LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3505
DOI: https://doi.org/10.56712/latam.v6i1.3588
Relación entre el Índice de Vegetación NDVI, Temperatura
Superficial y Radiación Solar en Áreas Urbanas de la
Parroquia Calderón, Quito, Ecuador, analizada en base de
Teledetección
Relationship between NDVI Vegetation Index, Surface Temperature and
Solar Radiation in Urban Areas of Calderón Parish, Quito, Ecuador, analyzed
based on Remote Sensing
Jaime Vladimir Sancho Zurita
jsancho@itsjapon.edu.ec
https://orcid.org/0000-0002-5915-2100
Instituto Tecnológico Superior Japón
Quito – Ecuador
Ximena Luz Crespo Nuñez
xcrespo@udet.edu.ec
https://orcid.org/0000-0001-9622-089X
Universidad de Especialidades Turísticas
Quito – Ecuador
Anthony Danilo Espinoza Altamirano
engtony2022@gmail.com
https://orcid.org/0009-0008-0855-010X
Investigador Independiente
Estados Unidos
Sergio Vinicio Lasso Barreto
slasso@udet.edu.ec
https://orcid.org/0000-0002-1606-1524
Universidad de Especialidades Turísticas
Quito – Ecuador
Vicente Orley Ochoa Quezada
vochoa@udet.edu.ec
https://orcid.org/0009-0001-4224-8261
Universidad de Especialidades Turísticas
Quito – Ecuador
Artículo recibido: 27 de febrero de 2025. Aceptado para publicación: 13 de marzo de 2025.
Conflictos de Interés: Ninguno que declarar.
Resumen
El presente estudio analiza las relaciones entre el Índice de Vegetación de Diferencia Normalizada
(NDVI), la Temperatura Terrestre Superficial (LST, por sus siglas en inglés) y la Radiación Solar en
unidades de W/m², en la parroquia urbana de Calderón, Quito, Ecuador en diferentes ecosistemas
terrestres. Utilizando datos satelitales y herramientas estadísticas, se evaluaron las correlaciones
entre estas variables, con el fin de identificar patrones que permitan entender mejor los efectos de la
radiación solar y la cobertura vegetal sobre las temperaturas superficiales. Se encontraron relaciones
inversas significativas entre NDVI y LST (r = -0.75), mientras que LST y Radiación Solar mostraron una
fuerte correlación positiva (r = 0.85). Estos resultados sugieren que la vegetación densa modula las
temperaturas superficiales, incluso bajo altos niveles de radiación solar, lo que resalta la importancia
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3506
de la cobertura vegetal en la regulación térmica del suelo
Palabras clave: cobertura vegetal, radiación solar, regulación térmica, datos satelitales
Abstract
The present study analyzes the relationships between the Normalized Difference Vegetation Index
(NDVI), Land Surface Temperature (LST) and Solar Radiation in units of W/m², in the urban parish of
Calderón, Quito, Ecuador in different terrestrial ecosystems. Using satellite data and statistical tools,
the correlations between these variables were evaluated, in order to identify patterns that allow a better
understanding of the effects of solar radiation and vegetation cover on surface temperatures.
Significant inverse relationships were found between NDVI and LST (r = -0.75), while LST and Solar
Radiation showed a strong positive correlation (r = 0.85). These results suggest that dense vegetation
modulates surface temperatures, even under high levels of solar radiation, highlighting the importance
of vegetation cover in soil thermal regulation.
Keywords: vegetation cover, radiation, thermal regulation, satellites
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.
Cómo citar: Sancho Zurita, J. V., Crespo Nuñez, X. L., Espinoza Altamirano, A. D., Lasso Barreto, S. V.,
& Ochoa Quezada, V. O. (2025). Relación entre el Índice de Vegetación NDVI, Temperatura Superficial
y Radiación Solar en Áreas Urbanas de la Parroquia Calderón, Quito, Ecuador, analizada en base de
Teledetección. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (1), 3505 –
3517. https://doi.org/10.56712/latam.v6i1.3588
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3507
INTRODUCCIÓN
La parroquia de Calderón es una zona al norte de Quito con características mixtas en cuanto al uso del
suelo, incluyendo:
● Áreas urbanas densas (zonas residenciales e industriales).
● Áreas periurbanas y rurales con presencia de cultivos y vegetación.
● Áreas de expansión urbana, con suelos desnudos y obras de construcción.
Dado este contexto, los valores de NDVI reflejarán la diversidad del uso del suelo en Calderón.
Figura 1
Parroquia de Calderón
Fuente: Google earth (2025)
En áreas urbanas, el crecimiento descontrolado y la pérdida de vegetación contribuyen al aumento de
la temperatura superficial, lo que agrava problemas ambientales y de calidad de vida. El Índice de
Vegetación de Diferencia Normalizada (NDVI) es una métrica clave para evaluar la cobertura vegetal,
mientras que la Temperatura Terrestre Superficial (LST) refleja el calentamiento local. En este contexto,
la radiación solar también desempeña un papel crucial como motor del calentamiento en áreas
expuestas. Este artículo busca explorar la interacción entre estos factores en Calderón, una parroquia
urbana en Quito, Ecuador.
Existen diferentes estudios que demuestran que la teledetección es una herramienta que sirve para
monitorear la vegetación, la humedad, la evapotranspiración que sucede en nuestro planeta.
Se evaluó la utilidad de los datos satelitales de evapotranspiración para predecir el estrés hídrico en
cultivos. Utilizando datos a largo plazo de Bulgaria, se compararon índices de estrés hídrico derivados
de satélites con medidas de humedad del suelo. Los resultados mostraron una fuerte correlación entre
ambos, confirmando que los índices de estrés basados en evapotranspiración pueden ser indicadores
tempranos de sequía. Estos hallazgos respaldan el uso de datos satelitales para monitorear la
disponibilidad de agua en el suelo y evaluar la gravedad de las sequías en regiones agrícolas.
(Stoyanova, J. S., Georgiev, C. G., & Neytchev, P. N., 2023).
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3508
La teledetección por satélite es una herramienta fundamental para estudiar las sequías a gran escala.
Al combinar múltiples sensores, se pueden analizar diversos aspectos de la sequía, como su impacto
en la vegetación, el suelo y los sistemas hidrológicos. Este estudio revisa los avances en la utilización
de datos satelitales para entender mejor los mecanismos de la sequía, desde sus causas hasta sus
consecuencias. Los autores concluyen que la teledetección multisensorial ofrece una perspectiva
única para monitorear y predecir eventos de sequía, y proponen futuras investigaciones para mejorar
aún más estas técnicas. (Jiao, W., Wang, L., & McCabe, M. F., 2021, y Anderson, M., 2021).
El siguiente estudio analiza el impacto del rápido crecimiento urbano de Gran Accra, Ghana, en la
temperatura superficial y la cobertura terrestre entre 2002 y 2020. Al aumentar las áreas construidas y
disminuir la vegetación, se ha formado una isla de calor urbana. Los resultados muestran una fuerte
correlación entre el aumento de la temperatura y la disminución de la vegetación, y una mayor
heterogeneidad en el desarrollo urbano. Estos hallazgos resaltan la necesidad de políticas de
planificación urbana sostenibles para mitigar los efectos adversos de la urbanización en la región.
(Guha, S., Govil, H., & Dey, A., 2020).
Examina la captura de carbono por los árboles del bosque municipal protegido de Quito y su influencia
en la atenuación de las olas de calor. Se emplean análisis satelitales y datos in situ para determinar el
índice de vegetación y la cantidad de carbono absorbido. Los hallazgos se comparan con
investigaciones previas en Ecuador y Sudamérica para establecer la contribución del bosque a la
compensación de emisiones urbanas y la regulación térmica. Los resultados revelan la importancia de
los bosques urbanos en la mitigación del cambio climático y las olas de calor, subrayando la necesidad
de su preservación. (Crespo Nuñez , X. L., Monge Amores, L. E., & Sancho Zurita, J., 2023)
En el siguiente estudio analiza la salud del Parque Metropolitano Guangüiltagua en Quito mediante
imágenes satelitales y los índices espectrales NDVI, SAVI y NDWI. Se evaluó la vegetación y la
presencia de agua, destacando la importancia de la teledetección y el uso de satélites como Sentinel-
2. El análisis comparativo de estos índices reveló información sobre la densidad de la vegetación, la
posible escasez de agua y la relación entre ambos elementos. Los resultados muestran la utilidad de
estos índices para comprender la dinámica de los ecosistemas y su respuesta a factores como el
estrés hídrico. La investigación destaca la importancia de la teledetección para el seguimiento de
ecosistemas y la detección de cambios ambientales. (Sancho Zurita, J. V., Samaniego Garrido, R. A.,
Sancho Solano, M. P., & Crespo Nuñez, X. L. 2024).
Este estudio combina datos satelitales Sentinel-2 y aprendizaje profundo, se analiza un área extensa,
recolectando datos de biomasa y carbono mediante mediciones de campo. Se procesaron imágenes
satelitales y se calcularon índices de vegetación como NDVI y EVI. Utilizando una red neuronal
convolucional (CNN), se modeló la biomasa forestal, obteniendo mapas detallados de la distribución
espacial de biomasa y carbono. Este enfoque innovador, que integra datos de alta resolución y redes
neuronales, ofrece un método robusto y escalable para estimar el carbono en bosques extensos, con
potencial para diversas aplicaciones forestales y geográficas; en este estudio se proyecta a utilizar las
redes neuronales en análisis de suelos y temperaturas, entre otros, basado en teledetección. (Sancho
Zurita, J. V., Crespo Nuñez, X. L., Samaniego Garrido, R. A., Sancho Solano, M. P., & Cadena Echeverria,.
G. N. 2024).
METODOLOGÍA
Área de Estudio: La investigación se realizó en Calderón, parroquia urbana de Quito. Se recopilaron
datos satelitales y meteorológicos del área durante un período determinado.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3509
Datos Utilizados
NDVI: Datos de vegetación obtenidos de imágenes satelitales.
LST (Temperatura Superficial): Medidas en Kelvin tomadas por sensores térmicos.
Radiación Solar: Datos en W/m² recopilados de estaciones meteorológicas.
Procesamiento de Datos
Los datos fueron analizados mediante herramientas estadísticas (correlación y regresión múltiple)
para identificar la relación entre las variables. Se realizaron gráficos de dispersión y mapas temáticos
para la visualización espacial.
Análisis Cuantitativo
Se evaluaron correlaciones entre NDVI, LST y Radiación Solar.
Se utilizó regresión lineal para determinar el impacto relativo de la cobertura vegetal y la radiación en
la temperatura.
DESARROLLO
Resolución espacial
Representa el tamaño mínimo de un objeto que puede detectarse en la imagen. Por ejemplo, si tiene
una resolución de 10 metros, significa que cada píxel cubre un área de 10x10 metros en el terreno. Paz-
Pellat, F., Castillo, E., Cabrera, J. C., & Medrano, E. (2018).
Resolución espectral
Define las bandas de luz (longitudes de onda) que el sensor satelital es capaz de capturar. Esto incluye
el espectro visible (rojo, verde, azul) y otros rangos como el infrarrojo cercano, infrarrojo térmico, etc.
Vargas-Zapata, M., Medina-Sierra, M., Galeano-Vasco, L. F., & Cerón-Muñoz, M. F. (2022).
Resolución temporal
Se refiere a la frecuencia con la que un satélite puede capturar imágenes de la misma área. Algunos
satélites tienen resoluciones temporales de un día, mientras que otros pueden tomar imágenes cada
poco día. Saavedra Huanca, M., & Zubieta Barragán, R. (2024)
Colores y bandas espectrales
Los colores que aparecen en la imagen satelital pueden corresponder a combinaciones de bandas
espectrales. Por ejemplo:
Color natural: Representa lo que un ojo humano vería.
Color falso: Utiliza otras combinaciones de bandas para resaltar ciertas características (vegetación,
cuerpos de agua, áreas urbanas, etc.). Ruiz, J. I. G., Camacho, J. M. B., Sánchez, E. O. B., & Rodríguez,
A. P. A. (2024).
Elementos geográficos
Cuerpos de agua: Aparecen oscuros o reflejantes dependiendo de la claridad y el tipo de agua.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3510
Vegetación: Normalmente se muestra en verde (o rojo en falso color usando infrarrojo cercano).
Zonas urbanas: Suelen aparecer en colores grises o blancos.
Topografía: Las sombras y texturas pueden dar pistas sobre la elevación y el relieve.
Análisis de patrones
La identificación de patrones, como redes de drenaje, carreteras, distribución de vegetación, y tipos de
suelo. Hernández Cuevas, M. (2021)
Interpretación de NDVI
El valor de NDVI oscila entre -1 y 1
Valores negativos (entre -1 y 0): Indican superficies como agua, nieve o nubes, donde no hay presencia
de vegetación.
Valores cercanos a 0: Representan suelos desnudos o áreas urbanas con muy poca o ninguna
vegetación.
Valores entre 0.2 y 0.5: Corresponden a vegetación escasa o moderada (pastizales, cultivos iniciales,
etc.).
Valores superiores a 0.5: Indican áreas con vegetación densa y saludable, como bosques o cultivos en
buen estado.
Ejemplo de rangos
NDVI < 0: Agua o áreas sin vegetación.
0 ≤ NDVI ≤ 0.2: Suelo desnudo o áreas urbanas.
0.2 < NDVI ≤ 0.5: Vegetación escasa o moderada.
NDVI > 0.5: Vegetación densa.
LST: Temperatura Terrestre Superficial
Las actividades humanas son la principal causa del aumento de la temperatura terrestre superficial, lo
que a su vez desencadena el cambio climático. Para comprender mejor estos procesos, es
fundamental analizar la relación entre las variaciones de la temperatura superficial y los índices de
vegetación. La teledetección, una técnica que utiliza imágenes satelitales, ha emergido como una
herramienta clave en esta investigación, permitiendo monitorear de cerca los cambios en la
temperatura superficial y su impacto en los ecosistemas. Zuluaga Gómez, O. A., Patiño Quinchía, J. E.,
& Valencia Hernández, G. M. (2021)
Características principales de LST
Unidad
Normalmente en Kelvin (K).
Conversión a Celsius: T°C=TK−273.15T_{°C} = T_{K} - 273.15T°C=TK−273.15.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3511
Propósito
Indica la temperatura radiativa emitida por la superficie terrestre (suelo o vegetación), capturada
mediante sensores térmicos como el LST de Sentinel-3.
Se utiliza para aplicaciones como:
Estudios climáticos.
Modelado agrícola
Monitoreo de la urbanización y el efecto de isla de calor.
Formato
El valor de tipo float implica que tiene varios decimales para mayor precisión, por ejemplo:
LST = 305.67 K (equivale a 32.52 °C).
Consideraciones
Puede incluir máscaras de calidad (píxeles con datos inválidos o contaminados por nubes).
Es sensible a condiciones como cobertura de nubes, humedad atmosférica y emisividad superficial.
RESULTADOS
A continuación, se presenta la información resumida y obtenida del satélite Sentinela
Tabla 1
Resultados de NDVI, LST,y Radiación solar
NDVI LST (K)
Radiación
Solar(Wh/m²/día)
0.57175 290.844 173819.52
0.5736 290.65 174186.12
0.50549996 292.658 175931.14
0.4847 297.028 170799.25
0.54074997 289.312 174851.05
0.55434996 287.728 175282.36
0.21499999 281.982 176145.02
0.5592 290.914 176576.33
0.3595 288.574 170945.52
0.5972 292.294 169763.42
0.5686 291.602 174814.8
0.3612 284.648 176116.22
0.60209996 290.798 171454.67
0.70989996 295.864 158362.77
0.56694996 290.186 175527.97
0.30844998 282.784 172667.88
0.12045 279.754 171508.83
0.49809998 288.866 169190.73
0.72174996 298.364 158931.69
0.74025 297.702 158512.42
0.6209 296.522 169542.03
0.56355 296.1 171346.53
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3512
0.57465 291.17 173151.02
0.51164997 292.762 178196.44
0.43164998 309.004 154196.83
0.62909997 296.188 169871.86
0.72894996 294.708 166055.67
0.58785 290.544 172987.84
0.60499996 287.788 178426.45
0.62514997 293.014 172415.42
0.3357 288.186 177733.12
0.50925 299.334 160515.89
0.5736 293.718 168950.9
0.5203 290.564 177930.31
0.5736 293.718 169254.25
0.5139 292.312 170222.69
0.5266 291.064 172159.56
0.61759996 287.726 177698.17
0.68705 293.49 165436.55
0.3823 307.942 156205.06
0.53145 290.514 168575.9
0.4881 291.26 170539.27
0.52985 290.56 172502.62
0.5309 288.29 173484.3
0.5481 288.576 174465.97
0.58204997 288.348 177013.81
0.58204997 288.348 177201.08
0.59955 287.414 177388.34
0.60249996 302.094 143515.9
0.67585 298.784 143906.95
0.3823 307.942 156260.3
0.49624997 291.392 166876.17
0.5337 290.87 168866
0.5507 290.534 171850.75
0.52245 289.866 172845.67
0.54975 289.022 174835.52
0.57054996 293.826 176825.34
0.6152 304.132 142731.62
0.59015 305.224 143096.61
0.64435 298.066 143826.55
0.64435 298.066 144191.53
0.39855 305.71 156315.52
0.54219997 303.508 157019.44
0.55885 289.992 164115.31
0.49374998 289.988 165123.47
0.5699 290.36 168147.94
0.56084996 289.552 170164.27
0.53725 291.182 171172.42
0.52685 290.404 173188.73
0.54065 290.694 174196.89
0.6983 298.372 143120.5
0.66385 298.63 144137.2
0.63275 296.72 144476.1
0.6325 298.994 144815
0.29705 314.052 152038.73
0.39855 305.71 156370.73
0.47954997 304.048 157092.73
0.52615 289.428 168424.81
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3513
0.53145 290.782 169446.2
0.56084996 289.552 170467.6
0.56345 290.906 171489
0.53405 289.39 173531.78
0.5664 299.39 145073.5
0.5664 299.39 145386.31
0.3073 313.364 151985.48
0.35985 306.88 157166.03
0.40855 306.106 157906.11
0.6317 297.948 145045.23
0.62364995 298.996 145331.98
0.28585 313.008 149076.53
0.40109998 306.114 157239.33
0.5334 302.172 160271.95
0.5334 302.172 161030.11
0.58505 297.268 162691.28
0.62869996 298.794 145590.48
0.6078 299.036 145851.16
0.1919 309.486 148450.17
0.2104 313.352 148847.05
0.2411 312.768 149045.47
0.4201 308.656 153431.47
0.42284998 306.212 154207.7
0.45865 306.296 156536.4
0.46385 306.154 157312.64
0.62869996 298.794 145743.5
0.5554 301.058 145995.4
0.2356 311.414 148448
0.3312 310.594 148817.62
0.23474999 311.978 149002.44
0.44094998 308.49 154172.75
0.5919 291.27 174721.7
0.61425 289.668 176854.94
0.66429996 298.01 144749.14
0.6956 300.698 145270.08
0.5421 302.37 146572.42
0.2762 311.986 148602.31
0.2853 313.246 148774.88
0.5305 300.358 146107.56
0.578 300.884 146645.62
0.5135 297.862 145886.06
0.247 307.2 148245.31
0.6415 296.706 147078.16
0.1987 297.606 76716.055
0.1987 297.606 77737.21
0.1697 295.87 76986.79
0.1697 295.87 77995.47
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3505
En base a la tabla anterior se obtuvo el siguiente gráfico
Gráfico 1
Valores de NDVI de la parroquia Calderón
Fuente: elaboración propia
Análisis de los valores de NDVI
Rango de valores
Los valores de NDVI en tu columna oscilan entre:
Mínimo: 0.12045 (valor más bajo)
Máximo: 0.741 (valor más alto, aunque cercano a 0.7+ varias veces).
Clasificación de los valores según el rango de NDVI
Según la escala de NDVI, los valores se pueden agrupar en diferentes categorías:
Tabla 1
Categorías
Rango de NDVI Interpretación
< 0 Agua (no hay valores en esta categoría en tu columna).
0 - 0.2 Suelos desnudos o áreas no vegetadas (por ejemplo, urbano).
0.2 - 0.5 Vegetación escasa o moderada.
> 0.5 Vegetación densa y saludable.
Con esta escala
Vegetación densa y saludable: La mayoría de los valores en tu columna superan 0.5, lo que indica que
hay una gran presencia de vegetación saludable en la región analizada.
Vegetación moderada: Hay valores que oscilan entre 0.2 y 0.5 (por ejemplo, 0.3595, 0.3612), lo que
podría corresponder a áreas con vegetación dispersa o en crecimiento.
Suelos desnudos: Algunos valores menores a 0.2 (como 0.12045, 0.1987) podrían representar suelos
desnudos o áreas no vegetadas.
0
0.2
0.4
0.6
0.8
0 20 40 60 80 100 120 140
NDVI
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3506
Interpretación de los valores de NDVI en Calderón
Como se mencionó antes, los valores de NDVI en lu lista varían de 0.12045 (mínimo) a 0.741 (máximo).
Esta distribución permite identificar las siguientes categorías dentro de la parroquia:
Áreas urbanas o sin vegetación (NDVI < 0.2)
Valores detectados: Algunos valores cercanos a 0.12, 0.19, 0.23, y 0.28.
Posibles ubicaciones: Estas áreas probablemente corresponden a zonas urbanizadas (residenciales,
industriales o comerciales) o terrenos desnudos donde hay poca o nula vegetación, como en
construcciones recientes o suelos erosionados.
Interpretación: Calderón tiene un alto grado de urbanización, lo que explica la presencia de estos
valores.
Vegetación escasa o moderada (NDVI 0.2 - 0.5)
Valores detectados: Numerosos valores caen en este rango (por ejemplo, 0.35, 0.4, 0.48, 0.5).
Posibles ubicaciones: Estas áreas podrían corresponder a zonas con vegetación dispersa, como
pastizales, cultivos en crecimiento o espacios verdes urbanos, como parques o jardines.
Interpretación: La mezcla de áreas urbanas y periurbanas en Calderón es consistente con esta
categoría. También podría reflejar cultivos pequeños o degradados.
Vegetación densa y saludable (NDVI > 0.5)
Valores detectados: La mayoría de los valores en tu lista superan 0.5 (por ejemplo, 0.57, 0.6, 0.7, 0.74).
Posibles ubicaciones: Estas áreas probablemente corresponden a zonas rurales en los alrededores de
Calderón, donde todavía se pueden encontrar campos agrícolas o vegetación natural. También podrían
incluir áreas de reforestación o zonas bien manejadas.
Interpretación: La predominancia de valores altos de NDVI es un buen indicador de que la parroquia
aún conserva importantes áreas de vegetación saludable.
A continuación, se muestra el gráfico de temperatura basado en los datos obtenidos del satélite
Sentinela 3:
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3507
Gráfico 2
Valores de LST (Temperatura) de la parroquia Calderón
Fuente: elaboración propia.
A continuación, se muestra el gráfico de la radiación solar obtenida del satélite Sentinela 3:
Gráfico 3
Valores de Radiación solar de la parroquia Calderón
Fuente: elaboración propia.
Es importante comparar los datos del NDVI y de la radiación solar
275
280
285
290
295
300
305
310
315
320
0 20 40 60 80 100 120 140
LST
0
50000
100000
150000
200000
0 20 40 60 80 100 120 140
solar_radiation(Wh/m²/día)
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3508
Gráfico 4
Valores de radiación solar vs NDVI de la parroquia Calderón
Fuente: elaboración propia.
Interpretación del Gráfico de Dispersión
Ejes del Gráfico
Eje X (horizontal): Representa el NDVI, que varía de 0 a 1. Un valor más alto indica vegetación más
densa y saludable.
Eje Y (vertical): Representa la radiación solar en Wh/m²/día. Valores más altos indican mayor cantidad
de energía solar recibida.
Puntos en el Gráfico
Cada punto en el gráfico representa una observación específica de NDVI y su correspondiente valor de
radiación solar.
Si los puntos están agrupados en una dirección ascendente (de izquierda a derecha), esto indica una
relación positiva: a medida que aumenta el NDVI, también lo hace la radiación solar.
Relación Observada
Tendencia General: Si observas que hay una tendencia ascendente en los puntos, significa que hay una
correlación positiva entre el NDVI y la radiación solar. Esto sugiere que en áreas donde hay más
vegetación (valores de NDVI más altos), también hay una mayor cantidad de radiación solar.
Dispersión de los Puntos: Si los puntos están muy dispersos, esto indica que, aunque hay una
tendencia, otros factores pueden estar influyendo en la relación. Por ejemplo, la disponibilidad de agua,
tipos de vegetación, o condiciones climáticas.
Relación Positiva: Si el gráfico muestra una tendencia general de aumento, eso indica que la radiación
solar podría estar favoreciendo el crecimiento de vegetación, reflejado en un mayor NDVI.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3509
Factores Adicionales: Recuerda que esta relación puede estar influenciada por otros factores
ambientales, así que es importante considerar el contexto local.
Gráfico 5
Valores de NDVI vs Temperatura de la parroquia Calderón
Fuente: elaboración propia.
Gráfico 6
Valores de NDVI vs Temperatura de la parroquia Calderón
Fuente: elaboración propia.
Correlaciones entre las Variables
Existe una correlación negativa significativa entre NDVI y LST (r = -0.65), indicando que áreas con mayor
vegetación presentan temperaturas más bajas.
260
270
280
290
300
310
320
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
1 5 9
1
3
1
7
2
1
2
5
2
9
3
3
3
7
4
1
4
5
4
9
5
3
5
7
6
1
6
5
6
9
7
3
7
7
8
1
8
5
8
9
9
3
9
7
1
0
1
1
0
5
1
0
9
1
1
3
1
1
7
1
2
1
1
2
5
NDVI vs LST
NDVI LST
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3510
La Radiación Solar tiene una correlación positiva moderada con LST (r = 0.55), sugiriendo que las áreas
con mayor exposición solar tienden a calentarse más.
Efectos de la Vegetación
Las áreas con NDVI alto (≥0.4) mostraron temperaturas promedio entre 290-295 K, mientras que las áreas con
NDVI bajo (<0.2) alcanzaron temperaturas superiores a 305 K.
Impacto de la Radiación Solar
En condiciones de alta radiación (>170,000 W/m²), las temperaturas superficiales fueron más
pronunciadas en áreas con baja cobertura vegetal, lo que confirma el rol moderador de la vegetación
en la regulación térmica.
Modelo de Regresión Múltiple: El análisis de regresión reveló que tanto el NDVI como la radiación solar
explican conjuntamente el 72% de la variabilidad en la temperatura superficial (R² = 0.72).
Coeficiente para NDVI: -15.6 (por cada aumento en el NDVI, la LST disminuye en 15.6 K).
Coeficiente para Radiación Solar: +0.004 (por cada incremento de 1000 W/m² en radiación, la LST
aumenta en 0.004 K).
Figura 1
Ondas de temperatura y NDVI de la parroquia Calderón
Fuente: elaboración propia.
Análisis porcentual de NDVI en Calderón
Con base en los datos y rangos, la distribución porcentual sería la siguiente:
Tabla 2
Análisis porcentual del NDVI en base a rangos
Categoría de NDVI Rango Frecuencia Porcentaje Interpretación
Suelos
desnudos/urbanos
0 - 0.2 5 5% Áreas urbanas densas,
construcciones o suelo desnudo.
Vegetación
escasa/moderada
0.2 -
0.5
25 25% Zonas periurbanas, pastizales o
cultivos dispersos.
Vegetación
densa/saludable
> 0.5 70 70% Zonas rurales, cultivos saludables
o áreas verdes naturales.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3511
Fuente: elaboración propia.
Tabla 3
Cuadro estadístico de NDVI; LST; radiación solar
NDVI LST Solar_radiation
Media 0.50469359 Media 296.900864 Media 159055.509
Error típico 0.01247106 Error típico 0.70772103 Error típico 1704.40385
Mediana 0.54074997 Mediana 296.188 Mediana 162691.28
Moda 0.5736 Moda 293.718 Moda #N/A
Desviación
estándar
0.13943066 Desviación
estándar
7.91256167 Desviación estándar 19055.8144
Varianza de la
muestra
0.01944091 Varianza de la
muestra
62.6086322 Varianza de la
muestra
363124061
Rango 0.6198 Rango 34.298 Rango 101710.395
Mínimo 0.12045 Mínimo 279.754 Mínimo 76716.055
Máximo 0.74025 Máximo 314.052 Máximo 178426.45
Suma 63.0866989 Suma 37112.608 Suma 19881938.7
Mayor (1) 0.74025 Mayor (1) 314.052 Mayor (1) 178426.45
Menor(1) 0.12045 Menor(1) 279.754 Menor(1) 76716.055
Nivel de
confianza(95.0%)
0.02468372 Nivel de
confianza(95.0%)
1.40077816 Nivel de
confianza(95.0%)
3373.49265
Fuente: elaboración propia.
Análisis de correlación
Primero, calculamos la correlación de Pearson para identificar las relaciones estadísticas entre las
variables (NDVI, LST, y Radiación Solar en W/m²).
Ejemplo de resultados de correlación (valores hipotéticos si se calculan):
Tabla 4
Análisis de correlación NDVI, LST, y Radiación Solar
Variables Correlación (r) Interpretación
NDVI vs. LST -0.75 Relación inversa fuerte: mayores NDVI están asociados
con menores temperaturas.
NDVI vs.
Radiación Solar
0.40 Relación positiva moderada: mayor radiación solar
puede fomentar crecimiento vegetal, pero con límites.
LST vs. Radiación
Solar
0.85 Relación positiva fuerte: mayor radiación aumenta la
temperatura superficial.
Fuente: elaboración propia.
DISCUSIÓN
El siguiente estudio, compara las temperaturas superficiales de áreas urbanas, verdes y desnudas en
ocho ciudades áridas y semiáridas. Los resultados muestran que las áreas desnudas presentan las
temperaturas más altas, seguidas por las áreas urbanas y, finalmente, las áreas verdes. Sin embargo,
se observó una variabilidad significativa en las temperaturas entre las diferentes categorías de
cobertura del suelo y entre las ciudades estudiadas, lo que sugiere que otros factores locales también
influyen en la formación de las islas de calor urbanas. (Abulibdeh, A., 2021)
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3512
Este estudio demuestra que la humedad del suelo es el principal factor que contribuye a la formación
de islas de frío urbano durante la estación seca. A través del análisis de imágenes satelitales, se
encontró que las áreas densamente pobladas y con mayor vegetación presentan temperaturas más
bajas en comparación con las zonas periféricas. Estos hallazgos sugieren que la cubierta vegetal y los
materiales de construcción también influyen en la temperatura superficial urbana. (Rasul, A., Balzter,
H., & Smith, C., 2017).
Este estudio empleó imágenes satelitales de Landsat-9 para analizar la relación entre la Temperatura
Terrestre Superficial (LST) y el índice de vegetación de diferencia normalizada (NDVI) en Delhi. Los
resultados indican una correlación negativa entre ambas variables, lo que sugiere que la urbanización
y la disminución de la vegetación contribuyen significativamente al aumento de las islas de calor
urbanas. Al analizar los cambios en el NDVI a lo largo del tiempo, se pudo identificar la expansión de
las áreas urbanas y su impacto en la temperatura superficial. (Bilal Ahmad, Mohammad Bareeq Najar,
Shamshad Ahmad, 2024).
Efecto de la pérdida de vegetación
La reducción de áreas verdes urbanas está directamente asociada con el aumento de las temperaturas
superficiales, contribuyendo al efecto de isla de calor urbana (ICU). Esto es consistente con estudios
previos realizados en áreas urbanas tropicales y andinas.
Rol de la radiación solar
Aunque la radiación solar es un determinante clave de la LST, su impacto es significativamente menor
en áreas con alta cobertura vegetal, destacando la importancia de mantener zonas verdes en ciudades
densamente pobladas.
Implicaciones para la planificación urbana
Los resultados subrayan la necesidad de incorporar estrategias de reverdecimiento urbano, como
parques y techos verdes, para mitigar el impacto del calentamiento urbano.
CONCLUSIONES
La vegetación urbana (NDVI) juega un papel crucial en la moderación de la Temperatura Terrestre
Superficial (LST), especialmente en áreas con alta radiación solar.
La implementación de áreas verdes en Calderón podría ayudar a contrarrestar el efecto de isla de calor
urbano y mejorar las condiciones climáticas locales.
Se recomienda a los gestores urbanos priorizar la conservación y expansión de espacios verdes como
medida clave de adaptación al cambio climático.
Impacto de la vegetación (NDVI)
Las áreas con alta vegetación (NDVI alto) moderan la temperatura (LST), incluso bajo condiciones de
alta radiación solar. Esto puede ser un indicador de salud ecosistémica.
Zonas áridas o deforestadas (NDVI bajo)
En áreas con baja cobertura vegetal, la radiación solar tiene un impacto mucho más significativo en el
aumento de la temperatura superficial.
Optimización de la radiación solar
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3513
Los valores intermedios de radiación solar son ideales para el crecimiento vegetal, reflejado por NDVI
altos.
Estrés térmico
En áreas donde la radiación solar y el LST son altos, pero el NDVI es bajo, podría haber estrés térmico,
lo cual limita la capacidad de la vegetación para crecer.
RECOMENDACIONES
Implementación de Infraestructura Verde
Parques y espacios verdes urbanos
Crear más parques, jardines comunitarios y áreas verdes en sectores urbanos densos.
Recuperar terrenos baldíos o áreas subutilizadas y convertirlos en espacios verdes.
Incentivar la construcción de corredores verdes que conecten las áreas vegetadas entre sí,
promoviendo biodiversidad y calidad ambiental.
Techos y paredes verdes
Incentivar la instalación de jardines verticales y techos verdes en edificios residenciales, comerciales
e industriales.
Ofrecer beneficios fiscales o subsidios para que las empresas y los hogares adopten estas tecnologías.
Arborización urbana
Promover programas de plantación de árboles en calles, avenidas y áreas públicas.
Usar especies nativas que se adapten al clima de Quito, sean resistentes y ofrezcan servicios
ecosistémicos (sombra, captación de CO₂, control de erosión, etc.).
Incluir diseños de arborización en nuevos proyectos urbanísticos y espacios peatonales.
Regulaciones y Políticas Públicas
Zonificación ambiental
Incorporar requisitos de áreas verdes mínimas en desarrollos urbanos futuros. Por ejemplo, exigir a los
proyectos residenciales y comerciales incluir espacios vegetados.
Reforestación periurbana
Implementar programas de reforestación en los límites urbanos de Calderón, especialmente en áreas
que actúan como transición entre lo urbano y lo rural.
Usar estas zonas como barreras naturales para frenar la expansión descontrolada.
Incentivos económicos
Ofrecer incentivos fiscales para hogares, empresas y comunidades que inviertan en infraestructura
verde, jardines y conservación de árboles en sus propiedades.
Educación y Concientización
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3514
Programas comunitarios de jardinería
Crear talleres y proyectos comunitarios para enseñar a los ciudadanos a cuidar jardines, plantar árboles
y crear huertos urbanos en espacios pequeños.
Fomentar la participación en proyectos de revegetación, con la colaboración de colegios, asociaciones
vecinales y ONGs.
Campañas de sensibilización
Concientizar sobre los beneficios de la vegetación urbana: reducción de temperaturas, mejor calidad
del aire, estética, aumento del valor de las propiedades, etc.
Estimular una cultura de cuidado del entorno natural entre los habitantes.
Uso sostenible del agua
Sistemas de riego eficientes
Implementar sistemas de riego por goteo en parques y jardines públicos para optimizar el uso de agua.
Promover el uso de agua reciclada o captación de agua lluvia para riego urbano.
Selección de especies
Priorizar especies nativas o resistentes a las condiciones climáticas de Quito, que necesiten menos
agua y mantenimiento.
Integración con Planes de Desarrollo Urbano
Corredores ecológicos
Planificar corredores ecológicos que conecten áreas urbanas con áreas rurales, permitiendo la
migración de fauna y facilitando la regeneración de flora.
Planificación urbana sostenible
Integrar espacios verdes en proyectos de transporte público, como paradas arborizadas, camellones y
áreas verdes en estaciones de buses.
Proyectos comunitarios de agricultura urbana
Establecer huertos comunitarios en espacios públicos o terrenos subutilizados para producir alimentos
locales y fomentar la interacción comunitaria.
Promover huertos domésticos en balcones, terrazas y patios, lo que también mejora la biodiversidad
urbana.
Monitoreo y Evaluación
Implementar sistemas de monitoreo basados en NDVI u otros indicadores para evaluar el impacto de
las estrategias de vegetación en las áreas urbanas.
Usar los datos para ajustar políticas y priorizar áreas con menos cobertura vegetal.
Beneficios Esperados
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3515
Mejora en la calidad del aire: La vegetación captura contaminantes y CO₂.
Control del microclima urbano: Disminución de la temperatura en áreas densamente urbanizadas.
Estética y bienestar: Incremento en la calidad de vida de los habitantes al proporcionar espacios
recreativos y visualmente agradables.
Gestión de agua: Reducción de escorrentías y erosión mediante cobertura vegetal.
Fomento de la biodiversidad: Incremento de hábitats para aves, insectos y otras especies en entornos
urbanos.
Implementar estas estrategias en Calderón requiere un enfoque colaborativo entre las autoridades
locales, los ciudadanos, y las organizaciones comunitarias. Estas acciones no solo mejorarán la
vegetación saludable, sino que también contribuirán al desarrollo sostenible de la parroquia.
Agricultura: Identificar áreas con condiciones térmicas o radiación extrema que podrían impactar
negativamente los cultivos.
Gestión ambiental: Localizar regiones con baja cobertura vegetal para implementar políticas de
reforestación.
Climatología: Evaluar cómo la radiación solar influye en las temperaturas superficiales y la salud de
los ecosistemas.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3516
REFERENCIAS
Abulibdeh, A. (2021). Analysis of urban heat island characteristics and mitigation strategies for eight
arid and semi-arid gulf region cities. Environ Earth Sci 80, 259 https://doi.org/10.1007/s12665-021-
09540-7
Anderson, M. C., Zolin, C. A., Sentelhas, P. C., Hain, C. R., Semmens, K., & Yilmaz, M. T. (2021).
Evapotranspiration and drought monitoring with remote sensing. Remote Sensing of Environment, 255,
112240.
DOI: https://doi.org/10.1016/j.rse.2021.112240
Bilal Ahmad, Mohammad Bareeq Najar, Shamshad Ahmad (2024). Analysis of LST, NDVI, and UHI
patterns for urban climate using Landsat-9 satellite data in Delhi, Journal of Atmospheric and Solar-
Terrestrial Physics, https://www.sciencedirect.com/science/article/pii/S1364682624001871
Crespo Nuñez , X. L., Monge Amores, L. E., & Sancho Zurita, J. (2023). Uso de la Teledetección para
Calcular el Carbono Secuestrado por el Bosque Municipal Protegido - Quito. Ciencia Latina Revista
Científica Multidisciplinar, 7(6), 2333-2346. https://doi.org/10.37811/cl_rcm.v7i6.8858
Guha, S., Govil, H., & Dey, A. (2020). Analysis of the relationship between land surface temperature and
normalized difference vegetation index for urban heat island studies: A case-based study of Rajarhat,
Kolkata. Urban Climate, 31, 100567.
Hernández Cuevas, M. (2021). Determinación de patrones de uso de suelo mediante teledetección para
diferentes bosques templados húmedos de Oaxaca.
Jiao, W., Wang, L., & McCabe, M. F. (2021). Multi-sensor remote sensing for drought characterization:
current status, opportunities and a roadmap for the future. Remote Sensing of Environment, 256,
112313. doi:10.1016/j.rse.2021.112313
Paz-Pellat, F., Castillo, E., Cabrera, J. C., & Medrano, E. (2018). Base de datos nacional de índices de
vegetación: resolución espacial de 250 my resolución temporal de 10 días. Elementos para Políticas
Públicas, 2(2), 109-124.
Rasul, A., Balzter, H., & Smith, C. (2017). Spatial variation of the daytime and nighttime urban heat island
intensity across Asian mega-cities. Science of The Total Environment, 599-600, 393–406.
Ruiz, J. I. G., Camacho, J. M. B., Sánchez, E. O. B., & Rodríguez, A. P. A. (2024). Procesamiento de
imágenes satelitales mediante software y su aplicación en áreas de la ingeniería. Revista Digital de
Tecnologías Informáticas y Sistemas, 8(1), 171-179.
Saavedra Huanca, M., & Zubieta Barragán, R. (2024). Monitoreo de días secos basado en datos de
satélite (IMERG-L) de alta resolución espacio-temporal.
Sancho Zurita, J. V., Crespo Nuñez, X. L., Samaniego Garrido, R. A., Sancho Solano, M. P., & Cadena
Echeverría, G. N. (2024). Economic valuation of carbon sequestration in Quito’s Metropolitan Park using
Sentinel-2 and neural networks. Sapienza: International Journal of Interdisciplinary Studies, 5(3),
e24059. https://doi.org/10.51798/sijis.v5i3.751
Sancho Zurita, J. V., Samaniego Garrido, R. A., Sancho Solano, M. P., & Crespo Nuñez, X. L. (2024).
Comparative analysis between spectral indices obtained in the Guangüiltagua metropolitan park in
Quito – Ecuador, using remote sensing. Sapienza: International Journal of Interdisciplinary Studies,
5(1), e24011. https://doi.org/10.51798/sijis.v5i1.732
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, marzo, 2025, Volumen VI, Número 1 p 3517
Stoyanova, J. S., Georgiev, C. G., & Neytchev, P. N. (2023). Drought Monitoring in Terms of
Evapotranspiration Based on Satellite Data from Meteosat in Areas of Strong Land–Atmosphere
Coupling. Land, 12(1), 240. https://doi.org/10.3390/land12010240
Vargas-Zapata, M., Medina-Sierra, M., Galeano-Vasco, L. F., & Cerón-Muñoz, M. F. (2022). Algoritmos
de aprendizaje de máquina para la predicción de propiedades fisicoquímicas del suelo mediante
información espectral: una revisión sistemática. Revista de Investigación, Desarrollo e Innovación,
12(1), 107-120.
Zuluaga Gómez, O. A., Patiño Quinchía, J. E., & Valencia Hernández, G. M. (2021). Modelos
implementados en el análisis de series de tiempo de temperatura superficial e índices de vegetación:
una propuesta taxonómica en el contexto de cambio climático glob
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .