Una innovadora herramienta basada en inteligencia artificial, desarrollada por Google DeepMind en colaboración con Google Research, el Instituto de Recursos Mundiales (WRI) y el Instituto Internacional para el Análisis de Sistemas Aplicados (IIASA), se presenta como un recurso fundamental para los importadores y comerciantes que buscan cumplir con las exigencias del Reglamento de la Unión Europea sobre Productos Libres de Deforestación (EUDR). Este sistema cartográfico avanzado es capaz de discernir si un terreno previamente cubierto por un bosque natural ha sido talado para establecer una plantación comercial, con una impresionante precisión del 95.5% en la identificación entre bosques y áreas no boscosas, un porcentaje superior al 93.6% de los mapas oficiales de la Comisión Europea. La entrada en vigor de la EUDR, programada para el 30 de diciembre de 2025, prohíbe la comercialización en la UE de productos obtenidos de tierras deforestadas o degradadas después del 31 de diciembre de 2020.
El desafío técnico principal que aborda este modelo, denominado Forest Typology 2020 (ForTy), reside en la capacidad de diferenciar entre el "verde" de un bosque primario y el de una plantación de rápido crecimiento. Mientras que los mapas satelitales convencionales solo detectan la presencia de vegetación, el modelo ForTy va más allá, clasificando la cobertura vegetal mundial en seis categorías estandarizadas por la FAO. Esta categorización detallada permite rastrear el historial de uso del suelo, distinguiendo claramente los bosques naturales de las plantaciones madereras y los cultivos agrícolas, los cuales tienen impactos ecológicos y legales distintos. Por ejemplo, un bosque primario alberga una riqueza de carbono y biodiversidad significativamente mayor que un monocultivo, y la EUDR sanciona no solo la deforestación, sino también la degradación forestal, entendida como la transformación de bosques naturales en plantaciones comerciales.
La sofisticación de ForTy radica en su arquitectura, que emplea un análisis de series temporales y modelos fundacionales geoespaciales para interpretar la "historia" del suelo. En lugar de basarse en imágenes estáticas, utiliza incrustaciones de AlphaEarth Foundations (AEF), que comprimen años de observaciones satelitales continuas de diversas fuentes (Sentinel-1, Sentinel-2, Landsat y ALOS PALSAR-2) para cada píxel de 10 metros. Este enfoque permite al algoritmo analizar patrones dinámicos como la siembra, el crecimiento del dosel, las variaciones estacionales y los ciclos de cosecha, lo que resulta crucial para distinguir un pinar comercial de un bosque de pino nativo. El entrenamiento de la red neuronal se realizó con 1.7 millones de ubicaciones etiquetadas globalmente, utilizando aprendizaje débilmente supervisado y campañas de aprendizaje activo para refinar la precisión en regiones complejas como el sudeste asiático, África occidental y Latinoamérica.
Esta tecnología ofrece un potencial transformador para la supervisión del uso de la tierra con una precisión sin precedentes, pero su aplicación práctica requiere una integración cuidadosa. Melvin Lippe, del Instituto Thünen de Alemania, enfatiza que ningún mapa satelital global, por avanzado que sea, puede reemplazar por completo la verificación en el terreno para respaldar una Declaración de Debida Diligencia bajo la EUDR. El sistema ForTy proporciona "capas de confianza relativa" con puntuaciones continuas, lo que permite a las empresas y organizaciones adaptar los umbrales de certeza a sus necesidades específicas. Esta plataforma gratuita, disponible en Google Earth Engine bajo licencia abierta, es una herramienta poderosa que, combinada con cartografía nacional, geolocalización precisa y verificación en la cadena de custodia, puede ayudar a prevenir la deforestación en las cadenas de suministro y dirigir la financiación forestal hacia donde más se necesita, promoviendo así la sostenibilidad y la protección ambiental a nivel global.
