El territorio cambia de forma continua: se abren caminos, avanzan los cultivos, se queman pastizales, crecen las ciudades y los ríos modifican su cauce. Las imágenes satelitales permiten observar esos cambios de manera sistemática, sobre grandes superficies y con un registro histórico de décadas. Sin embargo, comparar dos imágenes no es tan simple como ponerlas una al lado de la otra. En este artículo revisamos los métodos principales de detección de cambios con imágenes satelitales, el preprocesamiento necesario, las fuentes de datos disponibles y cómo validar los resultados.
Qué significa detectar cambios
Detectar cambios es identificar diferencias en el estado de la superficie terrestre entre dos o más fechas. El reto consiste en separar los cambios reales (una tala, una inundación, una nueva construcción) de las diferencias aparentes causadas por la atmósfera, la iluminación, la época del año o el propio sensor. Por eso la calidad del resultado depende tanto del método como de la preparación de las imágenes.
Métodos principales
Comparación post-clasificación
Se clasifica cada imagen por separado en categorías de cobertura (bosque, pastizal, cultivo, agua, área urbana, suelo desnudo) y luego se cruzan los mapas resultantes. La ventaja es que el resultado indica el tipo de transición, por ejemplo «de bosque a pastizal», y reduce el efecto de las diferencias radiométricas entre fechas. La desventaja es que los errores de cada clasificación se acumulan: si cada mapa tiene sus propios errores, el mapa de cambios tendrá más.
Diferencia de índices espectrales
Se calcula un índice en cada fecha y se resta. Los más usados son:
- NDVI (índice de vegetación de diferencia normalizada):
(NIR - Rojo) / (NIR + Rojo). Una caída marcada señala pérdida de vegetación. - NBR (índice normalizado de área quemada):
(NIR - SWIR2) / (NIR + SWIR2). La diferencia entre antes y después del evento, conocida como dNBR, se usa para delimitar quemas y estimar su severidad. - NDWI y sus variantes, útiles para seguir cuerpos de agua.
El paso crítico es definir umbrales: a partir de qué diferencia se considera cambio. Esos umbrales deben calibrarse con datos de referencia de la zona y no copiarse de otros estudios sin verificación.
Series temporales
En lugar de comparar dos fechas, se analiza la trayectoria de cada píxel a lo largo de muchas imágenes. Esto permite distinguir un cambio abrupto (desmonte) de uno gradual (degradación o regeneración) y de la variación estacional normal. Existen algoritmos específicos para detectar quiebres en series temporales, y las plataformas de procesamiento en la nube han hecho viable este enfoque sin descargar cada imagen.
Preprocesamiento: la base de un buen resultado
- Corrección atmosférica: convierta los datos a reflectancia de superficie. Hoy muchos proveedores distribuyen productos ya corregidos (nivel 2), lo que ahorra trabajo y mejora la comparabilidad entre fechas.
- Nubes y sombras: aplique las máscaras de calidad que acompañan a los productos y revise visualmente. Una nube no enmascarada puede aparecer como un «cambio» falso.
- Misma época del año: la vegetación responde a las estaciones. Comparar una imagen de la época húmeda con otra de la época seca mostrará diferencias que no son cambios de cobertura. Elija fechas equivalentes en el ciclo estacional.
- Co-registro: las imágenes deben superponerse con precisión. Un desplazamiento de un píxel genera cambios falsos en los bordes de caminos, ríos y parcelas.
- Consistencia de sensor: si combina sensores distintos, tenga en cuenta las diferencias en bandas espectrales y resolución, o use productos armonizados.
Fuentes de datos
| Fuente | Tipo | Resolución espacial | Uso destacado |
|---|---|---|---|
| Landsat | Óptico multiespectral | 30 m en Landsat 8 y 9 | Archivo histórico desde 1972 |
| Sentinel-2 | Óptico multiespectral | Hasta 10 m | Seguimiento frecuente, revisita de 5 días |
| Sentinel-1 | Radar de apertura sintética | Del orden de 10 m en su modo principal | Observación con nubes, de día o de noche |
Landsat ofrece el registro continuo más largo de observación de la Tierra, iniciado en 1972, lo que lo hace indispensable para reconstruir cambios de largo plazo. Las misiones más recientes, Landsat 8 y 9, entregan imágenes a 30 metros en las bandas multiespectrales.
Sentinel-2, del programa europeo Copernicus, alcanza 10 metros en las bandas visibles e infrarrojo cercano y, con su constelación de satélites, una revisita de alrededor de 5 días. Es adecuado para detectar cambios de menor tamaño y para seguimientos frecuentes.
Sentinel-1 es un radar que emite su propia señal y atraviesa las nubes. En zonas con cobertura nubosa persistente, como gran parte de la Amazonía durante la época de lluvias, permite mantener la observación cuando los sensores ópticos no ven la superficie. Su interpretación es distinta a la de una imagen óptica y requiere procesamiento específico, como la reducción del ruido speckle.
Los datos de Landsat y Sentinel son de acceso libre y gratuito, lo que reduce la barrera de entrada para instituciones públicas, municipios y organizaciones de la sociedad civil.
Validación: cuánto confiar en el mapa
Un mapa de cambios sin validación es una hipótesis. La práctica recomendada es:
- Diseñar un muestreo aleatorio o estratificado de puntos de verificación.
- Asignar a cada punto su clase real a partir de imágenes de mayor resolución, visitas de campo o ambos.
- Construir una matriz de confusión que compare la clase del mapa con la clase de referencia.
- Calcular la exactitud global, los errores de omisión (cambios reales que el mapa no detectó) y de comisión (cambios que el mapa marcó pero no ocurrieron).
En detección de cambios, la clase «cambio» suele ocupar una pequeña parte del área total, por lo que la exactitud global puede ser alta aun cuando el mapa detecte mal los cambios. Por eso conviene reportar la exactitud por clase y estimar las superficies ajustadas según los errores observados.
Aplicaciones en Bolivia y la región
- Deforestación y cambio de uso del suelo: seguimiento de la conversión de bosques a áreas agrícolas o ganaderas en tierras bajas.
- Quemas e incendios: delimitación de áreas quemadas y evaluación de severidad con índices como el NBR, tanto en bosques como en pastizales y sabanas.
- Expansión urbana: crecimiento de ciudades y periferias, útil para la planificación municipal y de servicios.
- Cuerpos de agua: variaciones en lagos, lagunas, embalses y cauces, relevantes ante sequías e inundaciones.
- Actividad minera: apertura de frentes, remoción de vegetación y alteración de riberas, incluida la minería aluvial en ríos amazónicos.
Recomendaciones prácticas
- Defina primero la pregunta: qué tipo de cambio, en qué área mínima y con qué frecuencia necesita conocerlo.
- Elija la fuente según esa pregunta: Landsat para el histórico, Sentinel-2 para detalle y frecuencia, Sentinel-1 para zonas nubladas.
- Documente fechas, sensores, umbrales y máscaras para que el análisis pueda repetirse.
- Reserve tiempo y presupuesto para la validación; es lo que convierte un mapa en evidencia.
La detección de cambios bien hecha permite pasar de la percepción a la medición y respaldar decisiones de gestión territorial con datos verificables. Si su organización necesita implementar un sistema de monitoreo del territorio, puede contactarnos.