
Un nuevo sistema de satélites e inteligencia artificial permite contar miles de millones de árboles sin identificar cada copa individualmente.
- 🛰️ 5.250 millones de árboles estimados mediante imágenes de satélite e inteligencia artificial en Ruanda y Tanzania.
- 🌱 El 51,2 % se encuentra fuera de las zonas clasificadas como cobertura arbórea, incluyendo terrenos agrícolas, pastizales y matorrales.
- 🤖 Un modelo de aprendizaje profundo analiza información óptica y de radar para estimar la cantidad de árboles.
- 🌍 Tres sistemas de satélites: PlanetScope, Sentinel-1 y Sentinel-2.
- 📊 12 millones de copas de árboles sirvieron como referencias para entrenar el sistema.
- 🌿 Aplicaciones: seguimiento de la vegetación, planificación de la restauración ecológica y evaluación de los programas de reforestación.
Un equipo internacional de investigadores liderado por la Universidad de Copenhague ha desarrollado un sistema de inteligencia artificial capaz de estimar cuántos árboles existen en grandes extensiones de territorio utilizando imágenes de satélite. Al aplicarlo a Ruanda y Tanzania, el modelo ha calculado la presencia de aproximadamente 5.250 millones de árboles, con un resultado especialmente llamativo: el 51,2 % se encuentra fuera de las zonas clasificadas como cobertura arbórea.
El descubrimiento cuestiona una de las limitaciones habituales de los inventarios forestales: muchos árboles crecen dispersos entre cultivos, pastizales, matorrales y asentamientos humanos, por lo que pueden quedar infrarrepresentados en los sistemas convencionales de seguimiento. La nueva tecnología podría ayudar a mejorar la reforestación, la conservación de los ecosistemas y la planificación de proyectos de restauración ambiental.
Una nueva forma de contar árboles desde el espacio
Conocer cuántos árboles existen en un país parece una tarea sencilla cuando se dispone de satélites capaces de fotografiar la superficie terrestre. Sin embargo, los métodos tradicionales presentan importantes dificultades.
Los inventarios forestales realizados sobre el terreno requieren personal especializado, desplazamientos y numerosas mediciones. Por su parte, las imágenes de muy alta resolución permiten identificar árboles individuales, pero su adquisición y procesamiento a escala nacional pueden resultar costosos.
Además, los árboles no siempre crecen formando bosques compactos. En muchas regiones aparecen dispersos entre explotaciones agrícolas, sabanas y pequeñas poblaciones.
Para superar estas limitaciones, los investigadores han desarrollado una herramienta de teledetección con inteligencia artificial que analiza las características de la vegetación sin necesidad de delimitar individualmente cada copa.
El sistema identifica patrones relacionados con la presencia de árboles y estima su número en pequeñas porciones del territorio.
Esta aproximación permite estudiar grandes superficies con un nivel de detalle que resulta difícil conseguir mediante inventarios exclusivamente terrestres.
Cómo funciona la inteligencia artificial que cuenta árboles
La tecnología combina información procedente de tres sistemas de observación terrestre:
- PlanetScope: proporciona imágenes ópticas con una resolución espacial aproximada de 3 metros, útiles para analizar la distribución de la vegetación.
- Sentinel-2: incorpora información multiespectral que permite distinguir características de la vegetación a partir de diferentes longitudes de onda.
- Sentinel-1: utiliza radar de apertura sintética, capaz de aportar información sobre las propiedades estructurales de la superficie incluso cuando existen nubes.
Los investigadores combinaron 20 bandas de información satelital en una representación común del territorio.
Posteriormente, dividieron las imágenes en fragmentos de 96 × 96 metros, que fueron analizados mediante una arquitectura de aprendizaje profundo denominada UNet-ResNet50.
En lugar de buscar visualmente cada árbol, el algoritmo estudia las relaciones entre las señales espectrales, las texturas y los patrones espaciales de cada fragmento.
A partir de esa información genera una estimación del número de árboles presentes.
Un entrenamiento con millones de árboles identificados
Para desarrollar el modelo, el equipo utilizó aproximadamente 12 millones de puntos correspondientes a centros de copas de árboles, obtenidos mediante interpretación de imágenes de alta resolución y tecnologías de escaneo láser LiDAR.
Estas referencias procedían de 2.832 áreas de muestreo distribuidas por distintos paisajes.
El objetivo era enseñar al algoritmo a reconocer la presencia de árboles en entornos muy diferentes, desde zonas agrícolas abiertas hasta áreas con vegetación más densa.
En una de las comparaciones de arquitecturas, el modelo obtuvo un error absoluto medio de 17,32 árboles por fragmento y un coeficiente de determinación R² de 0,73.
Estas cifras indican una capacidad predictiva relevante, aunque también reflejan que las estimaciones individuales pueden presentar errores.
Los resultados finales fueron corregidos y contrastados utilizando datos independientes de inventarios forestales nacionales.
El resultado: más de 5.000 millones de árboles y una distribución inesperada
El equipo aplicó el sistema a imágenes correspondientes a 2019 de Ruanda y Tanzania, dos países africanos con paisajes muy diferentes.
Las estimaciones finales fueron:
| País | Árboles estimados |
|---|---|
| Tanzania | 5.040 millones |
| Ruanda | 213 millones |
| Total aproximado | 5.250 millones |
Los investigadores también calcularon densidades medianas de 42 árboles por hectárea en Tanzania y 37 en Ruanda.
Sin embargo, el resultado más importante no fue únicamente la cantidad de árboles identificados.
Al comparar las estimaciones con las categorías de cobertura terrestre del sistema WorldCover, comprobaron que solo el 48,8 % de los árboles se encontraba en zonas clasificadas como cobertura arbórea.
El 51,2 % restante aparecía distribuido por otros tipos de paisaje.
Entre ellos destacan los matorrales, los pastizales y los terrenos agrícolas. También se identificaron árboles en zonas urbanizadas, humedales y otros ecosistemas.
Este resultado demuestra que los sistemas centrados exclusivamente en las superficies forestales pueden dejar fuera una parte considerable de los recursos arbóreos de un territorio.
Conviene precisar que el estudio compara categorías de cobertura terrestre: una zona clasificada como pastizal o terreno agrícola puede contener numerosos árboles sin estar considerada un bosque.

Por qué los árboles que crecen fuera de los bosques son tan importantes
La presencia de árboles dispersos tiene numerosas implicaciones ecológicas.
En las explotaciones agrícolas, por ejemplo, los árboles pueden contribuir a reducir la erosión, mejorar determinadas propiedades del suelo, proporcionar sombra y crear hábitats para diferentes especies.
También pueden participar en el almacenamiento de carbono y en la regulación del microclima local.
Estos beneficios dependen de factores como la especie, la densidad, el clima y la gestión del terreno.
En los sistemas agroforestales, la combinación adecuada de árboles y cultivos puede favorecer la resiliencia de las explotaciones frente a episodios de calor o sequía.
Por eso, conocer dónde se encuentran los árboles existentes resulta fundamental antes de diseñar nuevas actuaciones de restauración ecológica.
No todos los paisajes necesitan aumentar su densidad arbórea. Algunos ecosistemas abiertos poseen una biodiversidad propia que puede verse perjudicada por plantaciones inadecuadas.
Esta cuestión también aparece en investigaciones recientes sobre los riesgos de plantar árboles en determinados ecosistemas y su relación con los incendios forestales.
La nueva herramienta podría ayudar a distinguir las zonas donde conviene conservar los árboles existentes, favorecer la regeneración natural o estudiar nuevas plantaciones.

Una herramienta para mejorar los proyectos de reforestación
Uno de los principales problemas de los programas de reforestación es comprobar sus resultados a largo plazo.
Plantar miles de árboles no garantiza que todos sobrevivan, crezcan adecuadamente o contribuyan a recuperar las funciones ecológicas del territorio.
Para evaluar estas iniciativas se necesitan datos fiables sobre la vegetación existente antes de intervenir y sobre su evolución posterior.
El sistema desarrollado por los investigadores podría proporcionar una referencia espacial que facilite estas comparaciones.
Entre sus posibles aplicaciones se encuentran la identificación de zonas prioritarias para la restauración, el seguimiento de cambios en la cobertura arbórea y la evaluación de políticas ambientales.
La tecnología también podría complementar iniciativas que utilizan drones para restaurar y proteger los bosques.
La combinación de imágenes satelitales, observaciones sobre el terreno y herramientas de inteligencia artificial permitiría obtener una visión más completa del estado de los ecosistemas.
Además, el estudio encontró que una combinación basada únicamente en Sentinel-1 y Sentinel-2 ofrecía resultados comparables a los obtenidos con los tres sistemas de satélites.
Este hallazgo es relevante porque los datos de los satélites Sentinel están disponibles gratuitamente, lo que podría facilitar la aplicación de métodos similares en regiones con presupuestos limitados.
Qué limitaciones tiene esta tecnología
Aunque los resultados son prometedores, el sistema todavía presenta limitaciones importantes.
Una de las principales dificultades aparece en los bosques densos, donde las copas se superponen y los sensores no pueden observar directamente todos los árboles.
En estas condiciones, las señales satelitales pueden saturarse y reducir la precisión de las estimaciones.
El método también presenta dificultades para identificar árboles pequeños y vegetación situada bajo las copas de otros ejemplares.
Por tanto, no debe interpretarse como un recuento exacto de todos los árboles existentes.
Se trata de una estimación estadística obtenida mediante inteligencia artificial y calibrada con inventarios forestales.
Otro aspecto importante es que los resultados corresponden a imágenes de 2019. Aunque la investigación se publicó en 2026, las cifras no representan necesariamente la cantidad actual de árboles de ambos países.
Para extender la metodología a otras regiones será necesario comprobar su rendimiento en nuevos ecosistemas y disponer de mediciones locales que permitan corregir posibles desviaciones.
Asimismo, el sistema todavía no puede sustituir las inspecciones necesarias para evaluar la supervivencia de plántulas recién establecidas.
Qué impacto puede tener en la conservación del medio ambiente
Disponer de mapas detallados sobre la distribución de árboles puede mejorar la gestión ambiental a diferentes escalas.
Los responsables de proyectos de restauración podrían identificar áreas con escasa presencia arbórea y estudiar cuáles ofrecen condiciones adecuadas para recuperar vegetación.
También sería posible localizar paisajes agrícolas donde los árboles dispersos desempeñan funciones ecológicas importantes.
En materia de cambio climático, estos datos podrían complementar las estimaciones de biomasa y carbono, aunque contar árboles no equivale directamente a calcular cuánto carbono almacenan.
Para ello también es necesario conocer características como el tamaño, la especie y la biomasa de los ejemplares.
La información podría resultar útil para evaluar proyectos de regeneración natural, una estrategia que en determinadas condiciones puede ofrecer ventajas económicas y ecológicas frente a las plantaciones convencionales.
De hecho, otras investigaciones han analizado cómo la regeneración natural de los bosques puede resultar considerablemente más económica que plantar árboles.
La combinación de ambas líneas de investigación apunta hacia una gestión forestal más basada en datos, en las características de cada ecosistema y en los resultados reales de las intervenciones.
Referencia científica: A Remote Sensing-Based Solution for National Scale Tree Counting. Journal of Remote Sensing, 2026. DOI: 10.34133/remotesensing.0970.



Deja una respuesta