{"id":35148,"date":"2025-10-28T16:13:11","date_gmt":"2025-10-28T15:13:11","guid":{"rendered":"https:\/\/www.esafrica.es\/?p=35148"},"modified":"2025-10-28T16:16:14","modified_gmt":"2025-10-28T15:16:14","slug":"la-migracion-de-los-nus-vista-desde-el-espacio-los-satelites-y-la-inteligencia-artificial-ayudan-a-hacer-un-recuento-de-la-fauna-salvaje-de-africa","status":"publish","type":"post","link":"https:\/\/www.esafrica.es\/fr\/sostenibilidad-energia-africa\/la-migracion-de-los-nus-vista-desde-el-espacio-los-satelites-y-la-inteligencia-artificial-ayudan-a-hacer-un-recuento-de-la-fauna-salvaje-de-africa\/","title":{"rendered":"La migraci\u00f3n de los \u00f1us, vista desde el espacio: los sat\u00e9lites y la inteligencia artificial ayudan a hacer un recuento de la fauna salvaje de \u00c1frica"},"content":{"rendered":"\n

La gran migraci\u00f3n de los \u00f1us es uno de los espect\u00e1culos naturales m\u00e1s impresionantes del planeta. Cada a\u00f1o, inmensas manadas de \u00f1us, acompa\u00f1adas de cebras y gacelas, recorren entre 800 y 1000 km entre Tanzania y Kenia en busca de pastos frescos despu\u00e9s de las lluvias<\/a>.<\/h2>\n\n\n\n

Este vasto viaje circular es el motor del ecosistema del Serengeti-Mara. La migraci\u00f3n alimenta a depredadores como leones y cocodrilos, fertiliza la tierra y mantiene vivas las praderas. Innumerables especies \u2014y tambi\u00e9n las personas que dependen de los pastizales y del turismo\u2014 viven<\/a> gracias a ella.<\/p>\n\n\n\n

Como esta migraci\u00f3n sostiene todo el ecosistema, resulta esencial saber cu\u00e1ntos animales participan en ella. Cualquier cambio en su n\u00famero no afectar\u00eda solo a los \u00f1us, sino tambi\u00e9n a los depredadores, la vegetaci\u00f3n y a los millones de personas que dependen de este paisaje.<\/p>\n\n\n\n

Durante d\u00e9cadas, los estudios a\u00e9reos han sido la principal herramienta para estimar el tama\u00f1o de la poblaci\u00f3n de \u00f1us en \u00c1frica oriental. Las aeronaves vuelan en l\u00ednea recta \u2014en lo que se conoce como transectos\u2014 separados por pocos kil\u00f3metros, y a partir de esas franjas se calcula la poblaci\u00f3n total. Gracias a este minucioso y exigente trabajo, basado en un m\u00e9todo utilizado desde hace a\u00f1os, se estima que hay alrededor de 1,3 millones de \u00f1us<\/a>.<\/p>\n\n\n\n

En los \u00faltimos a\u00f1os, los cient\u00edficos conservacionistas han comenzado a probar si los sat\u00e9lites y la inteligencia artificial \u2014capaz de detectar patrones en grandes vol\u00famenes de datos\u2014 pueden ofrecer una nueva forma de vigilar la vida silvestre. Estudios previos ya demostraron que especies como las focas de Weddell<\/a>, las belugas<\/a> y los elefantes pueden identificarse en im\u00e1genes satelitales mediante inteligencia artificial<\/a>.<\/p>\n\n\n\n

En 2023, demostramos<\/a> que los \u00f1us migratorios pueden identificarse en im\u00e1genes satelitales mediante t\u00e9cnicas de aprendizaje profundo. Ese estudio confirm\u00f3 que es posible vigilar grandes concentraciones de mam\u00edferos desde el espacio. El siguiente paso ha sido ir m\u00e1s all\u00e1 de la simple detecci\u00f3n y avanzar hacia la estimaci\u00f3n de sus poblaciones, utilizando los sat\u00e9lites no solo para localizarlos, sino tambi\u00e9n para contarlos a gran escala.<\/p>\n\n\n\n

Nuestro reciente estudio<\/a> se llev\u00f3 a cabo gracias a la colaboraci\u00f3n entre bi\u00f3logos, especialistas en teledetecci\u00f3n y cient\u00edficos expertos en aprendizaje profundo. Analizamos im\u00e1genes satelitales del ecosistema Serengeti-Mara de 2022 y 2023, que abarcan m\u00e1s de 4000 km\u00b2.<\/p>\n\n\n\n

Uso de modelos de aprendizaje profundo<\/strong><\/p>\n\n\n\n

Las im\u00e1genes se captaron con una resoluci\u00f3n espacial muy alta \u2014entre 33 y 60 cent\u00edmetros por p\u00edxel\u2014, y cada \u00f1u quedaba representado por menos de nueve p\u00edxeles. Analizamos las im\u00e1genes utilizando dos modelos de aprendizaje profundo complementarios: un U-Net basado en p\u00edxeles<\/a> y un modelo YOLO basado en objetos<\/a>. Ambos fueron entrenados para reconocer a los \u00f1us desde una vista cenital. Al aplicar ambos sistemas de forma conjunta, pudimos validar los resultados cruzadamente y reducir posibles sesgos. Las im\u00e1genes se tomaron a principios y finales de agosto, coincidiendo con distintas fases de la migraci\u00f3n durante la estaci\u00f3n seca. Tal como cab\u00eda esperar, a principios de mes se observaron manadas m\u00e1s peque\u00f1as.<\/p>\n\n\n\n

En ambos a\u00f1os, los modelos detectaron menos de 600 000 \u00f1us dentro del \u00e1rea de distribuci\u00f3n correspondiente a la estaci\u00f3n seca. Aunque estas cifras son inferiores a algunas estimaciones a\u00e9reas anteriores, no deben interpretarse necesariamente como una se\u00f1al de disminuci\u00f3n de la poblaci\u00f3n. Recomendamos realizar m\u00e1s estudios que permitan comparar y determinar los posibles sesgos y m\u00e1rgenes de error de cada m\u00e9todo. Es inevitable que algunos animales pasen desapercibidos \u2014por ejemplo, bajo la sombra de los \u00e1rboles o fuera del \u00e1rea captada por las im\u00e1genes\u2014, pero es poco probable que esos factores expliquen la ausencia de cientos de miles de individuos. Para comprobar que se hab\u00edan cubierto las principales manadas, validamos el alcance del estudio con datos de seguimiento por GPS de \u00f1us con collares y con observaciones sobre el terreno de las organizaciones que monitorizan sus movimientos en la regi\u00f3n.<\/p>\n\n\n\n

Estos resultados constituyen el primer censo por sat\u00e9lite de la migraci\u00f3n del Serengeti-Mara durante la estaci\u00f3n seca. Lejos de sustituir a los recuentos a\u00e9reos, aportan una perspectiva complementaria sobre la din\u00e1mica estacional de la poblaci\u00f3n. El siguiente paso consiste en coordinar ambos enfoques \u2014a\u00e9reo y satelital\u2014 de manera paralela, para que cada uno contribuya a mejorar al otro y as\u00ed obtener una visi\u00f3n m\u00e1s completa de este extraordinario proceso migratorio.<\/p>\n\n\n\n

Orientaciones futuras<\/strong><\/p>\n\n\n\n

La vigilancia por sat\u00e9lite no es una soluci\u00f3n perfecta. Las im\u00e1genes resultan costosas y, en ocasiones, las nubes ocultan la vista. Adem\u00e1s, es imposible captar a todos los individuos sobre el terreno (como tampoco pueden hacerlo los estudios a\u00e9reos). Aun as\u00ed, las ventajas son evidentes: los sat\u00e9lites pueden ofrecer una instant\u00e1nea de enormes extensiones de paisaje en un \u00fanico momento, reduciendo gran parte de la incertidumbre que conllevan los recuentos parciales.<\/p>\n\n\n\n

Este enfoque puede ampliarse a muchas otras especies y ecosistemas. A medida que se lanzan m\u00e1s sat\u00e9lites de alta resoluci\u00f3n \u2014capaces de captar im\u00e1genes con menos de 50 cent\u00edmetros\u2014, se puede volver a observar un mismo punto de la Tierra varias veces al d\u00eda. Esto acerca el seguimiento de la fauna silvestre al tiempo real m\u00e1s que nunca.<\/p>\n\n\n\n

M\u00e1s all\u00e1 del simple recuento de poblaciones, los sat\u00e9lites abren una nueva frontera cient\u00edfica: el estudio de los movimientos colectivos a gran escala. La migraci\u00f3n de los \u00f1us es un ejemplo paradigm\u00e1tico de comportamiento emergente: no existe un l\u00edder, pero el grupo sigue un orden concreto. Cada animal responde a se\u00f1ales sencillas \u2014como la direcci\u00f3n del pasto m\u00e1s verde o el movimiento de sus vecinos\u2014, y juntos, miles de individuos dan forma a un viaje inmenso y coordinado.<\/p>\n\n\n\n

Gracias a los datos satelitales de alta resoluci\u00f3n, los cient\u00edficos pueden ahora investigar las leyes f\u00edsicas fundamentales que determinan c\u00f3mo los animales se mueven en grandes grupos. Sin embargo, surgen nuevas preguntas: \u00bfc\u00f3mo se propagan las ondas de densidad del movimiento a trav\u00e9s del paisaje, qu\u00e9 reglas de escala podr\u00edan explicar los patrones de espaciamiento y alineaci\u00f3n, y de qu\u00e9 forma influyen estos comportamientos colectivos en el funcionamiento de los ecosistemas?<\/p>\n\n\n\n

Nuestros resultados demuestran que los sat\u00e9lites y la inteligencia artificial pueden emplearse no solo para el seguimiento de poblaciones de fauna silvestre, sino tambi\u00e9n para explorar m\u00e1s all\u00e1 del simple recuento y desvelar los mecanismos de organizaci\u00f3n colectiva en los grupos de animales.<\/p>\n\n\n\n

Art\u00edculo de Isla C. Duporge<\/a> con la colaboraci\u00f3n de Daniel Rubenstein<\/a>, David Macdonald<\/a> y Tiejun Wang<\/a>\u00a0publicado originalmente en ingl\u00e9s por The Conversation<\/a>. Este art\u00edculo ha sido traducido con la colaboraci\u00f3n de Casa \u00c1frica. Traducci\u00f3n: Rams\u00e9s Cabrera<\/em><\/p>\n\n\n\n