ANÁLISIS DEL CAMBIO DE COBERTURA

VEGETAL DEL PARQUE NATURAL REGIONAL

SISCUNSÍ – OCETÁ (BOYACÁ), ENTRE LOS
AÑOS 1986 Y 2021 A TRAVÉS DE IMÁGENES
SATELITALES

SATELLITE IMAGE ANALYSIS OF VEGETATION

COVERAGE CHANGE IN THE NATURAL REGIONAL PARK
SISCUNSI-OCETA (BOYACÁ) BETWEEN 1986 AND 2021.
Laura Heidy Mendoza Aguilar
Código: 3101567
Ingeniera Geógrafa y Ambiental

Director trabajo de grado:

Ing. Fredy Gutiérrez

UNIVERSIDAD MILITAR NUEVA GRANADA

ESPECIALIZACIÓN EN GEOMÁTICA
JUNIO DE 2022
BOGOTÁ-COLOMBIA

1
 ANÁLISIS DEL CAMBIO DE COBERTURA
VEGETAL DEL PARQUE NATURAL REGIONAL
SISCUNSÍ - OCETÁ (BOYACÁ), ENTRE LOS
AÑOS 1986 Y 2021 A TRAVÉS DE IMÁGENES
SATELITALES

SATELLITE IMAGE ANALYSIS OF VEGETATION

COVERAGE CHANGE IN THE NATURAL REGIONAL PARK
SISCUNSI-OCETA (BOYACÁ) BETWEEN 1986 AND 2021.
Laura Heidy Mendoza Aguilar
Ingeniera geógrafa y ambiental
Especialista en Geomática
Universidad Militar Nueva Granada.
Bogotá, Colombia
est.laura.mendoza2@unimilitar.edu.co

RESUMEN

Los páramos son lugares estratégicos de gran importancia para el país porque son
ecosistemas ricos en flora y fauna de alta montaña, convirtiéndolos en captadores y
reguladores de agua atmosférica y también fijadores de dióxido de carbono; lo cual es
un factor relevante para controlar el cambio climático; sin embargo, las actividades
antrópicas como la deforestación, algunos incendios forestales, la minería y la
expansión de la frontera agrícola han venido deteriorando estos ecosistemas tan
imprescindibles para el ser humano.
Este proyecto tiene como zona de estudio el Parque Natural Regional (PNR) Unidad
Biogeográfica Siscunsí-Ocetá, ubicado en el Departamento de Boyacá, Colombia;
puesto que ha venido presentando cambios en su cobertura vegetal principalmente
por actividades antrópicas. En este estudio se realizó un análisis multitemporal de
cinco imágenes satelitales Landsat disponibles para el periodo comprendido entre los
años 1986 y 2021, en las cuales, mediante técnicas de fotointerpretación como la
clasificación supervisada y el índice de vegetación de diferencia normalizada, se
evaluó el tipo de vegetación del ecosistema y se identificaron los cambios en el uso de
la tierra. Así mismo, mediante un modelo estadístico de regresión se analizaron estos
cambios para determinar un posible escenario al año 2031. Como resultado se usaron
las categorías de la metodología Corine Land Cover, donde se obtuvo que el 58% del
área total del Parque presenta cambios en la cobertura vegetal durante este periodo,
entre estos el Bosque que disminuyo en un 8% su área para el año 2021, pero
coberturas como Herbazal predominaron en los años analizados. Sin embargo, no se
detectó una tendencia significativa entre las variables analizadas del área de cobertura

2
con relación al tiempo, puesto que la correlación más alta fue la vegetación de
Herbazal con una confiabilidad del 54%.
Palabras Clave: clasificación supervisada, análisis multitemporal, Páramo Siscunsi-
Oceta, regresión lineal, geomática.

ABSTRACT
The páramos are strategic places of great importance for the country because they are
ecosystems rich in high mountain flora and fauna, making them collectors and
regulators of meteorological water; and also carbon dioxide fixers, which is a relevant
factor to control climate change; however, human activities such as deforestation, some
forest fires, mining and the expansion of the agricultural frontier have been deteriorating
these ecosystems that are so essential for human beings.
This project has as study area the Regional Natural Park (PNR) Siscunsí-Ocetá
Biogeographical Unit, located in the Department of Boyacá, Colombia; since it has been
presenting changes in its vegetation cover mainly due to anthropic activities. In this
study, a multi-temporal analysis of five Landsat satellite images available for the period
between 1986 and 2021 was carried out, in which, through photo-interpretation
techniques such as supervised classification and the normalized vegetation index, the
type of vegetation was evaluated. of the ecosystem and changes in land use were
identified. Likewise, through a statistical regression model, these changes were
analyzed to determine a possible scenario for the year 2031. As a result, the categories
of the Corine Land Cover methodology were used, where it was obtained that 58% of
the total area of the Park presents changes in vegetation cover this period, including
the Forest, which decreased its area by 8%, but coverage such as Herbazal
predominated in the years analyzed. However, no significant trend is detected between
the variables analyzed, such as the coverage area in relation to time, for which the
highest connections were the Herbazal vegetation with a reliability of 54%.
Keywords: supervised classification, multitemporal analysis, Páramo Siscunsi-Oceta,
linear regression, geomatics.

3
 INTRODUCCIÓN
Los páramos andinos son definidos por Thomas van der Hammen como “zonas con
vegetación abierta, semi abierta, arbustiva y boscosa baja que se extiende más allá
del límite altitudinal del bosque andino o la vegetación xerofítica que reemplaza este
bosque”. [1] Estos páramos solo existen en la zona andina de Latinoamérica y en
algunas áreas de Centroamérica, en altitudes de 2.800 msnm hasta 4.000 msnm, con
temperatura media anual entre 4 y 10 ºC. [2] Colombia posee el 60% de los páramos
que existen en el mundo y ocupan el 1.7% del territorio nacional, y proveen de agua al
70% de la población del país. [3]
El Parque Natural Regional (PNR) Siscunsí – Ocetá, cuyo nombre en lengua Chibcha
significa “hogar del sol” [4] se encuentra ubicado entre los municipios de Monguí,
Mongua, Sogamoso y Aquitania y hace parte de un corredor ecológico entre los
páramos contiguos al lago de Tota y los asociados al Parque Nacional Natural (PNN)
Pisba; este pertenece a la jurisdicción y manejo de la Corporación Autónoma Regional
Corpoboyacá. En Colombia existen 59 áreas protegidas en la categoría de Parques
Naturales Regionales según el RUNAP, estos son delimitados de acuerdo a sus
características físicas y procesos ecológicos con el fin de ser destinados para su
preservación, restauración y disfrute. [5]
En el año 1993 con la Ley 99 se creó el Sistema Nacional Ambiental y se organizaron
las corporaciones autónomas regionales constituidas geográficas por tener un mismo
ecosistema, para liderar el desarrollo sostenible de la región, entre estas se encuentra
Corpoboyacá [6], quien declaro el Parque Natural Regional Unidad Biogeográfica
Siscunsí – Ocetá, mediante Acuerdo de Consejo Directivo número 27 de 2008 y lo
alinderó a través del Acuerdo 12 de 2011, quedando establecida un área total de
49.793.51 hectáreas, localizada en la jurisdicción de los municipios de Sogamoso,
Aquitania, Monguí y Mongua, con el objetivo de conservar la flora y la fauna, con fines
científicos, educativos o recreativos, pero no tuvo en cuenta su función como servicio
ambiental. [7]
En el año 2011, Corpoboyacá formuló el Plan de Manejo del Parque Natural Regional
Siscunsí – Ocetá mediante Convenio de Cooperación No. 110 de 2010, con el fin de
establecer programas como guarda páramos comunitarios, monitoreo y conservación
de biodiversidad, manejo de humedales y educación ambiental. Como metodología
para la elaboración de este plan, utilizaron una imagen de satélite SPOT (Satellite pour
l'Observation de la Terre) para trazar un polígono de delimitación externa del parque y
para zonificar el área protegida, quedando clasificada de la siguiente forma: 44.563 ha
como zona de conservación, 3.624 ha para zonas de restauración ecológica y 1.606
ha como zonas de uso múltiple. [8] Actualmente Corpoboyacá se encuentra en proceso
de actualización del Plan de manejo del PNR Siscunsí – Ocetá.
El páramo Siscunsi – Oceta tiene alta capacidad de retención de agua debido al tipo
de suelo y vegetación particular como son los frailejones, especie endémica muy
importante para la conservación de este ecosistema, por esta razón los páramos son
nacederos de importantes fuentes hídricas que abastecen de agua a diferentes
veredas y municipios. Lamentablemente, este ecosistema a través de los años ha

4
presentado fragmentación del bosque natural, debido a la quema de vegetación por
incendios naturales o por causas antrópicas que buscan tierras productivas para
cultivos tradicionales o para producción ganadera; las cuales, afectan de manera
considerable la dinámica del ecosistema de alta montaña, compactando y erosionando
el suelo, contaminando fuentes hídricas, reduciendo la captación de agua dulce y
ocasionando la pérdida de flora y fauna propia de esta zona. Igualmente, el desarrollo
de minería de carbón dentro del páramo es una gran amenaza para el recurso hídrico
de la región. [8]
El resultado del proyecto que expone este articulo sin duda, sirve de insumo para el
desarrollo de procesos de planificación y gestión para la protección, conservación y
restauración forestal del PNR Siscunsí – Ocetá. En la medida que se identifican y
cuantifican los cambios en la cobertura vegetal que ha experimentado este páramo en
los últimos 35 años permitiendo calcular un posible escenario futuro en el cambio de
cobertura vegetal. Para ello, se utilizaron herramientas de geomática como el software
ERDAS Imagen versión 2020 y ArcGIS versión 10.8, elementos; que facilitan el análisis
y procesamiento de imágenes satelitales de los cinco periodos seleccionados,
realizando una clasificación supervisada de la cobertura del suelo, basada en la
metodología Corine Land Cover [9] y la herramienta de regresión de análisis de datos
para realizar una proyección.

1. MATERIALES Y MÉTODOS
1.1 Área de estudio

El departamento de Boyacá posee el 18,31% de los páramos del país, entre estos está
el páramo de Tota-Bijagual-Mamapacha y allí se encuentra la zona estudiada,
correspondiente al Parque Natural Regional Siscunsí – Ocetá, que en lengua Chibcha
significa “hogar del sol”, localizado entre el lago de Tota y el PNN Pisba, con un área
total de 49.793,51 hectáreas, en un rango altitudinal que va desde los 3.000 msnm en
algunos sectores de Toquilla y Soriano en Aquitania y de Sirguazá en Mongua, hasta
más de 4.000 msnm en el cerro Volcán Amarillo, en la confluencia de los municipios
de Sogamoso y Monguí; [10] con temperaturas promedio que oscilan entre los 6 y 12°C
y una precipitación media entre 1000 y 2000 mm por año, presentando una
clasificación climática según IDEAM de muy frío- húmedo.

5
 Mapa 1. Localización PNR Siscunsí-Ocetá
Fuente: Elaboración propia

Mapa 2. Páramos Departamento de Boyacá

Fuente: Elaboración propia

A partir de la delimitación y declaratoria del Parque Natural Siscunsí-Ocetá, mediante

el Acuerdo 27 de 2008, se establecieron tres zonas de protección según la vocación
del suelo; la zona de preservación que incluye áreas de páramo, matorral y bosque
alto andino, con un área de 44.568 ha; la zona de restauración, que son zonas del
ecosistema afectadas por la tala y quema del páramo, cuya área es de 3.877 ha y una
zona de uso sostenible, que representa las áreas productivas como cultivos
tradicionales que ocupan un área de 1.349 ha [10].

6
Fotografía 1. PNR Siscunsí-Ocetá, Sogamoso Fotografía 2. PNR Siscunsí-Ocetá, Monguí
Fuente: Laura Mendoza (2016) Fuente: Laura Mendoza (2019)

Fotografía 3. Amenaza por sobre-pastoreo de ganado

equino en el páramo de Siscunsí, veredas Las
Cintas y Mortiñal, municipio de Sogamoso
Fuente: Neotropical (2010)

1.2 Metodología

En la Figura 1 se presenta el esquema metodológico implementado en la investigación,

que consta de tres fases: preparatoria, pre procesamiento de datos y fase de análisis
de resultados, en la cual se analizaron los procesos de clasificación supervisada, el
índice NDVI y el modelo de regresión.

7
 Figura 1. Esquema metodológico
Fuente: Elaboración propia

FASE I. PREPARATORIA

Identificación y recopilación de información

Se recolectó y clasificó la información sobre el páramo y el Parque Natural Regional,

proporcionada por Corpoboyacá, dentro de la cual se cuenta con el Plan de Manejo
Ambiental del PNR Siscunsí-Ocetá del año 2011 e información cartográfica como la
zonificación del Parque, además de una ortofoto del área de estudio con resolución
espacial de 0,5 m del año 2016.

Así mismo, se recopilo información cartográfica secundaria del IDEAM descargada

desde la plataforma SIAC (Sistema de Información Ambiental para Colombia)1, sobre
coberturas de la tierra año 2000, el mapa de ecosistemas año 2017, temperatura
media anual según pisos térmicos 1971-2000 y promedio climático entre los años 1981
y 2010. Adicionalmente, en el programa de la NASA FIRMS (Fire Information for
Resource Management System) se obtuvieron los puntos de incendios ocurridos en la
zona de estudio desde el año 2001 hasta el 2021, herramienta que basada en el
satélite MODIS (Moderate Resolution Imaging Spectroradiometer) lanzado en órbita
terrestre por la NASA en 1999, permite detectar áreas cubiertas por nieve y hielo, ya
que posee bandas sensibles a los incendios porque distingue los gases que produce
el fuego disperso en la atmosfera. [11]

1 http://www.siac.gov.co/catalogo-de-mapas

8
 Selección de imágenes satelitales

Por medio el servidor “Earth Explorer” del Servicio Geológico de Estados Unidos
(USGS)2 se seleccionó la zona de estudio y se buscaron imágenes del mismo satélite
y que tuvieran la misma resolución espacial, para que el análisis multitemporal fuese
más preciso; como condición se debía contar con un cubrimiento de nubosidad inferior
al 20% que permitiera observar la cobertura boscosa de la zona de estudio, para ello
se eligieron y descargaron cinco imágenes Landsat 4, 5, 7 y 8 de resolución media,
obtenidas con su sensor Thematic Mapper (TM) y DATUM WGS 84.
NUMERO
RESOLUCIÓN
NOMBRE DE LA IMÁGEN SATELITE DE FECHA DE GENERACIÓN
ESPACIAL
BANDAS

LT05_L2SP_007056_19860113_20200918_02_T1 Landsat 5 7 30 m x 30 m 13 de enero de 1986

LT04_L2SP_007056_19920902_20200914_02_T1 Landsat 4 8 30 m x 30 m 2 de septiembre de 1992

LE07_L2SP_007056_20060520_20200914_02_T1 Landsat 7 7 30 m x 30 m 20 de mayo de 2006

LE07_L1TP_007056_20160124_20200903_02_T1 Landsat 7 8 30 m x 30 m 24 de enero de 2016

LC08_L2SP_007056_20210113_20210308_02_T1 Landsat 8 7 30 m x 30 m 13 de enero de 2021

Tabla 1. Características de imágenes satelitales

Fuente: Elaboración propia

Definición del periodo de estudio

La imagen satelital más antigua que se obtuvo con las características establecidas fue
del año 1986 y la más reciente de enero del 2021, de ahí se eligió un conjunto de 5
imágenes con una diferencia promedio entre ellas de 8 años.

FASE II. PRE-PROCESAMIENTO DE DATOS

Para este proyecto es importante conocer que la teledetección o percepción remota es

la ciencia encargada de obtener información de objetos, utilizando la radiación
electromagnética emitida por la superficie terrestre, que comprende una variedad de
longitudes de onda que abarca desde rayos gamma hasta ondas de radio. [12] Para
ello se emplea el software ERDAS que permite realizar procesamientos, análisis e
interpretación de información ráster [13].

2 https://earthexplorer.usgs.gov/

9
 Figura 2. Representación del espectro electromagnético de las radiaciones usadas en teledetección
Fuente: A.F. García, 2010 [14]

Lo primero que se realizó con las imágenes descargadas es un proceso de

“Layerstack”, mediante el cual se unen de manera ordenada diferentes bandas de la
imagen satelital, generando un solo archivo, después se creó un área de interés AOI
(Area Of Interest) en forma rectangular que cubriera la zona del PNR Siscunsí-Ocetá
para considerar información del contexto que pudiera ser relevante para el estudio y
con la herramienta “Subset & Chip” se efectuó este recorte para cada imagen satelital.

También se realizó la corrección radiométrica de las distorsiones y ruidos en las

bandas, mediante la herramienta “Fix landsat 7 scanline errors” y se utilizó el método
de realce “Standard deviation stretch” de ERDAS para dar uniformidad a la imagen, a
través de la desviación estándar alrededor de la media.

Con la combinación de las bandas multiespectrales de los satélites Landsat se puede

interpretar y analizar más fácil la cobertura vegetal, ya que éstas resaltan diferentes
aspectos como cuerpos de agua, usos de suelo y vegetación. A continuación, se
relacionan algunas posibles combinaciones para estos satélites. [15]

10
 COMBINACIÓN DE BANDAS
LANDSAT 5 y 7 LANDSAT 8 Aplicación
Para realzar información del agua:
R-G-B (Color natural) 3,2,1 4,3,2 turbidez, corrientes y sedimentos en
suspensión
Estudios de vegetación, monitoreo
drenajes, patrones del suelo y de
NIR-R-G (Falso color) 4,3,2 5,4,3
diferentes etapas de crecimiento de los
cultivos.
Estudios de geología, agricultura y de
SWIR 2-NIR-G 7,4,2 8,5,3 humedales, así como en casos de
incendios forestales
Estudio de inundaciones y áreas con
NIR-SWIR 1-B 4,5,1 5,6,2
vegetación.
Demuestra diferencias en humedad y es
NIR-SWIR 1-R 4,5,3 5,6,4 útil en el análisis de condiciones del suelo
y vegetación
Estudios de vegetación, agricultura,
SWIR 1-NIR-R 5,4,3 6,5,4 producción de madera y en infestación
de plagas.
Tabla 2. Combinación de bandas Landsat
Fuente: J. W. Quinn,, 2001 [16].

Para este estudio se utilizó la combinación NIR (infrarrojo cercano), SWIR 1 (infrarrojo
de onda corta) y RED (rojo) que corresponde a las bandas 5, 6 y 4 para analizar las
imágenes de Landsat 8; para las imágenes Landsat 5 y 7 se usó la misma
combinación, pero con las bandas 4, 5 y 3; las cuales realzan los distintos tipos de
vegetación con tonos verdes y naranjas y delimita con gran detalle el agua de la tierra.

11
 Figura 3. Landsat 5 año 1986, composición (4-5-3)

Clasificación supervisada
La clasificación supervisada se realizó para obtener una imagen temática a partir de
las bandas de la imagen satelital descargada, usando el software ERDAS Imagine se
establecieron las zonas de entrenamiento (Figura 4) seleccionando una muestra de
pixeles de la imagen para identificar la cobertura vegetal, esto a una escala de 1:80.000
puesto que la resolución espacial de las imágenes es de 30 metros.
Conforme al análisis de la metodología Corine Land Cover adaptada para Colombia
escala de 1:100.000; se establecieron estas cinco categorías para el Parque Natural
Regional del nivel 3. [9]

12
 Nivel Categoría Imagen bandas
3 NIR, SWIR 1 y RED
2.3.1 Pasto limpio

3.1.1 Bosque denso

3.2.1 Herbazal (vegetación de

paramo)

3.2.2 Arbustal

3.3.3 Tierra desnuda

Tabla 3. Coberturas definidas para clasificación supervisada según Corine Land Cover

Figura 4. Zonas de entrenamiento para imagen satelital año 2021

Fuente: Elaboración propia

Para poder generar un modelo de clasificación se seleccionan varias áreas por cada
categoría donde el software evalúa el valor de cada pixel y con la matriz de errores
analiza la exactitud global de la clasificación de la imagen; también, con la herramienta
“Overall Classification Accuracy” se relacionan los elementos acertados de la

13
clasificación de cada clase analizada con respecto al total de los elementos para
estimar diferentes tipos de errores, en esta imagen el resultado fue del 60% de
aciertos.
También se generó el estadístico Kappa que “Es una medida de la diferencia entre la
exactitud lograda en la clasificación con un software y la exactitud de lograr una
clasificación correcta con una clasificación visual”. [17] Para esta clasificación el índice
Kappa dio como resultado 0.4521 y de acuerdo a la escala del coeficiente de kappa,
la fuerza de concordancia es moderada

Coeficiente de kappa Fuerza de

(k) concordancia
< 0,00 Pobre
0,00 - 0,20 Leve
0,21 - 0,40 Aceptable
0,41 - 0,60 Moderada
0,61 - 0,80 Considerable
0,81 - 1,00 Casi perfecta
Tabla 4. Coeficiente Kappa
Fuente: ONU-REDD-PARAGUAY, 2016

Después de tener la clasificación supervisada, se usó el filtro Neighborhood

(vecindario) que consiste en suavizar la imagen, transformando los datos originales
para que se parezcan más a los píxeles vecinos, y por último con la clasificación
resultante de las cinco imágenes satelitales se compararon las áreas para cada tipo
de cobertura y su transformación en un periodo de 35 años.
Para realizar el análisis multitemporal del cambio de coberturas se empleó el software
ArcGIS, donde se cargaron las cinco imágenes clasificadas anteriormente por el
software ERDAS y se calculó el área de cada polígono; después se utilizó el filtro
“Eliminate” para que los polígonos menores a 1,25 ha, se agruparan con los polígonos
de mayor tamaño, lo cual simplifica y elimina el ruido de la imagen; se determinó esta
área porque la escala a la que se trabajó es 1:25.000. Posteriormente con la
herramienta “Smooth polygon” y con una tolerancia de 300 metros se suavizaron los
bordes de los polígonos y por último con un “Dissolve” se agruparon los polígonos de
la misma clase para recalcular el área y porcentaje de cada tipo de cobertura vegetal.
Índice NDVI
Utilizando el Sotfware ArcGIS y sus herramientas para el análisis y mapeo de datos,
dentro de los Sistemas de Información Geográfica [18], se realizó un estudio
complementario calculando el índice de vegetación de diferencia normalizada (NDVI -
Normalized Difference Vegetation Index) para estimar la calidad y desarrollo de la
vegetación con base en la medición de la intensidad de radiación, con base en las
bandas infrarrojo cercano y reflectancia del rojo visible del espectro electromagnético
que emite la vegetación. Para la imagen satelital Landsat 8 del año 2021 la banda
infrarrojo cercano es B5 y la banda rojo visible es B4, con la herramienta “Raster
calculator” se aplicó la siguiente ecuación [19].
14
 NDVI = ((IR - R) / (IR + R))
IR = valores de píxel de la banda infrarroja
R = valores de píxel de la banda roja

Una vez calculado el NDVI se reclasificaron en cinco coberturas de la tierra teniendo

en cuenta los siguientes rangos:
Clase Valores de NDVI Cobertura de la tierra Descripcion
Rios, quebradas, lagunas,
1 < -0.1 Clases no vegetales
nubes
Tierras degradadas,
2 -0.1 - 0.15 Tierra desnuda asentamientos, vias, suelo sin
cobertura vegetal
Tierras cultivadas, herbazales,
3 0.15 - 0.25 Vegetacion dispersa arbustos, pastizales, terreno
arado para cultivo
Vegetacion leñosa, plantacion
4 0.25 - 0.40 Vegetacion abierta
arbustiva, bosque seco
Plantas densas en crecimiento,
5 > 0.40 Vegetacion cerrada
bosque humedo
Tabla 5. Clasificación para las coberturas de la tierra en relación al valor NDVI
Fuente: [20]

Modelo de regresión
La regresión lineal es una técnica estadística empleada para construir un modelo
predictivo de una variable dependiente (y) en función de una o más variables
independientes (x1, x2, x3…xn) [21].
Con el valor del área de los diferentes tipos de cobertura vegetal definidos por la
metodología de Corine Land Cover empleados como variable dependiente y teniendo
como variable independiente el año de las imágenes satelitales, se construyó un
modelo de regresión usando la herramienta de análisis de datos, obteniendo la
siguiente información:

Tabla 6. Modelo de regresión

Fuente: Elaboración propia

15
Teniendo estos datos se aplicó la ecuación estimada de regresión lineal simple, que
se utiliza para predecir el valor de una variable dependiente según el valor de una
variable independiente, para este caso la variable que vamos a predecir es el área de
cobertura vegetal para el año 2031.
y = ax + b [21]
Donde:
y = variable dependiente a predecir
x = variable independiente (años)
a = pendiente (variable X1)
b = coeficiente de intercepción

2. RESULTADOS Y DISCUSIÓN

2.1 Análisis multitemporal

A continuación, se presenta la clasificación supervisada resultante para cada año y el
área de cada cobertura vegetal.

Figura 5. Clasificación supervisada

Fuente: Elaboración propia

16
 1986 1992 2006 2016 2021
Área Área Área Área Área
CLASE % % % % %
(ha) (ha) (ha) (ha) (ha)
Herbazal 13929 27.8 11685 23.34 15218 32.82 14433 30.49 21263 42.51
Bosque
denso 11082 22.1 12749 25.47 9606 20.72 11217 23.69 7124 14.24
Arbustal 7648 15.3 11086 22.14 7541 16.26 3289 6.95 7571 15.14
Tierra
desnuda 11460 22.9 8562 17.10 12329 26.59 8481 17.91 8822 17.64
Pasto
limpio 5917 11.8 5982 11.95 1675 3.61 9923 20.96 5235 10.47
Tabla 7. Clasificación cobertura vegetal
Fuente: Elaboración propia

Con la información de las áreas de cobertura vegetal obtenidas para los cinco años
seleccionados, se evidencia que la cobertura predominante en cada año es la
cobertura natural de herbáceas de páramo, que cuenta con especies como Espeletia
sp (frailejón), Lupinus guascensis (lupinos morados) y senecios sp. [8], alcanzando un
porcentaje del 42% en relación al área total del Parque para el año 2021; le sigue la
cobertura de Tierra desnuda con un 17% la cual se encuentra directamente
relacionada con la pendiente del terreno puesto que existen sectores donde la
pendiente es del 50% generando un suelo escarpado y carente de vegetación.
Igualmente, en este Parque existen otros accidentes geográficos como monolitos,
peñas y formaciones rocosas, que quedaron identificados como Tierra desnuda.
Un cambio significativo en el análisis realizado es el área de Bosque, que disminuyó
en un 8% del año 1986 al 2021, esta vegetación se encuentra distribuida sobre el límite
oriental del Parque, en los municipios de Aquitania y Mongua.

Cambios temporales en el tipo de cobertura

25000

20000
Herbazal
Área (ha)

15000
Bosque denso
10000
Arbustal
5000 Tierra desnuda
0 Pasto limpio
1980 1990 2000 2010 2020 2030
Año

Figura 6. Cobertura vegetal vs tiempo

Fuente: Elaboración propia

17
En la figura 6, se observa que los tipos de cobertura fluctúan alrededor del promedio
de cada tipo sin presentar una tendencia a aumentar o disminuir el área, no obstante,
en el análisis del área de bosque denso este tiende a disminuir cuando aumenta la
cobertura de tierra desnuda, existiendo una relación inversamente proporcional,
mientras que el herbazal y la tierra desnuda muestran un comportamiento similar hasta
el año 2016, pero en el año 2021 aumenta drásticamente el área de la cobertura de
herbazal.
Así mismo, se destacan las coberturas de arbustal y de pasto limpio porque no
cumplen una tendencia ya que fluctúa a través del tiempo, pero en el año 2016 se
evidencia que mientras se reduce el área de arbustal aumenta el área de pasto limpio,
posiblemente por la presencia de actividades ganaderas en el sector.
Para visualizar mejor los principales cambios de coberturas ocurridos en este periodo
de 35 años, se realizó una “intersección” entre la clasificación del año 1986 y año 2021,
usando el siguiente código Python empleado en ArcGIS, para comparar si ocurrió o no
un cambio en la cobertura vegetal, donde se utilizó la función check para comparar
cada polígono de la imagen ubicada en la misma posición, en relación al campo 1 que
es el año 1986 y al campo 2 que es el año 2021 (figura 7). Luego, se concatenaron las
columnas de tipo de cobertura para identificar el cambio específico de cada polígono.
def check(field1, field2):
if field1==field2:
return "NO"
else:
return "SI"
CAMBIO =
check(micampo1, micampo2)

18
 Figura 7. Cambios de cobertura entre año 1986 y 2021.
Fuente: Elaboración propia

Como resultado tenemos que aproximadamente 29.153 ha, que equivalen al 58% del
área total del Parque Natural Regional, presentaron cambios en la cobertura vegetal
durante este periodo, siendo más predominante el cambio en la zona sur-oriental que
corresponde al municipio de Aquitania, probablemente porque tiene mayor presión
antrópica; mientras que en la zona sur-occidental en límites entre Sogamoso y
Aquitania no se evidencian grandes cambios.

19
 Tipo de transición de cobertura
5000

Arbustal - Herbazal
4500
Tierra desnuda - Herbazal
4000
Bosque denso - Arbustal

3500
Pasto limpio - Tierra
desnuda
3000 Arbustal - Bosque denso
Área (ha)

2500 Bosque denso - Pasto

limpio
Herbazal - Bosque denso
2000

Bosque denso - Herbazal

1500
Tierra desnuda - Arbustal

1000
Herbazal - Arbustal

500 Herbazal - Tierra desnuda

0 Pasto limpio - Arbustal

Sum_Area
Tipo de transición

Figura 8. Tipo de transición y área de cambio de cobertura vegetal

Fuente: Elaboración propia

20
 Figura 9. Cambios especificos en cobertura vegetal
Fuente: Elaboración propia

En la gráfica de barras (Figura 8) se representan las áreas de todos los cambios

ocurridos en el Parque y en el mapa (Figura 9) se identifican los cambios de cobertura
significativos, favorables en términos ambientales, representados en color verde, como
lo es el cambio de vegetación Arbustal a Bosque y de Tierra desnuda a Herbazal, lo
cual se debe a las acciones de conservación y restauración realizadas por entidades
del gobierno.
A pesar de esto, existen cambios negativos, representados en colores rojizos, como
ocurre con algunas zonas de Bosque que cambiaron a Pastizal, de acuerdo a
información secundaria y al cruce con cartografía base, se observa que las zonas
donde ocurrieron estos cambios se encuentran asociadas a la cercanía de caminos de
herradura y viviendas, y a altitudes de 3500 msnm; zonas que pueden ser usadas en
actividades agrícolas como cultivos de papa y cebolla.
Así mismo, se realizó el traslape de los cambios de cobertura con los puntos de
incendios obtenidos del satélite MODIS entre el año 2001 y 2021 ocurridos en este
Parque; los cuales indican que se presentaron 169 eventos de incendios forestales
con mayor ocurrencia en los meses de enero y febrero (Figura 10), esto se debe a que
21
son los meses con menor precipitación en este sector, de acuerdo con el análisis del
promedio climático del IDEAM entre los años 1981 y 2010; donde el promedio de
precipitación para enero es de 21 mm y para febrero de 34 mm, siendo los meses más
secos del año. Por otro lado, se evidenció que el año con mayor número de incendios
forestales fue el 2004 con 46 eventos, seguido del año 2007 con 20 eventos (Figura
9).
Al hacer este análisis se encontró que existe una relación con la transformación de
cobertura de Herbazal y Pastos a cobertura de Tierra desnuda, puesto que algunos
incendios forestales fueron provocados con el propósito de ampliar la zona de pastizal
para ganadería, como lo indican en el informe del plan de manejo del PNR.

Incendios forestales
50 46

40
No. Eventos

30
18 20
20 16
12
6 7 6 7 6 8
10 3 3 3 2 2
1 1 1 1 0
0
Año

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
2012 2013 2014 2015 2016 2017 2018 2019 2020 2021

Figura 9. Incendios forestales ocurridos entre 2001 y 2021

Frecuencia
100 95
90
80
70
60 54
50
40
30 17
20
10 0 0 0 0 0 0 0 0 3 0
0

Figura 10. Frecuencia de incendios forestales

22
2.2 índice NDVI
El índice de vegetación de diferencia normalizada NDVI sirve para estimar la salud de
la vegetación, a través de la clorofila, puesto que esta absorbe luz visible y refleja
intensamente la luz infrarroja cercana, indicando que la vegetación es más saludable,
sus valores están en un rango de > -1.0 a 1.0, para el cálculo realizado a la imagen
Landsat 8 del año 2021, la cobertura que predomina es la vegetación dispersa con un
60%, esta consiste en herbazales y arbustos, vegetación propia de los páramos,
también se encuentra la tierra desnuda en el 12.8%, puesto que este paramo tiene
zonas escarpadas y rocosas ubicadas en la parte alta de las montañas; además, en la
(Figura 11) se puede identificar claramente los cuerpos de agua como el Lago de Tota
al costado sur-occidental y varias pequeñas lagunas dentro del Parque.

Figura 11. Clasificación NDVI año 2021

Fuente: Elaboración propia

Valores de Área Porcentaje

Cobertura vegetal
NDVI (ha) %
< -0.1 Clases no vegetales 260 0.5
0.15 Tierra desnuda 6.391 12.8
0.25 Vegetación dispersa 30.360 61.0
0.40 Vegetación abierta 12.694 25.5
> 0.40 Vegetacion cerrada 97 0.2
Tabla 8. Áreas de coberturas del NDVI

23
2.3 Modelo de regresión
Se realizó un diagrama de dispersión para cada cobertura vegetal relacionando el área
en hectáreas para cada año y se calculó una línea de predicción con la ecuación y =
ax + b teniendo en cuenta la pendiente de la línea y el coeficiente de intercepción,
donde nos muestra la tendencia que tendría el área de la cobertura a través del tiempo.

En los diagramas de análisis de regresión no se detecta una correlación significativa

de los datos que tenemos en relación al tiempo, así mismo, al momento de generar el
modelo de regresión tenemos que tener en cuenta el ajuste del modelo con el dato del
coeficiente de determinación R^2; si este valor es cercano al 100% quiere decir que
se está haciendo una buena predicción en la variable dependiente; pero para las
coberturas analizadas no se logró tener un coeficiente cercano al 100% como lo
muestra la siguiente tabla.

Coeficiente de
Cobertura vegetal
determinación R^2
Herbazal 54%
Pasto limpio 2.4%
Tierra desnuda 15%
Bosque denso 47%
Arbustal 32%
Tabla 9. Coeficiente de determinación

Igualmente debe analizarse el dato de probabilidad de la intercepción y de la

pendiente, estos deben ser menores a 0.05 para que sean significativos; lo cual no
ocurre con los datos obtenidos en este estudio, ya que el más cercano fue 0.15; con
esto podemos concluir que no se detecta una tendencia significativa entre las variables
área de cobertura vegetal con relación al tiempo. Sin embargo, para poder determinar
un comportamiento en el tipo de coberturas del Parque, es preciso aumentar el tamaño
de la muestra, para lo cual es necesario contar preferiblemente con datos anuales.
A continuación, se muestran los diagramas de dispersión y la proyección para el año
2031 de cada área de cobertura vegetal, donde se predice que puede ocurrir un
descenso en la cobertura de bosque denso, arbustal, tierra desnuda y herbazal,
mientras que en la cobertura de pasto limpio puede ocurrir un aumento de área.

24
 Figura 12. Proyección de Herbazal Figura 13. Proyección de Pasto limpio

Figura 14. Proyección de Tierra desnuda Figura 15. Proyección de Bosque denso

25
 Figura 16. Proyección de Arbustal

AÑOS 1986 1992 2006 2016 2021 2031

CLASE Área (ha) Área (ha) Área (ha) Área (ha) Área (ha) Área (ha)
Herbazal 13929 11685 15218 14433 21263 20011
Bosque denso 11082 12749 9606 11217 7124 6558
Arbustal 7648 11086 7541 3289 7571 4617
Tierra desnuda 11460 8562 12329 8481 8822 8670
Pasto limpio 5917 5982 1675 9923 5235 6558
Tabla 10. Predicción de coberturas al año 2031.
Fuente: Elaboración propia

3. CONCLUSIONES

La implementación de herramientas de Geomática para este tipo de estudios sin

duda, facilitan el procesamiento y análisis de imágenes satelitales, con lo que se
permite determinar los cambios de cobertura vegetal en un determinado periodo de
tiempo, estimar la abundancia de la vegetación midiendo la intensidad de radiación
del espectro electromagnético y, por consiguiente, proponer posibles escenarios
futuros.

Con este estudio se concluye que el Parque Natural Regional Siscunsí-Ocetá presenta
como cobertura predominante a lo largo de 35 años la vegetación de herbazal con un
promedio de 31% sobre el área total, teniendo un área de 21.263 ha para el año 2021,
seguido del bosque y tierra desnuda con un promedio de 20%. Sin embargo, el área
de bosque disminuyo en un 8% del año 1986 al 2021, debido a la búsqueda de tierras

26
más productivas para cultivos tradicionales y para la ganadería por parte de los
campesinos del sector.

Los cambios de cobertura de mayor extensión se encuentran ubicados en la zona sur-

oriental del Parque que corresponde al municipio de Aquitania, sobresaliendo el
cambio de arbustal a bosque, probablemente como resultado de las acciones de
conservación y restauración contempladas en el Plan de manejo ambiental del Parque
del año 2011, esto señala la importancia de los proyectos de restauración, incluso con
mayor impacto que el ecoturismo, que en numerosas ocasiones termina afectando el
ecosistema de estos Parques.

Al analizar los puntos de incendios forestales ocurridos dentro del Parque se encontró
que existe una relación con la transformación de cobertura de herbazal y pastos a
cobertura de tierra desnuda, puesto que en estas zonas transformadas se presentaron
incendios forestales detectados por el sensor del satélite MODIS. Así mismo, los
meses donde se presentaron más eventos de incendios forestales fueron enero,
febrero y marzo, un dato importante para tener en cuenta en la prevención por parte
de la administración del Parque.

En cuanto al modelo de regresión lineal se evidenció que no existe correlación entre

los datos, porque no hay una tendencia que se pueda detectar a través del tiempo, lo
que significa que los datos obtenidos en este estudio no fueron suficientes o tal vez,
existieron errores al tomar las muestras para la clasificación de las imágenes
satelitales, confundiéndose los pixeles debido a la baja resolución de estas imágenes;
posiblemente también por el bajo conocimiento en campo de la zona de estudio; todo
esto conlleva a que la predicción realizada para el año 2031, no sea suficientemente
confiable.

Lo anterior, destaca la importancia de realizar recorridos de campo e identificar los

diferentes tipos de cobertura vegetal para este tipo de estudios, así como contar con
una muestra más amplia de datos anuales, lo que debe ser complementado con el
acceso a imágenes satelitales de mejor resolución, que permitan minimizar los errores
al momento de realizar la clasificación supervisada.

27
 REFERENCIAS BIBLIOGRAFICAS

[1] Thomas van der Hammen, El estudio de la vegetación en Colombia, Bogotá, 1997.

[2] UICN, Los paramos del mundo. Proyecto atlas mundial de los páramos, Quito, 2003.

[3] Greenpeace, «Páramos en peligro. El caso de la mineria de carbon en Pisba,» 2013.

[4] Ladera sur, «Una visita al páramo de Ocetá, en Colombia: un paraíso de otra latitud,» 2020. [En
línea]. Available: https://laderasur.com/destino/una-visita-al-paramo-de-oceta-en-colombia-un-
paraiso-de-otra-latitud/.

[5] Parques Nacionales Naturales de Colombia, «RUNAP,» 2021. [En línea]. Available:
https://runap.parquesnacionales.gov.co.

[6] Corporación Autónoma Regional de Cundinamarca - CAR, «La CAR : Antecedentes y

perspectivas,» 2017. [En línea]. Available: http://hdl.handle.net/20.500.11786/33652.

[7] Corpoboyacá, Acuerdo 005, 2012.

[8] Corpoboyacá & Fundacion Neotropical, «Formulacion del Plan de manejo del Parque Natural
Regional Siscunsi - Oceta, mediante la participacion local y la actualizacion de los planes de
manejo preexistentes para los paramos de Siscunsi y Oceta,» Tunja, 2011.

[9] IDEAM, Leyenda nacional de coberturas de la tierra. Metodología CORINE Land Cover adaptada
para Colombia Escala 1:100.000, Bogotá: Instituto de Hidrología, Meteorología y Estudios
AmbientalesInstituto de Hidrología, Meteorología y Estudios Ambientales, 2010.

[10] Neotropical, de Plan de manejo ambiental Parque natural regional unidad biogeografica
Siscunsí-Ocetá, Corpoboyacá, 2011, p. 9.

[11] NASA, «MODIS,» [En línea]. Available: https://modis.gsfc.nasa.gov/data/dataprod/mod14.php.

[Último acceso: 2022].

[12] M. L. García, «Satelites de teledeteccion para la gestion territorial,» 2012.

[13] Hexagon, «ERDAS IMAGINE: World-Class Remote Sensing Software,» [En línea]. Available:
https://www.hexagongeospatial.com/products/power-portfolio/erdas-imagine/erdas-imagine-
remote-sensing-software-package. [Último acceso: 2022].

[14] Á. F. García, «El espectro electromagnético,» 2010. [En línea]. Available:

http://www.sc.ehu.es/sbweb/fisica/cuantica/negro/espectro/espectro.htm.

28
[15] C. F. y. L. Herrero, Analisis visual de imagenes obtenidas del sensor ETM + satelite Landsat,
España, 2001.

[16] J. W. Quinn, «Band Combinations,» 2001. [En línea]. Available:

http://web.pdx.edu/~nauna/resources/10_BandCombinations.htm .

[17] INTA castelar, «Metodos estadisticos de la evaluacion de la exactitud de productos derivados de

sensores remotos,» Argentina.

[18] esri Colombia, «ArcGIS,» [En línea]. Available: https://www.esri.co/es-

co/productos/arcgis/inicio. [Último acceso: 2022].

[19] ESRI, «ArcGIS for Desktop,» 2016. [En línea]. Available:

https://desktop.arcgis.com/es/arcmap/10.3/manage-data/raster-and-images/ndvi-
function.htm.

[20] C. Rios, «Comparación de técnicas para determinar cobertura vegetal y usos de la tierra en
áreas de interés ecológico. Ecuador,» 2015.

[21] C. Carollo, «Regresión Lineal Simple,» Departamento de estadistica e investigacion operativa,

2011.

[22] M. R. Barrios, «Estudio multitemporal para la determinacion de cambios en el uso del suelo en
el complejo de paramos Tota-Bijagual-Mamapacha para el periodo 1992-2012,» Bogotá, 2014.

[23] E. b. d. Franz, «Lista de combinaciones de bandas en Sentinel 2,» 2019. [En línea]. Available:
https://acolita.com/lista-de-combinaciones-de-bandas-en-sentinel-2a/.

[24] N. H. Vargas, «Implementacion de biomodelos estimativos de la calidad ecositemica en el

nevado del Cocuy al año 2030 producto del retroceso glaciar,» Univerisdad Distrital convencio
Agustin Codazzi, 2017.

[25] K. Rodriguez, «Correlacion lineal y analisis de regresion,» Universitat Oberta Catalunya, 2010.

[26] IDEAM, «Promedio climático entre los años 1981 y 2010,» SIAC, [En línea]. Available:
http://www.siac.gov.co/catalogo-de-mapas.

29