DOI:
https://doi.org/10.14483/2256201X.24278Publicado:
01-07-2026Número:
Vol. 29 Núm. 2 (2026): Julio-diciembreSección:
Artículos de investigación científica y tecnológicaEvaluación de la precisión de índices de vegetación específicos para identificar manglares en Tumaco, Colombia
Assessment of the accuracy of specific vegetation indices for mangrove identification in Tumaco, Colombia
Palabras clave:
monitoreo de manglares, Pacífico colombiano, Sentinel-2, teledetección (es).Palabras clave:
Mangrove monitoring, Colombian pacific, Sentinel-2, remote sensing (en).Descargas
Resumen (es)
El estudio evaluó la precisión de siete índices de vegetación específicos para la identificación de manglares mediante imágenes Sentinel-2 en San Andrés de Tumaco, Colombia. Se emplearon análisis espectrales, validación con datos de referencia e interpretación visual. El Índice de Vegetación de Manglares sobreestimó el área (>500%), mientras que el Índice de Manglares mostró los mejores resultados visuales, aunque con limitaciones en zonas acuáticas. El Índice de Manglares de Diferencia Normalizada y el Índice de Discriminación de Manglares lograron diferenciar coberturas de agua y urbanas, con desafíos en la separabilidad del manglar. La firma espectral evidenció mayor absorción en el infrarrojo cercano (0.32), permitiendo su distinción frente a otras coberturas. Los resultados destacan la necesidad de adaptar los índices a condiciones ecológicas regionales para optimizar su precisión, constituyendo una base para desarrollar metodologías más robustas de monitoreo y conservación de manglares mediante teledetección.
Resumen (en)
The study assessed the accuracy of seven vegetation indices specifically designed for mangrove identification using Sentinel-2 imagery in San Andrés de Tumaco, Colombia. Spectral analyses, validation with reference data, and visual interpretation were conducted. The Mangrove Vegetation Index substantially overestimated the mapped area (>500%), whereas the Mangrove Index yielded the best visual results, albeit with limitations in water-dominated zones. The Normalized Difference Mangrove Index and the Mangrove Discrimination Indices effectively differentiated water and urban land covers, though challenges remained in mangrove separability. Spectral signatures revealed greater absorption in the near-infrared region (0.32), facilitating discrimination from other land covers. The findings underscore the need to adapt these indices to regional ecological conditions to improve their accuracy, providing a foundation for the development of more robust remote sensing methodologies for mangrove monitoring and conservation.
Referencias
Alongi, D. M. (2008). Mangrove forests: Resilience, protection from tsunamis, and responses to global climate change. Estuarine, Coastal and Shelf Science, 76(1), 1–13.
https://doi.org/10.1016/j.ecss.2007.08.024
Baloloy, A. B., Blanco, A. C., Sta. Ana, R. R. C., & Nadaoka, K. (2020). Development and application of a new mangrove vegetation index (MVI) for rapid and accurate mangrove mapping. ISPRS Journal of Photogrammetry and Remote Sensing, 166, 95–117.
https://doi.org/10.1016/j.isprsjprs.2020.06.001
Bunting, P., Rosenqvist, A., Lucas, R. M., Rebelo, L. -M., Hilarides, L., Thomas, N., Hardy, A., Itoh, T., Shimada, M., & Finlayson, C. M. (2018). The Global Mangrove Watch — A New 2010 Global Baseline of Mangrove Extent. Remote Sensing, 10(10), 1669.
https://doi.org/10.3390/rs10101669
Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46.
https://doi.org/10.1177/001316446002000104
Congalton, R. G. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 37(1), 35–46.
https://doi.org/10.1016/0034-4257(91)90048-B
Congalton, R. G., & Green, K. (2019). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices (3.ª ed.). CRC Press.
https://doi.org/10.1201/9780429052729
Diniz, C., Cortinhas, L., Nerino, G., Rodrigues, J., Sadeck, L., Adami, M., & Souza-Filho, P. W. M. (2019). Brazilian mangrove status: Three decades of satellite data analysis. Remote Sensing, 11(7), 808.
https://doi.org/10.3390/rs11070808
Duarte, C. M., Losada, I. J., Hendriks, I. E., Mazarrasa, I., & Marbà, N. (2013). The role of coastal plant communities for climate change mitigation and adaptation. Nature Climate Change, 3(11), 961–968.
https://doi.org/10.1038/nclimate1970
Fauzi, A. I., Immitzer, M., & Atzberger, C. (2025). Exploring new mangrove horizons: A scalable remote sensing approach with Planet-NICFI and Sentinel-2 images. Ecological Informatics, 88, 103152.
https://doi.org/10.1016/j.ecoinf.2025.103152
Frampton, W. J., Dash, J., Watmough, G., & Milton, E. J. (2013). Evaluating the capabilities of Sentinel-2 for quantitative estimation of biophysical variables in vegetation. ISPRS Journal of Photogrammetry and Remote Sensing, 82, 83-92.
https://doi.org/10.1016/j.isprsjprs.2013.04.007
Ghorbanian, A., Zaghian, S., Asiyabi, R. M, Amani, M., Mohammadzadeh, A., & Jamali, S. (2021). Mangrove ecosystem mapping using Sentinel-1 and Sentinel-2 satellite images and Random Forest algorithm in Google Earth Engine. Remote Sensing, 13 (13), 2565.
https://doi.org/10.3390/rs13132565
Gómez Torres, J. E. y Peñaranda Cabarcas, J. E. (2012). Descripción del comportamiento de variables atmosféricas y oleaje en el puerto de Tumaco a partir de observación de datos. Boletín Científico CIOH, 30, 75–92.
https://doi.org/10.26640/22159045.244
Gupta, K., Mukhopadhyay, A., Giri, S., Chanda, A., Majumdar, S. D., Samanta, S., Mitra, D., Samal, R. N., Pattnaik, A. K., & Hazra, S. (2018). An index for discrimination of mangroves from non-mangroves using LANDSAT 8 OLI imagery. MethodsX, 5, 1129–1139.
https://doi.org/10.1016/j.mex.2018.09.011
Instituto de Investigaciones Marinas y Costeras. (2023). MANGLARES COLOMBIA [Conjunto de datos]. ArcGIS Hub.
https://acceso-datos-ambientales-invemar.hub.arcgis.com/datasets/INVEMAR::manglares-colombia/about
Klinger, W., Valoyes, Z., Sosa, C., Díaz, C. y Ramirez, G. (2012). Valoración integral del ecosistema de manglar en el municipio de San Andrés de Tumaco (Nariño). Instituto de Investigaciones Ambientales del Pacífico.
Kuenzer, C., Bluemel, A., Gebhardt, S., Quoc, T. V., & Dech, S. (2011). Remote sensing of mangrove ecosystems: A review. Remote Sensing, 3(5), 878-928.
https://doi.org/10.3390/rs3050878
Lamprecht, H. (1990). Silvicultura en los Trópicos: Los ecosistemas forestales en los bosques tropicales y sus especies arbóreas - posibilidades y métodos para un aprovechamiento sostenido. Deutsche Gesellschaft für Technische Zusammenarbeit.
https://www.academia.edu/89966516/Silvicultura_en_Los_Tropicos_Lamprecht
Landis, J. R., & Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33(1), 159-174.
https://doi.org/10.2307/2529310
Melo Wilches, L. H., & Camacho Chávez, M. A. (2005). Interpretación visual de imágenes de sensores remotos y su aplicación en levantamientos de cobertura y uso de la tierra. Instituto Geográfico Agustín Codazzi.
Perea-Ardila, M. A., Leal-Villamil, J., & Oviedo-Barrero, F. (2021). Spectral characterization and monitoring of mangrove forests with remote sensing in the Colombian Pacific Coast: Bajo Baudó, Chocó. La Granja: Revista de Ciencias de la Vida, 34(2), 27–44.
https://doi.org/10.17163/lgr.n34.2021.02
Perea-Ardila, M. A. y Murillo-Sandoval, P. J. (2024). Comparación de índices de vegetación basados en imágenes satelitales para la identificación de bosques de manglar en Colombia. Madera y Bosques, 30(4), 1–18.
https://doi.org/10.21829/myb.2024.3042600
Rodríguez-Rodríguez, J. A. (Ed.). (2022). La restauración de los manglares en Colombia: Técnicas, saberes y experiencias (Serie Publicaciones Generales No. 123). Instituto de Investigaciones Marinas y Costeras.
https://n2t.net/ark:/81239/m9jx3r
Ruiz-Roldán, J. J., Blanco-Libreros, J. F., & López-Rodríguez, S. R. (2023). Mapeo de manglares utilizando cómputo en la nube y un índice espectral específico para apoyar acciones de manejo: un caso del Caribe Colombiano semiárido. Ecosistemas, 32(3), 2599.
https://doi.org/10.7818/ecos.2599
Shi, T., Liu, J., Hu, Z., Liu, H., Wang, J., & Wu, G. (2016). New spectral metrics for mangrove forest identification. Remote Sensing Letters, 7(9), 885–894.
https://doi.org/10.1080/2150704X.2016.1195935
Simonetti, D., Pimple, U., Langner, A. & Marelli, A. (2021). Pan-tropical Sentinel-2 cloud-free annual composite datasets. Data in Brief, 39, 107488.
https://doi.org/10.1016/j.dib.2021.107488
Tavera-Escobar, H. A. (2010). Caracterización, diagnóstico y zonificación de los manglares en el departamento de Nariño: Documento síntesis. Corporación Autónoma Regional de Nariño; WWF Colombia; Ministerio de Ambiente, Vivienda y Desarrollo Territorial.
https://wwflac.awsassets.panda.org/downloads/caracterizacion_manglares_final_web.pdf
Tran, T. V., Reef, R., & Zhu, X. (2022). A review of spectral indices for mangrove remote sensing. Remote Sensing, 14, (19), 4868.
https://doi.org/10.3390/rs14194868
Valoyes Cardozo, Z., Moreno Díaz, C. y Sosa Botero, C. (2014). Valoración integral del bosque de manglar en el municipio de San Andrés de Tumaco, Nariño, Colombia. Revista Bioetnia, 11(1), 25–36.
https://doi.org/10.51641/bioetnia.v11i1.136
Velásquez Franco, P. A. y Pérez González, M. E. (2024). Análisis de la dinámica espaciotemporal de humedales tropicales a través de imágenes SAR Sentinel-1: caso de estudio en Colombia. Cuadernos de Geografía: Revista Colombiana de Geografía, 33(1), 161-178.
https://doi.org/10.15446/rcdg.v33n1.105225
Wang, D., Wan, B., Qiu, P., Su, Y., Guo, Q., Wang, R., Sun, F., & Wu, X. (2018). Evaluating the performance of Sentinel-2, Landsat 8 and Pléiades-1 in mapping mangrove extent and species. Remote Sensing, 10(9), 1468.
https://doi.org/10.3390/rs10091468
Wang, L., Jia, M., Yin, D. & Tian, J. (2019). A review of remote sensing for mangrove forests: 1956–2018. Remote Sensing of Environment, 231, 111223.
https://doi.org/10.1016/j.rse.2019.111223
Wilkie, M. L., & Fortuna, S. (2003). Status and Trends in Mangrove Area Extent Worldwide (Working Paper FRA 63) Forestry Department, Food and Agriculture Organization of the United Nations.
https://www.fao.org/4/j1533e/j1533e00.htm
Winarso, G., & Purwanto, A. D. (2014). Evaluation of mangrove damage level based on Landsat 8 image. International Journal of Remote Sensing and Earth Sciences, 11(2), 105–116.
https://doi.org/10.30536/j.ijreses.2014.v11.a2608
Zanaga, D., Van De Kerchove, R., De Keersmaecker, W., Souverijns, N., Brockmann, C., Quast, R., Wevers, J., Grosu, A., Paccini, A., Vergnaud, S., Cartus, O., Santoro, M., Fritz, S., Georgieva, I., Lesiv, M., Carter, S., Herold, M., Li, L., Tsendbazar, N. -E., … Arino, O. (2021). ESA WorldCover 10m 2020 v100 (Versión v100) [Conjunto de datos]. Zenodo.
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2026 Colombia forestal
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
Colombia Forestal conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia Creative Commons Atribución-CompartirIgual 4.0 Internacional por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
Se reconozcan los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
