Análisis de la expansión de la frontera agrícola en el área circundante a la laguna de tota (boyacá) durante el periodo 2016-2025 mediante el uso de imágenes multiespectrales planetscope

Tocora Manrique, Juan Pablo; Murcia Prada, Daniel Eduardo

Análisis de la expansión de la frontera agrícola en el área circundante a la laguna de tota (boyacá) durante el periodo 2016-2025 mediante el uso de imágenes multiespectrales planetscope

dc.contributor.advisor	Upegui Cardona, Erika Sofía
dc.contributor.author	Tocora Manrique, Juan Pablo
dc.contributor.author	Murcia Prada, Daniel Eduardo
dc.contributor.orcid	Upegui Cardona, Erika Sofía [0000-0003-0973-7140]
dc.creator.email	juanptocoram919@gmail.com
dc.creator.email	murciadaniel122@gmail.com
dc.creator.id	20192025142
dc.creator.id	20192025106
dc.date.accessioned	2026-09-10T02:24:50Z
dc.date.available	2026-09-10T02:24:50Z
dc.date.created	2026-08-13
dc.description	La expansión de la frontera agrícola es una de las principales presiones sobre los ecosistemas altoandinos y ha generado importantes transformaciones en la cuenca de la Laguna de Tota, uno de los sistemas lacustres más importantes de Colombia. El objetivo de esta investigación analizó la expansión de la frontera agrícola circundante a la Laguna de Tota (Boyacá) durante el periodo 2016-2025 mediante imágenes multiespectrales PlanetScope. Para ello, se implementó un análisis multitemporal basado en imágenes PlanetScope y, de manera complementaria, Sentinel-2 para cubrir fechas con limitaciones de disponibilidad de datos, como lo fue en 2016, 2017,2019 y 2020. Las imágenes fueron procesadas y clasificadas mediante el algoritmo de aprendizaje automático Random Forest, empleando la metodología Corine Land Cover adaptada a Colombia y validando los resultados mediante matrices de confusión y el coeficiente Kappa. Posteriormente, se aplicaron matrices de transición y álgebra de bandas para identificar los cambios de cobertura y localizar los sectores con mayor presión agrícola. Los resultados evidenciaron que la expansión agrícola se ha desarrollado principalmente sobre áreas de pastos y, en menor proporción, sobre coberturas boscosas, reflejando una transformación progresiva del paisaje y una disminución de las coberturas naturales. Asimismo, se identificaron sectores con alta presión agrícola en las áreas próximas al ecosistema lacustre. El estudio demuestra el potencial de las imágenes PlanetScope y de la clasificación supervisada para el monitoreo de cambios en la cobertura terrestre, proporcionando información espacial de utilidad para la planificación territorial y la gestión ambiental de la cuenca de la Laguna de Tota.
dc.description.abstract	The expansion of the agricultural frontier is one of the main pressures on high-Andean ecosystems and has generated significant transformations in the Laguna de Tota basin, one of the most important lake systems in Colombia. The objective of this research was to analyze the expansion of the agricultural frontier surrounding Laguna de Tota (Boyacá) during the period 2016–2025 using PlanetScope multispectral imagery. To this end, a multitemporal analysis based on PlanetScope images was implemented, complemented by Sentinel-2 imagery to cover dates with data availability limitations, such as 2016, 2017, 2019, and 2020. The images were processed and classified using the Random Forest machine learning algorithm, applying the Corine Land Cover methodology adapted to Colombia and validating the results through confusion matrices and the Kappa coefficient. Subsequently, transition matrices and band algebra were applied to identify land cover changes and locate the sectors with the greatest agricultural pressure. The results showed that agricultural expansion has occurred mainly over grassland areas and, to a lesser extent, over forest cover, reflecting a progressive landscape transformation and a decrease in natural cover. Likewise, sectors with high agricultural pressure were identified in areas adjacent to the lake ecosystem. The study demonstrates the potential of PlanetScope imagery and supervised classification for monitoring land cover changes, providing spatial information useful for territorial planning and environmental management of the Laguna de Tota basin.
dc.format.mimetype	pdf
dc.identifier.uri	http://hdl.handle.net/11349/103636
dc.language.iso	spa
dc.publisher	Universidad Distrital Francisco José de Caldas
dc.relation.references	Agencia Espacial Europea [ESA]. (2026). Sentinel-2: Colour vision for Copernicus.
dc.relation.references	Agrosavia. (2021). Hacia la reconversión productiva del cultivo de cebolla de rama en la cuenca del Lago de Tota (Boyacá, Colombia). Editorial Agrosavia.
dc.relation.references	Ahmed, N. A. (2025, 16 de enero). ¿Qué es una matriz de confusión en el aprendizaje automático? Explicación de la herramienta de evaluación de modelos.
dc.relation.references	Ayala, R. (2005). Problemática ambiental. En Plan de Ordenación y Manejo de la Cuenca de Tota (Capítulo XI). Corporación Autónoma Regional de Boyacá (CORPOBOYACÁ).
dc.relation.references	Azzari, G., & Lobell, D. B. (2017). Landsat-based classification in the cloud: An opportunity for a paradigm shift in land cover monitoring. Remote Sensing of Environment, 202, 64–74.
dc.relation.references	Belgiu, M., & Drăguț, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31.
dc.relation.references	Botero, R. (2025). Frontera agrícola y contraordenamiento. Fundación para la Conservación y el Desarrollo Sostenible (FCDS).
dc.relation.references	Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32.
dc.relation.references	Chaparro Villagrán, J. N. (2024). Revisión teórico-metodológica y mapeamiento de los impactos ambientales de las zonas circundantes en el lago de Tota [Trabajo de grado, Universidad Distrital Francisco José de Caldas].
dc.relation.references	Chuvieco, E. (1995, julio). Fundamentos de teledetección espacial.
dc.relation.references	Congalton, R. G., & Green, K. (2019). Assessing the Accuracy of Remotely Sensed Data: Principles and Practices (3rd ed.). CRC Press.
dc.relation.references	Consejo Nacional de Política Económica y Social. (2014, 31 de enero). Manejo ambiental integral de la cuenca hidrográfica del Lago de Tota (Documento CONPES 3801). Departamento Nacional de Planeación; Ministerio de Ambiente y Desarrollo Sostenible; Ministerio de Agricultura y Desarrollo Rural; Ministerio de Vivienda, Ciudad y Territorio; Ministerio de Comercio, Industria y Turismo.
dc.relation.references	Copernicus Data Space Ecosystem. (2026). Sentinel-2.
dc.relation.references	Copernicus Land Monitoring Service. (2021). CORINE Land Cover: User manual (Versión 1.0). European Environment Agency.
dc.relation.references	Corpoboyacá. (2016). Contabilidad ambiental y económica para el agua: Caso piloto para la cuenca del Lago de Tota. Corporación Autónoma Regional de Boyacá; DANE; DNP; MinAmbiente; IDEAM.
dc.relation.references	Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., & Lambin, E. (2004). Digital change detection methods in ecosystem monitoring: A review. International Journal of Remote Sensing, 25(9), 1565–1596.
dc.relation.references	Decreto 2372 de 2010. (2010).
dc.relation.references	Devia, C. (2005). Aspectos biofísicos. En Plan de Ordenación y Manejo de la Cuenca del Lago de Tota (Capítulo III).
dc.relation.references	Di Gregorio, A., & Jansen, L. J. M. (2000). Land Cover Classification System: Classification concepts and user manual. Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO).
dc.relation.references	DODGSON, N. A. (1992). Image resampling. PhD thesis, University of Cambridge, UK.
dc.relation.references	Esri. (2026a). How Buffer Works. ArcGIS Pro Documentation.
dc.relation.references	Esri. (2026b). What is Raster Data? ArcGIS Pro Documentation.
dc.relation.references	Esri. (2026c). ¿Qué es ArcGIS? ArcGIS Resource Center.
dc.relation.references	FAO. (2011). El estado de los recursos de tierras y aguas del mundo para la alimentación y la agricultura.
dc.relation.references	Fernández, M. & Monje, M. (2025). Uso de Random Forest y Máxima Verosimilitud para análisis de coberturas ajustadas a Corine Land Cover. Municipio Olaya Antioquia. [Trabajo de grado especialización]. Universidad de Manizales. RIDUM: Repositorio Institucional Universidad de Manizales.
dc.relation.references	Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, 80(1), 185–201.
dc.relation.references	Fuentes, S., & Chang, J. (2022). Methodologies Used in Remote Sensing Data Analysis and Remote Sensors for Precision Agriculture. Sensors, 22(20), 7898.
dc.relation.references	Gonzalez, F. (2005). Consideraciones generales. En Plan de Ordenación y Manejo de la Cuenca del Lago de Tota (Capítulo I).
dc.relation.references	Gutiérrez, A. S., Rodríguez, J. M., Mayorga, N. C., Corredor, L. P., Castellanos, H., y Perilla, H. A. (2025). Memoria técnica y resultados. Mapa Nacional de Coberturas de la Tierra, escala 1:100.000, año 2020. Instituto de Hidrología, Meteorología y Estudios Ambientales (Ideam).
dc.relation.references	Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov, A., Chini, L., Justice, C. O., & Townshend, J. R. G. (2013). High-resolution global maps of 21st-century forest cover change. Science, 342(6160), 850-854.
dc.relation.references	Houborg, R., & McCabe, M. F. (2018). A Cubesat enabled Spatio-Temporal Enhancement Method (CESTEM) utilizing Planet, Landsat and MODIS data. Remote Sensing of Environment, 209, 211–226.
dc.relation.references	INGEAG. 2019. El atlas de la estructura ecológica principal. Bogotá, D.C. AICCA, GEF, CAF, CONDESAN, Minambiente, Ideam.
dc.relation.references	Instituto de Hidrología, Meteorología y Estudios Ambientales [IDEAM]. (2010). Leyenda Nacional de Coberturas de la Tierra. Metodología CORINE Land Cover adaptada para Colombia Escala 1:100.000. Bogotá, D. C.
dc.relation.references	Instituto de Hidrología, Meteorología y Estudios Ambientales [IDEAM]. (2023). Estudio Nacional del Agua 2022. Ideam.
dc.relation.references	Instituto de Hidrología, Meteorología y Estudios Ambientales [IDEAM], Instituto Geográfico Agustín Codazzi [IGAC], y Corporación Autónoma Regional del Río Grande de la Magdalena [Cormagdalena]. (2008). Mapa de cobertura de la tierra Cuenca Magdalena-Cauca. Metodología CORINE Land Cover adaptada para Colombia a escala 1:100.000. Bogotá, D. C.
dc.relation.references	Instituto Geográfico Nacional [IGN]. (2026). Satélites Sentinel - Plan Nacional de Teledetección - PNT.
dc.relation.references	Jensen, J. R. (2015). Introductory Digital Image Processing: A Remote Sensing Perspective (4th ed.). Pearson.
dc.relation.references	Kavlakoglu, E. (2025, noviembre 27). ¿Qué es un árbol de decisión? Ibm.com.
dc.relation.references	Khan, Md. S. I., Vega-Corredor, M. C., & Wilson, M. D. (2025). Mapping Wetlands with High-Resolution Planet SuperDove Satellite Imagery: An Assessment of Machine Learning Models Across the Diverse Waterscapes of New Zealand. Remote Sensing, 17(15), 2626.
dc.relation.references	Living Lakes. (2024). Tota Lake. Living Lakes Network.
dc.relation.references	Martínez-Casasnovas, J. A., Arnó, J., Escolá, A., Sandonís, L., & Román, C. (2023, octubre 23). Aplicaciones de la teledetección. Grupo De Investigación En AgróTICa Y Agricultura De Precisión - GRAP.
dc.relation.references	Mas, J. F. (1999). Monitoring land-cover changes: A comparison of change detection techniques. International Journal of Remote Sensing, 20(1), 139–152.
dc.relation.references	Maxwell, A. E., Warner, T. A., & Fang, F. (2018). Implementation of machine-learning classification in remote sensing: An applied review. International Journal of Remote Sensing, 39(9), 2784–2817.
dc.relation.references	Maza-Villalobos, Susana, Alvarado Sosa, Edith, Arriaza Rodríguez, Ana Deysi, Infante, Francisco, & Castillo-Santiago, Miguel Ángel. (2023). Dinámica del uso de suelo y vegetación en paisajes altamente modificados por actividades agropecuarias en el sur de México.
dc.relation.references	Ministerio de Agricultura y Desarrollo Rural. (2018). Resolución número 000261 de 2018: Por la cual se define la frontera agrícola nacional y se adopta la metodología para su identificación general.
dc.relation.references	Montenegro Carrillo, M. P., & Aldana Lizarazo, K. G. (2024). Análisis de la eutrofización del lago de tota a través de la simulación de la calidad de agua superficial mediante el software WASP. En Universidad Católica de Colombia, Grupo de Investigación en Ingeniería para la Sostenibilidad - GRIIS, & Departamento de Ingeniería Civil, Universidad Católica de Colombia, Facultad de Ingeniería.
dc.relation.references	Murel, J., & Kavlakoglu, E. (2024). ¿Qué es una matriz de confusión? IBM
dc.relation.references	Murgueitio, e & Chará, j. 2005. The role of silvopastoral systems in the rehabilitation of Andean stream habitats. Livestock Research for Rural Development. 17(2); pg
dc.relation.references	National Aeronautics and Space Administration. (2022). Teledetección de la cobertura terrestre [Material de capacitación]. Applied Remote Sensing Training Program (ARSET).
dc.relation.references	Neri-Barranco, R., Sanchez, R., & Kumar, S. (2026). Stakeholder-informed LCLUC modeling: A state-of-the-art review. Journal of Land Use Science, 21(1), 126–149.
dc.relation.references	Paz, F., Castillo, E., & Cabrera, J. C. (2018). Base de datos nacional de índices de vegetación: resolución espacial de 250 m y resolución temporal de 10 días.
dc.relation.references	Pellat, F. P., Sánchez, M. E. R., Vélez, E. P., González, M. B., & Lazalde, J. R. V. (2014). Alcances y limitaciones de los índices espectrales de la vegetación: Marco teórico.
dc.relation.references	Planet Labs PBC. (2026). Sentinel 2 L1C & L2A \| Planet Documentation
dc.relation.references	PlanetScope \| Planet Documentation. (2026, 17 junio).
dc.relation.references	Pontificia Universidad Javeriana, Facultad de Estudios Ambientales y Rurales, Instituto de Estudios Ambientales para el Desarrollo. (2006). Plan de ordenación y manejo de la cuenca del Lago de Tota (Convenio N.° 038 de 2004, CORPOBOYACA - PUJ). Corporación Autónoma Regional de Boyacá.
dc.relation.references	Poveda-Sotelo, Y.; Bermúdez-Cella, M.A.; Gil-Leguizamón, P. (2022). Evaluación de métodos de clasificación supervisada para la estimación de cambios espacio-temporales de cobertura en los páramos de Merchán y Telecom, Cordillera Oriental de Colombia. Boletín de Geología, 44(2), 51-72.
dc.relation.references	Rasilla, D. F. (2026). Laboratorio 6. Transformaciones matemáticas: Índices espectrales. G174: Fotointerpretación y Teledetección. Universidad de Cantabria.
dc.relation.references	Resample (Data Management)- ArCGIS Pro - Documentation.
dc.relation.references	Resolución 317 del 29 de marzo de 2007: Por la cual se aprueba y adopta el plan de ordenación y manejo ambiental de la cuenca hidrográfica del Lago de Tota y se toman otras determinaciones, Pub. L. No. RES. 317 DE 2007.
dc.relation.references	Rey, D. (2020). Análisis multitemporal del área correspondiente a la laguna de Tota para el periodo 1989–2019.
dc.relation.references	Richards, J. A. (2022). Remote Sensing Digital Image Analysis (6.ª ed.). Springer Nature Switzerland AG.
dc.relation.references	Ritter, N., & Ruth, M. (1997). The GeoTIFF Data Interchange Standard for Raster Geographic Images. International Journal of Remote Sensing, 18(7), 1637-1647.
dc.relation.references	Rodríguez, K., Martínez Camelo, F., & Herrera, C. (2021). Hacia la reconversión productiva del cultivo de cebolla de rama en la cuenca del lago de Tota (Boyacá, Colombia). Corporación Colombiana de Investigación Agropecuaria - Agrosavia.
dc.relation.references	Rouse, W., & Haas, R. H. (1974). Monitoring vegetation systems in the Great Plains with ERTS.
dc.relation.references	Sanchez, M. D. (Ed.). (2003). Agroforestería para la producción animal en América Latina. 2: Memorias de la segunda conferencia electrónica (agosto de 2000 - marzo de 2001) / M. D. Sánchez ..., ed. Food and Agriculture Organization of the United Nations.
dc.relation.references	Sánchez Muñoz, J. M. (2016). Análisis de calidad cartográfica mediante el estudio de la matriz de confusión. Pensamiento Matemático, 6(2), 9–26.
dc.relation.references	Serra, P., Pons, X., & Saurí, D. (2003). Post-classification change detection with data from different sensors: Some accuracy considerations. International Journal of Remote Sensing, 24(16), 3311–3340.
dc.relation.references	Singh, A. (1989). Digital change detection techniques using remotely sensed data. International Journal of Remote Sensing, 10(6), 989–1003.
dc.relation.references	Tsendbazar, N., Herold, M., Li, L., Tarko, A., de Bruin, S., Masiliunas, D., Lesiv, M., Fritz, S., Buchhorn, M., Smets, B., Van De Kerchove, R., & Duerauer, M. (2021). Towards operational validation of annual global land cover maps. Remote Sensing of Environment, 266, 112686.
dc.relation.references	Unidad de Planificación Rural Agropecuaria (UPRA). (2018). Metodología para la identificación general de la frontera agrícola en Colombia: Escala 1:100.000. UPRA.
dc.relation.references	Universidad del Cauca, Valencia Rojas, M. P., Figueroa Casas, A., & Universidad del Cauca. (2015). Vulnerabilidad de humedales altoandinos ante procesos de cambio: Tendencias del análisis. Revista Ingenierías Universidad de Medellín, 14(26), 29–42.
dc.relation.references	Wanumen, A. (2018). Dinámica de la cobertura del suelo y percepción del recurso hídrico en la cuenca del lago de Tota.
dc.relation.references	Xue, J., & Su, B. (2017). Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors, 2017, 1–17.
dc.relation.references	Zhang, H., Gong, M., Zhang, P., Su, L., & Shi, J. (2017). A post-classification change detection method based on iterative slow feature analysis and Bayesian soft fusion. Remote Sensing of Environment, 199, 241–255.
dc.relation.references	Zhu, Z. (2017). Change detection using landsat time series: A review of frequencies, preprocessing, algorithms, and applications. ISPRS Journal of Photogrammetry and Remote Sensing, 130, 370-384.
dc.rights.acceso	Abierto (Texto Completo)
dc.rights.accessrights	OpenAccess
dc.subject	Frontera agrícola
dc.subject	teledetección
dc.subject	PlanetScope
dc.subject	clasificación supervisada
dc.subject	cobertura del suelo
dc.subject	Laguna de Tota
dc.subject.keyword	agricultural frontier
dc.subject.keyword	remote sensing
dc.subject.keyword	PlanetScope
dc.subject.keyword	supervised classification
dc.subject.keyword	land cover
dc.subject.keyword	Lake Tota
dc.subject.lemb	Ingeniería Catastral y Geodesia -- Tesis y disertaciones académicas
dc.subject.lemb	Frontera agrícola — Tota
dc.subject.lemb	Uso de la tierra — Tota
dc.subject.lemb	Teledetección — Aplicaciones agrícolas
dc.title	Análisis de la expansión de la frontera agrícola en el área circundante a la laguna de tota (boyacá) durante el periodo 2016-2025 mediante el uso de imágenes multiespectrales planetscope
dc.title.titleenglish	Analysis of the agricultural frontier expansion in the area surrounding lake tota (boyacá) during the 2016–2025 period using planetScope multispectral imagery
dc.type	bachelorThesis
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.degree	Monografía
dc.type.driver	info:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2

Nombre:: Trabajo de grado
Tamaño:: 8,15 MB
Formato:: Adobe Portable Document Format

Descargar

Nombre:: Licencia de uso y publicacion.pdf
Tamaño:: 368,58 KB
Formato:: Adobe Portable Document Format

Descargar

Bloque de licencias

Mostrando 1 - 1 de 1

Nombre:: license.txt
Tamaño:: 7 KB
Formato:: Item-specific license agreed upon to submission
Descripción:

Descargar

Colecciones

Ingeniería Catastral y Geodesia