  la implementación de nuevas tecnologías.