ESCUELA DE INGENIERÍA AGRARIA Y FORESTAL

TRABAJO FIN DE MÁSTER

MÁSTER UNIVERSITARIO EN GEOINFORMÁTICA PARA LA GESTIÓN
DE RECURSOS NATURALES

VARIABILIDAD ESPACIOTEMPORAL DE LA COBERTURA FORESTAL A

PARTIR DE HERRAMIENTAS INTERACTIVAS Y TELEDETECCIÓN

SPATIOTEMPORAL VARIABILITY OF FOREST COVER FROM INTERACTIVE

TOOLS AND REMOTE SENSING

Estefanía Navarro Monterroza

Tutor: Ramón Álvarez Esteban

Cotutor: Alfredo Fernández Landa

Ponferrada, Septiembre de 2022

 ÍNDICE
1. INTRODUCCIÓN .............................................................................................................. 2

2. OBJETIVOS ....................................................................................................................... 6

2.1. Objetivo general .......................................................................................................... 6

2.2. Objetivos específicos ................................................................................................... 7

3. MATERIAL Y METODOLOGÍA ..................................................................................... 7

3.1. Área de estudio ............................................................................................................ 7

3.2. Datos ............................................................................................................................ 9

3.2.1. Datos satelitales – GFC ........................................................................................ 9

3.2.2. Datos de GFC para la implementación de la herramienta interactiva ................ 11

3.2.3. Datos auxiliares .................................................................................................. 12

3.3. Software ..................................................................................................................... 12

3.3.1. R ......................................................................................................................... 12

3.3.2. ArcGis ................................................................................................................ 13

3.4. Metodología ............................................................................................................... 13

3.4.1. Personalización de la zona de estudio ................................................................ 13

3.4.2. Descarga de datos de GFC ................................................................................. 14

3.4.3. Procesamiento de los datos de GFC ................................................................... 15

3.4.4. Aplicación Shiny ................................................................................................ 17

4. RESULTADOS ................................................................................................................. 18

4.1. Variabilidad espaciotemporal de la deforestación en el PNN Tinigua ...................... 19

4.2. Variabilidad espaciotemporal de la deforestación en el PNN Los Picachos ............. 23

4.3. Comparación con otras aplicaciones de monitoreo de cambios de la cobertura forestal

................................................................................................................................... 26

4.3.1. Global Forest Watch (GFW) .............................................................................. 26

4.3.2. EarthMap ............................................................................................................ 27

I
 4.4. Comparación de los datos de pérdida de cobertura arbórea de los PNN Tinigua y Los
Picachos con los de la plataforma EarthMap ............................................................ 29

5. DISCUSIÓN ..................................................................................................................... 30

5.1. Desarrollo de la herramienta...................................................................................... 30

5.2. Aplicación de la herramienta ..................................................................................... 31

6. CONCLUSIONES ............................................................................................................ 33

7. BIBLIOGRAFÍA .............................................................................................................. 35

ANEXOS 1 – 7. Enlace del repositorio de Bitbucket con los Anexos del 1 – 7 ……………..40

ANEXO 8. Muestras de los datos descargables de GFC....................................……………...41

II
 ÍNDICE DE TABLAS

Tabla 1. Características de algunos de los sensores usados históricamente para el análisis de la

cobertura forestal a nivel regional y global ..................................................................... 6

Tabla 2. Bandas empleadas por la aplicación GFC para determinar la pérdida de bosque ........ 10

Tabla 3. Ficheros en formato ráster que se descargan de manera automática del sitio web de GFC
....................................................................................................................................... 12

Tabla 4. Funciones creadas en el desarrollo de la herramienta para el análisis de la variabilidad

espaciotemporal de la pérdida de bosque...................................................................... 17

Tabla 5. Scripts generados en la elaboración de la herramienta para el análisis de la variabilidad

espaciotemporal de la cobertura forestal ....................................................................... 19

Tabla 6. Área total, media y máxima deforestada en el PNN Tinigua en el período 2001-2019 20

Tabla 7. Área total, media y máxima deforestada en el PNN Los Picachos en el período 2001-
2019............................................................................................................................... 23

Tabla 8. Comparación de las características de las plataformas GFW, EarthMap y la herramienta

elaborada ....................................................................................................................... 28

Tabla 9. Área total deforestada anual de los PNN Los Picachos y Tinigua obtenida de la
plataforma EarthMap y a partir de la herramienta creada ........................................... 29

III
 ÍNDICE DE FIGURAS

Figura 1. Áreas definidas para el entrenamiento piloto de la herramienta ................................. 8

Figura 2. Representación del año de pérdida de bosque descargada de la aplicación GFC en

formato raster para el período 2001 – 2019 ............................................................. 11

Figura 3. Diagrama de trabajo para calcular la pérdida de bosque anual. En amarillo, la

asignación del espacio de trabajo; en negro, la creación de la zona de estudio; en azul,
la descarga de datos de GFC; y en verde, el procesamiento de los datos ................ 18

Figura 4. Variabilidad anual de la deforestación total en el PNN Tinigua .............................. 20

Figura 5. Comparación de los escenarios de deforestación en el PNN Tinigua para los años
2003 y 2018 .............................................................................................................. 21

Figura 6. Visualización en leaflet de la variabilidad espaciotemporal de la deforestación en el

PNN Tinigua en el período 2001-2019 .................................................................... 22

Figura 7. Acercamiento a una de las zonas internas del PNN Tinigua con mayor deforestación
reciente ..................................................................................................................... 22

Figura 8. Acercamiento de la Figura 6 con filtro aplicado de 50 ha ........................................ 22

Figura 9. Variabilidad anual de la deforestación total en el PNN Los Picachos ...................... 24

Figura 10. Comparación de los escenarios de deforestación en el PNN Los Picachos para los
años 2003 y 2018 .................................................................................................... 24

Figura 11. Visualización en leaflet de la variabilidad espaciotemporal de la deforestación en el

PNN Los Picachos en el período 2001-2019.......................................................... 25

Figura 12. Acercamiento a una de las zonas internas del PNN Los Picachos ......................... 25

Figura 13. Acercamiento de la Figura 12 con filtro aplicado de 25 ha .................................... 26

Figura 14. Visualización de los datos de pérdida de cobertura arbórea para un polígono
personalizado en la plataforma de GFW ................................................................ 26

Figura 15. Visualización de los datos de pérdida de cobertura arbórea en la plataforma de

EarthMap para una región definida ........................................................................ 28

IV
 RESUMEN

Con el objeto de estudiar la variabilidad espaciotemporal de la cobertura forestal en un área

global personalizada, se desarrolló la herramienta interactiva que facilita la descarga de los
datos en formato ráster de pérdida de bosque disponibles en la plataforma Global Forest Change
(GFC) en el período 2001 – 2019 a partir de un polígono definido. Asimismo, la herramienta
procesa los datos a través de funciones para la creación de tablas, la elaboración de diagramas
y la representación cartográfica de la información. Esta herramienta de libre acceso permite al
usuario personalizar variables como la zona de estudio, la proporción de cobertura arbórea de
acuerdo con el tipo de bosque evaluado y el panel comparativo de dos o más años de
deforestación a partir de la definición de las entradas de las funciones.

Los resultados de este trabajo muestran la utilidad de implementar herramientas de

visualización de los escenarios de la deforestación en cualquier área de interés a nivel global a
partir de datos adquiridos por teledetección y mediante el uso de softwares libres. En este caso,
se implementaron algunas librerías, entre las que están gfcanalysis y leaflet que permitieron
analizar los datos de GFC y desarrollar un panel dinámico con elementos que pueden ser
manipulados por el usuario, respectivamente. Además, el carácter de libre acceso del código
permite que cualquier usuario lo modifique y aplique las mejoras requeridas.

Con el fin de comprobar la eficacia de la herramienta, se ejecutaron los códigos teniendo

en cuenta dos polígonos correspondientes a los Parque Nacionales Naturales (PNN) Tinigua y
Los Picachos ubicados en la Amazonía colombiana. Los resultados obtenidos comprueban la
crisis de los bosques en algunas áreas protegidas del país, dadas las vastas áreas deforestadas,
especialmente en el año 2018. Asimismo, estos resultados aportan mecanismos para la
formulación de estrategias de conservación de los bosques.

Palabras clave: variabilidad espaciotemporal, herramienta interactiva, bosque, Global

Forest Change, deforestación, teledetección.

ABSTRACT

To study the spatiotemporal variability of forest cover in a customized global area, the
interactive tool is developed that facilitates the download of data in raster format of forest loss
available on the Global Forest Change (GFC) platform in the period 2001 – 2019 based on
defined polygon. Likewise, the tool processes the data through functions for the creation of
tables, the elaboration of diagrams and the cartographic representation of the information. This

1
freely accessible tool allows the user to customize variables such as the study area, the
proportion of tree cover according to the type of forest evaluated and the comparative panel of
two or more years of deforestation based on the definition of the entries of the functions.

The results of this work show the usefulness of implementing tools for visualizing
deforestation scenarios in any area of interest at a global level based on data acquired by remote
sensing and through the use of free software. In this case, some libraries were implemented,
such as gfcanalysis and leaflet that allowed to analyze the GFC data and develop a dynamic
panel with elements that can be manipulated by the user, respectively. In addition, the freely
accessible nature of the code allows any user to modify it and apply the required improvements.

In order to verify the effectiveness of the tool, the codes were executed taking into account
two polygons corresponding to the Tinigua and Los Picachos National Natural Parks (PNN)
located in the Colombian Amazon. The results obtained prove the crisis of the forests in some
protected areas of the country, given the vast deforested areas, especially in 2018. These results
also provide mechanisms for the formulation of forest conservation strategies.

Keywords: spatiotemporal variability, interactive tool, forest, Global Forest Change,

deforestation, remote sensing.

1. INTRODUCCIÓN

Los bosques y los ecosistemas asociados brindan servicios ecosistémicos a escala regional
y global, abarcando desde la provisión de materiales esenciales para la supervivencia de las
especies hasta la regulación del ciclo hidrológico (Potapov et al., 2008). En 2015 la cobertura
forestal a nivel mundial era de 4.000 millones de hectáreas, de las cuales un 44% se encuentra
en los países tropicales, 8% en los subtropicales, 26% en los países templados y 22% en la zona
boreal, aunque la franja tropical tiene la mayor proporción de bosque, según Keenan et al.
(2015), en esta zona se produjo la mayor pérdida de cobertura forestal con un 10% del total de
los bosques en el período de 1990 a 2015. Geist y Lambin (2002) afirman que la deforestación
en el trópico es una de las principales causas del cambio ambiental del planeta, influenciada por
causas globales como el desarrollo de la economía de mercado y la expansión de tierras
agrícolas, y por causas regionales como los modos distintos de expansión agrícola local y la
infraestructura.

Dado el papel trascendental de los bosques para la conservación de la vida en la Tierra,

asimismo ante las dinámicas complejas de orden político y económico que los afectan, la
Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO) realizó las
2
primeras evaluaciones periódicas globales del estado de los bosques desde el año 1948 hasta
1963 con una frecuencia quinquenal, luego lanzó una serie en 1980 limitada a los trópicos, y a
partir de 1990 la evaluación ha tenido una cobertura global basada en la difusión de datos
nacionales presentados por los gobiernos (Keenan et al., 2015; Lanly, 1981; FAO, 1982; 1993).
En este orden, también han sido loables y valiosos los esfuerzos de otras organizaciones e
instituciones por conocer la dinámica forestal a nivel regional y global a partir de las
herramientas disponibles en el tiempo.

Inicialmente, la recopilación de los datos de cobertura forestal a nivel global se realizó a

través de un formulario con preguntas esenciales enviado por la FAO a los gobiernos de cada
país donde debían reportar las estadísticas más recientes de los recursos forestales (FAO, 1947).
Ante este panorama, la FAO publica el informe con los datos recopilados e indica que algunos
países brindaban información más detallada que otros, era común la escasez de respuestas,
hacían estimaciones provisionales y no todos los países emitían informes oficiales.
Posteriormente, a partir de 1980, la FAO complementaba la información recopilada en las
encuestas con imágenes satelitales multitemporales que permitían arrojar estadísticas con
intervalos de diez años para la zona tropical (FAO, 2002). De manera más reciente, para el año
2014, 112 países que representan el 83% del área forestal global informaron que tenían una
evaluación nacional forestal basada en inventarios de campo, sensores remotos o ambos (FAO,
2016).

En las últimas cuatro décadas, los métodos para monitorear la cubierta arbórea han
evolucionado de manera consecuente con los avances de los sensores remotos, los cuales
permiten obtener resultados con el menor de los costos, en un tiempo reducido en comparación
con los métodos tradicionales de campo, y monitorear áreas extensas y de difícil acceso (Santos
et al., 2014).

Los primeros polígonos de bosque donde se analizaron los cambios en la cobertura

mediante información de sensores remotos corresponden a la Amazonía Brasileña, para los años
1978 y 1988 se midieron las áreas deforestadas y el bosque fragmentado con base en las
imágenes de las misiones Landsat Multispectral Scanner (MSS) y Landsat Thematic Mapper
en un estudio llevado a cabo por Skole y Tucker (1993). En este orden y dado los avances de
Brasil en el análisis de datos de teledetección, surge el primer proyecto de monitoreo anual de
deforestación denominado PRODES (Hansen et al., 2010), reportando información desde el
año 1988 de la deforestación en la Amazonía Brasileña a partir de las imágenes de los satélites

3
Landsat 8/OLI, CBERS 4 e IRS-R2 (Instituto Nacional de Investigaciones Espaciales – INPE,
2022).

A nivel global, Hansen et al. (2010) realizaron una estimación general del área de la
cobertura forestal y de la pérdida bruta de cobertura forestal en el período comprendido entre
2000 a 2005 empleando datos satelitales de los sensores MODIS y Landsat 7 Enhanced
Thematic Mapper Plus (ETM+), lo que complementó los datos forestales de la FAO para ese
período, en el sentido que los autores brindaron mayor consistencia de los datos de pérdida de
bosque en el espacio y el tiempo por el uso de información global obtenida mediante
teledetección; y cuantificaron el área biofísica y de pérdida de bosque partiendo de la cobertura
de la tierra en lugar del uso del suelo, lo que brinda mayor exactitud en si la cubierta forestal
está presente realmente. Entre las limitaciones que encuentran Hansen et al. (2010) de los datos
de la FAO está la variación de los métodos entre países para determinar la cobertura forestal, la
definición de ‘bosque’ en función del uso del suelo, y los cambios a lo largo del tiempo de la
definición de lo que se considera ‘bosque’.

En el año 2013, ante el precipitado avance y sofisticación del registro de la superficie

terrestre mediante métodos remotos, Hansen et al. (2013) publican anualmente desde el año
2000 los mapas globales del cambio de la cubierta forestal en alta resolución con base en el
análisis de las imágenes del satélite Landsat 7 ETM+. Con el propósito de elaborar las
actualizaciones anuales, los autores establecieron y unificaron los indicadores para determinar
el concepto de cobertura forestal, y para definir la pérdida y ganancia de bosque en sintonía con
las herramientas utilizadas. Esta información está disponible y se puede descargar desde la
plataforma de Global Forest Change (GFC) (https://glad.earthengine.app/view/global-forest-
change). A partir del año 2013 hasta el último registro que corresponde al del año 2021, el
procesamiento se realiza con base en las escenas del satélite Landsat 8 Operational Land Imager
(OLI), el cual se lanzó en febrero del 2013. Los datos de GFC fueron usados para el presente
trabajo, por lo que se describen con mayor detalle en la sesión de Material y Metodología.

En este trabajo se han mencionado siete misiones satelitales que han contribuido al
monitoreo de la cobertura arbórea desde el año 1978 cuando se limitaba a la Amazonía
Brasileña hasta la actualidad donde se cuenta con registros globales, estos son: Landsat 3 MSS,
Landsat Thematic Mapper, Landsat 7 ETM+, MODIS, IRS-2, Landsat 8 OLI y CBERS 4, a
través de los cuales se ha evolucionado y mejorado la precisión de la información de cobertura
arbórea de la Tierra.

4
 El primer satélite usado para conocer el estado biofísico de un polígono de bosque de una
región específica fue Landsat 3 MSS (1972-1983), el cual tenía dos bandas en el infrarrojo
cercano (NIR) y dos en el espectro visible (USGS, 2022a); luego, se implementaron las
imágenes del satélite Landsat 4-5 Thematic Mapper (1982-2012), el cual contaba con tres
bandas en el espectro visible, una en el NIR, dos en el infrarrojo de onda corta (SWIR) y una
en el infrarrojo térmico (TIR), para un total de siete bandas (USGS, 2022a). La novedosa
detección en el espectro de SWIR ofrecida por la misión Thematic Mapper representó avances
en el análisis de la cobertura arbórea, dado que la combinación de algunas bandas con SWIR
permite discriminar los tipos de bosque (Murakami, 2006) y, de acuerdo con la compañía
European Space Imaging, la longitud de onda SWIR tiene la capacidad de penetrar el humo de
los incendios para capturar la imagen de la superficie.

En cuanto al sensor CBERS 4, surge de una alianza chino-brasileña ante el interés de ambas
naciones de monitorear las extensas áreas de vegetación de Brasil y China, así como los suelos
de vocación agrícola (Instituto Nacional de Investigaciones Espaciales – INPE, 2019), por lo
que cuenta con sensores específicos para el monitoreo de cierto tipo de cobertura. De este modo,
CBERS 4 cuenta con tres bandas en el espectro visible, una en el NIR, dos en el SWIR y una
en el TIR, para un total de siete bandas (Satellite Imaging Corparation, 2022). En el caso del
sensor IRS-R2 de origen indio, complementa los datos para el monitoreo de la deforestación en
la Amazonía brasileña y cuenta con dos bandas en el espectro visible, una en el NIR y una el
SWIR (European Space Agency, 2022). Ambos sensores se encuentran activos.

Para los primeros análisis globales de cobertura arbórea se utilizaron las escenas del satélite
Landsat 7 ETM+, el cual se encuentra activo y tiene la misma composición de bandas que
Landsat Thematic Mapper más una banda pancromática (USGS, 2022a). Posterior a este
satélite, se lanza el Landsat 8 OLI con una composición de tres bandas en el espectro visible,
una en el NIR, dos en el SWIR, una pancromática, una para estimar la cantidad de aerosol en
la atmósfera, una para la detección de cirros, y dos en el TIR, para un total de once bandas
(USGS, 2022c). Estos avances tecnológicos de los sensores Landsat mejoraron la capacidad de
detección de los cambios de la superficie terrestre (Hansen et al. 2013). Asimismo, para el
seguimiento de la dinámica de la cobertura arbórea a nivel global, se han usado desde 1999
hasta la actualidad, los datos del sensor MODIS adquiridos en 36 bandas de los espectros
visibles, NIR, SWIR y TIR (USGS, 2022b). La Tabla 1 muestra algunas características de los
sensores mencionados, entre las que están las resoluciones espacial, temporal y radiométrica,
el número de bandas, el país de origen, el año de lanzamiento y si se encuentra activo o inactivo.

5
Tabla 1. Características de algunos de los sensores usados históricamente para el análisis de la cobertura forestal
a nivel regional y global
Landsat
Landsat 3 Landsat 7 Landsat 8
Thematic MODIS IRS-R2 CBERS 4
MSS ETM+ OLI
Mapper
Año de
1978 1982 1999 1999 2011 2013 2014
lanzamiento
País de Estados Estados Estados Estados Estados China-
India
origen Unidos Unidos Unidos Unidos Unidos Brasil
Condición Inactivo Inactivo Activo Activo Activo Activo Activo
Número de
4 7 8 36 4 11 7
bandas
Resolución 250 – 500 23,5 – 5,8 15 – 30 y
60 30 30 y 60 20 y 64
espacial (m) y 1000 y 56 100
Resolución
18 días 16 16 días 1 – 2 días 24 días 16 días 26 días
temporal
Resolución
8 bits 8 bits 8 bits 12 bits 7 – 12 bits 12 bits 8 bits
radiométrica

Existe una amplia disponibilidad de datos adquiridos mediante teledetección con diferentes
características que se ajustan a las necesidades del usuario, sin embargo, la descarga, el
procesamiento y la interpretación de estos datos puede ser complejo para personas no expertas.
Por esta razón, se han creado plataformas en línea que ofrecen información de la cobertura
terrestre que brindan los datos procesados, asimismo, facilitan el acceso de la información
proveniente de sensores satelitales. Una de esas plataformas es GFC, la cual proporciona los
datos en formato ráster de pérdida y ganancia de bosque a partir del procesamiento de un
conjunto de bandas de los satélites Landsat 7 ETM+ y Landsat 8 OLI.

En el presente trabajo se desarrolla una herramienta interactiva que facilita la descarga, el

procesamiento y la representación cartográfica de los datos ráster de pérdida de cobertura
forestal disponibles en la plataforma de GFC a partir de un área personalizada por el usuario.
Para lo cual se requiere un conocimiento básico en programación, especialmente del programa
R. La herramienta se implementó en dos áreas protegidas de la Amazonía colombiana que
presentan niveles alarmantes de deforestación en los últimos años.

2. OBJETIVOS

2.1. Objetivo general

El objetivo del presente trabajo es desarrollar una herramienta interactiva para el análisis
espaciotemporal de la dinámica de bosque a nivel global a partir de los datos ráster
proporcionados por la plataforma GFC, dada la disponibilidad de información y de recursos de
libre acceso en línea. En este sentido, se crea una herramienta a partir del procesador

6
RMarkdown y del paquete Shiny de R, que permite extraer los datos de la aplicación GFC para
un área determinada por el usuario, procesar los datos de la pérdida de bosque ocurrida en el
período 2001-2019, generar las tablas, las gráficas y la representación cartográfica asociada.

2.2. Objetivos específicos

1. Extraer y analizar información de la dinámica de bosque a partir de los datos ráster

disponibles en la plataforma de GFC mediante el desarrollo de funciones en el programa R

2. Generar gráficos representativos de tendencia anual de deforestación para un área

determinada que permitan analizar la dinámica temporal de la pérdida de bosque

3. Crear una herramienta interactiva para el análisis de la dinámica de bosque de un área

personalizada a nivel global mediante el paquete Shiny de R

4. Ensayar la herramienta interactiva en dos áreas piloto y comparar los resultados con las
herramientas de análisis de pérdida de bosque existentes

3. MATERIAL Y METODOLOGÍA

Este apartado engloba la descripción del área seleccionada para el entrenamiento piloto de
la herramienta, el origen de los datos usados, los softwares utilizados, la metodología empleada
y el listado de las funciones creadas. Para el entrenamiento se consideraron dos áreas de bosque
protegidas ubicadas en la Amazonía colombiana, debido a las condiciones de alerta que
presentan a causa de las vastas áreas deforestadas en los últimos años. Se espera que esta
herramienta aporte nuevos elementos para el análisis de la variabilidad espaciotemporal de la
cobertura forestal en un área de interés, a partir de datos adquiridos mediante teledetección en
las dos últimas décadas.

3.1. Área de estudio

La herramienta se implementó en dos polígonos correspondientes a los Parques Nacionales

Naturales (PNN) Tinigua y Los Picachos, ubicadas en el departamento del Meta en la Amazonía
colombiana (ver Figura 1). Por la riqueza natural, Tinigua y Los Picachos pertenecen al Área
de Manejo Especial La Macarena (AMEM) conformada por otros dos parques nacionales
nombrados Sumapaz y Sierra de la Macarena, que se caracterizan por la diversidad biológica
dada la confluencia de los ecosistemas andino, orinocense y amazónico (Parques Nacionales
Naturales de Colombia, 2022).

7
 Figura 1. Áreas definidas para el entrenamiento piloto de la herramienta

El área del PNN Tinigua tiene una magnitud de 201.875 ha que corresponden a bosque
húmedo tropical con una temperatura de alrededor 25°C y precipitación de 3.000 mm anuales
(Colparques, 2022a). De acuerdo con Colparques (2022a), entre las especies de flora presentes
están bombacopsis quinata, licania lasseri, eschweilera cabrerana, eschweilera bracteosa,
eschweilera sp, trattinickia lawrencei, trattinickia rhoifolia, myroxylon balsamum, brosimum
alicastrum, castilla ulei, astrocaryum chambira, triparis americana, duroia hirsuta, cecropia
sciadophylla, cecropia membranácea y garcinia madruno.

Por otro lado, el área del PNN Los Picachos es de 439.000 ha con precipitación de 4.000
mm anuales en sectores bajos y 5.000 mm en sectores con altura entre 500 y 1.000 m
(Colparques, 2022b). Con relación al ecosistema, Colparques (2022b) indica que está
constituido por selvas húmedas en el piso térmico cálido hasta páramos en la mayor altitud,
conformado con vegetación de sabanas altas, medias y bajas; bosques altos, medios y bajos;
herbazales; y bosques aluviales inundables.

8
 Para la implementación de la herramienta se tuvo en cuenta el PNN Tinigua dado que es el
área protegida de Colombia que más bosque perdió entre los años 2017 y 2018 de acuerdo con
los datos reportados por la Dirección Territorial Orinoquia de PNN. Se estima que para el año
2017 se deforestaron en Tinigua aproximadamente 3.000 ha de bosque, lo que se incrementó
en el 2018 a casi 12.000 ha, y en 2019 alcanzaron a deforestar alrededor de 6.500 (Paz, 2021).
El factor principal del acaparamiento de tierras ha sido la expansión de la ganadería en el
territorio, y en menor medida la agricultura y la siembra de cultivos ilícitos, lo que ha
conllevado a la tala masiva y a la quema de bosques (Semana, 2020).

En cuanto al PNN Los Picachos, en al año 2017 ocupó el cuarto lugar en la lista de áreas
protegidas más afectadas por la tala de bosque con 1.064 ha deforestadas (IDEAM, 2017), y
para el año 2018 se talaron 2.045 ha (Semana, 2019) destinadas a la ganadería, principalmente.
La deforestación en Los Picachos no sólo implica la pérdida de flora y fauna que constituyen
los ecosistemas de la selva húmeda, sino que afecta la regulación del ciclo hidrológico, debido
a que en este parque está el punto de mayor precipitación de la Amazonía y ante la ausencia de
vegetación se disminuye la retención de humedad en el suelo y la evapotranspiración (Acuña,
2019).

La crisis de la deforestación en Colombia no se limita a los PNN Tinigua y Los Picachos,

para el año 2017 Colombia alcanzó un pico de deforestación de casi 220.000 ha en todo el
territorio ante un escenario político complejo, en tanto que en el 2016 fue de aproximadamente
180.000 (IDEAM, 2017). Entre los hechos que han influido en el aumento precipitado de la
pérdida de los bosques del país está que en el año 2016 las Fuerzas Revolucionarias Armadas
de Colombia (FARC) firmaron el acuerdo de paz con el gobierno saliente, lo que generó riesgos
ambientales dado que las FARC en el ejercicio de guerra protegían involuntariamente vastas
áreas de bosque usadas como camuflaje (Salazar et al., 2021; Salazar et al., 2018). Ante este
panorama, y agravando la situación, el gobierno entrante (2018-2022) sostuvo su política en el
desconocimiento de los acuerdos de paz, adicionalmente, la participación del sector de
Ambiente y Desarrollo Sostenible en el Presupuesto General de la Nación en el período 2018-
2020 fue de las más bajas en una década (Salazar et al., 2022).

3.2. Datos

3.2.1. Datos satelitales – GFC

Las observaciones de la Tierra a partir de sensores remotos ofrecen bases de datos globales
de libre acceso que permiten monitorear la superficie a través de un procesamiento

9
computacional adecuado (Hansen et al., 2022). En el desarrollo de la aplicación para el análisis
espaciotemporal de la pérdida de la cobertura forestal en un área determinada se emplearon los
datos producidos y publicados en la aplicación GFC (https://glad.earthengine.app/view/global-
forest-change) por Hansen et al. (2013), que provee los datos y las herramientas para el
monitoreo anual de los bosques entre el período 2001 – 2021, en asociación con el laboratorio
Global Land Analysis and Discovery (GLAD) de la Universidad de Maryland
(https://glad.umd.edu/), el cual investiga las causas y los impactos de los cambios de la
cobertura de la tierra a partir del desarrollo de métodos automáticos usando datos satelitales
(Amani, 2017).

La Versión 1.0 de los datos de la dinámica de bosque que suministra GFC se basan en el
análisis de series temporales de imágenes capturadas por el sensor Landsat 7 ETM+ en las
bandas 3, 4, 5 y 7 (Hansen et al., 2013), que cuenta con registros a partir del año 1999 hasta el
presente. Las versiones posteriores emplean los datos del sensor Landsat 8 OLI a partir del año
2013 en las bandas 4, 5, 6 y 7 (ver Tabla 2), tal como se indica en el sitio web de descarga de
datos de GFC. Estos datos corresponden a teselas con resolución espacial de 30 m por píxel,
resolución radiométrica de 8 bits y resolución de 10 ° de latitud y 10 ° de longitud.
Tabla 2. Bandas empleadas por la aplicación GFC para determinar la pérdida de bosque
Landsat 7 ETM+ Landsat 8 OLI
Región del Resolución
Longitud de Longitud de
Banda Banda espectro espacial
onda (µm) onda (µm)
3 0,626-0,693 4 0,630-0,680 Rojo 30 m
4 0,776-0,904 5 0,845-0,885 Infrarrojo cercano 30 m
5 1,567-1,784 6 1,560-1,660 SWIR 1 30 m
7 2,097-2,349 7 2,100-2,300 SWIR 2 30 m

El preprocesamiento de las imágenes Landsat en GFC consiste en remuestreo de las

imágenes, conversión de valores digitales (DN) a reflectancia en la parte superior de la
atmósfera (TOA), detección de elementos que interfieren en el análisis de las imágenes como
nubes, sombras y agua, evaluación de la calidad de las imágenes, normalización, y evaluación
de la precisión en regiones y continentes (Hansen et al., 2013), lo que facilita el manejo de los
datos por el usuario. Luego del preprocesamiento, los autores definen la pérdida de bosque por
píxel a través de la pendiente de mínimos cuadrados de la regresión de pérdida de cobertura
anual versus año.

10
 Para GFC los árboles se definen como la vegetación con altura superior a 5 m en cada píxel
de 30 x 30 m (Hansen et al., 2013), en tanto que para determinar si el píxel es bosque o no, se
aplica el ‘umbral de cobertura arbórea’ (Zhang et al., 2020), el cual varía entre 0 y 100 % y se
establece de acuerdo con las características del bosque evaluado. Por otro lado, la pérdida de
bosque se define como una perturbación de reemplazo de rodales, es decir, áreas libres de
vegetación superior a 5 m. Este análisis lo realiza GFC de manera global en un área de 128.8
millones de Km2, lo que equivale a 143 mil millones de pixeles Landsat (Hansen et al., 2013).

En este sentido, la aplicación GFC ofrece al usuario la posibilidad de descargar la

información en formato ráster con una resolución de 10° en la latitud y 10° en la longitud del
año de pérdida de bosque (lossyear); ganancia de bosque (gain); porcentaje de cobertura arbórea
por píxel para el año 2000 (treecover2000); una capa con la información de superficie mapeada,
área sin datos y cuerpos de agua permanentes (datamask); imagen de referencia sin nubes
cercana al año 2000; e imagen de referencia sin nubes del último año de análisis, que en este
caso es el 2019.

Para el desarrollo de la aplicación, sólo se ha tenido en cuenta el año de pérdida de bosque,

es decir, la capa denominada ‘lossyear’, que se calcula a partir del reemplazo de rodales. La
Figura 2 es una muestra de los datos de pérdida anual de bosque con valores en el rango de 0 a
19, es decir, 0 significa que no hay pérdida, en tanto que del 1 al 19 representa los pixeles con
reemplazo o pérdida de bosque en el período 2001-2019. En el Anexo 8 se presentan las
muestras de los datos descargables de GFC que no fueron consideradas en este estudio, pero
que se descargan automáticamente con las líneas del código del Anexo 4.

Figura 2. Representación del año de pérdida de bosque descargada de la aplicación GFC en formato raster para el
período 2001 – 2019

3.2.2. Datos de GFC para la implementación de la herramienta interactiva

Para la implementación de la herramienta se definieron los polígonos de los Parques

Nacionales Naturales (PNN) Tinigua y Los Picachos, para determinar la variabilidad
espaciotemporal de la cobertura forestal, dado el nivel alarmante de deforestación en los últimos
años en ambas áreas protegidas. A estos polígonos les corresponde el mosaico de GFC en el
11
rango de longitud W80°-W70° y latitud N10°-N0°. En la Tabla 3 se muestran los ficheros ráster
que se descargan de manera automática del sitio web de GFC para el área de estudio, en este
caso, se usó la capa correspondiente al año de pérdida de bosque, la cual contiene las áreas
terrestres que han experimentado reemplazo o pérdida de la cobertura arbórea en un año
determinado en el rango 2001 – 2019.
Tabla 3. Ficheros en formato ráster que se descargan de manera automática del sitio web de GFC
Nombre del fichero Descripción
Hansen_GFC-2019-v1.7_datamask_10N_080W Superficie mapeada, cuerpos de agua y área sin datos
Hansen_GFC-2019-v1.7_gain_10N_080W Ganancia de bosque
Hansen_GFC-2019-v1.7_lossyear_10N_080W Año de pérdida de bosque
Hansen_GFC-2019-v1.7_treecover2000_10N_080W Porcentaje de cobertura arbórea por píxel - año 2000

3.2.3. Datos auxiliares

Los polígonos de los PNN Tinigua y Los Picachos se obtuvieron de la base de datos
disponible en el sitio web de Parques Nacionales Naturales de Colombia
(https://www.parquesnacionales.gov.co/portal/es/servicio-al-ciudadano/datos-abiertos/). La
definición de estos polígonos constituye el primer paso para el desarrollo de la aplicación, y
como se muestra posteriormente, es una de las formas con las que cuenta el usuario para precisar
la zona de estudio. Este corresponde a un objeto en formato shapefile georreferenciado al
sistema de coordenadas geográficas GCS_MAGNA, asociado al sistema de referencia oficial
de Colombia MAGNA-SIRGAS (Instituto Geográfico Agustín Codazzi – IGAC, 2004).

3.3. Software

3.3.1. R

La herramienta para el análisis espaciotemporal de la pérdida de cobertura forestal se

desarrolló en el software libre R versión 4.1.2 utilizando el interfaz RStudio, permitiendo que
el análisis de los datos sea reproducible para la verificación de los resultados por alguien más
(Bivand et al., 2008). A través del procesador de texto RMarkdown se combinan las líneas del
código con el texto narrativo (Boccardo y Ruiz, 2017), sintetizando en un documento el
procedimiento con los resultados. Además, para la representación cartográfica se usó el marco
de aplicación web Shiny de R, el cual facilita la visualización dinámica de los resultados a través
de scripts escritos en R (Doi et al., 2016).

12
3.3.2. ArcGis

Las representaciones cartográficas de este trabajo se elaboraron con la aplicación ArcMap

del software ArcGis versión 10.7.1, que permite ver, editar, analizar e integrar datos en distintos
formatos (Booth y Mitchell, 2001). En ese sentido, se exploró la información relacionada a la
zona de estudio, la ubicación geográfica asociada y se diseñó la Figura 1 correspondiente a la
ubicación de los polígonos de los PNN Tinigua y Los Picacho.

3.4. Metodología

La metodología para el desarrollo de la aplicación de la variabilidad espaciotemporal de la

pérdida de bosque se aborda en cuatro etapas principales. La primera consiste en determinar la
zona de estudio de acuerdo con los intereses del usuario; la segunda etapa es la descarga de los
datos en formato raster de GFC correspondiente al polígono de estudio establecido por el
usuario; la tercera es el procesamiento de los datos de GFC hasta la creación del dataframe con
los datos requeridos para la aplicación de Shiny; finalmente, la cuarta es la representación
dinámica de la información de pérdida de bosque mediante la aplicación web interactiva de
Shiny.

3.4.1. Personalización de la zona de estudio

Teniendo en cuenta que la aplicación determina la pérdida anual de cobertura forestal en

un área personalizada, el Anexo 2 (‘zonaestudio’) es un fichero RMarkdown que llama la
función denominada import_data del Anexo 1 (‘funcion_zonaestudio’), que conforma tres
opciones para asignar el área de estudio (tipo 1, 2 o 3). De esta manera, la primera forma de
personalizar el área de estudio es cargando un polígono en formato shapefile que el usuario
tenga guardado en la carpeta de entrada, al cual se le asigna el Sistema Geodésico de
Coordenadas WGS84 usado mundialmente, tal como se observa en el Anexo 1. En este caso,
la entrada de la función está determinada por el tipo 1 y el nombre del archivo.

Para la implementación de la herramienta se usa la primera alternativa teniendo en cuenta

los polígonos de los PNN Tinigua y Los Picachos que se guardan de manera anticipada en la
carpeta de entrada con sistema de referencia de coordenadas MAGNA. En este sentido, el
código transforma las coordenadas de este polígono a WGS84, asimismo se haría con cualquier
polígono de otra región que cargue el usuario.

source('funcion_zonaestudio.R')

zonaestudio <- import_data(tipo=1, archivo = "tinigua")

13
 La segunda opción permite al usuario descargar desde el sitio web de la Base de Datos de
Áreas Administrativas Global (GADM) (https://gadm.org/download_country.html) los datos
espaciales de la subdivisión administrativa del país, es decir, se descarga el polígono del
municipio o distrito en caso de que el usuario desee analizar una región en específico. El código
que corresponde a cada país se obtiene mediante la orden ‘View(getData('ISO3'))’, en tanto que
para el nombre de los municipios se ejecuta ‘nom_municipio <- getData('GADM', country=
'COL', level = 2)’, ambas incluidas en el código. En este caso, la función descarga la
información de acuerdo con las entradas indicadas, esto es, tipo 2, el código del país y el nombre
del municipio.

A modo de ejemplo, el código del Anexo 2 muestra que para la segunda opción se descarga
el polígono del municipio ‘El Encanto’ ubicado en el departamento del Amazonas al sur de
Colombia, con el código ‘COL’ correspondiente a Colombia, asimismo el nombre del
municipio o distrito con la letra inicial en mayúscula.

zonaestudio <- import_data(tipo=2, pais = "COL", municipio = "El Encanto")

La última y tercera alternativa es crear un polígono a partir de coordenadas conocidas en la

latitud y en la longitud, e indicando la entrada tipo 3. Como ejemplo se proporcionan cinco
puntos de coordenadas en la latitud y en la longitud que conforman los vértices del polígono
del cuadro que delimita el PNN Tinigua. De la misma forma, el usuario puede indicar las
coordenadas de la zona de interés para crear el polígono de estudio. En este sentido, se presentan
tres formas mediante las cuales se obtiene y se guarda en la carpeta de entrada el elemento en
formato shapefile ´zonaestudio’, el cual constituye la entrada principal para la descarga de la
información de pérdida de bosque y los análisis posteriores. Los resultados de la segunda y
tercera opción se omiten en el presente trabajo.

zonaestudio <- import_data(tipo=3, x_coord = c(-74.4837, -73.8800, -73.8800, -74.4837, -

74.4837), y_coord = c(2.801316, 2.801316, 2.190806, 2.190806, 2.801316))

3.4.2. Descarga de datos de GFC

Para la descarga de los datos de GFC y el procedimiento posterior se crea el documento

RMarkdown del Anexo 4 (‘bosque_rmarkdownv2’) que es un llamado del Anexo 3
(‘funciones’), el cual contiene las funciones para la descarga, el procesamiento de los datos en
formato ráster y la representación gráfica de los resultados de la pérdida de bosque. En el paso
de la descarga de las teselas de GFC es fundamental la librería gfcanalysis, creada por la Red

14
de Monitoreo y Evaluación de la Ecología Tropical (TEAM), la cual soporta el tratamiento de
los datos de GFC desde R (Cooper y Zvoleff, 2020).

Luego de personalizar la zona de estudio mediante alguna de las tres opciones disponibles
del paso anterior, se crea la función ‘descarga_gfc’ que integra algunas funciones de la librería
gfcanalysis, permitiendo identificar el mosaico o mosaicos de GFC requeridos de acuerdo con
el polígono definido. La entrada de ‘descarga_gfc’ está determinada por la proporción de
cobertura forestal de la cuadrícula, es decir, es un umbral de 0 a 100, donde 0 representa
carencia de cobertura de bosque y 100 significa máxima cobertura. Para el caso del piloto con
los PNN Tinigua y Los Picachos, se ha tomado como umbral el 80 dada la recomendación de
Cruz et al. (2019), quienes determinan ese valor para delimitar los bosques de la Amazonía a
partir de datos de GFC.

source('funciones.R')

datosGFC <- descarga_gfc(80)

masc_raster <- raster::mask(datosGFC$lossyear, zonaestudio)

save(masc_raster, file = "salida/raster_zestudio.RData")

Mediante esta función se descarga y se guarda en la carpeta de salida el mosaico compuesto

de cuatro capas nombradas ‘datamask’, ‘gain’, ‘lossyear’ y ‘treecover2000’, descritas
previamente. Con base en el polígono de la zona de estudio se delimita la capa ‘lossyear’ y se
guarda en la carpeta de salida para los siguientes análisis. Este proceso se ilustra en color azul
en la Figura 3 y se detalla en el paso dos del código de los Anexos 3 y 4.

3.4.3. Procesamiento de los datos de GFC

El procesamiento de los datos consiste en determinar las celdas con pérdida de bosque anual
entre el período 2001-2019, para lo que se crea la función ‘rasterpunto’ con la entrada iterativa
en el rango de 1-19 correspondiente al período de estudio. La función detecta grupos de pixeles
con pérdida de bosque conectados para cada año, los selecciona, y crea un dataframe con las
coordenadas del punto donde ocurre y el año. Este procesamiento corresponde al paso tres de
los códigos de los Anexos 3 y 4.

masc_raster[masc_raster == 0] <- NA

res.point <- lapply(1:19, function(i) {rasterpunto(i)})

year <- as.data.frame(do.call(rbind,res.point))

15
year_c <- stats::na.omit(year)

El paso cuatro del código es la visualización de las zonas deforestadas en la aplicación

leaflet empleando la función ‘gfc_map’ detallada en el Anexo 3, mediante la cual se le asignan
los atributos espaciales al marco de datos de pérdida de bosque y las zonas deforestadas se
simbolizan con círculos de colores de acuerdo con el año en el que ocurrió la pérdida de bosque
y de distintos tamaños conforme al área deforestada.

year_sf <- sf::st_as_sf(year_c, coords = c("x", "y"), crs = 4326)

mapa <- gfc_map(year_sf)

En el paso cinco del código se calcula el área total, el promedio y el área máxima
deforestada por cada año, teniendo en cuenta que el tamaño de celda es de 900 m 2 equivalente
a 0,09 ha. Asimismo, se representan gráficamente los datos del área total deforestada.

k <- 0.09

datos_abosque <- estado_bosque(year_c)

write.csv(datos_abosque, file = "salida/areaperdida.csv")

De manera complementaria, en el paso seis se comparan los cambios de la distribución de

las áreas deforestadas de dos años escogidos por el usuario entre el 2001 – 2019. En tanto que
en el paso siete se guarda el dataframe con los datos del número de pixeles catalogados con
pérdida de bosque para cada año con la coordenada geográfica en formato ‘csv’, el cual será
usado en la aplicación de Shiny.

save(year_c, file = "salida/deforestacion.RData")

write.csv(year_c, file = "salida/deforestacion.csv")

Finalmente, en el paso ocho se calcula la pendiente de Sen que es una alternativa robusta
no paramétrica para calcular la pendiente de una serie de tiempo. Una pendiente de sen > 0
indica una tendencia ascendente del área media deforestada anual, en tanto que sen < 0
demuestra que hay una tendencia a la baja durante el período de estudio (Sen, 1968).

En la Tabla 4 se listan las funciones creadas en cada paso en las diferentes etapas, desde la
definición de la zona de estudio hasta el procesamiento de los datos, para un total de seis,
presentadas en los anexos 3 y 4. Asimismo, se describe brevemente cada función, el tipo de
entrada requerida y la salida generada.

16
Tabla 4. Funciones creadas en el desarrollo de la herramienta para el análisis de la variabilidad espaciotemporal
de la pérdida de bosque
Función Descripción Entrada Salida Etapa paso
tipo: numérico
Importa los datos para archivo: carácter Archivo ‘RData’
crear el objeto de la país: carácter del polígono de
import_data Zona de estudio 1
zona de estudio a partir municipio: carácter la zona de
de tres opciones x_coord: numérico estudio
y_coord: numérico
Descarga y guarda los
Ráster ‘lossyear’
datos de GFC umbral_bosque: Descarga de
descarga_gfc guardado en la 2
correspondientes a la numérico datos de GFC
carpeta de salida
zona de estudio
Dataframe con el
Detecta grupos de
número de celdas Procesamiento
pixeles conectados de i: iteración del 1-
rasterpunto con pérdida de de datos de 3
pérdida de bosque para 19
bosque, año y GFC
cada año
coordenadas
Representación
Representa las áreas Procesamiento
year_sf: objeto con de las áreas
gfc_map deforestadas en la de datos de 4
geometría deforestadas en
aplicación leaflet GFC
leaflet
Archivo ‘csv’
Calcula el área total, con los datos
Procesamiento
media y máxima de la anuales del área
estado_bosque year_c: dataframe de datos de 5
deforestación para cada de deforestación
GFC
año total, media y
máxima
Representación
Representa mediante
gráfica del área Procesamiento
gráfico de barras el
anual dec: numérico total de de datos de 5
área total deforestada
deforestación GFC
por año
anual
Representa el escenario Representación
escen1: carácter
de la distribución de la de la distribución Procesamiento
escen2: carácter
escenbosque pérdida de bosque para de pérdida de de datos de 6
tit1: carácter
dos años escogidos por bosque para dos GFC
tit2: carácter
el usuario años

3.4.4. Aplicación Shiny

Para crear la aplicación web interactiva de la variabilidad espaciotemporal de la pérdida de

bosque se usa el paquete de R Shiny, el cual se conforma de tres bloques denominados ‘ui’,
‘server’, y ‘global’. En ui se define la interfaz de la aplicación, en server se realizan los cálculos
a partir de las interacciones del usuario en la interfaz (Bellosta, 2018), mientras que en global
se definen los elementos o datos que se usarán en server y ui. De esta forma, Shiny proporciona
la herramienta que le permite al usuario detectar las zonas deforestadas en el tiempo y
determinar el área afectada de alguna zona de interés, lo que contribuye a priorizar
intervenciones para la conservación de los bosques por parte de las autoridades y
organizaciones.

17
 En este sentido, se carga en global (Anexo 5) el archivo ‘csv’ generado en el paso siete que
contiene las agrupaciones de pixeles de pérdida de cobertura arbórea con las coordenadas; en
ui se indica el contenido de la interfaz de la aplicación, la ubicación y el tamaño de los paneles,
barras y gráficas (Anexo 6); en tanto que en server se define el tipo de mapa, se agregan algunos
elementos accesorios como la opción para medir la distancia de un punto a otro en el mapa, la
leyenda, los círculos que representan la pérdida de bosque y el histograma de la pérdida de
cobertura forestal de la zona que se observa en el panel del mapa (Anexo 7).

Figura 3. Diagrama de trabajo para calcular la pérdida de bosque anual. En amarillo, la asignación del espacio de
trabajo; en negro, la creación de la zona de estudio; en azul, la descarga de datos de GFC; y en verde, el
procesamiento de los datos

4. RESULTADOS
En el presente apartado se muestran los resultados obtenidos de la implementación de la
herramienta para los polígonos piloto correspondientes al PNN Tinigua y PNN Los Picachos.
En este sentido, se presentan las tablas con los datos anuales de la pérdida de bosque del área
de estudio, los diagramas de barras y la representación cartográfica de la pérdida de bosque
generada a través de la librería leaflet. Los scripts generados en el proceso constituyen una parte
de los anexos de este documento y se describen sucintamente en la Tabla 5.

18
Tabla 5. Scripts generados en la elaboración de la herramienta para el análisis de la variabilidad espaciotemporal
de la cobertura forestal
Nombre del Script Tipo Descripción Anexo
Contiene la función para determinar la zona de
funcion_zonaestudio.R Script 1
estudio mediante tres opciones
Crea las carpetas de trabajo requeridas, corre la
zonaestudio.Rmd R Markdown función ‘funcion_zonaestudio.R’ para la opción 2
escogida y guarda el archivo generado
Contiene las funciones para la descarga y el
funciones.R Script 3
procesamiento de los datos de GFC
Corre las funciones del script ‘funciones.R’
bosque_rmarkdownv2.Rmd R Markdown mediante la indicación de los valores de entrada y 4
guarda los archivos generados
Es uno de los bloques de Shiny e indica los datos
global.R Script 5
usados para la ejecución de la aplicación
Es la parte del paquete Shiny donde se describe la
ui.R Script 6
interfaz de la aplicación
Es la parte del paquete Shiny donde se ejecutan los
server.R Script 7
cálculos de acuerdo con las órdenes del usuario

4.1. Variabilidad espaciotemporal de la deforestación en el PNN Tinigua

La Tabla 6 se genera en formato ‘csv’ mediante el paso siete del código del Anexo 4 con
el nombre ‘areaperdida’ y se guarda en la carpeta de salida. Esta tabla contiene los datos del
área total anual de pérdida de cobertura arbórea en el período 2001-2019, indicados en la
primera columna del 1-19 para que coincida con la abscisa de las gráficas, además, se presenta
el área media anual y el área máxima deforestada al año con la coordenada donde ocurre el
evento. En el caso del PNN Tinigua, la mayor pérdida de cobertura forestal se presentó en el
año 2018 con casi 14.000 ha, seguido del año 2019 con más de 6.000 ha. Por otro lado, se
observa que el valor del promedio anual de deforestación es bajo con relación al área total de
pérdida de cobertura arbórea, lo que indica que los puntos de deforestación son múltiples en el
territorio del parque.

En cuanto al área máxima deforestada anual, el mayor valor ocurrió en el año 2018 con
236,34 ha, seguido del año 2017 con 116,37 ha y del 2019 con 106,47, de cada valor máximo
anual se indica en la Tabla 6 la coordenada en la longitud y en la latitud. De manera
complementaria, la herramienta genera el diagrama que representa la variabilidad anual de la
pérdida total de cobertura forestal en el PNN Tinigua (ver Figura 4), donde se observa que los
años con menor área deforestada en el período de estudio fueron 2003 y 2015.

19
 Tabla 6. Área total, media y máxima deforestada en el PNN Tinigua en el período 2001-2019
Área total Área media Área máxima Longitud Latitud
Año deforestada deforestada deforestada del área del área
(ha) (ha) anual (ha) máxima máxima
1 2041,11 2,55 64,35 -73,989375 2,260875
2 1471,77 2,10 25,74 -74,264625 2,543625
3 313,38 1,09 8,55 -74,259625 2,544125
4 2378,25 1,79 45,63 -74,234125 2,534625
5 2010,51 2,40 22,77 -74,293875 2,546375
6 1790,28 2,77 22,23 -73,988625 2,515625
7 4218,3 2,37 73,53 -74,412875 2,536375
8 2485,35 2,58 38,97 -74,233125 2,436625
9 2171,97 2,42 41,58 -74,161375 2,325125
10 1019,34 1,21 16,92 -74,239375 2,398625
11 1964,88 1,77 27,45 -74,086625 2,338625
12 1830,87 1,45 32,13 -74,211875 2,441125
13 1487,43 1,46 17,46 -74,172125 2,430625
14 2577,87 1,34 26,73 -74,162625 2,559375
15 341,28 6,58 22,77 -74,227875 2,565125
16 1773,00 1,89 34,38 -74,242125 2,781875
17 3052,08 2,87 116,37 -74,182625 2,366875
18 13989,51 5,38 236,34 -74,093625 2,409875
19 6075,99 3,46 106,47 -74,051375 2,381875

Figura 4. Variabilidad anual de la deforestación total en el PNN Tinigua

La herramienta permite hacer la comparativa visual del grado de deforestación en la zona

de estudio para dos años que el usuario puede elegir mediante el paso seis del código del Anexo
4. En el caso del PNN Tinigua, se presenta en la Figura 5 el escenario para el 2003 y el 2018,
que corresponden a los años de menor y mayor pérdida de cobertura arbórea, respectivamente.
Los puntos amarillos indican menor área deforestada en comparación con los puntos rojos que
20
señalan áreas superiores a 8 ha. En el año 2003, se observa la tendencia de la deforestación en
el sur del parque, lo que se agudiza notoriamente en el 2018. Este escenario lo sustenta el valor
de la pendiente de Sen de 0,016, indicando que durante el período estudiado se presenta una
tendencia al incremento de las áreas deforestadas.

Figura 5. Comparación de los escenarios de deforestación en el PNN Tinigua para los años 2003 y 2018

A partir de la ejecución de los bloques global, ui y server de la librería Shiny, se genera el

mapa dinámico en leaflet que ilustra la variabilidad espaciotemporal de la pérdida de cobertura
forestal ocurrida en el PNN Tinigua en el período de estudio. Las zonas deforestadas se indican
mediante círculos de colores de acuerdo con el año y varían de tamaño en consecuencia con la
magnitud del área de pérdida de bosque, permitiéndole al usuario identificar los puntos más
críticos de deforestación. En la parte izquierda del panel se muestra la barra con el color que
corresponde al año en el cual sucedió la deforestación, asimismo se disponen las opciones de
zoom y la de medir distancia y área en la parte superior izquierda (ver Figura 6). En la parte
superior derecha, se incluye un panel móvil con una barra que filtra los círculos de acuerdo con
el área deforestada, en este caso, el valor máximo del filtro es de 50 ha por defecto, no obstante,
el usuario puede modificarlo con base en las magnitudes halladas en la zona que determine.
Asimismo, el panel contiene un diagrama que representa el área total anual deforestada, el cual
varía en respuesta al acercamiento que se realice de la zona y al filtro aplicado.

Mediante la Figura 6, se observa que durante los primeros diez años, representados con
colores de tonalidades azul y verde, la deforestación se concentró en los límites del parque, lo
que permitió que en los años posteriores se extendiera la situación a las zonas más remotas,
donde las zonas deforestadas tienden a tener una mayor extensión. Esto se aprecia mejor en el
21
acercamiento de la Figura 7 y de la Figura 8 que corresponde al cuadro de color rojo de la
Figura 6 en el sureste del parque.

Figura 6. Visualización en leaflet de la variabilidad espaciotemporal de la deforestación en el PNN Tinigua en el

período 2001-2019

En el acercamiento de la Figura 8 se observa que la deforestación en esa parte interna del

PNN Tinigua ha ocurrido en los últimos cinco años de estudio, principalmente. Para el año 2018
se deforestaron alrededor de 9.000 ha y en el 2019 3.000 ha, aproximadamente. En esta zona se
aplica el filtro de 50 ha y se encuentra que los mayores focos de deforestación ocurrieron en los
años 2017, 2018 y 2019, con un caso en el año 2001 (ver Figura 8).

Figura 7. Acercamiento a una de las zonas internas del PNN Tinigua con mayor deforestación reciente

Figura 8. Acercamiento de la Figura 6 con filtro aplicado de 50 ha

22
4.2. Variabilidad espaciotemporal de la deforestación en el PNN Los Picachos

Al igual que para el PNN Tinigua, en el año 2018 se presentó la máxima deforestación en
el PNN Los Picachos con un poco más de 3.000 ha, seguido del año 2007 con más de 2.300 ha,
tal como se reporta en la Tabla 7. Con relación al promedio anual del área deforestada, se
encuentra que los valores son bajos en comparación con el área total, es decir, que el área total
corresponde a la suma de múltiples focos de pérdida de cobertura arbórea. En cuanto al área
máxima deforestada, el punto con mayor deforestación ocurrió en el año 2018 con 162 ha,
seguido de 93,33 ha que fueron deforestadas en el año 2001 y de 55,71 ha en el año 2007. En
la Figura 9 se observa que los años con menor deforestación fueron 2015 y 2003, lo que coincide
con lo hallado en PNN Tinigua.
Tabla 7. Área total, media y máxima deforestada en el PNN Los Picachos en el período 2001-2019
Área total Área media Área máxima Longitud Latitud
Año deforestada deforestada deforestada del área del área
(ha) (ha) anual (ha) máxima máxima
1 961,83 3,25 93,33 -74,327125 2,640625
2 716,76 2,23 29,88 -74,439125 2,678875
3 115,56 0,93 7,83 -74,279125 2,568625
4 769,68 1,22 24,12 -74,483125 2,677625
5 957,69 2,10 26,73 -74,355875 2,663375
6 698,85 1,95 18,09 -74,461375 2,782625
7 2324,70 2,56 55,71 -74,385625 2,582125
8 797,13 1,82 26,28 -74,435625 2,678125
9 589,32 1,48 25,20 -74,331875 2,635375
10 453,78 1,00 26,19 -74,459625 2,756125
11 272,43 0,66 9,18 -74,372875 2,696875
12 822,96 1,07 34,83 -74,341625 2,617375
13 600,12 1,48 21,42 -74,382125 2,699125
14 603,99 1,07 23,49 -74,423875 2,659375
15 42,93 0,49 4,14 -74,313625 2,599125
16 153,36 0,61 8,91 -74,432125 2,740625
17 734,31 2,55 33,03 -74,408875 2,601375
18 3014,19 3,80 162,00 -74,333125 2,596125
19 132,30 0,71 19,44 -74,385375 2,723125

23
 Figura 9. Variabilidad anual de la deforestación total en el PNN Los Picachos

La Figura 10 muestra el escenario de deforestación para el PNN Los Picachos para los años
2003 y 2018, la dimensión del área se simboliza con círculo en tonalidades de amarillo y rojo,
donde el rojo representa áreas deforestadas superiores a 6 ha. La Figura indica que la pérdida
de cobertura arbórea se ha concentrado principalmente en el sur del parque, en el límite con el
PNN Tinigua. Asimismo, se hallan unos focos de deforestación en el este del parque para el
año 2003 que se han mantenido hasta el 2018, y adicionalmente se han extendido algunos focos
hacia el oeste. A pesar de que el escenario del parque para los años 2003 – 2018 indican una
tendencia al incremento de las áreas deforestadas, el valor de la pendiente de Sen para el período
2001 – 2019, fue de -0,069, revelando una tendencia a la baja de la magnitud de las áreas
afectadas.

Figura 10. Comparación de los escenarios de deforestación en el PNN Los Picachos para los años 2003 y 2018

24
 La Figura 11 esquematiza la variabilidad de la pérdida de cobertura forestal para el período
2001 – 2019, donde se observa que durante los 19 años de estudio la deforestación se ha
distribuido en toda el área del parque dado que se observan puntos en colores de tonalidades
azul, verde y amarillo, con un aumento de focos de pérdida de cobertura arbórea en el sur
durante los últimos años de estudio.

Figura 11. Visualización en leaflet de la variabilidad espaciotemporal de la deforestación en el PNN Los

Picachos en el período 2001-2019

La Figura 12 corresponde al acercamiento de la zona delimitada con el cuadro rojo de la

Figura 11, donde se observan unas franjas deforestadas definidas que corresponden al margen
de los brazos de un río. En esta superficie se encuentran casos de pérdida de cobertura arbórea
durante todo el período de estudio. No obstante, el año más alarmante es el 2018 con alrededor
1.000 ha deforestadas. Al aplicar el filtro de 25 ha a la zona delimitada, los años con área
deforestada superior a este valor son el 2002, 2007, 2008, 2010 y 2018 (ver Figura 13).

Figura 12. Acercamiento a una de las zonas internas del PNN Los Picachos

25
 Figura 13. Acercamiento de la Figura 12 con filtro aplicado de 25 ha

4.3. Comparación con otras aplicaciones de monitoreo de cambios de la cobertura forestal

4.3.1. Global Forest Watch (GFW)

GFW (https://www.globalforestwatch.org/map) es una plataforma que incorpora los datos
de GFC para brindar información actualizada del monitoreo de los bosques a nivel global a
partir del año 2001 hasta la actualidad. Esta iniciativa tiene como investigador principal a
Matthew Hansen y como coinvestigadores a Peter Potapov y Svetlana Turubanova (GLAD,
2022). Entre los aliados de este proyecto están el World Resources Institute, Google Earth
Engine, la plataforma Carto Location Intelligence y la compañía Planet Labs, entre otros.
Además de ofrecer información relacionada a los cambios de la cubierta forestal global y las
causas que lo generan, también cuenta con mapas interactivos a nivel global para el monitoreo
de los incendios y de datos sobre cambio climático.

Con relación a la cobertura arbórea, GFW ilustra en un mapa interactivos los datos de
pérdida y ganancia de bosque, permitiendo al usuario analizar cualquier zona a partir de la
división administrativa del país y descargar los datos anuales en formato ‘xlsx’; o a partir de un
polígono personalizado (ver Figura 14), en este caso no permite descargar los datos, pero los
indica mediante un diagrama en la plataforma.

Figura 14. Visualización de los datos de pérdida de cobertura arbórea para un polígono personalizado en la
plataforma de GFW

26
 En comparación con la herramienta elaborada en el presente trabajo, GFW ofrece distintos
tipos de información que no se limita exclusivamente a la pérdida de bosque, además, los
análisis se pueden realizar de manera rápida en la plataforma y la descarga de los datos
regionales es rápida y sencilla. En cuanto a la herramienta desarrollada, una ventaja es que esta
permite visualizar la variabilidad espaciotemporal de la pérdida de cobertura forestal mediante
la plataforma leaflet, donde cada año se simboliza con un color distinto y la dimensión del área
deforestada se relaciona con el cambio del tamaño de los círculos, además cuenta con un panel
que contiene un diagrama con los datos de deforestación anual el cual cambia de acuerdo al
acercamiento que se realice de la zona, y se pueden filtrar áreas de acuerdo a la dimensión.
Entre las desventajas está que sólo ofrece datos de pérdida de cobertura forestal, y el usuario
requiere un conocimiento básico de programación, dado que debe manipular las entradas de las
funciones del código para la descarga y el procesamiento de la información, además, el paso de
la descarga de los datos toma tiempo, debido a que se descargan cuatro capas de información
en formato ‘tif’ descritas anteriormente.

4.3.2. EarthMap
EarthMap (https://earthmap.org/) es una herramienta interactiva de código abierto
desarrollada por la FAO que permite visualizar los datos de pérdida de cobertura forestal anual
ofrecidos por GFC de manera sencilla, representando en diferentes colores las áreas afectadas
cada año en una misma capa para el período 2001 – 2020 (ver Figura 15), o indicando las zonas
deforestadas en capas individuales para cada año. Esta herramienta facilita la descarga de los
datos en formato ‘GeoTIFF’ y ‘PNG’ por regiones, además, proporciona los datos de pérdida
de cobertura arbórea mediante diagramas con la posibilidad de descargarlos en formato de
imagen y ‘CSV’ de manera rápida, lo que constituye una de las ventajas de EarthMap.

La plataforma cuenta con múltiple información entre la que está datos sobre el clima y
cambio climático, cobertura del suelo, hidrología y áreas quemadas, por lo que es consultada
masivamente, al igual que GFW, a lo que también contribuye que el acceso a la herramienta es
fácil, asimismo lo es la navegación y la descarga de la información. Otra ventaja de esta
herramienta es que se puede personalizar el área de estudio dibujando un polígono o cargando
un archivo de la zona de interés.

27
 Figura 15. Visualización de los datos de pérdida de cobertura arbórea en la plataforma de EarthMap para una
región definida

Tabla 8. Comparación de las características de las plataformas GFW, EarthMap y la herramienta elaborada
Características GFW EarthMap Herramienta propia
Es de libre acceso x x x
Visualiza datos de pérdida de
x x x
bosque
El análisis es de carácter
x x x
global
Ofrece información variada
como datos sobre cambio x x
climático, incendios…
Permite personalizar la zona
x x x
de estudio
Permite indicar la proporción
x x
de cobertura forestal
Se requiere conocimiento
x
básico de programación
Fácil de navegar la plataforma
x x
y descarga sencilla
Representa la variabilidad
temporal de la deforestación x x
(color distinto por cada año)
Representa la variabilidad
x x x
espacial de la deforestación
Descarga los datos en formato
x x
GeoTIFF
Descarga los datos en formato
x x x
xlsx o csv
Filtra las zonas deforestadas
de acuerdo con la magnitud x
del área
Cuenta con un diagrama
interactivo que actualiza los
x
datos de área deforestada en
respuesta a la zona enfocada

En comparación con EarthMap, la herramienta interactiva elaborada en este trabajo facilita

conocer los datos de pérdida de cobertura arbórea a medida que se acerca alguna zona del
polígono analizado dada la dinámica del diagrama que representa la deforestación anual en la
plataforma leaflet, la cual actualiza los datos de acuerdo con la zona enfocada. Además, el filtro
por áreas enfoca las superficies mayormente afectadas sin necesidad de hacer esfuerzos visuales
28
para determinar qué área posee mayor o menor dimensión. En la Tabla 8 se sintetizan algunas
características con las que cuentan las plataformas analizadas y la herramienta desarrollada en
el presente trabajo.

4.4. Comparación de los datos de pérdida de cobertura arbórea de los PNN Tinigua y Los
Picachos con los de la plataforma EarthMap

Con el propósito de comprobar los datos de pérdida de cobertura arbórea obtenidos

mediante la ejecución de la herramienta, se cargan los polígonos de los PNN Tinigua y Los
Picachos en formato ‘kml’ a la plataforma EarthMap de donde se obtiene el área deforestada
total anual para ambos parques (ver Tabla 9). Teniendo en cuenta que la base de datos de la que
surgen los análisis del presente trabajo, así como la usada por EarthMap, proviene de GFC,
Hansen et al. (2013) calculan que los datos de pérdida de bosque de GFC tienen una exactitud
general del usuario y del productor superior al 80% para los distintos tipos de bosque.
Tabla 9. Área total deforestada anual de los PNN Los Picachos y Tinigua obtenida de la plataforma EarthMap y
a partir de la herramienta creada
PNN Los Picachos PNN Tinigua
Estimación del Estimación del
Año ATD (ha) ATD Earthmap ATD (ha) ATD Earthmap
ATD (ha) ATD (ha)
Herramienta vs ATD Herramienta vs ATD
EarthMap EarthMap
propia Herramienta propia Herramienta
propia (%) propia (%)
1 829,73 961,83 86,27 1775,19 2041,11 86,97
2 626,79 716,76 87,45 1295,90 1471,77 88,05
3 92,88 115,56 80,37 274,71 313,38 87,66
4 689,11 769,68 89,53 2133,43 2378,25 89,71
5 837,30 957,69 87,43 1734,88 2010,51 86,29
6 604,40 698,85 86,48 1538,94 1790,28 85,96
7 2011,03 2324,70 86,51 3691,88 4218,3 87,52
8 685,88 797,13 86,04 2132,40 2485,35 85,80
9 511,40 589,32 86,78 1871,58 2171,97 86,17
10 417,79 453,78 92,07 902,60 1019,34 88,55
11 242,22 272,43 88,91 1708,46 1964,88 86,95
12 704,30 822,96 85,58 1573,13 1830,87 85,92
13 514,52 600,12 85,74 1280,52 1487,43 86,09
14 526,10 603,99 87,10 2237,60 2577,87 86,80
15 46,02 42,93 107,20 320,77 341,28 93,99
16 141,65 153,36 92,36 1546,68 1773,00 87,24
17 649,52 734,31 88,45 2651,10 3052,08 86,86
18 2585,89 3014,19 85,79 12010,80 13989,51 85,86
19 118,19 132,30 89,33 5211,51 6075,99 85,77
Total 12834,72 14761,89 88,39** 45892,08 52993,17 87,27**
* ATD: Área Total Deforestada
** Promedio

En la Tabla 9 se listan los resultados del área total deforestada obtenidos mediante EarthMap
y los del presente trabajo, asimismo el porcentaje de la estimación de ambos valores. De
29
acuerdo con EarthMap el área deforestada en el PNN Los Picachos en el período 2001-2019 es
de 12.834,72 ha, en tanto que la herramienta indica un área de 14.761,89 ha. Para el caso del
PNN Tinigua, estos valores corresponden a 45.892,07 ha y 52.993,17 ha, respectivamente. De
este modo, se encuentra que los datos derivados de la herramienta se asemejan a los datos de la
plataforma EarthMap, con una estimación promedio de 88,39 % para el polígono de Los
Picachos y de 87,27% para el de Tinigua, con una sobrestimación de la magnitud generada por
la herramienta propia, excepto para el año 2015 en el PNN Los Picachos, donde la estimación
es de 107,2 %.

5. DISCUSIÓN
5.1. Desarrollo de la herramienta

Los elementos implementados facilitan el entendimiento y la aplicación de la herramienta

a usuarios con algún nivel de conocimiento en el programa utilizado. Por un lado, el procesador
de texto RMarkdown fue ideal para combinar formato de texto con las líneas de código,
mediante lo que se han generado los Anexos 2 y 4, donde se explicó cada función, así como las
entradas y salidas correspondientes. Asimismo, se implementó el paquete gfcanalysis, el cual
es un soporte de los datos de GFC que permitió la descarga de las teselas. En cuanto a la librería
Shiny, fue idónea para el desarrollo de la interfaz interactiva donde se visualizan los datos de
pérdida de bosque a través de leaflet, permitiendo al usuario personalizar el acercamiento de la
zona analizada y el área deforestada.

Entre las ventajas de la herramienta está que permite visualizar en un mismo panel la
deforestación para dos años del período de estudio, lo que contribuye a realizar comparativas
visuales de los cambios en la superficie a causa de la deforestación, constituyendo un
complemento de los valores reportados en las tablas de datos. En este caso, a partir de pequeñas
modificaciones en el código, se pueden representar más de dos años en un mismo panel, de
acuerdo con las necesidades del usuario.

La herramienta presenta otra alternativa para la visualización de la variabilidad

espaciotemporal de la pérdida de la cobertura forestal a través de la librería leaflet, la cual
facilita y dinamiza el análisis de la información, especialmente porque contiene el diagrama
dinámico que ilustra el área deforestada de la superficie enfocada, es decir, a medida que el
usuario realiza un acercamiento a una zona de interés dentro del polígono analizado, observa la
magnitud de la deforestación ocurrida cada año. Asimismo, el filtro por área contribuye a

30
visualizar el escenario de la superficie de acuerdo con la magnitud de la pérdida de cobertura
arbórea.

Mencionando otras ventajas, la herramienta realiza la descarga y el procesamiento de los

datos GFC de pérdida de bosque de manera automática; indica la tendencia de la deforestación
mediante el método robusto no paramétrico de la pendiente de Sen, lo que es un elemento para
la toma de decisiones; y ofrece la interactividad en el panel de Shiny mediante la representación
en leaflet que contribuye a identificar zonas críticas de deforestación, lo cual orienta las
intervenciones en campo para mitigar las afectaciones. Además, esta herramienta de libre
acceso constituye un elemento de análisis para los usuarios, quienes pueden interactuar y editar
los códigos de acuerdo con las necesidades.

En cuanto a las desventajas, es necesario que el usuario cuente con conocimientos en

programación para la manipulación de la herramienta; el tiempo de espera para la descarga y el
procesamiento de los datos de GFC puede ser largo, lo que puede impacientar al usuario;
adicionalmente, está conformada por tres fases principales que son la personalización de la zona
de estudio, descarga y procesamiento, y representación en el panel de Shiny, por lo que el
usuario debe manipular el script correspondiente a cada fase. En este sentido, con el propósito
de orientar el proceso de ejecución de la herramienta, se incluyen textos explicativos que
facilitan la comprensión del script de los Anexos 2 y 4, correspondientes a las funciones con
las entradas editables para determinar la zona de estudio, y para la descarga y el procesamiento
de los datos, respectivamente.

5.2. Aplicación de la herramienta

A partir de la ejecución de la herramienta para el análisis de la variabilidad espaciotemporal

de la pérdida de cobertura forestal se obtuvieron la Tabla 6 y la Tabla 7 que contienen los datos
anuales del área promedio y total deforestada en los polígonos piloto de los PNN Tinigua y Los
Picachos, lo que demuestra que la deforestación ocurrida en el año 2018 ha sido la más crítica
para ambos parques, tal como lo han manifestado los medios de información nacionales.

Además de listar los datos de la pérdida total de bosque, la Tabla 6 y la Tabla 7 indican el
área máxima deforestada anual con el punto de referencia para los PNN Tinigua y Los Picachos,
respectivamente, lo que permite orientar y priorizar las intervenciones por parte de las
autoridades ambientales a las zonas más críticas, además de jerarquizar cualquier validación en
campo a que haya lugar dirigida a comprobar el estado del bosque y las causas asociadas a la
afectación.

31
 Los valores de pérdida de bosque obtenidos se compararon con los datos nacionales de
deforestación en ambos parques hallados en la literatura, y se encontró que los datos de
deforestación del PNN Tinigua para los años 2017, 2018 y 2019 reportados en el artículo
periodístico de Paz (2021) concuerdan con los resultados obtenidos a través de la
implementación de la herramienta elaborada. Paz (2021) encuentra que para estos años se
deforestaron aproximadamente 3.000, 12.000 y 6.500 ha, respectivamente, para un total de
22.500 ha deforestadas en ese período de tres años, en tanto que la Tabla 6 lista los valores de
3.052, 13.989 y 6.075 ha para los años 2017, 2018 y 2019, respectivamente, para un total de
23.116 ha.

Al comparar los resultados del área deforestada del PNN Tinigua hallados en la literatura
y el de la herramienta con los de EarthMap, se encuentra que para el año 2017 el dato de la
literatura y el obtenido en este estudio presentan mayor concordancia en comparación con el
reporte de EarthMap, lo mismo ocurre para el año 2019. No obstante, para el 2018 el dato de
área deforestada de la literatura y el de EarthMap son básicamente el mismo, esto es, 12.000 ha
y 12.010, respectivamente, encontrándose mayor diferencia con el valor hallado con la
herramienta (13.989 ha).

En cuanto al PNN Los Picachos, se encontraron en la literatura los datos de deforestación

para el año 2017 con 1.064 ha (IDEAM, 2017) y el 2018 con 2.045 ha (Semana, 2019), para un
total de 3.109 ha deforestadas, en tanto que mediante la herramienta se obtuvieron los datos de
734 y 3.014 ha (ver Tabla 7), respectivamente, para un total de 3.748 ha. En este caso, los
resultados difieren un poco, por lo que se comparan los datos con los de la plataforma
EarthMap, donde se encuentra que para el año 2017 hay mayor similitud entre el valor
encontrado en la literatura con el de la herramienta creada. Por otro lado, para el 2018, el dato
de EarthMap es, aproximadamente, un valor medio entre lo obtenido con la herramienta y lo
hallado en la literatura.

Las gráficas de la variabilidad anual de la deforestación de la Figura 4 y la Figura 9 facilitan

la lectura de los cambios de la cobertura forestal de los polígonos piloto durante el período de
estudio, de esta forma, se encontró que el 2003 y el 2015 fueron los años donde se presentó
menor área deforestada en ambos parques. Con relación a este comportamiento de la
deforestación, y en general, al del período 2001 – 2019, se analizarán en estudio posteriores
todas las áreas boscosas protegidas del país, para reconocer la tendencia en el resto del territorio,
especialmente porque el valor de la pendiente de Sen reveló una tendencia en el aumento de las

32
áreas deforestadas para el PNN Tinigua, en tanto que para el PNN Los Picachos la tendencia
fue a la baja.

La representación cartográfica de la variabilidad espaciotemporal de la pérdida de cobertura

forestal mostró que la dinámica de la deforestación ha sido distinta para los PNN Tinigua y Los
Picachos, por un lado, en Tinigua se observa que durante los primeros años evaluados la
deforestación se centró en los límites del parque y fue avanzando con el tiempo hacia el interior.
En tanto que, en Los Picachos la deforestación tiene un comportamiento homogéneamente
distribuido en todo el polígono durante el período 2001 – 2019, con mayor concentración en el
sureste en los últimos años. Entre las hipótesis de este comportamiento está que el acceso a Los
Picachos ha sido más fácil para los acaparadores de tierra desde los primeros años de estudio,
caso distinto a Tinigua donde se abrieron paso a partir de la frontera del parque; también puede
ser que las zonas deforestadas responden a la disponibilidad de servicios ecosistémicos, como
el recurso hídrico.

Aunque el área del PNN Los Picachos duplica al área del PNN Tinigua, la pérdida de
cobertura forestal total y anual fue mayor en Tinigua que en Los Picachos, aún cuando en una
zona de menor dimensión es probable ejercer mayor control y seguimiento que en una zona
más grande por parte de las autoridades ambientales. En este aspecto, se destaca la valiosa y
riesgosa labor de los guardaparques de Parques Nacionales Naturales de Colombia, así como
de los líderes ambientales presentes en esta región del país, quienes constantemente son
amenazados por los grupos armados que han agudizado la presencia en el territorio,
atemorizando e impidiendo que los funcionarios ejerzan su labor (Luque, 2019).

6. CONCLUSIONES
Se desarrolló la herramienta interactiva para el análisis de la variabilidad espaciotemporal
de la deforestación en un área personalizada mediante las librerías del programa R que
facilitaron la descarga de los datos de la plataforma GFC, el procesamiento, así como la
representación gráfica y cartográfica de los resultados. Entre las librerías empleadas están
gfcanalysis, leaflet y Shiny.

gfcanalysis permitió descargar la información en formato ráster de GFC a partir del

polígono de la zona de estudio y de la proporción de la cobertura forestal de la cuadrícula;
mediante leaflet se ilustró cartográficamente la información de manera dinámica y sencilla; en
tanto que en Shiny se ofreció un panel donde el usuario puede filtrar datos de acuerdo con la
magnitud del área y precisar la pérdida de cobertura forestal en una zona enfocada.

33
 Mediante el desarrollo de funciones en el programa R se descargaron y analizaron los datos
de pérdida de bosque en formato ráster disponibles en la plataforma GFC, a partir de los cuales
se generaron tabla de datos anuales de pérdida de bosque en una zona determinada, gráficos de
tendencia anual de deforestación y representaciones visuales que ilustran la variabilidad
espaciotemporal de la pérdida de bosque.

La herramienta creada para el análisis de la variabilidad espaciotemporal de la pérdida de

cobertura forestal ofrece elementos que facilitan la personalización del área y de los datos que
se desean observar, no obstante, la desventaja principal de la herramienta es que el usuario
requiere conocimiento en programación o del programa implementado.

A pesar de las plataformas existentes, el desarrollo de nuevas herramientas para el

monitoreo de los cambios de la cobertura arbórea es esencial, dado que pueden aportar
elementos que complementan y facilitan el análisis, en este caso, la interfaz creada mediante la
librería leaflet ofrece mayor dinamización de la información procesada.

El código de la herramienta es de libre acceso

(https://bitbucket.org/estefania58/anexos_tfm/src/master/gfc_app/), por lo que el usuario de
manera colaborativa puede modificarlo, mejorarlo y reproducirlo. Además, de manera
autónoma, se adquiere el compromiso de actualizar el período de estudio de acuerdo con la
disponibilidad de los datos en la plataforma GFC, asimismo, implementar métodos estadísticos
para conocer y mejorar la exactitud de los datos de deforestación obtenidos mediante la
herramienta.

La herramienta ofrece el método robusto no paramétrico de la pendiente de Sen que indica

la tendencia de la deforestación en el polígono estudiado, constituyendo un insumo para la toma
de decisiones. En este sentido, para complementar la herramienta se implementarán métodos
estadísticos que calculen la predicción de la deforestación, ofreciendo mecanismos que
contribuyan a ejercer acciones que eviten la pérdida acelerada de cobertura arbórea.

La herramienta funcionó de manera correcta en el ensayo piloto con los polígonos de los
PNN Tinigua y Los Picachos, asimismo se aplicó la opción dos del Anexo 2 que corresponde a
la descarga del polígono de acuerdo con la división administrativa global, y la opción tres que
crea el polígono mediante los puntos de coordenadas, con lo que se obtuvieron resultados
positivos en cuanto al funcionamiento que se omiten en este trabajo.

La herramienta permitió detectar vastas áreas deforestadas en los PNN Tinigua y Los
Picachos comprobando la crítica situación de Colombia en cuanto a la conservación de los
34
recursos forestales y la condición de víctima de los ecosistemas del país a causa de los distintos
escenarios de conflicto que no han cesado hoy en día. Se espera que al reconocer el problema
de la deforestación a través de los distintos mecanismos disponibles, el presente gobierno y los
posteriores, refuercen las estrategias y los recursos para mitigar el acaparamiento de tierras en
zonas de conservación.

La comparación de los resultados de pérdida de bosque obtenidos mediante la herramienta

con los arrojados por las plataformas existentes, revelan que en todo caso es primordial la
validación de la información en campo o con elementos de mayor precisión (ortofotos) para
tener mayor exactitud en las estimaciones.

7. BIBLIOGRAFÍA
Acuña, N. (2019) Página web de Mongabay. Disponible en:
https://es.mongabay.com/2019/11/parque-nacional-picachos-colombia-operativo-militar-
aumenta-el-peligro/ (Accedido: 22 Julio 2022)

Amani, P. K. (2017) "Building National Capacity To Implement National Forest

Monitoring System In Africa By GLAD", American Geophysical Union, p. GC11F-04

Bellosta, C. (2018) Página web de datanalytics. Disponible en:

https://datanalytics.com/libro_r/shiny.html (Accedido: 22 Julio 2022)

Bivand, R., Pebesma, E. y Gómez-Rubio, V. (2008) Applied Spatial Data Analysis with R.
Nueva York: Springer

Boccardo, G. y Ruiz, F. (2017) Página web de Bookdown. Disponible en:

https://bookdown.org/gboccardo/manual-ED-UCH/introduccion-al-uso-de-rmarkdown-para-
la-compilacion-de-resultados-de-rstudio-en-diferentes-formatos.html (Accedido: 4 Junio 2022)

Booth, B. y Mitchell, A. (2001) Getting Started with ArcGIS. Nueva York: ESRI

Colparques (2022a) Página web de Colparques. Disponible en:

http://www.colparques.net/TINIGUA (Accedido: 22 Julio 2022)

Colparques (2022b). Página web de Colparques. Disponible en:

http://www.colparques.net/PICACHOS#aceptar (Accedido: 22 Julio 2022)

Cooper, M. y Zvoleff, A. (2020) "Package 'gfcanalysis'". Disponible en: https://cran.r-

project.org/web/packages/gfcanalysis/gfcanalysis.pdf (Accedido: 4 Agosto 2022)

35
 Cruz, K., Leite, C., Shimabukuro, Y., Arai, E., Oliveira, L., Silva, C. y Marshall, P. (2019)
"Determining a Threshold to Delimit the Amazonian Forests from the Tree Canopy Cover 2000
GFC Data", Sensors, 19 (22), p. 5020

Doi, J., Potter, G., Wong, J., Alcaraz, I. y Chi, P. (2016) "Web Application Teaching Tools
for Statistics Using R and Shiny", Technology Innovations in Statistics Education, 9 (1), pp. 1-
33

European Space Agency (2022) Página web de Earth Online. Disponible en:
https://earth.esa.int/eogateway/missions/resourcesat-2 (Accedido: 30 Julio 2022)

European Space Imaging (2018) Página web de European Space Imaging. Disponible en:
https://www.euspaceimaging.com/wp-content/uploads/2018/06/EUSI-SWIR.pdf (Accedido:
30 Julio 2022)

FAO (1947) Página web de FAO. Disponible en:

https://www.fao.org/3/x5345e/x5345e03.htm#preparations%20for%20the%20forest%20inven
tory,%201947 (Accedido: 4 Julio 2022)

FAO (1982) Tropical Forest Resources, Roma: FAO Forestry Paper

FAO (1993) Forest Resources Assessment 1990: Tropical Countries, Roma: FAO Forestry
Paper

FAO (2002) PAN - TROPICAL SURVEY OF FOREST COVER CHANGES 1980-2000,

Roma: Forest Resources Assessment Programme

FAO (2016) Global Forest Resources Assessment 2015, Roma: Food and Agriculture
Organization of the United Nations

Geist, H. y Lambin, E. (2022) "Proximate Causes and Underlying Driving Forces of

Tropical Deforestation" BioScience, 52 (2), pp. 143-150

GLAD (2022) Página web de Global Land Analysis and Discovery. Disponible en:
https://glad.umd.edu/projects/global-forest-watch (Accedido: 31 Julio 2022)

Hansen, M., Stehman, S. y Potapov, P. (2010) "Quantification of global gross forest cover
loss" Proceedings of the National Academy of Sciences, 107 (19), pp. 8650-8655

Hansen, M., Potopov, P., Moore, R., Hancher, M., Turubanova, S., Tyukavina, A., Thau,
D., Stehman, S., Goetz, S., Loveland, T., Kommareddy, A., Egorov, A., Chini, L., Justice, C. y

36
Townshend, J. (2013) "High-Resolution Global Maps of 21st-Century Forest Cover Change"
Science, 342 (850), pp. 850-853

Hansen, M., Potapov, P., Pickens, A., Tyukavina, A., Hernández-Serna, A., Zalles, V.,
Turubanova, S., Kommareddy, I., Stehman, S., Song, X. y Kommareddy, A. (2022) "Global
land use extent and dispersion within natural land cover using Landsat data" Environmental
Research, 17 (3), p. 034050

IDEAM - Instituto de Hidrología, Meteorología y Estudios Ambientales (2017) Página web

de IDEAM. Disponible en:
http://www.ideam.gov.co/documents/24277/72115631/Actualizacion_cifras2017+FINAL.pdf/
40bc4bb3-370c-4639-91ee-e4c6cea97a07 (Accedido: 23 Julio 2022)

IGAC - Instituto Geográfico Agustín Codazzi (2004) Página web de IGAC. Disponible en:
https://www.igac.gov.co/sites/igac.gov.co/files/adopcion.pdf (Accedido: 14 Junio 2022)

INPE - Instituto Nacional de Investigaciones Espaciales (2019) Página web de INPE.

Disponible en: http://www.cbers.inpe.br/sobre/cameras/cbers3-4.php (Accedido: 31 Julio
2022)

INPE - Instituto Nacional de Investigaciones Espaciales (2022) Página web de INPE.

Disponible en: http://www.obt.inpe.br/OBT/assuntos/programas/amazonia/prodes (Accedido:
30 Julio 2022)

Keenan, R., Reams, G., Achard, F., De Freitas, J., Grainger, A. y Lindquist, E. (2015)
"Dynamics of global forest area: Results from the FAO Global Forest Resources Assessment
2015" Forest Ecology and Management, 352, pp. 9-20.

Lanly, J. (1981) Tropical Forest Resources Assessment Project (GEMS): Tropical Africa,
Tropical Asia, Tropical America. 4 ed. Roma: Organización de las Naciones Unidas para la
Alimentación y la Agricultura

Luque, S. (2019) Página web de Rutas del Conflicto. Disponible en:

https://rutasdelconflicto.com/especiales/parques-objetivo-guerra/tinigua.html (Accedido: 23
Julio 2022)

Murakami, T. (2006) "How is Short-wave Infrared (SWIR) Useful to Discrimination and

Classification of Forest Types in Warm Temperate Region?" Journal of Forest Planning, 12
(2), pp. 81-85

37
 Parques Nacionales Naturales de Colombia (2018) Página web de Parques Nacionales
Naturales de Colombia. Disponible en: https://www.parquesnacionales.gov.co/portal/es/se-
adelantan-acciones-para-frenar-deforestacion-en-el-parque-nacional-natural-tinigua/
(Accedido: 23 Julio 2022)

Parques Nacionales Naturales de Colombia (2022) Página web de Parques Nacionales

Naturales de Colombia. Disponible en:
https://www.parquesnacionales.gov.co/portal/es/parques-nacionales/parque-nacional-natural-
tinigua/ (Accedido: 22 Julio 2022)

Paz, A. (2021) "Parque Tinigua: solo en la última semana de marzo las alertas de
deforestación superaron las 50 mil", Mongabay, Disponible en:
https://es.mongabay.com/2021/04/colombia-deforestacion-en-el-parque-tinigua/ (Accedido:
23 Julio 2022)

Potapov, P., Yaroshenko, A., Turubanova, S., Dubinin, M., Laestadius, L., Thies, C.,
Aksenov, D., Egorov, A., Yesipava, Y., Glushkov, I., Karpachevskiy, M., Kostikova, A.,
Manisha, A. y Tsybikova, E. (2008) "Mapping the World’s Intact Forest Landscapes by Remote
Sensing" Ecology and Society, 13 (2)

Salazar, A., Salazar, J., Sánchez, S., Sanchez, A., Lasso, E., Villegas, J., Arias, P., Poveda,
G., Rendón, Á., Uribe, M., Pérez, J. y Dukes, J. (2021) "Undermining Colombia’s peace and
environment" Science, 373 (6552), pp. 289-290

Salazar, A., Sanchez, A., Dukes, J., Salazar, J., Clerici, N., Lasso, E., Sánchez-Pacheco, S.,
Rendón, Á., Villegas, J., Sierra, C., Poveda, G., Quesada, B., Uribe, M., Rodríguez-Buriticá,
S., Ungar, P., Pulido-Santacruz, P., Ruiz-Morato, N. y Arias, P. (2022). "Peace and the
environment at the crossroads: Elections in a conflict-troubled biodiversity hotspot"
Environmental Science & Policy, 135, pp. 77-85

Salazar, A., Sanchez, A., Villegas, J., Salazar, J., Ruiz, D., Sitch, S., Restrepo, J., Poveda,
G., Feeley, K., Mercado, L., Arias, P., Sierra, C., Uribe, M., Rendón, Á., Pérez, J., Murray, G.,
Mercado-Bettin, D., Posada, J., Zhuang, Q. y Dukes, J. (2018) "The ecology of peace: preparing
Colombia for new political and planetary climates" Frontiers in Ecology and the Environment,
16 (9), pp. 1-7

Santos, J., Soares, L., Oliveira, L. y Aragao, C. (2014) "Remote sensing of amazonian
forests: monitoring structure, phenology and responses to environmental changes" Revista
Brasileira de Cartografia, 3 (66/7), pp. 1413-1436
38
 Satellite Imaging Corporation (2022) Página web de Satellite Imaging Corporation.
Disponible en: satimagingcorp.com/satellite-sensors/other-satellite-sensors/cbers-4/
(Accedido: 30 Julio 2022)

Semana (2019) "197.159 hectáreas se deforestaron en 2018 en Colombia" Semana,

Disponible en: https://www.semana.com/197159-hectareas-se-deforestaron-en-2018-en-
colombia/44952/ (Accedido: 9 Julio 2022)

Semana (2020) "Incendio consume 30 hectáreas del Parque Nacional Natural Tinigua"
Semana, Disponible en: https://www.semana.com/medio-ambiente/articulo/incendio-
consume-30-hectareas-del-parque-nacional-tinigua/48667/ (Accedido: 9 Julio 2022)

Sen, P. (1968) "Estimates of the Regression Coefficient Based on Kendall's Tau" Journal
of the American Statistical Association, 63 (324), pp. 1379-1389

Skole, D. y Tucker, C. (1993) "Tropical Deforestation and Habitat Fragmentation in the

Amazon: Satellite Data from 1978 to 1988" Science, 260 (5116), pp. 1905-1910

USGS (2022a) Página web de USGS Science for a changing world. Disponible en:
https://www.usgs.gov/faqs/what-are-best-landsat-spectral-bands-use-my-research (Accedido:
30 Julio 2022)

USGS (2022b) Página web de USGS Science for a Changing World. Disponible en:
https://lpdaac.usgs.gov/data/get-started-data/collection-overview/missions/modis-
overview/#top (Accedido: 30 Julio 2022)

USGS (2022c) USGS Science for a Changing World. Disponible en:

https://www.usgs.gov/landsat-missions/landsat-8 (Accedido: 30 Julio 2022)

Zhang, D., Wang, H., Wang, X. y Lü, Z. (2020) "Accuracy assessment of the global forest
watch tree cover 2000 in China" International Journal of Applied Earth Observation and
Geoinformation, 29, p. 105238

39
 ANEXOS

ANEXOS 1 – 7. Enlace del repositorio de Bitbucket con los Anexos del 1 – 7

En el enlace https://bitbucket.org/estefania58/anexos_tfm/src/master/ se encuentran los

anexos que complementan el presente trabajo. Además, se incluyen las carpetas de los datos de
entrada y la de los archivos de salida generadas en el ejercicio de la implementación de la
herramienta con las dos áreas piloto. Para efectos prácticos, también se incluyen en la carpeta
de entrada los polígonos creados mediante coordenadas y el polígono descargado de GADM,
con los cuales también se puede comprobar la herramienta. De esta manera, en el repositorio se
encuentran los siguientes anexos:

Anexo 1. Fichero R de la función para personalizar la zona de estudio

Anexo 2. Fichero RMarkdown que hace el llamado al archivo del Anexo 1

Anexo 3. Fichero R de las funciones para la descarga, el procesamiento y la representación de

datos de GFC

Anexo 4. Fichero RMarkdown que hace el llamado a las funciones del Anexo 3

Los archivos para la aplicación de Shiny reposan en la carpeta ‘gfc_app’ del mismo
repositorio. En esta carpeta se encuentran los siguientes archivos:

Anexo 5. Fichero R con el bloque Global

Anexo 6. Fichero R con el bloque Ui

Anexo 7. Fichero R con el bloque Server

40
Anexo 8. Muestras de los datos descargables de GFC: ganancia de bosque (gain);
porcentaje de cobertura arbórea por píxel para el año 2000 (treecover2000); capa con la
información de superficie mapeada, área sin datos y cuerpos de agua permanentes
(datamask); imagen de referencia sin nubes cercana al año 2000; e imagen de referencia
sin nubes del último año de análisis (2019)
Ganancia de bosque, donde:
0: no hay ganancia
1: pixeles con ganancia de bosque

Cobertura de bosque en el año 2000,

donde:
0-100: porcentaje de cobertura de
vegetación de más de 5 m de altura
por píxel

Imagen de superficie mapeada, área

sin datos y cuerpos de agua
permanentes, donde:
0: sin datos
1: superficie mapeada
2: cuerpos de agua

Imagen de referencia sin nubes del

año 2000

Imagen de referencia sin nubes del

año 2019

41