La gran migración de los ñus es uno de los espectáculos naturales más impresionantes del planeta. Cada año, inmensas manadas de ñus, acompañadas de cebras y gacelas, recorren entre 800 y 1000 km entre Tanzania y Kenia en busca de pastos frescos después de las lluvias.
Este vasto viaje circular es el motor del ecosistema del Serengeti-Mara. La migración alimenta a depredadores como leones y cocodrilos, fertiliza la tierra y mantiene vivas las praderas. Innumerables especies —y también las personas que dependen de los pastizales y del turismo— viven gracias a ella.
Como esta migración sostiene todo el ecosistema, resulta esencial saber cuántos animales participan en ella. Cualquier cambio en su número no afectaría solo a los ñus, sino también a los depredadores, la vegetación y a los millones de personas que dependen de este paisaje.
Durante décadas, los estudios aéreos han sido la principal herramienta para estimar el tamaño de la población de ñus en África oriental. Las aeronaves vuelan en línea recta —en lo que se conoce como transectos— separados por pocos kilómetros, y a partir de esas franjas se calcula la población total. Gracias a este minucioso y exigente trabajo, basado en un método utilizado desde hace años, se estima que hay alrededor de 1,3 millones de ñus.
En los últimos años, los científicos conservacionistas han comenzado a probar si los satélites y la inteligencia artificial —capaz de detectar patrones en grandes volúmenes de datos— pueden ofrecer una nueva forma de vigilar la vida silvestre. Estudios previos ya demostraron que especies como las focas de Weddell, las belugas y los elefantes pueden identificarse en imágenes satelitales mediante inteligencia artificial.
En 2023, demostramos que los ñus migratorios pueden identificarse en imágenes satelitales mediante técnicas de aprendizaje profundo. Ese estudio confirmó que es posible vigilar grandes concentraciones de mamíferos desde el espacio. El siguiente paso ha sido ir más allá de la simple detección y avanzar hacia la estimación de sus poblaciones, utilizando los satélites no solo para localizarlos, sino también para contarlos a gran escala.
Nuestro reciente estudio se llevó a cabo gracias a la colaboración entre biólogos, especialistas en teledetección y científicos expertos en aprendizaje profundo. Analizamos imágenes satelitales del ecosistema Serengeti-Mara de 2022 y 2023, que abarcan más de 4000 km².
Uso de modelos de aprendizaje profundo
Las imágenes se captaron con una resolución espacial muy alta —entre 33 y 60 centímetros por píxel—, y cada ñu quedaba representado por menos de nueve píxeles. Analizamos las imágenes utilizando dos modelos de aprendizaje profundo complementarios: un U-Net basado en píxeles y un modelo YOLO basado en objetos. Ambos fueron entrenados para reconocer a los ñus desde una vista cenital. Al aplicar ambos sistemas de forma conjunta, pudimos validar los resultados cruzadamente y reducir posibles sesgos. Las imágenes se tomaron a principios y finales de agosto, coincidiendo con distintas fases de la migración durante la estación seca. Tal como cabía esperar, a principios de mes se observaron manadas más pequeñas.
En ambos años, los modelos detectaron menos de 600 000 ñus dentro del área de distribución correspondiente a la estación seca. Aunque estas cifras son inferiores a algunas estimaciones aéreas anteriores, no deben interpretarse necesariamente como una señal de disminución de la población. Recomendamos realizar más estudios que permitan comparar y determinar los posibles sesgos y márgenes de error de cada método. Es inevitable que algunos animales pasen desapercibidos —por ejemplo, bajo la sombra de los árboles o fuera del área captada por las imágenes—, pero es poco probable que esos factores expliquen la ausencia de cientos de miles de individuos. Para comprobar que se habían cubierto las principales manadas, validamos el alcance del estudio con datos de seguimiento por GPS de ñus con collares y con observaciones sobre el terreno de las organizaciones que monitorizan sus movimientos en la región.
Estos resultados constituyen el primer censo por satélite de la migración del Serengeti-Mara durante la estación seca. Lejos de sustituir a los recuentos aéreos, aportan una perspectiva complementaria sobre la dinámica estacional de la población. El siguiente paso consiste en coordinar ambos enfoques —aéreo y satelital— de manera paralela, para que cada uno contribuya a mejorar al otro y así obtener una visión más completa de este extraordinario proceso migratorio.
Orientaciones futuras
La vigilancia por satélite no es una solución perfecta. Las imágenes resultan costosas y, en ocasiones, las nubes ocultan la vista. Además, es imposible captar a todos los individuos sobre el terreno (como tampoco pueden hacerlo los estudios aéreos). Aun así, las ventajas son evidentes: los satélites pueden ofrecer una instantánea de enormes extensiones de paisaje en un único momento, reduciendo gran parte de la incertidumbre que conllevan los recuentos parciales.
Este enfoque puede ampliarse a muchas otras especies y ecosistemas. A medida que se lanzan más satélites de alta resolución —capaces de captar imágenes con menos de 50 centímetros—, se puede volver a observar un mismo punto de la Tierra varias veces al día. Esto acerca el seguimiento de la fauna silvestre al tiempo real más que nunca.
Más allá del simple recuento de poblaciones, los satélites abren una nueva frontera científica: el estudio de los movimientos colectivos a gran escala. La migración de los ñus es un ejemplo paradigmático de comportamiento emergente: no existe un líder, pero el grupo sigue un orden concreto. Cada animal responde a señales sencillas —como la dirección del pasto más verde o el movimiento de sus vecinos—, y juntos, miles de individuos dan forma a un viaje inmenso y coordinado.
Gracias a los datos satelitales de alta resolución, los científicos pueden ahora investigar las leyes físicas fundamentales que determinan cómo los animales se mueven en grandes grupos. Sin embargo, surgen nuevas preguntas: ¿cómo se propagan las ondas de densidad del movimiento a través del paisaje, qué reglas de escala podrían explicar los patrones de espaciamiento y alineación, y de qué forma influyen estos comportamientos colectivos en el funcionamiento de los ecosistemas?
Nuestros resultados demuestran que los satélites y la inteligencia artificial pueden emplearse no solo para el seguimiento de poblaciones de fauna silvestre, sino también para explorar más allá del simple recuento y desvelar los mecanismos de organización colectiva en los grupos de animales.
Artículo de Isla C. Duporge con la colaboración de Daniel Rubenstein, David Macdonald y Tiejun Wang publicado originalmente en inglés por The Conversation. Este artículo ha sido traducido con la colaboración de Casa África. Traducción: Ramsés Cabrera