Estimación de AGB

---

Estimar la biomasa forestal mediante teledetección es crucial en el contexto del secuestro de carbono, ya que es la única manera de cuantificar sistemática y periódicamente la cantidad de carbono almacenado en los ecosistemas forestales. Los bosques actúan como sumideros de carbono al absorber dióxido de carbono (CO₂) de la atmósfera durante la fotosíntesis y almacenarlo en su biomasa. Entre los sistemas satelitales más utilizados, clasificados en función del error en la estimación de la biomasa aérea (AGBD), se encuentran el lidar, el SAR y los sensores ópticos (cada uno con sus propios desafíos). El desarrollo de algoritmos de estimación precisos es un tema abierto. Sin embargo, las estimaciones de estos instrumentos se utilizan regularmente para monitorear la deforestación, la degradación forestal y los procesos de regeneración natural, como insumo para la toma de decisiones en políticas de conservación, reforestación y gestión sostenible. Estos datos son esenciales para cumplir con los compromisos internacionales relacionados con el clima, como el Acuerdo de París y los mecanismos REDD+ (Reducción de Emisiones por Deforestación y Degradación Forestal).

• Cliente: No client
• Fecha: Agosto 2025
• Servicio: Estudio de Factibilidad

Cerrar

Deforestación en tiempo casi-real

---

La deforestación representa una amenaza significativa para los ecosistemas naturales, en particular en la región del Chaco argentino, una de las áreas forestales con mayor cambio del mundo. Este estudio se centra en la detección de eventos repentinos de deforestación, donde la cubierta forestal se elimina rápidamente en pocos meses. El monitoreo de estos cambios en vastas áreas requiere el uso de índices de vegetación satelitales, como el EVI y el NDVI de MODIS. Sin embargo, la identificación precisa de los eventos de deforestación es un desafío debido a la variabilidad estacional, el ruido de los sensores, la falta de datos y las inconsistencias algorítmicas. Estos factores pueden ocultar las verdaderas señales de deforestación o generar falsos positivos. Para abordar estos problemas, un enfoque de detección robusto debe modelar explícitamente la dinámica de las series temporales (capturando tendencias, estacionalidad e incertidumbre) para distinguir de manera confiable los puntos de quiebre de la deforestación genuina de la variación natural y el ruido. En este artículo, se propusieron tres modelos para la detección de puntos de quiebre en series temporales de EVI: un detector simple de anomalías de z-score y dos modelos completamente bayesianos; uno no correlacionado temporalmente y otro completamente correlacionado. Los resultados indican que los esquemas bayesianos mejoran significativamente con respecto al enfoque ingenuo (z-score: AUC=0,921, F1-score=0,870, Bayes: AUC=0,959, F1-score=0,925), por un coste razonable en tiempo de cálculo (x1000).

• Cliente: LAGIRS 2025
• Fecha: Noviembre 2025
• Servicio: Publicación Científica

Cerrar

AGB Estimation

---

Estimating forest biomass through remote sensing is crucial in the context of carbon sequestration, as it is the only way to systematically and periodically quantify the amount of carbon stored in forest ecosystems. Forests act as carbon sinks by absorbing carbon dioxide (CO₂) from the atmosphere during photosynthesis and storing it in their biomass. Among the most widely used satellite systems, ranked in terms of error in aboveground biomass estimation (AGBD), are lidar, SAR, and optical sensors (each with its own challenges). The development of accurate estimation algorithms is an open issue. However, estimates from these instruments are regularly used to monitor deforestation, forest degradation, and natural regeneration processes, as input for decision-making in conservation, reforestation, and sustainable management policies. These data are essential for meeting international climate-related commitments, such as the Paris Agreement and REDD+ (Reducing Emissions from Deforestation and Forest Degradation) mechanisms.

• Cliente: No client
• Fecha: August 2025
• Servicio: Feasibility Study

Cerrar

Near-real-time Deforestation

---

Deforestation poses a significant threat to natural ecosystems, particularly in Argentina’s Chaco region—one of the world’s most rapidly changing forest areas. This study focuses on the detection of sudden deforestation events, where forest cover is rapidly removed within a few months. Monitoring such changes across vast areas requires the use of satellite-based vegetation indices, such as EVI and NDVI from MODIS. However, accurately identifying deforestation events is challenging due to seasonal variability, sensor noise, data gaps, and algorithmic inconsistencies. These factors can obscure true deforestation signals or generate false positives. To address these issues, a robust detection approach must explicitly model time-series dynamics—capturing trends, seasonality, and uncertainty—to reliably distinguish genuine deforestation breakpoints from natural variation and noise. In this paper, three models for the detection of breakpoints in EVI time series were proposed: a simple z-score anomaly detector, and two fully Bayesian models; one temporally uncorrelated and one fully correlated. Results indicate that the Bayesian schemes significantly improve over the naive approach (zscore: AUC=0.921, F1-score=0.870, Bayes: AUC=0.959, F1-score=0.925), for a reasonable cost in computing time (x1000).

• Cliente: LAGIRS 2025
• Fecha: November 2025
• Servicio: Scientific Paper

Cerrar

Humedales

---

Tras la convocatoria PROSAT II de la Comisión Nacional de Actividades Espaciales (CONAE), se desarrolló un sistema que utiliza información satelital polarimétrica de microondas activa de la Misión SAOCOM argentina, junto con otros datos satelitales ópticos y de radar, para el monitoreo de humedales en Argentina (en consonancia con el uso de información satelital para programas de inventario de humedales). El trabajo se llevó a cabo en unidades piloto de paisaje de humedales: el Sitio Ramsar del Alto Delta (provincia de Entre Ríos), Concepción del Uruguay (provincia de Entre Ríos) y Bajo de los Saladillos (provincia de Santa Fe). El primer objetivo fue desarrollar un catálogo de coeficientes de retrodispersión (microondas activa, bandas C y L) y respuestas espectrales (visible e infrarrojo reflexivo) asociadas a los tipos de humedales en las áreas de estudio. El catálogo es un panel interactivo que muestra gráficos para cada tipo de humedal, lo que permite a los usuarios visualizar las firmas espectrales o la retrodispersión característica (valores medios y desviación o rango de variación) para un período seleccionado, así como la dinámica temporal de la retrodispersión o los índices sintéticos derivados de datos satelitales ópticos. El panel se diseñó con dos modalidades: a) exploratoria, en la que cada usuario puede obtener gráficos filtrando libremente por tipo de escena, fecha y tipo de humedal; b) guiada, en la que se accede a gráficos prediseñados, acompañados de una interpretación realizada por los consultores (por ejemplo, diferencias entre períodos secos y húmedos, o análisis de las diferencias entre tipos de humedales). Resulta útil para los gestores que participan en el mapeo de humedales, ya que proporciona un resumen e interpretación de la información SAR y óptica.

• Cliente: CONAE
• Fecha: Agosto 2025
• Servicio: Monitoreo Ambiental

Cerrar

Wetlands

---

Following the PROSAT II call from the National Commission for Space Activities (CONAE), a system was developed using active microwave polarimetric satellite information from the Argentine SAOCOM Mission, together with other optical and radar satellite data, for monitoring wetlands in Argentina (in line with the use of satellite information for wetland inventory programs). Work was carried out in pilot wetland landscape units: the Ramsar Site in the Upper Delta (Entre Ríos Province), Concepción del Uruguay (Entre Ríos Province), and Bajo de los Saladillos (Santa Fe Province). The first objective was to develop a catalog of backscatter coefficients (active microwave, C and L bands) and spectral responses (visible and reflective infrared) associated with the wetland types in the study areas. The catalog is an interactive dashboard that displays graphs for each wetland type, allowing users to view spectral signatures or characteristic backscatter (mean values and deviation or range of variation) for a selected period, as well as the temporal dynamics of backscatter or synthetic indices derived from optical satellite data. The dashboard was designed with two modalities: a) exploratory, in which each user can obtain graphs by freely filtering by scene type, date, and wetland type; b) guided, in which pre-built graphs are accessed, accompanied by an interpretation made by the consultants (for example, differences between dry and wet periods, or analysis of differences between wetland types). It is useful for managers involved in wetland mapping, as it provides a summary and interpretation of SAR and optical information.

• Cliente: CONAE
• Fecha: August 2025
• Servicio: Environmental monitoring

Cerrar

Dr. Francisco Grings

Presidente

---

Francisco (él) es físico e investigador principal del CONICET, especializado en teledetección cuantitativa avanzada, modelos de dispersión electromagnética, inferencia bayesiana y técnicas de aprendizaje profundo. Con más de dos décadas de experiencia en análisis de series temporales satelitales, ha contribuido significativamente a importantes misiones espaciales argentinas (p. ej., SAOCOM, SAC-D/Aquarius), centrándose en la extracción de parámetros ambientales a partir de imágenes satelitales SAR y multisensor.

Cerrar

Dra. Natalia Morandeira

Vicepresidenta

---

Natalia (ella) se desempeña como Investigadora Adjunta, con amplia experiencia en ecología de humedales y paisajes, monitoreo de biodiversidad y teledetección satelital mediante datos ópticos, SAR y polarimétricos. Como investigadora del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), ha coordinado diversos proyectos nacionales e internacionales, con énfasis en el monitoreo de ecosistemas y la evaluación de riesgos ambientales en hábitats complejos, incluyendo los sistemas de humedales de la llanura aluvial del río Paraná y los ambientes costeros de la provincia de Buenos Aires. Ha sido Investigadora Principal o Co-Investigadora Principal en convenios de investigación con Agencias Espaciales (de Argentina, Japón, Canadá e Italia), involucrando el desarrollo de aplicaciones para el monitoreo de humedales utilizando datos SAR o PolSAR de SAOCOM, ALOS/PALSAR-2 y RADARSAT-2, y datos de CosmoSkyMed. Además, actualmente imparte la cátedra de Ecología en la Universidad de San Martín (UNSAM) y colabora con la cátedra de Ecología del Paisaje en la Universidad de Buenos Aires (UBA).

Cerrar

Dr. Esteban Roitberg

Director

---

Esteban (él) aporta una sólida experiencia en ciencia de datos, especializándose en la aplicación de técnicas de aprendizaje automático y aprendizaje profundo a desafíos ambientales. También cuenta con experiencia en el sector financiero y en la aplicación de inteligencia artificial a problemas de salud. Su investigación de doctorado se centró en la detección de deforestación casi en tiempo real mediante teledetección óptica combinada con modelos avanzados de aprendizaje automático. Sus funciones actuales como Científico de Datos Sénior y consultor se centran en el rigor metodológico en el análisis de datos y la aplicación práctica de enfoques de aprendizaje automático. Como Profesor Adjunto del programa de Ciencias de Datos de la UNSAM, diseñó y puso en marcha el primer curso de Introducción al Aprendizaje Automático de la universidad, creando el programa de estudios, las clases y las tareas desde cero, y ahora está haciendo lo mismo para el curso de Aprendizaje Automático Avanzado.

Cerrar

Francisco González Bianco

Colaborador

---

Francisco (él) es estudiante de Ingeniería Ambiental, aporta experiencia técnica en ingeniería ambiental, aprendizaje automático y gestión de datos. Su experiencia incluye el desarrollo de herramientas de monitoreo de código abierto y canales computacionales, con especial énfasis en la calidad de los datos y la confiabilidad de los sistemas para evaluaciones ambientales y cálculos de emisiones. También cuenta con una sólida formación en calidad, gestión y tratamiento de agua y aguas residuales, incluyendo el diseño y la evaluación de sistemas de tratamiento, el cumplimiento normativo y la integración de enfoques basados ​​en datos para mejorar la toma de decisiones en la gestión de recursos hídricos. Actualmente imparte el Curso de Introducción al Aprendizaje Automático en la UNSAM.

Cerrar

Javier Arellana

Colaborador

---

Javier (él) es Licenciado Física, doctorando en la UBA especializado en la estimación de humedad del suelo mediante datos SAR y GNSS. Lugar de trabajo: Instituto de Astronomía y Física del Espacio, Grupo de Teledetección. Experiencia en modelado físico, inferencia bayesiana y procesamiento avanzado de imágenes satelitales. Autor de publicaciones revisadas por pares y participante activo en congresos científicos. Amplia trayectoria docente universitaria, revisor invitado en revistas internacionales y colaborador en investigación multidisciplinaria orientada al desarrollo de métodos y aplicaciones en observación de la Tierra.

Publicaciones Destacadas

1. “Enhanced CyGNSS Soil Moisture Retrieval Validated by In Situ Data in Argentina's Pampas”
   F. Grings, A. Leszczuk, E. Hildt, D. Lorán, J. Arellana, et. al.
   Journal of Applied Remote Sensing, vol. 19, Issue 2, Art no. 024502, 2025
   https://doi.org/10.1109/JSTARS.2025.3526445

---

2. “Validation of GEDI above ground biomass product over Pinus sp. plantations in Argentina”
   J. Arellana, F. Grings and M. Franco
   IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 18, pp. 3728-3734, 2025
   https://doi.org/10.1117/1.JRS.19.024502

---

3. “Validation of SAOCOM-Estimated Soil Dielectric Constant Using a Bayesian Inference Scheme in Agricultural Fields”
   J. Arellana, M. Franco and F. Grings
   IEEE Biennial Congress of Argentina (ARGENCON), San Nicolás de los Arroyos, Argentina, pp. 952-954, 2024
   http://dx.doi.org/10.1109/ARGENCON62399.2024.10735952

---

4. “Using SAOCOM Data and Bayesian Inference to Estimate Soil Dielectric Constant in Agricultural Soils”
   J. Arellana, M. Franco and F. Grings
   IEEE Geoscience and Remote Sensing Letters, vol.20, pp.1-5, 2023
   https://doi.org/10.1109/LGRS.2023.3296094

---

5. “Estimation of Soil Dielectric Constant Using GNSS Reflectometry and Interference Pattern Method”
   E. N. Gomes, J. Arellana, et al.
   Anales AFA Vol. 30 Nro. 4, 2020
   http://dx.doi.org/10.31527/analesafa.2019.30.4.90

---

Cerrar