Publicaciones

English version

Publicaciones del equipo

Artículos del equipo de MonitorEO que respondieron preguntas como las tuyas, con lo que hicieron y cómo pedírselo a MonitorEO. El asistente los busca cuando no sabes cómo preguntar o le pides ejemplos. Agrupados por el tema de MonitorEO de su variable principal (Conceptos); las preguntas son ejemplos, y a veces MonitorEO da solo una parte del análisis.

Vegetación

¿Qué factores explican dónde y cómo cambia la diversidad funcional de los ecosistemas, medida con tipos funcionales del NDVI, en la península de Yamal?

Morgan Tassone, Howard E Epstein, Amanda H Armstrong et al. (2026). Drivers of spatial and temporal heterogeneity in ecosystem functional diversity on the Yamal Peninsula, Siberia, Russia. Environmental Research: Ecology. https://doi.org/10.1088/2752-664x/aeaf5d

El estudio cartografió Tipos Funcionales de Ecosistemas árticos con métricas estacionales del NDVI de MODIS en la península de Yamal (2001-2018) y usó su número en ventanas pequeñas como índice de diversidad funcional. La heterogeneidad del paisaje (elevación, hidrología, sustrato) y la continentalidad explican su patrón espacial, y el calentamiento estival, el deshielo más temprano y la mayor humedad su aumento en cerca de un tercio de la península.

Con MonitorEO: NDVI (Modis), TMEAN (ERA5-Land), ELEVATION (Copernicus); tendencias, mapa de la tendencia, mapa, serie temporal; periodo 2001-01-01 / 2018-12-31; región a drawn polygon over the Yamal Peninsula (big region: MODIS, annual step). Pregúntale al asistente: "Tendencia anual del NDVI máximo de MODIS en la península de Yamal (polígono dibujado) entre 2001 y 2018"

¿Los Tipos Funcionales de Ecosistemas derivados del EVI de satélite explican las diferencias en el intercambio neto de CO2 medido en torres de flujo?

Beatriz P. Cazorla, Ana Meijide, Javier Cabello et al. (2026). Satellite-derived Ecosystem Functional Types capture ecosystem functional heterogeneity at regional scale. Biogeosciences. https://doi.org/10.5194/bg-23-1223-2026

Se construyeron Tipos Funcionales de Ecosistemas con la serie del EVI de MODIS de 2001-2014 (productividad anual, estacionalidad y fenología) y se compararon con el intercambio neto de CO2 medido por covarianza de remolinos en 50 sitios europeos. Cada TFE mostró magnitudes y dinámicas de NEE distintas, y los TFE explicaron el NEE algo mejor que los tipos funcionales de plantas, con la ventaja de que se pueden recalcular cada año.

Con MonitorEO: EVI (Modis); mapa, serie temporal, tendencias; periodo 2001-01-01 / 2014-12-31; región {"point": ["<lon>", "<lat>"], "buffer": 1000}. Pregúntale al asistente: "Serie mensual del EVI de MODIS entre 2001 y 2014 en un radio de 1 km alrededor de la torre de flujo situada en [lon, lat]"

¿Cómo se distribuyen los tipos funcionales de ecosistemas de la tundra ártica según la dinámica estacional del NDVI, y coinciden con los mapas de vegetación y bioclima?

Amanda Armstrong, Domingo Alcaraz-Segura, Martha Raynolds et al. (2024). Ecosystem functional types of the circumpolar Arctic tundra based on the seasonal dynamics of vegetation productivity. Environmental Research: Ecology. https://doi.org/10.1088/2752-664x/ad4beb

Se derivaron tipos funcionales de ecosistemas a partir de la dinámica estacional del NDVI de MODIS a 250 m en toda la tundra ártica circumpolar y se compararon con las subzonas bioclimáticas y las unidades de vegetación del Mapa de Vegetación Ártica Circumpolar. Coinciden en líneas generales con esos mapas, pero revelan mucha variabilidad funcional dentro de cada unidad, con más riqueza hacia el sur y mucha heterogeneidad en las montañas de Alaska y Siberia.

Con MonitorEO: NDVI (Modis); mapa, mapa de la tendencia; periodo 2001-01-01 / 2020-12-31; región {"ecoregion_at": [-149.6, 68.63]}. Pregúntale al asistente: "Mapa de la media de los NDVI máximos anuales de MODIS de 2001 a 2020 en la ecorregión de tundra que contiene el punto [-149.6, 68.63] (lago Toolik, Alaska)"

¿Cómo se calculan en Google Earth Engine los atributos y tipos funcionales de ecosistemas de Sierra Nevada?

BP Cazorla, D Alcaraz-Segura (2023). ajpelu/eftsn_gee: first release. Zenodo. https://doi.org/10.5281/zenodo.7524973

Primera versión del código de Google Earth Engine que hay detrás del conjunto de datos de funcionamiento de los ecosistemas de Sierra Nevada. Complementa los mapas publicados de atributos y tipos funcionales basados en el EVI.

Con MonitorEO: EVI (Modis); mapa, serie temporal; periodo 2001-01-01 / 2018-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Serie mensual del EVI de MODIS de 2001 a 2018 en el Parque Nacional de Sierra Nevada"

¿Cómo son la producción primaria, su estacionalidad y su fenología, y la diversidad funcional de los ecosistemas de la Reserva de la Biosfera de Sierra Nevada?

Beatriz P. Cazorla, Javier Cabello, Andrés Reyes et al. (2023). A remote-sensing-based dataset to characterize the ecosystem functioning and functional diversity in the Biosphere Reserve of the Sierra Nevada (southeastern Spain). Earth System Science Data. https://doi.org/10.5194/essd-15-1871-2023

Este artículo de datos publica mapas de tres Atributos Funcionales de Ecosistemas (media anual del EVI como aproximación a la productividad, su estacionalidad y la fecha del máximo) a partir del EVI MOD13Q1 de MODIS en la Reserva de la Biosfera de Sierra Nevada desde 2001, con los Tipos Funcionales de Ecosistemas derivados y su diversidad, rareza y variabilidad interanual. Es una línea de base para seguir el funcionamiento de los ecosistemas del espacio protegido.

Con MonitorEO: EVI (Modis); mapa, mapa de la tendencia, tendencias; periodo 2001-01-01 / 2018-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS (media entre años) de 2001 a 2018 en el Parque Nacional de Sierra Nevada"

¿Qué diversidad e irremplazabilidad de hábitats tienen los espacios protegidos del mundo, y dónde hay zonas parecidas fuera de ellos?

Javier Martínez-López, Bastian Bertzky, Marine Robuchon et al. (2023). Assessing habitat diversity and potential areas of similarity across protected areas globally. Ecological Informatics. https://doi.org/10.1016/j.ecoinf.2023.102090

Se usaron variables de teledetección y modelización (eHabitat+) para dividir los espacios protegidos en tipos funcionales de hábitat y cartografiar las zonas con condiciones parecidas en sus ecorregiones. Nuevos índices de diversidad e irremplazabilidad de hábitats permiten ordenar y comparar los espacios protegidos, con seis casos de ejemplo.

Con MonitorEO: NDVI (Sentinel-2), LSWI (Sentinel-2), SLOPE (Copernicus); descarga de variables (entradas de un modelo); periodo 2020-01-01 / 2023-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Descarga para eHabitat+ el NDVI (percentiles 5 y 95) y el LSWI mediano de Sentinel-2 de 2020 a 2023 y la pendiente del Parque Nacional de Sierra Nevada y de sus ecorregiones, en rejillas alineadas"

¿Cuánto resisten y con qué rapidez se recuperan la productividad, el agua de la vegetación, el albedo y el calor sensible de los ecosistemas tras un incendio?

Bruno Marcos, João Gonçalves, Domingo Alcaraz-Segura et al. (2023). Assessing the resilience of ecosystem functioning to wildfires using satellite-derived metrics of post-fire trajectories. Remote Sensing of Environment. https://doi.org/10.1016/j.rse.2022.113441

Con series de MODIS de 2000 a 2018, el estudio siguió las trayectorias posteriores al fuego de cuatro dimensiones del funcionamiento de los ecosistemas tras los incendios de 2005 en el noroeste de la península ibérica. La producción primaria cayó bruscamente pero se recuperó en unos dos años, el contenido de agua se recuperó más despacio, los cambios de albedo a veces duraron años y los efectos sobre el calor sensible se disiparon en torno a un año.

Con MonitorEO: EVI (Modis), NDWI (Modis), ALBEDO (Modis), LST (Modis); serie temporal, comparación de periodos, mapa de la comparación; periodo 2000-02-24 / 2018-12-31; región a drawn polygon over an area burned in 2005. Pregúntale al asistente: "Serie mensual del EVI, el NDWI, el albedo y la LST de MODIS entre 2000 y 2018 en un polígono dibujado sobre un área quemada en 2005 en el norte de Portugal"

¿Cómo influyen el sensor (MODIS o Landsat) y la escala en los tipos funcionales de ecosistemas y su diversidad?

Lingling Liu, Jeffrey R. Smith, Amanda H. Armstrong et al. (2023). Influences of Satellite Sensor and Scale on Derivation of Ecosystem Functional Types and Diversity. Remote Sensing. https://doi.org/10.3390/rs15235593

Tomando Costa Rica como caso, se derivaron TFE y su diversidad con MODIS (250 m) y Landsat (30 m) y distintas decisiones metodológicas, a escala nacional y local. Landsat distingue más TFE por su píxel más fino, MODIS es mejor en zonas muy nubosas, y la diversidad medida en extensiones pequeñas es mayor pero queda anidada en la de las grandes.

Con MonitorEO: NDVI (Modis), NDVI (Landsat), CF (Modis); mapa, estadísticas de un mapa; periodo 2015-01-01 / 2020-12-31; región {"country": "CRI"}. Pregúntale al asistente: "Mapa de la media anual del NDVI de MODIS de 2015 a 2020 en Costa Rica, y la frecuencia de nubes (CF) de MODIS del mismo periodo"

¿Qué ventajas tiene usar atributos del funcionamiento de los ecosistemas obtenidos por satélite en los modelos de nicho ecológico?

Adrián Regos, João Gonçalves, Salvador Arenas‐Castro et al. (2022). Mainstreaming remotely sensed ecosystem functioning in ecological niche models. Remote Sensing in Ecology and Conservation. https://doi.org/10.1002/rse2.255

Esta revisión defiende que los atributos del funcionamiento de los ecosistemas obtenidos por satélite (productividad, estacionalidad y fenología de los índices de vegetación, temperatura de superficie, albedo, evapotranspiración) mejoran los modelos de nicho ecológico al recoger la dinámica del hábitat y perturbaciones como incendios, sequías o plagas. Destaca las plataformas en la nube como Google Earth Engine para calcularlos a gran escala.

Con MonitorEO: EVI (Modis), LST (Modis), ALBEDO (Modis), ET (Modis); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2020-12-31; región the study area of the species (a protected area, an administrative unit or a drawn polygon). Pregúntale al asistente: "Descarga en rejillas alineadas para un modelo de distribución de especies la media, el percentil 5 y el percentil 95 del EVI de MODIS, la LST media, el albedo y la ET de 2001 a 2020 en un polígono dibujado"

¿Cómo afecta un incendio a la productividad, el agua de la vegetación, el albedo y el calor sensible de los ecosistemas en los dos años siguientes?

Bruno Marcos, João Gonçalves, Domingo Alcaraz-Segura et al. (2021). A framework for multi-dimensional assessment of wildfire disturbance severity from remotely sensed ecosystem functioning attributes. Remote Sensing. https://doi.org/10.3390/rs13040780

Los autores proponen un marco para medir la severidad de un incendio en cuatro dimensiones del funcionamiento de los ecosistemas con anomalías interanuales de atributos funcionales de satélite (MODIS, 2000-2018) en el noroeste ibérico. Los bosques aleatorios separaron muy bien las zonas quemadas de las no quemadas, y los efectos fueron mayores en la productividad y el calor sensible, con respuestas bruscas y retardadas.

Con MonitorEO: EVI (Modis), NDWI (Modis), ALBEDO (Modis), LST (Modis); comparación de periodos, mapa de la comparación, severidad del incendio; periodo 2000-02-24 / 2018-12-31; región a drawn polygon over a burned area. Pregúntale al asistente: "Compara el EVI de MODIS del año siguiente al incendio con la media de los tres años anteriores en un polígono dibujado sobre un área quemada del norte de Portugal"

¿Pueden los tipos funcionales de ecosistemas derivados de satélite ayudar a elegir prioridades geográficas de conservación?

B. P. Cazorla, J. Cabello, J. Peñas et al. (2021). Incorporating Ecosystem Functional Diversity into Geographic Conservation Priorities Using Remotely Sensed Ecosystem Functional Types. Ecosystems. https://doi.org/10.1007/s10021-020-00533-4

En la península de Baja California (México) se usaron TFE basados en la dinámica de la producción primaria derivada del EVI para cartografiar la heterogeneidad funcional y ordenar las zonas por riqueza y rareza de TFE. Estas prioridades funcionales reforzaron y complementaron las basadas en la composición de especies y la estructura.

Con MonitorEO: EVI (Modis); mapa, estadísticas de un mapa; periodo 2001-01-01 / 2014-12-31; región {"find_admin_units": "Baja California", "level": 1, "country": "MEX"}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS de 2001 a 2014 en Baja California y Baja California Sur (unidades administrativas de nivel 1)"

¿Coinciden las regionalizaciones biogeográficas basadas en especies y estructura con los patrones de funcionamiento de los ecosistemas vistos desde satélite?

Beatriz P. Cazorla, Pedro P. Garcillán, Javier Cabello et al. (2021). Patterns of ecosystem functioning as a tool for biological regionalization: the case of the Mediterranean-desert-tropical transition of Baja California. Mediterranean Botany. https://doi.org/10.5209/mbot.68529

Tomando como caso la transición mediterráneo-desierto-tropical de la península de Baja California, el estudio comparó las regionalizaciones ecológicas existentes con Tipos Funcionales de Ecosistemas derivados de satélite. Los patrones funcionales complementaron y afinaron las regiones basadas en composición y estructura, y ofrecen una nueva visión de la geografía de la vida.

Con MonitorEO: EVI (Modis); estadísticas de un mapa, mapa; periodo 2001-01-01 / 2014-12-31; región {"ecoregion_at": [-115.5, 30.5]}. Pregúntale al asistente: "Estadísticas de la media anual del EVI de MODIS de 2001 a 2014 en la ecorregión que contiene el punto [-115.5, 30.5] (Baja California)"

¿Qué métodos de teledetección permiten caracterizar biofísicamente todos los espacios protegidos del mundo y qué retos tienen?

Javier Martínez-López, Bastian Bertzky, Simon Willcock et al. (2021). Remote sensing methods for the biophysical characterization of protected areas globally: Challenges and opportunities. ISPRS International Journal of Geo-Information. https://doi.org/10.3390/ijgi10060384

Esta revisión trata los métodos de teledetección para caracterizar los hábitats y ecosistemas de los espacios protegidos terrestres a escala global, subrayando la necesidad de combinar atributos estructurales y funcionales y un conjunto amplio de variables. Discute ejemplos de escala local a global y da recomendaciones para un seguimiento sistemático y a largo plazo.

Con MonitorEO: NDVI (Modis), LST (Modis), ET (Modis), ELEVATION (Copernicus); estadísticas de un mapa, tendencias, descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2020-12-31; región {"find_protected_areas": "<name of the protected area>"}. Pregúntale al asistente: "Tendencia anual del NDVI de MODIS entre 2001 y 2020 en el espacio protegido [nombre]"

¿Cómo obtener atributos funcionales fiables de series de índices de vegetación de Landsat y Sentinel-2 con muchos huecos por nubes e incendios?

Saverio Vicario, Maria Adamo, Domingo Alcaraz-Segura et al. (2020). Bayesian harmonic modelling of sparse and irregular satellite remote sensing time series of vegetation indexes: A story of clouds and fires. Remote Sensing. https://doi.org/10.3390/rs12010083

Se propuso un modelo armónico bayesiano ajustado año a año, con distribuciones previas jerárquicas que comparten información entre años, para tratar series de índices de vegetación de Landsat y Sentinel-2 escasas e irregulares. Proporciona la media anual, la desviación típica y la fecha del pico con su incertidumbre, y se probó con los patrones reales de nubes del Parque Nacional de Peneda-Gerês (Portugal) y su sensibilidad a cambios bruscos como incendios.

Con MonitorEO: NDVI (Landsat), NDVI (Sentinel-2), CF (Sentinel-2); serie temporal, mapa; periodo 2017-04-01 / 2019-12-31; región {"find_protected_areas": "Peneda-Gerês"}. Pregúntale al asistente: "Serie mensual del NDVI de Sentinel-2 de abril de 2017 a 2019 en el Parque Nacional de Peneda-Gerês, con el número de imágenes y píxeles válidos"

¿Dónde están los datos de atributos y tipos funcionales de ecosistemas de Sierra Nevada derivados del EVI de MODIS?

Cazorla, Beatriz P, Cabello, J, Reyes, A et al. (2020). Ecosystem functioning and functional diversity of Sierra Nevada (SE Spain), Version 2. PANGAEA. https://doi.org/10.1594/pangaea.924792

Este conjunto de datos de PANGAEA (versión 2) contiene los atributos funcionales de los ecosistemas de la Reserva de la Biosfera de Sierra Nevada (producción primaria anual, estacionalidad y fenología del EVI MOD13Q1 de MODIS, 2001-2018) y los Tipos Funcionales de Ecosistemas y la diversidad funcional derivados de ellos. Son los datos del artículo de datos de ESSD del mismo equipo.

Con MonitorEO: EVI (Modis); mapa, GeoTIFF; periodo 2001-01-01 / 2018-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Descarga como GeoTIFF la media anual del EVI de MODIS (media entre años) de 2001 a 2018 en el Parque Nacional de Sierra Nevada"

¿Cómo incorporar la dimensión funcional de la biodiversidad, vista desde satélite, a la ecología y la conservación?

B Pérez Cazorla (2020). Incorporating the functional dimension of biodiversity through remote sensing into ecology and conservation. Universidad de Almería (PhD thesis). https://repositorio.ual.es/handle/10835/10837

Esta tesis doctoral usa atributos de las curvas estacionales de índices espectrales de vegetación (Atributos Funcionales de Ecosistemas, con el EVI como aproximación a la producción primaria) como sustitutos de las funciones de los ecosistemas. Deriva Tipos Funcionales de Ecosistemas y muestra que refuerzan y complementan las prioridades de conservación basadas en la composición y la estructura.

Con MonitorEO: EVI (Modis); mapa, mapa de la tendencia; periodo 2001-01-01 / 2018-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS de 2001 a 2018 en el Parque Nacional de Sierra Nevada"

¿Cómo caracterizar la heterogeneidad de los sistemas socioecológicos combinando censos y teledetección?

M. Vallejos, S. Aguiar, G. Baldi et al. (2020). Social-Ecological Functional Types: Connecting People and Ecosystems in the Argentine Chaco. Ecosystems. https://doi.org/10.1007/s10021-019-00415-4

Los autores propusieron tipos funcionales socioecológicos, construidos agrupando los radios censales del Chaco argentino con 17 variables humanas, ecológicas y de interacción procedentes de censos y teledetección. Las variables ecológicas, como la productividad media anual, definieron las clases principales y las humanas las subclases, lo que da una herramienta para la planificación del uso del suelo en un foco de deforestación.

Con MonitorEO: EVI (Modis); estadísticas de un mapa, mapa; periodo 2001-01-01 / 2016-12-31; región {"find_admin_units": "<departments of the Argentine Chaco>", "level": 2, "country": "ARG"}. Pregúntale al asistente: "Media anual del EVI de MODIS de 2001 a 2016 en cada departamento de la provincia de Chaco (unidades administrativas de nivel 2)"

¿Qué predictores (clima, usos del suelo o funcionamiento de los ecosistemas) hacen más transferibles en el tiempo los modelos de nicho de aves?

Adrián Regos, Laura Gagne, Domingo Alcaraz-Segura et al. (2019). Effects of species traits and environmental predictors on performance and transferability of ecological niche models. Scientific Reports. https://doi.org/10.1038/s41598-019-40766-5

Se ajustaron modelos de nicho de 27 especies de aves con clima, usos y cubiertas del suelo y atributos funcionales de los ecosistemas derivados de satélite, solos y combinados, y se evaluaron dentro y fuera del periodo de calibración. Combinar los tres mejoró el rendimiento y la transferibilidad, pero esta siguió siendo baja para la mayoría de especies, por lo que las proyecciones bajo cambio global requieren cautela.

Con MonitorEO: EVI (Modis), LST (Modis), PRECIP (TerraClimate), TMAX (TerraClimate); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2010-12-31; región the study area (an administrative unit or a drawn polygon). Pregúntale al asistente: "Descarga en rejillas alineadas la media y los percentiles 5 y 95 del EVI de MODIS, la LST media y la precipitación anual de TerraClimate de 2001 a 2010 en un polígono dibujado"

¿Qué indicadores de satélite detectan mejor en el espacio y en el tiempo las perturbaciones por incendios forestales?

Bruno Marcos, João Gonçalves, Domingo Alcaraz-Segura et al. (2019). Improving the detection of wildfire disturbances in space and time based on indicators extracted from MODIS data: a case study in northern Portugal. International Journal of Applied Earth Observation and Geoinformation. https://doi.org/10.1016/j.jag.2018.12.003

Un marco genérico comparó, ordenó y combinó varios indicadores derivados de MODIS para discriminar las áreas quemadas, aplicando un análisis sencillo de puntos de cambio a sus series temporales en el norte de Portugal sin datos externos de incendios. El consenso de indicadores de distintas regiones del espectro cartografió mejor las perturbaciones y puede completar bases de datos de incendios incompletas.

Con MonitorEO: NDVI (Modis), EVI (Modis), LST (Modis), ALBEDO (Modis); serie temporal, mapa de la comparación; periodo 2001-01-01 / 2016-12-31; región a drawn polygon over a burned area in northern Portugal. Pregúntale al asistente: "Serie mensual del NDVI, la LST y el albedo de MODIS de 2001 a 2016 en un polígono dibujado sobre un área quemada del norte de Portugal"

¿Predicen los atributos del funcionamiento de los ecosistemas obtenidos por satélite la abundancia local de una especie rara?

Salvador Arenas-Castro, Adrián Regos, João F. Gonçalves et al. (2019). Remotely sensed variables of ecosystem functioning support robust predictions of abundance patterns for rare species. Remote Sensing. https://doi.org/10.3390/rs11182086

Se calibraron modelos de abundancia del endemismo ibérico lirio del Gerês (Iris boissieri) con clima, topografía, cubierta del suelo y atributos del funcionamiento de los ecosistemas de satélite. Los modelos solo con atributos funcionales explicaron más varianza (algo más con la topografía), y la abundancia interanual predicha siguió las fluctuaciones del clima.

Con MonitorEO: EVI (Modis), LST (Modis), ELEVATION (Copernicus), SLOPE (Copernicus); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2017-12-31; región {"find_protected_areas": "Peneda-Gerês"}. Pregúntale al asistente: "Descarga en rejillas alineadas la media y los percentiles 5 y 95 del EVI de MODIS, la LST, la elevación y la pendiente de 2001 a 2017 en el Parque Nacional de Peneda-Gerês"

¿Son buenos predictores de la idoneidad del hábitat los atributos funcionales de satélite a distintas escalas?

Salvador Arenas-Castro, João Gonçalves, Paulo Alves et al. (2018). Assessing the multi-scale predictive ability of ecosystem functional attributes for species distribution modelling. PLOS ONE. https://doi.org/10.1371/journal.pone.0199292

Se ajustaron modelos de distribución de dos plantas de interés para la conservación (Iris boissieri y Taxus baccata) a varias escalas con clima, paisaje, atributos funcionales de satélite o sus combinaciones. Los modelos con atributos funcionales funcionaron tan bien como los climáticos, hallaron zonas idóneas adicionales y dependieron poco de la escala, lo que los respalda como variables esenciales de biodiversidad.

Con MonitorEO: EVI (Modis), LST (Modis), ALBEDO (Modis); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2015-12-31; región {"find_protected_areas": "Peneda-Gerês"}. Pregúntale al asistente: "Descarga en rejillas alineadas la media, el mínimo y el máximo anuales del EVI de MODIS de 2001 a 2015 en el Parque Nacional de Peneda-Gerês y en sus ecorregiones"

¿Qué parte de la diversidad funcional de los ecosistemas de EE. UU. representan las redes de torres de flujo AmeriFlux y NEON?

Samuel Villarreal, Mario Guevara, Domingo Alcaraz-Segura et al. (2018). Ecosystem functional diversity and the representativeness of environmental networks across the conterminous United States. Agricultural and Forest Meteorology. https://doi.org/10.1016/j.agrformet.2018.07.016

Se usaron tipos funcionales de ecosistemas basados en la dinámica de la ganancia de carbono de MODIS (2001-2014) para evaluar la representatividad de los sitios de covarianza de remolinos de AmeriFlux y NEON en los EE. UU. contiguos. AmeriFlux cubrió cerca de la mitad de las categorías de TFE y de la heterogeneidad funcional, NEON alrededor de una cuarta parte, y los dominios desérticos, de las montañas del oeste y de las llanuras fueron los menos representados.

Con MonitorEO: EVI (Modis); mapa, estadísticas de un mapa; periodo 2001-01-01 / 2014-12-31; región {"bbox": [-125, 24, -66, 50]}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS de 2001 a 2014 en los Estados Unidos contiguos (bbox [-125, 24, -66, 50])"

¿Cómo puede la teledetección de las funciones de los ecosistemas ayudar a informar del estado de conservación de los hábitats de la Directiva Hábitats?

J. Cabello, P. Mairota, D. Alcaraz-Segura et al. (2018). SATELLITE REMOTE SENSING OF ECOSYSTEM FUNCTIONS: OPPORTUNITIES AND CHALLENGES FOR REPORTING OBLIGATIONS OF THE EU HABITAT DIRECTIVE. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium. https://doi.org/10.1109/igarss.2018.8517296

El trabajo discute las posibilidades y problemas de usar la teledetección de las funciones de los ecosistemas en los informes sexenales de la Directiva Hábitats (artículos 11 y 17), que hoy se basan en la composición y la estructura. Presenta el seguimiento de las funciones como una vía para llevar la teledetección al seguimiento real de la biodiversidad de Natura 2000.

Con MonitorEO: EVI (Modis), LST (Modis), ET (Modis); tendencias, comparación de periodos; periodo 2013-01-01 / 2018-12-31; región {"find_protected_areas": "<Natura 2000 site>"}. Pregúntale al asistente: "Compara el EVI de MODIS del periodo de informe 2013-2018 con el de 2007-2012 en un espacio Natura 2000"

¿Cómo han cambiado entre 2001 y 2012 la dinámica estacional del verdor en los espacios protegidos del sur de España y el norte de Marruecos, y qué la controla?

Patrícia Lourenço, Domingo Alcaraz-Segura, Andrés Reyes-Díez et al. (2018). Trends in vegetation greenness dynamics in protected areas across borders: what are the environmental controls?. International Journal of Remote Sensing. https://doi.org/10.1080/01431161.2018.1466080

Se calcularon las tendencias interanuales de la dinámica estacional del EVI de MODIS Terra (enero de 2001 a diciembre de 2012) en los espacios protegidos del sur de España y el norte de Marruecos y se agruparon en cuatro patrones. Las tendencias parecen sobre todo climáticas en ambos países, aunque procesos socioecológicos pueden explicar también las de los espacios marroquíes y los humedales españoles.

Con MonitorEO: EVI (Modis); tendencias, mapa de la tendencia; periodo 2001-01-01 / 2012-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Tendencia mensual del EVI de MODIS entre 2001 y 2012 en el Parque Nacional de Sierra Nevada (repetir con cada espacio protegido)"

¿Cómo se distribuye el carbono orgánico del suelo en Andalucía y qué factores ambientales lo controlan?

Daphne Armas, Mario Guevara, Domingo Alcaraz-Segura et al. (2017). Mapa digital del perfil del carbono orgánico en los suelos de Andalucía, España. Ecosistemas. https://doi.org/10.7818/ecos.2017.26-3.10

Se generaron mapas del porcentaje de carbono orgánico del suelo de Andalucía a partir de 1.500 perfiles de suelo históricos y 20 covariables ambientales de clima, topografía y atributos funcionales de satélite de la producción primaria, con su incertidumbre. El trabajo identifica los controles de la variabilidad espacial de este reservorio de carbono.

Con MonitorEO: EVI (Modis), ELEVATION (Copernicus), SLOPE (Copernicus), BIO01 (WorldClim), BIO12 (WorldClim); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2015-12-31; región {"find_admin_units": "Andalucía", "level": 1, "country": "ESP"}. Pregúntale al asistente: "Descarga en rejillas alineadas la media anual del EVI de MODIS de 2001 a 2015, la elevación, la pendiente, BIO01 y BIO12 de Andalucía a 250 m"

¿Pueden los atributos funcionales de los ecosistemas obtenidos por satélite anticipar los cambios de distribución de las especies?

Domingo Alcaraz-Segura, Angela Lomba, Rita Sousa-Silva et al. (2017). Potential of satellite-derived ecosystem functional attributes to anticipate species range shifts. International Journal of Applied Earth Observation and Geoinformation. https://doi.org/10.1016/j.jag.2016.12.009

El estudio usó atributos funcionales de los ecosistemas obtenidos por satélite como predictores en modelos de distribución de varias especies. Funcionaron como variables esenciales de biodiversidad con sentido ecológico, dando alertas tempranas de cambios de distribución y prediciendo fluctuaciones a corto plazo de las condiciones idóneas.

Con MonitorEO: EVI (Modis), NDVI (Modis); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2015-12-31; región the study area of the species. Pregúntale al asistente: "Descarga en rejillas alineadas, una por año, la media, el mínimo y el máximo del EVI de MODIS de 2001 a 2015 en el área de estudio"

¿Cómo cambiará la calidad del hábitat del tejón en zonas áridas del sureste de España con el cambio climático si se incluye el funcionamiento de los ecosistemas visto desde satélite?

Juan M. Requena-Mullor, Enrique López, Antonio J. Castro et al. (2017). Remote-sensing based approach to forecast habitat quality under climate change scenarios. PLOS ONE. https://doi.org/10.1371/journal.pone.0172107

Se combinaron modelos globales del área del tejón basados en el clima con modelos regionales construidos con variables del funcionamiento de los ecosistemas derivadas del EVI en una región árida del sureste de España, y se proyectó el hábitat para 2071-2099. Incluir estas variables hizo la previsión menos favorable para el tejón y cambió el patrón espacial de la idoneidad más que los modelos solo climáticos.

Con MonitorEO: EVI (Modis), PRECIP (TerraClimate), TMAX (TerraClimate); descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2014-12-31; región {"find_admin_units": "Almería", "level": 2, "country": "ESP"}. Pregúntale al asistente: "Descarga en rejillas alineadas la media anual, el mínimo y el máximo del EVI de MODIS de 2001 a 2014 y la precipitación anual de TerraClimate de la provincia de Almería"

¿Cómo dividir de forma sistemática cada espacio protegido del mundo en tipos de hábitat a partir de datos de satélite?

Javier Martínez-López, Bastian Bertzky, Francisco Bonet-García et al. (2016). Biophysical characterization of protected areas globally through optimized image segmentation and classification. Remote Sensing. https://doi.org/10.3390/rs8090780

El artículo presenta eHabitat+, un servicio de modelización de hábitats del Observatorio Digital de Espacios Protegidos de la UE, y su componente que segmenta los espacios protegidos en tipos funcionales de hábitat con una segmentación automática optimizada de varias variables ambientales. Permite producir indicadores comparables de los espacios protegidos de todo el mundo, como muestran varios casos.

Con MonitorEO: NDVI (Modis), LSWI (Landsat), SLOPE (Copernicus), ELEVATION (Copernicus); descarga de variables (entradas de un modelo); periodo 2015-01-01 / 2020-12-31; región {"find_protected_areas": "<name of the protected area>"}. Pregúntale al asistente: "Descarga para eHabitat+ el NDVI (percentiles 5 y 95), el LSWI, la elevación y la pendiente de un espacio protegido y de sus ecorregiones, en rejillas alineadas"

¿Cómo seguir con satélite el funcionamiento de los ecosistemas de los Parques Nacionales de España y detectar sus tendencias y anomalías?

J. Cabello, D. Alcaraz-Segura, A. Reyes et al. (2016). Sistema para el Seguimiento del funcionamiento de ecosistemas en la Red de Parques Nacionales de España mediante Teledetección. Revista de Teledetección. https://doi.org/10.4995/raet.2016.5731

REMOTE, un sistema de seguimiento desarrollado con el Organismo Autónomo Parques Nacionales, usa series del EVI y el NDVI de MODIS Terra para describir cada parque con tres atributos de las ganancias de carbono: producción anual, estacionalidad y fenología. Establece condiciones de referencia, detecta tendencias y anomalías y funciona con software libre para informar a los gestores de la salud de los parques.

Con MonitorEO: EVI (Modis), NDVI (Modis); serie temporal, tendencias, comparación de periodos; periodo 2001-01-01 / 2024-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Compara el EVI mensual de MODIS de 2024 con el de referencia 2001-2015 en el Parque Nacional de Sierra Nevada"

¿Cómo es la diversidad funcional de los ecosistemas en la transición mediterráneo-desierto-tropical de Baja California y cómo puede usarse para su conservación?

B Pérez Cazorla (2015). Ecología y conservación de la diversidad funcional de ecosistemas en la transición mediterráneo-desierto-tropical de la Península de Baja California. Universidad de Granada (thesis). https://doi.org/10.30827/digibug.38511

Este trabajo de tesis usó series temporales de MODIS para calcular tipos funcionales de ecosistemas, las medias de sus atributos funcionales, la diversidad funcional, la variabilidad interanual y la similitud en la península de Baja California. Sienta las bases de los artículos posteriores sobre regionalización funcional y prioridades de conservación en la península.

Con MonitorEO: EVI (Modis); mapa, estadísticas de un mapa; periodo 2001-01-01 / 2013-12-31; región {"find_admin_units": "Baja California", "level": 1, "country": "MEX"}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS de 2001 a 2013 en Baja California y Baja California Sur"

¿Cómo afecta el filtrado de calidad del EVI de MODIS al seguimiento del funcionamiento de los ecosistemas?

A. Reyes Díez, D. Alcaraz-Segura, J. Cabello Piñar (2015). Implicaciones del filtrado de calidad del índice de vegetación EVI para el seguimiento funcional de ecosistemas. Revista de Teledetección. https://doi.org/10.4995/raet.2015.3316

El estudio examinó las implicaciones de usar la capa de calidad del producto de índices de vegetación MOD13Q1 de MODIS para filtrar los valores del EVI al caracterizar el funcionamiento de los ecosistemas. Muestra que la elección del filtro cambia los atributos funcionales derivados y da recomendaciones para el seguimiento.

Con MonitorEO: EVI (Modis); serie temporal, mapa; periodo 2001-01-01 / 2014-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Serie mensual del EVI de MODIS de 2001 a 2014 en el Parque Nacional de Sierra Nevada, con y sin el filtro de nieve"

¿Cómo detectar con satélite qué ecosistemas dependen del agua subterránea?

Contreras, S., Alcaraz-Segura, D., Scanlon, B. et al. (2013). Detecting ecosystem reliance on groundwater based on satellite-derived greenness anomalies and temporal dynamics. Earth Observation of Ecosystem Services. https://doi.org/10.1201/b15628-18

El capítulo detecta ecosistemas dependientes del agua subterránea con el EVI de MODIS: zonas que se mantienen más verdes de lo esperado por su lluvia (una función regional EVI-precipitación) y que conservan su verdor en los periodos secos. Ilustra el método a lo largo de un gradiente de dependencia del agua subterránea en Telteca, en el desierto del Monte (Argentina).

Con MonitorEO: EVI (Modis), PRECIP (CHIRPS); mapa, serie temporal; periodo 2001-01-01 / 2012-12-31; región a drawn polygon. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS y de la precipitación anual de CHIRPS de 2001 a 2012 en un polígono dibujado del desierto del Monte"

¿Cómo evaluar con satélite la diversidad funcional y las ganancias de carbono de una red de parques nacionales para orientar su conservación?

Cabello, J., Lourenço, P., Reyes, A. et al. (2013). Ecosystem services assessment of national parks networks for functional diversity and carbon conservation strategies using remote sensing. Earth Observation of Ecosystem Services. https://doi.org/10.1201/b15628-14

El capítulo usa índices de vegetación de satélite para evaluar servicios ecosistémicos de una red de parques nacionales, centrándose en la diversidad funcional de los ecosistemas y en las ganancias de carbono como base de las estrategias de conservación. Une la conservación de la biodiversidad con la provisión de servicios para el bienestar humano.

Con MonitorEO: EVI (Modis); estadísticas de un mapa, mapa; periodo 2001-01-01 / 2012-12-31; región the Spanish National Parks: a list of their WDPA IDs (find_protected_areas for each; Sierra Nevada is 389011). Pregúntale al asistente: "Estadísticas de la media anual del EVI de MODIS de 2001 a 2012 en cada Parque Nacional de España"

¿Qué factores ambientales y humanos controlan la diversidad funcional de los ecosistemas en Sudamérica templada?

Domingo Alcaraz-Segura, José Paruelo, Howard Epstein et al. (2013). Environmental and human controls of ecosystem functional diversity in temperate South America. Remote Sensing. https://doi.org/10.3390/rs5010127

Se derivaron TFE de tres atributos de la curva estacional del EVI de MODIS (media anual, coeficiente de variación estacional y fecha del máximo) en Sudamérica templada, y su riqueza se relacionó con variables ambientales y humanas. La disponibilidad de agua, no la energía, fue el principal control climático en las zonas naturales, y la influencia humana primero aumentó y luego redujo la riqueza.

Con MonitorEO: EVI (Modis), PRECIP (TerraClimate), PET (TerraClimate); mapa, descarga de variables (entradas de un modelo); periodo 2001-01-01 / 2010-12-31; región {"country": "URY"}. Pregúntale al asistente: "Mapa de la media anual del EVI de MODIS de 2001 a 2010 en Uruguay"

¿Cómo cambian la productividad y su estacionalidad cuando se desmonta el bosque para agricultura y ganadería?

J.N. Volante, D. Alcaraz-Segura, M.J. Mosciaro et al. (2012). Ecosystem functional changes associated with land clearing in NW Argentina. Agriculture, Ecosystems & Environment. https://doi.org/10.1016/j.agee.2011.08.012

Se cartografió con Landsat el desmonte del NO subtropical de Argentina (5,9 % de la región en 2000-2007) y se midió su efecto en dos atributos funcionales con el EVI de MODIS: la media anual (aproximación a la productividad aérea) y su coeficiente de variación estacional. El desmonte cambió poco la productividad total pero hizo las parcelas mucho más estacionales y variables entre años que la vegetación natural.

Con MonitorEO: EVI (Modis); mapa de la comparación, comparación de periodos, mapa; periodo 2006-01-01 / 2007-12-31; región {"find_admin_units": "Salta", "level": 1, "country": "ARG"}. Pregúntale al asistente: "Compara el EVI de MODIS de 2006-2007 con el de 2000-2001 en la provincia de Salta (Argentina)"

¿Cómo puede la teledetección incorporar la dimensión del funcionamiento de los ecosistemas a la conservación?

Javier Cabello, Néstor Fernández, Domingo Alcaraz-Segura et al. (2012). The ecosystem functioning dimension in conservation: Insights from remote sensing. Biodiversity and Conservation. https://doi.org/10.1007/s10531-012-0370-7

Esta revisión identifica los campos en los que caracterizar el funcionamiento de los ecosistemas desde satélite (ganancias de carbono, intercambios de energía y agua) puede ayudar a la ciencia y la práctica de la conservación. Ilustra formas prácticas de usar la información de satélite con ese fin.

Con MonitorEO: EVI (Modis), LST (Modis), ET (Modis); tendencias, comparación de periodos; periodo 2001-01-01 / 2024-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Tendencia anual del EVI, la LST y la ET de MODIS entre 2001 y 2024 en el Parque Nacional de Sierra Nevada"

¿Está reverdeciendo o pardeando el bosque boreal norteamericano, y depende la respuesta del conjunto de datos de satélite?

DOMINGO ALCARAZ‐SEGURA, EMILIO CHUVIECO, HOWARD E. EPSTEIN et al. (2010). Debating the greening vs. browning of the North American boreal forest: Differences between satellite datasets. Global Change Biology. https://doi.org/10.1111/j.1365-2486.2009.01956.x

Se calcularon las tendencias del NDVI de bosque boreal quemado recientemente y no quemado del centro de Canadá con la prueba de Mann-Kendall estacional, a partir del conjunto GIMMS de 8 km y de uno de 1 km del Centro Canadiense de Teledetección. Los datos de 1 km mostraron recuperación tras el fuego y reverdecimiento, mientras que GIMMS no detectó la mayoría de las recuperaciones y mostró descensos generalizados, un sesgo con grandes implicaciones para los balances de carbono.

Con MonitorEO: NDVI (Landsat), NDVI (Modis); tendencias, mapa de la tendencia; periodo 1985-01-01 / 2024-12-31; región a drawn polygon over the burned or unburned forest. Pregúntale al asistente: "Tendencia mensual del NDVI de Landsat entre 1985 y 2024 en un polígono dibujado sobre un bosque boreal quemado de Canadá"

¿Coinciden las tendencias del NDVI de la península ibérica entre distintas series derivadas del mismo sensor AVHRR?

Domingo Alcaraz-Segura, Elisa Liras, Siham Tabik et al. (2010). Evaluating the consistency of the 1982-1999 NDVI trends in the Iberian Peninsula across four time-series derived from the AVHRR sensor: LTDR, GIMMS, FASIR, and PAL-II. Sensors. https://doi.org/10.3390/s100201291

Se calcularon las tendencias del NDVI entre 1982 y 1999 con la prueba de Mann-Kendall estacional en cuatro conjuntos AVHRR (LTDR, GIMMS, FASIR, PAL-II) y se evaluó su coincidencia espacial. Dominaron las tendencias positivas en el norte, el este y las montañas centrales y no hubo tendencias en el suroeste, pero la coincidencia entre los cuatro solo abarcó cerca de la mitad de la península, por lo que conviene comprobar las tendencias de ganancias de carbono con varios conjuntos.

Con MonitorEO: NDVI (Landsat), NDVI (Modis); mapa de la tendencia, tendencias; periodo 1985-01-01 / 1999-12-31; región {"bbox": [-9.6, 35.9, 3.4, 43.9]}. Pregúntale al asistente: "Mapa de la tendencia anual del NDVI de Landsat entre 1985 y 1999 en la península ibérica (bbox [-9.6, 35.9, 3.4, 43.9]) a una resolución gruesa"

¿Cuál es la firma funcional de referencia de los grandes tipos de vegetación ibéricos según la dinámica del NDVI y qué la controla?

Domingo Alcaraz-Segura, Javier Cabello, José Paruelo (2009). Baseline characterization of major Iberian vegetation types based on the NDVI dynamics. Plant Ecology. https://doi.org/10.1007/s11258-008-9555-2

Se describió la dinámica de referencia del NDVI (1982-1999) de las mayores manchas homogéneas de vegetación natural de la península ibérica con atributos como la media anual, el rango relativo, el máximo, el mínimo y sus meses. Los tipos eurosiberianos fueron más productivos y con máximos estivales, los mediterráneos con mínimos en verano; la precipitación controló la productividad en las zonas mediterráneas y la temperatura en las eurosiberianas.

Con MonitorEO: NDVI (Modis), PRECIP (ERA5-Land), TMEAN (ERA5-Land); serie temporal, mapa; periodo 2001-01-01 / 2020-12-31; región a drawn polygon over a homogeneous vegetation patch. Pregúntale al asistente: "Serie mensual del NDVI de MODIS de 2001 a 2020 en un polígono dibujado sobre un encinar homogéneo, con la precipitación y la temperatura de ERA5-Land"

¿Cómo ha cambiado el funcionamiento de los ecosistemas de los Parques Nacionales de España y cómo responde a los cambios ambientales?

Domingo Alcaraz-Segura, Javier Cabello, José M. Paruelo et al. (2009). Use of descriptors of ecosystem functioning for monitoring a national park network: A remote sensing approach. Environmental Management. https://doi.org/10.1007/s00267-008-9154-y

Se describieron los patrones espaciales y temporales del funcionamiento de los ecosistemas de los Parques Nacionales de España entre 1982 y 2006 con el NDVI de GIMMS AVHRR, un estimador lineal de la radiación interceptada por la vegetación. El estudio propone estos descriptores para el seguimiento de una red de parques nacionales.

Con MonitorEO: NDVI (Modis), NDVI (Landsat); tendencias, serie temporal; periodo 2001-01-01 / 2024-12-31; región the Spanish National Parks: a list of their WDPA IDs (find_protected_areas for each; Sierra Nevada is 389011). Pregúntale al asistente: "Tendencia mensual del NDVI de MODIS entre 2001 y 2024 en cada Parque Nacional de España"

¿Cómo ha cambiado el verdor de la vegetación de los Parques Nacionales de España y se ven afectados por igual por el reverdecimiento europeo?

Domingo Alcaraz‐Segura, Javier Cabello, José M. Paruelo et al. (2008). Trends in the surface vegetation dynamics of the national parks of Spain as observed by satellite sensors. Applied Vegetation Science. https://doi.org/10.3170/2008-7-18522

Se usó el NDVI de GIMMS AVHRR para establecer una referencia de la dinámica de la vegetación de los Parques Nacionales peninsulares de España y analizar sus tendencias entre 1981 y 2003. Las tendencias difirieron entre parques y tipos de vegetación, por lo que el reverdecimiento detectado en Europa no afectó por igual a todos los espacios protegidos.

Con MonitorEO: NDVI (Modis), NDVI (Landsat); tendencias, mapa de la tendencia; periodo 2001-01-01 / 2024-12-31; región the Spanish National Parks: a list of their WDPA IDs (find_protected_areas for each; Sierra Nevada is 389011). Pregúntale al asistente: "Tendencia mensual del NDVI de MODIS entre 2001 y 2024 en cada Parque Nacional peninsular de España"

¿Qué tipos funcionales de ecosistemas hay en la península ibérica según la dinámica anual del NDVI?

Domingo Alcaraz, José Paruelo, Javier Cabello (2006). Identification of current ecosystem functional types in the Iberian Peninsula. Global Ecology and Biogeography. https://doi.org/10.1111/j.1466-822x.2006.00215.x

Se definieron tipos funcionales de ecosistemas de la península ibérica con tres atributos del NDVI de AVHRR: la integral anual (productividad), el rango relativo anual y el mes del máximo (estacionalidad). La productividad disminuyó hacia el sureste y fue máxima en la región eurosiberiana y en las altas montañas mediterráneas, lo que da un mapa funcional complementario de los mapas de vegetación.

Con MonitorEO: NDVI (Modis); mapa, estadísticas de un mapa; periodo 2001-01-01 / 2024-12-31; región {"bbox": [-9.6, 35.9, 3.4, 43.9]}. Pregúntale al asistente: "Mapa de la media anual del NDVI de MODIS de 2001 a 2024 en la península ibérica (bbox)"

¿Cómo varía en el espacio y en el tiempo la radiación absorbida por la vegetación de un espacio protegido árido, y cómo depende de la lluvia?

José M. Paruelo, G. Piñeiro, P. Escribano et al. (2005). Temporal and spatial patterns of ecosystem functioning in protected arid areas in southeastern Spain. Applied Vegetation Science. https://doi.org/10.1111/j.1654-109x.2005.tb00633.x

Se caracterizó con el NDVI de AVHRR la radiación fotosintéticamente activa absorbida por la vegetación del Parque Natural Cabo de Gata-Níjar en cinco clases de paisaje, y una serie de 19 años del NDVI se relacionó con la precipitación dentro y fuera del parque. La vegetación absorbió menos del 20 % de la radiación incidente, más en las sierras que en lomas y llanuras, con un único pico en la estación de crecimiento, más temprano en las llanuras.

Con MonitorEO: NDVI (Modis), PRECIP (CHIRPS); serie temporal, estadísticas de un mapa; periodo 2001-01-01 / 2024-12-31; región {"find_protected_areas": "Cabo de Gata-Níjar"}. Pregúntale al asistente: "Serie mensual del NDVI de MODIS y de la precipitación de CHIRPS de 2001 a 2024 en el Parque Natural Cabo de Gata-Níjar"

Agua

¿Se puede estimar la clorofila-a de lagunas de alta montaña pequeñas con imágenes de satélite, y qué sensor funciona mejor?

J. Llodrà‐Llabrés, J. C. Pérez‐Girón, T. Postma et al. (2026). Satellite Solutions: Facing Chlorophyll-a Retrieval in Small Mountain Lakes in the Sierra Nevada, Spain. Water Resources Research. https://doi.org/10.1029/2026wr043523

Se muestrearon cinco lagunas glaciares de Sierra Nevada en 2020, 2021 y 2023 y unas 100 medidas de clorofila-a se emparejaron con imágenes de Sentinel-2, PlanetScope y WorldView-3. Los modelos con varias bandas (sobre todo verde e infrarrojo cercano) funcionaron tan bien como los de índices espectrales; Sentinel-2 y Planet superaron al WorldView-3, más fino, y Planet siguió siendo fiable cerca de la orilla, donde el efecto de adyacencia es mayor.

Con MonitorEO: Chl-a (Sentinel-2), NDCI (Sentinel-2); serie temporal, mapa, estadísticas de un mapa; periodo 2020-06-01 / 2023-10-31; región a drawn polygon over each lake (small lakes: Sentinel-2, 10-20 m pixels). Pregúntale al asistente: "Serie mensual de la clorofila-a (Chl-a) de Sentinel-2 en la Laguna de la Caldera (polígono dibujado), de junio a octubre de 2020 a 2023, con el filtro de agua automático"

¿Qué índices, modelos y correcciones atmosféricas funcionan para estimar la clorofila-a en aguas continentales con Sentinel-2?

Joana Llodrà-Llabrés, Javier Martínez-López, Thedmer Postma et al. (2023). Retrieving water chlorophyll-a concentration in inland waters from Sentinel-2 imagery: Review of operability, performance and ways forward. International Journal of Applied Earth Observation and Geoinformation. https://doi.org/10.1016/j.jag.2023.103605

Esta revisión sintetiza los estudios que estimaron la clorofila-a, indicador del estado trófico, con Sentinel-2 en lagos, embalses y ríos, comparando índices, modelos, correcciones atmosféricas y muestreos de campo. Evalúa qué decisiones influyen más en la exactitud y cuán operativos son los métodos, y propone líneas de avance.

Con MonitorEO: NDCI (Sentinel-2), Chl-a (Sentinel-2); serie temporal, mapa; periodo 2018-01-01 / 2024-12-31; región a drawn polygon over a lake or reservoir. Pregúntale al asistente: "Serie mensual del NDCI de Sentinel-2 entre 2018 y 2024 en el embalse de Cubillas (polígono dibujado), con el filtro de agua automático"

Incendios

¿Se pueden detectar las áreas quemadas de un espacio protegido con índices espectrales de Sentinel-2 como el NDVI o el RBR?

Ederson Steven Cobo-Muelas, Pablito Marcelo López-Serrano, Christian Wehenkel et al. (2026). Wildfire Detection in the Iztaccíhuatl-Popocatépetl Protected Natural Area Using Spectral Indices and Logistic Regression. Fire. https://doi.org/10.3390/fire9020050

Se detectaron las áreas quemadas del Área Natural Protegida Iztaccíhuatl-Popocatépetl (centro de México) con una regresión logística alimentada con variables de Sentinel-2: NDVI, un Relativized Burn Ratio corregido y la banda SWIR2. La concordancia con las áreas quemadas observadas llegó a cerca de 0,79 (kappa y exactitud global) y los resultados dependieron del umbral de probabilidad elegido.

Con MonitorEO: RBR (Sentinel-2), NBR (Sentinel-2), NDVI (Sentinel-2); severidad del incendio, mapa de la comparación; región {"find_protected_areas": "Iztaccíhuatl-Popocatépetl"}. Pregúntale al asistente: "Severidad del incendio con el RBR de Sentinel-2 en el Parque Nacional Iztaccíhuatl-Popocatépetl: periodo antes [3 meses antes del incendio] y después [2-3 meses tras el incendio]"

Energía y temperatura

¿Qué zonas de Granada combinan más exposición y vulnerabilidad al calor, y cómo influye la vegetación urbana en mitigarlo?

Carson Silveira, Nuria Pistón, Javier Martínez-López et al. (2025). Identifying priority heat-risk areas in Granada, Spain, using InVEST and landscape metrics. Urban Forestry & Urban Greening. https://doi.org/10.1016/j.ufug.2025.128794

Se modelizó el calor urbano de Granada y su área metropolitana con el modelo de enfriamiento urbano de InVEST y se cruzó con índices de exposición al calor y de vulnerabilidad social para hallar zonas prioritarias. Los árboles de regresión potenciados mostraron que una cubierta verde de más del 35 % con manchas de más de unos 200 m² es la que más enfría, por lo que se recomienda conectar pequeños espacios verdes en los barrios densos.

Con MonitorEO: LST (Landsat), NDVI (Sentinel-2), ALBEDO (Sentinel-2); mapa, estadísticas de un mapa, GeoTIFF; periodo 2020-06-01 / 2024-08-31; región {"point": [-3.6, 37.18], "buffer": 8000}. Pregúntale al asistente: "Mapa de la temperatura superficial (LST) de Landsat de los veranos (junio-agosto) de 2020 a 2024 en Granada (punto con 8 km de radio)"

¿Cómo caracterizar y seguir con satélite el servicio de regulación del clima de los ecosistemas, incluidos sus efectos biofísicos?

Alcaraz-Segura, D., Berbery, E.H., Müller, O.V. et al. (2013). Characterizing and monitoring climate regulation services. Earth Observation of Ecosystem Services. https://doi.org/10.1201/b15628-21

El capítulo defiende que la regulación del clima por los ecosistemas incluye efectos biofísicos (balance de agua y energía) además de los gases de efecto invernadero, y discute el índice de valor de regulación climática, cuya parte biofísica depende de la radiación neta y del flujo de calor latente. Muestra cómo la información de la superficie obtenida por satélite permite caracterizar y seguir este servicio.

Con MonitorEO: LE (Modis), ALBEDO (Modis), LST (Modis); serie temporal, tendencias; periodo 2001-01-01 / 2020-12-31; región a drawn polygon or a protected area. Pregúntale al asistente: "Serie mensual del calor latente (LE), el albedo y la LST de MODIS de 2001 a 2020 en un polígono dibujado"

Atmósfera

¿Cómo se han distribuido en el espacio y en el tiempo los aerosoles (AOD) en Sierra Nevada en los últimos 20 años y cómo se relacionan con los ecosistemas?

Ana del Águila, Domingo Alcaraz-Segura, Javier Martínez-López et al. (2024). Two decades of high-resolution aerosol product over the Sierra Nevada Mountain region (SE Spain): Spatio-temporal distribution and impact on ecosystems. Atmospheric Research. https://doi.org/10.1016/j.atmosres.2024.107515

El espesor óptico de aerosoles de MODIS MAIAC a 1 km (2001-2022) se validó con tres estaciones AERONET a distintas altitudes y se usó para cartografiar los aerosoles de Sierra Nevada. El AOD fue mayor cerca de valles y núcleos urbanos y disminuyó con la altitud salvo sobre la nieve, y sus tendencias mensuales se analizaron por tipo de ecosistema y franja de altitud en el espacio protegido.

Con MonitorEO: ARSL (Modis); serie temporal, tendencias, mapa de la tendencia, mapa; periodo 2001-01-01 / 2022-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Tendencia mensual del espesor óptico de aerosoles (ARSL) de MODIS en el Parque Nacional de Sierra Nevada entre 2001 y 2022"

Relieve

¿Cómo afectará el cambio climático a una planta endémica de roquedos de alta montaña de Sierra Nevada, y difiere según la altitud de sus subpoblaciones?

Antonio J. Mendoza-Fernández, Ángel Fernández-Ceular, Domingo Alcaraz-Segura et al. (2022). The Fate of Endemic Species Specialized in Island Habitat under Climate Change in a Mediterranean High Mountain. Plants. https://doi.org/10.3390/plants11233193

Para Moehringia fontqueri, endemismo amenazado de los roquedos silíceos de umbría del este de Sierra Nevada, los autores midieron la producción de semillas y modelizaron la idoneidad del hábitat actual y futura con Maxent usando predictores topográficos, de satélite y climáticos. Evaluaron por separado las subpoblaciones según la altitud para orientar su conservación ante el cambio climático.

Con MonitorEO: ELEVATION (Copernicus), SLOPE (Copernicus), BIO01 (WorldClim), BIO12 (WorldClim), SCF (Landsat), NDVI (Sentinel-2); descarga de variables (entradas de un modelo); periodo 2018-01-01 / 2022-12-31; región {"wdpa_id": 389011}. Pregúntale al asistente: "Descarga en rejillas alineadas la elevación, la pendiente, BIO01 y BIO12 de WorldClim, la frecuencia de nieve de Landsat y el NDVI de Sentinel-2 de 2018 a 2022 en el Parque Nacional de Sierra Nevada por encima de 2.000 m"