Inteligencia artificial desde el espacio: siguiendo el pulso de las praderas marinas del Mediterráneo

• El estudio, publicado en Ecological Indicators, presenta un marco de aprendizaje profundo capaz de cartografiar con precisión las praderas de Posidonia oceanica en todo el Mediterráneo utilizando imágenes de satélite.
• La investigación es el resultado de una colaboración entre el Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB) y el Centre d’Estudis Avançats de Blanes (CEAB-CSIC).

Las praderas marinas se encuentran entre los ecosistemas más valiosos y, al mismo tiempo, más amenazados del planeta. En el mar Mediterráneo, las praderas de Posidonia oceanica desempeñan un papel crucial en la protección de las costas, el mantenimiento de la biodiversidad marina y el almacenamiento de carbono. Sin embargo, estos bosques submarinos están desapareciendo a un ritmo alarmante debido al desarrollo costero, la contaminación y el cambio climático. Vigilar su estado y distribución es, por tanto, fundamental para su conservación, pero los métodos tradicionales de muestreo de campo son costosos y requieren mucho tiempo.

Un equipo de investigadores del Instituto de Física Interdisciplinar y Sistemas Complejos (IFISC, CSIC-UIB) y del Centre d’Estudis Avançats de Blanes (CEAB-CSIC) ha desarrollado un nuevo marco de inteligencia artificial que podría revolucionar la forma en que observamos y protegemos estos hábitats esenciales.

El modelo, denominado CAMELE (Consensus for Automated Marine Ecosystem Labelling and Evaluation), utiliza técnicas de aprendizaje profundo aplicadas a imágenes satelitales de alta resolución para detectar y cartografiar automáticamente Posidonia oceanica y otros hábitats bentónicos con una precisión sin precedentes.

«Nuestro enfoque va más allá de los estudios locales de prueba de concepto y ofrece una herramienta sólida y generalizable para la cartografía de hábitats a gran escala», explica Manuel A. Matías (IFISC, UIB-CSIC). «Al combinar el aprendizaje automático con amplios datos ecológicos, ahora podemos monitorizar el fondo marino mediterráneo de forma más rápida, fiable y a una fracción del coste de los métodos tradicionales».

El marco se basa en redes neuronales convolucionales entrenadas con imágenes multiespectrales de alta resolución de PlanetScope, una constelación de satélites de observación terrestre que ofrece cobertura global diaria, junto con 19 años de datos detallados de hábitats proporcionados por el Govern de les Illes Balears.

El conjunto de datos resultante abarca unas 2.500 km² de costa, incluyendo Mallorca, Menorca, Ibiza, Formentera y Cabrera. Para evaluar la capacidad de generalización del modelo, los investigadores lo entrenaron utilizando datos de una sola isla y validaron sus predicciones en las demás. De forma destacable, el modelo identificó correctamente praderas marinas incluso en entornos ecológicamente distintos, demostrando una gran capacidad de adaptación a nuevas regiones.

En las pruebas de referencia, CAMELE alcanzó una precisión media superior al 90% en la identificación y delimitación de praderas marinas, medida mediante el índice Intersection-over-Union, una métrica estándar que cuantifica el grado de coincidencia entre las predicciones del modelo y las áreas cartografiadas reales. El estudio también introdujo nuevos criterios de evaluación diseñados específicamente para tareas de segmentación de imágenes, ofreciendo una valoración más realista de la precisión del modelo. «Lo que distingue a CAMELE es su robustez», comenta Àlex Giménez (IFISC). «Incluso frente a condiciones ambientales no familiares, el sistema produjo mapas fiables de cobertura de praderas marinas, consistentes con las observaciones de campo».

Más allá de su innovación científica, la naturaleza de acceso abierto de CAMELE lo convierte en una herramienta valiosa para la conservación marina. Los modelos entrenados y una plataforma de visualización en línea están disponibles libremente, permitiendo a investigadores, agencias medioambientales y responsables políticos adaptar el marco a distintas regiones del Mediterráneo. Esta accesibilidad facilita acciones de conservación coordinadas y un seguimiento a largo plazo más coherente.

Según Manuel A. Matías, «herramientas de seguimiento basadas en inteligencia artificial como CAMELE pueden ayudar a detectar signos tempranos de pérdida o fragmentación de praderas marinas, permitiendo respuestas de gestión más rápidas y eficaces». De cara al futuro, el equipo pretende ampliar el marco para seguir otros indicadores de salud del ecosistema y extender su aplicación más allá de las Islas Baleares. Al combinar la inteligencia artificial con la teledetección, el estudio abre el camino a una nueva generación de sistemas de monitoreo ecológico capaces de seguir el ritmo del rápido cambio ambiental.

Figura: Ejemplo de predicciones del modelo para una imagen de satélite. (a) Imagen satelital de la bahía de Pollença, en la isla de Mallorca, parte del conjunto de entrenamiento. Imagen © 2022 Planet Labs PBC. (b) Datos de referencia (ground truth) de los hábitats bentónicos en la bahía de Pollença. (c) Clasificación de hábitats obtenida por el modelo CAMELE.

Giménez-Romero, À., Ferchichi, D., Moreno-Spiegelberg, P., Sintes, T., and Matías, M. A. (2025). A generalizable deep learning framework for large-scale mapping of seagrass habitats. Ecological Indicators, 180, 114349. https://doi.org/10.1016/j.ecolind.2025.114349

• El Diario