propuesta metodológica preliminar para establecer la
TRANSCRIPT
1
Propuesta metodológica preliminar para establecer la
relación entre el clima y el cambio de las especies del
páramo de Sumapaz usando imágenes satelitales
Autor: Daniela Rodríguez Pacheco
Directores: Manuel Rodríguez Susa y Jillian Pearse
Tesis de Pregrado
Departamento de Geociencias e Ingeniería Civil y Ambiental
Universidad de los Andes
22 de mayo de 2020
2
Agradecimientos
En esta oportunidad me gustaría agradecer a mis padres Hilda
Graciela Pacheco Gaitán y Wilson Rodríguez Soler por el
apoyo brindado en todos estos años. A mi hermana Alejandra
por la compañía que me brindó a lo largo de este proceso. A
mis directores Manuel y Jillian por el apoyo, orientación,
sugerencias y recomendaciones brindadas. Y a mis
compañeros de clase Alejandra Jáuregui, Francisco Rojas y
Luis Duarte por los buenos momentos compartidos.
3
Tabla de contenido
Abstract.............................................................................................................................................8
Resumen ............................................................................................................................................8
1. Introducción .............................................................................................................................9
2. Objetivos .................................................................................................................................10
2.1 Objetivos específicos. ......................................................................................................10
3. Marco geológico ......................................................................................................................11
3.1 Características del páramo ............................................................................................13
3.1.1 Flora del páramo ....................................................................................................13
3.1.2 Clima .......................................................................................................................15
3.1.2.1 Precipitación ...........................................................................................................15
3.1.2.2 Temperatura ...........................................................................................................15
4 Metodología ............................................................................................................................16
4.1 Identificación de las estaciones meteorológicas de la zona ..........................................16
4.2 Determinación de las fechas de selección de imágenes.................................................18
4.3 Búsqueda de imágenes Landsat .....................................................................................19
4.4 Índices de vegetación ......................................................................................................20
4.4.1 Selección de índices .................................................................................................20
4.4.2 Preprocesamiento de imágenes: ............................................................................21
4.4.3 NDVI........................................................................................................................22
4.4.4 SAVI .......................................................................................................................23
4.5 Clasificación supervisada ...............................................................................................24
4.5.1 Búsqueda de imágenes Sentinel 2 ..........................................................................24
4.5.2 Preprocesamiento ..................................................................................................25
4.5.3 Clasificación ............................................................................................................25
4.6 Salud ecosistémica ..........................................................................................................27
5 Resultados ...............................................................................................................................28
5.1 Índices de vegetación ......................................................................................................28
5.2 Clasificación supervisada ...............................................................................................33
5.2.1 Depuración de clases ..............................................................................................33
5.2.2 Estudio con imágenes Landsat ...............................................................................34
5.2.3 Análisis de imágenes Sentinel ................................................................................40
4
5.3 Evaluación de la salud ecosistémica ..............................................................................44
5.3.1 Desarrollo de los indicadores .................................................................................44
5.3.2 Evaluación de los indicadores ................................................................................50
6. Conclusiones ...........................................................................................................................52
7. Limitaciones ............................................................................................................................53
8. Recomendaciones ...................................................................................................................53
Referencias......................................................................................................................................54
5
Tabla de ilustraciones
ILUSTRACIÓN 1 RÉGIMEN DE PRECIPITACIÓN DEL SUMAPAZ (METEOBLUE, S.F.) ........................................ 15 ILUSTRACIÓN 2 COMPORTAMIENTO DE LA TEMPERATURA DEL PÁRAMO DE SUMAPAZ (METEOBLUE, S.F.)
............................................................................................................................................................ 16 ILUSTRACIÓN 3 SPI 12 PARA EL PÁRAMO SUMAPAZ ................................................................................... 18 ILUSTRACIÓN 4 SPEI 12 PARA EL PÁRAMO SUMAPAZ ................................................................................. 19 ILUSTRACIÓN 5 REPRESENTACIÓN DEL ÍNDICE DE VEGETACIÓN POR PENDIENTE (MUÑOZ AGUAYO, 2013)
............................................................................................................................................................ 20 ILUSTRACIÓN 6 REPRESENTACIÓN DEL ÍNDICE DE VEGETACIÓN POR DISTANCIA (MUÑOZ AGUAYO, 2013) 21 ILUSTRACIÓN 7 ESPECIFICACIONES TÉCNICAS DE LAS IMÁGENES USADAS (HERNÁNDEZ & GILBES, 2018). 23 ILUSTRACIÓN 8 CLASIFICACIÓN DE LOS VALORES DE NDVI (LÓPEZ PÉREZ, MARTÍNEZ MENES, &
FERNÁNDEZ REYNOSO, 2015) .............................................................................................................. 23 ILUSTRACIÓN 9 INDICADORES DE SALUD ECOSISTÉMICA PARA HUMEDALES (LIN, SUN, CHEN, GUO, &
ZENG, 2016). ........................................................................................................................................ 27 ILUSTRACIÓN 10 GRÁFICA ESTADÍSTICA DEL TIPO DE VEGETACIÓN ............................................................ 31 ILUSTRACIÓN 11 FIRMAS ESPECTRALES DE LAS CLASES DEL PERÍODO SECO ............................................... 37 ILUSTRACIÓN 12 FIRMAS ESPECTRALES DE LAS CLASES DEL PERÍODO HÚMEDO ........................................ 37 ILUSTRACIÓN 13 FIRMAS ESPECTRALES DE LA CLASE LAGOS ....................................................................... 38 ILUSTRACIÓN 14 FIRMAS ESPECTRALES PARA LAS DIFERENTES ESPECIES. 1 FRAILEJONES, 2 PAJONALES Y 3
BOSQUES ACHAPARRADOS ................................................................................................................. 39 ILUSTRACIÓN 15 FIRMAS ESPECTRALES DE LAS COBERTURAS DEL PÁRAMO PARA LA ÉPOCA DE HUMEDAD.
EN LA PARTE SUPERIOR SE PRESENTAN LAS FIRMAS DE LA PARTE OCCIDENTAL Y EN LA PARTE
INFERIOR SE PRESENTAN LAS FIRMAS DE LA PARTE ORIENTAL ........................................................... 42 ILUSTRACIÓN 16 FIRMAS ESPECTRALES DE LAS COBERTURAS DEL PÁRAMO PARA LA ÉPOCA DE SEQUÍA. EN
LA PARTE SUPERIOR SE PRESENTAN LAS FIRMAS DE LA PARTE OCCIDENTAL Y EN LA PARTE INFERIOR
SE PRESENTAN LAS FIRMAS DE LA PARTE ORIENTAL ........................................................................... 43 ILUSTRACIÓN 17 FIRMAS ESPECTRALES PARA LOS DOS PERÍODOS. LA PARTE SUPERIOR CORRESPONDE AL
PERÍODO DE HUMEDAD Y LA INFERIOR AL PERÍODO DE SEQUÍA ........................................................ 44 ILUSTRACIÓN 18 COEFICIENTES DE ELASTICIDAD PARA DIFERENTES COBERTURAS (JIAN, YANXU, TIANYI, &
JIANSHENG, 2016) ................................................................................................................................ 48
6
Tabla de mapas
MAPA 1 MAPA GEOLÓGICO DEL PÁRAMO SUMAPAZ (SERVICIO GEOLÓGICO COLOMBIANO, 2015) ........... 12 MAPA 2 MAPA DEL PÁRAMO DE SUMAPAZ CON SUS RESPECTIVAS ESTACIONES METEOROLÓGICAS.
ELABORADO POR EL AUTOR. ............................................................................................................... 17 MAPA 3 ÍNDICE NDVI PARA PERÍODO SECO Y HÚMEDO DEL SUMAPAZ ...................................................... 29 MAPA 4 RECLASIFICACIÓN DEL NDVI ........................................................................................................... 30 MAPA 5 ÍNDICE SAVI PARA EL PERÍODO DE HUMEDAD Y SEQUÍA EN EL SUMAPAZ .................................... 32 MAPA 6 CURVAS DE NIVEL DEL PÁRAMO SUMAPAZ ................................................................................... 33 MAPA 7 CLASIFICACIÓN SUPERVISADA DEL SUMAPAZ A TRAVÉS DE IMÁGENES LANDSAT ........................ 35 MAPA 8 CLASIFICACIÓN SUPERVISADA DEL PÁRAMO SUMAPAZ ................................................................ 40
7
Índice de tablas
TABLA 1 FLORA PRINCIPAL DE LA FRANJA ALTOANDINA DEL SUMAPAZ (CLEEF, RANGEL, & ARELLANO,
2008) ................................................................................................................................................... 13 TABLA 2 FLORA PRINCIPAL DE LA ZONA DE SUBPÁRAMO DEL SUMAPAZ (CLEEF, RANGEL, & ARELLANO,
2008) ................................................................................................................................................... 14 TABLA 3 FLORA PRINCIPAL DE LA REGIÓN DE PÁRAMO MEDIO DEL SUMAPAZ (CLEEF, RANGEL, &
ARELLANO, 2008) ................................................................................................................................. 14 TABLA 4 ESTACIONES METEOROLÓGICAS EN EL PÁRAMO DE SUMAPAZ .................................................... 16 TABLA 5 INTERVALOS DE TIEMPO DE SEQUÍA Y HUMEDAD ........................................................................ 19 TABLA 6 DATOS DE LAS IMÁGENES LANDSAT .............................................................................................. 20 TABLA 7 IMÁGENES SENTINEL ..................................................................................................................... 24 TABLA 8 CLASES PARA EL PROCESO DE CLASIFICACIÓN SUPERVISADA ....................................................... 26 TABLA 9 COMBINACIONES DE BANDAS USADAS ......................................................................................... 26 TABLA 10 INDICADORES DE SALUD ECOSISTÉMICA ..................................................................................... 28 TABLA 11 DATOS ESTADÍSTICOS PARA EL NDVI ........................................................................................... 30 TABLA 12 DATOS ESTADÍSTICOS DEL ÍNDICE SAVI ....................................................................................... 32 TABLA 13 CLASES DEL PÁRAMO SUMAPAZ .................................................................................................. 34 TABLA 14 CARACTERÍSTICAS DE LAS CLASES DEL SUMAPAZ POR MEDIO DE IMÁGENES LANDSAT ............. 36 TABLA 15 CARACTERÍSTICAS D LAS COBERTURAS DE SUMAPAZ ................................................................. 41 TABLA 16 MNDVI PARA LOS PERÍODOS DE HUMEDAD Y SEQUÍA DEL PÁRAMO SUMAPAZ ........................ 44 TABLA 17 MNDWI PARA LOS PERÍODOS DE HUMEDAD Y SEQUÍA DEL PÁRAMO SUMAPAZ ....................... 46 TABLA 18 CÁLCULO DEL ÍNDICE SHDI PARA ÉPOCA DE SEQUÍA ................................................................... 47 TABLA 19 CÁLCULO DEL ÍNDICE SHDI PARA ÉPOCA DE HUMEDAD .............................................................. 47 TABLA 20 ESPECIES DE VEGETACIÓN IDENTIFICADAS EN EL SUMAPAZ ....................................................... 48 TABLA 21 COEFICIENTES DE ELASTICIDAD DE LAS DIFERENTES CLASES ....................................................... 48 TABLA 22 CÁLCULO DE ELASTICIDAD PROMEDIO PARA EL PERÍODO DE SEQUÍA ........................................ 49 TABLA 23 CÁLCULO DE ELASTICIDAD PROMEDIO PARA EL PERÍODO DE HUMEDAD ................................... 49 TABLA 24 RESULTADOS DE LOS INDICADORES DE SALUD ECOSISTÉMICA ................................................... 50 TABLA 25 ESTANDARIZACIÓN Y EVALUACIÓN DE LOS INDICADORES DE SALUD ECOSISTÉMICA ................. 50 TABLA 26 SALUD ECOSISTÉMICA DEL PÁRAMO PARA PERÍODOS DE SEQUÍA Y HUMEDAD......................... 51
8
Abstract Moors are ecosystems of great importance because they have the ability to provide different
ecosystem services such as the water regulation, habitat for endemic species, carbon capture,
among others. These reasons make it vitally important to understand how they work and their
changes through time due to climate and other factors. This type of study requires
methodology able to provide information through the extensive areas of ground, which
sometimes present difficulties for field studies. Remote sensing using satellite images has
emerged as the technique that allows us to obtain this type of information. For this study,
Landsat and Sentinel images used to calculate multiple vegetative indexes which
characterized floral biodiversity, identification of species, ecosystem health and their changes
over recent decades. Additionally, local weather stations the study region have been
collecting information about the historical weather conditions that have affected the moors.
In this work satellite images have been processed to obtain information on the seasonal
variations of the flora of the Sumapaz moor during the dry and rainy seasons. This study uses
the climatic variables of precipitation, temperature and evapotranspiration in order to choose
the best dates for the multi-temporal study then a supervised classification is performed to
determine the change of vegetation cover and to calculate the vegetation indexes NDVI and
SAVI, which will be used to suggest its state of conservation.
Keywords: Remote sensing, NDVI, SAVI, ecosystem services, Landsat, Sentinel, vegetative
indexes.
Resumen Los páramos son ecosistemas de gran importancia ya que tienen la capacidad de brindar
diferentes servicios ecosistémicos como la regulación del agua, el hábitat de especies
endémicas, la captura de carbono, entre otros. Es por esto que es de vital importancia entender
su funcionamiento y transformación a través del tiempo. Para este tipo de procesos, se ha
requerido de una metodología capaz de brindar información a través del estudio de extensas
áreas de terreno que muchas veces presentan dificultades de interacción física. La
teledetección por medio del estudio de imágenes satelitales ha surgido como una técnica que
permite obtener este tipo de información. Por medio del estudio de imágenes Landsat y
Sentinel se han desarrollado múltiples índices de vegetación y estudios que permiten estudiar
la biodiversidad floral en términos de clasificación de suelos, identificación de especies y
salud ecosistémica. Adicionalmente, gracias a las estaciones meteorológicas del país se ha
podido recolectar información acerca de las condiciones climáticas históricas que han
afectado el desarrollo de los páramos. En este trabajo se realizó un estudio de procesamiento
de imágenes satelitales para obtener información de la flora en el páramo de Sumapaz para
épocas de sequía y de humedad. Para este estudio se consideraron las variables climáticas de
precipitación, temperatura y evapotranspiración; estas permitieron establecer las fechas de
estudio usadas para realizar una clasificación supervisada que determinó el cambio de
vegetación en el páramo. Adicionalmente por medio de los índices NDVI y SAVI se sugirió
el estado de conservación y la salud ecosistémica.
9
Palabras claves: teledetección, NDVI, SAVI, servicios ecosistémicos, Landsat, Sentinel,
índices de vegetación.
1. Introducción Los ecosistemas denominados bajo el nombre de “páramo” para América Latina, se
caracterizan por estar distribuidos sobre la franja ecuatorial ubicándose en países como
Colombia, Venezuela, Ecuador, Perú, Costa Rica, Papúa Nueva Guinea, entre otros. Tan solo
en Colombia representan una superficie de 29000 km2 contribuyendo al 50% de los páramos
en el mundo (El tiempo, 2016). Estos biomas son importantes ya que aportan una gran gama
de servicios ecosistémicos entre los que se destacan la regulación del recurso hídrico, la
fijación de carbono y el hábitat para especies de flora y fauna endémicas que corresponden
al 8% de endemismos de la flora colombiana (Daza Torres, Hernández Flórez, & Alba Triana,
2014). Sin embargo, a pesar de los múltiples beneficios que proporcionan estos ecosistemas
también se caracterizan por ser sensibles a desequilibrios ecológicos causados por
actividades antrópicas como la ganadería, el cambio climático o la explotación mineral (Daza
Torres, Hernández Flórez, & Alba Triana, 2014).
El páramo de Sumapaz es el más extenso del mundo, adicionalmente se caracteriza por ser
la segunda fuente hídrica más importante de las áreas protegidas de Colombia (Andrade,
1993). Se encuentra ubicado entre los departamentos de Cundinamarca, Meta y Huila
abarcando un total de 12 municipios y 2 localidades de la capital. Este se constituye a partir
de los ecosistemas de páramo y de bosque andino ya que presenta una altura media entre los
3500 y 4000 ms.n.m. De acuerdo con sus condiciones hidrológicas el páramo se identifica
por tener una precipitación entre 700 y 1000 milímetros anuales correlacionada con la
presencia de bosque andino alto. Adicionalmente este ecosistema también se caracteriza por
exhibir una alta niebla y nubosidad, esta última relacionada con el régimen estacional de la
Orinoquia (Rodríguez, 2003). Por otro lado, de acuerdo con las condiciones climáticas el
páramo se caracteriza por presentar un clima frío y húmedo que presenta grandes variaciones
en la temperatura que oscilan entre los 0° y 20°C (Ministerio de Ambiente, s.f.).
La fauna del páramo se encuentra constituida por mamíferos, aves, anfibios y reptiles típicos
de este tipo de ecosistema, entre lo que se destacan los venados blancos, las dantas, los pumas
y los colibrí. En total se han reportado 260 especies de mamíferos, una gran densidad en
especies de insectos, que habitan principalmente en las hojas de los frailejones como lo es el
caso de las mariposas, y un gran número de especies que habitan en la biota acuática
paramuna. Por otra parte, el páramo cuenta con una flora conformada por 670 especies de las
que 98 son especies endémicas de la región (García A. H., 2016). Entre las principales
especies de flora se encuentran los frailejones, la paja, los arbustos, las bromelias y el musgo
(Rodríguez, 2003).
De acuerdo con la literatura (Soledad Duval, Benedetti, & Campo, 2014), la vegetación de
una zona está conformada a partir de una composición fisiológica y florística. Estas a su vez
se encuentran influenciadas por el factor del clima, del sustrato geológico, de la topografía,
entre otros. Sin embargo, centrándose en las características ecológicas los principales rasgos
10
que afectan el crecimiento y desarrollo de la vegetación son las condiciones térmicas,
hídricas, la intensidad lumínica y la duración del día (Soledad Duval, Benedetti, & Campo,
2014) . Es por ello por lo que con base en el estudio de variabilidad climática se puede
establecer cómo esta influye en la vegetación del páramo. No obstante, este tipo de estudios
requieren de grandes escalas espaciales y temporales que muchas veces presentan límites
difusos e intangibles. Ante estas dificultades en los últimos años se ha incorporado el uso de
la herramienta conocida como teledetección (Cabello & Paruelo, 2008).
El mecanismo conocido como teledetección tiene como objetivo la captura y análisis de
imágenes digitales tomadas a partir de satélites (Muñoz Nieto & Pérez Gutiérrez, 2006). Esta
técnica tiene aplicaciones en múltiples disciplinas entre las que se destacan los estudios
ambientales. Sus características de resolución espacial, espectral y radiométrica la
transforman en una herramienta útil para medir variables de biodiversidad (Díaz, 2018). En
este trabajo de investigación se hizo el uso de la teledetección a partir de dos ramas que son
la clasificación supervisada y el uso de índices de vegetación. La clasificación de imágenes
satelitales es una técnica que permite asignar cada píxel a una categoría; estas categorías a su
vez representan toda la gama de variedad dentro de la imagen. Sin embargo, para que esta
técnica sea clasificada requiere de la indicación de un píxel característico de todas las clases
logrando así clasificar cada píxel de la imagen por medio de la asociación entre estos y el
píxel base (Mariot, 2016). Para realizar este proceso se hizo uso del software QGis® y
Arcgis® ya que permiten trabajar con imágenes Landsat y Sentinel que aparte de tener una
gran precisión son de acceso gratuito. Por otro lado, los índices de vegetación son parámetros
calculados a partir de los valores de reflectancia de onda o por medio de la combinación de
bandas, que proporcionan información acerca la salud ecosistémica de la zona. En este
proyecto se usaron los índices de vegetación de diferencia normalizada (NDVI) y el Soil
Adjusted Vegetation Index (SAVI) para distinguir la vigorosidad de la vegetación.
Es importante resaltar que estos principios de teledetección fueron elegidos para este trabajo
de investigación ya que se tuvo como propósito medir la salud ecosistémica del páramo a
partir de los cambios climáticos producidos a lo largo del tiempo. Finalmente se espera
observar un cambio en la abundancia, tipo y salud de la vegetación para las diferentes épocas
(Sequía y humedad) obteniéndose mejores resultados en las épocas de humedad ya que la
vegetación en el páramo se desarrolla mejor bajo estas condiciones en el medio.
2. Objetivos El objetivo principal de este trabajo consistió en estudiar por medio de imágenes satelitales
cómo la variación de las condiciones climáticas presentes a lo largo de los años en el páramo
de Sumapaz afecta la vegetación de este en términos de abundancia de especies y salud
ecosistémica (Actividad fotosintética, estructura foliar, entre otros).
2.1 Objetivos específicos.
Realizar una recolección e interpretación de datos meteorológicos que permitan identificar
las condiciones climáticas históricas que ha sufrido el páramo de Sumapaz.
11
1. Establecer las clases que se usarán en la clasificación supervisada de tal
manera que se puedan observar cambios representativos en los diferentes
tipos de vegetación.
2. Realizar procesos de preprocesamiento y clasificación para poder identificar
las diferentes coberturas presentes en el páramo
3. Establecer índices de vegetación adecuados que permitan relacionar las
condiciones climáticas con el estado de la vegetación del páramo.
4. Proponer y aplicar una metodología que permita establecer la salud
ecosistémica del páramo basado exclusivamente en SIG.
5. Realizar una clasificación supervisada que permita observar cómo varían las
especies del páramo de acuerdo con las condiciones climáticas de la zona
3. Marco geológico El macizo del páramo corresponde a un nudo orográfico que finaliza en la Cordillera Oriental
retirándose cada vez más del valle del río del Magdalena. Esta región se encuentra constituida
por secciones que corresponden a la zona oriental y occidental del páramo. La sección
occidental se encuentra constituida por rocas sedimentarias del Terciario (Paleoceno-
Oligoceno) que en gran parte se encuentran cubiertas por sedimentos de origen glacial dando
paso a la gran cantidad de pantanos de la zona. Adicionalmente esta región también se
caracteriza por contener el sistema fluvial del río del Orinoco. Mientras que, por otro lado, la
sección oriental está conformada a través de rocas metamórficas del Paleozoico y rocas
sedimentarias del Devónico y contiene el sistema fluvial del río del Magdalena (Rodríguez,
2003).
También se puede decir que todas las fuentes hídricas presentes en la zona (lagunas, ríos,
quebradas y fuentes cristalinas) son de origen glacial y presentan una altitud entre los 3500
y 4000 msnm. Estos glaciares fueron compuestos a partir de masas de neviza y nieve
formadas por el metamorfismo de la mezcla de rocas, nieve, morrenas y sustancias orgánicas.
Posteriormente por la descongelación del hielo y por el hundimiento de la superficie se dio
origen a todas las lagunas de la región (Rodríguez, 2003).
Adicionalmente, se puede inferir que los depósitos aluviales son la unidad menos abundante
ya que el régimen de las corrientes presenta altos niveles de energía proporcionado un sistema
erosivo mas no de depositación. En su mayoría se encuentran depósitos de origen aluvial en
algunos valles de ríos (Rodríguez, 2003).
El grupo de formaciones estratigráficas y mapa geológico de la zona se podrán observar a
continuación (Servicio Geológico Colombiano, 2015):
• 𝜀O − Sm: Unidad que data entre los períodos cámbrico-ordovícico, está conformada
por el Grupo Güejar que consta de filitas y pizarras que alternan con cuarzoarenitas
y arenitas lodosas.
• DC-Sctm: Unidad que data entre los períodos devónico-carbonífero, está conformada
por el Grupo Farallones que consta de cuarzoarenitas, arcillolitas, lodolitas grises y
ocasionalmente calizas y conglomerados.
12
• OS1-Mbg: Unidad que data en el período ordovícico, está conformada por los
Esquistos de Quetame que consta de filitas, esquistos, cuarcitas, pizarras,
metaconglomerados, metalimolitas y mármoles.
• b6k1-Stm: Unidad que data entre las edades del albiano-cenomaniano, está
conformada por cuarzoarenitas de grano grueso a conglomeráticas con niveles de
lodolitas grises y lentes de carbón.
• k1k6-Stm: Unidad que data entre las edades del cenomaniano-maastrichtiano, está
conformada por shales, calizas, fosforitas, cherts y cuarzoarenitas. Además, tiene un
predominio de facies finas al norte del Cocuy y facies más arenosas al sur.
• k6E1-Stm: Unidad que data entre las épocas del cretácico superior y el paleoceno,
está conformada por la Formación Guaduas que consta de arcillolitas rojizas con
intercalaciones de cuarzoarenitas de grano fino. Mantos de carbón a la base.
• Q-al: Unidad que data en el período del cuaternario, está compuesta por depósitos
aluviales y de llanuras aluviales.
• Q-t: Unidad que data en el período del cuaternario, está compuesta por terrazas
aluviales.
• b2b6-Stm: Unidad que data entre las edades del valanginiano-albiano, está
conformada por shales calcáreos o silíceos, cherts, cuarzoarenitas, arenitas líticas,
conglomerados gradados y calizas arrecifales.
Mapa 1 Mapa geológico del páramo Sumapaz (Servicio Geológico Colombiano, 2015)
13
• Q-ca: Unidad que data en el período del cuaternario, está compuesta por abanicos
aluviales y depósitos coluviales.
• Q-g: Unidad que data en el período del cuaternario, está compuesta por depósitos
glaciares.
• E1-Sc: Unidad que data en la época del paleoceno, está compuesta por conglomerados
intercalados con arenitas de grano medio a grueso y lodolitas carbonosas.
• b1k1-Sm: Unidad que data entre las edades del berriasiano-cenomaniano, está
compuesta por arcillolitas y limolitas negras con intercalaciones menores de arenitas
y calizas. Adicionalmente, presenta segmentos de cuarzoarenitas de grano fino a
grueso y conglomerados.
3.1 Características del páramo
3.1.1 Flora del páramo
Se analizaron diferentes estudios para determinar la vegetación de la zona, toda la recolección
de esta información se observa a continuación.
La vegetación del páramo se encuentra compuesta principalmente por frailejones, paja,
cardones, piñuelas, bromeliáceas, chusques y cañuelas (Rodríguez, 2003). Según los estudios
realizado por (Cleef, Rangel, & Arellano, 2008) y (Rivera Ospina & Rodríguez, 2011) el
páramo de Sumapaz puede dividirse entre los siguientes ambientes.
• Flora para la franja altoandina (3000 - 3200msnm)
Es la zona de transición entre la vegetación cerrada de bosques o selva de la media montaña
y la vegetación abierta de matorrales y pajonales de la parte alta (Rivera Ospina & Rodríguez,
2011). En esta sección se encuentran 198 especies distribuidas en 125 géneros y 63 familias.
Las principales familias y géneros pueden observarse a continuación:
Tabla 1 Flora principal de la franja altoandina del Sumapaz (Cleef, Rangel, & Arellano, 2008)
Familias
ASTERACEAE
ORCHIDACEAE
MELASTOMATACEAE
ERICACEAE
Géneros
Baccharis
Miconia
Diplostephium
Pentacalia
Ageratina
• Subpáramo (3200 - 3500msnm)
Es muy común encontrar zonas de transición con la vegetación de la región de media
montaña y la formación de comunidades mixtas (Rivera Ospina & Rodríguez, 2011). En
14
esta sección se identificó un total de 370 especies distribuidas entre 203 géneros y 79
familias. Las familias y géneros más destacados se pueden observar a continuación.
Tabla 2 Flora principal de la zona de subpáramo del Sumapaz (Cleef, Rangel, & Arellano, 2008)
Familias
ASTERACEAE
ORCHIDACEAE
POACEAE
Géneros
Baccharis
Miconia
Diplostephium
Pentacalia
• Páramo medio (3500 - 4100msnm)
En esta zona la diversificación comunitaria es máxima ya que alberga todos los tipos de
vegetación, sin embargo, predominan los frailejones, pajonales y chuscales (Rivera Ospina
& Rodríguez, 2011). En esta sección se identificó un total de 329 especies distribuidas entre
181 géneros y 62 familias. Las principales familias y géneros se podrán observar a
continuación.
Tabla 3 Flora principal de la región de páramo medio del Sumapaz (Cleef, Rangel, & Arellano, 2008)
Familias
ASTERACEAE
POACEAE
SCROPHULARIACEAE
ORCHIDACEAE
Géneros
Baccharis
Miconia
Diplostephium
Pentacalia
• Superpáramo (> 4100msnm)
De acuerdo con (Rivera Ospina & Rodríguez, 2011) esta zona termina en el limite inferior
de los glaciares y se caracteriza por la escasez de vegetación y abundancia de afloramientos
rocosos. Debido a la falta de vegetación la especie más común son de tipo prados.
• Páramo azonal
Esta región se caracteriza por tener vegetación desarrollada fuera de las condiciones
climáticas dominantes. Esta zona se encuentra ubicada en fondo de los valles o a baja altitud
en las crestas de montaña (Rivera Ospina & Rodríguez, 2011).
15
Adicionalmente se debe tener en cuenta que la principal característica biótica del páramo
radica en que este presenta el 8% de la flora endémica total nacional (Parques nacionales
naturales de Colombia, 2005). Entre las especies endémicas de esta zona se encuentran
diferentes clases de frailejones entre las que se destaca la Espeletia killipii var. Chisacana
(Sesana, 2006) además de los arbustos rodamonte, siete cueros rojo, siete cueros chiquito y
flor de mayo. Adicionalmente se encuentran plantas paramunas como el lupino, que se
presentan en lugares secos, o el palo blanco, que es una planta asociada con las uvas de anís
o uvas camaronas y que por ende es de uso ornamental. Finalmente, esta región presenta una
especie arbórea denominada bajo el nombre Colorado que se encuentra en peligro de
extinción debido a la buena calidad de su madera (Rodríguez, 2003).
La flora en el páramo es fundamental ya que permite la retención y enriquecimiento del suelo
además de ayudar a conservar la humedad y servir como vivienda o sitio de protección para
muchas especies de la zona (Rodríguez, 2003). Por esto es importante entender cómo esta
funciona y se puede ver afectada bajo variables ambientales.
A continuación, se describen las condiciones climáticas que fueron tenidas en cuenta para el
siguiente estudio.
3.1.2 Clima
3.1.2.1 Precipitación
En el páramo de Sumapaz (Específicamente en la zona de estudio) se presenta un régimen de
precipitación bimodal con dos picos en los meses de abril y noviembre, adicionalmente se
puede observar que los meses de enero y agosto presentan la menor precipitación del año.
Ilustración 1 Régimen de precipitación del Sumapaz (Meteoblue, s.f.)
3.1.2.2 Temperatura
La temperatura del páramo también presenta dos picos que coinciden con los meses de mayor
precipitación (abril y noviembre) y que presenta un valle en el mes de Julio. De acuerdo con los
valores de temperatura esta oscila entre los 10 y 25 grados centígrados.
16
Ilustración 2 Comportamiento de la temperatura del páramo de Sumapaz (Meteoblue, s.f.)
4 Metodología
4.1 Identificación de las estaciones meteorológicas de la zona
Para determinar las estaciones a partir de las que se iban a tomar datos de temperatura y
precipitación se hizo uso del software de Arcgis®, (Mapa 2). En este programa se identificó
que las estaciones ubicadas en el páramo (Zona delimitada de acuerdo con el parque natural
nacional desde 1977 (Ramos, 2017)) eran las siguientes:
Tabla 4 Estaciones meteorológicas en el páramo de Sumapaz
Tipo de estación Nombre Código
Climáticas TAQUES LOS 35025070
Pluviográficas y
pluviométricas
TOTUMA LA 32060040
GUAMO EL 21190140
PRIMAVERA LA 32060010
DIAMANTE 21190130
POZO LLANITOS 35020410
TORQUITA 35020450
GALLO EL 35020430
STA ROSA 35020480
MEDIA NARANJA 35020180
STA ROSA 21201290
STA ROSA 35020190
CHISACA 21200890
ALTO CAICEDO 35020160
DANTAS LAS 32060080
PRIMAVERA LA 35010140
17
CHOCHAL EL 35020150
Limnográficas y
limnométricas
MONDONEDO_TEST 21208080
ALEMANIA 32067010
MEDIA NARANJA 35027040
STA ROSA 35027230
EMBALSE LOS TUNJOS 21209530
BUENAVENTURA_CCCP-
AUT 53111001
PI#ITA LA 21197250
PLAYA LA 32067040
Sin embargo, debido a que la mayoría de estas estaciones se encontraban suspendidas o
carecían de la información necesaria se usó principalmente los datos disponibles en la
estación Los Taques (35025070). Esta información fue recolectada a través del catálogo de
datos abiertos de la página del IDEAM conocida bajo el nombre de DHIME.
Mapa 2 Mapa del páramo de Sumapaz con sus respectivas estaciones meteorológicas. Elaborado por el autor.
18
4.2 Determinación de las fechas de selección de imágenes
Para determinar las fechas de sequía y de humedad se recolectaron los datos de precipitación
mensual, temperatura máxima mensual y temperatura mínima mensual para un período de
tiempo entre los años de 1988 al 2020. Sin embargo, ya que algunos meses no presentaban
información estos datos fueron completados por medio de las estaciones Penas Blancas
(21195110) y Pasca Aut (21195190) que eran las más próximas al páramo. Adicionalmente,
en caso de que no se encontraran los datos en ninguna de estas tres estaciones se realizó un
ajuste que consistía en completar estos datos con el promedio de temperaturas/precipitación
anual respectivo.
Posteriormente, bajo la guía del Estudio Nacional del Agua (IDEAM, 2019) se procedió a
determinar los índices Standarized Precipitation Index (SPI) y Standarized Precipitation
Evapotranspiration Index (SPEI) con el objetivo de identificar los períodos de sequía. El SPI
fue determinado únicamente con las condiciones de precipitación a través del programa
MDM®, los resultados conseguidos se pueden observar en la ilustración 3.
Ilustración 3 SPI 12 para el páramo Sumapaz
Por otro lado, el SPEI fue determinado por medio de la precipitación y temperatura máxima
y mínima de la zona a través del programa de R Studio®, los resultados conseguidos se
pueden observar en la ilustración 4.
19
Ilustración 4 SPEI 12 para el páramo Sumapaz
Gracias a estos índices se buscaron las fechas que tuvieran una mayor correlación entre el
SPEI 12, el SPI 12 y el Estudio Nacional del Agua y se establecieron los siguientes períodos
de humedad y de sequía.
Tabla 5 Intervalos de tiempo de sequía y humedad
Épocas Intervalos de tiempo
Sequía 2017-2020
1988-1991
Humedad 2014-2015
2003-2007
4.3 Búsqueda de imágenes Landsat
Las imágenes Landsat fueron recolectadas por medio de la página de la USGS. Se buscó
escoger las imágenes que presentaran bajos valores de nubosidad y se encontraran dentro de
los rangos de tiempo de las épocas de humedad y sequía. Las imágenes escogidas presentan
una precisión espacial entre 15 y 30 m (Vásquez, 2011) y sus características pueden
observarse a continuación:
20
Tabla 6 Datos de las imágenes Landsat
Número de
imagen Sensor Tipo de
imagen
Fecha Hora de
inicio
Hora de
finalización Época
Número
de bandas
Resolución
espacial Nubosidad
1 OLI_TIRS Landsat-8
4 de enero
de 2015 15:12:31 15:13:03 Humedad 8 15-30m 5.11
2 OLI_TIRS Landsat-8
19 de
diciembre
de 2014 15:12:36 15:13:08 Humedad 8 15-30m 29.91
3 ETM
Landsat-7
ETM+
11 de
febrero de
2020 14:51:19 14:51:46 Sequía 11 15-30m 2
4 ETM
Landsat-7
ETM+
17 de
septiembre
de 2018 15:10:23 15:10:50 Sequía 11 15-30m 8
4.4 Índices de vegetación
4.4.1 Selección de índices
Se establecieron los índices de vegetación NDVI y SAVI con el objetivo de representar dos
tipos de metodologías, una basada en pendientes y la otra basada en distancias. La
metodología de pendientes (NDVI) realiza combinaciones aritméticas entre la banda roja y
del infrarrojo cercano por el gran contraste presentado por la clorofila. Esta metodología debe
su nombre a que cualquier valor se puede generar a partir de la composición de valores de
reflectancia de la banda roja e infrarroja. Poniendo estas variables en un plano cartesiano en
el cual el valor del eje x esta denominado por la banda roja y el valor del eje y está
conformado por el IR (Ilustración 5), se genera una recta que nace en el punto de origen (0,0)
y cuya pendiente indica el valor del índice. Entre mayor pendiente mayor será la vegetación
de la zona (Muñoz Aguayo, 2013).
Ilustración 5 Representación del índice de vegetación por pendiente (Muñoz Aguayo, 2013)
21
Por otro lado, en los índices de distancia se establece la línea de suelos (caracterizada por
presentar una pendiente y punto de corte) en un plano cartesiano que presenta la reflectancia
de la banda roja en el eje x y la reflectancia de la banda IR en el eje y (Ilustración 6). Todos
los pixeles que presenten igual reflectancia en la banda roja e IR serán considerados como
suelos desnudos, los que se encuentren distanciados por la reflectancia de la IR serán
considerados zonas de vegetación frondosa y los que se encuentren alejados por reflectancia
de la banda roja serán considerados como cuerpos de agua (Muñoz Aguayo, 2013).
Ilustración 6 Representación del índice de vegetación por distancia (Muñoz Aguayo, 2013)
4.4.2 Preprocesamiento de imágenes:
El preprocesamiento de imágenes es fundamental para mejorar la calidad visual a través de
la nitidez, la mejoría en el contraste de elementos y la eliminación de ruido (Gonzales &
Woods, 2008). Entre las principales correcciones se destacan la corrección atmosférica,
geométrica y radiométrica.
La corrección geométrica es generada por fuentes de error en el momento de la toma de
imágenes. Entre las principales fuentes se destacan el cabeceo, la altura del satélite, el relieve
y la esfericidad terrestre. Los métodos para corregir este error están basados en la
georreferenciación a través puntos de control identificados tanto en la tierra como en la
imagen (Ayuda, 2008).
Por otro lado, la corrección atmosférica permite corregir las distorsiones que produce la
atmósfera en los valores de radiancia que se reflejan en la superficie de la tierra y retornan al
sensor (SIGMUR, 2005). Este tipo de correcciones se puede realizar por diversos métodos,
sin embargo, en este trabajo se realizó a través del método Chávez. Este método está basado
en la relación entre absorción y radiancia espectral, que indica que los objetos que presentan
altas absorciones tienen valores de radiancia espectral cercanos a 0 (Ayuda, 2008). Para
corregir esta relación que no suele presentarse debido a las distorsiones atmosféricas se utiliza
la siguiente ecuación:
22
𝑁𝐷𝑖,𝑗,𝑘´ = 𝑁𝐷𝑖,𝑗,𝑘 −𝑁𝐷𝑚𝑖𝑛,𝑘
Por último, la corrección radiométrica se produce para arreglar los valores de brillo en los
pixeles (ND) que pueden generarse por falla en los sensores satelitales a partir de los cuales
son tomadas las imágenes (Agudelo, 2019).
Para los índices de vegetación se usaron las aplicaciones de QGis® y Arcgis®. La primera
fue usada para el preprocesamiento de las imágenes, mientras la segunda para la modelación
de estas. En el preprocesamiento se realizó la corrección radiométrica y atmosférica de la
zona de estudio. Posteriormente, estas imágenes fueron usadas para la elaboración de un
mosaico con el objetivo de eliminar la nubosidad y finalmente bajo la herramienta de “Raster
calculator” se obtuvieron cada uno de los índices.
Diagrama 1 Proceso metodológico para el cálculo de los índices de vegetación
4.4.3 NDVI
El índice normalizado diferencial de vegetación tiene como objetivo la separación entre brillo
del suelo y vegetación. Esto conlleva a que el NDVI esté relacionado con las variables de
actividad fotosintética y estructura foliar de las plantas, permitiendo de esta manera
determinar la vigorosidad presente en la vegetación de la zona. Para realizar este índice se
utilizan la banda roja y el infrarrojo cercano, ya que en el espectro visible los pigmentos
producen una gran absorción de energía y en el NIR las células de las hojas producen una
gran reflexión de energía. Por ende, una vegetación sana producirá un mayor contraste entre
estas variables (García J. J., 2015). El NDVI se calcula bajo la siguiente ecuación:
𝑁𝐷𝑉𝐼 =𝑁𝐼𝑅 − 𝑅𝐸𝐷
𝑁𝐼𝑅 + 𝑅𝐸𝐷
Ya que se usaron imágenes Landsat 8 OLI and TERS y Landsat 7 ETM + y en estas no se
presenta la misma composición de bandas, la ecuación particularizada para cada una podrá
observarse a continuación. Adicionalmente en la ilustración 7 podrá observarse la
composición completa de cada uno de estos sensores:
23
• Landsat 8 OLI ande TERS:
𝑁𝐷𝑉𝐼 =𝐵5 − 𝐵4
𝐵5 + 𝐵4
• Landsat 7 ETM+:
𝑁𝐷𝑉𝐼 =𝐵4 − 𝐵3
𝐵4 + 𝐵3
Ilustración 7 Especificaciones técnicas de las imágenes usadas (Hernández & Gilbes, 2018).
El índice NDVI al ser un índice normalizado presenta un rango de valores entre -1 y 1, entre
mayor sea el número indica un mayor vigor de la vegetación presente. Para lograr una mayor
comprensión de los valores reflejados se calculó una reclasificación con el objetivo de
determinar el tipo de vegetación presente en cada zona (Ilustración 8).
Ilustración 8 Clasificación de los valores de NDVI (López Pérez, Martínez Menes, & Fernández Reynoso, 2015)
4.4.4 SAVI
El índice de vegetación ajustado al suelo conocido como SAVI presenta una corrección
respecto al NDVI que consiste en la diferenciación entre la reflectividad producida por el
suelo y la reflectividad ocasionada por la vegetación. Para generar esta diferenciación se debe
24
añadir a la ecuación un factor L, mientras que para normalizar el índice se debe añadir el
factor (1+L), consiguiendo de esta forma que los valores del índice oscilen entre el intervalo
de -1 y 1 (Muñoz Aguayo, 2013). La ecuación utilizada se puede ver a continuación:
𝑆𝐴𝑉𝐼 =𝑁𝐼𝑅 − 𝑅𝐸𝐷
𝑁𝐼𝑅 + 𝑅𝐸𝐷 + 𝐿× (1 + 𝐿)
Donde L tomará un valor de 0,5 asumiendo una vegetación media.
Personalizando la ecuación para cada uno de los sensores se obtienen las siguientes
ecuaciones:
• Landsat 8 OLI ande TERS:
𝑁𝐷𝑉𝐼 =𝐵5 − 𝐵4
𝐵5 + 𝐵4 + 0,5× 1,5
• Landsat 7 ETM+:
𝑁𝐷𝑉𝐼 =𝐵4 − 𝐵3
𝐵4 + 𝐵3 + 0,5× 1,5
4.5 Clasificación supervisada
4.5.1 Búsqueda de imágenes Sentinel 2
Las imágenes Sentinel fueron recolectadas por medio de las páginas conocidas bajo los
nombres Copernicus y USGS. Se buscaron imágenes que presentaran la menor cobertura
nubosa posibles y que se encontraran dentro de los rangos de tiempo previamente
establecidos. Las imágenes recolectadas presentan una resolución entre 10 y 60 m (Ministerio
de transporte, movilidad y agenda urbana, s.f.) sus características pueden observarse a
continuación.
Tabla 7 Imágenes Sentinel
Número
de imagen Sensor
Tipo de
imagen Fecha
Hora de
inicio
Hora de
finalización Época
Número
de
bandas
Resolución
espacial Nubosidad
1 Sentinel 2 Sentinel 2B 13 de abril de
2020 15:30:33 15:36:37 Sequía 12 10-60m 62.96
2 Sentinel 2 Sentinel 2B 14 de enero de
2020 15:26:33 15:36:35 Sequía 12 10-60m 13.42
3 Sentinel 2 Sentinel 2B 16 de septiembre
de 2019 15:26:38 15:32:39 Sequía 12 10-60m 80.78
4 Sentinel 2 Sentinel 2B 30 de diciembre
de 2018 15:26:36 15:35:48 Sequía 12 10-60m 9.12
5 Sentinel 2 Sentinel 2B 15 de marzo de
2018 15:26:31 15:32:17 Sequía 12 10-60m 14.14
25
6 Sentinel 2 Sentinel 2B 24 de enero de
2018 15:26:32 15:35:04 Sequía 12 10-60m 16.64
7 Sentinel 2 Sentinel 2B 4 de enero del
2020 15:30:54 15:36:36 Sequía 12 10-60m 25.19
8 Sentinel 2 Sentinel 2B 24 de enero de
2018 15:26:32 15:35:04 Sequía 12 10-60m 7.37
9 Sentinel 2 Sentinel 2B 30 de diciembre
de 2018 15:26:36 15:35:48 Sequía 12 10-60m 16.71
10 Sentinel 2 Sentinel 2A 11 de diciembre
del 2015 15:26:28 15:34:24 Humedad 12 10-60m 30.48
11 Sentinel 2 Sentinel 2A 11 de diciembre
del 2015 15:26:28 15:34:24 Humedad 12 10-60m 21.32
12 Sentinel 2 Sentinel 2A 21 de diciembre
2015 15:31:12 13:33:36 Humedad 12 10-60m 8
13 Sentinel 2 Sentinel 2A 21 de diciembre
2015 15:31:12 13:33:36 Humedad 12 10-60m 8
14 Sentinel 2 Sentinel 2A 30 de enero de
2016 15:31:09 15:33:33 Humedad 12 10-60m 14.99
15 Sentinel 2 Sentinel 2A 20 de enero de
2016 15:31:08 15:32:42 Humedad 12 10-60m 99
4.5.2 Preprocesamiento
Las imágenes del sensor Sentinel 2 iniciaron con una fase de corrección atmosférica y
radiométrica que se aplicó de la misma forma usada en las imágenes Landsat. Posterior a este
proceso se realizó un mosaico para obtener una imagen con la menor nubosidad posible, este
proceso se realizó bajo el software de Arcgis® (Observar diagrama 1).
4.5.3 Clasificación
Inicialmente se realizó un estudio bibliográfico para determinar las especies paramunas
representativas para así poder establecer las clases que iban a ser identificadas en el programa
de QGis®. Según el estudio identificado bajo el nombre de análisis de especies vegetales
representativas del páramo de Chingaza mediante espectroradiometría de campo, las especies
más representativas y sus principales características son:
• Pajonales: “Compuestos por gramíneas en forma de macolla, de hojas agudas y duras,
generalmente se encuentras asociadas con los frailejones” (Banco de Occidente,
2001). Este tipo de vegetación no se presenta en las zonas de subpáramo (Mera, 2014)
• Frailejones: Se consideran entre las especies mejor adaptadas a las condiciones de
este tipo de ecosistemas (Banco de Occidente, 2001). Se encuentra constituida por
especies del género Espeletia (Mera, 2014).
• Matorrales: “Se componen de plantas arbustivas de tallos de poca altura —de 1 a 5
m— muy ramificados desde la base, hojas reducidas y coriáceas y flores de colores
intensos” (Banco de Occidente, 2001). Sus principales géneros son Castilleja,
Diplostephium, Hypericum y Pentacalia (Mera, 2014).
26
• Prados: Vegetación generada por hierba rasante de hojas orbiculares que predomina
en zonas húmedas (Banco de Occidente, 2001). Debido a esto se encuentra
generalmente en las laderas de lagunas y turberas (Mera, 2014).
• Chuscales: Formado por diferentes especies de bambú, se encuentran ubicados en la
parte baja de los páramos húmedos (Banco de Occidente, 2001)
• Bosques achaparrados: Vegetación conformada por elementos leñosos entre los que
se destacan las especies Polylepis quadrijuga, Escallonia myrtelloides y
Hesperomeles obtusifolia (Mera, 2014)
Debido a este estudio se establecieron las siguientes clases iniciales:
Tabla 8 Clases para el proceso de clasificación supervisada
Clases
Pajonales
Frailejones
Matorrales
Prados
Chuscales
Bosques
achaparrados
Nubes
Sombras
Cuerpos de agua
Suelos sin
vegetación
Posteriormente la clasificación de las imágenes fue realizada en el programa QGis® por
medio de la herramienta “Semi-Automatic Classification Plugin”. Para este procedimiento
inicialmente se realizaron diferentes combinaciones de banda que permitieron identificar las
distintas clases.
Tabla 9 Combinaciones de bandas usadas
Combinaciones Bandas Objeto de identificación
Color infrarrojo 8,4,3 Vegetación
Agricultura 11,8A,2 Cultivos
Falso color 12,11,4 Urbano
Adicionalmente también se usaron imágenes de Google Earth® para poder identificar
especies en zonas que requirieran una mayor resolución espacial. Esto se logró mediante el
posicionamiento (Zonas donde se encuentren ubicadas las especies) y la visualización de las
características estas.
27
4.6 Salud ecosistémica
La salud ecosistémica es un término que por medio de diferentes parámetros permite evaluar
el estado de una zona. En esta valoración se tienen en cuenta tanto consideraciones ecológicas
como procesos sociales de manejo de recursos e implicaciones en la salud humana (Hofstede,
2004). Existen diversos métodos que permiten realizar este análisis, sin embargo, los más
destacados son los modelos SPR Y VOR. Por un lado, el modelo SPR estima la evaluación
a través de las variables de presión, estado y respuesta, mientras que el modelo VOR realiza
la valoración a través de las variables de vigor, organización y resiliencia.
Para este estudio se usó el método VOR, en este, el termino de vigor se encuentra asociado
con la capacidad que tiene un ecosistema de mantener su productividad primaria, actividad
o metabolismo, el termino de organización representa la diversidad e interacciones entre los
componentes del sistema y el termino de resiliencia representa la capacidad del sistema de
volver a su estado original después de alguna perturbación realizada (Jian, Yanxu, Tianyi, &
Jiansheng, 2016) .
Adicionalmente, es importante tener en cuenta que la mayoría de los métodos de evaluación
ecosistema están basados en parámetros visuales recuperados a partir de la inspección de la
zona de estudio, sin embargo, esta metodología presenta problemas cuando se desean estudiar
zonas de gran escala espacial o que presentan dificultades de acceso (Lin, Sun, Chen, Guo,
& Zeng, 2016).
Ilustración 9 Indicadores de salud ecosistémica para humedales (Lin, Sun, Chen, Guo, & Zeng, 2016).
Para diseñar una metodología que permitiera identificar la salud ecosistémica del páramo se
usó el paper “Wetland ecosystem health assessment through integrating remote sensing and
28
inventory data with an assessment model for the Hangzhou Bay, China”, en el que se
establecen los indicadores que pueden ser usados con el fin evaluar la salud ecosistémica de
un humedal a través de imágenes satelitales (Ilustración 9).
Sin embargo, para adaptarlo a el caso de estudio algunas variables fueron depuradas y la
variable de función fue modificada. A continuación, se podrá observar los indicadores de
salud ecosistémica usados finalmente.
Tabla 10 Indicadores de salud ecosistémica
Objetivo Componentes Medidas Fuentes de datos
Evaluar la
salud
ecosistémica
del páramo
Sumapaz
Vigor NDVI promedio Datos de teledetección
Función NDWI promedio Datos de teledetección
Resiliencia Elasticidad promedio Imágenes de teledetección
Organización
Índice de diversidad del
paisaje Imágenes de teledetección
Riqueza de clases Imágenes de teledetección
5 Resultados
5.1 Índices de vegetación
Para calcular los índices de vegetación inicialmente se realizó un preprocesamiento de las
imágenes satelitales. Las imágenes Landsat 8 OLI and TERS y Landsat 7 ETM + obtenidas
a través de la página web USGS e identificadas previamente fueron corregidas radiométrica
y geométricamente a través de la herramienta “Semi-Automatic Classification Plugin” (SCP)
del programa QGIS®. El mecanismo que produce esta herramienta consiste en el desarrollo
de la corrección radiométrica, la conversión a reflectancia de la superficie y la corrección
atmosférica por el método Chávez (Agudelo, 2019). Estas correcciones son indispensables
ya que permiten eliminar la distorsión generada por los gases atmosféricos, los aerosoles y
las nubes (Ayuda, 2008).Posteriormente se realizó un mosaico para la eliminación de nubes,
esta función se desarrolló en el programa de Arcgis® por medio de la “Image Analisis” y la
opción de procesamiento para la generación de mosaico con los valores mínimos de las
imágenes.
• NDVI
El índice NDVI se calculó en el software Arcgis® por medio de la herramienta “Raster
calculator” y la ecuación expuesta previamente.
De acuerpo con los resultados (Mapa 3) en las 2 imágenes (Período de sequía y humedad)
pueden observarse bajos valores en la zona occidental, noroccidental y suroccidental del
páramo. De acuerdo con el NDVI esto indicaría que en esta zona se presenta una vegetación
con menor vigor y por ende se presenta un inferior estado de conservación.
29
Mapa 3 Índice NDVI para período seco y húmedo del Sumapaz
Adicionalmente, realizando una comparación entre las dos imágenes se puede observar que
para la época de sequía la parte occidental del páramo presenta una tonalidad amarillenta
muy marcada, mientas que para en la época de humedad esta tonalidad es una mezcla entre
zonas de color amarillo y zonas de color verde, lo que indica una mayor vegetación saludable
en la época con abundancia de precipitación. Esto también puede concluirse observando los
valores estadísticos de cada una de las imágenes (Tabla 11). Analizando el promedio se puede
identificar que durante el período húmedo se presenta un valor de 5,556 mientras que en el
período seco el valor es de 0,498. Esta información adquiere una mayor importancia si se
tiene en cuenta que la imagen que presenta una mayor nubosidad se obtuvo en la época de
humedad, lo que genera que esta obtenga muchos valores bajos y por ende una reducción en
el promedio del índice. Adicionalmente también se puede observar que el máximo valor del
índice se encuentra en el período de humedad, lo que indica que la vegetación que se
encontraba más saludable se presentó en este período de tiempo.
Por otro lado, la reclasificación del índice NDVI fue realizado en el software Arcgis®, por
medio de la herramienta “Reclassify”, estableciendo los intervalos de valores mencionados
previamente en la metodología (Ilustración 8). Los resultados obtenidos demuestran una
correlación con el análisis previo para el período de sequía ya que se observa en la parte
30
occidental del páramo una vegetación con una frondosidad y estado se salud menor al
presentado en la parte oriental (Mapa 4).
Tabla 11 Datos estadísticos para el NDVI
Período Promedio
Desviación
estándar Máximo Mínimo
NDVI período seco 0,498 0,150 0,828 -0,415
NDVI período
húmedo 0,556 0,175 0,872 -0,1
Mapa 4 Reclasificación del NDVI
Al comparar los dos períodos también se puede observar una mayor presencia de alta
vegetación en la época de humedad. Para cuantificar esta medida se realizó un gráfico circular
31
(Ilustración 10) en el que se excluyeron los valores de agua, nubes y suelos sin vegetación
para así determinar la distribución porcentual entre vegetación alta, media y ligera en toda la
región del páramo del Sumapaz. Observando el gráfico, se puede evidenciar que la
vegetación alta en la época de humedad es un 22% mayor que la vegetación alta presente en
la época de sequía. También se puede observar que los valores de vegetación ligera en las
dos épocas presentan porcentajes muy parecidos. Todos estos parámetros nos llevan a
concluir que bajo el índice NDVI, la vegetación presenta un mayor estado de conservación
cuando se presenta una época con abundancia de precipitaciones.
Ilustración 10 Gráfica estadística del tipo de vegetación
• SAVI
El índice SAVI fue calculado a través del software Arcgis® con la herramienta “Raster
calculator” y la ecuación presentada en la metodología.
De acuerdo con los resultados obtenidos se puede evidenciar una concordancia entre el índice
SAVI y el NDVI. Esto se puede afirmar ya que se puede observar que para los dos períodos
se presenta una menor vigorosidad en la zona occidental y en la región central norte del
páramo, indicando un menor estado de la conservación o una menor cobertura de vegetación.
Adicionalmente, el SAVI también concuerda con el NDVI en la diferenciación expuesta entre
las épocas de sequía y humedad. De acuerdo con los resultados obtenidos, expuestos en el
mapa 5, se puede evidenciar que el período de sequía presenta un mayor porcentaje de área
cubierto por tonalidades entre el rojo y naranja oscuro, indicando un menor estado de
conservación que en el período de humedad, en el que se presentaron tonalidades de un
naranja más claro y no mostró tantas tonalidades de color rojo. Para confirmar los resultados
se realizó un análisis estadístico en el que se obtuvo el promedio, desviación estándar, valor
máximo y valor mínimo del índice SAVI (Tabla 12). Gracias a este análisis se pudo confirmar
que en el período seco se presenta una menor vegetación que en el período de humedad
evidenciado en un menor promedio. También se pudo concluir que el período húmedo
exhibió la vegetación más sana con un valor del índice de 0,733.
32
Mapa 5 Índice SAVI para el período de humedad y sequía en el Sumapaz
Tabla 12 Datos estadísticos del índice SAVI
Período Promedio
Desviación
estándar Máximo Mínimo
SAVI período seco 0,247 0,103 0,653 -0,153
SAVI período
húmedo 0,273 0,122 0,733 -0,215
Finalmente se realizó un análisis de la combinación de los dos índices conjuntos (ya que
muestran concordancia en los resultados) para determinar las posibles fuentes de los
resultados expuestos. Primero se desarrolló un mapa topográfico con el objetivo de examinar
si los resultados podían estar asociados a las alturas de las diferentes zonas del páramo (Mapa
6). En este mapa se señaló con una línea más gruesa las zonas de mayor (4000msnm) y menor
altitud (1000msnm) identificados bajo el color rojo y verde respectivamente. Con los
resultados expuestos se pudo identificar que el terreno occidental, previamente reconocido
por tener una menor vegetación, también corresponde al sector que presenta mayor altitud.
Esto permite inferir que puede que la falta de vigorosidad de la zona se produzca
exclusivamente por la escases de vegetación y no por el estado de salud de esta, ya que entre
mayor sea la altitud las condiciones del clima se vuelven más extremas generando una menor
33
probabilidad de encontrar mucha vegetación. Sin embargo, al ser esta la zona con mayor
elevación también se puede inferir que los menores valores del índice no están relacionados
con algún tipo de sombra que se pueda generar al estar rodeado de zonas de mayor altitud.
Finalmente, una última posibilidad que puede explicar el fenómeno visto previamente es la
cercanía de urbanizaciones, en este caso debido a que gran parte de la zona occidental del
páramo se encuentra dentro de la ciudad de Bogotá, se puede deducir que esta zona presenta
una vegetación leve y con un menor estado de salud por los efectos antrópicos que se pueden
generar como lo son la contaminación atmosférica, la explotación de recursos, entre otros. El
dictamen adecuado se dará después de realizar el proceso de clasificación supervisada y se
definirá en las conclusiones.
Mapa 6 Curvas de nivel del páramo Sumapaz
5.2 Clasificación supervisada
5.2.1 Depuración de clases
Después de haber establecido las clases iniciales (Tabla 8) se realizó una búsqueda general
en las imágenes con el objetivo de comprobar si se podían identificas todas las clases. Pero
debido a la resolución espacial de las imágenes se tuvo que hacer una depuración de clases,
dando como resultado final la siguiente clasificación:
34
Tabla 13 Clases del páramo Sumapaz
Clases Colores
Pajonales Frailejones
Bosques achaparrados Nubes
Suelo rocoso Lagos
Suelos sin vegetación Sombras Cultivos
Ríos
5.2.2 Estudio con imágenes Landsat
Para realizar este procedimiento se realizó una clasificación supervisada a partir de la
herramienta “Semi-Automatic Classification Plugin”. Inicialmente se ingresaron las capas
corregidas con el proceso previamente realizado para los índices de vegetación y se creó un
archivo temporal para guardar las clasificaciones. Posteriormente, para el proceso de
clasificación, como se especificó, se realizaron diferentes combinaciones de bandas y se usó
el software de Google Earth® para identificar los objetivos del estudio. Cada objetivo fue
seleccionado definiendo su clase, macroclase y color. Es importante mencionar que el
proceso de selección de clases se realizó usando la herramienta de “Roi Pointer”.
Consecutivamente se realizaron las firmas espectrales de cada una de las clases para
evidenciar que hubiera concordancia y que ninguna de estas tuviese problemas de empalme.
Finalmente se hicieron pruebas para definir el algoritmo que presentara una mayor
clasificación.
En este caso los algoritmos de clasificación usados fueron:
• Período seco: Mapeo de ángulo espectral
• Período húmedo: Distancia mínima
De acuerdo con los resultados obtenidos, expuestos en el mapa 7, se puede exponer que los
pajonales tienen un mayor crecimiento cuando se presentan períodos de sequía (Observar
parte occidental del páramo) esto indica que esta especie se adapta mejor a ambientes de baja
temperatura y escasez de agua. Caso contrario ocurre con los frailejones y bosques
achaparrados que presenta una mayor adaptación cuando la temperatura es baja y se presenta
abundancia de agua (Observar parte oriental del páramo).
35
Mapa 7 Clasificación supervisada del Sumapaz a través de imágenes Landsat
En el mapa también se pueden observar dos zonas marcadas, la zona del rectángulo rojo
evidencia un gran terreno sin vegetación que se encuentra exclusivamente en el período seco,
esto indica que este terreno es la zona más vulnerable al cambio de las condiciones climáticas.
Por otro lado, se pueden observar unos rectángulos amarillos que indican que en la época de
humedad se presenta un mayor porcentaje de cultivos.
Los datos mencionados previamente se pueden corroborar observando la tabla de resultados
que evalúan el número de pixeles, porcentaje y área correspondiente de cada clase. Sin
embargo, es importante realizar varias acotaciones en este punto ya que al observar el área
abarcada por cada clase se pueden ver cambios totalmente drásticos en el área de pajonales,
frailejones, cuerpos de agua y cultivos. La primera es indicar que estos cambios en la
vegetación no son exclusivos de la variación de factores climáticos en la zona. Se puede decir
que este estudio presenta las siguientes variables de confusión: Resolución espacial, calidad
de imagen (Cobertura nubosa y sombras), los algoritmos usados para la clasificación
supervisada y los efectos antrópicos.
36
La resolución espacial interfiere los datos obtenidos ya que como se puede observar en la
tabla 14 la época húmeda no presenta valores en la clase de suelos sin vegetación. Esto se
debe a que no pudo distinguirse en la imagen este tipo de objetos, sin embargo, cuando se
analicen las imágenes Sentinel 2 se podrá observar que esta clase sí está presente durante esta
época.
La calidad de la imagen es otra variable que influye en los resultados. Como se puede
observar en la tabla 14 las clases nubes y sombras abarcan grandes áreas de terreno,
especialmente durante la época de sequía, esto puede provocar que se disminuya el porcentaje
de cuerpos de agua o vegetación de la zona.
Otra variable de confusión son los algoritmos usados durante la clasificación supervisada.
Para el procesamiento de imágenes a través del software QGis® después de la identificación
de clases y confirmación de firmas, se debe escoger el algoritmo de aplicación para toda la
imagen. Para la selección del algoritmo se seleccionan diferentes zonas y se examina el
método que mejor se adapte a las clases previamente identificadas, sin embargo, estos
algoritmos no son perfectamente precisos. Por esto pueden presentarse incertidumbres en la
clasificación afectando la abundancia o escasez de las diferentes clases estudiadas.
Finalmente, la última variable de confusión son los efectos antrópicos generados a lo largo
de estas zonas. Debido a que la fecha de sequía coincide con un período de tiempo posterior
a la fecha de humedad, esta época puede presentar cambios antrópicos o regulaciones que
influyan en su clasificación. Ente los eventos antrópicos más comunes dentro del páramo se
encuentra el sobrepastoreo, talas de frailejones, contaminación de aguas por uso de
fertilizantes, quema de terreno y cultivos de papa (El tiempo, 2008).
Tabla 14 Características de las clases del Sumapaz por medio de imágenes Landsat
Landsat
Suma de pixeles % del páramo Área 𝐤𝐦𝟐
Clases Colores Seco Húmedo Seco Húmedo Seco Húmedo
Pajonales 256433 43980 10,347 1,775 230,790 39,582
Frailejones 54815 102208 2,212 4,124 49,334 91,987
Bosques achaparrados 501740 512246 20,245 20,669 451,566 461,021
Nubes 49315 36542 1,990 1,474 44,384 32,888
Suelo rocoso 1033655 1257218 41,708 50,729 930,290 1131,496
Cuerpos de agua 31692 17802 1,279 0,718 28,523 16,022
Suelos sin vegetación 18813 0 0,759 0,000 16,932 0,000
Sombras 474575 411128 19,149 16,589 427,118 370,015
Cultivos 31355 97187 1,265 3,922 28,220 87,468
Ríos 25918 - 1,046 0,000 23,326 0,000
Área total del páramo 2230,48 2230,48
37
Finalmente se examinaron las firmas espectrales de cada período, las cuales se pueden
observar en la ilustración 11 y 12:
Ilustración 11 Firmas espectrales de las clases del período seco
Inicialmente se analizará la macroclase definida como cuerpos de agua que contiene las
clases de ríos y lagos. Observando las ilustración 13 en la que se puede evidenciar en la parte
superior la firma espectral de los lagos para el período seco y en la parte inferior la firma
espectral para el período húmedo, se puede indicar que mientras el período seco presenta un
comportamiento típico de agua clara en la que se va disminuyendo la reflectancia a medida
que se acerca a los infrarrojos, para el período húmedo se presenta una comportamiento de
agua con presencia de clorofila producida por la abundancia de algas y fitoplancton
(Karszenbaum & Barraza, s.f).
Leyenda
Pajonales
Frailejones
Bosques
achaparrados
Nubes
Suelo rocoso
Cuerpos de
agua
Suelos sin
vegetación
Sombras
Cultivos
Ríos
Leyenda
Pajonales
Frailejones
Bosques
achaparrados
Nubes
Suelo rocoso
Cuerpos de
agua
Suelos sin
vegetación
Sombras
Cultivos
Ilustración 12 Firmas espectrales de las clases del período húmedo
38
Este comportamiento podría relacionarse con una vegetación sana de las especies que rodean
la laguna (Prados). Ya que un buen estado de vegetación produce una elevada actividad
fotosintética, que, acompañada con un incremento en las escorrentías, puede evidenciarse en
eutrofización de lagunas producida por un exceso de nutrientes.
Finalmente, ya que los valores de reflectancia para el período húmedo son menores se puede
señalar que el agua en esta época presenta un menor estado de contaminación que puede estar
determinado por el color o turbiedad del agua. De igual forma ocurre entre la clase se lagos
y ríos en las que se puede evidenciar un mayor grado de contaminación para los ríos pues
presentan mayores valores de reflectancia.
Por otro lado, al observar la ilustración 15, donde la primera columna corresponde a las
firmas espectrales del período seco y la segunda columna corresponde a las del período
húmedo, se puede evidenciar que la vegetación de la zona no presenta grandes diferencias de
conservación, salvo para la clase pajonales. En esta se puede evidenciar una mayor
reflectividad para el período de humedad que podría indicar un estado de vegetación
ligeramente más sano.
Por último, se puede decir todas las especies de páramo (pajonales, frailejones y bosques
achaparrados) presentan la forma característica de la firma espectral para la vegetación. Ya
que se evidencia un pico de reflectividad en la zona del infrarrojo (Sarría, 2006).
Ilustración 13 Firmas espectrales de la clase lagos
39
Ilustración 14 Firmas espectrales para las diferentes especies. 1 frailejones, 2 pajonales y 3 bosques achaparrados
40
5.2.3 Análisis de imágenes Sentinel
El procedimiento para la clasificación de imágenes Sentinel fue el mismo que el mencionado
en el análisis de imágenes Landsat. Sin embargo, para este caso se realizó la clasificación
supervisada de dos imágenes por período con el objetivo de conseguir la vista completa del
páramo.
Los algoritmos usados para cada una de las imágenes pueden observarse a continuación.
• Parte oriental del período húmedo: Distancia mínima
• Parte occidental del período húmedo: Distancia mínima
• Parte oriental del período seco: Distancia mínima
• Parte occidental del período seco: Mapeo de ángulo espectral
En el mapa 8 se observa la clasificación realizada para las imágenes Sentinel. Es importante
resaltar que estas imágenes, aunque deberían ser más precisas y definir de forma más
adecuada las coberturas vegetales, presentan una gran incertidumbre ocasionada por la
nubosidad característica de este tipo de zonas (Observar rectángulos rojos).
Mapa 8 Clasificación supervisada del páramo Sumapaz
41
De los resultados obtenido se pueden realizar dos observaciones. La primera relacionada con
la clase de suelos sin vegetación, que, en contraste con lo observado previamente, presenta
una mayor cantidad de cobertura para el período húmedo. Por otro lado, es posible identificar
que las lagunas se encuentran más diferenciadas en la época de humedad, eso podría
explicarse por tonalidades más claras en el agua.
Para poder realizar un mejor análisis, se desarrolló una tabla que contienen las características
de cada clase (Tabla 15) y permite identificar la variación que presentaron las especies de
acuerdo con las condiciones climáticas de la zona.
Tabla 15 Características d las coberturas de Sumapaz
Sentinel
Suma de pixeles % del páramo Área 𝐤𝐦𝟐
Clases Colores Seco Húmedo Seco Húmedo Seco Húmedo
Pajonales 1442036 1402854 6,465 6,289 144,204 140,285
Frailejones 230326 1344980 1,033 6,030 23,033 134,498
Bosques achaparrados 6524665 4984348 29,252 22,346 652,467 498,435
Nubes 7996 536250 0,036 2,404 0,800 53,625
Suelo rocoso 9752251 7898661 43,722 35,412 975,225 789,866
Cuerpos de agua 133845 380832 0,600 1,707 13,385 38,083
Suelos sin vegetación 1136139 3344664 5,094 14,995 113,614 334,466
Sombras 2949514 2264284 13,224 10,151 294,951 226,428
Cultivos 128172 118680 0,575 0,532 12,817 11,868
Ríos 0 29391 0,000 0,132 0,000 2,939
Área total del páramo 2230,494 2230,494
En los resultados expuestos se puede evidenciar una concordancia con el comportamiento de
los pajonales y frailejones ya que se evidencia mayor abundancia de pajonales en la época de
sequía y mayor abundancia de frailejones en la época de humedad. Por otro lado, las clases
de bosques achaparrados y cultivos presenta una disconformidad pues se evidencia una
mayor abundancia en la época de sequía. Esta incongruencia puede ser explicada por medio
de la interferencia causada por la cobertura nubosa, ya que esta se encuentra ubicada en las
zonas antes ocupadas por estas clases. Es importante mencionar que en este caso se vuelven
a presentar las mismas variables de confusión que generan cambios tan drásticos en el área
de cada cobertura.
Como se mencionó, para este sensor se tuvo que hacer la clasificación de dos imágenes para
obtener las coberturas de la totalidad del páramo. Este desarrollo permitió realizar una
comparación adicional entre firmas espectrales de la parte oriental y occidental del páramo.
• Época de humedad: De acuerdo con los resultados expuestos (Ilustración 15) se
puede inferir que la parte oriental del páramo presenta una vegetación más sana
42
representada a través de los altos valores de reflectancia que reflejan cada una de las
especies evaluadas.
Ilustración 15 Firmas espectrales de las coberturas del páramo para la época de humedad. En la parte superior se presentan las firmas de la parte occidental y en la parte inferior se presentan
las firmas de la parte oriental
• Época de sequía: De acuerdo con los resultados expuestos (Ilustración 16) se puede
inferir que la parte occidental de páramo presenta una vegetación más sana para las
especies de frailejones y pajonales haciendo principal énfasis en la primera de estas.
Finalmente, para realizar una comparación entre las dos épocas se analizaron las firmas
espectrales de la zona oriental ya que representa la mayor parte de la vegetación paramuna
estudiada (Ilustración 17).
De acuerdo con el resultado se puede evidenciar que el comportamiento más representativo
es el de la clase pajonales ya que demuestran una vegetación con buen estado de salud para
la época de humedad. Esto indica que, aunque los resultados expuestos previamente indiquen
una mayor abundancia para las épocas de sequía, es en la época de humedad donde esta
especie presenta un mayor estado de salud.
Leyenda
Pajonales
Frailejones
Bosques
achaparrados
Nubes
Suelo rocoso
Cuerpos de
agua
Suelos sin
vegetación
Sombras
Cultivos
43
Ilustración 16 Firmas espectrales de las coberturas del páramo para la época de sequía. En la parte superior se presentan las firmas de la parte occidental y en la parte inferior se presentan
las firmas de la parte oriental
Leyenda
Pajonales
Frailejones
Bosques
achaparrados
Nubes
Suelo rocoso
Cuerpos de
agua
Suelos sin
vegetación
Sombras
Cultivos
Leyenda
Pajonales
Frailejones
Bosques
achaparrados
Nubes
Suelo rocoso
Cuerpos de
agua
Suelos sin
vegetación
Sombras
Cultivos
Ríos
44
Ilustración 17 Firmas espectrales para los dos períodos. La parte superior corresponde al período de humedad y la inferior al período de sequía
5.3 Evaluación de la salud ecosistémica
5.3.1 Desarrollo de los indicadores
Como se mencionó, para evaluar la salud ecosistémica fueron propuestos 5 indicadores (Tabla 10)
que abarcan las tres variables que deben evaluarse en el modelo VOR (Vigor, organización y
resiliencia) y adicionan una cuarta variable que examina la funcionalidad del sistema.
• Promedio NDVI
Este indicador fue elegido para representar el componente de vigor ya que se encuentra
relacionado con la productividad de la vegetación (Jian, Yanxu, Tianyi, & Jiansheng, 2016).
Para desarrollar este indicador inicialmente se reclasificó el índice NDVI, elaborado en la
sección de índices vegetales, en intervalos de 0,1. Este procedimiento se realizó por medio
de la herramienta “Reclassify” del software Arcgis®. Posteriormente se estableció el valor
de menor rango para cada uno de los pixeles encontrados en el intervalo, finalmente estos
valores fueron divididos por el área total del páramo. A continuación, podrán observarse las
ecuaciones usadas y la tabla de resultados.
𝑀𝑁𝐷𝑉𝐼 =∑ 𝑁𝐷𝑉𝐼𝑖𝑁𝑖=1
𝐴
𝐴 =∑𝐴𝑖
𝑁
𝑖=1
Donde N es el número de pixeles totales, i es el número correspondiente a cada píxel, A es
el área total del páramo y 𝐴𝑖 es el área de píxel (900m2).
Tabla 16 MNDVI para los períodos de humedad y sequía del páramo Sumapaz
Intervalo seco # datos valor
Intervalo húmedo # datos valor
-1 -0,9 - - - -1 -0,9 4 -1 -4
-0,9 -0,8 - - - -0,9 -0,8 1 -0,9 -0,9
-0,8 -0,7 - - - -0,8 -0,7 9 -0,8 -7,2
-0,7 -0,6 - - - -0,7 -0,6 14 -0,7 -9,8
-0,6 -0,5 - - - -0,6 -0,5 45 -0,6 -27
-0,5 -0,4 - - - -0,5 -0,4 171 -0,5 -85,5
-0,4 -0,3 7 -0,4 -2,8 -0,4 -0,3 2657 -0,4 -1062,8
-0,3 -0,2 3 -0,3 -0,9 -0,3 -0,2 2630 -0,3 -789
-0,2 -0,1 94 -0,2 -18,8 -0,2 -0,1 545 -0,2 -109
-0,1 0 2652 -0,1 -265,2 -0,1 0 586 -0,1 -58,6
0 0,1 9685 0 0 0 0,1 35793 0 0
45
0,1 0,2 27984 0,1 2798,4 0,1 0,2 50638 0,1 5063,8
0,2 0,3 71232 0,2 14246,4 0,2 0,3 56230 0,2 11246
0,3 0,4 713122 0,3 213936,6 0,3 0,4 151124 0,3 45337,2
0,4 0,5 578463 0,4 231385,2 0,4 0,5 735962 0,4 294384,8
0,5 0,6 297490 0,5 148745 0,5 0,6 531184 0,5 265592
0,6 0,7 461435 0,6 276861 0,6 0,7 268898 0,6 161338,8
0,7 0,8 315965 0,7 221175,5 0,7 0,8 454813 0,7 318369,1
0,8 0,9 173 0,8 138,4 0,8 0,9 186955 0,8 149564
Suma de NDVI 1108998,8 Suma de NDVI 1248741,9
Área del páramo en 𝐦𝟐 2232000 Área del páramo en 𝐦𝟐 2232000
MNDVI 0,4968633 MNDVI 0,5594722
• Almacenamiento de agua
Este indicador fue seleccionado como representante del componente de funcionalidad debido
a que entre los diferentes servicios ecosistémicos que nos brinda el páramo, uno de los más
representativos es el abastecimiento de agua.
Para desarrollar este indicador se realizó una variación del método expuesto en el artículo ya
que no se puede comparar el almacenamiento de agua de un humedal con el de un páramo.
Esta variación consistió en examinar el almacenamiento de agua a través del índice NDWI o
índice de agua normalizado.
El índice NDWI permite diferenciar los cuerpos de agua de la vegetación, suelos o rocas a
través de la siguiente ecuación:
𝑁𝐷𝑊𝐼 =𝑉𝑒𝑟𝑑𝑒 − 𝐼𝑅𝐶
𝑉𝑒𝑟𝑑𝑒 + 𝐼𝑅𝐶
Donde se obtendrán valores que oscilan entre -1 y 1 siendo los valores positivos los que
indican la presencia de cuerpos de agua (Ariza, Roa, Serrato, & León Rincón, 2018).
Siguiendo el indicador previo, que también es un índice de vegetación, se decidió utilizar la
misma metodología dando lugar a las siguientes ecuaciones y resultados.
𝑀𝑁𝐷𝑊𝐼 =∑ 𝑁𝐷𝑊𝐼𝑖𝑁𝑖=1
𝐴
𝐴 =∑𝐴𝑖
𝑁
𝑖=1
46
Tabla 17 MNDWI para los períodos de humedad y sequía del páramo Sumapaz
Intervalo
seco # datos valor
Intervalo
húmedo # datos valor
-0,9 -0,8 46601 -0,9 -41940,9 - - - - -
-0,8 -0,7 688822 -0,8 -551057,6 -0,8 -0,7 447 -0,8 -357,6
-0,7 -0,6 835415 -0,7 -584790,5 -0,7 -0,6 290563 -0,7 -203394,1
-0,6 -0,5 673499 -0,6 -404099,4 -0,6 -0,5 490539 -0,6 -294323,4
-0,5 -0,4 873499 -0,5 -436749,5 -0,5 -0,4 726529 -0,5 -363264,5
-0,4 -0,3 40728 -0,4 -16291,2 -0,4 -0,3 782021 -0,4 -312808,4
-0,3 -0,2 37681 -0,3 -11304,3 -0,3 -0,2 109734 -0,3 -32920,2
-0,2 -0,1 50171 -0,2 -10034,2 -0,2 -0,1 50171 -0,2 -10034,2
-0,1 0 13086 -0,1 -1308,6 -0,1 0 18774 -0,1 -1877,4
0 0,1 2761 0 0 0 0,1 5127 0 0
0,1 0,2 1792 0,1 179,2 0,1 0,2 3237 0,1 323,7
0,2 0,3 270 0,2 54 0,2 0,3 1141 0,2 228,2
0,3 0,4 57 0,3 17,1 0,3 0,4 22 0,3 6,6
0,4 0,5 21 0,4 8,4 0,4 0,5 6 0,4 2,4
0,5 0,6 10 0,5 5 - - - - -
0,6 0,7 5 0,6 3 - - - - -
0,7 0,8 4 0,7 2,8 - - - - -
0,8 0,9 1 0,8 0,8 - - - - -
0,9 1 3 0,9 2,7 - - - - -
Suma del NDWI -2057303 Suma del NDWI -1218419
Área del páramo en 𝐦𝟐 2230000 Área del páramo en 𝐦𝟐 2230000
MNDWI -0,923 MNDWI -0,546
• Índice de diversidad el paisaje
Este fue uno de los indicadores escogidos para representar el componente de organización,
ya que permite evaluar la heterogeneidad del paisaje y su distribución (Lin, Sun, Chen,
Guo, & Zeng, 2016).
Para evaluar este indicador se utilizó el índice de diversidad de Shannon (SHDI) que
establece la heterogeneidad a través de dos variables que son: número de especies presentes
y su abundancia relativa (PLA, 2006) A continuación podrá observarse la ecuación del SHDI:
𝑆𝐻𝐷𝐼 = −∑(𝑝𝑖 × 𝑙𝑛(𝑝𝑖))
𝑚
𝑖=1
47
Donde 𝑝𝑖 representa la proporción de cada especie.
Finalmente, es importante mencionar que se realizó una adaptación que consistió en que el
número de pixeles fue tomado como el número de individuos por especie. Como se obtenían
imágenes Sentinel y Landsat el proceso fue realizado para cada una de estas y el promedio
de este resultado fue el valor SHDI final (Tablas 18 y 19).
• Período seco:
Tabla 18 Cálculo del índice SHDI para época de sequía
Especies
identificadas
LANDSAT SENTINEL SHDI
para
período
seco
Individuos
por especie
Proporción
por clase SHDI
Individuos
por especie
Proporción
por clase SHDI
Pajonales 256433 0,304 -0,362 1442036 0,173 -0,304
0,815
Frailejones 54815 0,065 -0,178 230326 0,028 -0,099
Bosques
achaparrados 501740 0,594 -0,309 6524665 0,784 -0,191
Cultivos 31355 0,037 -0,122 128172 0,015 -0,064
Suma 0,971 0,658
• Período húmedo
Tabla 19 Cálculo del índice SHDI para época de humedad
Especies
identificadas
LANDSAT SENTINEL SHDI
para
período
húmedo
Individuos
por especie
Proporción
por clase SHDI
Individuos
por especie
Proporción
por clase SHDI
Pajonales 43980 0,058 -0,166 1402854 0,179 -0,308
0,963
Frailejones 102208 0,135 -0,271 1344980 0,171 -0,302
Bosques
achaparrados 512246 0,678 -0,264 4984348 0,635 -0,288
Cultivos 97187 0,129 -0,264 118680 0,015 -0,063
Suma 0,963 0,962
• Riqueza de clases
Este fue el segundo de los indicadores elegidos para representar el componente de
organización ya que determina la heterogeneidad de la zona a través de las diferentes
clases que pueden encontrarse en la zona. Para calcularlo se desarrolló la siguiente
ecuación:
𝑃𝑅 = 𝑚
48
Donde m representan las clases que se encuentran en la zona de estudio. Para este caso
la época de sequía y humedad exhiben las mismas clases que podrán observarse a
continuación:
Tabla 20 Especies de vegetación identificadas en el Sumapaz
Macroclase Clases
Vegetación
Pajonales
Frailejones
Cultivos
Bosques achaparrados
• Elasticidad promedio
Este indicador fue elegido representante de la resiliencia ya que indica la capacidad que
tienen las especies para reponerse ante perturbaciones. Para su desarrollo inicialmente se
realizó una búsqueda bibliográfica que permitiera determinar el valor de elasticidad de los
diferentes tipos de cobertura.
De acuerdo con el estudio de (Jian, Yanxu, Tianyi, & Jiansheng, 2016) la elasticidad
ecosistémica puede definirse bajo la siguiente ecuación.
𝐹𝑖 = 0,3 × 𝑅𝑒𝑠𝑖𝑙 + 0,7 × 𝑅𝑒𝑠𝑖𝑠
Donde los valores de resiliencia y resistencia para diferentes tipos de cobertura es la
siguiente.
Ilustración 18 Coeficientes de elasticidad para diferentes coberturas (Jian, Yanxu, Tianyi, & Jiansheng, 2016)
Adaptando estos valores a los diferentes tipos de cobertura se obtuvo la siguiente tabla.
Tabla 21 Coeficientes de elasticidad de las diferentes clases
Clases Resiliencia Resistencia Elasticidad de
cobertura
Pajonales/Frailejones
0,3
0,8
0,7
0,7 0,73
Bosques
achaparrados 0,5 1 0,85
Cuerpos de agua
(Lagos) 0,7 0,8 0,77
Suelos sin vegetación 1 0,2 0,44
Cultivos 0,3 0,6 0,51
49
Como puede observarse las suposiciones realizadas fueron las siguientes:
1. Los valores de paddy field fueron usados para la cobertura de cultivos-
2. Los valores de grassland fueron usados para la cobertura de pajonales y frailejones.
3. Los valores de wáter body fueron usados exclusivamente para la clase de lagos.
4. Los valores de bare land fueron usados como suelos sin vegetación.
Finalmente usando la ecuación de elasticidad promedio, que podrá observarse a
continuación, se encontraron los siguientes resultados.
𝐹 =∑𝑆𝑖 × 𝐹𝑖𝑆
𝑛
𝑖=1
• Período de sequía
Tabla 22 Cálculo de elasticidad promedio para el período de sequía
Clases Elasticidad de
cobertura
LANDSAT SENTINEL
Elasticidad promedio Fracción
Elasticidad de las clases del Sumapaz
Fracción Elasticidad de las
clases del Sumapaz
Pajonales 0,73 0,287 0,209 0,150 0,110
0,780
Frailejones 0,73 0,061 0,045 0,024 0,018
Bosques achaparrados 0,85 0,561 0,477 0,680 0,578
Cuerpos de agua (Lagos) 0,77 0,035 0,027 0,014 0,011
Suelos sin vegetación 0,44 0,021 0,009 0,118 0,052
Cultivos 0,51 0,035 0,018 0,013 0,007
Suma 0,785 0,775
• Período de humedad
Tabla 23 Cálculo de elasticidad promedio para el período de humedad
Clases Elasticidad de
cobertura
LANDSAT SENTINEL
Elasticidad promedio Fracción
Elasticidad de las clases del Sumapaz
Fracción Elasticidad de las
clases del Sumapaz
Pajonales 0,73 0,040 0,030 0,121 0,088
0,700
Frailejones 0,73 0,094 0,069 0,116 0,085
Bosques achaparrados 0,85 0,471 0,400 0,431 0,366
Cuerpos de agua (Lagos) 0,77 0,016 0,013 0,033 0,025
Suelos sin vegetación 0,44 0,000 0,000 0,289 0,127
Cultivos 0,51 0,378 0,193 0,010 0,005
Suma 0,704 0,697
50
5.3.2 Evaluación de los indicadores
Después de haber desarrollado cada uno de los indicadores de salud ecosistémica los resultados
obtenidos fueron los siguientes.
Tabla 24 Resultados de los indicadores de salud ecosistémica
Componentes Medidas Época de
humedad
Época de
sequía
Vigor NDVI promedio 0,559 0,497
Función NDWI promedio -0,546 -0,923
Resiliencia Elasticidad
promedio 0,700 0,780
Organización
Índice de
diversidad del
paisaje
0,963 0,815
Riqueza de clases 4 4
De acuerdo con (Lin, Sun, Chen, Guo, & Zeng, 2016) estos indicadores se pueden
estandarizar y calificar bajo los siguientes parámetros (Tabla 24). Sin embargo, se debe tener
en cuenta que la variable promedio NDWI fue una variación que se desarrolló y que los
valores de estandarización también fueron establecidos a criterio personal.
Tabla 25 Estandarización y evaluación de los indicadores de salud ecosistémica
Puntaje general
normalizado 0,8-1 0,6-0,8 0,4-0,6 0,2-0,4 0-0,2
Niveles de salud Primero Segundo Tercero Cuarto Quinto
Estatus de salud Excelente Bueno Justo Pobre Muy pobre
Promedio NDVI >0,4 0,3-0,4 0,2-0,3 0,1-0,2 <0,1
Promedio NDWI > 0 -0 - -0,2 -0,2 - -0,4 -0,4 - -0,6 < -0,8
Índice de diversidad del
paisaje >1,2 0,9-1,2 0,6-0,9 0,3-0,6 <0,3
Riqueza de clases >8 6-8 4-6 2-4 <2
Elasticidad promedio >0,8 0,6-0,8 0,4-0,6 0,2-0,4 <0,2
Analizando y comparando cada uno de los indicadores con los niveles de estandarización se
adquirieron los siguientes resultados.
1. Para los dos períodos de tiempo (Humedad y sequía) el promedio NDVI se encuentra
ubicado en el primer nivel de salud comprendiendo un excelente estatus. Esto indica
una buena productividad de la vegetación y por ello una vigorosidad alta en la zona.
Sin embargo, es importante tener en cuenta que, aunque los dos períodos son
calificados de la misma manera, el mayor valor se encuentre representado por la
época de humedad.
51
2. El promedio NDWI presentó grandes diferencias de calificación pues mientras el
período de humedad obtuvo un estatus de salud justo para el período de sequía se
estableció un estatus muy pobre. En este punto se debe hacer una intervención, ya
que si bien es cierto que los rangos y este parámetro fueron elegidos a criterio personal
y que se evalúa principalmente la cantidad de cuerpos de agua, también debe
enmarcarse que la diferencia del promedio de NDWI es muy marcada demostrando
un mejor funcionamiento cuando se presentan épocas de humedad. Adicionalmente
se debe entender que los bajos valores producidos en este índice se deben a que la
cobertura que abarca una mayor cantidad de área se encuentra representada por
afloramientos de rocas que presentan bajos valores en el índice NDWI.
3. El índice de diversidad del paisaje para el período de sequía se encuentra catalogado
en un nivel 3 comprendiendo un estatus justo de salud. Por otro lado, en el período
de humedad este representa un segundo nivel de salud comprendiendo un buen
estatus. Estos resultados indican que la organización del estado de humedad es mayor
a la organización presente en la época de sequía.
4. La riqueza de clases tampoco presenta una diferenciación entre los dos periodos ya
que se encuentran catalogados con un segundo nivel de salud comprendiendo un
estatus bueno. Es importante mencionar que este índice pudo haber sido mayor en
caso de realizar el estudio con satélites de una mayor resolución espacial que
permitieran identificar un mayor número de clases ubicadas dentro de la macroclase
vegetación.
5. La elasticidad promedio de los dos períodos se encuentra catalogada en el segundo
nivel de salud correspondiendo un buen estatus. Es importante mencionar que, en este
caso a diferencia de todos los indicadores vistos previamente, la época que presenta
mayores valores es la época de sequía.
Finalmente, se realizó la combinación de los indicadores de función, vigor, organización
y respuesta. Esto se hizo a partid de los porcentajes de salud ecosistémica designados en
el artículo (Lin, Sun, Chen, Guo, & Zeng, 2016). Los resultados fueron los siguientes.
Tabla 26 Salud ecosistémica del páramo para períodos de sequía y humedad
Porcentaje de salud ecosistémica
Período húmedo Período seco
Promedio NDVI 0,35 0,9 0,315 0,9 0,315
Promedio NDWI 0,35 0,5 0,175 0,1 0,035
Índice de diversidad del paisaje 0,095 0,7 0,0665 0,7 0,0665
Riqueza de clases 0,095 0,5 0,0475 0,5 0,0475
Elasticidad promedio 0,11 0,7 0,077 0,7 0,077
Valor de salud ecosistémica 0,681 0,541
De acuerdo con los resultados obtenidos se puede evidenciar una mayor salud
ecosistémica para el período de humedad. Sin embargo, las dos épocas se encuentran
52
representadas en un nivel de vegetación de tipo 3 que corresponde a un estatus de salud
justo.
6. Conclusiones 1. Por medio de la clasificación supervisada se logró identificar un total de 10 clases,
sin embargo, solo 5 pertenecen a la vegetación del páramo y de esas cinco solo 3
corresponden a la vegetación predominante del Sumapaz. Esta limitación se presentó
por la resolución espacial que prestan cada uno de los sensores utilizados (Landsat 8,
Landsat 7 y Sentinel 2) y que indica que para obtener una mayor calidad en los
resultados es necesaria la obtención de datos a partir de imágenes de alta resolución.
2. Los métodos de preprocesamiento son indispensables para un adecuado análisis y
procesamiento de las imágenes. En este estudio se logró realizar una corrección
atmosférica y radiométrica por medio del programa de QGis®. Esto fue importante
ya que sin estas correcciones el NDVI hubiese sido afectado por los aerosoles
generando una menor vigorosidad en la vegetación presentada en el período de
humedad. Adicionalmente se realizaron múltiples mosaicos que permitieron obtener
imágenes de mejor calidad por la eliminación de nubosidad.
3. Se establecieron los índices de vegetación adecuados ya que permitieron distinguir
como variaba la vegetación de acuerdo con las condiciones climáticas.
Adicionalmente los índices NDVI y SAVI presentaron concordancia en sus
resultados lo que permite confirmar un menor vigor de la vegetación en épocas de
sequía. Adicionalmente, con ayuda de la clasificación supervisada se pudo concluir
que la parte occidental del páramo no presentaba un menor estado de salud en la
vegetación como se pensaba al analizar los mapas, sino que se encontraba cubierto
por una gran cantidad de afloramientos rocosos provocando bajos valores en los
índices.
4. Se logró establecer una metodología, basada únicamente en el uso de sensores
remotos, que permite establecer la salud ecosistémica de un páramo. Esta
metodología presenta 5 indicadores que logran abarcar los 3 componentes (Vigor,
organización y resiliencia) indispensables en el concepto de salud ecosistémica.
5. Se pudo realizar una clasificación supervisada para las épocas de humedad y sequía
que permiten identificar cómo se comporta la vegetación de acuerdo con las
condiciones climáticas del entorno. Sin embargo, ya que las imágenes presentan
algunas incongruencias sería erróneo describir el comportamiento de todas las
especies estudiadas. Los frailejones y pajonales son las únicas especies que
permitieron un análisis en su respuesta a las variables del ambiente, indicando un
mejor estado de salud para los pajonales durante las épocas de sequía y un mejor
estado de salud para los frailejones durante las épocas de humedad. Finalmente es
importante aclarar que las firmas espectrales requieren de sensores más precisos para
certificar que se están identificando exclusivamente las especies de interés.
53
7. Limitaciones La principal limitación del estudio fue la escasez de imágenes satelitales, este impedimento
se presentó por varias razones. La primera es la fecha reciente del lanzamiento del sensor
Sentinel 2 (2015). La segunda fue la escasez de adquisición de imágenes de alta resolución
gratuitas. Finalmente, las características de la zona de estudio no son las mejores, ya que se
presenta una alta humedad. Todas estas variables generaron problemas de nubosidad que
dificultaron el desarrollo del proyecto, generando imprecisiones en la clasificación
supervisada de especies.
El mal manejo de las estaciones meteorológicas de Colombia se presenta como otra
limitación, en este caso para la adquisición de datos. Esta condición se da a partir de dos
variables. La primera es la falta de datos de la mayoría de las estaciones, además de la
suspensión y clausura de muchas de estas. La segunda es el tiempo para la adquisición de
datos, en este proyecto el tiempo de espera después de la solicitud de los datos fue de
aproximadamente 15 días. Estos escenarios pueden generan incertidumbres en la
identificación de épocas de sequia y humedad que permitan un desarrollo erróneo del
proyecto.
Finalmente, la dos últimas limitaciones que se presentaron en el estudio fueron la escasez de
firmas espectrales de vegetación paramuna y la ausencia de una salida de campo. Estas dos
variables generan que la clasificación supervisada no sea tan precisa y no se tenga una certeza
absoluta de la identificación de todas las especies.
8. Recomendaciones • De acuerdo con los resultados obtenidos se puede inferir que la recomendación más
evidente para este tipo de estudios radica en trabajar con sensores que tengan una
mayor resolución espacial y presenten largos períodos de tiempo en órbita. Estas dos
características permitirán obtener resultados más precisos que evidencien el
comportamiento de la vegetación paramuna ante las diferentes condiciones
ambientales. Adicionalmente, también se recomienda acompañar estos estudios a
partir de fotografías aéreas o salidas de campo o que permitan realizar una mejor
clasificación de la zona de estudio.
• Se recomienda la generación de nuevas librerías espectrales que estén enfocadas en
las especies paramunas, ya que la información que se encuentra es muy escasa para
la gran biodiversidad presente en estas zonas, que adicionalmente presentan grandes
cantidades de endemismos.
• La implementación de mecanismos de cuantificación de incertidumbres es necesaria
para realizar una mejor clasificación y poder determinar las áreas donde se están
cometiendo errores que pueden influir en la abundancia de vegetación para los
diferentes períodos.
• Finalmente se recomienda un mejor almacenamiento de datos, ya que la información
obtenida a través de las estaciones meteorológicas presenta grandes falencias para la
obtención de datos y esto puede producir conclusiones erróneas durante el estudio.
54
Referencias Agudelo, J. L. (2019). Aplicabilidad del NDVI para la elaboración de un inventario de
deslizamientos, en el municipio de Albán, Cundinamarca. Bogotá D.C: Universidad de
ciencias aplicadas y ambientales.
Andrade, G. I. (1993). "Carpanta": selva nublada y páramo ; ecología y conservación de un
ecosistema altoandino. Bogotá: Fundación Natura Colombia.
Ariza, A., Roa, O. J., Serrato, P. K., & León Rincón, H. A. (2018). Uso de índices espectrales
derivados de sensores remotos para la caracterización geomorfológica en zonas insulares
del Caribe colombiano. Perspectiva geográfica, 105-122.
Ayuda, J. G. (2008). Tratamiento digital previo de las imágenes. Madrid: EOI Escuela de negocios.
Banco de Occidente. (2001). Páramos de Colombia. Cali: Banco de Occidente.
Cabello, J., & Paruelo, J. M. (2008). La teledetección en estudios ecológicos. Revista ecosistemas,
1-3.
Cleef, A. M., Rangel, J. O., & Arellano, P. H. (2008). The paramo vegetation of the Sumapaz massif
(Eastern Cordillera, Colombia) of the Sumapaz (massif Cordillera Oriental, Colombia).
Berlin-Stuttgart: T. van der Hammen, J.O. Rangel, A.M. Cleef.
Daza Torres, M. C., Hernández Flórez, F., & Alba Triana, F. (2014). Efecto del Uso del Suelo en la
Capacidad de Almacenamiento Hidrico en el Paramo de Sumapaz - Colombia / Effect of
Land Use on Water Holding Capacity in the Sumapaz Paramo- Colombia. Revista Facultad
Nacional de Agronomia Medellin, 7189-7200.
Díaz, B. S. (2018). La teledetección en investigaciones ecológicas como apoyo a la conservación de
la biodiversidad: una revisión. Revista científica de la universidad ditrital Francisco José de
Caldas.
El tiempo. (5 de Junio de 2008). Páramo de Sumapaz, afectado por sobrepastoreo, talas de
frailejón y cultivos de papa. El tiempo.
El tiempo. (9 de Febrero de 2016). Cinco razones para proteger los páramos. El tiempo.
García, A. H. (24 de Octubre de 2016). Tesoro de agua, flora y fauna. El tiempo.
García, J. J. (2015). Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde
UAS/RPAS y aplicaciones de estos a la agricultura de precisión. Madrid: Universida
complutense.
Gonzales, R. C., & Woods, R. E. (2008). Digital image processing. New Jersey: Pearson Prentice
Hall.
Hernández, W. J., & Gilbes, F. (2018). Disponibilidad de datos Landsat-8 y su procesamiento en
Arcgis. Mayagues: Recinto Universitario de Mayagues.
Hofstede, R. (2004). Health state of Páramos: an effort to correlate science and practice. Lyonia a
journal of ecology and aplication, 61-73.
55
IDEAM. (2019). Estudio Nacional del Agua 2018. Bogotá D.C.
Jian, P., Yanxu, L., Tianyi, L., & Jiansheng, W. (2016). Regional ecosystem health response to rural
land use change: A case study in Lijiang City, China. El sevier, 399-410.
Karszenbaum, H., & Barraza, V. (s.f). Introducción a la teledetección cuantitativa. Consejo nacional
de investigaciones científicas y técnicas.
Lin, W., Sun, T., Chen, G., Guo, P., & Zeng, Y. (2016). Wetland ecosystem health assessment
through integrating remote sensing and inventory data with an assessment model for the
Hangzhou Bay, China. Science of the Total Environment, 627-640.
López Pérez, A., Martínez Menes, M. R., & Fernández Reynoso, D. S. (2015). Priorización de áreas
de intervención mediante análisis morfométrico e índice de vegetación. Tecnología y
ciencias del agua, 121-137.
Mariot, V. (2016). Transformaciones de la imagen: clasificaciones supervisadas y no supervisadas.
Santiago del Estero: Universidad Nacional de Santiago del Estero.
Mera, R. J. (2014). Análisis de especies vegetales representativas del páramo de Chingaza
mediante espectroradiometría de campo. Bogotá D.C: Fundación universitaria Jorge Tadeo
Lozano.
Meteoblue. (s.f.). Obtenido de Meteoblue:
https://www.meteoblue.com/es/tiempo/historyclimate/climatemodelled/p%C3%A1ramo-
de-sumapaz_colombia_3667709
Ministerio de Ambiente. (s.f.). Parques nacionales naturales de Colombia. Obtenido de Parques
nacionales naturales de Colombia:
http://www.parquesnacionales.gov.co/portal/es/parques-nacionales/parque-nacional-
natural-sumapaz/
Ministerio de transporte, movilidad y agenda urbana. (s.f.). Plan Nacional de Teledetección.
Obtenido de Plan Nacional de Teledetección: https://pnt.ign.es/satelites-sentinel
Muñoz Aguayo, P. (2013). Índices de vegetación. Ciren.
Muñoz Nieto, Á. L., & Pérez Gutiérrez, C. (2006). Teledetección: Nociones y aplicaciones.
Universidad de Salamanca.
Parques nacionales naturales de Colombia. (2005). Plan de manejo parque nacional natural
Sumapaz.
PLA, L. (2006). Biodiversidad: Inferencia basada en el índice de Shannon y la riqueza. INCI, 583-590.
Ramos, J. P. (2017). Sumapaz y el reto de proteger el páramo más grande del mundo. Semana, 1.
Rivera Ospina, D., & Rodríguez, C. (2011). Guía divulgativa de criterios para la delimitación de
páramos de Colombia. Bogotá D.C: Ministerio de Ambiente, Vivienda y Desarrollo
Territorial e Instituto de Investigación de Recursos Biológicos Alexander von Humboldt.
56
Rodríguez, M. O. (2003). El páramo de Sumapaz un ecosistema estratégico para Bogotá. Bogotá:
Rodríguez, M. O. (2003). El páramo de Sumapaz un eSociedad geográfica de Colombia
academia deficiencias geográficas.
Sarría, F. A. (13 de Febrero de 2006). Universidad de Murcia. Obtenido de Universidad de Murcia:
um.es/geograf/sigmur/temariohtml/node70_ct.html
Servicio Geológico Colombiano. (2015). Mapa Geologico de Colombia 2015 | Escala 1:1'000.000.
Arcgis.
Sesana, L. (2006). Colombia Parques Naturales. Villegas editores.
SIGMUR. (2005). Correciones a las imágenes de satélites. Murcia: Universidad de Murcia.
Soledad Duval, V., Benedetti, G. M., & Campo, A. M. (2014). Relación clima-vegetación:
adaptaciones de la comunidad del jarillal al clima semiárido, Parque Nacional Lihué Calel,
provincia de La Pampa, Argentina. Investigaciones Geográficas: Boletín del Instituto de
Geografía, 34-35.
Vásquez, A. F. (2011). Metodología para detectar cambios en el uso de la tierra utilizando los
principios de la clasificación orientada a objetos, estudio de caso piedemonte de
Villavicencio, Meta. Bogotá D.C: Universidad Nacional de Colombia.