📊 statistics

Foundation-Model Earth Representations Enable Regional-Scale Forest Aboveground Biomass Monitoring Across the Northeastern United States

Este estudio demuestra que la integración de los Google Satellite Embeddings del modelo fundacional AlphaEarth con datos de LiDAR aerotransportado y de inventario forestal permite un monitoreo altamente preciso, escalable y temporalmente consistente de la biomasa aérea forestal en el noreste de los Estados Unidos, mejorando significativamente el rendimiento predictivo y reduciendo el sesgo en comparación con los métodos tradicionales.

Autores originales: Shashika Lamahewage, Chandi Witharana

Publicado 2026-07-31

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Shashika Lamahewage, Chandi Witharana

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la Tierra como un pulmón gigante que respira. Cada vez que este pulmón inhala, absorbe dióxido de carbono del aire y lo almacena dentro de sus tejidos: árboles, hojas y raíces. Este carbono almacenado se llama "biomasa aérea", y es el arma secreta que los bosques utilizan para luchar contra el cambio climático. Pero aquí está la parte complicada: para saber cuánto carbono retiene un bosque, los científicos normalmente tienen que salir, medir cada árbol y hacer algunas matemáticas pesadas. Es como intentar contar los granos de arena en una playa recogiéndolos uno por uno. Es lento, costoso y, a menudo, imposible de hacer en todas partes al mismo tiempo.

En años recientes, los científicos han intentado usar satélites para tomar un atajo. En lugar de medir los árboles directamente, observan imágenes desde el espacio para adivinar cuánta madera hay. Pero las imágenes satelitales tradicionales son un poco como mirar un bosque a través de una ventana empañada; pueden ver la copa verde, pero no pueden decirte qué tan altos son los árboles o qué tan gruesas son las ramas. Ahí es donde entra una nueva clase de herramienta de "super-satélite". Piensa en estas herramientas como un traductor mágico. En lugar de solo mostrar una foto, convierten todo el paisaje en un código secreto: una larga lista de números que describe la forma, la salud y la historia del bosque, todo a la vez. Este artículo plantea una gran pregunta: ¿Podemos usar este nuevo "código secreto" de un sistema de IA global para contar con precisión el almacenamiento de carbono del bosque, incluso en lugares donde no tenemos los mapas 3D de alta tecnología de los árboles?

El Código Secreto del Bosque

En este estudio, dos investigadores de la Universidad de Connecticut decidieron poner a prueba este nuevo "código secreto" en los bosques del noreste de los Estados Unidos. Querían ver si podían usar una nueva y poderosa herramienta llamada Google Satellite Embeddings (GSE) para estimar cuánta madera se almacena en los árboles.

Para entender el desafío, imagina que estás tratando de adivinar el peso de una mochila.

La forma antigua (LiDAR): Tienes un escáner 3D que mide la altura y la forma exacta de la mochila. Es súper preciso, pero solo puedes usarlo si tienes el escáner ahí mismo. En el mundo real, esto es LiDAR, una tecnología láser que crea mapas 3D detallados de los bosques. Es genial, pero es raro y costoso, como tener un escáner 3D para solo unos pocos mochilas en toda una escuela.
La nueva forma (GSE): Tienes una IA súper inteligente que ha observado millones de mochilas desde el espacio, reportes climáticos y mapas. No ve la mochila directamente, pero ha aprendido un "código secreto" (una lista de 64 números) que describe cómo suele ser una mochila basándose en su entorno. Esto es el Google Satellite Embedding. Está disponible en todas partes, cada año, pero es un misterio porque es una "caja negra": sabemos que funciona, pero no siempre sabemos exactamente qué número significa "árbol alto" y cuál significa "hojas espesas".

El Experimento: Mezclando las Herramientas

Los investigadores recopilaron datos del Northeastern Forest Inventory Network (NEFIN), que es como un libro de registro masivo de mediciones forestales tomadas por humanos durante décadas. Tenían dos objetivos principales:

¿Podían usar el "código secreto" (GSE) por sí solo para adivinar el peso del bosque?
¿Podían mezclar el "código secreto" con los mapas de mapas láser 3D (LiDAR) para obtener una estimación aún mejor?

Introdujeron toda esta información en tres tipos diferentes de modelos de "cerebro" computacional (llamados Random Forest, XGBoost y ExtraTrees) para ver cuál podía aprender mejor.

Los Resultados: Una Combinación Ganadora

Esto es lo que encontraron, y es bastante emocionante:

Los Mapas Láser 3D siguen siendo el Rey: Cuando usaron solo los mapas láser 3D (LiDAR), los modelos computacionales hicieron un gran trabajo, alcanzando una puntuación de precisión (llamada R²) de 0.79 tras ajustar los parámetros. Esto significa que el modelo podía explicar aproximadamente el 79% de los cambios en el peso del bosque.
El Código Secreto es un Fuerte Segundo Lugar: Cuando usaron solo el "código secreto" (GSE), los modelos funcionaron sorprendentemente bien, alcanzando una precisión de 0.67 con el conjunto de datos más pequeño. Esto demuestra que el código secreto de la IA realmente sabe mucho sobre el bosque, incluso sin los mapas láser 3D.
El Poder del Trabajo en Equipo: El mejor resultado absoluto ocurrió cuando combinaron los mapas láser 3D con el "código secreto". Esta unión elevó la precisión hasta 0.79 también, mostrando que los dos métodos se complementan perfectamente. Resulta que los mapas 3D le dicen a la computadora qué tan altos son los árboles, mientras que el código secreto le dice qué tipo de bosque es y cómo está cambiando con el tiempo. Juntos, son la pareja perfecta.

El Gran Avance: Llenando los Huecos

El descubrimiento más sorprendente ocurrió cuando dejaron de preocuparse por los mapas láser 3D. Debido a que el "código secreto" (GSE) está disponible todos los años para todo el mundo, los investigadores pudieron usar muchísimos más datos. Expandieron su estudio de un pequeño grupo de 589 parcelas forestales a un masivo total de 6,801 parcelas.

Al usar esta enorme cantidad de datos y dejar que la computadora aprendiera del "código secreto" por sí sola, lograron su puntuación de precisión más alta hasta la fecha: 0.82.

Lo Que Esto Significa para el Futuro

Este estudio sugiere que no siempre necesitamos mapas láser 3D costosos para monitorear los bosques. Si tenemos buenas mediciones de campo (como el registro de NEFIN) y usamos este nuevo "código secreto" global, podemos crear mapas precisos del almacenamiento de carbono forestal para regiones enteras, incluso en lugares donde nunca se ha volado un escáner láser.

Los investigadores descubrieron que, al usar este método, pudieron reducir el sesgo del modelo en más del 70% en comparación con los modelos que no utilizaban los ajustes de crecimiento anual y los datos de GSE. También demostraron que, al ajustar los parámetros de la computadora (un proceso llamado optimización de hiperparámetros), podían hacer que los resultados fueran mucho más estables y confiables.

La Conclusión

Si bien los mapas láser 3D siguen siendo la herramienta más precisa para áreas pequeñas y detalladas, este nuevo "código secreto" de la IA de Google es un cambio de juego para el monitoreo a gran escala. Permite a los científicos llenar los huecos donde no existen los mapas láser. El estudio concluye que, al combinar estas nuevas herramientas de IA con los datos forestales tradicionales, finalmente podemos mantener un ojo mucho mejor, año tras año, sobre cuánto carbono están almacenando nuestros bosques, ayudándonos a entender y proteger el clima de nuestro planeta de manera más efectiva que nunca.

Resumen Técnico: Las representaciones de modelos fundacionales de la Tierra permiten el monitoreo de la biomasa aérea forestal a escala regional en el noreste de los Estados Unidos

Planteamiento del problema
La biomasa aérea (AGB, por sus siglas en inglés) forestal es un indicador crítico de la productividad de los ecosistemas y del almacenamiento de carbono terrestre. Sin embargo, el monitoreo de carbono regional está limitado por la escasa disponibilidad espacial y temporal de inventarios de campo y mediciones estructurales aéreas. Los enfoques tradicionales de teledetección (RS) enfrentan limitaciones inherentes: el LiDAR proporciona datos estructurales 3D ricos pero carece de continuidad temporal y espacial, mientras que las imágenes ópticas y de radar a menudo carecen de sensibilidad a la estructura vertical. Además, las inconsistencias en la resolución espacial y temporal entre las fuentes tradicionales de RS han dificultado las estimaciones de AGB reproducibles y anuales a escalas regionales. Asimismo, la indisponibilidad de ubicaciones precisas de parcelas de campo (por ejemplo, los datos USFS FIA) limita la utilidad de la verificación de campo para el modelado espacial.

Metodología
El estudio desarrolló un marco de aprendizaje automático (ML) para estimar la AGB en siete estados del noreste de EE. UU. (cubriendo >280,000 km²) integrando tres fuentes de datos primarias:

Verdad de campo: Datos de Inventario Forestal Continuo (CFI) de la Red de Inventario Forestal del Noreste (NEFIN), que comprende más de 5,000 parcelas. La AGB a nivel de parcela se calculó utilizando ecuaciones alométricas actualizadas (Chojnacky et al., 2014) y se ajustó anualmente para alinearse con las fechas de adquisición de teledetección.
Predictores estructurales: Datos de LiDAR aéreo (2011–2025) de USGS-3DEP, que proporcionan 29 métricas de altura y densidad.
Representaciones de modelos fundacionales: Incrustaciones de Satélite de Google (GSE) generadas por el Modelo Fundacional AlphaEarth. Estas son vectores geoespaciales de 64 dimensiones, listos para el análisis, derivados de datos multimodales (ópticos, térmicos, SAR, LiDAR, elevación, clima, etc.) a una resolución de 10 m.

Diseño Experimental
Los autores evaluaron tres grupos de predictores utilizando algoritmos de Random Forest (RF), XGBoost y ExtraTrees:

G1: Solo LiDAR.
G2: Solo GSE.
G3: Combinación de LiDAR y GSE.

Se probaron dos escenarios:

Escenario I: Un conjunto de datos restringido (n=589) donde las parcelas coincidían con las ventanas de adquisición de tanto LiDAR como GSE (±3 años).
Escenario II: Un conjunto de datos expandido (n=6,801) utilizando la serie temporal anual completa de GSE (2017–2025) con AGB ajustado por crecimiento, omitiendo las restricciones de disponibilidad de LiDAR.

La metodología incluyó el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de GSE (reteniendo el 95% de la varianza), corrección de autocorrelación espacial mediante el I de Moran y covariables espaciales, optimización de hiperparámetros vía GridSearchCV y simulaciones de Monte Carlo para evaluar la estabilidad del modelo.

Resultados Clave

Desempeño del Modelo: Los modelos combinados de LiDAR-GSE (G3) alcanzaron el mayor desempeño en el Escenario I, donde el modelo XGBoost ajustado alcanzó un $R^2$ de 0.79 y un Error Absoluto Medio (MAE) de 227.81 Mg ha⁻¹. Esto superó a los modelos de solo LiDAR ( $R^2$ = 0.79, pero con mayor sesgo en algunas configuraciones) y de solo GSE ( $R^2$ = 0.67) bajo tamaños de muestra limitados.
Impacto del Tamaño de la Muestra (Escenario II): Capitalizar las observaciones anuales de GSE para expandir el conjunto de entrenamiento diez veces (a 6,801 parcelas) mejoró significativamente el desempeño predictivo. El modelo XGBoost ajustado de solo GSE en el Escenario II logró un $R^2$ de 0.82 y un MAE de 245.23 Mg ha⁻¹, superando el desempeño de los modelos entrenados con conjuntos de datos más pequeños restringidos por LiDAR.
Autocorrelación Espacial: La integración de representaciones de modelos fundacionales y predictores estructurales redujo sustancialmente la dependencia espacial residual. Los modelos G3 combinados mostraron la más débil autocorrelación espacial residual, con el I de Moran acercándose a cero para el modelo XGBoost tras la corrección espacial.
Importancia de las Variables: Mientras que las métricas estructurales de LiDAR (ej. rugosidad del dosel, percentiles de altura) fueron dominantes en los modelos de solo LiDAR, las características derivadas de GSE (ej. A36, A49) y las covariables espaciales se volvieron críticas en los modelos de solo GSE y combinados. El PCA reveló que las características de GSE están altamente estructuradas, capturando gradientes ecológicos más allá de la simple información espectral.
Estabilidad: La optimización de hiperparámetros redujo la variabilidad del desempeño del modelo en un 27.9% en las simulaciones de Monte Carlo, con ExtraTrees demostrando el desempeño más estable a través de las iteraciones.

Contribuciones Clave

Primer Marco Sistemático: Este estudio presenta la primera aplicación sistemática de los conjuntos de datos GSE de AlphaEarth para la estimación de AGB regional en el noreste de los Estados Unidos.
Monitoreo Escalable: Demuestra que las representaciones de modelos fundacionales de la Tierra pueden servir como una alternativa escalable para el monitoreo de AGB en regiones con cobertura incompleta de LiDAR aéreo, particularmente cuando hay datos de inventario anual disponibles.
Integración de Datos: El trabajo establece un marco unificador para integrar los datos heterogéneos de NEFIN-CFI con conjuntos de datos de LiDAR y GSE de múltiples años.
Rigor Metodológico: El estudio aborda la autocorrelación espacial y el desalineamiento temporal mediante ajustes de crecimiento y covariables espaciales, proporcionando un flujo de trabajo reproducible para la evaluación de carbono regional.

Significancia y Reivindicaciones
Los autores afirman que las representaciones de modelos fundacionales de la Tierra capturan información ecológicamente significativa relevante para la biomasa forestal, ofreciendo una vía hacia la evaluación del carbono forestal de próxima generación basada en observaciones disponibles globalmente. El estudio establece que, si bien el LiDAR sigue siendo superior para la estimación local de alta precisión con muestras pequeñas, los datos de GSE pueden apoyar eficazmente el monitoreo a escala regional cuando el LiDAR no está disponible, siempre que haya suficientes datos de entrenamiento a través de la expansión de la serie temporal anual. Los hallazgos sugieren un cambio hacia la gestión de la vegetación impulsada por datos, ofreciendo una herramienta de toma de decisiones reproducible para propietarios de tierras y responsables de políticas para alcanzar metas regionales de carbono sin depender de ubicaciones de parcelas sensibles y no públicas. Los autores señalan que la alta incertidumbre observada en valores extremos de AGB (>600 Mg ha⁻¹) resalta la necesidad continua de marcos de inventario geoespacial y ecológicamente representativos.

Más como este