Morinigo Ortiz, C. M. Revista sobre estudios e investigaciones del saber académico
Revista sobre estudios e investigaciones del saber académico, 20 (20), enero /diciembre de 2026 ISSN: 2078-5577 e-ISSN: 2078-7928 4/13
longitude, latitude y classe) correspondientes al año en
análisis. Posteriormente, estos puntos se visualizan
mediante un gráfico de dispersión (scatter plot), donde
la posición de cada punto en el plano se define por sus
coordenadas geográficas. A cada punto se le asigna un
color específico según su código de clase (classe),
utilizando una paleta de colores predefinida que se
corresponde con la leyenda oficial de MapBiomas
para facilitar la identificación visual. Para simular una
apariencia de raster o cuadrícula continua, se utilizan
marcadores cuadrados de tamaño reducido. Luego, se
añaden los elementos cartográficos esenciales para su
interpretación: un título descriptivo, etiquetas en los
ejes de coordenadas y una leyenda que asocia de forma
explícita cada color con el nombre de la clase de
cobertura correspondiente.
Matriz de Transición de Cobertura del Suelo: La
metodología para su construcción se basa en un
análisis de tabulación cruzada de los datos espaciales.
Primero, los datos, originalmente en formato de lista
de coordenadas, se reestructuran para que cada punto
geográfico único (longitude, latitude) tenga en una
misma fila su clase de cobertura correspondiente para
el año inicial (1995) y el año final (2022). A
continuación, se realiza una tabulación cruzada para
contar el número de puntos para cada posible
combinación de transición. Formalmente, cada celda
Mij de la matriz se calcula como la cantidad total de
píxeles que pertenecían a la clase i en el tiempo t1 y a
la clase j en el tiempo t2, según la fórmula:
Mij=∣{p∣C(p,t1)=i∧C(p,t2)=j}∣ ..donde p es cada
coordenada única, C(p,t) es la clase del píxel p en el
tiempo t, con t1=2016 y t2=2022.
Esta matriz de conteos de píxeles se representa
visualmente como un mapa de calor, donde la
intensidad del color de cada celda es directamente
proporcional al valor numérico de Mij, permitiendo
una rápida identificación de las transiciones más y
menos frecuentes. La diagonal de la matriz (i=j)
muestra la cantidad de píxeles que permanecieron
estables en su clase durante el período.
Análisis de Ganancias, Pérdidas y Persistencia: El
análisis se fundamenta en la matriz de transición de
áreas M, donde cada elemento Mij representa la
superficie en hectáreas que transitó de la clase inicial
i (en 1995) a la clase final j (en 2022). A partir de esta
matriz, se calculan tres métricas clave para cada clase:
1) la Persistencia (Pi), que es el área que no cambió de
clase y corresponde a los elementos de la diagonal de
la matriz (Pi=Mii); 2) las Pérdidas (Li), que
representan el área total de la clase i en 1995 que se
convirtió en cualquier otra clase para 2022, calculada
como la suma de la fila de la clase menos su
persistencia (Li=(∑jMij)−Mii); y 3) las Ganancias (Gi
), que es el área total que la clase i adquirió de todas
las demás clases, calculada como la suma de la
columna de la clase menos su persistencia (Gi=(∑jMji
)−Mii). Estos tres valores se visualizan para cada clase
en el gráfico de barras, permitiendo una comparación
directa de su magnitud y revelando qué clases fueron
las más estables, dinámicas, expansivas o recesivas
durante el período de estudio.
Matriz de Adyacencia de Clases: La metodología se
inicia convirtiendo los datos de puntos geográficos en
una cuadrícula o raster para establecer relaciones de
vecindad. Posteriormente, el análisis recorre cada
píxel de la cuadrícula, identificando la clase de sus
ocho vecinos inmediatos (vecindad de Moore). Por
cada par de píxeles adyacentes con clases i y j, se
incrementa un contador para esa interacción
específica. Para asegurar que cada límite entre dos
clases se cuente solo una vez, el proceso es simétrico
(la adyacencia entre la clase i y la j es la misma que
entre j e i). El resultado es una matriz cuadrada y
simétrica, A, donde cada celda Aij contiene el número
total de bordes compartidos entre los píxeles de la
clase i y los de la clase j en todo el paisaje. Esta matriz
de frecuencias de adyacencia se visualiza como un
mapa de calor, donde una mayor intensidad de color