Alertas de deforestación con radar a través de las nubes: lo que propone un preprint de Sentinel-1 y lo que todavía no demuestra

En los bosques húmedos tropicales pueden pasar semanas sin que un satélite óptico consiga una imagen sin nubes, y en ese hueco una tala avanza sin que nadie la vea. Un preprint publicado el 2 de octubre en arXiv propone cerrarlo con radar Sentinel-1 y un filtro en dos etapas que busca eliminar las falsas alarmas (Seint, Chhatkuli y Atwood, DAI Labs, arXiv:2610.02763).

La idea no es nueva: ya existen alertas operativas con radar. Lo interesante es cómo este trabajo ataca el problema que más daña a esos sistemas, los falsos positivos, y qué tan bien sustenta sus propias afirmaciones. Vale la pena leerlo con lupa, porque el texto habla de compatibilidad con los procesos de medición y verificación del carbono.

Por qué el radar ve lo que el satélite óptico pierde

El radar de Sentinel-1 es un sensor activo: emite su propia señal de microondas y atraviesa las nubes, de día y de noche. La página de las alertas RADD de la Universidad de Wageningen lo resume así: observaciones sin vacíos para los trópicos, de manera consistente cada 6 a 12 días, una ventaja grande en zonas muy nubosas para detectar perturbaciones pequeñas como agricultura de subsistencia y tala selectiva (Wageningen, RADD).

Esas alertas, que distribuye Global Forest Watch, trabajan a 10 metros de resolución y confirman una alerta en un máximo de 90 días si la probabilidad de perturbación supera el 97,5%; las no confirmadas se publican desde una probabilidad del 85%. La cobertura incluye el bosque húmedo tropical primario de 13 países de Sudamérica.

El error que más alertas falsas produce: comparar con la geometría equivocada

El radar mira de lado. Dos imágenes tomadas desde órbitas distintas, o una ascendente y otra descendente, tienen un ángulo de incidencia diferente, y eso desplaza sistemáticamente la intensidad del retorno. Según el preprint, ese desfase puede abrumar por completo la señal real, y los autores afirman que el sesgo por geometría suele ser el principal motor de falsos positivos en los despliegues operativos a gran escala.

Su respuesta es de una disciplina casi aburrida: cada imagen de monitoreo se compara solo contra una imagen base de la misma órbita, dentro de una ventana de ±10 días del calendario. Si no hay base con geometría compatible, la escena se omite en vez de compararla con una inadecuada.

Cómo funcionan las dos etapas

El sistema confirma una alerta solo cuando las dos etapas coinciden:

	Etapa 1: prueba estadística	Etapa 2: autoencoder
Qué hace	Compara el retorno VH de cada parche de 10 por 10 píxeles contra su base de la misma órbita	Una red entrenada solo con bosque estable codifica el parche nuevo y el base y mide cuánto se parecen
Umbral	Mediana de las puntuaciones menos k veces la desviación absoluta mediana, calculado por escena	Se descartan los parches por debajo del percentil 10 de la puntuación de error
Falla que corrige	Ruido de moteado (speckle) y variaciones estacionales	Pulsos de humedad del suelo que bajan el retorno de parches enteros

Fuente: Seint et al. (2026), secciones 3 y 4. El parche de 10 por 10 píxeles de 10 metros equivale a una hectárea (cálculo propio).

Dos detalles de diseño valen más que el resto:

• El umbral se calibra por región, sin ajuste a ojo. El factor k se elige en el "codo" de una curva que barre valores entre 0,5 y 3,0 sobre una muestra histórica de al menos 200 parches, y se recalibra para cada área de estudio.
• El filtro de persistencia temporal se descartó. Exigir que un parche se marque en varias escenas seguidas eliminaba el ruido, pero también silenciaba la tala selectiva, que se manifiesta como una deriva lenta y no como una caída brusca. Los autores lo dejaron como un paso opcional posterior.

Qué entrega cada alerta y qué falta por demostrar

Cada alerta sale con un puntaje de confianza y un área en hectáreas, y se clasifica por el número de veces que se repite: riesgo bajo (de 1 a 3 repeticiones), medio (de 4 a 6) y alto (más de 6). Ese diseño, auditable en cada paso, es lo mejor del trabajo.

La validación, en cambio, es delgada, y el propio texto lo reconoce:

• No hay precisión ni exhaustividad medidas. La validación es operativa y observacional, con una comparación cualitativa contra compuestos de Sentinel-2, no contra un conjunto de datos de perturbación etiquetado de forma independiente. La evaluación formal contra un banco de referencia queda como trabajo futuro.
• La verificación de campo es mínima. Se hicieron observaciones puntuales con GPS en Perekezi (Malawi) en octubre de 2025 y se muestra un solapamiento espacial con las alertas; no hay una cifra de acierto.
• El alcance es un solo tipo de cambio. Detecta caídas de retorno; no aborda aumentos, como la regeneración o la inundación de humedales.
• El entrenamiento es local. El autoencoder se entrena con bosque estable de cada área de estudio, y los autores advierten que su transferencia a bosques estructuralmente distintos, como manglares o bosques secos, podría requerir reentrenarlo.
• El tamaño mínimo no se evalúa. El texto dice que funciona desde eventos de 0,5 hectárea, pero no presenta una evaluación por tamaño de evento, y su unidad de análisis (el parche) equivale a una hectárea.

Qué significa para quien usa alertas de pérdida de bosque

Lo que sigue es análisis propio.

• Esto es un método, no un producto nuevo. Hoy ya hay alertas de radar abiertas, como RADD. Un preprint sin revisión de pares conocida y sin métricas formales no las reemplaza.
• Las preguntas que sirven para evaluar cualquier alerta. ¿Compara contra la misma órbita? ¿El umbral se calibra por región? ¿Publica precisión y exhaustividad contra datos independientes? ¿Qué tamaño mínimo detecta de verdad?
• Cuidado con la palabra "compatible". El texto presenta las alertas como compatibles con los flujos de medición, reporte y verificación. Con la validación descrita, es una aspiración. Quien use una alerta como evidencia en un reporte de carbono o en un trámite necesita la verificación de campo que el preprint apenas esboza.
• La utilidad inmediata es la lección de diseño. Emparejar la geometría de órbita y calibrar el umbral por región son prácticas que cualquier equipo que procese series de Sentinel-1 puede aplicar ya.

Para quien quiera seguir el tema, hace poco publicamos sobre el radar de banda L de NISAR y los bosques de niebla y sobre las cifras oficiales de deforestación del IDEAM.

Una conclusión

El radar resuelve el problema de las nubes, pero crea otro, el de la geometría, y este preprint hace bien en tratarlo como el centro del diseño. Su promesa de servir como evidencia de pérdida de bosque todavía no está respaldada por números: hasta que aparezcan la precisión y la exhaustividad contra datos independientes, es una buena idea técnica, no una herramienta de verificación.

---

Portada: vista aérea de un bosque tropical bajo nubes bajas, con un claro de bosque talado y un satélite en el cielo. Imagen generada con IA (openai/gpt-image-2).