En el mundo de la teledetección, uno de los mayores desafíos es comprender cómo responde la vegetación ante factores como el clima, el agua, los nutrientes o los cambios de uso del suelo.
Para lograrlo, los satélites como Sentinel-2A observan cómo las plantas reflejan la luz en diferentes longitudes de onda, generando información valiosa sobre su estado fisiológico.
A partir de esa información nacen los índices de vegetación, siendo el más popular el NDVI.
Pero… ¿qué es realmente el NDVI? ¿por qué existen tantos índices y cómo podemos aplicarlos en el análisis agrícola con QGIS?
En este artículo te lo explicamos de forma práctica, combinando teoría, fórmulas y pasos de análisis satelital.
🌱 ¿Qué es el NDVI?
El NDVI (Normalized Difference Vegetation Index) es el índice más utilizado para medir el vigor y salud de la vegetación.
Se basa en el principio de que:
✅ Las plantas sanas absorben la luz roja (RED) para la fotosíntesis.
✅ Y reflejan intensamente la luz del infrarrojo cercano (NIR) debido a la estructura celular de sus hojas.
El NDVI se calcula mediante la fórmula:
📊 Interpretación de NDVI
| Valor NDVI | Interpretación | Ejemplo |
|---|---|---|
| -1 a 0 | Agua, nubes o nieve | Lagos, ríos |
| 0 a 0.1 | Suelo desnudo | Áreas urbanas, desierto |
| 0.1 a 0.3 | Vegetación escasa o degradada | Pastos secos |
| 0.3 a 0.6 | Vegetación moderada | Cultivos en crecimiento |
| 0.6 a 1.0 | Vegetación densa y saludable | Bosques, selvas |
🛰 ¿Qué podemos detectar con el NDVI?
✔ Salud general de los cultivos
✔ Estrés hídrico y sequías
✔ Deforestación o degradación
✔ Cambios estacionales
✔ Impacto de incendios o plagas
Sin embargo, el NDVI no lo es todo.
Tiene algunas limitaciones importantes:
🚫 Se satura en zonas con vegetación muy densa
🚫 El brillo del suelo puede distorsionar resultados
🚫 Se ve afectado por sombras o bruma atmosférica
🚫 No refleja con precisión la humedad o el contenido de clorofila
Por eso, los científicos han desarrollado otros índices espectrales para situaciones específicas.
🌿 Tipos de índices de vegetación más importantes
| Tipo de índice | ¿Qué mide? | Ejemplos |
|---|---|---|
| Vigor general | Salud vegetal básica | NDVI, RVI |
| Corregidos por suelo | Vegetación escasa sobre suelo visible | SAVI, OSAVI |
| Corregidos por atmósfera | Zonas húmedas o con neblina | EVI, ARVI |
| Estrés hídrico | Falta de agua o sequía | NDWI, MSI |
| Clorofila/pigmentos | Estado nutricional o deficiencia | GCI, NDRE |
| Áreas quemadas | Severidad de incendios | NBR, dNBR |
🧭 Análisis de cultivos en QGIS con Sentinel-2A
En esta primera etapa de análisis, trabajaremos con QGIS y las bandas espectrales de Sentinel-2A, disponibles en resolución de 10 a 20 metros.
Bandas clave:
-
B2 – Azul (Blue)
-
B3 – Verde (Green)
-
B4 – Rojo (Red)
-
B5, B6, B7, B8A – Red Edge
-
B8 – Infrarrojo cercano (NIR)
-
B11, B12 – Infrarrojo de onda corta (SWIR1, SWIR2)
Procedimiento:
-
Cargar todas las bandas en QGIS.
-
Abrir la Calculadora Raster.
-
Calcular los índices deseados usando las fórmulas.
-
Guardar cada resultado como un archivo
.tif.
📈 Principales índices para Sentinel-2A (fórmulas en QGIS)
🌿 Índices de vegetación
| Índice | Fórmula | Interpretación |
|---|---|---|
| NDVI | (B8 - B4) / (B8 + B4) | Vigor vegetal general |
| GNDVI | (B8 - B3) / (B8 + B3) | Sensible a estrés hídrico o deficiencia de nitrógeno |
| NDRE | (B8A - B5) / (B8A + B5) | Detección temprana de estrés antes que el NDVI |
| EVI | 2.5 * ((B8 - B4) / (B8 + 6*B4 - 7.5*B2 + 1)) | Ideal para selvas o cultivos densos |
💧 Índices de humedad
| Índice | Fórmula | Interpretación |
|---|---|---|
| NDMI | (B8 - B11) / (B8 + B11) | Contenido de agua en hojas |
| MSI | B11 / B8 | Estrés hídrico (valores altos = sequía) |
| NDWI (Gao) | (B8 - B11) / (B8 + B11) | Humedad del follaje y suelos |
🔥 Estrés térmico y degradación
| Índice | Fórmula | Interpretación |
|---|---|---|
| NBR | (B8 - B12) / (B8 + B12) | Zonas afectadas por incendios |
| SAVI | 1.5 * (B8 - B4) / (B8 + B4 + 0.5) | Mejora NDVI en suelos expuestos |
| BSI | ((B11 + B4) - (B8 + B2)) / ((B11 + B4) + (B8 + B2)) | Detección de suelo desnudo o erosión |
🍃 Clorofila y nutrientes
| Índice | Fórmula | Interpretación |
|---|---|---|
| CIred-edge | (B8 / B5) - 1 | Estimación del contenido de clorofila |
| RENDVI | (B8A - B4) / (B8A + B4) | Detección de variaciones nutricionales |
🔍 Interpretación general y aplicación práctica
| Valor | Interpretación | Acción recomendada |
|---|---|---|
| NDVI < 0.2 | Vegetación muy estresada o suelo | Revisar riego, plagas o deficiencia severa |
| NDMI < 0.1 | Estrés hídrico | Ajustar riego o drenaje |
| NDRE bajo (<0.2) | Deficiencia de nitrógeno | Fertilización foliar o monitoreo de nutrientes |
| BSI alto (>0.5) | Suelo desnudo o erosión | Implementar cobertura o reforestación |
| NBR bajo | Área degradada o quemada | Restauración o manejo post-incendio |
🌾 ¿Qué índice debo usar según la situación?
| Situación | Índice recomendado |
|---|---|
| Cultivos en crecimiento | NDVI |
| Vegetación joven o escasa | SAVI |
| Selvas densas | EVI |
| Estrés por sequía | NDWI o MSI |
| Deficiencia nutricional | GCI o NDRE |
| Áreas quemadas | NBR |
📌 Conclusión
El NDVI sigue siendo el punto de partida para el monitoreo agrícola, pero no el único.
Gracias a los distintos índices espectrales, hoy podemos detectar con precisión el estrés hídrico, la fertilidad del suelo, el impacto de incendios o la productividad agrícola.
💡 La clave está en elegir el índice adecuado según el objetivo del análisis y el contexto ambiental.
En la siguiente etapa, estos índices pueden combinarse en modelos multitemporales o de inteligencia artificial para automatizar la detección de anomalías y generar alertas tempranas para la toma de decisiones en campo.
