Los avances en teledetección permiten observar grandes extensiones de la superficie terrestre, pero identificar un sistema agroforestal no siempre es tan sencillo como reconocer árboles en un paisaje agrícola. Entre cultivos a plena exposición solar, plantaciones bajo sombra y sistemas con estructuras semejantes a un bosque, surge un desafío fundamental: ¿cómo estimar la extensión de la agroforestería sin desconocer su diversidad ecológica y territorial?
Un desafío global que la FAO busca abordar
En septiembre de 2026, la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) publicó el informe Monitoring global agroforestry extent: An analysis of methodological approaches and data sources.
La publicación examina las fortalezas y limitaciones de diferentes aproximaciones utilizadas para estimar la superficie ocupada por sistemas agroforestales a escala nacional, regional y global.
Uno de los problemas centrales es la dificultad de comparar resultados obtenidos mediante definiciones, fuentes de información y escalas de observación diferentes. La agroforestería puede encontrarse integrada dentro de paisajes agrícolas, ganaderos y forestales, adoptando configuraciones que no siempre corresponden a una categoría independiente de cobertura o uso del suelo.
Frente a esta situación, la FAO explora el potencial de la Encuesta de Teledetección de la Evaluación de los Recursos Forestales Mundiales (FRA Remote Sensing Survey, FRA RSS).
Esta metodología combina imágenes satelitales de libre acceso con procedimientos estandarizados de interpretación visual realizados por expertos. Su aplicación podría contribuir a generar observaciones repetibles e internacionalmente comparables sobre los usos del suelo, las coberturas vegetales y la presencia de árboles.
El esfuerzo resulta relevante para fortalecer la información disponible para la planificación territorial, las políticas agroambientales y el seguimiento de los cambios en los paisajes.
Sin embargo, también invita a plantear una cuestión: ¿qué tan diferentes pueden ser los sistemas que agrupamos dentro de una misma categoría agroforestal?
Las investigaciones desarrolladas en África occidental y el Neotrópico permiten explorar esta pregunta desde distintas perspectivas.
Identificar un cultivo no significa identificar un sistema agroforestal
En Costa de Marfil y Ghana, Abu et al. (2021) desarrollaron una metodología para identificar plantaciones de cacao mediante imágenes Sentinel-1 y Sentinel-2 y un algoritmo de clasificación Random Forest.
La investigación estimó aproximadamente 3,69 millones de hectáreas de cacao en Costa de Marfil y 2,15 millones en Ghana, utilizando información satelital correspondiente a 2019.
Un aspecto interesante fue la comparación de estas superficies con las estadísticas de FAOSTAT de 2018, que reportaban aproximadamente 4 millones de hectáreas para Costa de Marfil y 1,78 millones para Ghana.
Aunque las estimaciones presentaban magnitudes comparables, existían diferencias entre ambos métodos. Los investigadores señalaron que estas podían estar relacionadas con los cambios en la superficie cultivada entre los años de referencia y con las distintas metodologías de estimación.
Este contraste permite reconocer una ventaja importante de la teledetección: además de estimar superficies, proporciona información sobre su distribución espacial. Sin embargo, los resultados también evidenciaron errores de clasificación, recordando que obtener una estimación nacional de superficie no garantiza identificar correctamente todas las plantaciones.
Existe, además, una distinción fundamental: cartografiar dónde se encuentra un cultivo no equivale necesariamente a reconocer la configuración agroforestal en la que se desarrolla.
Una plantación a plena exposición solar y otra establecida bajo un dosel diverso de árboles pueden compartir el mismo cultivo principal, pero representar sistemas productivos y ecológicos diferentes.
Diferenciar cultivos bajo sombra y a pleno sol: la experiencia de Nigeria
Una investigación posterior avanzó precisamente sobre esta distinción.
Koralewicz et al. (2025) estudiaron la distribución espacial de los sistemas de producción de cacao en el estado de Ekiti, Nigeria, utilizando imágenes Sentinel-2 e información de campo para diferenciar plantaciones agroforestales de cultivos a plena exposición solar.
Los resultados estimaron que el cacao agroforestal ocupaba aproximadamente el 18 % de la superficie del estado, mientras que el cacao a pleno sol representaba el 13 %. En conjunto, alrededor del 57 % de la superficie clasificada como cacao correspondía a sistemas agroforestales.
El mapa alcanzó una exactitud general del 73,1 %: aproximadamente siete de cada diez puntos utilizados para comprobar la clasificación quedaron correctamente identificados. Sin embargo, los investigadores encontraron una dificultad importante al distinguir los sistemas agroforestales de los bosques secundarios.
El 33 % de los puntos de validación correspondientes a bosque secundario fueron clasificados erróneamente como cacao agroforestal, lo que podría conducir a una sobreestimación de la superficie de estos sistemas.
Este resultado muestra que las semejanzas espectrales entre coberturas vegetales diferentes pueden introducir incertidumbres precisamente en las categorías que buscamos identificar.
Además, la investigación incorporó entrevistas con agricultores y actores institucionales, proporcionando información sobre las decisiones productivas y las condiciones sociales que influyen en la distribución de los sistemas agroforestales.
La combinación de información espacial y conocimiento territorial permitió complementar la interpretación de los mapas. Pero la dificultad no termina al distinguir un cultivo bajo sombra de otro a plena exposición solar.
También existe una diversidad de configuraciones agroforestales que puede resultar difícil de representar mediante categorías relativamente generales.
Tres preguntas que no significan lo mismo
¿Dónde está el cultivo? Identificar su distribución espacial y diferenciarlo de otras coberturas y usos del suelo.
¿Dónde existe un sistema agroforestal? Determinar si el cultivo está asociado con componentes arbóreos y diferenciar esa configuración de otros sistemas productivos.
¿Cómo es ese sistema agroforestal? Comprender sus características florísticas, densidad de árboles, organización vertical y prácticas de manejo.
Son preguntas relacionadas, pero no equivalentes. Cada una necesita indicadores y procedimientos de observación apropiados.
El Neotrópico: entre cultivos bajo sombra y paisajes heterogéneos
Las investigaciones realizadas en América Latina permiten ampliar esta discusión, especialmente en paisajes tropicales donde los cultivos pueden encontrarse asociados con diferentes arreglos arbóreos.
En Cajamarca, Perú, Barboza et al. (2026) desarrollaron una metodología para cartografiar sistemas cafeteros en las provincias de Jaén y San Ignacio, utilizando imágenes Sentinel-1 y Sentinel-2, variables topográficas y clasificación Random Forest mediante Google Earth Engine.
El estudio generó mapas anuales de cobertura y uso del suelo entre 2019 y 2024, diferenciando 11 categorías, entre ellas café sin sombra, café asociado con árboles y bosque. Las clasificaciones alcanzaron exactitudes generales entre el 84 % y el 91 %.
En 2024, San Ignacio registró aproximadamente 277,61 km² clasificados como café con árboles, frente a 23,50 km² correspondientes a café sin sombra.
La investigación demuestra el potencial de combinar información óptica, radar y topográfica para cartografiar sistemas cafeteros en paisajes montañosos, donde la nubosidad y la heterogeneidad del territorio representan desafíos adicionales.
Sin embargo, los autores reconocen limitaciones relacionadas con la ausencia de información específica sobre la edad de las plantaciones, las variedades cultivadas y las características de manejo del dosel.
Esto significa que identificar café asociado con árboles constituye un avance en la caracterización espacial del cultivo, pero no necesariamente permite distinguir todas sus configuraciones agroforestales.
Una investigación desarrollada en México permite profundizar en este problema.
Escobar-López et al. (2022) estudiaron tres tipos de sistemas agroforestales cafeteros en la Sierra Madre de Chiapas, utilizando imágenes multitemporales, variables ambientales e información de campo.
Los investigadores diferenciaron policultivos con sombra reducida, policultivos rústicos y sistemas de café rústico, caracterizados por distintos niveles de cobertura arbórea.
La metodología permitió obtener una clasificación con una exactitud general del 95,04 %. Sin embargo, el desempeño varió entre los sistemas evaluados. Mientras los policultivos con sombra reducida y los policultivos rústicos presentaron resultados superiores al 93 % en la identificación de sus observaciones de referencia, el café rústico alcanzó aproximadamente el 80 %.
Los autores asociaron parte de esta dificultad con la similitud espectral entre los sistemas de mayor densidad arbórea y los bosques alterados.
Otro resultado interesante fue que, aunque inicialmente evaluaron información radar, estas variables fueron descartadas durante la selección de predictores de los modelos finales. La información óptica multitemporal y determinadas variables auxiliares resultaron más útiles para diferenciar las categorías estudiadas.
El caso de Chiapas muestra que una clasificación puede alcanzar una elevada exactitud general y, al mismo tiempo, presentar mayores dificultades para reconocer determinadas configuraciones agroforestales.
Esto no significa que los sistemas más complejos siempre sean más difíciles de identificar. El desempeño depende de las características del territorio, los sensores utilizados, las variables seleccionadas y los procedimientos de clasificación y validación.
Cuando un sistema agroforestal se parece a un bosque
Una situación particularmente interesante se presenta en la Mata Atlántica de Brasil. En esta región se encuentran las cabrucas, sistemas tradicionales donde el cacao se cultiva bajo árboles remanentes de la vegetación forestal.
Silva et al. (2025) investigaron la identificación de estos sistemas en las cuencas de los ríos Almada, Cachoeira y Una, en Bahía, utilizando imágenes satelitales de diferentes resoluciones y algoritmos de aprendizaje automático.
Uno de los modelos basados en redes neuronales alcanzó una exactitud general del 92 %. Sin embargo, al examinar específicamente la categoría cabruca, el desempeño fue considerablemente diferente.
El modelo identificó correctamente el 65 % de las observaciones de referencia correspondientes a estos sistemas. En otras palabras, aproximadamente 35 de cada 100 observaciones que realmente eran cabruca no fueron reconocidas como tales.
Los investigadores señalaron que una de las principales dificultades estaba relacionada con las semejanzas espectrales entre los sistemas cacao-cabruca y la selva ombrófila densa.
Este resultado muestra que una elevada exactitud general no necesariamente significa que todas las categorías de un mapa estén representadas con el mismo nivel de confiabilidad.
También evidencia una dificultad particular de determinados sistemas agroforestales tropicales: los árboles que conforman el dosel superior pueden limitar la observación directa de los cultivos establecidos bajo ellos.
En estos casos, las características visibles desde los sensores pueden corresponder a configuraciones vegetales semejantes, aunque los usos del suelo y las prácticas de manejo sean diferentes.
La semejanza espacial entre una cabruca y una formación boscosa no significa que ambas sean ecológicamente equivalentes. Precisamente por eso, su diferenciación resulta importante para interpretar correctamente las coberturas del paisaje.
La complejidad agroforestal va más allá de la cobertura arbórea
Las experiencias anteriores adquieren mayor sentido cuando se examina cómo están organizados los sistemas agroforestales.
Somarriba et al. (2018), en su capítulo Analysis and design of the shade canopy of cocoa-based agroforestry systems, describen diferentes tipologías de producción de cacao, desde plantaciones sin sombra hasta sistemas sucesionales de elevada complejidad estructural.
Estas configuraciones pueden diferir en composición botánica, densidad arbórea, distribución horizontal, estratificación vertical y prácticas de manejo.
Los autores explican que incluso dos plantaciones con valores semejantes de área basal o carbono pueden presentar estructuras arbóreas considerablemente diferentes. En una, estos valores pueden concentrarse en pocos árboles grandes y altos. En otra, pueden distribuirse entre numerosos individuos de menor tamaño.
Estas diferencias influyen en la distribución de la sombra, la transmisión de radiación y las interacciones entre los componentes vegetales.
Por ello, la cobertura arbórea proporciona información valiosa sobre determinadas características del sistema, pero no representa necesariamente toda su complejidad ecológica. La siguiente fotografía, tomada en Guamal, Meta (Colombia), permite observar un arreglo donde las plantas de cacao conviven con árboles de distintas alturas.
Los avances en teledetección también están ampliando las posibilidades de conocer estas diferencias estructurales.
En Nicaragua, Zhu et al. (2026) combinaron imágenes satelitales ópticas, radar y datos LiDAR de GEDI para estimar la biomasa aérea arbórea en sistemas agroforestales de café.
Los investigadores encontraron que considerar únicamente la altura de la vegetación no era suficiente para representar las diferencias entre sistemas. Al incorporar información sobre cómo se distribuye el follaje a distintas alturas, lograron mejorar las estimaciones de biomasa.
Este resultado evidencia que dos sistemas con alturas arbóreas semejantes pueden presentar estructuras diferentes y que la integración de distintas tecnologías de observación permite avanzar hacia una caracterización más detallada de los sistemas agroforestales, más allá de su cobertura arbórea.
No obstante, Zhu et al. (2026) estudiaron atributos estructurales y biomasa, no la extensión geográfica de la agroforestería. Sus resultados complementan la discusión sobre monitoreo espacial, pero no sustituyen las metodologías utilizadas para identificar y cuantificar superficies agroforestales.
En conjunto, estas investigaciones muestran que la composición florística, la estructura vertical y horizontal, la cobertura arbórea y el manejo representan dimensiones relacionadas, pero diferentes.
No todos estos atributos necesitan incorporarse a una cartografía global. Sin embargo, reconocer su existencia resulta necesario para interpretar adecuadamente lo que una clasificación espacial puede representar.
Medir mejor también significa interpretar mejor
Al comparar las investigaciones realizadas en África occidental y el Neotrópico, aparecen algunas consideraciones comunes.
La teledetección ha demostrado su utilidad para identificar cultivos tropicales, diferenciar sistemas productivos con y sin árboles de sombra y, bajo determinadas condiciones, reconocer configuraciones agroforestales con diferentes características estructurales.
Al mismo tiempo, los resultados evidencian incertidumbres relacionadas con las semejanzas espectrales entre coberturas, la heterogeneidad de los territorios y las limitaciones de los datos disponibles.
Estas dificultades no son exclusivas de una región. Tampoco permiten concluir que los métodos utilizados en África occidental sean necesariamente más o menos precisos que los desarrollados en América Latina.
Los estudios responden a preguntas diferentes y utilizan categorías, escalas y procedimientos de validación que no son directamente comparables.
Una enseñanza importante es que la exactitud general de un mapa no siempre refleja qué tan confiablemente está representada cada categoría agroforestal.
Por eso, además de producir mapas, es necesario conocer sus errores, examinar la calidad de la información utilizada para validarlos y comprender qué características representan las categorías empleadas.
La información de campo, las observaciones geoespaciales y el conocimiento territorial no deberían entenderse como aproximaciones excluyentes. Su complementariedad puede contribuir tanto a mejorar las estimaciones espaciales como a interpretar sus resultados con mayor precisión.
Además, los avances en sensores ópticos, radar y LiDAR permiten ampliar progresivamente las variables que pueden estudiarse mediante teledetección, incluyendo atributos relacionados con la estructura de la vegetación. Sin embargo, estas posibilidades no eliminan la necesidad de definir claramente qué se pretende medir.
Detrás de cada superficie identificada en un mapa existen paisajes productivos concretos, donde los cultivos, los árboles y las decisiones de manejo configuran sistemas que no siempre pueden comprenderse únicamente desde una observación satelital.
¿Cómo construir estimaciones comparables sin simplificar la diversidad?
El esfuerzo de la FAO por avanzar hacia un marco internacionalmente comparable representa una oportunidad importante para fortalecer el monitoreo global de los sistemas agroforestales.
Contar con criterios comunes puede facilitar la observación de tendencias, el seguimiento de cambios en los paisajes y la generación de información útil para las políticas públicas y la planificación territorial.
Pero construir indicadores comparables también implica reconocer sus alcances. Una estimación de cobertura arbórea no equivale necesariamente a una estimación de superficie agroforestal. De igual manera, un mapa de sistemas agroforestales no constituye por sí solo un inventario de su diversidad ecológica.
Los procedimientos estandarizados pueden contribuir a identificar la distribución espacial de determinadas configuraciones agroforestales, mientras que las evaluaciones regionales y locales pueden complementar esa información con atributos de composición, estructura y manejo.
No se trata de exigir que una sola metodología capture toda la diversidad de estos sistemas, sino de comprender qué información puede obtenerse de manera consistente, cuáles son sus incertidumbres y qué aspectos requieren observaciones complementarias.
La comparabilidad permite observar la agroforestería a escala global; la información ecológica y territorial ayuda a interpretar qué representan esas estimaciones.
Quizá el desafío más importante no consista únicamente en determinar cuánta agroforestería existe en el mundo. También consiste en precisar qué estamos reconociendo cuando identificamos un territorio como agroforestal y qué dimensiones de su diversidad permanecen fuera de nuestros mapas.
Ante los esfuerzos internacionales por mejorar su monitoreo, queda abierta una pregunta:
¿Cómo construir estimaciones comparables a escala global sin perder de vista la diversidad ecológica y territorial de los sistemas agroforestales que buscamos representar?
Para profundizar
¿Quieres conocer el estudio completo de la FAO?
FAO (2026). Monitoring global agroforestry extent: An analysis of methodological approaches and data sources. Organización de las Naciones Unidas para la Alimentación y la Agricultura.
DOI: 10.4060/ce1663en
Otras investigaciones citadas
Abu, I.-O., Szantoi, Z., Brink, A., Robuchon, M., & Thiel, M. (2021). Detecting cocoa plantations in Côte d’Ivoire and Ghana and their implications on protected areas. Ecological Indicators, 129, 107863. https://doi.org/10.1016/j.ecolind.2021.107863
Koralewicz, A., et al. (2025). Mapping the extent and exploring the drivers of cocoa agroforestry in Nigeria, insights into trends for climate change adaptation. Agroforestry Systems, 99, 38. https://doi.org/10.1007/s10457-024-01126-z
Barboza, E., et al. (2026). Mapping of coffee cultivation based on land use/land cover in the tropics of Cajamarca (Peru): An integration of Sentinel data, machine learning, and Google Earth Engine. Remote Sensing Applications: Society and Environment, 43, 102200. https://doi.org/10.1016/j.rsase.2026.102200
Escobar-López, A., Castillo-Santiago, M. Á., Hernández-Stefanoni, J. L., Mas, J.-F., & López-Martínez, J. O. (2022). Identifying coffee agroforestry system types using multitemporal Sentinel-2 data and auxiliary information. Remote Sensing, 14(16), 3847. https://doi.org/10.3390/rs14163847
Silva, V. de A., Carvalho, H. da S., & Vila Nova Souza, P. S. (2025). Análise e classificação do sistema agroflorestal cabruca com aprendizagem de máquina no bioma Mata Atlântica – Brasil. Ra’e Ga, 64(1), 71–91. https://doi.org/10.5380/raega.v64i1.96730
Somarriba, E., Orozco-Aguilar, L., Cerda, R., & López-Sampson, A. (2018). Analysis and design of the shade canopy of cocoa-based agroforestry systems. En P. Umaharan (Ed.), Achieving sustainable cultivation of cocoa. Burleigh Dodds Science Publishing. https://doi.org/10.19103/AS.2017.0021.29
Zhu, X., Luleva, M., Gou, Y., & Liang, M. (2026). Mapping agroforestry Above-Ground Biomass using GEDI-derived structural traits and multisensor fusion of Sentinel-1/2 and ALOS-2 PALSAR-2. Science of Remote Sensing, 14, 100477. https://doi.org/10.1016/j.srs.2026.100477
También te puede interesar
No basta saber qué se produce: cinco señales sobre biodiversidad en paisajes productivos
Una reflexión sobre cómo la estructura vegetal, los elementos naturales y el contexto territorial ayudan a interpretar la biodiversidad en los paisajes donde producimos.
