María Piedad Escandón Crespo, Doménica Michelle Fernández de Córdova Vivanco, Anahí Stefanía Quezada Quezada

“ANÁLISIS TEMPORAL CON IMÁGENES SATELITALES DE TRES CASOS DE ESTUDIO SOBRE
EL CAMBIO CLIMÁTICO: SEQUÍA DE LAGUNAS EN CHILE, DEFORESTACIÓN EN LA

AMAZONÍA ECUATORIANA Y DESHIELO DEL VOLCÁN COTOPAXI EN ECUADOR”
"TEMPORAL ANALYSIS WITH SATELITAL IMAGES OF THREE STUDY CASES ABOUT

CLIMATE CHANGE: LAGOONS DROUGTH IN CHILE, DEFORESTATION IN ECUADORIAN´S
AMAZON AND COTOPAXI VOLANO´S MELTING IN ECUADOR"
María Piedad Escandón Crespo1, Doménica Michelle Fernández de Córdova Vivanco 2,

Anahí Stefanía Quezada Quezada3
1 Carrera de Ingeniería Ambiental, Gonzalo Escudero y Enrique Gil Gilbreth- Cuenca, Ecuador. Correo:
mescandonc1@est.ups.edu.ec; 2 Carrera de Ingeniería Ambiental, Eucaliptos 1-29 y Álamos- Cuenca, Ecuador.
Correo: dfernandezd1@est.ups.edu.ec; 3 Carrera de Ingeniería Ambiental, Cdla. Cazadores de los Ríos- Loja,
Ecuador. Correo: aquezadaq1@est.ups.edu.ec
Resumen
Debido al impacto del cambio climático, se ha planteado un análisis temporal de diversos años
para los tres diferentes casos de estudio con imágenes satelitales. De esta forma, me permite
identificar que dentro de las zonas de interés naturales y urbanas y se puede visualizar en
mapas el cambio de cobertura vegetal y degradación del suelo. Para el caso de sequía de
lagunas se ha detectado que dentro de Chile existe grave afectación desde 2016 hasta 2020
con reducción de 89704,4 hectáreas, porque las duras sequías, cada vez más prolongadas
por el cambio climático, y la mano del humano tiene consecuencias devastadoras sobre los
lagos. En lo que respecta a la deforestación, desde 2010 a 2017 con aumento de 157110,12
hectáreas, dentro del oriente ecuatoriano ha sido muy presuntuoso debido a la acción
humana; esto a su vez da por entender que el motor que impulsa la deforestación en la
Amazonia es la explotación de su inmensa riqueza. Ahora con el deshielo del Volcán Cotopaxi
del Ecuador entre 2001 y 2016 con reducción de 54 hectáreas, lo que nos da por entender
que cada año se reduce el tamaño del casquete glaciar debido al calentamiento global.
Palabras clave: cambio climático, sequía, deforestación, deshielo, reducción.
Abstract
Due to the impact of climate change it has been stablished a temporal analysis of diverse years
for the three different study cases with satellite image. Therefore, it can be viewed inside de
interest areas natural and urban, also in the maps of the vegetable coverture change and
degradation of the ground. For the case of drought of lakes, it has been detected that in Chile
there is a serious affectation from 2016 through 2020 with a reduction of 89704,4 hectares,
because of the tough droughts, each time more lengthened because of climate change, and
by the human hand and has catastrophic consequences about the lakes. In concern to
deforestation, from 2010 to 2017 with the reduction of 157110,12 hectares, in the Ecuador´s
Amazon it has been because of the human action, and consequently it is understood that the
principal cause is the massive exploitation of its richness. Now talking about the melting of the
Cotopaxi Volcano in Ecuador, between 2001 and 2016, with a reduction of 54 hectares,
assumed that each year the icecap is reducer because of global warming.
Keywords: climate change, drought, deforestation, melting, reduction.
Análisis Temporal con Imágenes Satelitales
1. Introducción
En los últimos 20 años, el planeta ha registrado una tasa de crecimiento poblacional de
1,53% (BancoMundial, 2020), lo que refleja que el crecimiento población se manifiesta de
forma constante y ascendente por ende las actividades antropogénicas que se basan en
la explotación de recursos naturales de igual forma han aumentado, lo que provoca que
cada vez sean más las zonas de deforestación, minas de extracción de minerales, quema
de combustibles fósiles entre otras. En gran parte las extremistas actividades
antropogénicas son causantes del calentamiento global, el efecto invernadero y sus
terribles consecuencias, como que los glaciares se están derritiendo, el nivel del mar
aumenta, las selvas se están secando, reducción de recursos hídricos, efectos extremos
derivados de los Fenómenos del niño y de la niña, pérdida de biodiversidad, lluvia ácida
(IAgua, 2015). Llamamos al resultado calentamiento global, pero está provocando una
serie de cambios en el clima de la Tierra o patrones meteorológicos a largo plazo que
varían según el lugar (NationalGeographic, 2020). Conforme la Tierra gira cada día, este
nuevo calor gira a su vez recogiendo la humedad de los océanos, aumentando aquí y
asentándose allá. Está cambiando el ritmo del clima al que todos los seres vivos nos
hemos acostumbrado (elpais, 2021).
Utilizando imágenes satelitales que son el producto obtenido por un sensor instalado a
bordo de un satélite artificial mediante la captación de la radiación electromagnética
emitida o reflejada por un cuerpo celeste, producto que posteriormente se transmite a
estaciones terrenas para su visualización, procesamiento y esto permitirá realizar un
análisis de una zona de estudio (Baquedano, 2012), es por eso que existen numerosos
trabajos que documentan por ejemplo, el uso de imágenes de satélite en la medición de
la disponibilidad y calidad de las aguas superficiales, teniendo aplicaciones distintas en la
determinación de la superficie, turbidez y profundidad según las características de los
sensores, de las masas de agua y de la vegetación acuática o hasta análisis extensos de
regiones completas (Marchionni, 2014), que incluyan zonas desérticas, zonas de
vegetación, áreas pobladas entre otras, a esto se le puede agregar los análisis temporales
que se basan en la variación de información a través de los años en un mismo lugar.
Para cada satélite existen catálogos de combinación de bandas que permiten identificar
de una manera más efectiva variables dentro de la imagen, es por eso que se ha elegido
los satélites Landsat 7 y 8 para este estudio, agregando que el gran potencial de esta
tecnología de captura de imágenes de observación de la Tierra (mappingGIS, 2019),
convierte a esta fuente de datos y el desarrollo de la metodología asociada, en uno de los
proyectos clave de las instituciones que velan por el manejo sostenible de los recursos
naturales y sus extensiones.
El cambio climático, causado principalmente por las emisiones de gases de efecto
invernadero, ha afectado a muchos ecosistemas. El deshielo de los polos se acelera. Hay
evidencias de que la temperatura de los océanos ha aumentado, lo que podría ser el
detonante original del adelgazamiento del casquete de hielo (ManosUnidas, 2018). Por
otra parte, los ecosistemas que son sometidos a un intenso estrés hídrico derivado de las
escasas precipitaciones invernales y primaverales, al que se debe sumar el provocado por
los días de extremo calor vividos en los meses de mayores temperaturas se pueden
evidenciar con estos análisis de imágenes satelitales; y en algunos casos, al uso antrópico
al que son sometidos en la actualidad (AELS, 2017), otro de los efectos que causa la
actividad antrópica es la deforestación que arrasa los bosques y las selvas de la Tierra de
forma masiva causando un inmenso daño a la calidad de los suelos. Los bosques todavía
cubren alrededor del 30 por ciento de las regiones del mundo, pero franjas del tamaño de
Panamá se pierden indefectiblemente cada año. Las selvas tropicales y los bosques
pluviales podrían desaparecer completamente dentro de cien años si continúa el ritmo
2|P ágina
Universidad Politécnica Salesiana Febrero, 2021
actual de deforestación. la explotación exhaustiva de recursos forestales representa la

invasión a terrenos sumamente diversos afectando así a su equilibrio funcional y biótico
al que pertenecen (Baquedano, 2012).
1.1 Objetivos
1.1.1 Objetivo General
Analizar temporalmente tres diversos estudios a partir de la descarga de imágenes satelitales
donde me determinen aspectos del cambio climático.
1.1.2 Objetivos Específicos
❖ Determinar el área de sequía existente de las lagunas entre los años 2016 y 2020
dentro de Chile.
❖ Encontrar el área de deforestación dentro de la Amazonía Ecuatoriana en la Provincia
de Orellana entre los años 2010 y 2017.
❖ Localizar el área de deshielo que ha causado el calentamiento global en el Volcán
Cotopaxi de Ecuador entre los años 2001 y 2016.
2 Materiales y Métodos
2.1 Softwares utilizados
Se procede a realizar en pasos consecutivos desde la obtención de la imagen satelital utilizado
de Earth Explorer de USGS, esta plataforma es del Servicio Geológico de Estados Unidos
que permite buscar y descargarse imágenes satelitales, fotografías aéreas y productos
cartográficos a partir de diversos satélites. En este caso para los siguientes estudios se han
seleccionado el Landsat 7 y 8, adaptando diversas combinaciones, (USGS, 2021).
De igual manera, se hace uso del ENVI Classic 5.3 (64-bit), el cual es un programa construido
sobre el lenguaje (IDL), especializado en el manejo de datos multidimensionales y su
visualización. Se diferencia de otros programas similares (MATLAB, por ejemplo) en que
contiene funciones especialmente adaptadas al trabajo con información territorial o
geográfica, (ESRI, 2021).
El procedimiento final de análisis es utilizado con el programa ArcMap 10.6., este es la
aplicación central utilizada en ArcGIS. El lugar donde visualiza y explora los dataset SIG de
su área de estudio, donde asigna símbolos y donde crea los diseños de mapa para imprimir
o publicar. Es también la aplicación que utiliza para crear y editar los dataset, (ArcGis-Hub,
2019).
ArcMap representa la información geográfica como una colección de capas y otros elementos
en un mapa. Los elementos de mapa comunes son el marco de datos, que contiene las capas
de mapa para una extensión determinad, más la barra de escala, la flecha de norte, el título,
texto descriptivo, una leyenda de símbolos, etc., (ESRI, 2021).
Metodología de 3 casos de estudio:
2.2 Sequía de Lagunas en Chile del año 2016 vs año 2020
2.2.1 Área de Estudio
Santiago, llamada también Santiago de Chile, es la capital y ciudad principal de Chile y de la
Región Metropolitana de Santiago, se encuentra situada a orillas del río Mapocho. Santiago
se encuentra aproximadamente en las coordenadas 33°26′16″S 70°39′01″O y a una altitud
media de 567 m s. n. m.8 Con una extensión de 837,89 km²,2 Santiago contaba en 2017 con
una población de 6 257 516 habitantes. (Munistgo, 2018)
3|P ági na
2.2.1.1 Extracción de Imágenes Satelitales

La extracción de la primera imagen satelital se la obtuvo de la página Earth Explorer en
formato TIFF con las diferentes bandas que nos proporciona el programa. Se obtiene las
imágenes detallando rango de años de 2016 al 2020.
Ilustración 1 Obtención de Imagen Satelital del 2016 al 2020. Elaboración propia.
Dentro de la extracción de las imágenes se ha elegido Cloud Cover (nubosidad) al 0% para

poder visualizar de mejor manera. Poniendo a disposición la búsqueda en Landsat 8 para que
se localice las mejores imágenes en ese rango de años.
2.2.2 Cálculo del Área de Interés- Año 2016
Para la utilización del Software ENVI cargamos las bandas de combinación 652 en el manual
de Landsat 8, donde nos sirve para la identificación de límites entre vegetación, suelo y agua.
De esta manera se puede encontrar diversas áreas de interés:
Ilustración 2 Aplicación de bandas 652 de Landsat 8 en Santiago de Chile. Elaboración propia.
Posteriormente, como se puede visualizar en la ilustración a continuación, marcamos las

zonas de interés (Rois) para la identificación de estudio en el cual se baso es 4 categorías en
4|P ágina
las cuales se encuentra: lagunas de color rojo los 10 polígonos, vegetación de color verde los
10 polígonos, ríos de color azul los 10 polilíneas y nevado de color amarillo los 12 polígonos
realizados:
Ilustración 3 Áreas de Interés a partir de ROI Tool en ENVI. Elaboración propia.
Para la comprobación de los datos se utilizó la opción Compute Roi Separability que nos
permite identificar una buena demarcación de los puntos que queremos identificar. De esta
forma, las lagunas con las diversas zonas tienen valores de 1.99 a 2 dentro de su reporte, lo
que me indica que tienen correcta relación de separabilidad:
Ilustración 4 Reporte de la herramienta de Separabilidad de ROI. Elaboración propia.
Obtenidos los resultados procedemos hacer una clasificación supervisada de la imagen

satelital y aplicamos la herramienta Máximum LIKELIHOOD para tener una superior
visualización de las zonas de estudio:
5|P ági na
Ilustración 5 Clasificación supervisada por la herramienta Máximum LIKELIHOOD. Elaboración propia.
Al cargar las bandas se genera un nuevo Display teniendo como resultado nuestra zona de
estudio con la parte supervisada, además, se procede a aplicar un filtro que permita eliminar
errores de las zonas de interés y que se aplique con mayor especificación:
Ilustración 6 Resultado obtenido de la herramienta Máximum Likelilhood y del filtro SMOOTH 3x3. Elaboración
propia.
Procedemos a guardad esa imagen de ENVI en formato TIFF, y se carga como capa utilizando
el programa ArcMap. Debido a que la imagen está como un Modelo Digital de Terreno o
Ráster, se procede a transformarle de Ráster a Polígono con la siguiente herramienta:
6|P ágina
Ilustración 7 Imagen ENVI en formato TIFF en ArcMap. Elaboración propia.
Ilustración 8 Ráster a Polígono en ArcMap. Elaboración propia.
Se observa el resultado de polígono a continuación, en su tabla de atributos encontramos su

gridcode que respecta al número de zona de interés:
7|P ági na
Ilustración 9 Polígono del área en lagunas de Santiago de Chile en ArcMap. Elaboración propia.
A partir de la tabla de atributos, generamos un nuevo campo de área para poder obtener
según su clasificación supervisada:
Ilustración 10 Cálculo del área en hectáreas de Santiago de Chile en ArcMap. Elaboración propia.
Debido a que la imagen tiene diversas áreas donde incluyen ciertos márgenes de estudio, se
selecciona un área para eliminar que sea insignificante en el análisis y minimizar las
categorías para tener un resultado más preciso. Se utiliza la herramienta de Selección por
Atributos para escoger el área de menor o igual tamaño con la fórmula:
8|P ágina
Ilustración 11 Área de menor o igual tamaño. Elaboración propia.
Se elimina esa área seleccionada en el polígono desde la herramienta Eliminate en Data

Management Tools:
Ilustración 12 Herramienta Eliminate en el Polígono. Elaboración Propia.
Se procede a realizar el Dissolve de las categorías repetidas entre 1 a 4 (nevado, vegetación,

zona urbana y lagunas):
9|P ági na
Ilustración 13 Herramienta Dissolve de las categorías. Elaboración propia.
A continuación, se calcula el área de las categorías disueltas en la tabla de atributos de la

Capa de Dissolve:
Ilustración 14 Cálculo del área en hectáreas de las zonas de interés. Elaboración propia.
El área obtenida en la tabla de atributos corresponde a 1. Lagunas, 2. Vegetación, 3. Ríos y

4. Nevados; sin embargo, el área corresponde a toda la imagen satelital, representado en
hectáreas.
Debido a que la imagen satelital incluye a diversas lagunas, se delimita la zona, a partir de la
herramienta Clip. Una vez delimitada la zona, en la tabla de atributos de esta nueva capa se
calcula su área nuevamente, y se agrega un campo en el que esté junto a cada número de
Gridcode el área de interés. Verificando con la selección, el área que tiene las algunas en el
año 2016:
10 | P á g i n a
Ilustración 15 Cálculo del área final de lagunas en Santiago de Chile. Elaboración propia.

Se procede con los mismos pasos realizados del año 2016, ahora aplicados en el 2020 con
combinaciones 652.
Ilustración 16 Aplicación de bandas 652 de Landsat 8 en Santiago de Chile. Elaboración propia.
11 | P á g i n a
Ilustración 17 Áreas de Interés a partir de ROI Tool en ENVI. Elaboración propia
12 | P á g i n a
Ilustración 20 Resultado obtenido de la herramienta Máximum Likelilhood y del filtro SMOOTH 3x3. Elaboración
propia.
Ilustración 21 Imagen ENVI en formato TIFF en ArcMap. Elaboración propia.
13 | P á g i n a
Ilustración 23 Polígono del área en lagunas de Santiago de Chile en ArcMap. Elaboración propia.
Ilustración 24 Cálculo del área en hectáreas de Santiago de Chile en ArcMap. Elaboración propia.
14 | P á g i n a
Ilustración 29 Cálculo del área final de lagunas en Santiago de Chile. Elaboración propia.
15 | P á g i n a
2.3 Deforestación en la Amazonía Ecuatoriana del año 2010 vs año 2017

Orellana es una provincia ubicada en el norte de la la Región Amazónica del Ecuador, posee
mucha tradición y atractivos naturales, entre ellos tenemos el muy conocido Parque Nacional
Yasuní declarado por la UNESCO como reserva de la biósfera. Sus coordenadas geográficas
son: Longitud: O76°59’13.88” y por latitud: S0°27’59.22”. Entre sus riquezas se encuentra el
petróleo y la madera, además cuenta con una selva exuberante, paisajes encantadores, flora
y fauna exclusiva y conocida en todo el mundo. Sus habitantes nativos pertenecen
principalmente a las nacionalidades Huaorani, Schuar y Quichua .
Para este estudio se utilizó únicamente imágenes satelitales del Landsat 8, en el cual se buscó
imágenes pertenecientes a los años 2010 y 2017 con porcentaje de nubosidad de hasta el
20%.
Ilustración 30 Obtención de imágenes satelitales, Landsat 8, año 2010.Elaboración propia
Al escoger los cantones de estudio, la imagen seleccionaba Francisco de Orellana y la Joya

de los Sachas, con poca nubosidad así que se procede a descargar el paquete de la imagen
que incluye todas las bandas para su combinación posterior.
Ilustración 31 Selección del área de estudio, Landsat 8. Elaboración propia.
Para el análisis de zonas de deforestación y zonas con alta vegetación (Mappinggis, 2019),
se utilizó el catálogo de combinación de bandas, siendo las siguientes:
16 | P á g i n a
Aplicación Combinación Visualización

La vegetación aparecerá
representada en una
Uso agrícola 6-5-2 tonalidad verde brillante.
Y las zonas deforestadas
con un color rojo intenso.
Tabla 1 Combinación de bandas para Landsat 8, Elaboración propia.
Además, con esta banda, se puede observar fácilmente cuerpos de agua como lagos y ríos,
además de la zona urbana y bosque de vegetación densa.
Se utilizó inicialmente el Software ENVI, en el cual cargamos las bandas de combinación6-5-
3 como se muestra en la tabla 1 y se especifica en el manual de Landsat 8, el mismo que nos
permitió identificar las zonas de deforestación y vegetación densa. Con esta base, se procede
a delimitar el área de interés que serían: los cantones Fco. De Orellana y la Joya de los
Sachas. Para empezar a fijar las variables con las que determinaremos el área de
deforestación, se utilizará la herramienta de ROIS, que esta nos permitirá dibujar polígonos o
polilíneas dentro de la imagen con categorización de colores para así poder diferenciarlos y
luego aplicar una clasificación supervisada o no supervisada.
Ilustración 32 Aplicación de la herramienta ROIs dentro de la imagen satelital. Elaboración propia.
A partir de los ROIs establecidos: deforestación con rojo, vegetación con verde, bosque denso
con azul y cuerpos hídricos con amarillo, se analiza que el análisis de separabilidad de estos
esté con un rango de 1,99 a 2.00, si no es así significa que se realizó este proceso de forma
incorrecta y se debe repetir.
17 | P á g i n a
Ilustración 33 Análisis de separabilidad. Elaboración propia.
Pero este no es el caso, ya que todas las variables están dentro de este rango, como se
visualiza en la ilustración 33. Posterior a esto, verificado que el rango esté correcto, se realiza
la Clasificación supervisada, para este caso se ha escogido el Maximum Likelihood, así como
se representa en la siguiente imagen, con los colores antes mencionados.
Ilustración 34 Clasificación supervisada Máximum Likelilhood. Elaboración propia.
A partir de aquí, se sigue el proceso en el software ArcMap, se carga la imagen en formato

TIFF/GEOTIFF de la clasificación supervisada y se la convierte en ráster.
18 | P á g i n a
Ilustración 35 Proceso de transformación de imagen a ráster. Elaboración propia.
Una vez la imagen en formato ráster, se le aplica la herramienta de ráster a polígono para que
todos los puntos y líneas puedan ser una superficie y a partir de ello se les calcule un área.
Ilustración 36 Transformación de puntos y líneas a polígonos. Elaboración propia.
Después de este paso, se calcula el área en hectáreas para cada uno de los polígonos, como
es una imagen satelital bastante extensa, es decir que va a tener muchos polígonos se cree
conveniente eliminar algunos de ellos, que para la extensión de los dos cantones (828.159
ha) serían insignificantes, entonces se elige polígonos menores a 1ha.
19 | P á g i n a
Ilustración 37 Herramienta de Selección por atributos previa a la herramienta Eliminate. Elaboración propia.
Después de usar la herramienta de Eliminate, que redujo la cantidad de polígonos, ahora se

utilizará la herramienta de Dissolve para que esta clasifique entre todos los valores en tan solo
4 categorías, siendo estas las iniciales de: deforestación, vegetación, bosque denso y cuerpos
hídricos.
Ilustración 38 Calculo del área de los parámetros. Elaboración propia.
Para mejor visualización se realiza una presentación gráfica por categorías en la cual se
muestra por colores, cada parámetro antes mencionado. Lo que se ha clasificado como área
de deforestación tiene un valor de 151266,84 ha
20 | P á g i n a
Ilustración 39 Categorización por colores de los cantones de Orellana. Elaboración propia.

Para el cálculo del área de año 2017, se sigue el mismo procedimiento del año 2010, desde
la descarga de las imágenes satelitales del Landsat 8 y se utiliza la misma combinación de
bandas 6-5-2 que representan visualmente el uso agrícola.
Ilustración 40 Aplicación de ROIS dentro de la imagen satelital, Landsat 8. Elaboración propia.
De igual forma los ROIS, dibujados dentro de la imagen satelital son deforestación, bosque,
vegetación y fuentes hídricas, a estos también se les aplica el análisis de separabilidad y se
21 | P á g i n a
verifica que estén dentro del rango de 1.99 a 2.0, para asegurar que no existió errores en la
clasificación de los parámetros.
Ilustración 41 Verificación del rango de ROIs, que se aplicaron. Elaboración propia.
Igualmente se aplica la clasificación supervisada, Máximum Likelilhood, como se observa en

la siguiente imagen y se puede diferenciar cada zona dentro de la imagen.
Ilustración 42 Clasificación supervisada, Maximun Likelihood. Elaboración propia.
Después de realizar la clasificación, se guarda esta nueva imagen en formato GEOTIFF/TIFF

para cargarla al ArcMap y seguir con el proceso de encontrar el área de deforestación en
estos dos cantones.
22 | P á g i n a
Ilustración 43 Imagen de clasificación en formato TIF para ArcMap. Elaboración propia.
Al igual que en el anterior procedimiento se realiza una transformación de raster a polígono,

para que todos los puntos y líneas sean superficies y así calcular su área, que servirá
posteriormente para el eliminate de áreas insignificantes comparadas con el área total de los
dos cantones de estudio.
Ilustración 44 Herramientas de eliminate y dissolve. Elaboración propia.
23 | P á g i n a
Ilustración 45 Herramientas de Eliminate y Dissolve. Elaboración propia.
Al escoger valores bajos e insignificantes para la herramienta de eliminate, se observa que

toda la imagen se pinta de celeste, lo que refleja la cantidad de pequeños polígonos que
ocupan espacio en la imagen y al final del cálculo no muestran mucha diferencia.
Ilustración 46 Eliminación de polígonos insignificantes. Elaboración propia.
24 | P á g i n a
Posterior a esto, se realiza el dissolve mediante las categorías de la imagen inicial, y gracias
a esta herramienta todos los anteriores polígonos se clasifican en tan solo 4, facilitando el
cálculo del área de la zona de interés, en este caso la deforestación.
Ilustración 47 Herramienta Dissolve por categorías y cálculo del área.
Finalmente se categoriza la última imagen por colores, los mismo que hacen más fácil la
visualización y localización de los 4 parámetros.
Ilustración 48 Categorización por colores y área de deforestación.
25 | P á g i n a
2.4 Deshielo del Volcán Cotopaxi

El Cotopaxi es un estratovolcán activo que se encuentra en el cantón Latacunga, Provincia de
Cotopaxi, República de Ecuador. Con una elevación de 5897 m s. n. m., es el segundo volcán
más alto del país, siendo precedido por el Chimborazo. Está situado a 33 km al noreste de la
ciudad de Latacunga y a 50 km al sur de Quito, (IG, 2020).
Tabla 2 Información del Volcán Cotopaxi-Ecuador. Fuente: (IG, 2020)
Continente América del Sur
Región Región costa del Ecuador
Cordillera Andes
Coordenadas 0°40′50″S 78°26′16″O

La extracción de la primera imagen satelital se la obtuvo de la página Earth Explorer en
formato TIFF con las diferentes bandas que nos proporciona el programa. Se obtiene las
imágenes detallando rango de años de enero 2000 a enero 2021.
Ilustración 49 Obtención de Imagen Satelital del 2000 al 2021. Elaboración propia.
Dentro de la extracción de las imágenes se ha elegido Cloud Cover (nubosidad) al 0% para

poder visualizar de mejor manera. Poniendo a disposición la búsqueda en Landsat 7 y 8 y que
de esta forma, se localice las mejores imágenes en ese rango de años.
Al momento de encontrar las imágenes adecuadas, se ha localizado una imagen del 2001 con
Landsat 7 y otra imagen del 2016 con Landsat 8 en correcto estado. Para poder establecer
las mismas combinaciones de ambos satélites se investiga las bandas equivalentes entre los
LANDSAT 5 y 7 con el LANDSAT 8. A continuación se muestra, (Alonso, 2019):
26 | P á g i n a
Tabla 3 Equivalencia de bandas espectrales de los satélites LANDSAT. Fuente: (Unidad Ejecutora Gestión
Proyectos, 2018).

Volcán Cotopaxi obtención con Landsat 7
Para la utilización del Software ENVI cargamos las bandas de combinación 432 en el manual
de Landsat 7, donde nos sirve para la identificación de límites entre vegetación, suelo y agua.
De esta manera se puede encontrar diversas áreas de interés:
Ilustración 50 Aplicación de bandas 432 de Landsat 7 en el Volcán Cotopaxi. Elaboración propia.
Posteriormente, como se puede visualizar en la ilustración a continuación, marcamos las

zonas de interés (Rois) para la identificación de estudio en el cual se baso es 4 categorías en
las cuales se encuentra: Nevado de color rojo los 18 polígonos, vegetación de color verde los
17 polígonos, zona urbana de color azul los 20 polígonos y lagunas de color amarillo los 23
polígonos realizados:
27 | P á g i n a
Para la comprobación de los datos se utilizó la opción Compute Roi Separability que nos
permite identificar una buena demarcación de los puntos que queremos identificar. De esta
forma, el nevado con las diversas zonas tiene valores de 1.99 a 2 dentro de su reporte, lo que
me indica que tienen correcta relación de separabilidad:
Obtenidos los resultados procedemos hacer una clasificación supervisada de la imagen

satelital y aplicamos la herramienta Máximum LIKELIHOOD para tener una superior
visualización de las zonas de estudio:
28 | P á g i n a
Al cargar las bandas se genera un nuevo Display teniendo como resultado nuestra zona de
estudio con la parte supervisada:
Ilustración 54 Resultado obtenido de la herramienta Máximum Likelilhood. Elaboración propia.
Se procede a aplicar un filtro que permita eliminar errores de las zonas de interés y que se
aplique con mayor especificación:
29 | P á g i n a
Ilustración 55 Herramienta de filtro Smooth 3x3. Elaboración propia.
Ilustración 56 Aplicación del filtro SMOOTH. Elaboración propia.
Procedemos a guardad esa imagen de ENVI en formato TIFF, y se carga como capa utilizando
el programa ArcMap. Debido a que la imagen está como un Modelo Digital de Terreno o
Ráster, se procede a transformarle de Ráster a Polígono con la siguiente herramienta:
30 | P á g i n a
Se observa el resultado de polígono a continuación, en su tabla de atributos encontramos su

gridcode que respecta al número de zona de interés:
Ilustración 58 Polígono del área que rodea al Volcán Cotopaxi en ArcMap. Elaboración propia.
A partir de la tabla de atributos, generamos un nuevo campo de área para poder obtener
según su clasificación supervisada:
31 | P á g i n a
Ilustración 59 Cálculo del área del polígono que rodea al Volcán Cotopaxi en ArcMap. Elaboración propia.
Con Calculate Geometry de ese campo del área, se procede a calcular representada en
hectáreas cada una de sus áreas:
Ilustración 60 Área en hectáreas. Elaboración propia.
Debido a que la imagen tiene diversas áreas donde incluyen ciertos márgenes de estudio, se
selecciona un área para eliminar que sea insignificante en el análisis y minimizar las
categorías para tener un resultado más preciso. Se utiliza la herramienta de Selección por
Atributos para escoger el área de menor o igual tamaño con la fórmula:
32 | P á g i n a
Se elimina esa área seleccionada en el polígono desde la herramienta Eliminate en Data

Management Tools:
Se procede a realizar el Dissolve de las categorías repetidas entre 1 a 4 (nevado, vegetación,

zona urbana y lagunas):
33 | P á g i n a
A continuación, se calcula el área de las categorías disueltas en la tabla de atributos de la

Capa de Dissolve:
El área obtenida en la tabla de atributos corresponde a 1. Nevado, 2. Vegetación, 3. Zona

Urbana y 4. Lagos; sin embargo, el área corresponde a toda la imagen satelital, representado
en hectáreas:
34 | P á g i n a
Ilustración 65 Área por cada zona de interés de toda la imagen satelital. Elaboración propia.
Debido a que la imagen satelital incluye a diversas montañas y nevados, se delimita la

Provincia de Cotopaxi, donde está colocado el Volcán para delimitar la zona a partir de la
herramienta Clip:
Ilustración 66 Delimitación dentro de la Provincia Cotopaxi para el Volcán. Elaboración propia.
35 | P á g i n a
Una vez delimitada la zona dentro de la provincia, en la tabla de atributos de esta nueva capa
se calcula su área nuevamente debido a que está solamente en la provincia, y se agrega un
campo en el que esté junto a cada número de Gridcode el área de interés. Verificando con la
selección, el área que tiene el nevado en el año 2001:
Ilustración 67 Cálculo del área final del nevado del volcán delimitado en la Provincia de Cotopaxi. Elaboración
propia.

Volcán Cotopaxi obtención con Landsat 8
Se procede con los mismos pasos realizados del año 2001, ahora aplicados en el 2016 con
combinaciones 543 a partir de la tabla demostrada para equilibrar Landsat 7 con este de
Landsat 8:
Ilustración 68 Aplicación de bandas 543 de Landsat 8 en el Volcán Cotopaxi. Elaboración propia.
36 | P á g i n a
37 | P á g i n a
Ilustración 71 Resultado obtenido de la herramienta Máximum Likelilhood y aplicación del filtro Smooth 3x3.
Elaboración propia.
Ilustración 73 Cálculo del área del polígono que rodea al Volcán Cotopaxi en ArcMap. Elaboración propia.
38 | P á g i n a
Ilustración 74 Área en hectáreas. Elaboración propia.
Ilustración 75Área de menor o igual tamaño. Elaboración propia.
39 | P á g i n a
Ilustración 79 Área por cada zona de interés de toda la imagen satelital. Elaboración propia.
40 | P á g i n a
Ilustración 80 Delimitación dentro de la Provincia Cotopaxi para el Volcán. Elaboración propia.
Ilustración 81 Cálculo del área final del nevado del volcán delimitado en la Provincia de Cotopaxi. Elaboración
propia.
41 | P á g i n a
3 Resultados
3.1 Sequía de Lagunas en Chile del año 2016 vs año 2020
Ilustración 82 Mapa de Lagunas de Santiago de Chile año 2016. Elaboración propia.

Ilustración 83 Mapa de Lagunas de Santiago de Chile año 2020. Elaboración propia.
3.2 Deforestación en la Amazonía Ecuatoriana del año 2010 vs año 2017
Ilustración 84 Mapa de Deforestación en Orellana año 2010. Elaboración propia
44 | P á g i n a
Ilustración 85 Mapa de Deforestación en Orellana año 2017. Elaboración propia
45 | P á g i n a
3.3 Deshielo en el Nevado del Volcán Cotopaxi, Ecuador Año 2001
Ilustración 86 Mapa de Deshielo Cotopaxi año 2001. Elaboración propia.

Ilustración 87 Mapa de Deshielo Cotopaxi año 2016. Elaboración propia
47 | P á g i n a
3.4 Resultado de Áreas afectadas por Cambio Climático

3.4.1 Sequía
Tabla 4 Disminución del área (hectáreas) de lagunas del año 2020. Elaboración propia.
AÑO ÁREA DESHIELO PORCENTAJE Diferencia de

2016 283679,55 100 años
2020 193975,15 68,38 4
En la tabla podemos observar la manera en la que se presenta el deshielo hasta el último año,
en tan solo una diferencia de 4 años. En el 2020 existe un porcentaje del 68% de lo que estaba
en el año 2016, por lo que me indica una reducción de unas 89704,4 hectáreas de área.
3.4.2 Deforestación
Tabla 5 Aumento del área (hectáreas) de deforestación del 2017. Elaboración propia.
ÁREA
AÑO PORCENTAJE Diferencia de
DEFORESTACIÓN
años
2010 151266,84 100
2017 308376,96 203,86 7
Se puede observar que el porcentaje de deforestación ha aumentado considerablemente,
tanto así que supera el 100%, con una diferencia de 7 años transcurridos. En el año 2010 el
área de deforestación fue de 151266.84 hectáreas y en el año 2017 fue de 308376.96
hectáreas, siendo este de 203, 86%.
3.4.3 Deshielo del Volcán Cotopaxi
Tabla 6 Disminución del área (hectáreas) de nevado del año 2016. Elaboración propia.
AÑO ÁREA DESHIELO PORCENTAJE Diferencia de

2001 910,449293 100 años
2016 856,786728 94,11 15
En la tabla podemos observar la manera en la que se presenta el deshielo hasta el último año,
en tan solo una diferencia de 15 años. En el 2016 existe un porcentaje del 94% de lo que
estaba en el año 2001, por lo que me indica una reducción de unas 54 hectáreas de área.
4 Conclusiones
El uso de imágenes satelitales resulta ser una herramienta muy eficiente para determinar
cambios ambientales a lo largo de un periodo de tiempo y así identificar problemáticas no solo
a nivel local sino también a nivel global como lo es la perdida de lagunas, perdida de bosques
y nevados. La evolución y desarrollo de una zona mediante el uso de herramientas como ENVI
y SIG permite determinar las características y las consecuencias de esto a lo largo del tiempo.
Por ello, lo correspondiente al estudio de sequía de las lagunas en la ciudad de Santiago de
Chile entre los años 2016 al 2020, mediante la detección e interpretación cartográfica donde
se analiza este periodo de 4 años, se determina una pérdida alrededor de 89704,4 hectáreas
de lagunas hasta el año 2020 correspondiente a un 68%, esto se da principalmente por la falta
48 | P á g i n a
de precipitaciones, las cuales están asociada a los fenómenos del Niño y la Niña. Lo que ha
causado una reducción de los caudales de los ríos, que a su vez provoca una disminución de
los nutrientes, asimismo, la escasez de agua perjudica a la actividad agrícola-ganadera.
Además, la sequía extrema trae una disminución de la producción de energía hidroeléctrica y
sumado a las altas temperaturas, un incremento de los incendios forestales de verano.
De igual manera para el estudio de deforestación en la Amazonía Ecuatoriana del año 2010
al 2017 se puede identificar que el aumento del área de deforestación es de 203,086 %
durante este periodo de 7 años. La selva Amazónica es muy importante, debido a su gran
tamaño y a la gran diversidad de especies vegetales y animales que alberga. A pesar de ello,
se trata de uno de los ecosistemas más amenazados actualmente debido al rápido proceso
de deforestación al que está siendo sometido en el último tiempo. A pesar de que existen
algunas áreas protegidas, otras no lo están, y son estas zonas las que sufren de forma más
lenta el daño de las actividades humanas, como: el talado comercial o la construcción de
carreteras.
Por último, el estudio del deshielo en el Nevado del Volcán Cotopaxi, en los años 2001 al
2016, se puede observar una reducción de 54 hectáreas correspondientes al 94% en el 2016,
el nevado pierde su glaciar debido al aumento de las temperaturas, la actividad ganadera, la
quema de combustibles fósiles ya que esto produce un incremento en los gases de efecto
invernadero, y el nivel del mar ha aumentado, además ha generado que existan varios
sucesos meteorológicos cada vez más extremos. También ha provocado la extinción de
numerosas especies, ya que es el hábitat natural de numerosos animales tanto terrestres
como acuáticos.
Concluyendo finalmente, el cambio climático es un problema de todos, a medida que las
personas empiecen a generar conciencia acerca de estas problemáticas que se han analizado
que tiene una gran importancia, se podrá actuar de forma que sea beneficioso para nuestro
desarrollo como sociedad y la sostenibilidad del ambiente.
5 Referencias Bibliográficas
AELS. (2017). aulaestudiolagosanabria.info. Obtenido de aulaestudiolagosanabria.info:
https://aulaestudiolagosanabria.info/sequia-lagunas/
Alonso, D. (2019). Combinación de bandas en imágenes de satélite Landsat y Sentinel. MappingGis.

Obtenido de https://mappinggis.com/2019/05/combinaciones-de-bandas-en-imagenes-de-
satelite-landsat-y-sentinel/
ArcGis-Hub. (2019). ArcGIS HUB. Obtenido de Earth Explorer:

https://hub.arcgis.com/datasets/21a227e6c315488492d8f0a924cd487e
BancoMundial. (noviembre de 2020). datos.bancomundial.org. Obtenido de datos.bancomundial.org:

https://datos.bancomundial.org/indicator/SP.POP.GROW
Baquedano, F. (2012). Propuesta de diseno de un sistema de recepcion de imagenes satelitales .

Universidad Centroamericana.
Copé de los Mozos, R. (2017). Cálculo del retroceso glaciar en Isla Livingston y de su línea de costa
para actualización de cartografía. Madrid: Vniversitas Complevtensis Matritensis; Instituto
49 | P á g i n a
Hidrográfico de la Marina. Obtenido de

https://eprints.ucm.es/id/eprint/27071/1/TFM%20Cop%C3%A9.pdf
elpais. (febrero de 2021). elpais.com. Obtenido de elpais.com:

https://elpais.com/noticias/calentamiento-global/
ESRI. (2021). Esri Official Distributor. Obtenido de Sigsa: https://www.sigsa.info/productos/envi
IAgua. (febrero de 2015). www.iagua.eswww.iagua.es. Obtenido de www.iagua.es:

https://www.iagua.es/blogs/cop20/5-principales-consecuencias-que-esta-dejando-cambio-
climatico
IG. (2020). Volcán Cotopaxi. Escuela Politécnica Nacional. Obtenido de

https://www.igepn.edu.ec/mapas/amenaza-volcanica/mapa-volcan-cotopaxi
ManosUnidas. (2018). manosunir.org. Obtenido de

https://www.manosunidas.org/observatorio/cambio-climatico/deshielo-
polos#:~:text=El%20cambio%20clim%C3%A1tico%2C%20causado%20principalmente,adelgaz
amiento%20del%20casquete%20de%20hielo.
mappingGIS. (2019). mappinggis.com. Obtenido de mappinggis.com:

https://mappinggis.com/2019/05/combinaciones-de-bandas-en-imagenes-de-satelite-
landsat-y-sentinel/
Mappinggis. (mayo de 2019). mappinggis.com. Obtenido de mappinggis.com/:

https://mappinggis.com/2019/05/combinaciones-de-bandas-en-imagenes-de-satelite-
landsat-y-sentinel/
Marchionni, D. (2014). Aplicacion de indices de vegetacion derivados de imagenes satelotales

Landsat 7 ETM+ y aster para la caracterizacion de la cobertura vegetal en la zona de la
provincia de Loja Ecuador . La Plata , 31.
Munistgo. (2018). Santiago de Chile. Obtenido de https://www.gochile.cl/es/articulos/la-capital-de-

chile-santiago.htm
NationalGeographic. (noviembre de 2020). www.nationalgeographic.es. Obtenido de

www.nationalgeographic.es: https://www.nationalgeographic.es/medio-ambiente/que-es-
el-calentamiento-global
Unidad Ejecutora Gestión Proyectos. (2018). Manual técnico “Metodología para clasificación de
coberturas a partir del procesamiento de imágenes satelitales. Bellavista: UEGPS, AIDER,
SOUTHPOLE. Obtenido de http://www.gisandbeers.com/RRSS/Publicaciones/Manual-de-
procesamiento-de-imagenes-satelite-ENVI.pdf
USGS. (2021). Earth Explorer. Obtenido de https://earthexplorer.usgs.gov/
50 | P á g i n a

María Piedad Escandón Crespo, Doménica Michelle Fernández de Córdova Vivanco, Anahí Stefanía Quezada Quezada

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

María Piedad Escandón Crespo, Doménica Michelle Fernández de Córdova Vivanco, Anahí Stefanía Quezada Quezada

Cargado por

Copyright:

Formatos disponibles

“ANÁLISIS TEMPORAL CON IMÁGENES SATELITALES DE TRES CASOS DE ESTUDIO SOBRE

EL CAMBIO CLIMÁTICO: SEQUÍA DE LAGUNAS EN CHILE, DEFORESTACIÓN EN LA

"TEMPORAL ANALYSIS WITH SATELITAL IMAGES OF THREE STUDY CASES ABOUT

María Piedad Escandón Crespo1, Doménica Michelle Fernández de Córdova Vivanco 2,

actual de deforestación. la explotación exhaustiva de recursos forestales representa la

2.2.1.1 Extracción de Imágenes Satelitales

Ilustración 1 Obtención de Imagen Satelital del 2016 al 2020. Elaboración propia.

Dentro de la extracción de las imágenes se ha elegido Cloud Cover (nubosidad) al 0% para

Ilustración 2 Aplicación de bandas 652 de Landsat 8 en Santiago de Chile. Elaboración propia.

Posteriormente, como se puede visualizar en la ilustración a continuación, marcamos las

Ilustración 3 Áreas de Interés a partir de ROI Tool en ENVI. Elaboración propia.

Ilustración 4 Reporte de la herramienta de Separabilidad de ROI. Elaboración propia.

Obtenidos los resultados procedemos hacer una clasificación supervisada de la imagen

Ilustración 5 Clasificación supervisada por la herramienta Máximum LIKELIHOOD. Elaboración propia.

Ilustración 7 Imagen ENVI en formato TIFF en ArcMap. Elaboración propia.

Ilustración 8 Ráster a Polígono en ArcMap. Elaboración propia.

Se observa el resultado de polígono a continuación, en su tabla de atributos encontramos su

Ilustración 11 Área de menor o igual tamaño. Elaboración propia.

Se elimina esa área seleccionada en el polígono desde la herramienta Eliminate en Data

Ilustración 12 Herramienta Eliminate en el Polígono. Elaboración Propia.

Se procede a realizar el Dissolve de las categorías repetidas entre 1 a 4 (nevado, vegetación,

Ilustración 13 Herramienta Dissolve de las categorías. Elaboración propia.

A continuación, se calcula el área de las categorías disueltas en la tabla de atributos de la

El área obtenida en la tabla de atributos corresponde a 1. Lagunas, 2. Vegetación, 3. Ríos y

2.2.3 Cálculo del Área de Interés- Año 2020

Ilustración 16 Aplicación de bandas 652 de Landsat 8 en Santiago de Chile. Elaboración propia.

Ilustración 17 Áreas de Interés a partir de ROI Tool en ENVI. Elaboración propia

Ilustración 18 Reporte de la herramienta de Separabilidad de ROI. Elaboración propia.

Ilustración 19 Clasificación supervisada por la herramienta Máximum LIKELIHOOD. Elaboración propia.

Ilustración 21 Imagen ENVI en formato TIFF en ArcMap. Elaboración propia.

Ilustración 22 Ráster a Polígono en ArcMap. Elaboración propia.

Ilustración 25 Área de menor o igual tamaño. Elaboración propia.

Ilustración 26 Herramienta Eliminate en el Polígono. Elaboración Propia.

Ilustración 27 Herramienta Dissolve de las categorías. Elaboración propia.

2.3 Deforestación en la Amazonía Ecuatoriana del año 2010 vs año 2017

Ilustración 30 Obtención de imágenes satelitales, Landsat 8, año 2010.Elaboración propia

Al escoger los cantones de estudio, la imagen seleccionaba Francisco de Orellana y la Joya

Ilustración 31 Selección del área de estudio, Landsat 8. Elaboración propia.

Aplicación Combinación Visualización

Ilustración 32 Aplicación de la herramienta ROIs dentro de la imagen satelital. Elaboración propia.

Ilustración 33 Análisis de separabilidad. Elaboración propia.

Ilustración 34 Clasificación supervisada Máximum Likelilhood. Elaboración propia.

A partir de aquí, se sigue el proceso en el software ArcMap, se carga la imagen en formato

Ilustración 35 Proceso de transformación de imagen a ráster. Elaboración propia.

Ilustración 36 Transformación de puntos y líneas a polígonos. Elaboración propia.

Después de usar la herramienta de Eliminate, que redujo la cantidad de polígonos, ahora se

Ilustración 38 Calculo del área de los parámetros. Elaboración propia.

Ilustración 39 Categorización por colores de los cantones de Orellana. Elaboración propia.

2.3.3 Cálculo del Área de Interés- Año 2017

Ilustración 40 Aplicación de ROIS dentro de la imagen satelital, Landsat 8. Elaboración propia.

Ilustración 41 Verificación del rango de ROIs, que se aplicaron. Elaboración propia.

Igualmente se aplica la clasificación supervisada, Máximum Likelilhood, como se observa en

Ilustración 42 Clasificación supervisada, Maximun Likelihood. Elaboración propia.

Después de realizar la clasificación, se guarda esta nueva imagen en formato GEOTIFF/TIFF

Ilustración 43 Imagen de clasificación en formato TIF para ArcMap. Elaboración propia.

Al igual que en el anterior procedimiento se realiza una transformación de raster a polígono,

Ilustración 44 Herramientas de eliminate y dissolve. Elaboración propia.

Ilustración 45 Herramientas de Eliminate y Dissolve. Elaboración propia.

Al escoger valores bajos e insignificantes para la herramienta de eliminate, se observa que

Ilustración 46 Eliminación de polígonos insignificantes. Elaboración propia.

Ilustración 47 Herramienta Dissolve por categorías y cálculo del área.

Ilustración 48 Categorización por colores y área de deforestación.

2.4 Deshielo del Volcán Cotopaxi