Mapear bosques con IA podría volverse más barato y útil a gran escala

Saber qué especies de árboles hay en un bosque no es solo una curiosidad botánica: ayuda a vigilar biodiversidad, planificar el manejo forestal y estimar mejor cómo cambia un territorio ante el calentamiento global. Un estudio en la región italiana de Trentino sugiere que esa tarea podría hacerse de forma más barata y accesible con ayuda de inteligencia artificial y datos satelitales ya disponibles.

El trabajo usó un modelo geoespacial llamado Tessera, entrenado para resumir un año completo de imágenes satelitales en una representación compacta que conserva cambios estacionales del follaje. Sobre esa base, los investigadores entrenaron un clasificador para reconocer 18 especies o grupos de especies en bosques de montaña. La idea es que, en vez de depender de sensores hiperespectrales costosos y de cálculos pesados, un equipo pueda aprovechar esos resúmenes ya preparados y analizarlos con computación estándar.

En las pruebas, el sistema clasificó correctamente alrededor de 82% de los casos y superó a métodos satelitales más tradicionales, que quedaron entre 73% y 79%. Según los autores, también rindió mejor al detectar especies menos abundantes y al estimar con más fidelidad la mezcla de especies dentro de cada zona del mapa. Eso importa especialmente en lugares como Trentino, donde el relieve, las nubes y la mezcla de árboles vuelven muy difícil distinguir especies a partir de una sola imagen.

El alcance del resultado, sin embargo, todavía es acotado. El estudio se concentró en bosques templados de montaña y se apoyó en datos locales bien caracterizados, así que no demuestra por sí solo que el método funcione igual de bien en selvas tropicales, zonas secas o escalas continentales. Aún así, ofrece una pista valiosa: mapear bosques con más detalle ya no tendría por qué quedar reservado a proyectos con sensores especiales y grandes recursos informáticos.