Seguimiento de soja de alta resolución para cadenas de suministro libres de deforestación

Por qué la soja y los bosques están vinculados

La soja puede parecer un cultivo modesto, pero sostiene de forma silenciosa gran parte de la producción mundial de carne, lácteos y peces de criadero. A medida que la demanda de este grano rico en proteínas se ha disparado, se han talado vastas áreas de bosque tropical para cultivarlo, sobre todo en Sudamérica. Los gobiernos intentan ahora impedir que alimentos y piensos vinculados a la deforestación reciente entren en sus mercados. Eso plantea una pregunta espinosa: cuando un barco cargado de soja llega a un puerto, ¿cómo puede saberse realmente dónde se cultivaron esos granos?

El desafío de las cadenas de suministro opacas

Las cadenas modernas de suministro de soja son extensas y opacas. Granos de innumerables fincas se mezclan en camiones, silos y barcos antes de ser triturados en aceite y harina y enviados por todo el mundo. Nuevas normas, como la regulación de deforestación de la Unión Europea, exigirán pronto que los importadores demuestren que su soja no procede de tierras despejadas después de 2020. Las empresas deben informar las coordenadas exactas del campo y las fechas de cosecha, pero la documentación puede falsificarse y los incentivos comerciales pueden promover declaraciones erróneas. Por ello, las autoridades buscan formas independientes y basadas en la ciencia para comprobar de dónde procede realmente un envío.

Leer la huella química de un grano

Los autores de este estudio se propusieron usar los propios granos como prueba de origen. Las plantas llevan una sutil huella química que refleja el clima y el suelo en los que crecieron. Las proporciones de isótopos estables —formas ligeramente más pesadas o más ligeras de elementos como hidrógeno, oxígeno, carbono, nitrógeno y azufre— varían con los patrones de lluvia, la temperatura y otros factores atmosféricos. Cantidades traza de metales y otros elementos en el tejido vegetal reproducen la geología y los suelos subyacentes. Midiendo con cuidado estas firmas en 267 muestras de soja recogidas en las principales regiones productoras de Brasil, Argentina y Bolivia, el equipo construyó un mapa de referencia que vincula patrones químicos con la geografía.

De muestras dispersas a un mapa continuo

La mayoría de los intentos previos para rastrear el origen de cultivos trataban el problema como si fuese clasificar objetos en cajas: un modelo escogía entre una lista pequeña de países o regiones. Ese enfoque falla cuando las áreas vecinas son similares y no puede decir nada sobre ubicaciones entre los sitios muestreados. En cambio, los investigadores usaron un método estadístico llamado proceso gaussiano, que trata el paisaje entero como continuo. En la práctica, el modelo aprende cómo la similitud química disminuye con la distancia. Luego estima, para cualquier muestra nueva, qué probabilidad tiene cada punto del mapa de ser la verdadera ubicación de la cosecha. Esto produce una superficie de probabilidades en lugar de una etiqueta binaria por país y permite que el modelo funcione incluso en áreas que no fueron muestreadas directamente, siempre que estén dentro de la región más amplia.

Localizar el origen y reducir la incertidumbre

El equipo comparó tres versiones de su modelo: una usando solo isótopos, otra usando solo elementos traza y una tercera combinando ambos. La combinación de los dos tipos de datos ofreció con diferencia el mejor rendimiento. En promedio, la ubicación más probable estimada por el modelo quedaba a unos 190 kilómetros de la finca real, y el área que contenía el 95 % de la probabilidad representaba solo unos pocos por ciento de la región total productora considerada. En términos prácticos, el método reduce el origen plausible de un envío a una porción relativamente compacta del mapa. Cuando convirtieron estas predicciones continuas en elecciones simples de país, la precisión igualó o superó la de estudios de clasificación anteriores, aunque su tarea —distinguir regiones productoras cercanas a través de fronteras nacionales— era considerablemente más difícil.

Qué significa esto para los bosques y el comercio

Para reguladores y empresas, este enfoque ofrece una nueva forma potente de verificar las declaraciones de origen. Los inspectores podrían analizar muestras aleatorias de los envíos y comprobar si sus huellas químicas coinciden con las fincas declaradas o si es más probable que procedan de fronteras de alto riesgo donde se está produciendo tala ilegal. Aunque el método no es perfecto —muchas estimaciones siguen situándose a más de 200 kilómetros del campo exacto— proporciona una medida transparente y cuantitativa de la incertidumbre expresada directamente en distancias y áreas. Combinado con vigilancia por satélite, registros de fincas y otras herramientas, puede ayudar a que las cadenas de suministro de soja sean mucho más responsables y apoyar los esfuerzos para mantener los productos vinculados a la deforestación fuera de los mercados globales.

Cita: Maor, R., Truszkowski, J., Ablett, F. et al. High-resolution soybean tracing for deforestation-free supply chains. Commun Earth Environ 7, 310 (2026). https://doi.org/10.1038/s43247-026-03380-8

Palabras clave: trazabilidad de la soja, deforestación, cadenas de suministro, isótopos estables, modelado por proceso gaussiano