Contar 5.200 millones de árboles desde el espacio: la mitad no está en un bosque

Medir cuántos árboles sobrevivieron a una campaña de siembra suele ser una cuenta hecha a pie, parcela por parcela. Un estudio publicado en 2026 en el Journal of Remote Sensing hizo esa cuenta para países enteros: Ruanda y Tanzania, con imágenes de satélite y un modelo de aprendizaje profundo. El hallazgo más incómodo no es el total, sino dónde están los árboles.

Qué hizo el estudio

El equipo, con Maurice Mugabowindekwe como primer autor y la Universidad de Copenhague a la cabeza, desarrolló un enfoque de aprendizaje profundo para estimar el número de árboles a escala nacional. Según el resumen del artículo, usó una imagen compuesta de 20 bandas formada por bandas de PlanetScope, Sentinel-1 y Sentinel-2, y estimó unos 5.200 millones de árboles en los dos países en 2019.

Conviene separar tres piezas:

• PlanetScope: imágenes ópticas de alta frecuencia de una constelación comercial.
• Sentinel-2: imágenes ópticas multiespectrales del programa europeo Copernicus.
• Sentinel-1: radar, que ve a través de las nubes.

Según la nota de prensa de la universidad, el enfoque evita las costosas imágenes de resolución submétrica adquiridas de forma repetida, y apunta a un reto concreto del monitoreo de restauración: producir líneas base de conteo de árboles consistentes y detalladas en el espacio.

El dato que cambia la conversación: el árbol fuera del bosque

Los mapas de cobertura clasifican cada píxel en una categoría, y «cobertura arbórea» es una de ellas. El estudio comparó su conteo con la clase de cobertura arbórea de ESA WorldCover y encontró que solo cerca del 48,8 % de los árboles estimados cae allí. El resto está repartido en paisajes no forestales: cultivos, pastos, asentamientos.

Esto tiene una consecuencia práctica. Un indicador de restauración basado solo en «hectáreas de bosque» deja fuera, por construcción, la mitad de los árboles de estos dos países. Los árboles en linderos, sistemas agroforestales y potreros no aparecen en la cuenta, aunque almacenen carbono y sirvan de hábitat.

Por qué importa para quien mide restauración

Lo que sigue es análisis propio del artículo, no una conclusión del estudio.

1. Seguimiento de metas por conteo. Las metas de siembra suelen expresarse en número de árboles. Un conteo nacional repetible permitiría compararlas con el estado real del territorio, no con el informe de quien sembró.
2. Línea base antes de intervenir. Si sabes cuántos árboles hay hoy en un paisaje agrícola, puedes medir qué aportó un programa y qué ya existía.
3. Menos costo por hectárea. El resumen habla de imágenes de satélite de bajo costo y libre disponibilidad, lo que baja la barrera para repetir la medición cada año.

Los límites que los propios autores reconocen

La nota de prensa señala que el trabajo futuro debe mejorar el desempeño en bosques densos de dosel cerrado ("Future work must improve performance in dense closed-canopy forests"). Es lógico: cuando las copas se solapan, separar un árbol de otro desde 3 metros de resolución es mucho más difícil. El método brilla justo donde el árbol está aislado, que es donde los mapas de bosque fallan.

El estudio, además, es de 2019 y de dos países de África oriental. Trasladarlo a otra región exigiría reentrenar y validar con datos locales. Un país andino o amazónico, con paisajes de potrero arbolado, cafetales con sombra o cercas vivas, podría encontrar una distribución parecida, pero eso es una hipótesis, no un resultado.

Si te interesan los alcances y las brechas del monitoreo satelital de biodiversidad, el artículo sobre las brechas del monitoreo satelital lo desarrolla desde otro ángulo.

Contar bien es el primer paso para restaurar mejor

Que la mitad de los árboles quede fuera de la categoría «bosque» no es una curiosidad estadística: es una advertencia sobre qué miden nuestros indicadores. Antes de prometer millones de árboles nuevos, conviene saber cuántos hay y dónde, y esa pregunta ya se puede responder a escala de país con datos abiertos.

Imagen de portada: imagen generada con IA (spacexai/grok-imagine-image), recreación de un paisaje agrícola de colinas con árboles dispersos.