<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Evaluación de la influencia de la cobertura boscosa en la regulación hídrica de la cuenca abastecedora del sistema Chingaza

Vista sencilla de ítem
dc.contributor.advisorBoada Rodriguez, Alberto
dc.contributor.advisorParra Vera, Danilo Alberto
dc.contributor.authorFuquene Garcia, Danna Lorena
dc.contributor.authorAngie Natalia, Casallas Chavez
dc.contributor.orcidParra Vera, Danilo Alberto [0000-0001-6836-0190]
dc.creator.emaildannafuquene@gmail.com
dc.creator.id20252094008
dc.creator.id2025209400
dc.date.accessioned2026-07-08T03:06:43Z
dc.date.available2026-07-08T03:06:43Z
dc.date.created2026-06-04
dc.descriptionEste estudio evaluó la influencia espacio temporal de la cobertura boscosa en la regulación hídrica de la cuenca abastecedora del Sistema Chingaza durante el periodo 2016-2025. La investigación aborda la caracterización espacial que vincula la dinámica forestal con las variaciones de caudales en este ecosistema estratégico. Utilizando teledetección en Google Earth Engine y datos de Landsat 8, se compararon los algoritmos Random Forest y Máquinas de Vector de Soporte, seleccionando RandomForest por sus métricas de clasificación en la exactitud global de 95.8% en 2016 y 94.3% en 2025. Los resultados del análisis algebraico multitemporal determinaron que, en un área de 246.45 km², los procesos de regeneración vegetal superaron a la deforestación, consolidando una ganancia neta de 17.76 km² de bosque altoandino. Posteriormente, se implementó el modelo InVEST Seasonal Water Yield, calibrado de forma parsimoniosa con series hidroclimáticas de 1990-2025, logrando un buen desempeño con un NSE igual a 0.77 en validación. La simulación de escenarios demostró que la conservación forestal incrementa el Índice de Flujo Base hasta un 7.7% en estiaje y reduce el flujo rápido en un 17.5%. Como principal conclusión, se evidenció una recuperación del bosque altoandino optimiza la regulación estacional al amortiguar caudales, pero reduce ligeramente el rendimiento hídrico total anual debido al aumento de la evapotranspiración, lo que implica que la gestión del territorio debe preservar un mosaico equilibrado con las coberturas de páramo.
dc.description.abstractThis study evaluated the spatiotemporal influence of forest cover on the hydrological regulation of the Chingaza Water Supply Basin during the 2016–2025 period. The research focused on the spatial characterization linking forest dynamics to streamflow variations within this strategic ecosystem. Using remote sensing in Google Earth Engine and Landsat 8 imagery, the Random Forest and Support Vector Machine (SVM) algorithms were compared, with Random Forest being selected based on its superior classification performance, achieving overall accuracies of 95.8% in 2016 and 94.3% in 2025. Multitemporal algebraic analysis revealed that, across an area of 246.45 km², vegetation regeneration exceeded deforestation, resulting in a net gain of 17.76 km² of High Andean forest. Subsequently, the InVEST Seasonal Water Yield model was implemented and parsimoniously calibrated using hydroclimatic time series from 1990 to 2025, achieving good performance with a Nash–Sutcliffe Efficiency (NSE) of 0.77 during validation. Scenario simulations demonstrated that forest conservation increased the Baseflow Index by up to 7.7% during the dry season while reducing quickflow by 17.5%. The main conclusion was that the recovery of High Andean forest enhances seasonal hydrological regulation by attenuating streamflow fluctuations, although it slightly reduces the total annual water yield due to increased evapotranspiration. These findings suggest that land management should preserve a balanced mosaic of High Andean forest and páramo ecosystems.
dc.format.mimetypepdf
dc.identifier.urihttp://hdl.handle.net/11349/101982
dc.language.isospa
dc.publisherUniversidad Distrital Francisco José de Caldas
dc.relation.referencesAddi M, Gyasi-Agyei Y, Obuobie E, Amekudzi LK. Evaluation of imputation techniques for infilling missing daily rainfall records on river basins in Ghana. Hydrol Sci J. 2022;67(4):613 627. doi:10.1080/02626667.2022.2030868
dc.relation.referencesAgudelo, V. C., Sanín, M. J. y Tuberquia, D. (2022). Transición bosque altoandino – páramo: composición, estructura y fisonomía de la vegetación en la Cordillera Central de Colombia. Caldasia. https://revistas.unal.edu.co/index.php/cal/article/view/102305/
dc.relation.referencesAlejo-Sanchez, L. E., Márquez-Grajales, A., Salas-Martínez, F., Franco-Arcega, A., López-Morales, V., Acevedo-Sandoval, O. A., González-Ramírez, C. A., & Villegas-Vega, R. (2025). Missing data imputation of climate time series: A review. MethodsX, 15, 103455. https://doi.org/10.1016/j.mex.2025.103455
dc.relation.referencesAllen, R. G., Pereira, L. S., Raes, D., & Smith, M. (1998). Crop evapotranspiration: Guidelines for computing crop water requirements. FAO Irrigation and Drainage Paper 56. Food and Agriculture Organization of the United Nations.
dc.relation.referencesAnderson, J. R., Hardy, E. E., Roach, J. T. & Witmer, R. E. (1976). A land use and land cover classification system for use with remote sensor data (U.S. Geological Survey States Government Printing Office. Professional Paper No. 964). United https://pubs.usgs.gov/pp/0964/report.pdf
dc.relation.referencesANLA (2021, 7 abril). Reporte regional Ríos Metica, Guatiquía, Guayuriba y Negro. ArcGIS StoryMaps. https://storymaps.arcgis.com/stories/47bcd8331b2049a5894a428aad b2d426
dc.relation.referencesAnzola Rendón, A. G. (2025). Formulación de un plan de compensación ambiental en una finca productora de palma de aceite (Elaeis guineensis) en Puerto Rico, Meta-Colombia [Trabajo de grado, Universidad El Bosque]. Repositorio Institucional Universidad El Bosque. https://hdl.handle.net/20.500.12495/14546
dc.relation.referencesAparicio Mijares, F. J. (2015). Fundamentos de hidrología de superficie. México: Limusa
dc.relation.referencesAponte, L. A. (2023). Evaluación de la regulación del recurso hídrico por procesos de restauración ecológica en el Parque Nacional Natural Chingaza. Universidad Distrital Francisco José Caldas de 839f8d0d642f . https://repository.udistrital.edu.co/items/359a7847-2cdb-4792-a7a
dc.relation.referencesArriagada, P., et al. (2021). Automatic gap-filling of daily streamflow time series in data scarce regions using a machine learning algorithm (MissForest). Journal of Hydrology, 603, Article 126911. https://doi.org/10.1016/j.jhydrol.2021.126911
dc.relation.referencesArriagada, P., et al. (2021). Automatic gap-filling of daily streamflow time series in data scarce regions using a machine learning algorithm (MissForest). Journal of Hydrology, 603, Article 126911. https://doi.org/10.1016/j.jhydrol.2021.126911
dc.relation.referencesBaig, M. H. A., Zhang, L., Shuai, T. & Tong, Q. (2014). Derivation of a Tasseled Cap transformation based on Landsat 8 At-Satellite Reflectance. Remote Sensing Letters, 5(5), 423 431. https://doi.org/10.1080/2150704X.2014.915434
dc.relation.referencesBaşakın, E. E., et al. (2023). Providing a comprehensive understanding of missing data imputation techniques for actual evapotranspiration. Hydrological Sciences Journal, 68(12), 1785 1802. https://doi.org/10.1080/02626667.2023.2249456
dc.relation.referencesBedoya, M. A., & Ramírez, B. H. (2023). The effects of climate and forest cover variability on the hydrological regulation of an eastern Andean Cusiana river sub-basin. Ecohydrology & Hydrobiology, 23(4), 569-582. https://doi.org/10.1016/j.ecohyd.2023.06.001
dc.relation.referencesBejarano, P., Grünwaldt, A., & Andrade, Á. (Eds.). (2022). Adaptación al cambio climático en la alta montaña colombiana: Chingaza-Sumapaz-Guerrero. Banco Interamericano de Desarrollo. https://publications.iadb.org/publications/spanish/document/Adaptacion-al-cambio climatico-en-alta-montana-colombiana-Chingaza-Sumapaz-Guerrero.pdf
dc.relation.referencesBelgiu, M., & Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24–31. https://doi.org/10.1016/j.isprsjprs.2016.01.011
dc.relation.referencesBeven, K. (2006). A manifesto for the equifinality thesis. Journal of Hydrology, 320(1-2), 18–36. https://doi.org/10.1016/j.jhydrol.2005.07.007
dc.relation.referencesBlack, A. R., et al. (2005). The use of hydrological indices in the assessment of river condition. Environment Agency, UK.
dc.relation.referencesBrauman, K. A., Daily, G. C., Duarte, T. K., & Mooney, H. A. (2007). The nature and value of ecosystem services: An overview highlighting hydrologic services. Annual Review of Environment and Resources, https://doi.org/10.1146/annurev.energy.32.031306.091918 32, 67-98.
dc.relation.referencesBreiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. h https://link.springer.com/article/10.1023/A:1010933404324
dc.relation.referencesBonnesoeur, V., Locatelli, B., Guariguata, M. R., Ochoa-Tocachi, B. F., Vanacker, V., Mao, Z., Stokes, A., & Mathez-Stiefel, S.-L. (2019). Impacts of forests and forestation on hydrological services in the Andes: A systematic review. Forest Ecology and Management, 433, 569-584. https://doi.org/10.1016/j.foreco.2018.11.033
dc.relation.referencesBotter, G., Porporato, A., Rodriguez-Iturbe, I., & Rinaldo, A. (2013). Nonlinear storage discharge relations and catchment streamflow regimes. Water Resources Research, 49(12), 7845 7862.
dc.relation.referencesBruijnzeel, L. A. (2004). Hydrological functions of tropical forests: Not seeing the soil for trees? Agriculture, Ecosystems https://doi.org/10.1016/j.agee.2004.01.015 & Environment, 104(1), 185-228.
dc.relation.referencesBuytaert, W., Cuesta-Camacho, F., & Tobón, C. (2011). Potential impacts of climate change on the environmental services of humid tropical alpine regions. Global Ecology and Biogeography, 20(1), 19-33.
dc.relation.referencesBuytaert, W., Iñiguez, V., Celleri, R., De Bièvre, B., Wyseure, G., Deckers, J. (2006). Analysis of the Water Balance of Small Páramo Catchments in South Ecuador. In: Krecek, J., Haigh, M. (eds) Environmental Role of Wetlands in Headwaters. NATO Science Series: IV: Earth and Environmental Sciences, vol 63. Springer, Dordrecht. https://doi.org/10.1007/1-4020-4228 0_24
dc.relation.referencesCarrillo-Rojas, G., et al. (2016). Dynamic Mapping of Evapotranspiration Using an Energy Balance-Based Model over an Andean Páramo Catchment of Southern Ecuador. Remote Sensing, 8(2), 160. https://doi.org/10.3390/rs8020160
dc.relation.referencesCárdenas, M. F. (2017). Recuperación del funcionamiento hidrológico de páramos alterados por actividades agropecuarias. Revista U.D.C.A Actualidad & Divulgación Científica, 20(2).
dc.relation.referencesCastro-Ortegón, Y. A., Acosta-Prado, J. C., & Acosta Castellanos, P. M. (2022). Impact of land cover changes on the availability of water resources in the Regional Natural Park Serranía de Las Quinchas. Sustainability, 14(6), Article 3237. https://doi.org/10.3390/su14063237
dc.relation.referencesCélleri Alvear, R., De Bièvre, B. e Iñiguez, V. (2004). Efectos de la cobertura vegetal en la regulación hidrológica de microcuencas de páramo. Documento técnico / investigación académica. https://keneamazon.net/Documents/Publications/Virtual-Library/GRFFS/19.pdf Chow, V. T., Maidment, D. R., & Mays, L. W. (1988). Applied hydrology. McGraw-Hill. Chuvieco, E. (2020). Fundamentals of satellite remote sensing: An environmental approach (3ª ed.). CRC Press.
dc.relation.referencesChow, V. T., Maidment, D. R., & Mays, L. W. (1988). Applied hydrology. McGraw-Hill. Chuvieco, E. (2020). Fundamentals of satellite remote sensing: An environmental approach (3ª ed.). CRC Press. https://www.taylorfrancis.com/books/mono/10.1201/9780429506482/fundamentals-satellite remote-sensing-emilio-chuvieco
dc.relation.referencesCifuentes Guerrero, A., & Cote Alarcón, M. (2022). Influencia de la deforestación y el cambio climático en la formación de los “ríos voladores de la Amazonia” y su impacto en la disponibilidad hídrica de Bogotá y la región circundante. Revista Colombia Amazónica, 13, 48 58.
dc.relation.referencesCongalton, R. G. & Green, K (2019). Assessing the accuracy of classifications of remotely sensed data: Principles and practices (3ª ed.). CRC https://www.taylorfrancis.com/books/mono/10.1201/9780429052729/assessing-accuracy remotely-sensed-data-russell-congalton-kass-green
dc.relation.referencesCortes, C. & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273 297. https://doi.org/10.1007/BF00994018
dc.relation.referencesCongreso de la República de Colombia. (1993, 22 de diciembre). Ley 99 de 1993. Por la cual se crea el Ministerio del Medio Ambiente, se reordena el Sector Público encargado de la gestión y conservación del medio ambiente y los recursos naturales renovables, se organiza el Sistema Nacional Ambiental, SINA, y se dictan otras disposiciones. Diario Oficial No. 41.146. http://www.secretariasenado.gov.co/senado/basedoc/ley_0099_1993.html
dc.relation.referencesCongreso de la República de Colombia. (2018, 27 de julio). Ley 1930 de 2018. Por medio de la cual se dictan disposiciones para la gestión integral de los páramos en Colombia. Diario Oficial No. 50.667. http://www.secretariasenado.gov.co/senado/basedoc/ley_1930_2018.html
dc.relation.referencesCorporación Autónoma Regional de Cundinamarca [CAR]. (2019). Plan de Ordenación y Manejo de la Cuenca Hidrográfica (POMCA) del Río Bogotá [Adoptado mediante la Resolución CAR 957 de 2019; incluye la subzona hidrográfica del río Teusacá y zonas de influencia del SistemaChingaza]https://www.andi.com.co/Uploads/resolucion_957%20de%202019%20adpcio n%20POMCA%20r%C3%ADo%20Bogot%C3%A1.pdf
dc.relation.referencesCruz-Roa, A. F., Olaya-Marín, E. J., & Barrios, M. I. (2017). Ground and satellite based assessment of meteorological droughts: The Coello river basin case study. International Journal of Applied Earth Observation and Geoinformation, 62, 114–121. https://doi.org/10.1016/j.jag.2017.05.006
dc.relation.referencesCuevas, J. (2020). Propuesta metodológica para la representation cuantitativa de la regulación hídrica en las distintas escalas de cuenca hidrográfica. Universidad Nacional de Colombia. https://repositorio.unal.edu.co/items/9c6ce89b-e2bb-42c8-83db-48fd3084dc89
dc.relation.referencesda Silva Júnior, J. C., de Oliveira, M. S., & de Almeida, T. S. (2019). Random forest techniques for spatial interpolation of evapotranspiration data. Computers and Electronics in Agriculture, 166, 105017. https://doi.org/10.1016/j.compag.2019.105017
dc.relation.referencesDomingo-Santos, J. M., Fernández de Villarán, R., Corral-Pazos-de-Provens, E. y Rapp Arrarás, Í. (2008). Estimación de la capacidad de retención de agua en el suelo: revisión del parámetro CRA. Universidad de Huelva. https://www.researchgate.net/publication/28126722_Estimacion_de_la_capacidad_de_retencion _de_agua_en_el_suelo_revision_del_parametro_CRA
dc.relation.referencesDrenkhan, F., et al. (2023). Hydrology, water resources availability and management in the Andes under climate change and human impacts. Journal of Hydrology: Regional Studies, 49, 101519. https://doi.org/10.1016/j.ejrh.2023.101519
dc.relation.referencesDurighetto, N., Vianello, A., & Botter, G. (2022). Probabilistic description of streamflow and active length dynamics in river networks. Water Resources Research, 58(3). https://doi.org/10.1029/2021WR031344
dc.relation.referencesECI. (2023). Evaluación de la disminución de la superficie Amazónica y sus afectaciones sobre las precipitaciones en el páramo y el sistema Chingaza. Escuela Colombiana de Ingeniería Julio Garavito.
dc.relation.referencesEmpresa de Acueducto y Alcantarillado de Bogotá - EAAB (2023). Informe de monitoreo hidrometeorológico: Cuencas de los ríos Chuza y Guatiquía. EAAB. https://www.car.gov.co/uploads/files/654a5dd1ce036.pdf
dc.relation.referencesFleiss, J. L., Levin, B. & Paik, M. C. (2003). Statistical methods for rates and proportions (3ª ed.). John Wiley & Sons. https://www.researchgate.net/publication/265326975_In_Statistical_Methods_for_Rates_and_Pr oportions
dc.relation.referencesGentile, A., et al. (2023). Towards a conceptualization of the hydrological processes in Andean headwater catchments. Hydrology and Earth System Sciences, 27(11), 2301–2323. https://doi.org/10.5194/hess-27-2301-2023
dc.relation.referencesGil, Á. J. (2016). Herramientas de modelación y monitoreo para la hidrología de alta montaña colombiana – Cuenca de la Quebrada Calostros – PNN Chingaza [Tesis de maestría]. Universidad Nacional de Colombia.
dc.relation.referencesGómez, Á. J. (2016). Herramientas de modelación y monitoreo para la hidrología de alta montaña colombiana – Cuenca de la Quebrada Calostros – PNN Chingaza [Tesis de maestría]. Universidad Nacional de Colombia, Bogotá.
dc.relation.referencesGualdrón Díaz, A. L., Ramírez Hernández, M. C. & Zambrano Moreno, R. N. (2023). Evaluación multitemporal de coberturas vegetales en el PNN Chingaza mediante sensores remotos (2010-2022). Parques Nacionales Naturales de Colombia. https://www.parquesnacionales.gov.co/wp-content/uploads/2024/06/Articulo.Analisis-de cambio-de-coberturas-antropicas-pnn-2022-2023.pdf
dc.relation.referencesGupta, H. V., Kling, H., Yilmaz, K. K., & Martinez, G. F. (2009). Decomposition of the mean squared error and NSE performance criteria: Implications for improving hydrological modelling. Journal of Hydrology, 377(1-2), 80–91. https://doi.org/10.1016/j.jhydrol.2009.08.003
dc.relation.referencesGustard, A., Bullock, A., & Dixon, J. M. (1992). Low flow estimation in the United Kingdom (Institute of Hydrology Report No. 108). Wallingford, UK.
dc.relation.referencesHamel, P., Valencia, J., Schmitt, R., Shrestha, M., Piman, T., & Vogl, A. L. (2020). Modeling seasonal water yield for landscape management: Applications in Peru and Myanmar. Journal of Environmental Management, 270, Article 110792. https://doi.org/10.1016/j.jenvman.2020.110792
dc.relation.referencesHaralick, R. M., Shanmugam, K. & Dinstein, I. (1973). Textural features for image classification. IEEE Transactions on Systems, Man, and Cybernetics, SMC-3(6), 610–621. https://doi.org/10.1109/TSMC.1973.4309314
dc.relation.referencesHastie, T., Tibshirani, R. & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2ª ed.). Springer Science & Business Media. https://esl.hohoweiya.xyz/book/The%20Elements%20of%20Statistical%20Learning.pdf
dc.relation.referencesHengl, T., Heuvelink, G. B. M., & Stein, A. (2004). A generic framework for spatial prediction of soil variables based on regression-kriging. Geoderma, 120(1–2), 75–93. https://doi.org/10.1016/j.geoderma.2003.08.018
dc.relation.referencesHengl, T., Heuvelink, G. B. M., & Rossiter, D. G. (2007). About regression-kriging: From equations to case studies. Computers & Geosciences, 33(10), 1301–1315. https://doi.org/10.1016/j.cageo.2007.05.001
dc.relation.referencesHernández Morales, A. F. & Ortiz Oyola, O. A. (2025). Análisis multitemporal de coberturas de la tierra y evaluación de la Integridad Ecológica mediante Sensores Remotos y SIG en el Complejo de Páramos Frontino Urrao – “Páramo del Sol - Las Alegrías”. Universidad de Antioquia. https://bibliotecadigital.udea.edu.co/entities/publication/67e28b5f-6d1d-44be-b7ed f6da80907b7a
dc.relation.referencesHodam, S., Sarkar, S., & Sarma, A. K. (2017). Spatial interpolation of reference evapotranspiration in India: Comparison of IDW and Kriging methods. Journal of The Institution of Engineers (India): Series A, 98(4), 511–524. https://doi.org/10.1007/s40030-017-0230-2
dc.relation.referencesHuerta, A., Serrano-Notivoli, R. & Brönnimann, S. SC-PREC4SA: A serially complete daily precipitation dataset for South America. Sci Data 12, 1006 (2025). https://doi.org/10.1038/s41597-025-05312-1
dc.relation.referencesHuete, A., Didan, K., Miura, T., Rodriguez, E. P., Gao, X. & Ferreira, L. G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1-2), 195–213. https://www.sciencedirect.com/science/article/abs/pii/S0034425702000962
dc.relation.referencesHuete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment,25(3),295–309. https://www.sciencedirect.com/science/article/abs/pii/003442578890106X
dc.relation.referencesHyndman, R. J., & Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4), 679–688. https://doi.org/10.1016/j.ijforecast.2006.03.001
dc.relation.referencesInstituto de Hidrología, Meteorología y Estudios Ambientales [IDEAM]. (2020). Mapa de coberturas de la tierra de la cuenca abastecedora del Sistema Chingaza: Metodología CORINE Land Cover adaptada para Colombia [Mapa]. Sistema de Información Ambiental para Colombia (SIAC) https://siac-datosabiertos-mads.hub.arcgis.com/datasets/577df951eb7f41b4800545ed88b34f5d
dc.relation.referencesInstituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). (2013). Lineamientos conceptuales y metodológicos para las evaluaciones regionales del agua. Ministerio de Ambiente y Desarrollo Sostenible. https://www.minambiente.gov.co/wp content/uploads/2021/10/Anexo-42.-Lineamientos-Conceptuales-y-Metodologicos-para-las Evaluacion-Regional-del-Agua-2013.pdf
dc.relation.referencesIGAC (2002). Datos Abiertos Cartografía y Geografía. Recuperado septiembre de 2024, del Geoportal de Datos Abiertos IGAC: https://geoportal.igac.gov.co/contenido/datos-abiertos cartografia-y-geografia
dc.relation.referencesInstituto Geográfico Agustín Codazzi (IGAC). (2018). Sistema de referencia geodésico nacional MAGNA-SIRGAS Colombia. Autor.
dc.relation.referencesInstituto Geográfico Agustín Codazzi (IGAC) & Infraestructura Colombiana de Datos Espaciales (ICDE). (2024). Fundamentos para la interoperabilidad entre datos geográficos.https://www.icde.gov.co/sites/default/files/archivos/Fundamentos%20Interoperabilid ad%20datos%20geogra%CC%81ficos.pdf
dc.relation.referencesIvanova, Y. y Marín-Arévalo, L. C. (2020). Estudio de afectación del servicio ecosistémico de regulación hídrica por actividades de agricultura en la cuenca del río Gachaneca I, páramo Rabanal. Gestión y Ambiente, 23(2), 193–202. https://revistas.unal.edu.co/index.php/gestion/article/view/88051
dc.relation.referencesJacquin, A. P., & Soto-Sandoval, J. C. (2013). Interpolation of monthly precipitation amounts in mountainous catchments with sparse precipitation networks. Chilean Journal of Agricultural Research, 73(4), 406–413. https://doi.org/10.4067/S0718-58392013000400012
dc.relation.referencesJensen, J. R. (2015). Introductory digital image processing: A remote sensing perspective (4ª ed.). Pearson. https://es.scribd.com/document/667034923/JENSEN-J-R-Introductory-Digital Image-Processing-a-Remote-Sensing-Perspective
dc.relation.referencesLandis, 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
dc.relation.referencesLazo, P. X., Mosquera, G. M., McDonnell, J. J., & Crespo, P. (2019). The role of vegetation, soils, and precipitation on water storage and hydrological services in Andean Páramo catchments. Journal of Hydrology, 572, 805-819.
dc.relation.referencesLeón-Alfaro, Y. (2019). Análisis de fragmentación y conectividad del bosque en la subcuenca del río Tapezco, Costa Rica: Conectando el bosque para proteger el agua. Revista de Ciencias Ambientales.http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121 215X2019000100102
dc.relation.referencesLi, J., & Heap, A. D. (2008). A review of spatial interpolation methods for environmental scientists. Geoscience Australia Record, 2008/23.
dc.relation.referencesLi, L., Losser, T., Zhang, C., & Hong, S. (2014). Fast inverse distance weighting-based spatiotemporal interpolation: A web-based software application. Computers & Geosciences, 71, 26–37. https://doi.org/10.1016/j.cageo.2014.06.012
dc.relation.referencesLillesand, T., Kiefer, R. W. & Chipman, J. (2015). Remote sensing and image interpretation (7ª ed.). John Wiley & Sons https://www.scirp.org/reference/referencespapers?referenceid=2044575
dc.relation.referencesLombana Córdoba, C. (2006). Modelación y generación de estrategias de intervención de cuencas paramunas - caso de estudio cuencas abastecedoras de agua potable, Páramo de Chingaza. Universidad de los Andes. https://repositorio.uniandes.edu.co/entities/publication/c44e30cc 928d-4b19-b9f8-c332de3a0c06
dc.relation.referencesLu, G. Y., & Wong, D. W. (2008). An adaptive inverse-distance weighting spatial interpolation technique. Computers https://doi.org/10.1016/j.cageo.2007.07.010
dc.relation.referencesMassey, F. J., Jr. (1951). The Kolmogorov-Smirnov test for goodness of fit. Journal of the American Statistical Association, 46(253), 68–78. https://doi.org/10.1080/01621459.1951.10500769
dc.relation.referencesMaxwell, 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. https://www.tandfonline.com/doi/full/10.1080/01431161.2018.1433343
dc.relation.referencesMinisterio de Ambiente y Desarrollo Sostenible. (2016, 6 de mayo). Resolución 0710 de 2016. Por medio de la cual se delimita el Páramo Chingaza y se adoptan otras determinaciones https://alphasig.metropol.gov.co/normograma/compilacion/docs/resolucion_minambienteds_071 0_2016.htm
dc.relation.referencesMillennium Ecosystem Assessment. (2005). Ecosystems and human well-being: Synthesis. Island Press.
dc.relation.referencesMontealegre, Edgar. (2012). Análisis de la variabilidad climática inter-anual (El Niño y La Niña) en la Región Capital, Bogotá Cundinamarca. Plan Regional Integral de Cambio Climático Región Capital Bogotá – Cundinamarca (PRICC)
dc.relation.referencesMoriasi, D. N., Arnold, J. G., Van Liew, M. W., Bingner, R. L., Harmel, R. D., & Veith, T. L. (2007). Model evaluation guidelines for systematic quantification of accuracy in watershed simulations. Transactions of the ASABE, 50(3), 885–900. https://doi.org/10.13031/2013.23153
dc.relation.referencesMoriasi, D. N., Gitau, M. W., Pai, N., & Daggupati, P. (2015). Hydrologic and water quality models: Performance measures and evaluation criteria. Transactions of the ASABE, 58(6), 1763–1785. https://doi.org/10.13031/trans.58.10745
dc.relation.referencesMosquera, G. M., et al. (2022). Progress in understanding the hydrology of high-elevation Andean grasslands under changing land use. Science of the Total Environment, 804, 150112. https://doi.org/10.1016/j.scitotenv.2021.150112
dc.relation.referencesMockus, V. (1964). National Engineering Handbook, Section 4: Hydrology. USDA.
dc.relation.referencesMosquera, G. M., et al. (2023). Frontiers in páramo water resources research: A multidisciplinary assessment. Science of the Total Environment, 892, 164373. https://doi.org/10.1016/j.scitotenv.2023.164373
dc.relation.referencesMosquera, G. M., et al. (2023). Frontiers in páramo water resources research: A multidisciplinary assessment. Science of the Total Environment, 892, 164373. https://doi.org/10.1016/j.scitotenv.2023.164373
dc.relation.referencesNash, J. E., & Sutcliffe, J. V. (1970). River flow forecasting through conceptual models part I — A discussion of principles. Journal of Hydrology, 10(3), 282–290. https://doi.org/10.1016/0022-1694(70)90255-6
dc.relation.referencesNatural Capital Alliance, 2026. InVEST 3.19.0.https://doi.org/10.60793/natcap-invest 3.19.0
dc.relation.referencesNavarrete González, J. (2004). Hidrología de páramos. Modelación hidrológica de la cuenca alta del río Blanco. Universidad de los Andes. https://repositorio.uniandes.edu.co/entities/publication/fee6625c-26d0-4a5b-ae77-bc1ad98c0299
dc.relation.referencesOchoa, A., Pineda, L., Crespo, P., & Willems, P. (2014). Evaluation of TRMM 3B42 (TMPA) precipitation estimates and WRF retrospective precipitation simulation over the Pacific Andean region of Ecuador and Peru. Hydrology and Earth System Sciences, 18(8), 3179–3196. https://doi.org/10.5194/hess-18-3179-2014
dc.relation.referencesOchoa-Tocachi, B. F., et al. (2016). Regionalization of land-use impacts on streamflow in tropical catchments. Water Resources Research, 52(6), 4264–4282.
dc.relation.referencesOo, T. Z., & Wannasingha Humphries, U. (2025). Hydrological modeling of flood impacts under land use and land cover change: A systematic review of tools, trends, and challenges. MethodsX, 16, Article 103724. https://doi.org/10.1016/j.mex.2025.103724
dc.relation.referencesOo, T. Z., & Wannasingha Humphries, U. (2025). Hydrological modeling of flood impacts under land use and land cover change: A systematic review of tools, trends, and challenges. MethodsX, 16, Article 103724. https://doi.org/10.1016/j.mex.2025.103724
dc.relation.referencesOssa-Moreno, J., Keir, G., McIntyre, N., & Blaker, S. (2019). Comparison of approaches to interpolating climate variables in the Andes of central Chile. Hydrology and Earth System Sciences, 23(11), 4763–4780. https://doi.org/10.5194/hess-23-4763-2019
dc.relation.referencesParques Nacionales Naturales de Colombia. (2016). Reformulación participativa del Plan de Manejo Parque Nacional Natural Chingaza.
dc.relation.referencesParques Nacionales Naturales de Colombia. (2020). Reformulación participativa del Plan de Manejo Parque Nacional Natural Chingaza. https://www.parquesnacionales.gov.co/wp content/uploads/2020/10/plan-de-manejo-pnn-chingaza.pdf
dc.relation.referencesPiratova Silva, M. R. (2022). Propuesta de ordenamiento ambiental del territorio a partir de la sensibilidad ambiental para la Subzona Hidrográfica del Río Bogotá. Universidad de Antioquia. https://bibliotecadigital.udea.edu.co/entities/publication/f5c8e66e-48ff-4b61-8677 ba730dea59ac1
dc.relation.referencesPlaza Trujillo, C. E. (2019). Conceptualización de procesos de generación de escorrentía mediante el uso de trazadores ambientales en cuencas de páramo a meso-escala del río Quinuas [Trabajo de titulación]. Universidad https://dspace.ucuenca.edu.ec/handle/123456789/32693
dc.relation.referencesPulido C., Amórtegui F., Huertas L., Barbosa W., Herrera F., (1985). Chingaza: agua para el año 2000 ¿y mientras tanto? Universidad Nacional de Colombia - Facultad de Ingeniería.
dc.relation.referencesQuintero, M., Wunder, S., & Estrada, R. D. (2013). Servicios ecosistémicos hidrológicos en los Andes. CIAT.
dc.relation.referencesRichards, J. A. & Jia, X. (2006). Remote sensing digital image analysis: An introduction (4ª ed.). Springer. https://www.researchgate.net/publication/200004874_Remote_Sensing_Digital_Image_Analysis _An_Introduction
dc.relation.referencesRincón, W. A., & Naranjo, J. F. (2023). Determination of the hydrological parameter of the Curve Number (CN) for the Las Cañas Stream in the Siscunsí Paramo by means of Geographic Information Systems. London Journal of Research in Science: Natural and Formal, 23(1).
dc.relation.referencesRisk, C., et al. (2022). Optimal Cross‐Validation Strategies for Selection of Spatial Interpolation Methods. Earth and Space Science, 9. https://doi.org/10.1029/2021EA002019
dc.relation.referencesRouse, J. W., Haas, R. H., Schell, J. A. & Deering, D. W. (1974). Monitoring Vegetation Systems in the Great Plains with ERTS (NASA Special Publication No. 351). National Aeronautics and Space https://www.scirp.org/reference/referencespapers?referenceid=1920081
dc.relation.referencesSandoval, E. C. & García, K. A. (2018). Análisis multitemporal de la deforestación del páramo de Sumapaz, por medio de imágenes LANDSAT ETM Y LANDSAT OLI TIRS del año 2002 al 2017. Universidad Distrital Francisco José de Caldas. https://repository.udistrital.edu.co/items/d2eaec86-a0e8-4485-92b0-0e4fad7d6e22
dc.relation.referencesSmakhtin, V. U. (2001). Low flow hydrology: A review. Journal of Hydrology, 240(3-4), 147–186.
dc.relation.referencesStekhoven, D. J., & Bühlmann, P. (2012). MissForest—non-parametric missing value imputation for mixed-type https://doi.org/10.1093/bioinformatics/btr597
dc.relation.referencesSuárez López, P. (2005). Impacto del cambio del uso de la tierra en la respuesta hidrológica de un ecosistema de páramo. Universidad de los Andes. https://repositorio.uniandes.edu.co/entities/publication/80b65f6c-864e-4593-ad4f-0a1a350a8093
dc.relation.referencesSuárez, A., et al. (2022). Recognizing, normalizing and articulating: An approach to highlight plural values of water ecosystem services in Colombia. Heliyon, 8(9), e10622. https://doi.org/10.1016/j.heliyon.2022.e10622
dc.relation.referencesShadmehri Toosi, A., Batelaan, O., Shanafield, M., & Guan, H. (2025). Land use-land cover and hydrological modeling: A review. WIREs Water, 12(2), Article e70013. https://doi.org/10.1002/wat2.70013
dc.relation.referencesThomlinson, J. R., Bolstad, P. V. & Cohen, W. B. (1999). Coordinating land-cover mapping and analysis across multiple scales, regional to global: Methodology, incidents, and recommendations. Remote Sensing of Environment, 70(1), 46–56.
dc.relation.referencesValencia, J. B., Guryanov, V. V., Mesa-Diez, J., Tapasco, J., & Gusarov, A. V. (2023). Assessing the effectiveness of the use of the InVEST Annual Water Yield Model for the rivers of Colombia: A case study of the Meta River Basin. Water, 15(9), 1617. https://doi.org/10.3390/w15091617
dc.relation.referencesVapnik, V. N. (1998). Statistical learning theory. John Wiley & Sons. https://books.google.com.co/books/about/Statistical_Learning_Theory.html?id=RWrlkQEACAA J&redir_esc=y
dc.relation.referencesVargas Ríos O, Insuasty J, Rojas-Zamora O, Castro P & Florez N (2012) Programa para la restauración ecológica en áreas del Parque Nacional Natural Chingaza. Bogota, DC.
dc.relation.referencesVidal-Paz, J., et al. (2023). A comparison of different methods for rainfall imputation. Applied Sciences, 13(22), 12260. https://doi.org/10.3390/app132212260
dc.relation.referencesWhittington, J., et al. (2001). Development of a Framework for the Sustainable Rivers Audit. Murray-Darling Basin Commission. (Report to the Murray-Darling Basin Commission).
dc.relation.referencesXiao, X., Hollinger, D., Aber, J., Goltz, M., Davidson, E. A., Zhang, Q. & Moore, B. (2004). Satellite-based modeling of gross primary production in a deciduous broadleaf forest. Remote Sensing of Environment, 91(3-4), https://www.sciencedirect.com/science/article/abs/pii/S0034425704000975 360–370.
dc.relation.referencesYoung, W. J., et al. (2000). An Index of River Hydrology Change for use in assessing river condition. Cooperative Research Centre for Freshwater Ecology, Canberra.
dc.relation.referencesYustres Quintero, L. F. & Ivanova, Y. (2022). Metodología para evaluar el efecto del cambio de coberturas sobre la regulación hídrica (caso de estudio: cuenca del río Murrí). Revista EIA. https://dialnet.unirioja.es/descarga/articulo/8228411.pdf
dc.relation.referencesZhou, Y., et al. (2023). Gap infilling of daily streamflow data using a machine learning algorithm (MissForest) for impact assessment of human activities. Journal of Hydrology, 627, Article 130404. https://doi.org/10.1016/j.jhydrol.2023.130404
dc.rights.accesoAbierto (Texto Completo)
dc.rights.accessrightsOpenAccess
dc.subjectSistemas de Información Geográfica
dc.subjectTeledetección
dc.subjectRegulación Hídrica
dc.subjectBosque Altoandino
dc.subjectPáramos
dc.subjectModelación Hidrológica
dc.subjectVentaja del Ecosistema
dc.subject.keywordGeographic Information Systems (GIS)
dc.subject.keywordRemote Sensing
dc.subject.keywordHydrological Regulation
dc.subject.keywordHigh Andean Forest
dc.subject.keywordPáramo Ecosystems
dc.subject.keywordHydrological Modeling
dc.subject.keywordEcosystem Services
dc.subject.lembEspecialización en Sistemas de Información Geográfica -- Tesis y disertaciones académicas
dc.subject.lembSistemas de información geográfica
dc.subject.lembCobertura vegetal
dc.subject.lembCuencas hidrográficas
dc.subject.lembRegulación hídrica
dc.subject.lembTeledetección
dc.subject.lembBosques altoandinos
dc.titleEvaluación de la influencia de la cobertura boscosa en la regulación hídrica de la cuenca abastecedora del sistema Chingaza
dc.title.titleenglishEvaluation of the influence of forest cover on the hydrological regulation of the chingaza water supply watershed
dc.typebachelorThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.degreeInvestigación-Innovación
dc.type.driverinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
FuqueneGarciaDannaLorena2026.pdf
Tamaño:
3,79 MB
Formato:
Adobe Portable Document Format
Descargar
Miniatura
Nombre:
ANEXOS.rar
Tamaño:
11,26 MB
Formato:
Unknown data format
Descargar
Miniatura
Nombre:
Licencia de uso y publicacion.pdf
Tamaño:
330,63 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Especialización en Sistemas de Información Geográfica
Universidad Distrital Francisco José de Caldas - Biblioteca UDFJC

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional | Acuerdo de creación N° 10 de 1948 del Concejo de Bogotá | Acreditación Institucional de Alta Calidad - Resolución N° 23096 del 15 de diciembre del 2016.

Contáctenos
  • Calle 13 No. 31 - 75 Bogotá D.C. - República de Colombia
  • (+57 601) 3239300 Ext. 4242
  • Lunes a viernes de 8 a.m. a 5 p.m.
  • repositorio@udistrital.edu.co
Síguenos en redes sociales

Software DSpace copyright © 2002-2026 LYRASIS