UNIVERSIDAD NACIONAL AGRARIA
Dirección de Ciencias Ambientales y Cambio Climático
Coordinación de Ingeniería Agroambiental
Elaborado por: Fernando Mendoza Jara
Módulo Teledetección Ambiental
Cálculo de diferentes índices con imágenes de satélites Sentinel-2 y Landsat 8.
1. Introducción
Los índices son combinaciones matemáticas de una o varias bandas espectrales que se extraen de
imágenes satelitales o aéreas, y su finalidad es realzar ciertas características de la superficie
terrestre. Estos índices permiten centrar la atención en propiedades específicas –por ejemplo, la
vegetación, el contenido de agua o la interacción con el suelo–, reduciendo simultáneamente el
efecto de variables externas como la iluminación, la geometría o la atmósfera. Utilizando
relaciones normalizadas, se minimizan variaciones que no provienen de las propiedades del
objeto en estudio.
Existe un gran número de índices espectrales que pueden analizar diversos aspectos como la
vegetación, los recursos hídricos, la nieve, el suelo, el fuego, entre otros. Los satélites más
conocidos como Landsat y Sentinel ofrecen la oportunidad de realizar diversas operaciones con
sus bandas, el resultado puede ser convertido en un índice espectral.
Esta guía compila y conceptualiza los índices espectrales más comunes utilizados con los satélites
Sentinel y Landsat. Esta es una buena oportunidad para usar el álgebra de mapas (calculadora
raster), para ejecutar varias ecuaciones que podrían ayudarte en el análisis dentro del mundo de la
teledetección.
2. ¿Por qué son tan importantes?
1. Mejora de la Interpretación: Mediante el uso de índices, se pueden obtener mapas de
salud vegetal, áreas húmedas o regiones con influencia del suelo, facilitando la toma de
decisiones en agricultura, manejo ambiental y planificación territorial.
2. Estándar en Teledetección: La mayoría de los estudios ambientales y de monitoreo de
recursos naturales emplean índices como el NDVI (Normalized Difference Vegetation
Index) y el EVI (Enhanced Vegetation Index) por su capacidad comprobada de reflejar la
condición de la vegetación, mientras que otros índices (como el NDWI, SAVI o GNDVI)
amplían el rango de aplicaciones al incluir la evaluación del contenido hídrico o los
efectos del suelo.
3. Comparabilidad y Validación: La normalización que ofrecen estos índices permite
comparar resultados entre diferentes fechas, sensores y condiciones atmosféricas. Esto es
esencial para estudios de cambio temporal en el uso del suelo o la evolución de
ecosistemas.
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] 3. Principales Índices con imágenes Sentinel-2 y Landsat 8 y sus fundamentos
Cada sensor satelital posee una configuración particular de bandas espectrales. Por ejemplo, en
Sentinel-2, la banda 8 (NIR) y la banda 4 (Rojo) se usan para el cálculo del NDVI, mientras que
en Landsat 8 se utilizan las bandas 5 (NIR) y 4 (Rojo). Esta correspondencia es esencial para
garantizar la comparabilidad y precisión de los índices, y la elección del índice adecuado
dependerá de las características específicas del sensor y del área de estudio.
Normalized Difference Vegetation Index (NDVI):
El Índice de Vegetación de la Diferencia Normalizada (NDVI) es un indicador numérico que
utiliza las bandas espectrales roja y cercana al infrarrojo. El NDVI está altamente asociado con el
contenido de vegetación. Los valores altos de NDVI corresponden a áreas que reflejan más en el
espectro del infrarrojo cercano. Una mayor reflectancia en el infrarrojo cercano corresponde a
una vegetación más densa y saludable (GU, 2019).
Fórmula del NDVI = (NIR – Red) / (NIR + Red)
NDVI (Landsat 8) = (B5 – B4) / (B5 + B4)
NDVI (Landsat 4 – 7) = (B4 – B3) / (B4 + B3)
NDVI (Sentinel 2) = (B8 – B4) / (B8 + B4)
Leyenda:
-1 – 0: Cuerpos de agua
0 – 0.15: Suelo desnudo
0.15 – 0.30: Vegetación arbustiva
0.30 – 1.00: Vegetación saludable
Green Normalized Difference Vegetation Index (GNDVI):
El Índice de Vegetación de la Diferencia Normalizada Verde (GNDVI) es una versión modificada
del NDVI para que sea más sensible a la variación del contenido de clorofila en el cultivo. «Los
valores más altos de correlación con el contenido de la hoja N y DM se obtuvieron con el índice
GNDVI en todos los períodos de adquisición de datos y en ambas fases experimentales. …
GNDVI fue más sensato que NDVI para identificar diferentes tasas de concentración de clorofila,
que está altamente correlacionada con el nitrógeno, en dos especies de plantas» (Gitelson et al.
1996).
Fórmula del GNDVI = (NIR-GREEN) /(NIR+GREEN)
GNDVI (Landsat 8) = (B5 – B3) / (B5 + B3)
GNDVI (Landsat 4 – 7) = (B4 – B2) / (B4 + B2)
GNDVI (Sentinel 2) = (B8 – B3) / (B8 + B3)
Enhanced Vegetation Index (EVI):
El Índice de Vegetación Mejorado (EVI) es similar al NDVI y puede ser usado para cuantificar el
verdor de la vegetación. Sin embargo, EVI corrige algunas condiciones atmosféricas y el ruido de
fondo del dosel y es más sensible en áreas con vegetación densa. Incorpora un valor «L» para
ajustar el fondo del toldo, valores «C» como coeficientes de resistencia atmosférica y valores de
la banda azul (B). Estas mejoras permiten el cálculo de índices como una relación entre los
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] valores R y NIR, a la vez que reducen el ruido de fondo, el ruido atmosférico y la saturación en la
mayoría de los casos (USGS, 2019).
Fórmula del EVI = G * ((NIR – R) / (NIR + C1 * R – C2 * B + L))
EVI (Landsat 8) = 2.5 * ((B5 – B4) / (B5 + 6 * B4 – 7.5 * B2 + 1))
EVI (Landsat 4 – 7) = 2.5 * ((B4 – B3) / (B4 + 6 * B3 – 7.5 * B1 + 1))
EVI (Sentinel 2) = 2.5 * ((B8 – B4) / (B8 + 6 * B4 – 7.5 * B2 + 1))
Advanced Vegetation Index (AVI):
El Índice de Vegetación Avanzada (AVI) es un indicador numérico, similar al NDVI, que utiliza
las bandas espectrales roja y cercana al infrarrojo. Al igual que el NDVI, el AVI se utiliza en
estudios de vegetación para monitorear las variaciones de cultivos y bosques a lo largo del
tiempo. Mediante la combinación multitemporal del AVI y el NDVI, los usuarios pueden
discriminar diferentes tipos de vegetación y extraer características/parámetros fenológicos (GU,
2019).
Fórmula del AVI = [NIR * (1-Red) * (NIR-Red)] 1/3
AVI (Landsat 8) = [B5 * (1 – B4)*(B5 – B4)]1/3
AVI (Landsat 4 – 7) = [B4 * (1 – B3)*(B4 – B3)]1/3
AVI (Sentinel 2) = [B8 * (1 – B4)*(B8 – B4)]1/3
Soil Adjusted Vegetation Index (SAVI):
El Índice de Vegetación Ajustado al Suelo (SAVI) se utiliza para corregir el NDVI por la
influencia del brillo del suelo en áreas donde la cobertura vegetativa es baja. El SAVI derivado de
la reflectancia de la superficie del Landsat se calcula como una relación entre los valores R y NIR
con un factor de corrección de la luminosidad del suelo (L) definido en 0.5 para acomodar la
mayoría de los tipos de cobertura del suelo (USGS, 2019).
Fórmula del SAVI = ((NIR – R) / (NIR + R + L)) * (1 + L)
SAVI (Landsat 8) = ((B5 – B4) / (B5+ B4 + 0.5)) * (1.5)
SAVI (Landsat 4 – 7) = ((B4 – B3) / (B4+ B3 + 0.5)) * (1.5)
SAVI (Sentinel 2) = (B08 – B04) / (B08 + B04 + 0.428) * (1.428)
Normalized Difference Moisture Index (NDMI):
El Índice de Diferencia Normalizada de Humedad (NDMI) se utiliza para determinar el contenido
de agua de la vegetación. Se calcula como una relación entre los valores NIR y SWIR de forma
tradicional (USGS, 2019).
Fórmula del NDMI = (NIR – SWIR) / (NIR + SWIR)
NDMI (Landsat 8) = (B5 – B6) / (B5 + B6)
NDMI (Landsat 4 – 7) = (B4 – B5) / (B4 + B5)
NDMI (Sentinel 2) = (B8 – B11) / (B8 + B11)
Moisture Stress Index (MSI):
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] El Índice de Estrés Hídrico se utiliza para el análisis de estrés en el dosel, la predicción de la
productividad y el modelado biofísico. La interpretación del MSI se invierte en relación con otros
índices de vegetación acuática; por lo tanto, los valores más altos del índice indican un mayor
estrés hídrico de las plantas y, en inferencia, un menor contenido de humedad del suelo. Los
valores de este índice van de 0 a más de 3, siendo el rango común para la vegetación verde de 0.2
a 2 (Welikhe et al., 2017).
Fórmula del MSI = MidIR / NIR
MSI (Landsat 8) = B6 / B5
MSI (Landsat 4 – 7) = B5 / B4
MSI (Sentinel 2) = B11 / B08
Green Coverage Index (GCI):
En la teledetección, el Índice de Clorofila se utiliza para estimar el contenido de clorofila en las
hojas de diversas especies de plantas. El contenido de clorofila refleja el estado fisiológico de la
vegetación; disminuye en las plantas estresadas y, por lo tanto, puede utilizarse como medida de
la salud de las plantas (EOS, 2019).
Fórmula del GCI = (NIR) / (Green) – 1
GCI (Landsat 8) = (B5 / B3) -1
GCI (Landsat 4 – 7) = (B4 / B2) -1
GCI (Sentinel 2) = (B9 / B3) -1
Bare Soil Index (BSI):
El Índice de Suelo Desnudo (BSI) es un indicador numérico que combina bandas espectrales
azules, rojas, infrarrojas cercanas e infrarrojas de onda corta para capturar las variaciones del
suelo. Estas bandas espectrales se utilizan de manera normalizada. Las bandas de infrarrojos de
onda corta y las bandas espectrales rojas se utilizan para cuantificar la composición mineral del
suelo, mientras que las bandas azules y las bandas espectrales de infrarrojos cercanos se utilizan
para mejorar la presencia de vegetación (GU, 2019).
Fórmula del BSI = ((Red+SWIR) – (NIR+Blue)) / ((Red+SWIR) + (NIR+Blue))
BSI (Landsta 8) = (B6 + B4) – (B5 + B2) / (B6 + B4) + (B5 + B2)
BSI (Landsta 4 – 7) = (B5 + B3) – (B4 + B1) / (B5 + B3) + (B4 + B1)
BSI (Sentinel 2) = (B11 + B4) – (B8 + B2) / (B11 + B4) + (B8 + B2)
Normalized Difference Water Index (NDWI):
El Índice Diferencial de Agua Normalizado (NDWI) se utiliza para el análisis de masas de agua.
El índice utiliza bandas verdes y casi infrarrojas de imágenes de teledetección. El NDWI puede
mejorar la información sobre el agua de manera eficiente en la mayoría de los casos. Es sensible a
la acumulación de tierra y resulta en la sobreestimación de los cuerpos de agua. Los productos
NDWI pueden ser usados en conjunto con los productos de cambio NDVI para evaluar el
contexto de las áreas de cambio aparente (Bahadur, 2018).
NDWI = (GREEN – NIR) / (GREEN + NIR) Método de McFeeters (1996)
NDWI = (NIR – SWIR) / (NIR + SWIR) Método de Gao (1996)
Ejemplos McFeeters
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] NDWI (Landsat 8) = (B3 – B5) / (B3 + B5)
NDWI (Landsat 4 – 7) = (B2 – B4) / (B2 + B4)
NDWI (Sentinel 2) = (B3 – B8) / (B3 + B8)
Normalized Difference Snow Index (NDSI):
El Índice Diferencial Normalizado de Nieve (NDSI) es un indicador numérico que muestra la
cobertura de nieve en áreas terrestres. Las bandas espectrales de infrarrojos verdes y de onda
corta (SWIR) se utilizan dentro de esta fórmula para trazar el mapa de la cubierta de nieve. Dado
que la nieve absorbe la mayor parte de la radiación incidente en el SWIR mientras que las nubes
no lo hacen, esto permite a NDSI distinguir la nieve de las nubes. Esta fórmula se utiliza
comúnmente en la aplicación de mapas de cobertura de nieve y hielo, así como en el monitoreo
de glaciares (Bluemarblegeo, 2019).
Fórmula del NDSI = (Green-SWIR) / (Green+SWIR)
NDSI (Landsat 8) = (B3 – B6) / (B3 + B6)
NDSI (Landsat 4 – 7) = (B2 – B5) / (B2 + B5)
NDSI (Sentinel 2) = (B3 – B11) / (B3 + B11)
Normalized Difference Glacier Index (NDGI):
El Índice Glaciar Diferencial Normalizado (NDGI) se utiliza para ayudar a detectar y monitorear
glaciares utilizando las bandas espectrales verde y roja. Esta ecuación se utiliza comúnmente en
la detección de glaciares y en aplicaciones de monitoreo de glaciares (Bluemarblegeo, 2019).
Fórmula del NDGI = (NIR-Green)/(NIR+Green)
NDGI (Landsat 8) = (B3 – B4) / (B3 + B4)
NDGI (Landsat 4 – 7) = (B2 – B3) / (B2 + B3)
NDGI (Sentinel 2) = (B3 – B4) / (B3 + B4)
Atmospherically Resistant Vegetation Index (ARVI)
Como su nombre indica, el Índice de Vegetación Atmosféricamente Resistente (ARVI) es el
primer índice de vegetación, que es relativamente propenso a factores atmosféricos (como el
aerosol). La fórmula del índice ARVI inventada por Kaufman y Tanré es básicamente NDVI
corregida para los efectos de dispersión atmosférica en el espectro de reflectancia rojo utilizando
las medidas en longitudes de onda azules (EOS, 2019).
Fórmula del ARVI = (NIR – (2 * Red) + Blue) / (NIR + (2 * Red) + Blue)
Structure Insensitive Pigment Index (SIPI)
El Índice de Pigmentación Insensible a la Estructura (SIPI) es bueno para el análisis de la
vegetación con la estructura variable del dosel. Estima la relación entre carotenoides y clorofila:
el aumento del valor de las señales de la vegetación estresada (EOS, 2019).
Fórmula del SIPI = (NIR – Blue) / (NIR – Red)
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] 4. Vigilancia de los incendios forestales con imágenes de satélite
Una de las aplicaciones más importantes de los Índices de Vegetación es aquella orientada a
los riesgos de incendios forestales. Estos pueden permitir la creación de sistemas de evaluación
de peligro con el objetivo de la planificación de actividades de planificación de incendios. Los
incendios son indicadores en las áreas donde es necesario llevar a cabo determinadas medidas
como la reducción de combustibles, la asignación de recursos antes y durante el desarrollo de
temporadas de incendios, entre otros.
Figura 21. Índice de vegetación, incendio forestal que afecto la isla Madeira, Portugal en 2016.
Tomado de López-Montecino, 2019.
Los valores más bajos del NDVI se concentran en la zona del incendio. Una vez se analizan y
comparan los resultados del cálculo del NDVI en imágenes anteriores y posteriores al incendio,
se puede emplear una ecuación para identificar de forma cuantitativa las áreas calcinadas. Esta
ecuación se denomina Índice de Calcinación Normalizado (NBR, Normalized Burn Ratio).
Este índice compara matemáticamente las bandas del infrarrojo cercano e infrarrojo de onda
corta 2 (bandas 5 y 7 respectivamente de Landsat 8) para determinar la gravedad de la
calcinación.
Para calcular el NBR la ecuación sería:
Fórmula del NBR = (NIR – SWIR) / (NIR+ SWIR)
NBRI (Landsat 8) = (B5 – B7) / (B5 + B7)
NBRI (Landsat 4 – 7) = (B4 – B7) / (B4 + B7)
NBRI (Sentinel 2) = (B8 – B12) / (B8 + B12)
Además, podemos calcular la diferencia NBR (dNBR) entre dos imágenes, antes y después del
incendio, lo que nos da idea de la gravedad de la calcinación, y cuya fórmula es:
DNBR = NBR_prefire – NBR_postfire
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] Leyenda:
-0.500 to -0.251: Recrecimiento mejorado, alto
-0.250 to -0.101: Recrecimiento mejorado, bajo
-0.100 to -0.990: Sin incendios
+1.000 to +0.269: Gravedad baja
+0.270 to +0.439: Gravedad moderada-baja
+0.440 to +0.659: Gravedad media-alta
+0.660 to +1.300: Gravedad alta
Todas estas operaciones de cálculo con la ejecución de fórmulas pueden realizarlas utilizando la
Calculadora de bandas del plugin o, también, otras herramientas como la Calculadora ráster
de QGIS o incluso la herramienta BandMath del proveedor Orfeo. Se puede ver que los valores
más altos de dNBR representan una severidad del fuego más alta (por supuesto, debemos excluir
la cobertura de nubes de esta imagen).
Figura 22. Severidad del incendio ocurrido en la Isla de Madeira. Tomado de López-Montecino,
2019.
Para una evaluación precisa de la gravedad del incendio se debería comparar estos valores de
dNBR con la medición in situ. Se puede monitorear la recuperación de la vegetación repitiendo el
cálculo de NBR y dNBR de las imágenes adquiridas varios meses después del incendio.
El mismo método se puede aplicar a las imágenes Sentinel-2, en cuyo caso se debería descargar la
banda 8A y la banda 12 para el cálculo NBR. Por último, se podría realizar clasificaciones de la
cubierta terrestre para identificar especies de vegetación y mejorar la identificación del área
quemada.
Normalized Burned Ratio Index (NBRI):
Los incendios forestales son un fenómeno natural o provocado por el hombre que destruye los
recursos naturales, el ganado vivo, desequilibra el medio ambiente local, libera una gran cantidad
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] de gases de efecto invernadero, etc. El Índice de Calcinación Normalizado (NBRI) aprovecha las
bandas espectrales de infrarrojo cercano e infrarrojo de onda corta, que son sensibles a los
cambios en la vegetación, para detectar áreas quemadas y monitorear la recuperación del
ecosistema (GU, 2019).
Fórmula del NBR = (NIR – SWIR) / (NIR+ SWIR)
NBRI (Landsat 8) = (B5 – B7) / (B5 + B7)
NBRI (Landsat 4 – 7) = (B4 – B7) / (B4 + B7)
NBRI (Sentinel 2) = (B8 – B12) / (B8 + B12)
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected] Conclusión
En resumen, los índices de sensores remotos son herramientas poderosas que permiten extraer
información clave sobre el estado de la vegetación, el contenido de agua y la influencia del suelo.
Conocer sus fundamentos y aplicaciones es indispensable para interpretar correctamente los datos
satelitales y para diseñar proyectos de monitoreo ambiental. Cada índice aporta una perspectiva
única, y la correcta elección y calibración según los objetivos del estudio enriquecen el análisis y
potencian la toma de decisiones en el manejo de recursos naturales.
Referencias:
How to perform NDVI using ArcGIS 10.x: https://www.youtube.com/watch?
v=WerR0ALjIfs
How to perform NBI using ArcGIS 10.x: https://www.youtube.com/watch?
v=6qrVn__hgF4
Sede Central - Managua
Km 12 ½ carretera Norte. Apdo. 453
[email protected]
