Forest Foresight — predicción de la deforestación mediante IA y radar para proteger la selva de Gabón

Forest Foresight combina imágenes de radar Sentinel-1 (a través del sistema RADD) con un modelo de aprendizaje automático entrenado con los patrones que normalmente preceden a la tala ilegal, la minería y la deforestación agrícola, señalando las zonas forestales de alto riesgo hasta unos seis meses antes de que se produzca la tala. En Gabón, la herramienta la gestionan conjuntamente WWF, la Universidad de Wageningen (Wageningen University & Research) y el Ministerio de Aguas y Bosques de Gabón, con el MINFOF de Camerún como socio en el proyecto piloto más amplio de la Cuenca del Congo; la iniciativa se presentó en la COP28 de 2023.

La herramienta busca dar a los guardabosques y a las autoridades una ventana de alerta temprana para intervenir antes de que ocurra la tala ilegal, en lugar de solo detectarla después, con el objetivo final de ampliar el monitoreo predictivo a 15 paisajes en 12 países para 2027.

Se generan alertas basadas en radar y aprendizaje automático para las zonas forestales en riesgo y se transmiten a los guardabosques y las autoridades; el enfoque se está probando simultáneamente en Gabón, Kalimantan (Indonesia) y Surinam.

En un caso documentado, una alerta permitió a los guardabosques gaboneses detectar y detener una operación ilegal de minería de oro, salvando unas 30 hectáreas de bosque y provocando detenciones. En conjunto, en los proyectos piloto de Gabón y Kalimantan, los socios informan que las alertas dieron lugar a 34 acciones de prevención de la deforestación en un período de seis meses.

Las pruebas provienen directamente de los socios implementadores y no de una evaluación independiente, y no existe ninguna tasa de precisión o de falsos positivos publicada para el modelo de predicción; la división de responsabilidades operativas entre el gobierno gabonés y los socios de la ONG/universidad tampoco está claramente documentada, por lo que este caso debe leerse como un proyecto piloto prometedor y real, pero todavía dependiente de una ONG.