El karst de México

7 Tecnologías geoespaciales para el estudio del

relieve kárstico
Neftaly Gijón-Yescas1 y Yameli Aguilar-Duarte2*

1 Universidad Autónoma de Yucatán. Facultad de Medicina Veterinaria y Zootecnia. Carretera Mérida-Xma-

tkuil, km. 15.5, C.P. 97100. Mérida, Yucatán, México.
2 Centro de Investigación Regional Sureste, Instituto Nacional de Investigaciones Forestales, Agrícolas y
Pecuarias. Calle 6 No. 398 por 13 Av. Correa Rachó, Col. Díaz Ordaz, C.P. 97130, Mérida Yucatán México.
*Correspondencia: yaguilarduarte@gmail.com; aguilar.yameli@inifap.gob.mx

Resumen
Los paisajes kársticos poseen una alta heterogeneidad espacial debido a la diversidad de las macro,
meso y microformas del relieve tanto superficiales como subterráneas. Los primeros estudios sobre
estos paisajes se enfocaron en el relieve superficial o exokarst y en el entendimiento de los procesos
de formación. El exokarst interactúa directamente con los procesos atmosféricos y edáficos. Las mor-
fologías resultantes varían en tamaño, características y funcionamiento, y las hay desde centimétricas
hasta kilométricas; la mayoría tienen la función de guiar las aguas superficiales al subsuelo, otras, son
formas de paso, las residuales y las deposicionales. Sin embargo, las depresiones kársticas son con-
sideradas generalmente como los rasgos más característicos de las geoformas superficiales y pueden
tener conexiones directas con los sistemas hidrogeológicos, imprimiendo una situación de alta vulne-
rabilidad a la contaminación, procesos de colapsos e inundaciones. El estudio de los recursos naturales
en este tipo de ambientes requiere del apoyo de herramientas que detecten preferentemente la diver-
sidad de la morfología superficial, en especial aquellas que generan información de gran resolución.
Para estudiar, caracterizar y comprender los paisajes kársticos se han utilizado diversos métodos y
tecnologías que han evolucionado con el paso del tiempo, desde mediciones directas realizadas en el
campo, hasta el uso de tecnologías geoespaciales como las imágenes aéreas y satelitales, los sensores
LiDAR e InSAR, y recientemente, el empleo de drones. Cada una de estas tecnologías presenta ven-
tajas y desventajas en la adquisición de los datos, sus costos y en el tipo de resolución (espacial, tem-
poral, radiométrica y espectral); son importantes para identificar sus alcances en el objetivo de estudio
que se persiga. En este contexto, este capítulo presenta una revisión bibliográfica de los principales
métodos y tecnologías geoespaciales existentes para el estudio y análisis del relieve kárstico.
Palabras llave: LiDAR; Drones; Dolinas; Modelos 3D; Riesgos; México

113

Introducción
Los paisajes kársticos son regiones de la corte-
za terrestre que se han desarrollado en presencia
de rocas solubles, en donde los procesos erosi-
vos de disolución predominan sobre la erosión
mecánica (Ford y Williams, 2007). Estos paisa-
jes se caracterizan por poseer una diversidad en
las macro, meso y microformas del relieve, tanto
superficiales como subterráneas, que conlleva a
una alta heterogeneidad espacial. A nivel mundial
abarcan aproximadamente el 20% de la superficie
terrestre, teniendo efectos directos e indirectos en
la vida humana (Ford y Williams, 1989; Keskin y
Yılmaz, 2016).
Una aproximación al paisaje kárstico puede
abordarse desde las formas del relieve: superfi-
ciales (exokarst) y subterráneas (endokarst) (De
Waele et al., 2009). En el área de la hidrogeología
también se incluye una sección intermedia deno-
minada epikarst que tiene como característica
principal su alta permeabilidad (Daly, 1997).
El primer estudio sobre los paisajes kársti-
cos fue realizado por el geógrafo Jovan Cvijic,
considerado como el padre de la geomorfología
kárstica (Gams, 1993). Cvijic estudió el fenó-
meno de la disolución de las rocas abordando la
morfología superficial en una antigua plataforma
caliza de una región de Eslovenia, e introdujo el
término “karst” (que significa roca desnuda) en
su libro “Das Karstphänomen” en 1893.
Las morfologías kársticas superficiales va-
rían en tamaño desde las centimétricas (lapiaz o
karren) hasta las kilométricas (poljes, valles kárs-
ticos) (Andreu et al., 2016); en su mayoría tienen
la función de guiar las aguas superficiales al sub-
suelo, tal es el caso de las dolinas que son formas
de entrada; formas de paso como los poljes; for-
mas residuales y formas deposicionales como los
depósitos de toba (De Waele et al., 2009).
Las dolinas, pozos y sumideros son conside-
rados generalmente como los rasgos más carac-
terísticos de la morfología kárstica superficial,
también son manifestaciones externas de un epi-
karst desarrollado y por lo tanto, pueden presen-
114
El karst de México
tar conexiones directas con los acuíferos (Ravbar
y Goldsycheider, 2009). Por esta razón, el aná-
lisis geomorfológico es de utilidad para deducir
el comportamiento y características del epikarst
( Doerfliger et al., 1999; Daly et al., 2002; Plan
et al., 2009; Van Beynen et al., 2012); así mis-
mo, la geomorfología kárstica superficial se debe
utilizar para la evaluación del impacto ambiental,
principalmente en áreas extensas (Veni, 1999).
En México, el estudio del karst tiene un gran
progreso, pero hasta los años 90’s había sido poco
estudiado a pesar de su importancia por su rela-
ción con las aguas subterráneas y con otros pro-
blemas, como la construcción de presas (en Chia-
pas, por ejemplo), desarrollo turístico (Quintana
Roo), entre otros aspectos (Lugo-Hubp, 1990).
Uno de los primeros estudios sobre el relieve
kárstico de México a escala general, fue realiza-
do por Espinasa-Pereña, (1990 ab), quien reco-
noció tres grandes zonas de desarrollo kárstico en
el país: en montañas, en lomeríos y en planicies;
para estas últimas destacó el karst de la Penín-
sula de Yucatán. Estos antecedentes se basaron
en las cartas topográficas 1:50,000 del Instituto
Nacional de Estadística, Geografía e Informática
(INEGI) y las morfologías de las cavidades ex-
ploradas en diferentes zonas.
En contraparte, entre las primeras publicacio-
nes de importancia sobre el karst de la Península
de Yucatán a escala detallada se encuentran la de
Cole (1910) y posteriormente Finch (1965), quie-
nes representaron esquemáticamente y de mane-
ra cualitativa diferentes geoformas exokársticas
negativas (depresiones) y su posible relación con
las aguas subterráneas.
Para el estudio adecuado del relieve kárstico
se requieren métodos y tecnologías que permitan
su identificación y caracterización a diferentes
escalas espaciales y temporales. Con base en los
propósitos de cada investigación se seleccionan
las escalas y metodologías adecuadas para la re-
colección de los datos (Dramis et al., 2011). Va-
rios métodos y tecnologías han sido utilizados
por diversos investigadores para caracterizar los
paisajes kársticos, tales como: el trabajo de cam-
po, las imágenes aéreas y satelitales, los sensores

LiDAR e InSAR, y recientemente el empleo de
drones ( Williams, 1972; Day, 1983; Siart et al.,
2009; Galve et al., 2015; Keskin y Yılmaz, 2016;
Wu et al., 2016; Oliveira et al., 2019). Cada uno
presenta ventajas y desventajas que sirven para
identificar los alcances del objetivo de estudio,
como son los costos y la resolución espacial y
temporal.
En este contexto, este capítulo describe las
técnicas geoespaciales para el estudio y análisis
del relieve kárstico que se han utilizado a través
del tiempo.
Enfoque metodológico
Para este ejercicio, las palabras clave utilizadas
en la búsqueda fueron: karst, dolinas, modelos
digitales de elevación, morfometría, percepción
remota y modelos digitales del terreno. Los mo-
tores de búsqueda fueron los journals de: Sprin-
gerlink, Sciencedirect y Taylor&Francis Online.
Adicionalmente, se usó la plataforma Web of
Science que contiene una amplia colección de ba-
ses de datos bibliográficas, citas y referencias de
publicaciones científicas de cualquier disciplina
del conocimiento.
Los criterios para seleccionar y priorizar las
publicaciones fueron aquellas que se enfocan
en las metodologías para la caracterización del
exokarst negativo, con casos principalmente de
México y algunos relevantes de otros países y
que sirvan de ejemplos para diferentes escalas
espaciales. Se seleccionaron los trabajos que se
consideran los “clásicos” y aquellos más actuales
o innovadores.
Estudios geomorfológicos en territorios kárs-
ticos
Las actividades humanas interactúan con las for-
mas del relieve que conforman la superficie te-
rrestre (Griffiths et al., 2011). El estudio científi-
co del relieve, su composición y los procesos que
lo han formado a través del tiempo le correspon-
de a la geomorfología (Smith y Pain, 2009). En
México se han realizado estudios de las formas
del relieve kárstico con diversos insumos, para
diferentes objetivos y dependiendo también de la
El karst de México
extensión del área de estudio (Cuadros 1 y 2). La
Península de Yucatán ha sido una de las regiones
más estudiadas; ejemplos de sus geoformas más
comunes se presentan en la Figura 1.
El trabajo de campo y las interpretaciones cua-
litativas han sido fuentes primarias de datos para
analizar, medir y visualizar las formas del relieve
desde las primeras investigaciones geomorfoló-
gicas (Napieralski et al., 2013). Posteriormente,
existió la necesidad de recabar información espa-
cial para representar las formas del relieve a tra-
vés de mapas topográficos (Dramis et al., 2011).
Con el avance de la tecnología se han abierto
nuevas fuentes de datos espaciales que han per-
mitido estudiar grandes regiones de la superficie
terrestre, que de otra manera sería imposible e
incosteable realizar (Griffiths et al., 2011). Los
datos espaciales obtenidos a diferentes escalas de
acuerdo a los objetivos de la investigación, han
permitido automatizar y mejorar los procesos
de mapeo de la superficie terrestre (Ehlers et al.,
2003).
Los estudios geomorfológicos a través del uso
de herramientas, como la recopilación de datos, el
análisis, la interpretación y visualización de la in-
formación de las formas de la superficie terrestre,
son de utilidad para resolver problemas, como la
predicción de riesgos, el impacto sobre el relieve,
y el inventario, manejo y planeación del uso de la
tierra (Drăguţ y Blaschke, 2006). Por lo anterior,
los estudios geomorfológicos son fundamentales
para un desarrollo económico y sustentable del
planeta (Griffiths et al., 2011).
Levantamientos de campo
El trabajo de campo permite de manera directa
apreciar las formas del relieve y recolectar infor-
mación del área para realizar el análisis y mapeo
geomorfológico; debe estar claramente definido
a través de metas y objetivos en los cuales se in-
cluyan la escala de la investigación, las técnicas a
utilizar y las formas del relieve de interés (Knight
et al., 2011).
Las actividades previas al trabajo de campo
incluyen investigar toda la información disponi-
ble del área (ubicación, accesibilidad y trabajos
115

previos), la escala de mapeo, el análisis de imá-
genes aéreas o satelitales y la planeación de los
trabajos (Knight et al., 2011). El trabajo de cam-
po inicia con un recorrido en el sitio para obtener
una visión general del relieve, estimar el tiempo
de mapeo y planificar la ruta de trabajo (Otto y
Smith, 2012). La descripción de las característi-
cas de las formas del relieve se realiza a través
de notas efectuadas en el sitio, las cuales pueden
ir complementadas por dibujos hechos a mano
(Oguchi et al., 2011).
De acuerdo a los alcances del trabajo se pue-
den obtener dimensiones de las formas del relie-
ve con cintas métricas o hacer levantamientos
topográficos a través de teodolitos y estaciones
totales (Oguchi et al., 2011; Keskin y Yılmaz,
2016). Estos levantamientos topográficos pueden
ser auxiliados por un sistema de posicionamiento
global (GPS, por sus siglas en inglés) cuyos da-
tos digitales posteriormente pueden ser ingresa-
dos a un sistema de información geográfica (SIG)
(Dykes, 2008). Sin embargo, a pesar de que el
trabajo de campo es un recurso importante para la
geomorfología, tiene las desventajas de consumir
una gran cantidad de tiempo y recursos, además
de cubrir áreas pequeñas (Basso et al., 2013).
Entre las primeras investigaciones en las áreas
kársticas realizadas con trabajo de campo se en-
cuentra la de Cvijic (1893) quien hizo cientos de
mediciones en dolinas y las clasificó de acuerdo a
los parámetros morfométricos, como los ángulos
de sus pendientes y su relación profundidad/diá-
metro. Day (1983) hizo la medición de 360 doli-
nas en el campo, de las cuales obtuvo su forma
planimétrica, diámetro y profundidad en el karst
tropical de Barbados. Keskin y Yılmaz (2016) a
través de un extensivo trabajo de campo, efec-
tuaron mediciones (longitud, ancho, orientación,
perímetro, profundidad) sobre 940 dolinas para
identificar sus características usando parámetros
morfométricos en Sivas, Turquía.
Percepción remota
La percepción remota se define como la ciencia
para obtener información sobre un objeto, área o
fenómeno, registrando sus variaciones a través de
sensores sin establecer contacto con ellos (Gupta,
116
El karst de México
2018). La forma más común de clasificar los sen-
sores usados en la percepción remota se basa en
el mecanismo que utilizan para detectar la ener-
gía electromagnética, existiendo dos grandes gru-
pos: los activos y los pasivos (Chuvieco, 2020).
Los sistemas pasivos miden la radiación solar
reflejada en el espectro visible y en el infrarrojo
cercano y medio (Dong y Chen, 2017), mientras
que los sistemas activos emiten una radiación ha-
cia el objetivo y detectan la radiación reflejada
(Hensley y Farr, 2013; Chuvieco, 2020).
Actualmente, la percepción remota es una
fuente de datos esencial para las aplicaciones
geomorfológicas por las siguientes característi-
cas: 1) existe una cobertura global de la superfi-
cie terrestre, 2) presenta accesibilidad a los datos,
3) los costos de adquisición son relativamente
bajos, 4) contiene diferentes resoluciones de los
tipos de información (espacial, espectral, tempo-
ral, radiométrica) y 5) hay una reducción de tiem-
pos para el análisis e interpretación de los datos
(Smith et al., 2006; Bubenzer y Bolten, 2008).
En las investigaciones geomorfológicas los datos
obtenidos con la percepción remota se han apli-
cado principalmente en cuatro diferentes áreas:
ubicación y distribución del relieve, composición
de la superficie terrestre (rocas, sedimentos, ve-
getación y humedad del suelo), caracterización
del subsuelo y elevación de la superficie terrestre
(Smith y Pain, 2009).
A pesar de que los datos análogos (mapas im-
presos, dibujos a mano y notas de campo) han
contribuido al desarrollo de la geomorfología, es
difícil analizarlos directamente con las compu-
tadoras por su naturaleza cualitativa y subjetiva
(Oguchi et al., 2011). A principios de la década
de 1970 muchos sistemas fotográficos aéreos
tradicionales y fuentes de datos análogos fueron
reemplazados por sistemas con sensores digita-
les, lo cual generó mapas y modelos digitales de
elevación (MDE) que han facilitado la manipula-
ción, el análisis y la visualización de la informa-
ción espacial a través del uso de los SIG (Griffiths
et al., 2011).
 El karst de México

Los MDE son una forma cuantitativa de re-
presentar la altitud de la superficie terrestre y han
sido ampliamente utilizados por los geomorfólo-
gos para analizar diversos parámetros del relieve
(Napieralski et al., 2013). La información topo-
gráfica que proporcionan los MDE son datos im-
portantes para el análisis de la karstificación hasta
determinadas escalas (Siart et al., 2009). Asimis-
mo, la caracterización cuantitativa del relieve y
del análisis de la superficie se le conoce como
geomorfometría y tiene una afinidad natural con
la geomorfología al estudiar, ambas, la forma de
la superficie terrestre (Pike, 2000).
La percepción remota ha sido utilizada con
éxito en el estudio del relieve kárstico. En los si-
guientes párrafos se profundizará sobre los mé-
todos usados y se mencionarán algunos ejemplos
de estudios en los cuales se han aplicado.

Figura 1. Ejemplos de algunas geoformas en diferentes ambientes kársticos de la Península de Yucatán: A)

lapiaz, coloquialmente conocidos como sartenejas; B) y C) dolinas de disolución sin espejo de agua; D) y E)
dolinas con espejo de agua en contacto con el acuífero; F) dolina de colapso; G) campos de lapiaz en karst
costero; H) lago tecto-kárstico; I) lomerío tecto-kárstico (Fotos aéreas: Neftaly Gijón).

117
 El karst de México

Cuadro 1. Algunos ejemplos sobre estudios del relieve kárstico en México a nivel país o entidad
federativa.

Relieve/procesos Área de Insumos Métodos/índices. [autores]

estudio

Propuesta de clasifi- Cartas topográficas 1:50,000 Interpretación del desarrollo kársti-

cación del karst de la del INEGI y las morfologías co por variaciones en litológicas-es-
República Mexicana de las cavidades exploradas tratigráficas, estructurales y climáti-
en diferentes zonas cas. [a,b]
Análisis de la vulne- México Mapas escala 1:50,000 del Clasificación morfoclimática y
rabilidad a fenómenos (país) INEGI geotécnica basada en el grado de
kársticos intensidad de desarrollo kárstico. [c]
Rasgos geomorfológi- Península 165 mapas topográficos Morfoisohipsas, alturas máximas,
cos mayores de Yucatán escala 1:50,0000 amplitud del relieve, geomorfología
general, formas kársticas y linea-
mientos. [d]
Geomorfología escala Yucatán Cartas hidrológicas de aguas Delimitación de paisajes geomor-
1:250,000 superficiales y cartografía fológicos con base al grado de
temática de la Península de homogeneidad morfogenética y
Yucatán del INEGI ambiental; a cada paisaje le corres-
ponde una combinación de procesos
endógenos y exógenos, geoformas,
materiales e indicadores bióticos. [e]
Identificación y ca- MDE, imágenes satelitales Índice de multiresolución del fondo
racterización de bajos (Landsat TM y ETM+) de los valles (MRVBF) y análisis
inundables complementarios (pendientes, geo-
metría, humedad). [f]
Identificación y carac- Campeche MDE, batimetría, datos Selección de variables de expresión
terización de la subsi- vectoriales y topográficos, regional, ponderación e integración
dencia y/o colapso de muestras litológicas obte- mediante álgebra de mapas. [g]
terrenos kársticos nidas en campo, unidades
litológicas escala 1:500,000
del Servicio Geológico
Mexicano, (2007)
Densidad y tipo de Yucatán 58 cartas topográficas escala Morfometría (índice de Gravelius,
depresiones 1:50,000 e inventario de área, perímetro), análisis de densi-
"cenotes y grutas" dad; presencia de agua. [h,i]
Caracterización de las Quintana 80 cartas topográficas escala Morfometría (índice de Gravelius,
depresiones kársticas y Roo 1:50,000 e imágenes Land- área, perímetro) y análisis de densi-
tipos de inundación sat 7 ETM, GeoEye, Spot y dad, régimen de inundación. [j]
Global Image
Susceptibilidad a inun- Campeche Datos vectoriales topo- Selección de líneas de contorno,
daciones gráficos (81 cartas) escala depresiones, zonas sujetas a inunda-
1:50,000 ción, cuerpos de agua, ríos. [k]
a: Espinasa-Pereña, 1990a; b: Espinasa-Pereña, 1990b; c: Espinasa Pereña & Nieto Torres, 2015; d: Lugo
Hubp et al., 1992; e: Bautista et al., 2005; f: Palacio Aponte, 2013a; g: Palacio Aponte, 2013b; h: Agui-
lar-Duarte et al., 2010; i: Aguilar Duarte et al., 2016; j: Fragoso-Servón et al., 2014; k: Frausto-Martínez
et al., 2020.
118
 El karst de México

Cuadro 2. Algunos ejemplos sobre estudios del relieve kárstico a nivel sub-región, municipal o local.

Relieve/procesos/ Área de Insumos Métodos/índices. [autores]

estudio
Reconocimiento Reserva de la Cartas topográficas escala Digitalización de cartas, fotoin-
geomorfológico e Biósfera, Ca- 1:50,000 y fotografías aéreas terpretación de rasgos físicos e
hidrográfico lakmul, Camp. hidrográficos. [a]

Identificación de Sur de Yucatán 58 mapas topográficos esca- Identificación de morfologías

geodesastres la 1:50,000; seis imágenes
SPOT-HRV (10 m de resolu-
ción) y tres imágenes Landsat
ETM
Mapa de formas Norte de Quin- Mapas topográficos y da-
exokársticas y zona tana Roo tos vectoriales de 29 cartas
de influencia 1:50000 del INEGI, imágenes
de satélite y fotografías aéreas.
(karst) y procesos (inundación,
deslizamiento, agrietamiento) de
acuerdo con una clasificación de
altitud y pendientes. [b]
Identificación y clasificación de
cuerpos de agua y su régimen de
inundación. Morfometría y clasifi-
cación de depresiones kársticas. [c]

Tipología de de- Cozumel Q. 32 archivos LiDAR con reso- Aplicación de filtros para elaborar
presiones kársticas Roo lución de 5 m en ejes X e Y yMDE, pendientes y sombras. Tipo-
en 3D de 15 a 20 cm en Z; inventario
logía de depresiones, considerando
espeleológico planimetría y altimetría, escala
1:10,000. [d]
Hundimientos y Felipe Carrillo Cartas topográficas del INEGI, Evaluación de susceptibilidad inte-
subsidencia Puerto Q. Roo trabajo de campo grando rasgos geológicos, litológi-
cos e hidrogeológicos; evaluación
del riesgo considerando extensión
del fenómeno y vulnerabilidad por
ubicación de localidades e infraes-
tructura. [e]
Geomorfología Calakmul Ortofotos, MDE, imágenes Interpretación de geoformas kárs-
kárstica y distribu- Camp. multiespectrales y LiDAR ticas a escalas generales usando
ción de característi- datos satelitales, además de la iden-
cas hidrológicas tificación de características kársti-
cas a escalas detalladas con el uso
de LiDAR integrados a un análisis
hidrogeológico. [f]
Caracterización de Poolol, Cha- Ortomosaicos y modelos di- Identificación de las unidades del
unidades del relieve pab, Yucatán gitales de elevación obtenidos relieve kárstico y análisis compara-
de un lago kárstico con dron tivo de imágenes. [g]

a: García Gil et al., 2002; b: Ihl et al., 2007; c: Frausto e Ihl, 2008; d: Frausto-Martínez et al., 2019; e:
Hernández Aguilar, 2019; e:; f: Ensley et al., 2021; g: Gijón-Yescas, Aguilar-Duarte, et al., 2021

119
 El karst de México

Imágenes aéreas cándolas en dolinas, uvalas y poljes, siendo las

Los primeros métodos de percepción remota uvalas las geoformas en mayor número y los pol-
empleados para el mapeo terrestre fueron las fo- jes los que ocupan la mayor superficie.
tografías aéreas, que es el acto de fotografiar la
Para estudiar los tipos de depresiones kársticas
superficie de la tierra de forma vertical u obliqua
y su distribución espacial en el estado de Yucatán,
(Napieralski et al., 2013). La fotogrametría es la
México, Aguilar y colaboradores (2010 y 2016)
técnica para obtener mediciones cuantitativas e
emplearon 58 cartas topográficas escala 1:50,000
información geométrica del objeto estudiado a
del INEGI; identificaron un total de 6,717 de-
través de fotografías y ha evolucionado de forma
presiones kársticas (área 454 km2) distribuidas
paralela con la fotografía aérea y los avances tec-
de la siguiente forma: 4,620 dolinas (34 km2),
nológicos (Linder, 2016). Durante 1970 y 1980
2,021 uvalas (210 km2) y 76 poljes (210 km2).
la fotogrametría analítica llegó a ser un método
Posteriormente, Paredes y colaboradores (2019)
muy utilizado para obtener mapas topográficos y
presentaron un procedimiento para construir y
realizar análisis cuantitativos a través de los SIG
ampliar el catálogo de depresiones kársticas del
(Oguchi et al., 2011). A mediados de 1990 se ini-
estado de Yucatán utilizando los inventarios de
ció la fotogrametría digital haciendo contribucio-
cenotes de la Secretaría de Desarrollo Urbano y
nes significativas para el mapeo geomorfológico,
Medio Ambiente del Gobierno de Yucatán, las 58
especialmente en la medición de áreas topográfi-
cartas topográficas escala 1:50,000 del INEGI y
cas a escala local (Walker, 1995).
el MDE (CEM 3.0) de 15 m de resolución elabo-
Las ventajas de la fotografía aérea son la alta rado por el INEGI (2013).
resolución espacial, alta disponibilidad y su com-
Imágenes satelitales
patibilidad para usar algunos sensores montados
La mayor aplicación de la percepción remota en
en satélites (LiDAR, InSAR) (Siart et al., 2009).
términos de volumen de datos, ha sido a través
De acuerdo con el área a sobrevolar, será la can-
de la adquisición de imágenes satelitales (Dramis
tidad de fotografías a obtener y el tiempo y dine-
et al., 2011). El uso potencial de las imágenes de
ro a utilizar, por lo cual, su resolución temporal
satélite para el mapeo geomorfológico inició con
estará afectada por estos factores (Smith et al.,
el lanzamiento del programa Landsat en 1972,
2006).
siendo desde entonces uno de los recursos más
La resolución espacial obtenida de las foto- comúnmente utilizados (Kayan y Klemas, 1978).
grafías aéreas y sus productos han proporciona-
En comparación con las fotografías aéreas,
do una fuente valiosa de datos para detectar for-
las imágenes de satélite tienen la ventaja de cu-
mas del relieve pequeñas (resolución de metros
brir grandes áreas, por ejemplo, cada imagen de
a decámetros), por lo que se han empleado en
Landsat 9 es de 190 km x 180 km, permitiendo un
diversos estudios en el karst. Entre las primeras
mapeo rápido y sistemático (Walsh et al., 1998;
investigaciones que se realizaron con el uso de
U. S. Geological Survey, 2022). Las imágenes de
fotografías aéreas sobre el karst, se encuentra la
satélite han sido utilizadas en las ciencias de la
de Williams (1972) quien analizó la morfometría
tierra para detectar regiones geomorfológicas y
planimétrica del karst tropical en ocho distritos
características del relieve (Waldhoff et al., 2008)
de Nueva Guinea mediante fotografías aéreas de
que son ideales para mapear áreas con una va-
escalas 1:26,000 y 1:50,000.
riedad de escalas (resoluciones espaciales típicas
Para identificar las depresiones kársticas en el de 5 m a 120 m) (Napieralski et al., 2013), con
estado de Quintana Roo, México, Fragoso-Ser- las cuales se pueden revelar formas del relieve
vón y colaboradores (2014) usaron 80 cartas to- que de otra forma no se podrían identificar con el
pográficas escala 1:50,000 del INEGI obtenidas trabajo de campo y las fotografías aéreas (Drury,
a partir de fotografías aéreas; registraron 2,890 1990).
depresiones kársticas (área 1,147 km2) clasifi-
120

Cabe mencionar, que las imágenes de satélite
no pueden substituir por completo la información
obtenida con el trabajo de campo y las fotografías
aéreas; sin embargo, el uso de imágenes satelita-
les comerciales de alta resolución espacial como
IKONOS (resolución 1 m), Pleiades (resolución
0.5 m), Quickbird (resolución 0.6 m) y Geoe-
ye (resolución 0.4 m) (Napieralski et al., 2013)
pueden proporcionar un valioso apoyo para las
interpretaciones en el mapeo geomorfológico al
describir las características detalladas (Gupta y
Liew, 2007). No obstante, la adquisición de estas
imágenes satelitales está limitada por la presen-
cia de nubes, la trayectoria del satélite y sus altos
costos (en el caso de imágenes satelitales comer-
ciales) (Müllerová et al., 2017).
La aplicación de los MDE, las imágenes sa-
telitales (Quickbird) y las técnicas de SIG para
la detección y mapeo de formas kársticas en las
montañas de Ida en Creta, Grecia fue examinada
por Siart et al., (2009); sus resultados demostra-
ron que el mapeo de formas kársticas a través de
la percepción remota depende significativamente
de la escala de interés. Diferentes imágenes sate-
litales como (Landsat, RapidEye e IKONOS) y
el MDE (SRTM) fueron procesados por Thei-
len-Willige y colaboradores (2014) para el aná-
lisis de las características kársticas en la zona
costera del noroeste de Marruecos. Las imágenes
satelitales permitieron a los autores identificar re-
giones donde los procesos de karstificación po-
drían intensificarse.
InSAR
El sistema SAR (Synthetic Aperture Radar) es
un sistema de percepción remota activo usado en
plataformas aéreas y satelitales, cuyas imágenes
son utilizadas para obtener la ubicación, los datos
topográficos e información de la superficie terres-
tre (Zhou et al., 2009); emplea una antena para
transmitir y recibir ondas electromagnéticas de
la superficie terrestre en longitudes de onda que
varían de 1.7 cm (banda Ku) a 24 cm (banda C)
(Okada et al., 2007). Al conocer la velocidad de
las ondas electromagnéticas y el tiempo desde el
envío hasta la recepción, se calcula la distancia
entre el sistema SAR y la superficie terrestre, ge-
El karst de México
nerando datos topográficos y MDE (Prost, 2013).
Con el desarrollo de las computadoras, el sis-
tema SAR evolucionó a InSAR (Interferometric
SAR) el cual crea sintéticamente una antena más
grande, logrando mayores resoluciones espacia-
les (Prost, 2013). El sistema InSAR utiliza la
información de dos o más imágenes SAR de la
misma ubicación, para mejorar la precisión de
los datos de elevación o para medir pequeñas va-
riaciones en la elevación del área de estudio; al
producto de las dos imágenes se le conoce como
interferograma (Wasklewicz et al., 2013).
Las principales ventajas del sistema InSAR
son: monitoreo de movimientos de tierra muy pe-
queños en grandes áreas, alta precisión, cobertura
en áreas inaccesibles, adaptabilidad a las condi-
ciones climáticas (opera de día y de noche y en
presencia de nubes), detección de las condiciones
del subsuelo y alta sensibilidad a las condiciones
de humedad del suelo (Wang et al., 2013).
Dependiendo de la altura de la aeronave, el ta-
maño del sensor y las condiciones atmosféricas,
InSAR es capaz de generar un MDE de resolucio-
nes centimétricas (Roering et al., 2009). No obs-
tante, los MDE generados con InSAR son gene-
ralmente de menor calidad cuando se comparan
con los datos LiDAR aéreos y terrestres (Ogu-
chi et al., 2011). Asimismo, su costo es mayor
que las imágenes aéreas y satelitales al utilizarse
en áreas extensas y/o durante largos periodos de
tiempo (Prost, 2013).
El MDE de alta resolución más completo a
escala global se obtuvo en el año 2000 con imá-
genes InSAR, usadas en la misión topográfica
SRTM (Shuttle Radar Topography Mission, por
sus siglas en inglés) (Yang et al., 2011). Los MDE
obtenidos con la misión SRTM han sido emplea-
dos en diversas aplicaciones en la geomorfolo-
gía. Chen y colaboradores (2018) identificaron
dolinas y posteriormente realizaron análisis mor-
fométricos utilizando el MDE del SRTM, imáge-
nes aéreas y trabajo de campo en la zona kárstica
de Zhijin, China. Los resultados mostraron que
los parámetros morfométricos de las dolinas cal-
culados con los MDE son similares a los
121

obtenidos con los trabajos de campo. Galve y co-
laboradores (2015) emplearon imágenes InSAR
para mejorar el inventario de dolinas en el karst
del Valle de Ebro en el noroeste de España. Los
autores afirman que estas imágenes pueden ayu-
dar en el reconocimiento y caracterización de las
dolinas para prevenir pérdidas humanas y mate-
riales.
LiDAR
El sistema Light Detection and Ranging (Li-
DAR) es un sensor activo que captura y registra la
geometría de las superficies de objetos y lugares
a través de pulsos láser, produciendo una repre-
sentación digital cuantitativa en 3D (Vosselman
y Maas, 2010). Un pulso láser puede tener uno o
múltiples retornos debido a que puede encontrar
muchas superficies de reflexión al dirigirse a la
superficie terrestre, con lo cual se generan millo-
nes de puntos en 3D (Smith y Pain, 2009). Los
datos recolectados con LiDAR se llaman nubes
de puntos y se procesan para clasificar los puntos
en diversas categorías como: terreno, vegetación,
edificios y agua (Zhu et al., 2014). Posteriormen-
te, con esta clasificación y de acuerdo con las ne-
cesidades del estudio, se generan los MDE.
El sistema LiDAR tiene la ventaja que los da-
tos pueden ser recolectados en el día o en la no-
che, además de tener una alta densidad de datos
de muestreo y una alta precisión vertical (Wilson,
2018). Sin embargo, esta tecnología tiene desven-
tajas, como la generación de una gran cantidad
de datos que requieren hardware costoso para su
análisis, largos tiempos de procesamiento (Jako-
vljevic et al., 2019) y altos costos del sensor y el
muestreo (Oliveira et al., 2019).
La alta resolución topográfica ofrecida por el
sistema LiDAR terrestre y aéreo, proporciona
nuevas y numerosas oportunidades para enten-
der los procesos hidrológicos, geomorfológicos y
ecológicos que operan en la superficie de la tierra
(Wilson, 2018).
Diversos estudios han usado LiDAR para
identificar y caracterizar dolinas y otras geofor-
mas kársticas. Zhu y colaboradores (2014) em-
plearon LiDAR para identificar dolinas en la
122
El karst de México
cuenca Floyds Fork en el centro de Kentucky,
EE.UU. Los autores afirman que el número de
dolinas utilizando este método, aumentó en un
factor de cuatro, con una tasa de éxito del 80%
al 93% para el área de estudio, lo que demostró
que el mapeo de dolinas con LiDAR es confiable
y eficiente. Wu y colaboradores (2016) utilizaron
LiDAR para identificar y delinear depresiones
a diferentes escalas y caracterizar sus propieda-
des morfométricas y relaciones topológicas en el
Condado de Fillmore en el sureste de Minnesota,
EE.UU. Los resultados que obtuvieron sugieren
que los métodos de interpretación visual pueden
subestimar notablemente el número de dolinas de
la región, por lo cual, el uso de LiDAR tiene un
gran potencial para crear y actualizar las bases de
datos de dolinas a escala regional.
En México, Frausto-Martínez y colaborado-
res (2019) reportaron un estudio para la isla de
Cozumel, QRoo donde analizaron el relieve a
escala detallada mediante la interpretación visual
y manipulación de datos topográficos LiDAR de
alta resolución, con el propósito de reconocer las
unidades geomorfológicas de origen kárstico,
utilizando altimetría y cartografía de pendientes,
modelos digitales de elevación y sombreado, que
permitieron la identificación de 109 nuevas for-
maciones exokarsticas tipo dolinas y uvalas.
Drones
Los Sistemas Aéreos No Tripulados (UAS), Ve-
hículos Aéreos No Tripulados (VANT), Vehícu-
los Aéreos Piloteados Remotamente y Sistemas
Aéreos Piloteados Remotamente (RPAS) son
términos que se usan de manera indistinta para
nombrar a los drones (Konstantin, 2015; Kooistra
et al., 2015; Wyngaard et al., 2019). Estas aerona-
ves varían en tamaño, costo y tiempo de vuelo y
se pueden clasificar principalmente en dos tipos:
de ala fija y rotatorios (Konstantin, 2015; Chang
et al., 2016), además, recientemente surgieron los
del tipo híbrido. Los drones de ala fija y rotato-
rios pueden operar de forma autónoma al definir
sus parámetros de vuelo (altura, traslape frontal y
lateral, área de interés), pero solo los drones ro-
tatorios pueden volar manualmente (Sørensen et
al., 2017).
 El karst de México

Como una herramienta para recabar datos cien- tallado que los MDE con características globales
tíficos, los drones ofrecen las siguientes ventajas: (Grebby et al., 2011).
datos con alta resolución espacial y temporal, im-
De manera paulatina, diversos autores han
pacto ambiental mínimo sobre la zona monitorea-
utilizado los drones en estudios sobre paisajes
da (Sørensen et al., 2017), disminución de ries-
kársticos. Silva y colaboradores (2017) usaron un
gos para los trabajadores y equipos, bajos costos
MDE de alta resolución adquirido con LiDAR y
de operación y mantenimiento (Themistocleous
ortofotos generadas con drones para analizar los
et al., 2015), versatilidad en el uso de sensores
diferentes tipos de accidentes geográficos kársti-
(cámaras térmicas, infrarrojas, multiespectrales,
cos y sus relaciones con los sistemas de fractura
RGB, LiDAR) (Themistocleous et al., 2014), y
en los carbonatos cretácicos de la formación Jan-
acceso a zonas remotas y peligrosas (Wyngaard
daira en la cuenca Potiguar, Brasil. Sus principa-
et al., 2019) (Cuadro 3). Por estas razones, los
les resultados indican que al menos cuatro grados
drones han sido adoptados en diferentes contex-
principales de evolución kárstica controlada por
tos como la agricultura, minería, construcción y
fracturas y lechos sedimentarios fueron encon-
supervisión de obras civiles, monitoreo atmos-
trados en la cuenca Potiguar. Ramsey y colabo-
férico, estudios forestales, respuesta a desastres,
radores (2014) examinaron el potencial de las
ecología, monitoreo ambiental, manejo de recur-
imágenes obtenidas con drones para mapear, do-
sos naturales y estudios geomorfológicos (Rol-
cumentar y monitorear cambios del paisaje kárs-
dán et al., 2015).
tico, generados por las actividades de silvicultura
El método fotogramétrico “Structure from en la selva tropical templada costera al norte de
Motion” (SfM) es un método emergente de bajo la isla de Vancouver, Canadá. Los autores con-
costo para la reconstrucción topográfica de alta cluyeron que los drones equipados con cámaras
resolución en áreas remotas (Hu et al., 2018). digitales de alta resolución son una nueva herra-
Este método opera bajo los mismos principios mienta prometedora y rentable para científicos y
básicos que la fotografía estereoscópica, donde gestores del karst.
la estructura tridimensional se genera a partir de
Los datos obtenidos con drones, SIG y obser-
una serie de imágenes superpuestas y desplaza-
vaciones en campo se acoplan para analizar las
das (Westoby et al., 2012); y las imágenes usadas
propiedades geométricas y la distribución espa-
pueden ser de video o provenir de cámaras digi-
cial de dolinas para identificar patrones y facto-
tales de baja calidad (Westoby et al., 2012). De-
res críticos y de esta manera hacer el mapeo de
bido a sus numerosas ventajas (rápido, eficiente,
peligros y la planificación costera (Oliveira et
bajo costo, datos de alta resolución) el método
al., 2019). Los autores mostraron que el uso de
SfM ha sido utilizado en conjunto con las imáge-
los drones permite una descripción morfométri-
nes tomadas por drones, siendo una herramienta
ca precisa, rápida y de bajo costo de las dolinas
nueva y poderosa para generar topografía de alta
kársticas. Además, mencionan que no encontra-
resolución y productos como: ortomosaicos, mo-
ron estudios previos de análisis morfométricos de
delos digitales de elevación, nubes de puntos y
relieves kársticos realizados con drones.
modelos 3D (Whitehead et al., 2014; Hu et al.,
2018) (Figura 2). Los drones aún no han sido ampliamente utiliza-
dos en estudios geomorfológicos sobre el karst, a
En la década de 2010, los estudios geomor-
pesar de su potencial comparado con plataformas
fológicos han incrementado el uso de datos de
como las imágenes satelitales y LiDAR, por lo
alta resolución espacial (en metros) y ultra-alta
cual, existe una gran oportunidad de aplicar esta
(en centímetros) (He y Weng, 2018), a través
tecnología a paisajes kársticos (Telbisz et al.,
de tecnologías como LiDAR y drones (Glennie
2016; Silva et al., 2017).
et al., 2013). Los datos de estas tecnologías han
permitido un mapeo y análisis del terreno más de-
123
 El karst de México

En Yucatán se han realizado los primeros tra- Implicaciones e importancia de vi-

bajos con el uso de drones para el estudio del
relieve exokárstico, reportándose la precisión
relativa de los ortomosaicos y con los MDE a
diferentes alturas sobre una dolina ubicada en el
anillo de cenotes (Gijón-Yescas, et al., 2021b) y
las unidades del relieve de un lago de origen kárs-
tico (Gijón-Yescas et al., 2021a). En este último
se identificaron también procesos como la zona
sujeta a inundación extraordinaria. Con el uso de
drones es posible monitorear y validar las unida-
des del relieve propuestas (Figura 3), por ejem-
plo, aquellas unidades del relieve que se rela-
cionan con procesos hidrometeorológicos como
lagos intermitentes, laderas inundadas, zonas su-
jetas a inundación, etc., por mencionar algunas.
Para mayor información sobre las unidades del
relieve, se remite al lector al estudio realizado por
Gijón-Yescas y colaboradores (2021a).
vir sobre el karst
El aumento de la población y de las actividades
humanas han dado lugar a una ocupación progre-
siva de los paisajes kársticos, incrementando la
explotación de sus recursos, generando graves
impactos ambientales y manejos no sustentables
(Drew y Hötzl, 1999). Como consecuencia, el nú-
mero de áreas kársticas afectadas por la contami-
nación del agua, la degradación del paisaje (De
Waele et al., 2011) y el riesgo de hundimientos
por subsidencia y colapsos está creciendo rápi-
damente (Waltham et al., 2005). Todas las acti-
vidades humanas que se desarrollan en los siste-
mas kársticos como la construcción, disposición
de residuos, agricultura, abastecimiento de agua,
ganadería, turismo, etc., necesitan de un conoci-
miento detallado de estos sistemas para realizar
un manejo sustentable (De Waele et al., 2009).

Figura 2. Nube de puntos de una dolina generada con el método Structure from Motion e imágenes to-
madas con drones. A) vista en planta; B) perfil donde se observa de forma detallada las dimensiones de
la dolina y su vegetación.
124
 El karst de México

Cuadro 3. Comparación de plataformas y sensores remotos (Modificado de Toth y Jóźków, 2016).

Parámetros de Plataformas de adquisición de datos

operación Terrestre Aeronave Satélite Dron
(Campo)
Maniobrabilidad Limitada Moderada Limitada Alta
Escala Local Regional Mundial Local
Diversidad de senso- MS/HP/LiDAR MS/HP/SAR/ MS/HP/SAR MS/HP/LiDAR
res LiDAR
Cobertura Pequeña (50 m) Mediana (1 km) Grande (10 km) Pequeña (100 m)
Resolución temporal Minutos Horas Diaria Minutos
Resolución espacial 1 – 5 cm 5 – 25 cm 0.30 – 300 m 1 – 5 cm
Precisión espacial 3 – 50 cm 5 – 10 cm 1–3m 1 – 25 cm
Grado de operación Moderada Compleja Difícil Fácil
Riesgos de operación Moderada Alta Moderada Baja
Costo $$ $$$ $$$$$ $
MS: Multiespectral; HP: Hiperespectral; SAR: Synthetic Aperture Radar; LiDAR: Light Detection
and Ranging

Figura 3. Dolina o lago kárstico Poolol ubicada en el municipio de Chapab, Yucatán sobrevolada en
dos temporadas diferentes: A) condiciones normales y B) posterior a lluvias extraordinarias (Fotos:
Neftaly Gijón).

125

Para comprender los procesos kársticos, miti-
gar los peligros geológicos o antrópicos y propo-
ner estrategias de manejo sustentable, es funda-
mental contar con los mapas de riesgos obtenidos
de inventarios precisos y completos de los ele-
mentos del karst, como las depresiones kársticas
(Gutiérrez et al., 2014). El mapeo de las depre-
siones kársticas es relevante para el desarrollo de
estrategias de manejo sustentable con enfoques
sobre riesgos de hundimiento, planeación del uso
del suelo y la vulnerabilidad del acuífero a la con-
taminación (Gutiérrez et al., 2008).
Varios autores coinciden que los sistemas
kársticos en general son dinámicos, y se requie-
ren bases de datos constantemente actualizadas
para múltiples propósitos (White, 2002; Lindsey
et al., 2010), así como analizar los fenómenos de
estudio a distintas escalas espaciales y tempora-
les, hasta llegar a las condiciones locales (Rodrí-
guez, 1981); pues tanto las geoformas como los
procesos kársticos pueden permanecer ocultos o
inactivos temporalmente y activarse posterior-
mente con eventos meteorológicos o como resul-
tado de los impactos acumulativos de las activi-
dades humanas. Por estas razones, la selección
apropiada de herramientas y tecnologías geoes-
paciales es de crucial importancia en los estudios
del relieve kárstico.
Agradecimientos
Al proyecto INIFAP “Elementos del paisaje kárs-
tico de la Península de Yucatán para el aprovecha-
miento de sus recursos naturales” (11161434635).
El primer autor agradece al CONACYT por la
beca otorgada para realizar estudios de posgrado.
A cada uno de los árbitros que con sus observa-
ciones contribuyeron a mejorar el texto.
Referencias
Aguilar-Duarte, Y., Bautista, F., Mendoza, M., Frausto, O.,
Ihl, T., Delgado, C. (2016). IVAKY: Índice de la Vulnerabi-
lidad del Acuífero Kárstico Yucateco a la Contaminación.
Revista Mexicana de Ingeniería Química. 15(3): 913–933.
https://www.researchgate.net/publication/309193502_
IVAKY_Indice_de_la_vulnerabilidad_del_acuifero_kars-
tico_yucateco_a_la_contaminacion
126
El karst de México
Aguilar Duarte, Y., Frausto Martínez, O., Bollo, M., Bau-
tista, F. (2010). Spatial distribution of karstic depressions in
tropical karst plains. Reunión Anual de La Unión Geofísica
Mexicana. 115–116.
Aguilar, Y., Bautista, F., Mendoza, M. E., Frausto, O., Ihl,
T. (2016). Density of karst depressions in Yucatán state,
Mexico. Journal of Cave and Karst Studies. 78(2): 51–60.
https://doi.org/10.4311/2015ES0124
Andreu, J. M., Calaforra, J. M., Cañaveras, J. C., Cuevaz,
S., Durán, J. J., Garay, P., García del Cura, M. A., Fernán-
dez-Cortés, A., Gázquez, F., Ordóñez S., Sánchez-Moral,
S. (2016). Karst: un concepto muy diverso. Enseñanza de
las Ciencias de la Tierra. 24(1): 6–20. https://www.raco.
cat/index.php/ECT/article/view/312531
Basso, A., Bruno, E., Parise, M., Pepe, M. (2013). Morpho-
metric analysis of sinkholes in a karst coastal area of sou-
thern Apulia (Italy). Environmental Earth Sciences. 70(6):
2545–2559. https://doi.org/10.1007/s12665-013-2297-z
Bautista, F., Batllori-Sampedro, E., Palacio-Aponte, G.,
Ortiz-Pérez, M., Castillo-González, M. (2005). Integración
del conocimiento actual sobre los paisajes geomorfológicos
de la Península de Yucatán. En F. Bautista y A. G. Palacio
(Eds.), Caracterización y manejo de los suelos de la penín-
sula de Yucatán: implicaciones agropecuarias, forestales y
ambientales, (pp. 33–58) UAC, UADY, INE. https://www.
researchgate.net/publication/253953809_Integracion_del_
conocimiento_actual_sobre_los_paisajes_geomorfologi-
cos_de_la_peninsula_de_Yucatan
Bubenzer, O., Bolten, A. (2008). The use of new elevation
data (SRTM/ASTER) for the detection and morphome-
tric quantification of Pleistocene megadunes (draa) in the
eastern Sahara and the southern Namib. Geomorphology.
102(2): 221–231. https://doi.org/10.1016/J.GEOMOR-
PH.2008.05.003
Chang, C. C., Wang, J. L., Chang, C. Y., Liang, M. C., Lin,
M. R. (2016). Development of a multicopter-carried who-
le air sampling apparatus and its applications in environ-
mental studies. Chemosphere. 144: 484–492. https://doi.
org/10.1016/j.chemosphere.2015.08.028
Chen, H., Oguchi, T., Wu, P. (2018). Morphometric analy-
sis of sinkholes using a semi-automatic approach in Zhijin
County, China. Arabian Journal of Geosciences. 11(412):
1–14. https://doi.org/10.1007/s12517-018-3764-3
Chuvieco, E. (2020). Fundamentals of Satellite Remote
Sensing: An Environmental Approach. CRC Press. https://
www.crcpress.com/Fundamentals-of-Satellite-Remo-
te-Sensing-An-Environmental-Approach-Third/Chuvie-
co/p/book/9781138583832
Cole, L. J. (1910). The caverns and people of northern
Yucatan. Bulletin of the American Geographical Society.
42(5): 321–336. https://doi.org/10.2307/199038
 El karst de México

Cvijic, J. (1893). Das karstphänomen: Versuch einer mor- Ehlers, M., Gähler, M., Janowsky, R. (2003). Automa-
phologischen monographie. Wien: E. Hölzel. ted analysis of ultra high resolution remote sensing data
for biotope type mapping: new possibilities and challen-
Daly, D. (1997). Epikarst: a new concept in Irish hydro-
ges. ISPRS Journal of Photogrammetry and Remote Sen-
geology. The GSI Groundwater Newsletter. 31: 4–6. https://
sing. 57(5–6): 315–326. https://doi.org/10.1016/S0924-
www.gsi.ie/documents/GWNewsletterNo31.pdf
2716(02)00161-2
Daly, D., Dassargues, A., Drew, D., Dunne, S., Goldschei-
Ensley, R., Hansen, R. D., Morales-Aguilar, C., Thompson,
der, N., Neale, S., Popescu, I., Zwahlen, F. (2002). Main
J. (2021). Geomorphology of the Mirador-Calakmul Karst
concepts of the “European approach” to karst-groundwa-
Basin: A GIS-based approach to hydrogeologic mapping.
ter-vulnerability assessment and mapping. Hydrogeology
PLOS ONE, 16(8): e0255496 https://doi.org/10.1371/jour-
Journal. 10(2): 340–345. https://doi.org/10.1007/s10040-
nal.pone.0255496
001-0185-1
Espinasa-Pereña, R. (1990a). Propuesta de clasificación
Day, M. (1983). Doline Morphology and Develop-
del karst de la República Mexicana [Universidad Nacio-
ment in Barbados. Annals of the Association of Ame-
nal Autónoma de México]. https://repositorio.unam.mx/
rican Geographers. 73(2): 206–219. https://doi.or-
contenidos/propuesta-del-clasificacion-de-karst-de-la-re-
g/10.1111/j.1467-8306.1983.tb01408.x
publica-mexicana-3488710?c=G22Oa2&d=false&-
De Waele, J., Plan, L., Audra, P. (2009). Recent develop- q=*:*&i=4&v=1&t=search_0&as=0
ments in surface and subsurface karst geomorphology: An
Espinasa-Pereña, R. (1990b). Carso (mapa de la República
introduction. Geomorphology. 106(1–2): 1–8. https://doi.
Mexicana), en Atlas Nacional de México. IG, UNAM.
org/10.1016/j.geomorph.2008.09.023
Espinasa-Pereña, R. (2007). El karst de México. http://
De Waele, J., Gutiérrez, F., Parise, M., Plan, L. (2011). Geo-
www.igeograf.unam.mx/Geodig/nvo_atlas/index.html/5_
morphology and natural hazards in karst areas: A review.
naturaleza_ambiente/3_geomorfologia/NA_III_3.pdf
Geomorphology. 134(1–2): 1–8. https://doi.org/10.1016/j.
geomorph.2011.08.001 Espinasa Pereña, R., Nieto Torres, A. (2015). Análisis de la
vulnerabilidad a fenómenos kársticos.
Doerfliger, N., Jeannin, P. Y., Zwahlen, F. (1999). Water
vulnerability assessment in karst environments: a new Finch, W. A. (1965). The Karst Landscape of Yucatan.
method of defining protection areas using a multi-attri- NRC. https://www.ideals.illinois.edu/handle/2142/61036
bute approach and GIS tools (EPIK method). Environ-
Ford, D. C., Williams, P. W. (1989). Karst geomorphology
mental Geology. 39(2): 165–176. https://doi.org/10.1007/
and hydrology. Unwin Hyman London.
s002540050446
Ford, D., Williams, P. (2007). Introduction to Karst. En D.
Dong, P., Chen, Q. (2017). LiDAR Remote Sensing and
Ford y P. Williams (Eds.), Karst Hydrogeology and Geo-
Applications. CRC Press. https://www.crcpress.com/Li-
morphology, (pp. 1–8). John Wiley & Sons Ltd,. https://doi.
DAR-Remote-Sensing-and-Applications/Dong-Chen/p/
org/10.1002/9781118684986.ch1
book/9781138747241
Fragoso-Servón, P., Bautista, F., Frausto, O., Pereira, A.
Drăguţ, L., Blaschke, T. (2006). Automated classification
(2014). Caracterización de las depresiones kársticas (for-
of landform elements using object-based image analy-
ma, tamaño y densidad) a escala 1:50,000 y sus tipos de
sis. Geomorphology. 81(3–4): 330–344. https://doi.or-
inundación en el estado de Quintana Roo, México. Revista
g/10.1016/j.geomorph.2006.04.013
Mexicana de Ciencias Geológicas. 31(1): 127–137. http://
Dramis, F., Guida, D., Cestari, A. (2011). Nature and Aims www.scielo.org.mx/scielo.php?script=sci_arttext&pi-
of Geomorphological Mapping. En M. J. Smith, P. Paron d=S1026-87742014000100010
y J. S. Griffiths (Eds.), Developments in Earth Surface
Frausto-Martínez, O., Aguilar-Becerra, C. D., Colín-Oliva-
Processes, (Vol. 15, pp. 39–73). Elsevier B.V. https://doi.
res, O., Sánchez-Rivera, G., Hafsi, A., Contreras-Tax, A. F.,
org/10.1016/B978-0-444-53446-0.00003-3
Uhu-Yam, W. D. (2020). COVID-19, Storms, and Floods:
Drew, D., Hötzl, H. (1999). Karst Hydrogeology and Hu- Impacts of Tropical Storm Cristobal in the Western Sector
man Activities: Impacts, Consequences and Implications. of the Yucatan Peninsula, Mexico. Sustainability. 12(23):
CRC Press. 9925. https://doi.org/10.3390/su12239925
Drury, S. A. (1990). A Guide to Remote Sensing: Interpre- Frausto-Martínez, O., Zapi-Salazar, N. A., Colin-Olivares,
ting Images of the Earth. Oxford University Press. O. (2019). Identification of Karst Forms Using LiDAR Te-
chnology: Cozumel Island, Mexico. En R. Abdalla (Ed.),
Dykes, A. P. (2008). Geomorphological maps of Irish peat
Trends in Geomatics - An Earth Science Perspective. Cap.
landslides created using hand-held GPS. Journal of Maps.
3. IntechOpen. https://doi.org/10.5772/intechopen.79196
4(1): 258–276. https://doi.org/10.4113/jom.2008.1029

127
 El karst de México

Frausto, O., & Ihl, T. (2008). Mapa de formas exocársti-
cas del Norte de Quintana Roo a escala 1:50000. In M. A.
Gutiérrez Aguirre & A. Cervantes Martínez (Eds.), Estu-
dio geohidrológico del norte de Quintana Roo, México (p.
111). Universidad de Quintana Roo, Consejo Nacional de
Ciencia y Tecnología. http://bibliotecasibe.ecosur.mx/sibe/
book/000046840
Galve, J. P., Castañeda, C., Gutiérrez, F., Herrera, G. (2015).
Assessing sinkhole activity in the Ebro Valley mantled eva-
porite karst using advanced DInSAR. Geomorphology. 229:
30–44. https://doi.org/10.1016/j.geomorph.2014.07.035
Gams, I. (1993). Origin of the term “karst,” and the trans-
formation of the classical karst (kras). Environmental Geo-
logy. 21(3): 110–114. https://doi.org/10.1007/BF00775293
García Gil, G., Palacio-Prieto, J. L., Ortiz Pérez, M. A.
(2002). Reconocimiento geomorfológico e hidrográfico
de la Reserva de la Biosfera Calakmul, México. Investi-
gaciones Geográficas. 1(48): 7-23. http://www.inves-
tigacionesgeograficas.unam.mx/index.php/rig/article/
view/59170/52157
Gijón-Yescas, N., Aguilar-Duarte, Y. G., Frausto-Martínez,
O., Bautista-Zuñiga, F. (2021a). Anatomía de un cenote con
el uso de dron. Tropical and Subtropical Agroecosystems.
24(1): 1–14. https://doi.org/10.56369/tsaes.3634
Gijón-Yescas, N., Estrada-Medina, H., Aguilar-Duarte,
Y., Medina-Esquivel, R. A., Euán-Ávila, J. I. (2021b).
Evaluación de productos fotogramétricos de una unidad
kárstica obtenidos con un dron. Tropical and Subtropical
Agroecosystems. 24(1): 1–12. https://doi.org/http://dx.doi.
org/10.56369/tsaes.3613
Glennie, C., Brooks, B., Ericksen, T., Hauser, D., Hudnut,
K., Foster, J., Avery, J. (2013). Compact Multipurpose Mo-
bile Laser Scanning System — Initial Tests and Results.
Remote Sensing. 5(2): 521–538. https://doi.org/10.3390/
rs5020521
Grebby, S., Naden, J., Cunningham, D., Tansey, K. (2011).
Integrating airborne multispectral imagery and airborne Li-
DAR data for enhanced lithological mapping in vegetated
terrain. Remote Sensing of Environment. 115(1): 214–226.
https://doi.org/10.1016/j.rse.2010.08.019
Griffiths, J. S., Smith, M. J., Paron, P. (2011). Introduction
to Applied Geomorphological Mapping. En M. J. Smith, P.
Paron y J. S. Griffiths (Eds.), Developments in Earth Surfa-
ce Processes, (Vol. 15, Issue C, pp. 3–11). Elsevier. https://
doi.org/10.1016/B978-0-444-53446-0.00001-X
Gupta, A., Liew, S. C. (2007). The Mekong from satelli-
te imagery: A quick look at a large river. Geomorpholo-
gy. 85(3–4): 259–274. https://doi.org/10.1016/j.geomor-
ph.2006.03.036
Gupta, R. (2018). Remote Sensing Geology. Springer Ber-
lin Heidelberg. https://doi.org/10.1007/978-3-662-55876-8
Gutiérrez, F., Cooper, A. H., Johnson, K. S. (2008). Iden-
tification, prediction, and mitigation of sinkhole hazards
in evaporite karst areas. Environmental Geology. 53(5):
1007–1022. https://doi.org/10.1007/s00254-007-0728-4
Gutiérrez, F., Parise, M., De Waele, J., Jourde, H. (2014). A
review on natural and human-induced geohazards and im-
pacts in karst. Earth-Science Reviews. 138: 61–88. https://
doi.org/10.1016/j.earscirev.2014.08.002
He, Y., Weng, Q. (2018). Introduction. In Y. He y Q. Weng
(Eds.), High Spatial Resolution Remote Sensing, (p. 381).
CRC Press. https://doi.org/10.1201/9780429470196
Hensley, S., Farr, T. (2013). 3.3 Microwave Remote Sen-
sing and Surface Characterization. En J. F. Shroder (Ed.),
Treatise on Geomorphology, (pp. 43–79). Elsevier. https://
doi.org/10.1016/B978-0-12-374739-6.00044-0
Hernández Aguilar, M. L. (2019). Riesgo de hundimientos
y subsidencia kárstica en la zona maya de Quintana Roo.
En O. Frausto Martínez (Ed.), Conocimientos y saberes so-
bre el karst tropical de México, (Primera, pp. 214–235).
Acts with science. http://www.amek.org.mx/wp-content/
uploads/2019/10/LibroConocimientos-Capítulo-11.pdf
Hu, S., Qiu, H., Wang, X., Gao, Y., Wang, N., Wu, J., Yang,
D., Cao, M. (2018). Acquiring high-resolution topography
and performing spatial analysis of loess landslides by using
low-cost UAVs. Landslides. 15(3): 593–612. https://doi.
org/10.1007/s10346-017-0922-8
Ihl, T., Martínez, O. F., Rojas López, J., Giese, S., Gol-
dacker, S., Bautista Zúñiga, F., Bocco Verdinelli, G.
(2007). Identification of geodisasters in the state of Yuca-
tán, Mexico. Neues Jahrbuch Für Geologie Und Paläon-
tologie - Abhandlungen. 246(3): 299–311. https://doi.
org/10.1127/0077-7749/2007/0246-0299
INEGI. (2005). Guía para la interpretación de cartografía.
Instituto Nacional de Estadística, Geografía e Informática.
http://internet.contenidos.inegi.org.mx/contenidos/produc-
tos/prod_serv/contenidos/espanol/bvinegi/productos/histo-
ricos/1329/702825231743/702825231743_1.pdf
INEGI. (2013). Continuo de Elevaciones Mexicano (CEM)
versión 3.0. Instituto Nacional de Estadística, Geografía e
Informática. https://www.inegi.org.mx/app/geo2/elevacio-
nesmex/
Jakovljevic, G., Govedarica, M., Alvarez-Taboada, F.,
Pajic, V. (2019). Accuracy Assessment of Deep Learning
Based Classification of LiDAR and UAV Points Clouds
for DTM Creation and Flood Risk Mapping. Geosciences.
9(323): 1–21. https://doi.org/10.3390/geosciences9070323
Kayan, I., Klemas, V. (1978). Application of LANDSAT
imagery to studies of structural geology and geomorpho-
logy of the Mentese region of southwestern Turkey. Re-
mote Sensing of Environment. 7(1): 51–60. https://doi.
org/10.1016/0034-4257(78)90006-8

128

Keskin, İ., Yılmaz, I. (2016). Morphometric and geological
features of karstic depressions in gypsum (Sivas, Turkey).
Environmental Earth Sciences. 75(12): 1–14. https://doi.
org/10.1007/s12665-016-5845-5
Knight, J., Mitchell, W. A., Rose, J. (2011). Geomorpholo-
gical Field Mapping. En M. J. Smith, P. Paron, y J. S. Griffi-
ths (Eds.), Developments in Earth Surface Processes, (Vol.
15, pp. 151–187). Elsevier B.V. https://doi.org/10.1016/
B978-0-444-53446-0.00006-9
Konstantin, K. (2015). What drones can do and how they
can do it. En K. Konstantin (Ed.), Drones and aerial ob-
servation: New technologies for property rights, human
rights, and global development. A primer. (First, Issue July,
pp. 9–18). New America. http://drones.newamerica.org/
primer/
Kooistra, L., van der Wal, T., Poppe, K. (2015). The role of
new data sources in Greening Growth – the case of Drones.
1–24. https://library.wur.nl/WebQuery/wurpubs/495830
Linder, W. (2016). Introduction. En W. Linder (Ed.), Di-
gital Photogrammetry, (pp. 1-15). Springer-Verlag Berlin
Heidelberg. https://doi.org/10.1007/978-3-662-50463-5
Lindsey, B. D., Katz, B. G., Berndt, M. P., Ann, A. E., Ae,
F. A., Skach, K. A., Katz, B. G., Berndt, A. M. P., Bern-
dt, M. P., Ardis, A. F., Skach, K. A. (2010). Relations be-
tween sinkhole density and anthropogenic contaminants
in selected carbonate aquifers in the eastern United States.
Environmental Earth Sciences. 60: 1073–1090. https://doi.
org/10.1007/s12665-009-0252-9
Lugo-Hubp, J. (1990). El relieve de la República Mexica-
na. Revista Mexicana de Ciencias Geológicas. 9(1): 82–
111. http://rmcg.geociencias.unam.mx/index.php/rmcg/
article/view/1255
Lugo Hubp, J., Espinasa Pereña, R., Aceves Quesada, J. F.
(1992). Rasgos geomorfológicos mayores de la Penínsu-
la de Yucatán. Revista del Instituto de Geología. UNAM.
10(2): 143–150.
Müllerová, J., Brůna, J., Bartaloš, T., Dvořák, P., Vítková,
M., Pyšek, P. (2017). Timing Is Important: Unmanned Air-
craft vs. Satellite Imagery in Plant Invasion Monitoring.
Frontiers in Plant Science. 8: 887. https://doi.org/10.3389/
fpls.2017.00887
Napieralski, J., Barr, I., Kamp, U., Kervyn, M. (2013). 3.8
Remote Sensing and GIScience in Geomorphological Ma-
pping. En J. F. Shroder (Ed.), Treatise on Geomorphology
(Vol. 3, pp. 187–227). Elsevier. https://doi.org/10.1016/
B978-0-12-374739-6.00050-6
Oguchi, T., Hayakawa, Y. S., Wasklewicz, T. (2011). Data
Sources. En M. J. Smith, P. Paron, y J. S. Griffiths (Eds.),
Developments in Earth Surface Processes, (Vol. 15, pp.
189–224). Elsevier B.V. https://doi.org/10.1016/B978-0-
444-53446-0.00007-0
El karst de México
Okada, Y., Hirao, C., Horiuchi, T., Hara, Y., Jonathan, Y.,
Azarbayejani, A., Oishi, N., Furuhata, M., Kumagai, N.,
Morioka, S., Kato, Y. (2007). Highly accurate DSM re-
construction using Ku-band airborne InSAR. 2007 IEEE
International Geoscience and Remote Sensing Symposium,
Barcelona, Spain, 5049–5052. https://doi.org/10.1109/
IGARSS.2007.4423996
Oliveira, S., Moura, D., Boski, T., Horta, J. (2019). Coastal
paleokarst landforms: A morphometric approach via UAV
for coastal management (Algarve, Portugal case study).
Ocean & Coastal Management. 167: 245–261. https://doi.
org/10.1016/j.ocecoaman.2018.10.025
Otto, J. C., Smith, M. J. (2012). Geomorphological Map-
ping. En C. Simon, L. Clarke y J. Nield (Eds.), Geomor-
phological Techniques (Vol. 6, pp. 1–10). British Society
for Geomorphology. https://www.geomorphology.org.uk/
geomorph_techniques
Palacio Aponte, G. (2013a). Identificación y Caracteriza-
ción de Bajos Inundables. En G. Posada Vanegas, B. E.
Vega Serratos y R. Silva Casarín (Eds.), Peligros Natura-
les en el Estado de Campeche. Cuantificación y Protección
Civil (pp. 125–136). UAC, GEC. http://www.seprocicam.
gob.mx/index.php/analisis-y-prevencion/peligros-natura-
les-en-el-estado-de-campeche
Palacio Aponte, G. (2013b). Identificación y Caracteriza-
ción de la Subsidencia y/o Colapso de Terrenos Kársticos.
En G. Posada Vanegas, E. Vega Serranos y R. Silva Casa-
rín (Eds.), Peligros Naturales en el Estado de Campeche.
Cuantificación y Protección Civil (pp. 169–182). UAC,
GEC. http://www.seprocicam.gob.mx/descargas/Peligros
Naturales en el Estado de Campeche.pdf
Paredes, C., Matos, H., De la Vega, R., Pardo, E. (2019).
Reconocimiento semiautomático de depresiones kársticas
mediante análisis clúster de las distribuciones morfométri-
cas y su aplicación al karst del Estado de Yucatán, México.
Revista Mexicana de Ciencias Geológicas. 36(2): 270–288.
https://doi.org/10.22201/cgeo.20072902e.2019.2.1017
Pike, R. J. (2000). Geomorphometry -diversity in quan-
titative surface analysis. Progress in Physical Geogra-
phy: Earth and Environment. 24(1): 1–20. https://doi.
org/10.1177/030913330002400101
Plan, L., Decker, K., Faber, R., Wagreich, M., Grasemann,
B. (2009). Karst morphology and groundwater vulnerabi-
lity of high alpine karst plateaus. Environmental Geology.
58(2): 285–297. https://doi.org/10.1007/s00254-008-1605-
5
Prost, G. L. (2013). Remote Sensing Systems. En G. L.
Prost (Ed.), Remote Sensing for Geoscientists (pp. 33–170).
CRC Press. https://doi.org/10.1201/b15638-5
Ramsey, C. L., Griffiths, P. A., Stokes, T. R. (2014). Mul-
ti-rotor unmanned aerial vehicles (UAVS) and high-reso-
lution compact digital cameras: A promising new method
129

for monitoring changes to surface karst resources. Acta
Carsologica. 43(2–3): 269–286. https://www.scopus.com/
inward/record.uri?eid=2-s2.0-84921895945&partnerI-
D=40&md5=1e829bb419bcf24744f1ed7aedbaeb45
Ravbar, N., Goldscheider, N. (2009). Comparative applica-
tion of four methods of groundwater vulnerability mapping
in a Slovene karst catchment. Hydrogeology Journal. 17(3):
725–733. https://doi.org/10.1007/s10040-008-0368-0
Rodríguez, M. J. (1981). Morfología cársica. Universidad
de la Habana, Cuba.
Roering, J. J., Stimely, L. L., Mackey, B. H., Schmidt, D.
A. (2009). Using DInSAR, airborne LiDAR, and archival
air photos to quantify landsliding and sediment transport.
Geophysical Research Letters. 36(19): 1-5. https://doi.or-
g/10.1029/2009GL040374
Roldán, J. J., Joossen, G., Sanz, D., del Cerro, J., Barrien-
tos, A. (2015). Mini-UAV based sensory system for me-
asuring environmental variables in greenhouses. Sensors.
15(2): 3334–3350. https://doi.org/10.3390/s150203334
Servicio Geológico Mexicano. (2007). Carta Geológi-
co-Minera Estados de Campeche, Quintana Roo y Yucatán,
escala 1:500,000.
Siart, C., Bubenzer, O., Eitel, B. (2009). Combining digital
elevation data (SRTM/ASTER), high resolution satellite
imagery (Quickbird) and GIS for geomorphological ma-
pping: A multi-component case study on Mediterranean
karst in Central Crete. Geomorphology. 112(1–2): 106–
121. https://doi.org/10.1016/j.geomorph.2009.05.010
Silva, O. L., Bezerra, F. H. R., Maia, R. P., Cazarin, C. L.
(2017). Karst landforms revealed at various scales using
LiDAR and UAV in semi-arid Brazil: Consideration on
karstification processes and methodological constraints.
Geomorphology. 295: 611–630. https://doi.org/10.1016/j.
geomorph.2017.07.025
Smith, M. J., Pain, C. F. (2009). Applications of remote
sensing in geomorphology. Progress in Physical Geogra-
phy: Earth and Environment. 33(4): 568–582. https://doi.
org/10.1177/0309133309346648
Smith, M. J., Rose, J., Booth, S. (2006). Geomorphological
mapping of glacial landforms from remotely sensed data:
An evaluation of the principal data sources and an assess-
ment of their quality. Geomorphology. 76(1–2): 148–165.
https://doi.org/10.1016/j.geomorph.2005.11.001
Sørensen, L. Y., Jacobsen, L. T., Hansen, J. P. (2017). Low
Cost and Flexible UAV Deployment of Sensors. Sensors.
17(12): 1–13. https://doi.org/10.3390/s17010154
Telbisz, T., Látos, T., Deák, M., Székely, B., Koma, Z.,
Standovár, T. (2016). The advantage of LiDAR digital
terrain models in doline morphometry compared to topo-
graphic map based datasets – Aggtelek karst (Hungary)
as an example. Acta Carsologica. 45(1): 5–18. https://doi.
130
El karst de México
org/10.3986/ac.v45i1.4138
Theilen-Willige, B., Malek, H., Charif, A., El Bchari, F.,
Chaïbi, M. (2014). Remote Sensing and GIS Contribution
to the Investigation of Karst Landscapes in NW-Morocco.
Geosciences. 4(2): 50–72. https://doi.org/10.3390/geos-
ciences4020050
Themistocleous, K., Agapiou, A., King, H. M., King, N.,
Hadjimitsis, D. G. (2014). More Than a Flight: The Ex-
tensive Contributions of UAV Flights to Archaeological
Research – The Case Study of Curium Site in Cyprus. En
M. Ioannides, N. Magnenat-Thalmann, E. Fink, R. Žarnić,
A.-Y. Yen y E. Quak (Eds.), Digital Heritage. Progress in
Cultural Heritage: Documentation, Preservation, and Pro-
tection (pp. 396–409). Springer International Publishing.
https://doi.org/10.1007/978-3-319-13695-0_38
Themistocleous, K., Agapiou, A., Lysandrou, V., Hadji-
mitsis, D. G. (2015). The use of UAVs for remote sensing
applications: case studies in Cyprus. SPIE Remote Sensing,
9. https://doi.org/10.1117/12.2195027
Toth, C., Jóźków, G. (2016). Remote sensing platforms and
sensors: A survey. ISPRS Journal of Photogrammetry and
Remote Sensing. 115: 22–36. https://doi.org/10.1016/j.ispr-
sjprs.2015.10.004
U. S. Geological Survey. (2022). Landsat 9 Data Users
Handbook (Issue February). https://d9-wret.s3.us-west-2.
amazonaws.com/assets/palladium/production/s3fs-public/
media/files/LSDS-2082_L9-Data-Users-Handbook_v1.pdf
Van Beynen, P. E., Niedzielski, M. A., Bialkowska-Jelins-
ka, E., Alsharif, K., Matusick, J. (2012). Comparative study
of specific groundwater vulnerability of a karst aquifer in
central Florida. Applied Geography. 32(2): 868–877. ht-
tps://doi.org/10.1016/j.apgeog.2011.09.005
Veni, G. (1999). A geomorphological strategy for conduc-
ting environmental impact assessments in karst areas. Geo-
morphology. 31(1–4): 151–180. https://doi.org/10.1016/
S0169-555X(99)00077-X
Vosselman, G., Maas, H. G. (2010). Airborne and terres-
trial laser scanning. CRC Press. https://research.utwente.
nl/en/publications/airborne-and-terrestrial-laser-scan-
ning-2
Waldhoff, G., Bubenzer, O., Bolten, A., Koppe, W., Bareth,
G. (2008). Spectral analysis of ASTER, Hyperion, and Quic-
kBird data for geomorphological and geological research in
Egypt (Dakhla Oasis, Western Desert). Proc. XXI ISPRS
Congress, Commission VIII. Citeseer. 37: 1201–1206.
https://www.researchgate.net/publication/239850314_
Spectral_analysis_of_ASTER_Hyperion_and_Quick-
Bird_data_for_geomorphological_and_geological_re-
search_in_Egypt_Dakhla_Oasis_Western_Desert
Walker, A. S. (1995). Analogue, Analytical and Digital
Photogrammetric Workstations: Practical Investigations of
 El karst de México

Peformance. The Photogrammetric Record. 15(85): 17–25. Management: Fairness through Community Engagement
https://doi.org/10.1111/0031-868X.00002 and Best Practices Development. Remote Sensing. 11(15):
1797. https://doi.org/10.3390/rs11151797
Walsh, S. J., Butler, D. R., Malanson, G. P. (1998). An
overview of scale, pattern, process relationships in geo- Yang, L., Meng, X., Zhang, X. (2011). SRTM DEM
morphology: a remote sensing and GIS perspective. Geo- and its application advances. International Journal
morphology. 21(3–4): 183–205. https://doi.org/10.1016/ of Remote Sensing. 32(14): 3875–3896. https://doi.
S0169-555X(97)00057-3 org/10.1080/01431161003786016
Waltham, T., Bell, F. G., Culshaw, M. (2005). Sinkholes Zhou, X., Chang, N. B., Li, S. (2009). Applications of SAR
and Subsidence. Springer-Verlag Berlin Heidelberg. ht- Interferometry in Earth and Environmental Science Re-
tps://doi.org/10.1007/b138363 search. Sensors. 9(3): 1876–1912. https://doi.org/10.3390/
s90301876
Wang, G., Xie, M., Chai, X., Wang, L., Dong, C. (2013).
D-InSAR-based landslide location and monitoring at Wu- Zhu, J., Taylor, T., Currens, J., Crawford, M. (2014). Im-
dongde hydropower reservoir in China. Environmental proved Karst Sinkhole Mapping in Kentucky using LiDAR
Earth Sciences. 69(8): 2763–2777. https://doi.org/10.1007/ Techniques: A Pilot Study in Floyds Fork Watershed. Jour-
s12665-012-2097-x nal of Cave and Karst Studies. 76(3): 207–216. https://doi.
org/10.4311/2013ES0135
Wasklewicz, T., Staley, D. M., Reavis, K., Oguchi, T.
(2013). Digital Terrain Modeling. En J. F. Shroder (Ed.),
Treatise on Geomorphology (Vol. 3, pp. 130–161). Aca-
demic Press. https://doi.org/10.1016/B978-0-12-374739-
6.00048-8
Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey,
M. J., Reynolds, J. M. (2012). “Structure-from-Motion”
photogrammetry: A low-cost, effective tool for geoscience
applications. Geomorphology. 179: 300-314 https://doi.or-
g/10.1016/j.geomorph.2012.08.021
White, W. B. (2002). Karst hydrology: recent develop-
ments and open questions. Engineering Geology. 65(2–3):
85–105. https://doi.org/10.1016/S0013-7952(01)00116-8
Whitehead, K., Hugenholtz, C. H., Myshak, S., Brown, O.,
LeClair, A., Tamminga, A., Barchyn, T. E., Moorman, B.,
Eaton, B. (2014). Remote sensing of the environment with
small unmanned aircraft systems (UASs), part 2: scientific
and commercial applications. Journal of Unmanned Vehi-
cle Systems. 02(03): 86–102. https://doi.org/10.1139/juvs-
2014-0007
Williams, P. (1972). Morphometric Analysis of Poly-
gonal Karst in New Guinea. Geological Society of
America Bulletin. 83(3): 761–796. https://doi.or-
g/10.1130/0016-7606(1972)83[761:MAOPKI]2.0.CO;2
Wilson, J. P. (2018). Constructing Digital Elevation Mo-
dels. In J. P. Willson (Ed.), Environmental Applications of
Digital Terrain Modeling, (pp. 23–52). John Wiley & Sons
Ltd. https://www.wiley.com/en-mx/Environmental+Appli-
cations+of+Digital+Terrain+Modeling-p-9781118938171
Wu, Q., Deng, C., Chen, Z. (2016). Automated delinea-
tion of karst sinkholes from LiDAR-derived digital ele-
vation models. Geomorphology. 266: 1–10. https://doi.or-
g/10.1016/j.geomorph.2016.05.006
Wyngaard, J., Barbieri, L., Thomer, A., Adams, J., Sullivan,
D., Crosby, C., Parr, C., Klump, J., Raj Shrestha, S., Bell,
T. (2019). Emergent Challenges for Science sUAS Data
131