Análisis de la vegetación a partir de imágenes satelitales    en Fómeque (2018-2024)

Luisa Mariana Ladino Torres; Gina Paola González Angarita; Rafael Nikolay Agudelo Valencia

doi:10.35197/rx.22.02.2026.08.ll

Autores/as

Luisa Mariana Ladino Torres Universidad Libre https://orcid.org/0009-0006-7489-9700
Gina Paola González Angarita Universidad Escuela Colombiana de Ingeniería Julio Garavito https://orcid.org/0000-0002-9436-5371
Rafael Nikolay Agudelo Valencia Universidad Libre https://orcid.org/0000-0002-6646-7725

DOI:

https://doi.org/10.35197/rx.22.02.2026.08.ll

Palabras clave:

cobertura vegetal, Índice de Vegetación de Diferencia Normalizada (NDVI) , teledetección, incendios forestales, análisis multitemporal

Resumen

El municipio de Fómeque (Cundinamarca, Colombia) tiene el 49 % de su territorio dentro del Parque Nacional Natural Chingaza y su análisis de cobertura vegetal en esta zona es fundamental para comprender los usos del suelo y evaluar el estado de conservación del ecosistema. En este documento, se presenta el análisis de la tendencia de la vegetación en Fómeque entre 2018 y 2024. Para ello, se emplearon imágenes satelitales Landsat 5 y 8, por tanto, se aplicaron técnicas de teledetección, específicamente el Índice de Vegetación de Diferencia Normalizada (NDVI) y sus cambios multitemporales. Los resultados detectaron cambios drásticos en la calidad de la vegetación, con una pérdida de vegetación vigorosa de aproximadamente 12,701 hectáreas en 2018 a 2,192 hectáreas en 2020. Esta reducción se asocia principalmente a incendios forestales inducidos por actividades agrícolas. La pérdida de vegetación en áreas de reserva ecológica constituye un factor de riesgo crítico para la conservación de la biodiversidad. Se concluye que el análisis multitemporal del NDVI es una herramienta valiosa para la toma de decisiones en procesos de ordenamiento territorial y gestión ambiental en la región.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abedi Gheshlaghi, H. (2019). Using GIS to Develop a Model for Forest Fire Risk Mapping. Journal of the Indian Society of Remote Sensing, 47(7), 1173–1185. https://doi.org/10.1007/s12524-019-00981-z

Afanador Suárez, H., González Angarita, G., Ramírez Castañeda, L., & Cardoso Castro, P. (2022). Illicit Crops, Planning of Substitution with Sustainable Crops Based on Remote Sensing: Application in the Sierra Nevada of Santa Marta, Colombia. En C. Gorse, L. Scott, C. Booth y M. Dastbaz (2022) Climate Emergency – Managing, Building, and Delivering the Sustainable Development Goals (pp. 483–494). Springer International Publishing. https://doi.org/10.1007/978-3-030-79450-7_36

Alcaldía Municipal de Fómeque en Cundinamarca. (2021). Nuestro municipio. https://www.fomeque-cundinamarca.gov.co/tema/control/nuestro-municipio

Alcaldía de Fómeque (Cundinamarca). (2024). Plan de desarrollo 2024-2027. Municipio de Fómeque. https://mapas.cundinamarca.gov.co/documents/88a7651275694d32bbe31c6ce25ed407/about

Almalki, R., Khaki, M., Saco, P., & Rodriguez, J. (2022). Monitoring and Mapping Vegetation Cover Changes in Arid and Semi-Arid Areas Using Remote Sensing Technology: A Review. Remote Sensing, 14(20), 5143. https://doi.org/10.3390/rs14205143

Arango Gutiérrez, M., Branch Bedoya, J. & Botero Fernández, V. (2005). Clasificación no supervisada de coberturas vegetales sobre imágenes digitales de sensores remotos: “landsat - etm +”. Revista Facultad Nacional de Agronomía Medellín, 58(1), 2611-2634.

Arboit, M., & Maglione, D. (2018). Análisis multitemporal y multiespacial del índice de vegetación de diferencia normalizada (NDVI) y del índice de vegetación ajustado al suelo (SAVI) en centros urbanos forestados y oasis irrigados, con climas seco. Boletín de Estudios Geográficos, 109, 13–60.

Arlula. (27 de septiembre de 2023). A Guide on NDVI, NDWI and Derived Bands: https://www.arlula.com/news/a-guide-on-ndvi-ndwi-and-derived-bands

Armenteras, D., Rudas, G., Rodriguez, N., Sua, S., & Romero, M. (2006). Patterns and causes of deforestation in the Colombian Amazon. Ecological Indicators, 6(2), 353–368. https://doi.org/10.1016/j.ecolind.2005.03.014

Binetti, M., Uricchio, V. & Massarelli, C. (2025). Isolation Forest for Environmental Monitoring: A Data-Driven Approach to Land Management. Environments, 12(4), 116. https://doi.org/10.3390/environments12040116

Cáceres, O., Cleves, J., & González, G. (2025). Advanced Machine Learning Methods as a Planning Strategy in the Capellanía Wetland. Sustainability, 17(18), 8462. https://doi.org/10.3390/su17188462

Capador, Y., González, G., & Suarez, P. (2021). Análisis de la cobertura vegetal en incendios forestales mediante índices espectrales: caso de estudio Cerros Orientales (Bogotá, Colombia). Avances Investigación en Ingeniería, 18(1). https://doi.org/10.18041/1794-4953/avances.1.6931

Dávalos, L., Holmes, J., Rodríguez, N., & Armenteras, D. (2014). Demand for beef is unrelated to pasture expansion in northwestern Amazonia. Biological Conservation, 170, 64–73. https://doi.org/10.1016/j.biocon.2013.12.018

Desai, S., Mattoo, M., Deshpande, A. M., Dey, A. & Akiwate, S. (2024). Vegetation Change Detection Through NDVI Analysis Using Landsat-8 Data. 2024 4th International Conference on Computer, Communication, Control Information Technology (C3IT), 1–6. https://doi.org/10.1109/C3IT60531.2024.10829460

El Garouani, A., Mulla, D. J., el Garouani, S., & Knight, J. (2017). Analysis of urban growth and sprawl from remote sensing data: Case of Fez, Morocco. International Journal of Sustainable Built Environment, 6(1), 160–169. https://doi.org/10.1016/j.ijsbe.2017.02.003

Gandhi, G. M., Parthiban, S., Thummalu, N., & Christy, A. (2015). NDVI: Vegetation Change Detection Using Remote Sensing and Gis – A Case Study of Vellore District. Procedia Computer Science, 57, 1199–1210. https://doi.org/10.1016/j.procs.2015.07.415

González, G. P., Toro Casas, V., Dorado Castillo, E. O., & Ramírez Castañeda, L. N. (2021). Evaluación de patrones temporales en la dinámica para el cambio de cobertura vegetal en zonas rurales tropicales durante el periodo 2013-2018. Caso de estudio Chaguaní-Colombia. Cuadernos de Desarrollo Rural, 18. https://doi.org/10.11144/Javeriana.cdr18.eptd

Huete, A., Liu, H., Batchily, K., & van Leeuwen, W. (1997). A comparison of vegetation indices over a global set of TM images for EOS-MODIS. Remote Sensing of Environment, 59(3), 440–451. https://doi.org/10.1016/S0034-4257(96)00112-5

IDEAM. (2020). Informe del estado del medio ambiente y los recursos naturales en Colombia 2019- 2020. Incendio en Fómeque controlado en un 70%. (2020, marzo 11). Periódico el sirirí.

IDEAM - MEDS (2025). Actualización de cifras de monitoreo de la superficie de bosque - Año 2024: Resumen de resultados de monitoreo. https://www.ideam.gov.co/sala-de-prensa/informes/Informe-anual-del-monitoreo-de-bosque-y-la-deforestacion

Islam, K., Jashimuddin, M., Nath, B., y Tapan, K. (2018). Land use classification and change detection by using multi-temporal remotely sensed imagery: The case of Chunati wildlife sanctuary, Bangladesh. The Egyptian Journal of Remote Sensing and Space Science, 21(1), 37–47. https://doi.org/10.1016/j.ejrs.2016.12.005

Juzga Solanilla, M. (2016). Comparación de índices de vegetación en el cerro de la conejera de la ciudad de Bogotá. [Tesis de especialidad. Universidad Militar Nueva Granada]. Recuperada de: https://repository.umng.edu.co/server/api/core/bitstreams/7a3267cb-247a-4fb8-8c54-d49a674ccf31/content

Lambin, E. F., Turner, B. L., Geist, H. J., Agbola, S. B., Angelsen, A., Bruce, J. W., Coomes, O. T., Dirzo, R., Fischer, G., Folke, C., George, P. S., Homewood, K., Imbernon, J., Leemans, R., Li, X., Moran, E. F., Mortimore, M., Ramakrishnan, P. S., Richards, J. F., … Xu, J. (2001). The causes of land-use and land-cover change: moving beyond the myths. Global Environmental Change, 11(4), 261–269. https://doi.org/10.1016/S0959-3780(01)00007-3

Maigua Taipe, L., Andrango Ocapana, M., Iglesias Sinailín, O., Rosado Suárez, F., Loja Sanmartín, B., & Morales Chiriboga, S. (2025). Impacto del cambio climático en la biodiversidad de ecosistemas terrestres. South Florida Journal of Development, 6(4). https://doi.org/10.46932/sfjdv6n4-022

Merg, C., Petri, D., Bodoira, F., Nini, M., Fernández, M., Schmidt, F., Montalva, R., Guzmán, L., Rodríguez, K., Blanco, F., & Selzer, F. (2011). Mapas digitales regionales de lluvias, índice estandarizado de precipitación e índice verde. Revista Pilquen, 10(3) 1-11.

Nascimento, J. R. (1991). Discutendo números do desmatamento. Interciencia, 16(5), 232-239.

Norman, D. (1996). Desarrollo de sistemas agrícolas y conservación del suelo. Organización de las Naciones Unidas para la Agricultura y la Alimentación

Olivares, B., & López-Beltrán, M. (2019). Índice de Vegetación de Diferencia Normalizada aplicado al territorio indígena agrícola de Kashaama, Venezuela. UNED Research Journal, 11(2), 112–121. https://doi.org/10.22458/urj.v11i2.2299

Reinoso, G. (2020, enero 11). Más de tres incendios forestales por día en Cundinamarca y Bogotá. El tiempo.

Rendón Acevedo, J., Mora Villalobos, C., Díaz Mateus, R., Gutiérrez Villamil, S., León Cárdenas, L., Álvarez Ochoa, C., Ramírez Rave, C., & Martínez Prieto, A. (2023). Departamento de Cundinamarca: Diagnóstico Socioeconómico y de Producción Agropecuaria (2010-2019). Universidad de la Salle.

Rincón, Y. D. (2024). Implementación de las Buenas Prácticas Pecuarias en la granja avícola “El Porvenir” en la vereda Carrizal del municipio de Fómeque, Cundinamarca. [Diplomado de profundización para grado]. Repositorio Institucional UNAD. https://repository.unad.edu.co/handle/10596/60670

Romo Leon, J., van Leeuwen, W. & Casady, G. (2012). Using MODIS-NDVI for the Modeling of Post-Wildfire Vegetation Response as a Function of Environmental Conditions and Pre- Fire Restoration Treatments. Remote Sensing, 4(3), 598–621. https://doi.org/10.3390/rs4030598

Rouse, J., Haas, R., Deering, D., & Schell, J. (1973). Monitoring vegetation systems in the Great Plains with ERTS. En 3rd ERTS symposium, NASA Washington DC. (Vol. 1, pp. 309-317).

Sela, G. (27 de 10 de 2025). Más allá del NDVI: lo que otros índices revelan del cultivo. https://cropaia.com/es/blog/mas-alla-del-ndvi-lo-que-otros-indices-revelan/

Soto Juya, A., & Motta Arteaga, Y. (2022). Vulnerabilidad asociada a la degradación del páramo de las especies de frailejón Espeletia paipana y Espeletiopsis corymbosa en el altiplano cundiboyacense. [Tesis de licenciatura, Universidad de Ciencias Aplicadas y Ambientales].

Teluguntla, P., Thenkabail, P., Xiong, J., Oliphant, A., Gumma, M., Giri, C., Milesi, C., Ozdogan, M., Congalton, R., Tilton, J., Sankey, T., Massey, R., Phalke, A., & Yadav, K. (2024). Global Food Security Support Analysis Data (GFSAD) Using Remote Sensing in Support of Food and Water Security in the 21st Century. En Remote Sensing Handbook, Volume III (pp. 187–228). CRC Press. https://doi.org/10.1201/9781003541165-9

Tyukavina, A., Potapov, P., Hansen, M. C., Pickens, A. H., Stehman, S. v., Turubanova, S., Parker, D., Zalles, V., Lima, A., Kommareddy, I., Song, X.-P., Wang, L., & Harris, N. (2022). Global Trends of Forest Loss Due to Fire From 2001 to 2019. Frontiers in Remote Sensing, 3. https://doi.org/10.3389/frsen.2022.825190

Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8, 127-150.

Valdez-Zavala, K., Bravo Peña, L., & Manzo Delgado, L. (2019). Áreas quemadas y cambio de uso del suelo en el suroeste de Chihuahua (México) durante el periodo 2013-2017: Identificación con el índice Normalized Burn Ratio (NBR). Acta Universitaria, 29, 1–15. https://doi.org/10.15174/au.2019.2418

Valencia, D., Saavedra, J., Brull, J., & Santelices, R. (2018). Severidad del daño causado por los incendios forestales en los bosques remanentes de Nothofagus alessandrii Espinosa en la Región del Maule de Chile. Gayana. Botánica, 75(1), 531– https://doi.org/10.4067/S0717-66432018000100531

Vidales Suarez, L. (2025). Restauración ecológica del páramo de Santurbán como solución basada en la naturaleza. [Tesis de especialidad. Universidad Militar Nueva Granada]. Recuperada de https://repository.umng.edu.co/server/api/core/bitstreams/3b808bc3-2ba9-402e-b93d-d6db268f0af3/content