Introducción

La erosión del suelo es uno de los principales problemas ambientales en regiones tropicales, especialmente en países en desarrollo, donde el uso inadecuado de la tierra y las prácticas agrícolas intensivas han acelerado su degradación (Martínez et al ., 2021). Esta problemática compromete la productividad del suelo, la calidad del agua y la estabilidad de los ecosistemas(Martínez et al., 2022). Frente a esto, la implementación de herramientas tecnológicas como Google Earth Engine (GEE) y modelos como RUSLE, integrados con índices de vegetación como el NDVI, permite estimar la pérdida de suelo de forma remota y tener un acercamiento o monitoreo de estas zonas.

Antecedentes

En Colombia, el 40 % del territorio presenta algún grado de degradación por erosión, lo que equivale a más de 45 millones de hectáreas. Una situación agravada por el uso inadecuado de más de 30 millones de hectáreas (siac). El departamento de Caldas se encuentra entre los más afectados, con más del 55 % de su superficie impactada por procesos erosivos ( Betancur, 2017; El tiempo, 2024). Esta condición no solo reduce la productividad agropecuaria, sino que incrementa el riesgo de desastres como inundaciones y deslizamientos(FAO, 2019). En este contexto, evaluar la pérdida de suelo en áreas de alto valor ecológico, resulta fundamental para orientar acciones de conservación.

Zona de estudio

El área de estudio es El Gigante, una reserva forestal ubicada en el municipio de Salamina, Caldas, declarada en 2019 como Distrito de Conservación de Suelos. Su objetivo principal es proteger los bosques, regular el uso del suelo y garantizar la oferta hídrica para las zona rural del municipio. La reserva abarca 729 hectáreas e incluye ecosistemas de alta importancia ecológica, como las quebradas Chagualito y Boquerón, consideradas zonas de conservación. Se han registrado 57 especies de aves, incluyendo tres en categoría de amenaza: la paloma colorada (Patagioenas subvinacea), el terlaque pechiazul (Andigena nigrirostris) y el gorrión montés de anteojos (Atlapetes flaviceps). A pesar de su valor ecológico, la cobertura se encuentra degradada, y gran parte de las reservas forestales del municipio aún no han sido incorporadas formalmente al Sistema Nacional de Áreas Protegidas (SINAP).

Objetivos

1- Calcular los índices NDVI, NDWI y NDSI en la zona de estudio utilizando el catálogo de datos satelitales de GEE y la implementación de código en Python.

2-  Estimar la pérdida de suelo mediante el modelo RUSLE en la Reserva El Gigante, a partir del procesamiento de imágenes satelitales en GEE con la implementación de código en Python  

3-  Exportara a drive, los valores de RUSLE y NDVI del área de estudio.

Métodos

En este trabajo se implementó Python, con la API Google Earth Engine (GEE), con el propósito de calcular la erosión del suelo mediante el modelo RUSLE, así como el índice NDVI, NDWI y NDSI los cuales permiten caracterizar la cobertura vegetal, la humedad superficial y la presencia de nieve o suelo descubierto, respectivamente, factores que pueden influir en la susceptibilidad a la erosión. Esta herramienta permite hacer estos cálculos de forma rápida, usando imágenes satelitales disponibles en GEE. Además, genera archivos tipo tif que se pueden descargar.

El NDVI se calculó mediante la expresión NDVI = median.normalizedDifference(['SR_B5_mean','SR_B4_mean']), donde la banda 5 (SR_B5) corresponde a la reflectancia en el infrarrojo cercano (NIR) y la banda 4 (SR_B4) a la reflectancia en la banda roja del espectro visible. Este índice permite estimar la densidad de vegetación: valores cercanos a 1 indican vegetación densa, mientras que valores próximos a -1 reflejan áreas sin cobertura vegetal o con baja actividad fotosintética. El cálculo se realizó utilizando imágenes de la colección Landsat 8  (LANDSAT/LC08/C02/T1_L2), promediadas tras filtrar aquellas con más del 30% de cobertura nubosa.De forma similar, se estimaron otros índices espectrales:

NDWI (NDWI = median.normalizedDifference(['SR_B3_mean','SR_B5_mean'])), que utiliza la banda verde (SR_B3) y el infrarrojo cercano (SR_B5) para detectar humedad superficial o cuerpos de agua.

NDSI (NDSI = median.normalizedDifference(['SR_B6_mean','SR_B5_mean'])), que emplea la banda de corto infrarrojo (SWIR, SR_B6) y el NIR (SR_B5), comúnmente usado para identificar nieve.

La erosión del suelo se estimó mediante el modelo RUSLE, que integra distintos factores: erosividad de la lluvia R, erodabilidad del suelo K, longitud y pendiente del terreno LS y cobertura vegetal C . Todos los datos requeridos fueron obtenidos de catálogos públicos disponibles en Google Earth Engine, como se resume en la siguiente tabla.

Resultados

Los índices espectrales (NDVI, NDWI y NDSI) muestran una mejora progresiva entre 2023 y 2025 (Figura 3), especialmente el NDVI y el NDWI, que reflejan una recuperación gradual de la cobertura vegetal y de la humedad superficial. Esta mejora coincide con la declaración de la Reserva Forestal El Gigante en septiembre de 2019, lo que marcó el inicio de un proceso de restauración ambiental en la zona.

El análisis espacial de la pérdida de suelo, estimada con el modelo RUSLE, revela diferentes niveles de erosión dentro de la reserva. En el centro de la reserva predominan valores bajos de erosión (0–10 t/ha/año), representados con una coloración azul, lo que sugiere una buena cobertura vegetal y baja intervención humana. En cambio, en los alrededores del núcleo se observan zonas con pérdidas de suelo superiores a 50 t/ha/año, identificadas con coloración naranjada. Estas áreas podrían estar relacionadas con una menor cobertura vegetal y con pendientes pronunciadas (Figura 5).

Conclusiones

• Desde que se declaró la reserva, los índices muestran que ha mejorado la vegetación y la humedad del suelo.
• El modelo RUSLE sirve para ver dónde hay más pérdida de suelo, pero se deben ajustar bien las fórmulas para que los resultados sean más precisos.

Recomendaciones

• Usar Google Earth Engine como apoyo para seguir monitoreando la reserva de forma constante y remota.
• Enfocar acciones de restauración en las zonas con más pérdida de suelo.
• Realizar más análisis en el futuro para ver si las medidas de conservación están funcionando.
• Revisar las ecuaciones y factores  usados en el modelo RUSLE, y ajustarlos según las características del área de estudio.

Referencias

Betancur, L. (2017). Caldas tiene más del 81 % de su suelo erosionado. El Tiempo. https://www.eltiempo.com/vida/medio-ambiente/estado-de-los-suelos-en-caldas-colombia-79870

FAO. (2019, mayo 15). Detengamos la erosión del suelo para garantizar la seguridad alimentaria en el futuro. https://www.fao.org/newsroom/story/let-s-stopsoilerosion-to-ensure-a-food-secure-future/es

Martínez López, C., Menjivar Flóres, J. C., & Calero Mosquera, D. (2022). Estimation of soil losses due to water erosion in the Dagua River Basin, Colombia. Earth Sciences Research Journal, 26(4), 271-278.

Martínez López, C., Rivera Paja, A. O., & Menjivar Flores, J. C. (2021). Susceptibility to erosion risks in soils dedicated to pineapple cultivation in the department of Valle del Cauca, Colombia. Earth Sciences Research Journal, 25(2), 201-206.

Redacción Manizales. (2024). Caldas, la zona con más exceso de agricultura en el país. El Tiempo https://www.eltiempo.com/archivo/documento/CMS-14191216

SIAC. (s.f.). Degradación de los suelos por erosión en Colombia. Proyecto “Línea base de degradación de suelos por erosión”. Recuperado de http://www.siac.gov.co/erosion.

WCS Colombia. (2020, enero 23). 

El Gigante es nueva zona de reserva y gigante  también será el reto para lograr su conservación

. Recuperado de 

https://colombia.wcs.org/es-es/WCS-Colombia/Noticias/articleType/ArticleView/articleId/13708/EL-GIGANTE-ES-NUEVA-ZONA-DE-RESERVA-Y-GIGANTE-TAMBIEN-SERA-EL-RETO-PARA-LOGRAR-SU-CONSERVACION.aspx