Google DeepMind y sus socios lanzan ForTy, un mapa global de 10 metros que clasifica bosques naturales, plantados y cultivados
Puntos clave
- •Google DeepMind, Google Research, WRI y IIASA lanzaron Forest Typology (ForTy) 2020, un mapa global que clasifica toda la tierra con resolución de 10 metros en seis tipos de bosque y uso del suelo alineados con las definiciones de la FAO.
- •El mapa se presenta como una línea base clave para el Reglamento de Deforestación de la UE, que exige a las empresas verificar queias primas como café, cacao, aceite de palma, caucho y soya no provengan de tierras forestales convertidas a agricultura.
- •Una serie temporal de lanzamiento temprano que la acompaña rastrea los cambios forestales cada año de 2017 a 2025, exponiendo conversiones ocultas, como bosques naturales reemplazados por plantaciones, que los mapas estándar de cobertura arbórea suelen pasar por alto.
- •El modelo ForTy fue entrenado con alrededor de 1.7 millones de ubicaciones etiquetadas y validado contra más de 9,000 sitios seleccionados al azar, identificando correctamente el tipo de bosque el 90% de las veces y distinguiendo bosque de no bosque el 95% de las veces.
- •El mapa ForTy 2020 y la serie temporal son de acceso gratuito en Google Earth Engine y Figshare bajo una licencia abierta, y la investigación subyacente fue publicada en la revista Scientific Data.

Google DeepMind y Google Research, en colaboración con el World Resources Institute (WRI) y el International Institute for Applied Systems Analysis (IIASA), han lanzado Forest Typology (ForTy) 2020, un mapa global que clasifica cada parche de tierra de 10 por 10 metros del planeta en seis tipos distintos de bosque y uso del suelo. Las organizaciones describen este lanzamiento como una línea base clave para la regulación de deforestación de la Unión Europea. Junto con el mapa, el equipo comparte una serie temporal temprana que rastrea cómo cambiaron los bosques cada año de 2017 a 2025, incluidos los lugares donde los bosques naturales fueron reemplazados por plantaciones o granjas.
El anuncio, publicado en el blog de Google DeepMind por los investigadores Maxim Neumann y Charlotte Stanton, señala que los usuarios ahora pueden ver, con detalle de 10 metros en todo el mundo y año tras año, no solo dónde se perdió bosque, sino qué lo reemplazó: una plantación maderera, una granja de cultivos arbóreos u otro tipo de tierra.
Por qué la "cobertura arbórea" no es suficiente
Desde el espacio, una selva primaria, una plantación de eucaliptos y una finca de palma aceitera pueden parecer el mismo parche verde. Sin embargo, albergan cantidades muy diferentes de carbono y biodiversidad. Según la publicación, todos los bosques almacenan carbono y, en conjunto, son el hogar de la mayoría de las especies de plantas y animales terrestres del mundo. Pero el valor ecológico de un bosque también depende de su historia: un bosque primario que nunca ha sido talado contiene mucho más carbono y biodiversidad que una plantación maderera de una sola especie cosechada cada década o dos.
La mayoría de los mapas globales solo indican si hay árboles presentes, lo cual representa un desafío para quienes intentan proteger los bosques naturales. El reglamento de la Unión Europea sobre productos libres de deforestación (EUDR), por ejemplo, exige que productos como el café, el cacao o el aceite de palma no provengan de tierras que eran bosque en 2020 y que desde entonces se hayan convertido en tierras agrícolas. Su alcance también abarca el caucho, la soya, el ganado y los productos derivados. Los productos de madera, como los muebles, también deben estar libres de degradación forestal: no pueden provenir de bosques primarios que hayan sido convertidos en plantaciones o bosques plantados, ni de bosques de regeneración natural que hayan sido convertidos en bosques de plantación. Como resultado, las empresas y los reguladores necesitan saber no solo dónde hay árboles, sino qué tipo de bosque forman —primario o en regeneración, plantado o de plantación, bosque o granja— y qué reemplaza a ese bosque después de una cosecha.
El mismo grupo lanzó anteriormente Natural Forests of the World 2020, un mapa global de resolución de 10 metros que separaba los bosques naturales de toda otra cobertura arbórea. E lanzamiento ofreció un punto de partida para ayudar a empresas y reguladores a implementar el Reglamento de Deforestación de la UE, y para apoyar a los productores de materias primas en el cumplimiento de sus compromisos de no convertir bosque natural. Ese mapa respondía una sola pregunta para cada parche de tierra: ¿era bosque natural en 2020 o no? ForTy va más allá, mostrando qué tipo de bosque hay, desde bosque primario hasta plantación maderera o cultivos arbóreos y, con la nueva serie temporal, cómo eso cambia cada año.
Cómo ForTy clasifica los bosques del mundo
ForTy clasifica la tierra en seis categorías basadas en las definiciones de la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO):
- Bosque primario: bosque nativo sin señales visibles de perturbación humana.
- Bosque de regeneración natural: bosque que creció de forma natural, por ejemplo después de una tala o un incendio.
- Bosque plantado: bosque que las personas plantaron o sembraron, y gestionaron en ciclos largos.
- Bosque de plantación: granjas forestales de crecimiento rápido y gestión intensiva, a menudo de una sola especie.
- Cultivos arbóreos y agroforestería: granjas que producen cosas distintas a la madera, como palma aceitera, caucho, cacao o frutas.
- Otra tierra: todo lo demás, desde pastizales y cultivos hasta ciudades y agua.
La FAO aplica estas mismas definiciones en su Evaluación de los Recursos Forestales Mundiales, la evaluación periódica mediante la cual los países reportan el estado de sus bosques, por lo que las categorías del mapa coinciden con el vocabulario ya utilizado en los reportes forestales internacionales.
En el mapa Forest Typology 2020, cada color muestra el tipo de bosque o tierra más común en cada kilómetro cuadrado, y los usuarios pueden explorarlo con detalle de 10 metros en la aplicación de Earth Engine.
Entrenar el modelo ForTy fue un desafío porque estas categorías dependen en parte de cómo se usa la tierra, no solo de cómo se ve. Para enseñarle al modelo la diferencia, el equipo construyó una colección a gran escala de ejemplos de tipos de bosque con alrededor de 1.7 millones de ubicaciones etiquetadas, obtenidas de encuestas de expertos, conjuntos de datos nacionales y regionales, y revisiones específicas de los lugares donde el modelo tenía dificultades. El modelo utiliza una arquitectura personalizada diseñada para los desafíos de los datos de teledetección y toma como entrada clave los embeddings de AlphaEarth Foundations, resúmenes compactos de datos de años de observaciones satelitales para cada píxel de 10 metros, lo que le permite detectar pistas sutiles como patrones de siembra, ciclos de crecimiento y ritmos de cosecha.
Desde arriba, las cinco clases de bosque y cultivos arbóreos pueden parecer similares. ForTy puede identificar las sutiles diferencias de estructura y patrones estacionales que los distinguen, categorizándolos con precisión en una base de datos cartográfica global. Las imágenes del proyecto son cortesía de Google Earth, Maxar Technologies y Airbus.
Poniendo el mapa a prueba
Un mapa solo es útil si la gente puede confiar en él. Por eso, junto con el IIASA y el WRI, el equipo validó ForTy contra más de 9,000 sitios elegidos al azar en todo el mundo. En cada sitio, dos expertos capacitados estudiaron imágenes de alta resolución y años de registros satelitales para determinar qué tipo de tierra había realmente. ForTy identificó el tipo de bosque correcto el 90% de las veces, y distinguió bosque de tierra no boscosa el 95% de las veces, superando a otros mapas forestales globales.
Más allá de la precisión, el equipo señala la conservación global no es única para todos. En lugar de dar una etiqueta de sí o no para un parche específico de tierra, ForTy proporciona una puntuación de probabilidad para cada clase, lo que permite a los usuarios adaptar la clasificación a contextos regionales y compensaciones de precisión específicas de cada aplicación. Por ejemplo, una empresa que evalúe el riesgo de deforestación bajo el EUDR podría establecer un umbral estricto, aceptando solo los píxeles sobre los que el modelo tenga alta certeza para evitar riesgos regulatorios. Mientras tanto, un investigador que estime la extensión total de los bosques podría usar todo el espectro de probabilidades para obtener una imagen más completa del paisaje potencial.
De una instantánea única a una historia de cambio
Un mapa de un solo año es una línea base útil, pero los bosques cambian. La nueva serie temporal de lanzamiento temprano aplica un enfoque similar a cada año de 2017 a 2025. Muestra no solo dónde desaparecen los bosques y dónde se regeneran, sino también qué tipo de cambio ocurrió: un bosque natural convertido en plantación maderera, por ejemplo, o tierra abandonada regenerándose lentamente en bosque.
Esta diferenciación importa porque algunos de los cambios más importantes son difíciles de ver desde el espacio. Cuando un bosque natural es talado y replantado como plantación, la tierra pronto vuelve a verse verde, por lo que los mapas estándar de cobertura arbórea podrían no detectar el cambio. La serie temporal de ForTy hace visibles estos cambios ocultos, tanto las pérdidas como las ganancias, y puede explorarse en una aplicación separada de Earth Engine.
Disponibilidad y próximos pasos
El mapa Forest Typology 2020, descrito en un artículo en Scientific Data, una revista de acceso abierto revisada por pares del Nature Portfolio, y la nueva serie temporal ya están disponibles gratuitamente en Google Earth Engine, la plataforma en la nube de Google para análisis geoespaciales, bajo una licencia abierta; el conjunto de datos también está publicado en Figshare. El equipo espera que gobiernos, empresas, grupos de conservación y científicos los utilicen para ayudar a construir cadenas de suministro libres de deforestación, dirigir la financiación forestal donde se necesite y proteger los bosques naturales más importantes. En los próximos meses, el equipo afirma que seguirá mejorando la serie temporal con socios y usuarios.
ForTy forma parte del portafolio de investigación AI for Nature de Google, que incluye mapear los factores de la pérdida forestal, predecir el riesgo de deforestación, modelar distribuciones globales de especies y monitorear la biodiversidad en el campo. ForTy también es la incorporación más reciente a Google Earth AI, la colección de modelos geoespaciales y conjuntos de datos de Google diseñada para ayudar a enfrentar los desafíos ambientales más críticos del planeta.
Agradecimientos
El trabajo fue codesarrollado por Google DeepMind y Google Research, junto con el World Resources Institute y el International Institute for Applied Systems Analysis. Los coautores de la publicación son Anton Raichuk, Peter Potapov, Myroslava Lesiv, Matthew Overlan, Mélanie Rey, Ravindran Rajakumar, Michelangelo Conserva, Radost Stanimirova, Michelle Sims, Sarah Carter, Elizabeth Goldman, Yuchang Jiang, Linus Scheibenreif, Ivelina Georgieva, Maria Shchepashchenko, Steffen Fritz, Nicholas Clinton, Dan Morris y Drew Purves, además de los evaluadores de confianza que ayudaron a mejorar el mapa.