✅ v0.2 — App funcional a escala nacional

✅ v0.2 — functional national-scale app

AREDD+

Herramienta de screening geoespacial para identificar oportunidades de proyectos REDD+ en bosques de Argentina, clasificando zonas por tipo de actividad elegible (conservación, manejo forestal mejorado, restauración). Postulada al Premio MapBiomas Argentina 2026 (resultado pendiente).

Surgió de una conversación con Juana Inés Espinosa Paz (especialista en REDD+ y restauración en Latinoamérica), cuyo proyecto real — Finca El Chaguaral, Salta (4.892 ha, VCS ID 4513, doble certificación VCS+CCB) — se convirtió en el caso de validación.

A geospatial screening tool to identify REDD+ project opportunities across Argentina’s forests, classifying zones by eligible activity type (conservation, improved forest management, restoration). Submitted to the Premio MapBiomas Argentina 2026 (result pending).

It grew out of a conversation with Juana Inés Espinosa Paz (REDD+ and restoration specialist in Latin America), whose real project — Finca El Chaguaral, Salta (4,892 ha, VCS ID 4513, double VCS+CCB certified) — became the validation case study.

MetodologíaMethodology

AREDD+ es un MCDA (Multi-Criteria Decision Analysis), deliberadamente no un modelo de machine learning: el score debe ser auditable por Verra/CCB, y un modelo de caja negra no es defendible ante verificadores. El score combina stock de carbono (ESA CCI Biomass × factores IPCC 2006), presión de deforestación (pérdida de bosque 2014→2024 en un radio de 5km) y contexto legal (OTBN, Ley 26.331), con umbrales de carbono específicos por ecorregión — calculados en runtime sobre cuantiles empíricos Q25/Q75, no valores fijos nacionales — porque la biomasa varía radicalmente entre regiones (Monte: ~6 m³/ha vs. Bosque Andino Patagónico: ~338 m³/ha, según el 2° Inventario Nacional de Bosques Nativos).

AREDD+ is an MCDA (Multi-Criteria Decision Analysis), deliberately not a machine-learning model: the score has to be auditable by Verra/CCB, and a black-box model isn’t defensible to verifiers. The score combines carbon stock (ESA CCI Biomass × IPCC 2006 factors), deforestation pressure (2014→2024 forest loss within a 5km radius), and legal context (OTBN, Ley 26.331), with carbon thresholds specific to each ecoregion — computed at runtime from empirical Q25/Q75 quantiles, not fixed national values — because biomass varies radically by region (Monte: ~6 m³/ha vs. Bosque Andino Patagónico: ~338 m³/ha, per Argentina’s 2nd National Native Forest Inventory).

7

ecorregiones

ecoregions

6

clases de zonificación

zoning classes

4,892 ha

caso de validación (VCS 4513)

validation case (VCS 4513)

ValidaciónValidation

El proyecto certificado VCS+CCB de Selva de Urundel clasificó mayormente como clase 3 (“conservación, amenaza latente”) — con píxeles de clase 4-5 apareciendo inmediatamente al este, en la franja adyacente a la Ruta 34, donde la deforestación es activa. Este resultado es coherente con la certificación real del proyecto: alto carbono, con amenaza documentada en el entorno pero no dentro del bloque conservado.

The certified VCS+CCB Selva de Urundel project classified mostly as class 3 (“conservation, latent threat”) — with class 4-5 pixels appearing immediately east, along Ruta 34, where deforestation is active. This result is coherent with the project’s real certification status: high carbon, with documented threat nearby but not inside the conserved block.

Limitación conocida, en seguimiento: al cruzar los umbrales de carbono satelital (ESA CCI) contra el Inventario Nacional de Bosques (INBN2), encontré una subestimación en las ecorregiones Espinal y Monte. Documentado como un flag abierto, no resuelto — parte del proceso normal de validar un producto satelital contra datos de campo.

Known limitation, being tracked: cross-checking the satellite-derived carbon thresholds (ESA CCI) against the National Forest Inventory (INBN2) surfaced an underestimation in the Espinal and Monte ecoregions. Documented as an open flag, not resolved — part of the normal process of validating a satellite product against field data.

Stack: Google Earth Engine (JavaScript, App pública), Python (reportlab para el PDF de postulación, limpieza de shapefiles), Quarto (documentación del pipeline).

Stack: Google Earth Engine (JavaScript, public App), Python (reportlab for the submission PDF, shapefile cleaning), Quarto (pipeline documentation).