BioSentinel-UV

✨¿Quiénes somos?🌟

Somos un equipo multidisciplinario conformado por profesionales en biología, estadística, ingeniería y ciencias computacionales, integrantes del Laboratorio de Multimedia y Visión por Computador de la Universidad del Valle. Nos une el propósito de proteger la biodiversidad de la Amazonía. Creemos en el poder de los datos y la tecnología para fortalecer la toma de decisiones, optimizar el uso de recursos y generar un impacto tangible en la conservación, así como en el bienestar de las comunidades que dependen de estos ecosistemas.

📊 ¿Sabías que en 2024 la Amazonía perdió más de 1,7 millones de hectáreas de bosque primario? 🌳

Esto representa un incremento del 34 % respecto al año anterior. Además, más de 4,5 millones de hectáreas fueron afectadas por incendios y deforestación combinados (MAAP, 2025). Esta tendencia no solo implica una pérdida territorial, sino un deterioro funcional de uno de los ecosistemas más importantes del planeta.

La Amazonía concentra cerca del 10 % de todas las especies de animales y plantas conocidas, recicla hasta el 50 % de su propia precipitación y almacena miles de millones de toneladas de carbono. Sin embargo, aún carecemos de herramientas accesibles y científicamente validadas para monitorear cómo esta degradación afecta realmente a la biodiversidad y anticipar puntos críticos de colapso ecológico.

🌎 La Amazonía: un corazón verde en peligro

La Amazonía no solo es un bosque: es un ecosistema vital que regula el clima del planeta, sustenta una biodiversidad extraordinaria y ayuda a millones de personas. Es hogar de más de 40.000 especies de plantas, 2.400 especies de peces de agua dulce, 1.300 especies de aves, y cientos de mamíferos, reptiles y anfibios, muchos de ellos, únicos en el mundo.

Además, el río Amazonas, con casi 7.000 km de longitud, representa el 20 % del flujo fluvial superficial global, y los bosques de la Amazonía almacenan entre 150 y 200 mil millones de toneladas de carbono. 

📉 Pero su equilibrio está en riesgo

Infraestructura minera a cielo abierto en una zona intervenida por minería ilegal en la Amazonía de Venezuela, 2024.

Fuente: Imagen de Midia Ninja, medio de comunicación independiente y autogestionado, recuperado de: https://revistaespejo.com/2024/05/21/mineria-ilegal-se-fortalece-al-sur-de-venezuela-tras-ofensiva-de-brasil/

La degradación progresiva del bosque — por deforestación, incendios y pérdida de especies clave— seca los suelos, aumenta la inflamabilidad, interrumpe cadenas alimenticias y reduce la capacidad de recuperación del ecosistema. Esto afecta directamente a millones de personas que dependen del agua, el alimento y el clima estable que la Amazonía proporciona.

🌍 Si no se actúa a tiempo, también se liberarán miles de millones de toneladas de carbono, acelerando el cambio climático global y poniendo en peligro la salud humana.

🌱 ¿Qué podemos hacer al respecto?

Se puede proteger la biodiversidad amazónica brindando información importante, accesible y científicamente validada a autoridades, investigadores y comunidades locales, para que puedan tomar decisiones informadas sobre conservación, uso del suelo y manejo sostenible del territorio.

Por ello, este proyecto tiene como objetivo identificar y monitorear la distribución de la biota en zonas ecológicas estratégicas de América Latina, mediante el análisis de imágenes satelitales y modelos de inteligencia artificial entrenados con datos validados científicamente. Esta solución busca facilitar la toma de decisiones mediante visualizaciones accesibles y comprensibles.

💡 Nuestro modelo estrella: BS‑1.0

BS‑1.0 es el núcleo tecnológico de nuestra solución. Este modelo de inteligencia artificial combina datos satelitales de alta resolución con métricas de biodiversidad obtenidas de la base global desarrollada por Bernardo‑Madrid et al. (Nature, 2025), el mayor esfuerzo internacional de modelado de biodiversidad terrestre realizado hasta la fecha. Este estudio, relevante a escala mundial, integra datos de miles de especies para generar predicciones de su distribución y estado de conservación bajo diferentes condiciones ambientales.

Métricas clave del modelo:

• Richness:  número de especies distintas presentes en una zona.

• Biota Overlap: regiones donde coexisten múltiples grupos taxonómicos.

• Occupancy: áreas donde una especie o grupo está firmemente establecido.

Gracias a este enfoque, BS‑1.0 permite visualizar, en segundos, patrones de biodiversidad que antes requerían meses de trabajo de campo y análisis. Esta capacidad es clave para identificar puntos críticos de conservación y tomar decisiones informadas a nivel local, regional y global.

ℹ️ Datos considerados

Los datos considerados incluyen mapas de distribución de biota clasificados por grupos taxonómicos [R. Bernardo-Madrid, et. al. Nature, 2025], de los cuales se extrajo la información en formato GeoJSON con los atributos de cada táxon, incluyendo métricas de Richness (variedad de especies del taxón), Biota Overlap (zonas mixtas, varios taxones en la misma región) y Occupancy (zonas donde el taxón está bien establecido). Estos GeoJSON fueron enriquecidos con capas ambientales de alta resolución que incluyen:

• NDVI derivado de Sentinel-2 SR Harmonized (COPERNICUS/S2_SR_HARMONIZED).

• LST obtenido del producto MODIS MOD11A2 v6.1 (convertido a grados Celsius).

• DEM proveniente de Copernicus DEM GLO-30 con resolución espacial de 30 m.

🔁 Procedimientos

Con los datos estandarizados y almacenados en un dataset unificado, el entrenamiento del modelo de inferencia (BS-1.0) consiste en 3 fases.

1. Procesamiento y análisis con IA geoespacial

Se entrena un modelo de aprendizaje automático capaz de predecir la presencia y distribución de grupos taxonómicos en función de las variables ambientales y espectrales recopiladas. El entrenamiento emplea librerías geoespaciales y de machine learning en Python, optimizando hiperparámetros y evaluando el rendimiento mediante métricas estándar de clasificación y regresión.

2. Integración en aplicación web interactiva

El modelo se implementa en una aplicación web que permite al usuario seleccionar una región de interés. La plataforma procesa la solicitud en tiempo real, ejecuta la inferencia y presenta resultados en un GeoJSON con la probabilidad de presencia de cada táxon en la region.

3. Generación de productos geoespaciales

A partir del GeoJSON, la aplicación produce mapas de intensidad que resaltan áreas con mayor diversidad biológica en rojo y genera reportes descargables que describen la distribución estimada de la biodiversidad con resolución suficiente para respaldar actividades de monitoreo ecológico, gestión ambiental y priorización de áreas de conservación.

video demo: https://youtu.be/oN45tf9aB54?si=AiO9fc-aZgWICCGO

🔎 Caso de Estudio

Se propone enfocar el proyecto en una subregión representativa dentro de la Amazonía colombiana: el Parque Nacional Natural Serranía de Chiribiquete. Esta área destaca por su importancia ecológica a escala continental, pues es el parque tropical más extenso de Colombia, abarcando más de 4.2 millones de hectáreas.

Vista aérea del Parque Nacional Natural Serranía de Chiribiquete, ubicado entre los departamentos de Caquetá y Guaviare, en la Amazonía colombiana.

Fuente: Ministerio de Ambiente de Colombia, recuperado de: https://commons.wikimedia.org/wiki/File:Parque_Nacional_Natural_Serran%C3%ADa_de_Chiribiquete.jpg

Chiribiquete presenta una de las mayores concentraciones de biodiversidad de la Amazonía. Alberga aproximadamente 1.801 especies de plantas, 82 de mamíferos, 492 de aves (incluyendo especies endémicas) y cientos de especies de anfibios, reptiles, peces y mariposas (UNESCO, 2018).

La subregión del Parque Nacional Natural Chiribiquete es especialmente adecuada para este estudio gracias a su amplia cobertura por parte del Copernicus Data Space Ecosystem, una plataforma abierta que ofrece acceso libre e inmediato a imágenes satelitales. Esta disponibilidad de datos actualizados permite entrenar y validar modelos de inteligencia artificial, facilitando el monitoreo de cambios en la biota de una de las áreas más representativas del bioma amazónico.

Por estas razones, Chiribiquete fue seleccionado como caso de estudio: representa un ecosistema ecológico relevante para América Latina, con datos geográficos disponibles y potencial para evaluar la eficacia de BioSentinel-UV en condiciones reales.

Beneficiarios de este proyecto

Ilustración que resume los principales beneficiarios del sistema BioSentinel-UV.

Fuente: propia

🧬 Biólogos de campo

El sistema BioSentinel-UV facilita la identificación de zonas prioritarias con alta probabilidad de albergar especies endémicas o en riesgo de extinción. Esto orienta de forma más precisa la planeación de expediciones científicas, optimizando el uso de tiempo, personal y recursos.

🏛️ Instituciones gubernamentales de América Latina

BioSentinel-UV permite generar mapas temáticos a partir del análisis de imágenes satelitales recientes, con una antigüedad máxima de entre 5 y 10 días previos a la fecha de procesamiento, según su disponibilidad. Esta información proporciona una visión actualizada del estado de zonas estratégicas, útil para la identificación de áreas prioritarias para conservación o restauración ecológica.

🛡️ Organizaciones de Conservación (ONGs)

BioSentinel-UV proporciona mapas y reportes claros sobre zonas que presentan cambios ambientales relevantes, como pérdida de cobertura vegetal o alteraciones en ríos, lagos o humedales. Esta información permite a las ONGs priorizar sus acciones en áreas que requieren atención urgente, mejorar la planificación de sus intervenciones y coordinar esfuerzos con otros actores, evitando duplicación de trabajo.

🌍 Comunidades locales

BioSentinel-UV pondrá a disposición mapas y alertas visuales accesibles que permitirán a las comunidades locales identificar amenazas en su entorno y tomar decisiones informadas para proteger sus territorios. A través de herramientas simples e intuitivas, se facilita su participación en procesos de monitoreo ambiental y toma de decisiones.

🔭¿Hacia dónde se dirige BioSentinel-UV después del hackaton?

Una de las funcionalidades previstas es la integración de un sistema de información para que los biólogos de campo puedan almacenar sus datos de muestreo directamente desde la plataforma. Esto permitirá a los biólogos de campo organizar y conservar sus registros, facilitando el análisis posterior, reduciendo la duplicación de esfuerzos y promoviendo una ciencia más colaborativa y abierta.

Diversos estudios han reportado que la falta de sistemas para el almacenamiento de datos ecológicos es un obstáculo significativo para el monitoreo ambiental, la validación de resultados científicos y la toma de decisiones basada en evidencia (Michener, 2015; Waide et al., 2017). 

Por esta razón, integrar esta funcionalidad es tanto importante como viable: almacenar los datos de muestreo facilitará el trabajo de los biólogos, mejorará la calidad de la información y permitirá darle continuidad a los estudios.

👉 Esta funcionalidad está proyectada para una fase posterior al hackatón, considerando las limitaciones temporales de la etapa actual. Su implementación apunta a ampliar el impacto de BioSentinel-UV más allá del evento y consolidarlo como una herramienta de uso continuo y sostenible.

📚 Referencias Bibliografícas

• Andrew, C., Islam, S., Weiland, C., & Endresen, D. (2024). Biodiversity data standards for the organization and dissemination of complex research projects and digital twins: A guide (No. arXiv:2405.19857). arXiv. https://doi.org/10.48550/arXiv.2405.19857
• Bernardo-Madrid, R., González-Suárez, M., Rosvall, M., Rueda, M., Revilla, E., Carrete, M., Tella, J. L., Astigarraga, J., & Calatayud, J. (2025). A general rule on the organization of biodiversity in Earth’s biogeographical regions. Nature Ecology & Evolution, 9(7), 1193-1204. https://doi.org/10.1038/s41559-025-02724-5
• GEF. (s. f.). Amazon. Recuperado 26 de julio de 2025, de https://www.thegef.org/what-we-do/topics/amazon
• IASPOINT. (2024, enero 17). Tropical Rainforests and Biodiversity. https://iaspoint.com/tropical-rainforests-and-biodiversity
• InSight Crime. (2024, mayo 21). Minería ilegal se fortalece al sur de Venezuela tras ofensiva de Brasil. https://revistaespejo.com/2024/05/21/mineria-ilegal-se-fortalece-al-sur-de-venezuela-tras-ofensiva-de-brasil/
• König, C., Weigelt, P., Schrader, J., Taylor, A., Kattge, J., & Kreft, H. (2019). Biodiversity data integration—The significance of data resolution and domain. PLOS Biology, 17(3), e3000183. https://doi.org/10.1371/journal.pbio.3000183
• MAAP. (2025, junio 22). MAAP #229: Deforestación e Incendios en la Amazonía 2024. https://www.maapprogram.org/es/deforestacion-incendios-amazonia-2024
• Michener, W. K. (2015). Ecological data sharing. Ecological Informatics, 29, 33-44. https://doi.org/10.1016/j.ecoinf.2015.06.010
• Parque Nacional Natural Serranía de Chiribiquete. (s. f.). Recuperado 26 de julio de 2025, de https://www.parquesnacionales.gov.co/nuestros-parques/pnn-serrania-de-chiribiquete
• Rocío, R. (2023, diciembre). ¿Por qué se están secando los ríos de la Amazonía? https://saludconlupa.com/noticias/por-que-se-estan-secando-los-rios-de-la-amazonia/
• UNESCO. (2018). Chiribiquete National Park – “The Maloca of the Jaguar” (Colombia). https://whc.unesco.org/en/decisions/7125
• Waide, R. B., Brunt, J. W., & Servilla, M. S. (2017). Demystifying the Landscape of Ecological Data Repositories in the United States. BioScience, 67(12), 1044-1051. https://doi.org/10.1093/biosci/bix117
• WWF. (2022, noviembre 8). The Amazon in crisis: Forest loss threatens the region and the planet. https://www.worldwildlife.org/stories/the-amazon-in-crisis-forest-loss-threatens-the-region-and-the-planet