Earth Sciences">
Tecnologias Geoespaciales para El Estudio Del Relieve Karstico
Tecnologias Geoespaciales para El Estudio Del Relieve Karstico
Tecnologias Geoespaciales para El Estudio Del Relieve Karstico
Resumen
Los paisajes kársticos poseen una alta heterogeneidad espacial debido a la diversidad de las macro,
meso y microformas del relieve tanto superficiales como subterráneas. Los primeros estudios sobre
estos paisajes se enfocaron en el relieve superficial o exokarst y en el entendimiento de los procesos
de formación. El exokarst interactúa directamente con los procesos atmosféricos y edáficos. Las mor-
fologías resultantes varían en tamaño, características y funcionamiento, y las hay desde centimétricas
hasta kilométricas; la mayoría tienen la función de guiar las aguas superficiales al subsuelo, otras, son
formas de paso, las residuales y las deposicionales. Sin embargo, las depresiones kársticas son con-
sideradas generalmente como los rasgos más característicos de las geoformas superficiales y pueden
tener conexiones directas con los sistemas hidrogeológicos, imprimiendo una situación de alta vulne-
rabilidad a la contaminación, procesos de colapsos e inundaciones. El estudio de los recursos naturales
en este tipo de ambientes requiere del apoyo de herramientas que detecten preferentemente la diver-
sidad de la morfología superficial, en especial aquellas que generan información de gran resolución.
Para estudiar, caracterizar y comprender los paisajes kársticos se han utilizado diversos métodos y
tecnologías que han evolucionado con el paso del tiempo, desde mediciones directas realizadas en el
campo, hasta el uso de tecnologías geoespaciales como las imágenes aéreas y satelitales, los sensores
LiDAR e InSAR, y recientemente, el empleo de drones. Cada una de estas tecnologías presenta ven-
tajas y desventajas en la adquisición de los datos, sus costos y en el tipo de resolución (espacial, tem-
poral, radiométrica y espectral); son importantes para identificar sus alcances en el objetivo de estudio
que se persiga. En este contexto, este capítulo presenta una revisión bibliográfica de los principales
métodos y tecnologías geoespaciales existentes para el estudio y análisis del relieve kárstico.
Palabras llave: LiDAR; Drones; Dolinas; Modelos 3D; Riesgos; México
113
El karst de México
LiDAR e InSAR, y recientemente el empleo de extensión del área de estudio (Cuadros 1 y 2). La
drones ( Williams, 1972; Day, 1983; Siart et al., Península de Yucatán ha sido una de las regiones
2009; Galve et al., 2015; Keskin y Yılmaz, 2016; más estudiadas; ejemplos de sus geoformas más
Wu et al., 2016; Oliveira et al., 2019). Cada uno comunes se presentan en la Figura 1.
presenta ventajas y desventajas que sirven para
El trabajo de campo y las interpretaciones cua-
identificar los alcances del objetivo de estudio,
litativas han sido fuentes primarias de datos para
como son los costos y la resolución espacial y
analizar, medir y visualizar las formas del relieve
temporal.
desde las primeras investigaciones geomorfoló-
En este contexto, este capítulo describe las gicas (Napieralski et al., 2013). Posteriormente,
técnicas geoespaciales para el estudio y análisis existió la necesidad de recabar información espa-
del relieve kárstico que se han utilizado a través cial para representar las formas del relieve a tra-
del tiempo. vés de mapas topográficos (Dramis et al., 2011).
Con el avance de la tecnología se han abierto
Enfoque metodológico nuevas fuentes de datos espaciales que han per-
mitido estudiar grandes regiones de la superficie
Para este ejercicio, las palabras clave utilizadas terrestre, que de otra manera sería imposible e
en la búsqueda fueron: karst, dolinas, modelos incosteable realizar (Griffiths et al., 2011). Los
digitales de elevación, morfometría, percepción datos espaciales obtenidos a diferentes escalas de
remota y modelos digitales del terreno. Los mo- acuerdo a los objetivos de la investigación, han
tores de búsqueda fueron los journals de: Sprin- permitido automatizar y mejorar los procesos
gerlink, Sciencedirect y Taylor&Francis Online. de mapeo de la superficie terrestre (Ehlers et al.,
Adicionalmente, se usó la plataforma Web of 2003).
Science que contiene una amplia colección de ba-
ses de datos bibliográficas, citas y referencias de Los estudios geomorfológicos a través del uso
publicaciones científicas de cualquier disciplina de herramientas, como la recopilación de datos, el
del conocimiento. análisis, la interpretación y visualización de la in-
formación de las formas de la superficie terrestre,
Los criterios para seleccionar y priorizar las son de utilidad para resolver problemas, como la
publicaciones fueron aquellas que se enfocan predicción de riesgos, el impacto sobre el relieve,
en las metodologías para la caracterización del y el inventario, manejo y planeación del uso de la
exokarst negativo, con casos principalmente de tierra (Drăguţ y Blaschke, 2006). Por lo anterior,
México y algunos relevantes de otros países y los estudios geomorfológicos son fundamentales
que sirvan de ejemplos para diferentes escalas para un desarrollo económico y sustentable del
espaciales. Se seleccionaron los trabajos que se planeta (Griffiths et al., 2011).
consideran los “clásicos” y aquellos más actuales
o innovadores. Levantamientos de campo
El trabajo de campo permite de manera directa
Estudios geomorfológicos en territorios kárs- apreciar las formas del relieve y recolectar infor-
ticos mación del área para realizar el análisis y mapeo
Las actividades humanas interactúan con las for- geomorfológico; debe estar claramente definido
mas del relieve que conforman la superficie te- a través de metas y objetivos en los cuales se in-
rrestre (Griffiths et al., 2011). El estudio científi- cluyan la escala de la investigación, las técnicas a
co del relieve, su composición y los procesos que utilizar y las formas del relieve de interés (Knight
lo han formado a través del tiempo le correspon- et al., 2011).
de a la geomorfología (Smith y Pain, 2009). En
México se han realizado estudios de las formas Las actividades previas al trabajo de campo
del relieve kárstico con diversos insumos, para incluyen investigar toda la información disponi-
diferentes objetivos y dependiendo también de la ble del área (ubicación, accesibilidad y trabajos
115
El karst de México
previos), la escala de mapeo, el análisis de imá- 2018). La forma más común de clasificar los sen-
genes aéreas o satelitales y la planeación de los sores usados en la percepción remota se basa en
trabajos (Knight et al., 2011). El trabajo de cam- el mecanismo que utilizan para detectar la ener-
po inicia con un recorrido en el sitio para obtener gía electromagnética, existiendo dos grandes gru-
una visión general del relieve, estimar el tiempo pos: los activos y los pasivos (Chuvieco, 2020).
de mapeo y planificar la ruta de trabajo (Otto y Los sistemas pasivos miden la radiación solar
Smith, 2012). La descripción de las característi- reflejada en el espectro visible y en el infrarrojo
cas de las formas del relieve se realiza a través cercano y medio (Dong y Chen, 2017), mientras
de notas efectuadas en el sitio, las cuales pueden que los sistemas activos emiten una radiación ha-
ir complementadas por dibujos hechos a mano cia el objetivo y detectan la radiación reflejada
(Oguchi et al., 2011). (Hensley y Farr, 2013; Chuvieco, 2020).
De acuerdo a los alcances del trabajo se pue- Actualmente, la percepción remota es una
den obtener dimensiones de las formas del relie- fuente de datos esencial para las aplicaciones
ve con cintas métricas o hacer levantamientos geomorfológicas por las siguientes característi-
topográficos a través de teodolitos y estaciones cas: 1) existe una cobertura global de la superfi-
totales (Oguchi et al., 2011; Keskin y Yılmaz, cie terrestre, 2) presenta accesibilidad a los datos,
2016). Estos levantamientos topográficos pueden 3) los costos de adquisición son relativamente
ser auxiliados por un sistema de posicionamiento bajos, 4) contiene diferentes resoluciones de los
global (GPS, por sus siglas en inglés) cuyos da- tipos de información (espacial, espectral, tempo-
tos digitales posteriormente pueden ser ingresa- ral, radiométrica) y 5) hay una reducción de tiem-
dos a un sistema de información geográfica (SIG) pos para el análisis e interpretación de los datos
(Dykes, 2008). Sin embargo, a pesar de que el (Smith et al., 2006; Bubenzer y Bolten, 2008).
trabajo de campo es un recurso importante para la En las investigaciones geomorfológicas los datos
geomorfología, tiene las desventajas de consumir obtenidos con la percepción remota se han apli-
una gran cantidad de tiempo y recursos, además cado principalmente en cuatro diferentes áreas:
de cubrir áreas pequeñas (Basso et al., 2013). ubicación y distribución del relieve, composición
Entre las primeras investigaciones en las áreas de la superficie terrestre (rocas, sedimentos, ve-
kársticas realizadas con trabajo de campo se en- getación y humedad del suelo), caracterización
cuentra la de Cvijic (1893) quien hizo cientos de del subsuelo y elevación de la superficie terrestre
mediciones en dolinas y las clasificó de acuerdo a (Smith y Pain, 2009).
los parámetros morfométricos, como los ángulos A pesar de que los datos análogos (mapas im-
de sus pendientes y su relación profundidad/diá- presos, dibujos a mano y notas de campo) han
metro. Day (1983) hizo la medición de 360 doli- contribuido al desarrollo de la geomorfología, es
nas en el campo, de las cuales obtuvo su forma difícil analizarlos directamente con las compu-
planimétrica, diámetro y profundidad en el karst tadoras por su naturaleza cualitativa y subjetiva
tropical de Barbados. Keskin y Yılmaz (2016) a (Oguchi et al., 2011). A principios de la década
través de un extensivo trabajo de campo, efec- de 1970 muchos sistemas fotográficos aéreos
tuaron mediciones (longitud, ancho, orientación, tradicionales y fuentes de datos análogos fueron
perímetro, profundidad) sobre 940 dolinas para reemplazados por sistemas con sensores digita-
identificar sus características usando parámetros les, lo cual generó mapas y modelos digitales de
morfométricos en Sivas, Turquía. elevación (MDE) que han facilitado la manipula-
Percepción remota ción, el análisis y la visualización de la informa-
La percepción remota se define como la ciencia ción espacial a través del uso de los SIG (Griffiths
para obtener información sobre un objeto, área o et al., 2011).
fenómeno, registrando sus variaciones a través de
sensores sin establecer contacto con ellos (Gupta,
116
El karst de México
Los MDE son una forma cuantitativa de re- geomorfometría y tiene una afinidad natural con
presentar la altitud de la superficie terrestre y han la geomorfología al estudiar, ambas, la forma de
sido ampliamente utilizados por los geomorfólo- la superficie terrestre (Pike, 2000).
gos para analizar diversos parámetros del relieve La percepción remota ha sido utilizada con
(Napieralski et al., 2013). La información topo- éxito en el estudio del relieve kárstico. En los si-
gráfica que proporcionan los MDE son datos im- guientes párrafos se profundizará sobre los mé-
portantes para el análisis de la karstificación hasta todos usados y se mencionarán algunos ejemplos
determinadas escalas (Siart et al., 2009). Asimis- de estudios en los cuales se han aplicado.
mo, la caracterización cuantitativa del relieve y
del análisis de la superficie se le conoce como
117
El karst de México
Cuadro 1. Algunos ejemplos sobre estudios del relieve kárstico en México a nivel país o entidad
federativa.
Cuadro 2. Algunos ejemplos sobre estudios del relieve kárstico a nivel sub-región, municipal o local.
Tipología de de- Cozumel Q. 32 archivos LiDAR con reso- Aplicación de filtros para elaborar
presiones kársticas Roo lución de 5 m en ejes X e Y yMDE, pendientes y sombras. Tipo-
en 3D de 15 a 20 cm en Z; inventario
logía de depresiones, considerando
espeleológico planimetría y altimetría, escala
1:10,000. [d]
Hundimientos y Felipe Carrillo Cartas topográficas del INEGI, Evaluación de susceptibilidad inte-
subsidencia Puerto Q. Roo trabajo de campo grando rasgos geológicos, litológi-
cos e hidrogeológicos; evaluación
del riesgo considerando extensión
del fenómeno y vulnerabilidad por
ubicación de localidades e infraes-
tructura. [e]
Geomorfología Calakmul Ortofotos, MDE, imágenes Interpretación de geoformas kárs-
kárstica y distribu- Camp. multiespectrales y LiDAR ticas a escalas generales usando
ción de característi- datos satelitales, además de la iden-
cas hidrológicas tificación de características kársti-
cas a escalas detalladas con el uso
de LiDAR integrados a un análisis
hidrogeológico. [f]
Caracterización de Poolol, Cha- Ortomosaicos y modelos di- Identificación de las unidades del
unidades del relieve pab, Yucatán gitales de elevación obtenidos relieve kárstico y análisis compara-
de un lago kárstico con dron tivo de imágenes. [g]
a: García Gil et al., 2002; b: Ihl et al., 2007; c: Frausto e Ihl, 2008; d: Frausto-Martínez et al., 2019; e:
Hernández Aguilar, 2019; e:; f: Ensley et al., 2021; g: Gijón-Yescas, Aguilar-Duarte, et al., 2021
119
El karst de México
Cabe mencionar, que las imágenes de satélite nerando datos topográficos y MDE (Prost, 2013).
no pueden substituir por completo la información
Con el desarrollo de las computadoras, el sis-
obtenida con el trabajo de campo y las fotografías
tema SAR evolucionó a InSAR (Interferometric
aéreas; sin embargo, el uso de imágenes satelita-
SAR) el cual crea sintéticamente una antena más
les comerciales de alta resolución espacial como
grande, logrando mayores resoluciones espacia-
IKONOS (resolución 1 m), Pleiades (resolución
les (Prost, 2013). El sistema InSAR utiliza la
0.5 m), Quickbird (resolución 0.6 m) y Geoe-
información de dos o más imágenes SAR de la
ye (resolución 0.4 m) (Napieralski et al., 2013)
misma ubicación, para mejorar la precisión de
pueden proporcionar un valioso apoyo para las
los datos de elevación o para medir pequeñas va-
interpretaciones en el mapeo geomorfológico al
riaciones en la elevación del área de estudio; al
describir las características detalladas (Gupta y
producto de las dos imágenes se le conoce como
Liew, 2007). No obstante, la adquisición de estas
interferograma (Wasklewicz et al., 2013).
imágenes satelitales está limitada por la presen-
cia de nubes, la trayectoria del satélite y sus altos Las principales ventajas del sistema InSAR
costos (en el caso de imágenes satelitales comer- son: monitoreo de movimientos de tierra muy pe-
ciales) (Müllerová et al., 2017). queños en grandes áreas, alta precisión, cobertura
en áreas inaccesibles, adaptabilidad a las condi-
La aplicación de los MDE, las imágenes sa- ciones climáticas (opera de día y de noche y en
telitales (Quickbird) y las técnicas de SIG para presencia de nubes), detección de las condiciones
la detección y mapeo de formas kársticas en las del subsuelo y alta sensibilidad a las condiciones
montañas de Ida en Creta, Grecia fue examinada de humedad del suelo (Wang et al., 2013).
por Siart et al., (2009); sus resultados demostra-
ron que el mapeo de formas kársticas a través de Dependiendo de la altura de la aeronave, el ta-
la percepción remota depende significativamente maño del sensor y las condiciones atmosféricas,
de la escala de interés. Diferentes imágenes sate- InSAR es capaz de generar un MDE de resolucio-
litales como (Landsat, RapidEye e IKONOS) y nes centimétricas (Roering et al., 2009). No obs-
el MDE (SRTM) fueron procesados por Thei- tante, los MDE generados con InSAR son gene-
len-Willige y colaboradores (2014) para el aná- ralmente de menor calidad cuando se comparan
lisis de las características kársticas en la zona con los datos LiDAR aéreos y terrestres (Ogu-
costera del noroeste de Marruecos. Las imágenes chi et al., 2011). Asimismo, su costo es mayor
satelitales permitieron a los autores identificar re- que las imágenes aéreas y satelitales al utilizarse
giones donde los procesos de karstificación po- en áreas extensas y/o durante largos periodos de
drían intensificarse. tiempo (Prost, 2013).
121
El karst de México
obtenidos con los trabajos de campo. Galve y co- cuenca Floyds Fork en el centro de Kentucky,
laboradores (2015) emplearon imágenes InSAR EE.UU. Los autores afirman que el número de
para mejorar el inventario de dolinas en el karst dolinas utilizando este método, aumentó en un
del Valle de Ebro en el noroeste de España. Los factor de cuatro, con una tasa de éxito del 80%
autores afirman que estas imágenes pueden ayu- al 93% para el área de estudio, lo que demostró
dar en el reconocimiento y caracterización de las que el mapeo de dolinas con LiDAR es confiable
dolinas para prevenir pérdidas humanas y mate- y eficiente. Wu y colaboradores (2016) utilizaron
riales. LiDAR para identificar y delinear depresiones
LiDAR a diferentes escalas y caracterizar sus propieda-
El sistema Light Detection and Ranging (Li- des morfométricas y relaciones topológicas en el
DAR) es un sensor activo que captura y registra la Condado de Fillmore en el sureste de Minnesota,
geometría de las superficies de objetos y lugares EE.UU. Los resultados que obtuvieron sugieren
a través de pulsos láser, produciendo una repre- que los métodos de interpretación visual pueden
sentación digital cuantitativa en 3D (Vosselman subestimar notablemente el número de dolinas de
y Maas, 2010). Un pulso láser puede tener uno o la región, por lo cual, el uso de LiDAR tiene un
múltiples retornos debido a que puede encontrar gran potencial para crear y actualizar las bases de
muchas superficies de reflexión al dirigirse a la datos de dolinas a escala regional.
superficie terrestre, con lo cual se generan millo- En México, Frausto-Martínez y colaborado-
nes de puntos en 3D (Smith y Pain, 2009). Los res (2019) reportaron un estudio para la isla de
datos recolectados con LiDAR se llaman nubes Cozumel, QRoo donde analizaron el relieve a
de puntos y se procesan para clasificar los puntos escala detallada mediante la interpretación visual
en diversas categorías como: terreno, vegetación, y manipulación de datos topográficos LiDAR de
edificios y agua (Zhu et al., 2014). Posteriormen- alta resolución, con el propósito de reconocer las
te, con esta clasificación y de acuerdo con las ne- unidades geomorfológicas de origen kárstico,
cesidades del estudio, se generan los MDE. utilizando altimetría y cartografía de pendientes,
El sistema LiDAR tiene la ventaja que los da- modelos digitales de elevación y sombreado, que
tos pueden ser recolectados en el día o en la no- permitieron la identificación de 109 nuevas for-
che, además de tener una alta densidad de datos maciones exokarsticas tipo dolinas y uvalas.
de muestreo y una alta precisión vertical (Wilson, Drones
2018). Sin embargo, esta tecnología tiene desven- Los Sistemas Aéreos No Tripulados (UAS), Ve-
tajas, como la generación de una gran cantidad hículos Aéreos No Tripulados (VANT), Vehícu-
de datos que requieren hardware costoso para su los Aéreos Piloteados Remotamente y Sistemas
análisis, largos tiempos de procesamiento (Jako- Aéreos Piloteados Remotamente (RPAS) son
vljevic et al., 2019) y altos costos del sensor y el términos que se usan de manera indistinta para
muestreo (Oliveira et al., 2019). nombrar a los drones (Konstantin, 2015; Kooistra
La alta resolución topográfica ofrecida por el et al., 2015; Wyngaard et al., 2019). Estas aerona-
sistema LiDAR terrestre y aéreo, proporciona ves varían en tamaño, costo y tiempo de vuelo y
nuevas y numerosas oportunidades para enten- se pueden clasificar principalmente en dos tipos:
der los procesos hidrológicos, geomorfológicos y de ala fija y rotatorios (Konstantin, 2015; Chang
ecológicos que operan en la superficie de la tierra et al., 2016), además, recientemente surgieron los
(Wilson, 2018). del tipo híbrido. Los drones de ala fija y rotato-
rios pueden operar de forma autónoma al definir
Diversos estudios han usado LiDAR para sus parámetros de vuelo (altura, traslape frontal y
identificar y caracterizar dolinas y otras geofor- lateral, área de interés), pero solo los drones ro-
mas kársticas. Zhu y colaboradores (2014) em- tatorios pueden volar manualmente (Sørensen et
plearon LiDAR para identificar dolinas en la al., 2017).
122
El karst de México
Como una herramienta para recabar datos cien- tallado que los MDE con características globales
tíficos, los drones ofrecen las siguientes ventajas: (Grebby et al., 2011).
datos con alta resolución espacial y temporal, im-
De manera paulatina, diversos autores han
pacto ambiental mínimo sobre la zona monitorea-
utilizado los drones en estudios sobre paisajes
da (Sørensen et al., 2017), disminución de ries-
kársticos. Silva y colaboradores (2017) usaron un
gos para los trabajadores y equipos, bajos costos
MDE de alta resolución adquirido con LiDAR y
de operación y mantenimiento (Themistocleous
ortofotos generadas con drones para analizar los
et al., 2015), versatilidad en el uso de sensores
diferentes tipos de accidentes geográficos kársti-
(cámaras térmicas, infrarrojas, multiespectrales,
cos y sus relaciones con los sistemas de fractura
RGB, LiDAR) (Themistocleous et al., 2014), y
en los carbonatos cretácicos de la formación Jan-
acceso a zonas remotas y peligrosas (Wyngaard
daira en la cuenca Potiguar, Brasil. Sus principa-
et al., 2019) (Cuadro 3). Por estas razones, los
les resultados indican que al menos cuatro grados
drones han sido adoptados en diferentes contex-
principales de evolución kárstica controlada por
tos como la agricultura, minería, construcción y
fracturas y lechos sedimentarios fueron encon-
supervisión de obras civiles, monitoreo atmos-
trados en la cuenca Potiguar. Ramsey y colabo-
férico, estudios forestales, respuesta a desastres,
radores (2014) examinaron el potencial de las
ecología, monitoreo ambiental, manejo de recur-
imágenes obtenidas con drones para mapear, do-
sos naturales y estudios geomorfológicos (Rol-
cumentar y monitorear cambios del paisaje kárs-
dán et al., 2015).
tico, generados por las actividades de silvicultura
El método fotogramétrico “Structure from en la selva tropical templada costera al norte de
Motion” (SfM) es un método emergente de bajo la isla de Vancouver, Canadá. Los autores con-
costo para la reconstrucción topográfica de alta cluyeron que los drones equipados con cámaras
resolución en áreas remotas (Hu et al., 2018). digitales de alta resolución son una nueva herra-
Este método opera bajo los mismos principios mienta prometedora y rentable para científicos y
básicos que la fotografía estereoscópica, donde gestores del karst.
la estructura tridimensional se genera a partir de
Los datos obtenidos con drones, SIG y obser-
una serie de imágenes superpuestas y desplaza-
vaciones en campo se acoplan para analizar las
das (Westoby et al., 2012); y las imágenes usadas
propiedades geométricas y la distribución espa-
pueden ser de video o provenir de cámaras digi-
cial de dolinas para identificar patrones y facto-
tales de baja calidad (Westoby et al., 2012). De-
res críticos y de esta manera hacer el mapeo de
bido a sus numerosas ventajas (rápido, eficiente,
peligros y la planificación costera (Oliveira et
bajo costo, datos de alta resolución) el método
al., 2019). Los autores mostraron que el uso de
SfM ha sido utilizado en conjunto con las imáge-
los drones permite una descripción morfométri-
nes tomadas por drones, siendo una herramienta
ca precisa, rápida y de bajo costo de las dolinas
nueva y poderosa para generar topografía de alta
kársticas. Además, mencionan que no encontra-
resolución y productos como: ortomosaicos, mo-
ron estudios previos de análisis morfométricos de
delos digitales de elevación, nubes de puntos y
relieves kársticos realizados con drones.
modelos 3D (Whitehead et al., 2014; Hu et al.,
2018) (Figura 2). Los drones aún no han sido ampliamente utiliza-
dos en estudios geomorfológicos sobre el karst, a
En la década de 2010, los estudios geomor-
pesar de su potencial comparado con plataformas
fológicos han incrementado el uso de datos de
como las imágenes satelitales y LiDAR, por lo
alta resolución espacial (en metros) y ultra-alta
cual, existe una gran oportunidad de aplicar esta
(en centímetros) (He y Weng, 2018), a través
tecnología a paisajes kársticos (Telbisz et al.,
de tecnologías como LiDAR y drones (Glennie
2016; Silva et al., 2017).
et al., 2013). Los datos de estas tecnologías han
permitido un mapeo y análisis del terreno más de-
123
El karst de México
Figura 2. Nube de puntos de una dolina generada con el método Structure from Motion e imágenes to-
madas con drones. A) vista en planta; B) perfil donde se observa de forma detallada las dimensiones de
la dolina y su vegetación.
124
El karst de México
Figura 3. Dolina o lago kárstico Poolol ubicada en el municipio de Chapab, Yucatán sobrevolada en
dos temporadas diferentes: A) condiciones normales y B) posterior a lluvias extraordinarias (Fotos:
Neftaly Gijón).
125
El karst de México
Para comprender los procesos kársticos, miti- Aguilar Duarte, Y., Frausto Martínez, O., Bollo, M., Bau-
gar los peligros geológicos o antrópicos y propo- tista, F. (2010). Spatial distribution of karstic depressions in
tropical karst plains. Reunión Anual de La Unión Geofísica
ner estrategias de manejo sustentable, es funda- Mexicana. 115–116.
mental contar con los mapas de riesgos obtenidos
de inventarios precisos y completos de los ele- Aguilar, Y., Bautista, F., Mendoza, M. E., Frausto, O., Ihl,
T. (2016). Density of karst depressions in Yucatán state,
mentos del karst, como las depresiones kársticas Mexico. Journal of Cave and Karst Studies. 78(2): 51–60.
(Gutiérrez et al., 2014). El mapeo de las depre- https://doi.org/10.4311/2015ES0124
siones kársticas es relevante para el desarrollo de Andreu, J. M., Calaforra, J. M., Cañaveras, J. C., Cuevaz,
estrategias de manejo sustentable con enfoques S., Durán, J. J., Garay, P., García del Cura, M. A., Fernán-
sobre riesgos de hundimiento, planeación del uso dez-Cortés, A., Gázquez, F., Ordóñez S., Sánchez-Moral,
del suelo y la vulnerabilidad del acuífero a la con- S. (2016). Karst: un concepto muy diverso. Enseñanza de
taminación (Gutiérrez et al., 2008). las Ciencias de la Tierra. 24(1): 6–20. https://www.raco.
cat/index.php/ECT/article/view/312531
Varios autores coinciden que los sistemas Basso, A., Bruno, E., Parise, M., Pepe, M. (2013). Morpho-
kársticos en general son dinámicos, y se requie- metric analysis of sinkholes in a karst coastal area of sou-
ren bases de datos constantemente actualizadas thern Apulia (Italy). Environmental Earth Sciences. 70(6):
para múltiples propósitos (White, 2002; Lindsey 2545–2559. https://doi.org/10.1007/s12665-013-2297-z
et al., 2010), así como analizar los fenómenos de Bautista, F., Batllori-Sampedro, E., Palacio-Aponte, G.,
estudio a distintas escalas espaciales y tempora- Ortiz-Pérez, M., Castillo-González, M. (2005). Integración
les, hasta llegar a las condiciones locales (Rodrí- del conocimiento actual sobre los paisajes geomorfológicos
guez, 1981); pues tanto las geoformas como los de la Península de Yucatán. En F. Bautista y A. G. Palacio
(Eds.), Caracterización y manejo de los suelos de la penín-
procesos kársticos pueden permanecer ocultos o sula de Yucatán: implicaciones agropecuarias, forestales y
inactivos temporalmente y activarse posterior- ambientales, (pp. 33–58) UAC, UADY, INE. https://www.
mente con eventos meteorológicos o como resul- researchgate.net/publication/253953809_Integracion_del_
tado de los impactos acumulativos de las activi- conocimiento_actual_sobre_los_paisajes_geomorfologi-
dades humanas. Por estas razones, la selección cos_de_la_peninsula_de_Yucatan
apropiada de herramientas y tecnologías geoes- Bubenzer, O., Bolten, A. (2008). The use of new elevation
paciales es de crucial importancia en los estudios data (SRTM/ASTER) for the detection and morphome-
tric quantification of Pleistocene megadunes (draa) in the
del relieve kárstico. eastern Sahara and the southern Namib. Geomorphology.
102(2): 221–231. https://doi.org/10.1016/J.GEOMOR-
Agradecimientos PH.2008.05.003
Al proyecto INIFAP “Elementos del paisaje kárs- Chang, C. C., Wang, J. L., Chang, C. Y., Liang, M. C., Lin,
M. R. (2016). Development of a multicopter-carried who-
tico de la Península de Yucatán para el aprovecha- le air sampling apparatus and its applications in environ-
miento de sus recursos naturales” (11161434635). mental studies. Chemosphere. 144: 484–492. https://doi.
El primer autor agradece al CONACYT por la org/10.1016/j.chemosphere.2015.08.028
beca otorgada para realizar estudios de posgrado. Chen, H., Oguchi, T., Wu, P. (2018). Morphometric analy-
A cada uno de los árbitros que con sus observa- sis of sinkholes using a semi-automatic approach in Zhijin
ciones contribuyeron a mejorar el texto. County, China. Arabian Journal of Geosciences. 11(412):
1–14. https://doi.org/10.1007/s12517-018-3764-3
Referencias Chuvieco, E. (2020). Fundamentals of Satellite Remote
Sensing: An Environmental Approach. CRC Press. https://
Aguilar-Duarte, Y., Bautista, F., Mendoza, M., Frausto, O., www.crcpress.com/Fundamentals-of-Satellite-Remo-
Ihl, T., Delgado, C. (2016). IVAKY: Índice de la Vulnerabi- te-Sensing-An-Environmental-Approach-Third/Chuvie-
lidad del Acuífero Kárstico Yucateco a la Contaminación. co/p/book/9781138583832
Revista Mexicana de Ingeniería Química. 15(3): 913–933. Cole, L. J. (1910). The caverns and people of northern
https://www.researchgate.net/publication/309193502_ Yucatan. Bulletin of the American Geographical Society.
IVAKY_Indice_de_la_vulnerabilidad_del_acuifero_kars- 42(5): 321–336. https://doi.org/10.2307/199038
tico_yucateco_a_la_contaminacion
126
El karst de México
Cvijic, J. (1893). Das karstphänomen: Versuch einer mor- Ehlers, M., Gähler, M., Janowsky, R. (2003). Automa-
phologischen monographie. Wien: E. Hölzel. ted analysis of ultra high resolution remote sensing data
for biotope type mapping: new possibilities and challen-
Daly, D. (1997). Epikarst: a new concept in Irish hydro-
ges. ISPRS Journal of Photogrammetry and Remote Sen-
geology. The GSI Groundwater Newsletter. 31: 4–6. https://
sing. 57(5–6): 315–326. https://doi.org/10.1016/S0924-
www.gsi.ie/documents/GWNewsletterNo31.pdf
2716(02)00161-2
Daly, D., Dassargues, A., Drew, D., Dunne, S., Goldschei-
Ensley, R., Hansen, R. D., Morales-Aguilar, C., Thompson,
der, N., Neale, S., Popescu, I., Zwahlen, F. (2002). Main
J. (2021). Geomorphology of the Mirador-Calakmul Karst
concepts of the “European approach” to karst-groundwa-
Basin: A GIS-based approach to hydrogeologic mapping.
ter-vulnerability assessment and mapping. Hydrogeology
PLOS ONE, 16(8): e0255496 https://doi.org/10.1371/jour-
Journal. 10(2): 340–345. https://doi.org/10.1007/s10040-
nal.pone.0255496
001-0185-1
Espinasa-Pereña, R. (1990a). Propuesta de clasificación
Day, M. (1983). Doline Morphology and Develop-
del karst de la República Mexicana [Universidad Nacio-
ment in Barbados. Annals of the Association of Ame-
nal Autónoma de México]. https://repositorio.unam.mx/
rican Geographers. 73(2): 206–219. https://doi.or-
contenidos/propuesta-del-clasificacion-de-karst-de-la-re-
g/10.1111/j.1467-8306.1983.tb01408.x
publica-mexicana-3488710?c=G22Oa2&d=false&-
De Waele, J., Plan, L., Audra, P. (2009). Recent develop- q=*:*&i=4&v=1&t=search_0&as=0
ments in surface and subsurface karst geomorphology: An
Espinasa-Pereña, R. (1990b). Carso (mapa de la República
introduction. Geomorphology. 106(1–2): 1–8. https://doi.
Mexicana), en Atlas Nacional de México. IG, UNAM.
org/10.1016/j.geomorph.2008.09.023
Espinasa-Pereña, R. (2007). El karst de México. http://
De Waele, J., Gutiérrez, F., Parise, M., Plan, L. (2011). Geo-
www.igeograf.unam.mx/Geodig/nvo_atlas/index.html/5_
morphology and natural hazards in karst areas: A review.
naturaleza_ambiente/3_geomorfologia/NA_III_3.pdf
Geomorphology. 134(1–2): 1–8. https://doi.org/10.1016/j.
geomorph.2011.08.001 Espinasa Pereña, R., Nieto Torres, A. (2015). Análisis de la
vulnerabilidad a fenómenos kársticos.
Doerfliger, N., Jeannin, P. Y., Zwahlen, F. (1999). Water
vulnerability assessment in karst environments: a new Finch, W. A. (1965). The Karst Landscape of Yucatan.
method of defining protection areas using a multi-attri- NRC. https://www.ideals.illinois.edu/handle/2142/61036
bute approach and GIS tools (EPIK method). Environ-
Ford, D. C., Williams, P. W. (1989). Karst geomorphology
mental Geology. 39(2): 165–176. https://doi.org/10.1007/
and hydrology. Unwin Hyman London.
s002540050446
Ford, D., Williams, P. (2007). Introduction to Karst. En D.
Dong, P., Chen, Q. (2017). LiDAR Remote Sensing and
Ford y P. Williams (Eds.), Karst Hydrogeology and Geo-
Applications. CRC Press. https://www.crcpress.com/Li-
morphology, (pp. 1–8). John Wiley & Sons Ltd,. https://doi.
DAR-Remote-Sensing-and-Applications/Dong-Chen/p/
org/10.1002/9781118684986.ch1
book/9781138747241
Fragoso-Servón, P., Bautista, F., Frausto, O., Pereira, A.
Drăguţ, L., Blaschke, T. (2006). Automated classification
(2014). Caracterización de las depresiones kársticas (for-
of landform elements using object-based image analy-
ma, tamaño y densidad) a escala 1:50,000 y sus tipos de
sis. Geomorphology. 81(3–4): 330–344. https://doi.or-
inundación en el estado de Quintana Roo, México. Revista
g/10.1016/j.geomorph.2006.04.013
Mexicana de Ciencias Geológicas. 31(1): 127–137. http://
Dramis, F., Guida, D., Cestari, A. (2011). Nature and Aims www.scielo.org.mx/scielo.php?script=sci_arttext&pi-
of Geomorphological Mapping. En M. J. Smith, P. Paron d=S1026-87742014000100010
y J. S. Griffiths (Eds.), Developments in Earth Surface
Frausto-Martínez, O., Aguilar-Becerra, C. D., Colín-Oliva-
Processes, (Vol. 15, pp. 39–73). Elsevier B.V. https://doi.
res, O., Sánchez-Rivera, G., Hafsi, A., Contreras-Tax, A. F.,
org/10.1016/B978-0-444-53446-0.00003-3
Uhu-Yam, W. D. (2020). COVID-19, Storms, and Floods:
Drew, D., Hötzl, H. (1999). Karst Hydrogeology and Hu- Impacts of Tropical Storm Cristobal in the Western Sector
man Activities: Impacts, Consequences and Implications. of the Yucatan Peninsula, Mexico. Sustainability. 12(23):
CRC Press. 9925. https://doi.org/10.3390/su12239925
Drury, S. A. (1990). A Guide to Remote Sensing: Interpre- Frausto-Martínez, O., Zapi-Salazar, N. A., Colin-Olivares,
ting Images of the Earth. Oxford University Press. O. (2019). Identification of Karst Forms Using LiDAR Te-
chnology: Cozumel Island, Mexico. En R. Abdalla (Ed.),
Dykes, A. P. (2008). Geomorphological maps of Irish peat
Trends in Geomatics - An Earth Science Perspective. Cap.
landslides created using hand-held GPS. Journal of Maps.
3. IntechOpen. https://doi.org/10.5772/intechopen.79196
4(1): 258–276. https://doi.org/10.4113/jom.2008.1029
127
El karst de México
Frausto, O., & Ihl, T. (2008). Mapa de formas exocársti- Gutiérrez, F., Cooper, A. H., Johnson, K. S. (2008). Iden-
cas del Norte de Quintana Roo a escala 1:50000. In M. A. tification, prediction, and mitigation of sinkhole hazards
Gutiérrez Aguirre & A. Cervantes Martínez (Eds.), Estu- in evaporite karst areas. Environmental Geology. 53(5):
dio geohidrológico del norte de Quintana Roo, México (p. 1007–1022. https://doi.org/10.1007/s00254-007-0728-4
111). Universidad de Quintana Roo, Consejo Nacional de
Gutiérrez, F., Parise, M., De Waele, J., Jourde, H. (2014). A
Ciencia y Tecnología. http://bibliotecasibe.ecosur.mx/sibe/
review on natural and human-induced geohazards and im-
book/000046840
pacts in karst. Earth-Science Reviews. 138: 61–88. https://
Galve, J. P., Castañeda, C., Gutiérrez, F., Herrera, G. (2015). doi.org/10.1016/j.earscirev.2014.08.002
Assessing sinkhole activity in the Ebro Valley mantled eva-
He, Y., Weng, Q. (2018). Introduction. In Y. He y Q. Weng
porite karst using advanced DInSAR. Geomorphology. 229:
(Eds.), High Spatial Resolution Remote Sensing, (p. 381).
30–44. https://doi.org/10.1016/j.geomorph.2014.07.035
CRC Press. https://doi.org/10.1201/9780429470196
Gams, I. (1993). Origin of the term “karst,” and the trans-
Hensley, S., Farr, T. (2013). 3.3 Microwave Remote Sen-
formation of the classical karst (kras). Environmental Geo-
sing and Surface Characterization. En J. F. Shroder (Ed.),
logy. 21(3): 110–114. https://doi.org/10.1007/BF00775293
Treatise on Geomorphology, (pp. 43–79). Elsevier. https://
García Gil, G., Palacio-Prieto, J. L., Ortiz Pérez, M. A. doi.org/10.1016/B978-0-12-374739-6.00044-0
(2002). Reconocimiento geomorfológico e hidrográfico
Hernández Aguilar, M. L. (2019). Riesgo de hundimientos
de la Reserva de la Biosfera Calakmul, México. Investi-
y subsidencia kárstica en la zona maya de Quintana Roo.
gaciones Geográficas. 1(48): 7-23. http://www.inves-
En O. Frausto Martínez (Ed.), Conocimientos y saberes so-
tigacionesgeograficas.unam.mx/index.php/rig/article/
bre el karst tropical de México, (Primera, pp. 214–235).
view/59170/52157
Acts with science. http://www.amek.org.mx/wp-content/
Gijón-Yescas, N., Aguilar-Duarte, Y. G., Frausto-Martínez, uploads/2019/10/LibroConocimientos-Capítulo-11.pdf
O., Bautista-Zuñiga, F. (2021a). Anatomía de un cenote con
Hu, S., Qiu, H., Wang, X., Gao, Y., Wang, N., Wu, J., Yang,
el uso de dron. Tropical and Subtropical Agroecosystems.
D., Cao, M. (2018). Acquiring high-resolution topography
24(1): 1–14. https://doi.org/10.56369/tsaes.3634
and performing spatial analysis of loess landslides by using
Gijón-Yescas, N., Estrada-Medina, H., Aguilar-Duarte, low-cost UAVs. Landslides. 15(3): 593–612. https://doi.
Y., Medina-Esquivel, R. A., Euán-Ávila, J. I. (2021b). org/10.1007/s10346-017-0922-8
Evaluación de productos fotogramétricos de una unidad
Ihl, T., Martínez, O. F., Rojas López, J., Giese, S., Gol-
kárstica obtenidos con un dron. Tropical and Subtropical
dacker, S., Bautista Zúñiga, F., Bocco Verdinelli, G.
Agroecosystems. 24(1): 1–12. https://doi.org/http://dx.doi.
(2007). Identification of geodisasters in the state of Yuca-
org/10.56369/tsaes.3613
tán, Mexico. Neues Jahrbuch Für Geologie Und Paläon-
Glennie, C., Brooks, B., Ericksen, T., Hauser, D., Hudnut, tologie - Abhandlungen. 246(3): 299–311. https://doi.
K., Foster, J., Avery, J. (2013). Compact Multipurpose Mo- org/10.1127/0077-7749/2007/0246-0299
bile Laser Scanning System — Initial Tests and Results.
INEGI. (2005). Guía para la interpretación de cartografía.
Remote Sensing. 5(2): 521–538. https://doi.org/10.3390/
Instituto Nacional de Estadística, Geografía e Informática.
rs5020521
http://internet.contenidos.inegi.org.mx/contenidos/produc-
Grebby, S., Naden, J., Cunningham, D., Tansey, K. (2011). tos/prod_serv/contenidos/espanol/bvinegi/productos/histo-
Integrating airborne multispectral imagery and airborne Li- ricos/1329/702825231743/702825231743_1.pdf
DAR data for enhanced lithological mapping in vegetated
INEGI. (2013). Continuo de Elevaciones Mexicano (CEM)
terrain. Remote Sensing of Environment. 115(1): 214–226.
versión 3.0. Instituto Nacional de Estadística, Geografía e
https://doi.org/10.1016/j.rse.2010.08.019
Informática. https://www.inegi.org.mx/app/geo2/elevacio-
Griffiths, J. S., Smith, M. J., Paron, P. (2011). Introduction nesmex/
to Applied Geomorphological Mapping. En M. J. Smith, P.
Jakovljevic, G., Govedarica, M., Alvarez-Taboada, F.,
Paron y J. S. Griffiths (Eds.), Developments in Earth Surfa-
Pajic, V. (2019). Accuracy Assessment of Deep Learning
ce Processes, (Vol. 15, Issue C, pp. 3–11). Elsevier. https://
Based Classification of LiDAR and UAV Points Clouds
doi.org/10.1016/B978-0-444-53446-0.00001-X
for DTM Creation and Flood Risk Mapping. Geosciences.
Gupta, A., Liew, S. C. (2007). The Mekong from satelli- 9(323): 1–21. https://doi.org/10.3390/geosciences9070323
te imagery: A quick look at a large river. Geomorpholo-
Kayan, I., Klemas, V. (1978). Application of LANDSAT
gy. 85(3–4): 259–274. https://doi.org/10.1016/j.geomor-
imagery to studies of structural geology and geomorpho-
ph.2006.03.036
logy of the Mentese region of southwestern Turkey. Re-
Gupta, R. (2018). Remote Sensing Geology. Springer Ber- mote Sensing of Environment. 7(1): 51–60. https://doi.
lin Heidelberg. https://doi.org/10.1007/978-3-662-55876-8 org/10.1016/0034-4257(78)90006-8
128
El karst de México
Keskin, İ., Yılmaz, I. (2016). Morphometric and geological Okada, Y., Hirao, C., Horiuchi, T., Hara, Y., Jonathan, Y.,
features of karstic depressions in gypsum (Sivas, Turkey). Azarbayejani, A., Oishi, N., Furuhata, M., Kumagai, N.,
Environmental Earth Sciences. 75(12): 1–14. https://doi. Morioka, S., Kato, Y. (2007). Highly accurate DSM re-
org/10.1007/s12665-016-5845-5 construction using Ku-band airborne InSAR. 2007 IEEE
International Geoscience and Remote Sensing Symposium,
Knight, J., Mitchell, W. A., Rose, J. (2011). Geomorpholo-
Barcelona, Spain, 5049–5052. https://doi.org/10.1109/
gical Field Mapping. En M. J. Smith, P. Paron, y J. S. Griffi-
IGARSS.2007.4423996
ths (Eds.), Developments in Earth Surface Processes, (Vol.
15, pp. 151–187). Elsevier B.V. https://doi.org/10.1016/ Oliveira, S., Moura, D., Boski, T., Horta, J. (2019). Coastal
B978-0-444-53446-0.00006-9 paleokarst landforms: A morphometric approach via UAV
for coastal management (Algarve, Portugal case study).
Konstantin, K. (2015). What drones can do and how they
Ocean & Coastal Management. 167: 245–261. https://doi.
can do it. En K. Konstantin (Ed.), Drones and aerial ob-
org/10.1016/j.ocecoaman.2018.10.025
servation: New technologies for property rights, human
rights, and global development. A primer. (First, Issue July, Otto, J. C., Smith, M. J. (2012). Geomorphological Map-
pp. 9–18). New America. http://drones.newamerica.org/ ping. En C. Simon, L. Clarke y J. Nield (Eds.), Geomor-
primer/ phological Techniques (Vol. 6, pp. 1–10). British Society
for Geomorphology. https://www.geomorphology.org.uk/
Kooistra, L., van der Wal, T., Poppe, K. (2015). The role of
geomorph_techniques
new data sources in Greening Growth – the case of Drones.
1–24. https://library.wur.nl/WebQuery/wurpubs/495830 Palacio Aponte, G. (2013a). Identificación y Caracteriza-
ción de Bajos Inundables. En G. Posada Vanegas, B. E.
Linder, W. (2016). Introduction. En W. Linder (Ed.), Di-
Vega Serratos y R. Silva Casarín (Eds.), Peligros Natura-
gital Photogrammetry, (pp. 1-15). Springer-Verlag Berlin
les en el Estado de Campeche. Cuantificación y Protección
Heidelberg. https://doi.org/10.1007/978-3-662-50463-5
Civil (pp. 125–136). UAC, GEC. http://www.seprocicam.
Lindsey, B. D., Katz, B. G., Berndt, M. P., Ann, A. E., Ae, gob.mx/index.php/analisis-y-prevencion/peligros-natura-
F. A., Skach, K. A., Katz, B. G., Berndt, A. M. P., Bern- les-en-el-estado-de-campeche
dt, M. P., Ardis, A. F., Skach, K. A. (2010). Relations be-
Palacio Aponte, G. (2013b). Identificación y Caracteriza-
tween sinkhole density and anthropogenic contaminants
ción de la Subsidencia y/o Colapso de Terrenos Kársticos.
in selected carbonate aquifers in the eastern United States.
En G. Posada Vanegas, E. Vega Serranos y R. Silva Casa-
Environmental Earth Sciences. 60: 1073–1090. https://doi.
rín (Eds.), Peligros Naturales en el Estado de Campeche.
org/10.1007/s12665-009-0252-9
Cuantificación y Protección Civil (pp. 169–182). UAC,
Lugo-Hubp, J. (1990). El relieve de la República Mexica- GEC. http://www.seprocicam.gob.mx/descargas/Peligros
na. Revista Mexicana de Ciencias Geológicas. 9(1): 82– Naturales en el Estado de Campeche.pdf
111. http://rmcg.geociencias.unam.mx/index.php/rmcg/
Paredes, C., Matos, H., De la Vega, R., Pardo, E. (2019).
article/view/1255
Reconocimiento semiautomático de depresiones kársticas
Lugo Hubp, J., Espinasa Pereña, R., Aceves Quesada, J. F. mediante análisis clúster de las distribuciones morfométri-
(1992). Rasgos geomorfológicos mayores de la Penínsu- cas y su aplicación al karst del Estado de Yucatán, México.
la de Yucatán. Revista del Instituto de Geología. UNAM. Revista Mexicana de Ciencias Geológicas. 36(2): 270–288.
10(2): 143–150. https://doi.org/10.22201/cgeo.20072902e.2019.2.1017
Müllerová, J., Brůna, J., Bartaloš, T., Dvořák, P., Vítková, Pike, R. J. (2000). Geomorphometry -diversity in quan-
M., Pyšek, P. (2017). Timing Is Important: Unmanned Air- titative surface analysis. Progress in Physical Geogra-
craft vs. Satellite Imagery in Plant Invasion Monitoring. phy: Earth and Environment. 24(1): 1–20. https://doi.
Frontiers in Plant Science. 8: 887. https://doi.org/10.3389/ org/10.1177/030913330002400101
fpls.2017.00887
Plan, L., Decker, K., Faber, R., Wagreich, M., Grasemann,
Napieralski, J., Barr, I., Kamp, U., Kervyn, M. (2013). 3.8 B. (2009). Karst morphology and groundwater vulnerabi-
Remote Sensing and GIScience in Geomorphological Ma- lity of high alpine karst plateaus. Environmental Geology.
pping. En J. F. Shroder (Ed.), Treatise on Geomorphology 58(2): 285–297. https://doi.org/10.1007/s00254-008-1605-
(Vol. 3, pp. 187–227). Elsevier. https://doi.org/10.1016/ 5
B978-0-12-374739-6.00050-6
Prost, G. L. (2013). Remote Sensing Systems. En G. L.
Oguchi, T., Hayakawa, Y. S., Wasklewicz, T. (2011). Data Prost (Ed.), Remote Sensing for Geoscientists (pp. 33–170).
Sources. En M. J. Smith, P. Paron, y J. S. Griffiths (Eds.), CRC Press. https://doi.org/10.1201/b15638-5
Developments in Earth Surface Processes, (Vol. 15, pp.
Ramsey, C. L., Griffiths, P. A., Stokes, T. R. (2014). Mul-
189–224). Elsevier B.V. https://doi.org/10.1016/B978-0-
ti-rotor unmanned aerial vehicles (UAVS) and high-reso-
444-53446-0.00007-0
lution compact digital cameras: A promising new method
129
El karst de México
Peformance. The Photogrammetric Record. 15(85): 17–25. Management: Fairness through Community Engagement
https://doi.org/10.1111/0031-868X.00002 and Best Practices Development. Remote Sensing. 11(15):
1797. https://doi.org/10.3390/rs11151797
Walsh, S. J., Butler, D. R., Malanson, G. P. (1998). An
overview of scale, pattern, process relationships in geo- Yang, L., Meng, X., Zhang, X. (2011). SRTM DEM
morphology: a remote sensing and GIS perspective. Geo- and its application advances. International Journal
morphology. 21(3–4): 183–205. https://doi.org/10.1016/ of Remote Sensing. 32(14): 3875–3896. https://doi.
S0169-555X(97)00057-3 org/10.1080/01431161003786016
Waltham, T., Bell, F. G., Culshaw, M. (2005). Sinkholes Zhou, X., Chang, N. B., Li, S. (2009). Applications of SAR
and Subsidence. Springer-Verlag Berlin Heidelberg. ht- Interferometry in Earth and Environmental Science Re-
tps://doi.org/10.1007/b138363 search. Sensors. 9(3): 1876–1912. https://doi.org/10.3390/
s90301876
Wang, G., Xie, M., Chai, X., Wang, L., Dong, C. (2013).
D-InSAR-based landslide location and monitoring at Wu- Zhu, J., Taylor, T., Currens, J., Crawford, M. (2014). Im-
dongde hydropower reservoir in China. Environmental proved Karst Sinkhole Mapping in Kentucky using LiDAR
Earth Sciences. 69(8): 2763–2777. https://doi.org/10.1007/ Techniques: A Pilot Study in Floyds Fork Watershed. Jour-
s12665-012-2097-x nal of Cave and Karst Studies. 76(3): 207–216. https://doi.
org/10.4311/2013ES0135
Wasklewicz, T., Staley, D. M., Reavis, K., Oguchi, T.
(2013). Digital Terrain Modeling. En J. F. Shroder (Ed.),
Treatise on Geomorphology (Vol. 3, pp. 130–161). Aca-
demic Press. https://doi.org/10.1016/B978-0-12-374739-
6.00048-8
Westoby, M. J., Brasington, J., Glasser, N. F., Hambrey,
M. J., Reynolds, J. M. (2012). “Structure-from-Motion”
photogrammetry: A low-cost, effective tool for geoscience
applications. Geomorphology. 179: 300-314 https://doi.or-
g/10.1016/j.geomorph.2012.08.021
White, W. B. (2002). Karst hydrology: recent develop-
ments and open questions. Engineering Geology. 65(2–3):
85–105. https://doi.org/10.1016/S0013-7952(01)00116-8
Whitehead, K., Hugenholtz, C. H., Myshak, S., Brown, O.,
LeClair, A., Tamminga, A., Barchyn, T. E., Moorman, B.,
Eaton, B. (2014). Remote sensing of the environment with
small unmanned aircraft systems (UASs), part 2: scientific
and commercial applications. Journal of Unmanned Vehi-
cle Systems. 02(03): 86–102. https://doi.org/10.1139/juvs-
2014-0007
Williams, P. (1972). Morphometric Analysis of Poly-
gonal Karst in New Guinea. Geological Society of
America Bulletin. 83(3): 761–796. https://doi.or-
g/10.1130/0016-7606(1972)83[761:MAOPKI]2.0.CO;2
Wilson, J. P. (2018). Constructing Digital Elevation Mo-
dels. In J. P. Willson (Ed.), Environmental Applications of
Digital Terrain Modeling, (pp. 23–52). John Wiley & Sons
Ltd. https://www.wiley.com/en-mx/Environmental+Appli-
cations+of+Digital+Terrain+Modeling-p-9781118938171
Wu, Q., Deng, C., Chen, Z. (2016). Automated delinea-
tion of karst sinkholes from LiDAR-derived digital ele-
vation models. Geomorphology. 266: 1–10. https://doi.or-
g/10.1016/j.geomorph.2016.05.006
Wyngaard, J., Barbieri, L., Thomer, A., Adams, J., Sullivan,
D., Crosby, C., Parr, C., Klump, J., Raj Shrestha, S., Bell,
T. (2019). Emergent Challenges for Science sUAS Data
131