Hero Image

Noticias

Académico UDD presentó innovador uso de inteligencia artificial para mapear la vegetación del desierto de Atacama 

En el marco de la XXXVII Reunión Anual de la Sociedad de Botánica de Chile, realizada en Concepción entre el 11 y el 13 de noviembre de 2026, el académico del Doctorado en Ingeniería Aplicada de la Facultad de Ingeniería, Felipe Benavides, presentó una investigación que explora el uso de modelos de inteligencia artificial geoespacial para identificar y predecir asociaciones vegetales en el desierto de Atacama. 

La presentación se realizó en el simposio «Ecosistemas al límite: nuevos horizontes botánicos desde el terreno hasta la inteligencia artificial», instancia que por primera vez incorporó un espacio dedicado a las aplicaciones de la inteligencia artificial en la botánica.  

Felipe Benavides fue invitado por el Instituto de Ecología y Biodiversidad (IEB) para exponer los resultados de un trabajo colaborativo junto a Francisco A. Squeo, investigador principal del IEB y director del Departamento de Biología de la Universidad de La Serena, y Karina P. Martínez-Tillería, investigadora de ambas instituciones. 

Felipe Benavides, Karina Martínez y Francisco A. Squeo durante el simposio en la XXXVII Reunión Anual de la Sociedad de Botánica de Chile. 

El proyecto busca responder si modelos de inteligencia artificial geoespacial, como AlphaEarth de Google DeepMind y Tessera de la Universidad de Cambridge, pueden predecir la composición de la vegetación del desierto de Atacama. Estas herramientas analizan imágenes satelitales y generan representaciones numéricas de la superficie terrestre, integrando información sobre el relieve, la cobertura vegetal, la hidrología y los cambios del paisaje de la región. 

Uno de los desafíos de la investigación es la naturaleza de la vegetación xerofitica de la zona, que está adaptada para sobrevivir en climas áridos y semi áridos del desierto y cuyas especies suelen ser pequeñas, dispersas y difíciles de distinguir del suelo y las rocas. Esto dificulta su identificación mediante modelos que trabajan con píxeles de 10 metros de resolución para los modelos de inteligencia artificial. «La identidad de las especies se disuelve dentro del píxel de 10 metros, que es la máxima resolución de AlphaEarth y Tessera», explica Benavides. 

Frente a este desafío el equipo propuso un enfoque diferente: en lugar de intentar predecir especies individuales, buscaron identificar asociaciones vegetales, es decir, combinaciones de dos o más especies que se desarrollan bajo determinadas condiciones ambientales, como oasis de niebla, vegas ribereñas o altiplano. Para ello, utilizaron información de flora del Proyecto Línea de Base Pública de la Región de Antofagasta, recopilada y trabajada en terreno por el equipo de Squeo y Martínez-Tillería. 

En una etapa inicial, los investigadores detectaron segmentos de información geoespacial que tiene una asociación estadísticamente significativa con asociaciones vegetales específicas, que será presentado en un artículo científico y sienta las bases para a continuación de este proyecto, que contempla entrenar modelos de inteligencia artificial capaces de generar mapas de vegetación de la Región de Antofagasta. 

Benavides explica cómo los embeddings de AlphaEarth y Tessera describen cada píxel de 10 metros del paisaje de la Región de Antofagasta. 

La proyección de este trabajo es desarrollar herramientas simplificadas de AlphaEarth y Tessera que permitan orientar labores de muestreo, identificar zonas prioritarias para la conservación y anticipar cambios en la vegetación asociados a fenómenos climáticos y actividades humanas. Esto podría facilitar el monitoreo de ecosistemas en zonas de difícil acceso, donde los métodos tradicionales suelen requerir importantes recursos y tiempo. 

Desde el Doctorado en Ingeniería Aplicada de la UDD, Benavides está desarrollando una línea de investigación en inteligencia artificial geoespacial que vincula la ingeniería con la ecología y la gestión del territorio. «Aún queda mucho por hacer, pero ya sabemos que estos modelos contienen información útil para entender y predecir la vegetación del desierto, e incluso, para rastrear el avance del desierto mismo», concluye.