ForTy distingue el bosque de la plantación

El verde no cuenta toda la historia

Según Google DeepMind, un bosque antiguo, una plantación de eucaliptos y una explotación de palma aceitera pueden parecer una misma mancha verde desde el espacio. Sin embargo, almacenan cantidades diferentes de carbono y albergan una biodiversidad distinta. Reconocer esas diferencias permite estudiar cambios que una simple medición de la superficie cubierta por árboles puede ocultar.

El artículo científico sitúa esa distinción en el centro del cálculo del carbono, la evaluación de la biodiversidad y la planificación de la conservación. Su mapa base clasifica todo el suelo en seis categorías. La pregunta deja de ser únicamente cuánto bosque hay: también importa qué tipo de bosque es y qué uso tiene el terreno.

Seis categorías para separar bosque y cultivo

Google DeepMind presenta una clasificación que atiende tanto al origen del bosque como a su gestión y al uso del suelo. Por eso, un bosque plantado y una plantación forestal aparecen por separado. Los cultivos arbóreos tampoco se agrupan con ellos: tener árboles no basta para que una explotación agrícola pertenezca a una categoría forestal.

Aprender a reconocer el uso del terreno

El estudio describe un sistema de aprendizaje profundo (deep learning) entrenado con 1,7 millones de muestras distribuidas por el mundo. Combina aprendizaje con supervisión débil (weakly supervised learning) y aprendizaje activo (active learning): la clasificación se construye a partir de ejemplos y genera mapas de confianza relativa para cada clase.

Según Google DeepMind, los ejemplos proceden de estudios de expertos, conjuntos de datos nacionales y regionales y revisiones dirigidas a lugares donde el modelo encontraba dificultades. El sistema busca indicios como los patrones de plantación, los ciclos de crecimiento y los ritmos de cosecha. Son pistas relevantes porque las categorías dependen parcialmente del uso del terreno, no solo de su aspecto.

Qué miden los resultados

El artículo científico informa de una validación independiente con 8.190 sitios aleatorios estratificados y etiquetados por expertos. Distingue entre acertar la categoría concreta y resolver clasificaciones más amplias. Las cifras de la tabla corresponden a esas tareas: la precisión global no equivale a una garantía para cada país, cada parcela o cada tipo de bosque.

Un punto de partida y una serie todavía preliminar

El registro del artículo científico lleva fecha 2026/10/21, pero el mapa base representa 2020. Google DeepMind presenta al día siguiente una serie anual preliminar de 2017 a 2025. Son fechas con funciones distintas: la publicación no convierte el mapa en una observación del terreno en directo.

Según Google DeepMind, la serie permite observar tanto la desaparición y recuperación del bosque como su sustitución por plantaciones o explotaciones agrícolas. La diferencia importa cuando una zona talada vuelve a verse verde: recuperar árboles y conservar el tipo de bosque anterior no describen necesariamente el mismo cambio.

Google DeepMind afirma que el mapa ofrece una puntuación de probabilidad para cada clase, con la que los usuarios pueden adaptar la clasificación a su región y a la precisión que necesitan. La empresa plantea usos en el análisis de cadenas de suministro y en conservación; esas aplicaciones no convierten por sí solas la clasificación en una certificación de cumplimiento.