Mapeo de la Acuicultura: Una Revisión de la Literatura sobre Métodos Clásicos y Enfoques de Aprendizaje Automático

Resumen

El sector acuícola se ha estado expandiendo rápidamente debido al creciente aumento de la demanda de alimentos de origen animal y a la presión sobre los recursos pesqueros naturales. Esta expansión está impulsada por los avances en las tecnologías de cultivo y la adopción de prácticas más sostenibles. En este contexto, las geotecnologías han demostrado ser esenciales para el monitoreo y el mapeo de las áreas acuícolas. Este artículo presenta una revisión de la literatura que integra enfoques bibliométricos y sistemáticos sobre el mapeo de áreas acuícolas mediante el uso de teledetección, Sistemas de Información Geográfica (SIG) y técnicas de aprendizaje automático. Con base en 355 publicaciones entre 2007 y 2025, el análisis bibliométrico reveló un aumento significativo en la producción científica, especialmente después de 2018, con un papel destacado de las instituciones asiáticas. Desde una perspectiva sistemática, se analizaron 35 estudios que identificaron el uso frecuente de imágenes satelitales provenientes de los sensores LANDSAT 8, Sentinel-2 y ZY1-02D, combinadas con índices como NDVI, NDWI y SAVI. Los métodos clásicos, como la segmentación por umbral, la detección de bordes y el Tasseled Cap, aún se emplean; sin embargo, se observa una creciente adopción de algoritmos de aprendizaje automático, incluidos Random Forest, SVM, LVQ y redes neuronales. A pesar de los avances, persisten desafíos relacionados con la validación de los resultados y existe escasez de investigaciones en regiones tropicales. El artículo concluye que la combinación de métodos tradicionales y modernos puede mejorar la precisión y la aplicabilidad de los esfuerzos de mapeo, contribuyendo a la gestión sostenible de la acuicultura a escala global.