Un estudio pone bajo sospecha a los grandes mapas de población: el mundo rural podría estar mal estimado

El estudio que cambió la conversación

El paper que desató esta discusión fue publicado en marzo de 2025 por Josias Láng-Ritter, Marko Keskinen y Henrikki Tenkanen. Su objetivo no era producir una nueva cifra global de habitantes, sino evaluar la precisión de cinco grandes datasets con cobertura casi mundial: GWP, GRUMP, GHS-POP, LandScan y WorldPop. Para hacerlo, el equipo no comparó un mapa con otro, sino que buscó una referencia externa al circuito habitual de censos y proyecciones. La encontró en 307 proyectos de grandes represas distribuidos en 35 países. Según el artículo, los números de reasentamiento fueron reportados por autoridades nacionales de represas y proceden en su mayoría de evaluaciones de impacto hechas sobre el terreno durante la planificación y construcción de esas obras.

Ese diseño metodológico fue la clave del golpe. En lugar de medir la calidad de un grid con otra fuente nacida del mismo sistema estadístico, el estudio cruzó la población reportada en áreas que luego quedaron inundadas con la población que cada uno de esos productos asignaba a las mismas superficies. Los resultados fueron contundentes: sesgos negativos de alrededor de 53% en WorldPop, 65% en GWP, 67% en GRUMP, 68% en LandScan y 84% en GHS-POP. La formulación del artículo es dura: incluso el dataset menos sesgado estaría dejando a la población rural por debajo de la mitad de lo reportado en esos casos. A partir de ahí, los autores pidieron revisar críticamente los usos pasados y futuros de estas capas, sobre todo cuando sirven para repartir recursos y servicios.

Por qué una represa puede revelar un error invisible

La idea de usar represas para medir población puede sonar extraña, pero tiene lógica técnica. Cuando una obra de esta escala obliga a desplazar comunidades enteras, el número de personas afectadas no suele ser una estimación vaga: está ligado a compensaciones, relocalización, licencias, impacto social y costos de ejecución. El artículo explica que esa información tiene una ventaja metodológica importante: no depende de los mismos límites administrativos con que después se construyen muchos mapas globales. Además, los polígonos de los embalses, obtenidos generalmente con imágenes satelitales, permiten ubicar espacialmente el área exacta desde la que esas personas fueron desplazadas.

Esa independencia es precisamente lo que volvió incómodo el hallazgo. Los autores sostienen que, hasta ahora, los grandes productos de población habían sido evaluados sobre todo en contextos urbanos, o con validaciones dispersas y parciales, pero no con una base multinacional de referencia completamente separada del andamiaje censal. Su argumento es que el campo plantea un problema distinto: viviendas separadas, infraestructura más débil, caminos peores, censos menos frecuentes o menos finos y una señal geoespacial mucho más difícil de captar que la de una mancha urbana continua. Dicho de otro modo, las ciudades dejan huellas más densas y más fáciles de leer; el mundo rural, en cambio, obliga a interpretar ausencias, bordes y fragmentos.

Cómo se fabrican los mapas que reparten a la población

Para entender el conflicto hace falta mirar dentro de las herramientas cuestionadas. NASA explica que GPW, la serie histórica desarrollada por CIESIN, modela la distribución de la población sobre una superficie raster continua y que sus insumos esenciales han sido, desde los años noventa, tablas censales y límites geográficos correspondientes. Es un punto importante: GPW parte de recuentos existentes y los redistribuye sobre celdas. Eurostat describe algo similar para los grids de desagregación: en ausencia de datos puntuales de hogares, la población de unidades censales o administrativas se reparte entre celdas usando datos auxiliares de mayor resolución, como suelo construido o cobertura del terreno. El principio parece limpio, pero la calidad final depende de dos cosas decisivas: el tamaño de la unidad censal de origen y la calidad del covariable utilizado para “colocar” a la gente.

En el caso de GHS-POP, Eurostat señala que el producto se genera justamente mediante esa lógica: desagrega población residencial usando áreas construidas detectadas por GHSL. WorldPop, por su parte, distingue entre enfoques “top-down” y “bottom-up”. En su documentación metodológica explica que los modelos top-down toman censos y proyecciones por unidades administrativas y los desagregan a celdas de 100 metros o de 1 kilómetro mediante capas geoespaciales; también advierte que, cuando un país lleva demasiado tiempo sin censo o presenta grandes variaciones subnacionales en migración, fecundidad y mortalidad, esos conteos de entrada pueden ser altamente inciertos. Oak Ridge National Laboratory describe LandScan en términos parecidos: una plataforma global que distribuye población humana con modelos dasimétricos y datos auxiliares, pensada para analizar población en riesgo, ayuda humanitaria y planificación.

Ahí está el corazón del problema. Estos productos no son “un censo del mundo” en sentido estricto. Son herramientas de modelado espacial que parten de información censal, registros, proyecciones y capas observables desde satélite o sistemas geoespaciales. Funcionan porque resuelven una necesidad real: llevar datos que a menudo nacen agregados por municipios, distritos o provincias a una rejilla homogénea que permita comparar territorios, estimar exposición a desastres o calcular población alrededor de infraestructuras. Pero esa misma operación introduce una pregunta incómoda: ¿qué ocurre cuando las unidades censales rurales son enormes, antiguas o incompletas, y el suelo construido apenas deja una señal visible o consistente? Ahí es donde el sesgo deja de ser una posibilidad abstracta y se convierte en un riesgo técnico concreto.

Por qué el mundo rural es el punto más frágil del sistema

Las propias fuentes oficiales llevan años insinuando ese límite. Eurostat reconoce que las áreas de enumeración ofrecen alta resolución en entornos urbanos, pero suelen ser mucho más gruesas en zonas rurales, lo que las vuelve menos adecuadas para análisis espaciales finos. También señala que la calidad del grid depende de que los datos auxiliares capten bien la presencia humana y eviten errores de omisión y comisión; un sensor puede no detectar algunas construcciones o identificar como edificadas superficies que no lo están. NASA, en una nota sobre POPGRID Viewer, añade otra capa: los censos se levantan a intervalos largos, ciertos lugares siguen siendo inaccesibles y muchos países solo publican resultados en unidades administrativas muy amplias. En ese contexto, comparar productos y entender sus márgenes de variación no es un lujo académico, sino una necesidad de uso.

El Joint Research Centre de la Comisión Europea va en la misma dirección. En su informe de 2026 sobre fuentes no tradicionales para mejorar estadísticas de población y vivienda, recuerda que los métodos clásicos siguen siendo la base de la estadística oficial porque garantizan consistencia y fiabilidad, pero también reconoce que suelen ser costosos, poco flexibles y lentos para capturar fenómenos emergentes o cambios territoriales rápidos. Por eso explora teledetección, telefonía y otras fuentes complementarias para llenar vacíos, corregir errores y ganar detalle espacial y temporal. Incluso el Banco Mundial, cuando define “población rural”, admite que la aproximación usada habitualmente —la diferencia entre población total y urbana— es práctica, pero no precisa. Es decir: el problema no empieza en la grilla, sino antes, en la definición y calidad del dato que luego se distribuye.

La réplica: los productores de mapas dicen que el estudio exagera

La respuesta no tardó en llegar y fue dura. En una nota oficial alojada en el entorno de GHSL, productores de datos globales de población sostienen que las conclusiones del paper son “incorrect, misleading” y que descansan sobre un diseño de investigación defectuoso. Su objeción central es que el estudio toma áreas muy específicas —zonas rurales inundadas por embalses— y generaliza a partir de ellas la calidad de productos pensados para representar distribuciones contemporáneas de población, no necesariamente poblaciones históricas desaparecidas del paisaje. Según esa réplica, los modelos subyacentes no pueden reconstruir bien esas configuraciones por diseño, entre otras cosas porque asumen cuerpos de agua estables en el tiempo y no detectan edificaciones del pasado que ya no existen.

WorldPop endurece aún más el contraargumento. En su respuesta oficial de 2026, sostiene que el artículo original se apoya en métricas relativas “misleading”, que confunden anomalías locales con un fallo sistémico y que incurren en una suerte de falacia de excepción. Su pieza añade un dato destinado a bajar la temperatura del titular: la muestra utilizada representaría menos del 0,05% de la población mundial. A eso suma una segunda crítica de fondo, compartida también por la nota del ecosistema GHSL: el estudio estaría confundiendo “población faltante” con “población mal ubicada”. Es decir, parte de la gente no estaría ausente del grid, sino desplazada a celdas cercanas porque el modelo no fue diseñado para recuperar con precisión quirúrgica poblaciones históricas previas a la inundación de un embalse.

Qué sí queda en pie después del choque

La fortaleza del paper está clara, pero también sus límites. Los propios autores reconocen que muchas naciones están representadas por muy pocos casos, que el conjunto de 307 áreas rurales no es estadísticamente representativo de toda la población rural global y que, por lo tanto, no permite una evaluación definitiva para el conjunto del planeta. Admiten, además, que la falta de datos de validación posteriores a 2010 les impidió medir la precisión de los grids para 2015 y 2020. El artículo incluso señala que la calidad podría haber mejorado en años más recientes gracias a registros de población más robustos y a censos apoyados en registros. Esa admisión no invalida el estudio; lo vuelve más interesante: lo presenta como una alarma metodológica seria, no como una sentencia final.

Y esa es probablemente la forma más honesta de contar la noticia. No hay, a partir de este paper, un nuevo número oficial del mundo. Lo que sí hay es una disputa técnica de alto nivel sobre la calidad territorial de las herramientas que ubican a la población sobre el espacio. NASA lo resume bien al presentar POPGRID Viewer: la proliferación de datasets aparentemente similares puede confundir a los usuarios y hacer que terminen usando la fuente menos adecuada para su necesidad concreta. El visor, de hecho, existe para mostrar variación e incertidumbre entre productos y para recordar que no hay un único resultado “final” válido para todas las aplicaciones. En una historia como esta, ese matiz no debilita la noticia; la hace más precisa.

Lo que de verdad está en juego

La dimensión pública del debate es enorme. ORNL presenta LandScan como una plataforma usada para respuesta a desastres, ayuda humanitaria, análisis ambiental y planificación urbana. NASA, en su formación sobre population grids, insiste en que estos datos son esenciales para decisiones en contextos de crisis, conflicto, desarrollo y seguimiento de servicios. Si una comunidad rural aparece disminuida en el mapa, puede pesar menos en modelos de riesgo, en el cálculo de cobertura de hospitales o en la priorización de infraestructura. Y si aparece desplazada unos kilómetros, el error puede parecer pequeño en una visualización global, pero ser muy grande cuando se trata de asignar recursos a un valle, una cuenca o una zona de evacuación.

Por eso conviene resistirse al titular fácil. La pieza fuerte no es “nadie sabe cuántos somos”, sino algo más fino y más perturbador: los mapas que usamos para saber dónde vive la gente podrían estar viendo peor a quienes viven más lejos, más dispersos y con menos capacidad de ser registrados con precisión. El estudio de 2025 fuerza esa discusión; la réplica oficial intenta acotarla. Entre ambos extremos queda una certeza operativa: las rejillas globales son indispensables, pero no neutrales ni intercambiables. Y cuando el terreno es rural, viejo, inaccesible o cambiante, la pregunta decisiva ya no es solo cuánto mide el mundo, sino con qué herramientas lo estamos mirando.