Una explosión cada hora: cómo unos micrófonos baratos contaron la pesca con bombas en un arrecife

La pesca con bombas es una de las prácticas más destructivas que existen sobre un arrecife, pero casi nadie sabe con qué frecuencia ocurre: sucede lejos, rápido y casi siempre sin testigos. En agosto de 2026, un equipo liderado por Ben Williams (University College London y Zoological Society of London) publicó la primera medición cuantitativa de ese fenómeno en el archipiélago de Spermonde, en el sur de Célebes (Indonesia). No usaron patrullas ni drones: pusieron micrófonos bajo el agua y dejaron que un algoritmo escuchara.

El artículo, publicado en Remote Sensing in Ecology and Conservation con acceso abierto (licencia CC BY 4.0), lleva un título que ya resume la tesis: la pesca con bombas es generalizada y se reveló gracias a un monitoreo acústico pasivo acelerado con aprendizaje automático.

Por qué no se sabía cuánta pesca con bombas hay

Los autores lo plantean sin rodeos en el resumen del estudio: la pesca con bombas se reconoce como la práctica de pesca más destructiva que se puede realizar en los océanos, y se concentra en arrecifes tropicales ya amenazados. Pero "la extensión real" del problema en las regiones afectadas es desconocida, lo que impide identificar puntos críticos y patrones de actividad que el manejo necesita.

Esa es la brecha: sin saber cuántas explosiones ocurren, dónde y a qué hora, no se puede decidir dónde poner vigilancia ni medir si una intervención funciona. Una explosión submarina dura un instante, pero deja un rastro sonoro muy claro, y ahí está la oportunidad del método.

Cómo se convierte el audio de un arrecife en un conteo

El sistema se llama BombDetect. Según el estudio, es un sistema de monitoreo acústico basado en aprendizaje automático, con una distancia de detección estimada de al menos 16,95 km, y se desplegó durante 16 meses. Según la cobertura de Mongabay, las grabaciones fueron de mayo de 2023 a septiembre de 2024, con hidrófonos de bajo costo, y el algoritmo es lo bastante simple como para correr en un computador portátil común.

El detalle metodológico que más importa es el último paso: un humano revisó cada explosión sospechosa para confirmar el conteo final, según Mongabay. El algoritmo no cuenta solo; reduce miles de horas de audio a una lista corta de eventos que una persona puede escuchar y validar. Eso es lo que hace viable el proyecto: nadie escucha 3.698 horas de grabaciones, pero cualquiera puede revisar unos cientos de fragmentos marcados.

El código está disponible en el repositorio abierto del proyecto. Su propio README trae dos advertencias útiles: el modelo preentrenado está pensado para grabaciones de HydroMoth muestreadas a 8 kHz, y no debe esperarse que generalice bien a lugares nuevos sin reentrenarlo con datos propios.

Lo que reveló: casi una explosión por hora, todo el año

Los números que reporta el estudio permiten dimensionar el problema:

Medida	Resultado en Spermonde
Audio grabado	3.698,88 horas
Explosiones detectadas y verificadas	3.567
Frecuencia media	23,14 por día
Proyección anual	8.446,1 explosiones
Daño estimado al arrecife	hasta 16,72 ha por año

Fuente de la tabla: Williams et al. (2026).

El patrón temporal también aporta información. Los autores encontraron que la pesca con bombas ocurrió durante todo el año y sobre todo de día, con reducciones significativas los viernes (día de oración local) y durante un periodo de tormentas. Esos patrones son justo lo que un equipo de manejo necesita: saber que es continua, no estacional, y que responde a factores sociales y climáticos que se pueden observar.

Los autores concluyen que el estudio cuantifica patrones de un impulsor dominante del declive a largo plazo de los arrecifes de la región, y que demuestra la eficacia de un enfoque de bajo costo para medir esta presión subregistrada a escala.

Qué puede y qué no puede hacer este método

Conviene separar lo documentado de lo que es hipótesis propia de este artículo.

Lo que el estudio demuestra (descripción real):

• Que un sistema acústico de bajo costo, con un algoritmo y revisión humana, puede producir una estimación de frecuencia de explosiones en un archipiélago concreto.
• Que esa estimación revela patrones temporales (actividad diurna, continua, con pausas los viernes y en tormentas).

Lo que no resuelve:

• No es una herramienta de aplicación de la ley en tiempo real. Según Mongabay, los propios investigadores señalan que sirve sobre todo para recolectar datos, no para sancionar. Un algoritmo que se revisa después sobre grabaciones almacenadas no permite llegar a tiempo a un barco.
• Un resultado en un archipiélago no prueba que el modelo funcione igual en otro. El propio README advierte que hay que reentrenarlo con datos locales.

Hipótesis propia (no demostrada en el estudio): la lógica de fondo (un micrófono fijo, un detector de un sonido muy característico y un humano que valida) podría servir para medir otras presiones que dejan una firma acústica clara y están subregistradas en otros arrecifes del mundo. Para cada una habría que construir y validar un detector propio, algo que este estudio no hace.

Qué significa para quien monitorea arrecifes

La lección práctica no depende de Indonesia. Muchas presiones sobre ecosistemas marinos se conocen por anécdota y no por medición, y sin medición no hay línea base contra la cual evaluar si un cierre, una patrulla o un proyecto de restauración está funcionando. Este estudio aporta un ejemplo concreto de cómo pasar de la anécdota al número con equipos modestos.

Si trabajas en monitoreo marino, hay tres preguntas que vale la pena llevar de este caso a tu propio sitio. ¿La presión que te preocupa deja una firma de sonido identificable? ¿Tienes forma de que alguien revise los eventos marcados? ¿Tu detector está validado con datos de tu zona, no de otra?

La conclusión que importa

Contar es el primer acto de gestionar. Durante décadas la pesca con bombas fue un daño de magnitud desconocida; ahora, en un archipiélago, tiene un número, un ritmo diario y una huella estimada en hectáreas. Lo valioso de este trabajo no es que un algoritmo "escuche mejor", sino que convierte un problema invisible en un dato que un equipo local puede repetir, siempre que acepte sus límites: sirve para medir, no para interceptar, y cada arrecife exigirá su propio reentrenamiento.

Portada: imagen generada con IA (openai/gpt-image-2), ilustración conceptual de un hidrófono en un arrecife; no representa un sitio ni un equipo real del estudio.