Novasinergia 2023, 6(1), 136-149. https://doi.org/10.37135/ns.01.11.09 http://novasinergia.unach.edu.ec
Artículo de Investigación
Aproximación espacial para la identificación de áreas de huertos familiares
en zonas rurales: el caso de Sinincay – Cuenca – Ecuador
A spatial approach for the identification the family orchards areas in rural areas: the case of
Sinincay -Cuenca – Ecuador
Enrique Flores Juca1, Eric Gielen2, Viviana Lucero Guaillazaca3
1Universidad de Cuenca, Facultad de Arquitectura, Cuenca, Ecuador, 010109
2 Universitat Politècnica de València, Valencia, España, 46022; egielen@urb.upv.es
3 Universidad de Cuenca, Facultad de Arquitectura, Cuenca, Ecuador, 010402; viviana.lucerog@ucuenca.edu.ec
*Correspondencia: enrique.flores@ucuenca.edu.ec
Citación: Flores, E., Gielen, E., &
Lucero, V., (2023). Aproximación
espacial para la identificación de
áreas de huertos familiares en
zonas rurales: el caso de Sinincay –
Cuenca – Ecuador. Novasinergia.
6(1). 136-149.
https://doi.org/10.37135/ns.01.11.09
Recibido: 02 enero 2023
Aceptado: 14 enero 2023
Publicación: 17 enero 2023
Novasinergia
ISSN: 2631-2654
Resumen: Cartografiar usos del suelo y delimitar ámbitos de estudio
en las zonas periféricas de las ciudades ha sido uno de los temas
centrales de la literatura sobre estudios urbanos y territoriales en países
latinoamericanos con difícil acceso a datos en donde los procesos de
transformación son acelerados. El objetivo de este estudio fue proponer
una metodología aplicable para la detección de áreas de huertos
familiares en zonas rurales de Cuenca. Se partió del uso de imágenes
satelitales Sentinel-2 y procesos de clasificación no supervisados para
identificar las posibles áreas de cultivos y con base en ello se definieron
criterios espaciales para clasificar e identificar los huertos familiares,
basados en las características propias de los huertos. Se identificó en
campo un total de 699 huertos. Por lo tanto, este estudio es una primera
aproximación a la identificación de huertos familiares en zonas rurales,
y constituye una información de gran utilidad para los gobiernos
locales, quienes son los encargados de impulsar estas actividades y a
su vez mejorar las condiciones de producción, movilización y
comercialización del grupo vulnerable que se dedica a la actividad
agrícola de subsistencia. Es así como esta investigación puede ser
replicada en diferentes localidades y contextos geográficos.
Palabras clave: Cultivos, Sentinel-2, Teledetección, Usos de suelo.
Copyright: 2023 derechos
otorgados por los autores a
Novasinergia.
Este es un artículo de acceso abierto
distribuido bajo los términos y
condiciones de una licencia de
Creative Commons Attribution
(CC BY NC).
(http://creativecommons.org/licens
es/by/4.0/).
Abstract: Mapping land use and delimiting study areas in the peripheral zones
of cities has been one of the central themes of the literature on urban and
territorial studies in Latin American countries with difficult access to data
where transformation processes are accelerated. The objective of this study was
to propose an applicable methodology for the detection of home garden areas in
rural areas of Cuenca. It was based on the use of Sentinel-2 satellite images and
unsupervised classification processes to identify possible cultivation areas.
Based on this, spatial criteria were defined to classify and identify home gardens,
based on the characteristics of the gardens themselves. A total of 699 gardens
were identified in the field. Therefore, this study is a first approximation to the
identification of home gardens in rural areas and constitutes very useful
information for local governments, who are responsible for promoting these
activities and in turn improving the production, mobilization, and marketing
conditions of the vulnerable group that engages in subsistence agriculture.
Thus, this research can be replicated in different localities and geographical
contexts.
Keywords: Cropland, Sentinel-2, Remote sensing, Land use.
Novasinergia 2023, 6(1), 136-149 137
1. Introducción
A mediados del siglo XX, Latinoamérica inició un proceso de industrialización que provocó
cambios en sus estructuras espaciales, como consecuencia se desató un enorme flujo de migración
definitiva del campo a la ciudad, atraídos por la propaganda de cultura urbana, los servicios y las
oportunidades de empleo que ofrece el modelo de ciudad (Ruiz-López, Vieyra & Méndez-Lemus,
2021a). Esta migración propició la densificación y expansión de las ciudades (Güneralp, Reba, Hales,
Wentz & Seto, 2020). Desde la década de los 80, las ciudades latinoamericanas mostraron un
crecimiento urbano fragmentado asociado a un nuevo modelo de desarrollo económico basado en
el neoliberalismo y fuertemente influenciado por la globalización (Flores-Juca, Mora-Arias & Chica-
Carmona, 2020). Según Flores (2022), el modelo fragmentado de ciudad se conforma espacialmente
por elementos lineales (nuevas autopistas) y celulares (asentamientos dispersos y diversos en el
periurbano). Estos elementos han motivado la expansión de espacio urbano hacia la periferia tanto
en ciudades medias como grandes. En el primer caso la urbanización se ha caracterizado por un
intenso crecimiento demográfico y físico (Wójtowicz, 2014; Ruiz López, Viera & Méndez-Lemus,
2021b).
A medida que la mancha urbana avanza con usos residenciales hacia los territorios rurales, se reduce
la cantidad y calidad de los suelos con vocación agrícola y de protección natural, es decir se contrae
el área disponible para la producción de alimentos, con la consiguiente pérdida de biodiversidad,
así como el incremento de las emisiones de carbono y la disminución en la prestación de los servicios
ecosistémicos (Baldini, Marasas, Tittonell & Drozd, 2022). Por otra parte, los suelos agrícolas son
reemplazados por nuevos usos residenciales, los cuales combinan características urbanas y rurales
e incluyen diferentes tipos de paisajes, como espacios agrícolas y zonas urbanas edificadas
consolidadas y dispersas que se construyen sin planificación y de forma descontrolada (Cattivelli,
2021; Follmann, Willkomm & Dannenberg, 2021; Donoso, 2016). De este modo, un control activo de
la expansión del suelo urbano, especialmente en las ciudades pequeñas y medianas, será
fundamental para salvaguardar las tierras agrícolas (Güneralp, Reba, Hales, Wentz & Seto, 2020).
El fomento de actividades agrícolas multifuncionales sería una solución para conservar su
biodiversidad y los servicios ecosistémicos, esto complementado con una adecuada planificación
territorial que promueva un desarrollo más inclusivo dirigido a los sectores sociales y productivos
tradicionalmente desatendidos. En el caso de Cuenca, su área periurbana y rural sigue manteniendo
un paisaje multifuncional, con una diversidad de actividades productivas (horticultura, ganadería,
agricultura extensiva, lechería, producción de huevos y pollos, entre otras). Sin embargo, la intensa
urbanización no planificada ha ido ganando terreno en las últimas décadas poniendo en riesgo la
infraestructura ecológica, la agricultura y los medios de vida de la población rural. En este contexto,
la importancia de preservar los suelos agrícolas mediante la práctica de la agricultura tanto en el
área periurbana como rural es la más adecuada y apoyada por la literatura (Kassis, Bertrand &
Pecqueur, 2021). Según datos obtenidos de la Organización de las Naciones Unidas para la
Alimentación y la Agricultura (en inglés FAO) una gran parte de la producción de alimentos en el
mundo proviene de la agricultura familiar periurbana y rural (Salcedo & Guamán, 2014). De este
modo, la FAO propone la Agricultura Urbana y Periurbana (AUP) como estrategias para el
fortalecimiento de la agricultura familiar y la gestión de estas áreas además de contribuir a la
soberanía alimentaria y la economía local (FAO, 2014). Las AUP son actividades que se realizan en
huertos, parcelas y otros pequeños campos cerca o dentro de los límites urbanos cuyo objetivo es
producir alimentos para la venta o el autoconsumo, incluido el cultivo de plantas y la cría de
animales. Por otra parte, la agricultura que se practica en el área rural es aquella que se encuentra
más alejada de los límites urbanos o de las zonas de expansión de las ciudades y las actividades de
Novasinergia 2023, 6(1), 136-149 138
agricultura se presentan de manera más intensa. Estos territorios rurales generalmente son carentes
de servicios e infraestructuras y sus actividades agrícolas no se desarrollan de manera técnica.
En los territorios rurales del Ecuador, se presentan grupos de habitantes, generalmente encabezados
por mujeres que se dedican a la agricultura ya sea para autoconsumo o comercialización. La
agricultura es la principal fuente de empleo para ellas en las zonas rurales, ocupando un rol
predominante en la produccin de alimentos a pequea escala, la preservacin de la biodiversidad,
la recuperacin de prácticas agroecolgicas y, por tanto, en la garanta de la soberana y la seguridad
alimentaria y nutricional de los países en vías de desarrollo (FAO, 2014). El desarrollo rural requiere
cambios que permitan la revalorizacin de las reas rurales sobre nuevas fuentes de renta. La
participacin activa y formal de las mujeres en esta mutacin resulta clave, aunque se necesitan
instrumentos econmicos para fomentar su empoderamiento además de la implantación de políticas
de gestión de actividades que van a requerir de herramientas tecnificadas o tecnológicas que
permitan conocer los territorios con claridad y los usos de suelo que se presentan (Buendía-Martínez
& Carrasco, 2013).
De manera general la práctica de la agricultura desempeña un papel fundamental en lo económico,
social y ambiental (Echeverri & Ribero, 2002). Varios autores sostienen que la práctica de la AUP y
rural desempeña un papel fundamental en la sostenibilidad y resiliencia urbana; en el cambio
climático y la conservación del medio ambiente, la seguridad alimentaria y nutrición, y mitigación
de la pobreza (FAO, 2014; Clavijo Palacios & Cuvi, 2017). Por otro lado, conservar los territorios
donde se practican estas actividades requiere de la creación de acciones y políticas; sin embargo,
estos territorios no tienen la debida atención por ejemplo en varios países latinoamericanos la
ausencia de políticas en materia de agricultura urbana y periurbana son inexistentes. A pesar de
esto, la tierra y los recursos naturales se utilizan cada vez más intensamente, lo que resulta en la
degradación de la tierra (Manzanal, 2017).
Para los procesos de planificación y delimitación de las áreas de estudio es necesario contar con
información cartográfica actualizada. Las zonas de cultivo están constantemente sujetos a
variaciones ocasionadas por el cambio climático y el acelerado crecimiento urbano, entonces es
necesario obtener información sobre la ubicación, forma, extensión espacial y ciertas características
de los cultivos. Ante esta necesidad, autores como Follmann, Willkomm, & Dannenberg (2021) y
Masoud, Persello, & Tolpekin (2020) aseveran la necesidad de información actualizada para
gestionar las áreas de cultivo y su importancia para conocer el porcentaje de las áreas terrestres
dedicadas a la agricultura a fin de evaluar y comparar el crecimiento y las condiciones de los
cultivos. En los países del norte se han realizado inventarios de tierras, para obtener información
oportuna y precisa sobre las tierras de cultivo. Programas como el Sistema Mundial de Información
y Alerta (SMIA), el Monitor de Cultivos de Alerta Temprana y la Red de Sistemas de Alerta
Temprana contra la Hambruna (FEWSNET), se encargan de dar seguimiento a nivel mundial de las
áreas de cultivo. Sin embargo, en países de Latinoamérica este tema no ha sido abordado en su
totalidad.
El uso de la teledetección (en inglés remote sensing) ofrece la posibilidad de realizar un seguimiento
global de las tierras de cultivo de forma espacialmente explícita, económica, eficiente y objetiva
(Weiss, Jacob, & Duveiller, 2020). La teledetección es una técnica para observar la superficie terrestre
desde el espacio mediante satélites por los cuales se obtiene información de objetos o áreas de la
superficie de la Tierra sin estar en contacto directo con el objeto o área. La mayoría de los dispositivos
de teledetección registran información sobre un objeto midiendo la transmisión de energía
electromagnética de las superficies reflectantes y radiantes. Las 13 bandas espectrales de Sentinel-2
transmiten una información satisfactoria, no obstante, su potencial para la detección y delineación
de límites agrícolas no se ha explorado completamente y requiere en algunos casos el apoyo de otros
Novasinergia 2023, 6(1), 136-149 139
procesos para su completo desarrollo. Esta técnica es utilizada en varias áreas de estudio como en la
detección y monitoreo de inundaciones, detección de la calidad del aire, monitoreo de actividad
sísmica, detección de la expansión urbana, y detección y control de actividades como la agricultura,
que ha sido abordada en las últimas décadas por lo tanto se encuentra en desarrollo y con buenos
resultados (Weiss, Jacob & Duveiller, 2020).
Se han efectuado numerosas investigaciones, para identificar las áreas de cultivo, y en estas se han
utilizado metodologías de clasificación de imágenes de satélite de alta y media resolución (Waldner
et al., 2016). La teledetección al ser una herramienta para gestionar y monitorear la agricultura ofrece
la posibilidad de realizar un seguimiento global de las tierras de producción agrícola de forma
eficiente y objetiva, además, es una herramienta no invasiva y permite obtener resultados en tiempo
real (Yu et al., 2013; Frere & Popov, 1979; Kennedy & Payongayong, 1992; Unganai & Kogan, 1998;
Brown & McCarty, 2017).
El reciente lanzamiento del satélite Sentinel-2 por parte de la Agencia Espacial Europea ha permitido
el acceso a imágenes satelitales de resolución espacial moderada a alta (10-30m) y de libre acceso
para ser utilizadas con otras aplicaciones en varios estudios como la agricultura, la planificación
urbana, la gestión de recursos naturales, la clasificación de cultivos (Sonobe et al., 2018; You et al.,
2021), el control de desastres entre otros (Forkuor, Dimobe, Serme, & Tondoh 2018; Caballero, Ruiz,
& Navarro, 2019). Por esta razón en este estudio nos centramos en el análisis de las imágenes de
Sentinel-2, disponibles bajo una política de datos abiertos (Masoud, Persello, & Tolpekin, 2020), al
ser parte importante del proceso metodológico propuesto y que será explicado posteriormente.
Varios estudios abordan diversos procedimientos y metodologías para la definición de áreas de
huertos y de cultivos. Tal es el caso de Flevoland, Países Bajos en donde el objetivo del estudio es
delimitar zonas de campos agrícolas utilizando imágenes satelitales libres de Sentinel 2 (resolución
media) para lo cual se utiliza una técnica de análisis automático basado en algoritmos (deep
learning) capaz de extraer elementos como los bordes y curvas de una imagen de entrada
determinada para solucionar problemas de clasificación. El estudio concluye con la producción de
cartografía con la delimitación de los campos agrícolas a una resolución de 5m. Esta experiencia
holandesa ha demostrado que con el uso de tecnología y la disponibilidad de recursos (información)
se puede obtener resultados rápidos y eficientes de estas localidades. La FAO plantea otro ejemplo
con una metodología de zonificación agroecológicas (ZAE) que define zonas en base a
combinaciones de suelo, fisiografía y características climáticas. Sin embargo, esta metodología
presenta ciertas limitaciones ya que debe disponer de un listado de información que en algunos
casos se encuentra obsoleta o incompleta, además de que su procesamiento se convierte en un trabajo
laborioso y costoso (Masoud, Persello, & Tolpekin, 2020; Persello, Tolpekin, Bergado, & De By, 2019).
Por último, el objetivo de este estudio es generar un proceso metodológico para la detección de áreas
de cultivos aplicable en ciudades latinoamericanas, con la tecnología disponible y de acceso público.
De esta forma en este trabajo se desarrollará a partir del uso de Sentinel-2, la construcción de
variables que permiten clasificar los tipos de suelo y el trabajo en campo que permita validar este
proceso.
2. Materiales y métodos
2.1 Área de estudio
El cantón Cuenca se conforma por una cabecera cantonal, la ciudad, y por 21 parroquias
rurales cada una conectada al centro urbano por medio del sistema de infraestructura vial. La ciudad
de Cuenca es la tercera ciudad más poblada del Ecuador con cerca de 500 000 habitantes (INEC,
Novasinergia 2023, 6(1), 136-149 140
2010) y la principal en actividades económicas en el sur del país. En los últimos 30 años, el área
urbana oficial de la ciudad se ha triplicado pasando de 2,7 hectáreas en 1982 a 7,3 hectáreas en 2010,
este crecimiento ha afectado a las zonas de conservación, áreas naturales y suelos agrícolas (Gielen
et al, 2019).
Sinincay es una de las 21 parroquias rurales del cantón Cuenca (ver Figura 1). Fue fundada en el año
1898 convirtiéndose en una de las parroquias más antiguas. Según el último censo realizado en el
país, 2010, tiene una población de 15 859 habitantes, es la cuarta parroquia rural con mayor número
de habitantes (INEC, 2010). Su extensión territorial es de 44,66 km2 dividido en 40 comunidades. La
temperatura media anual de la parroquia oscila entre 6 y 8 °C en las zonas altas y entre los 14 y 16°C
en las zonas bajas. Las características climáticas y biofísicas de los ecosistemas andinos le confieren
excelentes capacidades de brindar servicios ecosistmicos, por ejemplo, los de buen rendimiento y
regulación hidrológica permitiendo captar agua en las zonas altas para irrigación con fines
productivos, además presenta un amplio rango altitudinal que va de los 2500 a los 4000 msnm, que
influye en todos los elementos biofísicos del ecosistema, permitiéndole tener una amplia gama de
pisos climáticos y características biofísicas y paisajísticas (Actualización PDOT Sinincay, 2022).
La parroquia de Sinincay se encuentra dentro de las cabeceras de mayor crecimiento poblacional, de
acuerdo con la Actualización del PDOT de Cuenca de 2022, en este mismo estudio se le asigna tres
categorías de ordenación territorial que son de conservación, producción y expansión urbana. Parte
de su territorio está considerado como suelo rural de expansión urbana para la ciudad de Cuenca,
además se le reconoce como un nodo de articulación entre lo urbano y rural, en donde se fomenta
la consolidación de usos que la configura como punto de encuentro para el abastecimiento de
comercios, servicios y equipamientos a nivel parroquial.
Figura 1: Mapa localización del área de estudio.
Novasinergia 2023, 6(1), 136-149 141
2.2 Metodología
Para la detección y delimitación de las áreas de huertos familiares se construyó una
metodología mixta que combinó aspectos cuantitativos y cualitativos. Debido a que a través de la
teledetección no se puede definir directamente los huertos, se necesita de un proceso previo:
identificar las áreas de cultivo en general. Por ello el análisis se dividió en dos fases: i) identificación
de usos de suelo: cultivo y ii) identificación de huertos familiares como se muestra en la Figura 2.
Figura 2. Diagrama de flujo del proceso metodológico aplicado para detectar áreas de cultivos y huertos.
Fase 1. Identificación de usos de suelo: cultivo
Se utilizó información de carácter secundario para la identificación de los cultivos,
proveniente de imágenes satelitales, Sentinel-2, y cartografía georeferenciada de la parroquia de
estudio. Mientras que para la validación de información se utilizó información primaria, visitas a
campo. Los datos se procesaron a través de herramientas SIG (ArGIS). Esta fase estuvo compuesta
por cuatro procesos:
• Proceso 1. Definición del área específica de estudio: Se excluyeron de la parroquia de estudio,
Sinincay, los suelos con uso de conservación natural, que corresponde al 43 % (20,24 km2), es
decir el área específica de estudio es de 26,37 % km2. Con base en esta área de estudio se buscó
una imagen satelital actual. Para la adquisición de esta se utilizó el servidor web Copernicus Open
Access, mediante el cual se obtuvieron diversas imágenes del satélite Sentinel-2 del año 2021. Se
seleccionó la imagen con fecha del 24 de agosto de 2021 debido a que poseía menor porcentaje
de nubosidad (menor al 10 %). Se utilizó el producto de Sentinel-2, Level-2A, pues este tipo de
imágenes se encuentran ortorectificadas y con niveles de reflectancia por debajo de la atmósfera,
es decir ya se encuentran corregidas atmosféricamente (ESA, 2021), por ende no necesitó otro
proceso posterior de corrección. La imagen Sentinel-2 tiene un tamaño de 100x100km,
conformado por 13 bandas espectrales clasificadas de la siguiente manera: cuatro bandas de 10m
de resolución (2, 3, 4 y 8 que representan las bandas azul, roja, verde y NIR respectivamente),
seis bandas de 20 m de resolución (5, 6, 7 y 8A que representan las bandas de vegetación; y 11 y
12 bandas SWIR) y tres bandas con resolución de 60 m (1, 9 y 10 para la detección de aerosoles,
vapor de agua y cirros, respectivamente) (ESA, 2019); asimismo, en la penúltima y última
columna cada banda posee diferentes resoluciones espaciales (Tabla 1).
Novasinergia 2023, 6(1), 136-149 142
Tabla 1: Descripción de bandas de Sentinel-2.
Nro.
Nombre de banda
Resolución (m)
Longitud de onda central (nm)
Ancho de onda (nm)
1
Coastal aerosol
60
442.3
45
2
Blue
10
492.1
98
3
Green
10
559
46
4
Red
10
665
39
5
Vegetation Red Edge
20
703.8
20
6
Vegetation Red Edge
20
739.1
18
7
Vegetation Red Edge
20
779.7
28
8
NIR
10
833
45
8a
Narrow NIR
20
864
32
9
Water vapour
60
943.2
27
10
SWIR – Cirrus
60
1376.9
76
11
SWIR
20
1610.4
141
12
SWIR
20
2185.7
238
Fuente: ESA, 2019
Una vez con la imagen seleccionada se procedió a recortarla, para tener únicamente del área
de estudio. Para ello se utilizó la herramienta Clip de ArcGIS (Data management
tools/raster/raster processing/clip). Como dato de salida se obtuvo la imagen raster del área
específica de estudio sobre el cual se identificó las áreas de cultivo.
• Proceso 2. Clasificación no supervisada. Esta clasificación reconoce conjuntos de píxeles de las
distintas bandas o cluster con un comportamiento espectral similar (ArcGis, s.f). Por ello se
utilizó este tipo de clasificación pues se adaptó al objetivo de esta fase que consistió en realizar
una aproximación a las áreas de cultivo. Sobre el ámbito específico de estudio definido se efectuó
el proceso de categorización mediante el uso de la herramienta -Clasificación no supervisada de
clúster ISO (ArcGis)- que se encarga de ordenar por tipos los píxeles de la imagen ráster de
entrada para proporcionar un ráster clasificado. Después de algunas pruebas con diferentes
números de cluster, se definió que 10 clusters reflejaban de mejor manera la situación del área de
estudio. Por consiguiente, el resultado es un ráster clasificado en 10 clusters.
• Proceso 3. Definición de los usos de suelo: cultivo. Con base en el resultado anterior se realizó
una reclasificación de clústeres excluyendo a todos los clústers que no pertenecen a la categoría
de uso cultivos. Se obtuvo de esta manera un shape con las posibles áreas de cultivo, un total de
6906 polígonos.
• Proceso 4. Validación de la cartografía de uso de suelo cultivo. Se realizó una comprobación en
campo como lo realizó Ferrelli, et.al (2020), quienes manifiestan que este proceso genera
validaciones con buenos ajustes, incluso similares a índices como el de Kappa. Se utilizó esta
metodología porque además de validar la información se podía identificar la clase de cultivos
que se presentan en el área de estudio. Se tomó una muestra con el 96 % de confiabilidad, una
frecuencia del 50 % y un error del 4 %, obteniendo un total de 602 polígonos. La validación en
Novasinergia 2023, 6(1), 136-149 143
campo se realizó de manera aleatoria. De los polígonos muestra, 30 fueron erróneos, es decir no
coinciden con el uso cultivo (5% error), indicando que la teledetección tuvo un nivel de
confiabilidad del 95 %. Validando de esta manera los resultados de clasificación y reclasificación
de la imagen satelital.
Fase 2. Identificación de huertos familiares
Para identificar los huertos se parte con el resultado obtenido en la fase anterior:
identificación de usos de suelo cultivo.
• Proceso 5. Definición de criterios para la identificación de huertos familiares. Con base a las
visitas de campo realizadas para la validación de los suelos con uso cultivo se definió tres
criterios:
o El predio debe poseer un área entre 200 y 4.000 m2. Debido a que existen predios muy
amplios dedicados a cultivos.
o El predio debe presentar un uso de suelo cultivo del 60% de su área. Existen predios que
tienen muy poca área de cultivo, por ello se estableció este criterio.
o El predio debe encontrarse a menos de 10 m de una edificación. Con la finalidad de que
sea considerado como huerto familiar.
• Proceso 6. Identificación de huertos familiares. Con base al deslinde predial existente, el shape
de usos de suelo cultivo y los medidores de energía eléctrica geolocalizados (un medidor = una
edificación) se realizó una superposición, utilizando la herramienta -Análisis de superposición-
Combinación (ArcGis)-. De los resultados obtenidos se seleccionaron solo los que cumplían con
los criterios establecidos en el proceso 5.
• Proceso 7. Validación de información de huertos familiares. Para facilitar el trabajo en campo y
el levantamiento de información se dividió el ámbito de estudio en cuatro sectores
(S01,S02,S03,S04). En el sector S01 se identificaron pocos huertos familiares debido a que es una
zona de expansión urbana y la mayor parte se encuentra urbanizada. Mientras que en el sector
S04, es el que está más alejado de la ciudad, posee grandes áreas de cultivo, pero pocas
edificaciones y por lo tanto se identificaron pocos huertos familiares. En este contexto, se
seleccionaron los sectores S03 y S04 puesto que presentan mayor concentración de huertos
familiares. Además, estas áreas al estar próximas a la ciudad cuentan con un buen nivel de
accesibilidad, situación que facilita el levantamiento de datos en campo. Este levantamiento de
información lo realizaron 54 estudiantes a través de un aplicativo móvil el 09 de abril del 2022.
Con el análisis de esta información se determinó de manera más exacta las posibles áreas de
huertos.
3. Resultados
En concordancia con la metodología planteada se obtiene el primer resultado de la fase uno
que es la identificación de 6906 posibles áreas de cultivo como se muestra en la Figura 3. Con este
primer resultado se evidencia que la teledetección posibilita adquirir información en áreas que se
desconoce, permitiendo tener un registro de posibles áreas agrícolas que servirán como un
instrumento de información preliminar para la identificación posterior de huertos familiares en
campo. Los resultados de esta primera pueden proporcionar imágenes casi en tiempo real del ámbito
de estudio, en función de imagen utilizada. La cuales además de ser gratuitas y con una cobertura
espacial muy amplia, permiten seguir y conocer los acelerados procesos de cambio en los usos del
suelo en las periferias urbanas y en el contexto de las ciudades latinoamericanas.
Novasinergia 2023, 6(1), 136-149 144
Figura 3: Mapa de posibles áreas de cultivos en Sinincay.
Si bien se agrupa en un mismo cluster cultivo, -los huertos familiares- objeto de estudio con cultivos
más intensivos correspondientes con actividades agrícolas más especializadas y también zonas
ajardinadas en las zonas urbanas, la combinación de la teledetección con métodos de selección
mediante la definición de criterios espaciales permite la localización aproximada de los huertos
familiares. De esta manera se obtuvo que de los 6906 predios con uso cultivo, 3182 son posiblemente
huertos. Al final, fue posible localizar a 699 huertos con cultivos de ciclo cortos, como hortalizas y
vegetales, entre las que se destacan cebolla, zanahorias, col, lechugas, tomate, cilantro, perejil, ajo y
otros, la mayoría de las veces combinadas con cultivos de maíz, frijol y habas (ver Figura 4).
Figura 4: Mapa de huertos localizados en Sinincay
Novasinergia 2023, 6(1), 136-149 145
4. Discusión
Si bien desde hace tiempo se reconoce la importancia de la agricultura periurbana y rural
para la seguridad alimentaria de los ciudadanos, todavía no se ha sumado esfuerzos para efectuar
inventarios exhaustivos y detallados de todas las áreas de cultivos disponibles en el mundo. De este
modo, el presente artículo pretende aportar con un proceso metodológico que ayude a localizar
áreas de cultivos en las zonas periféricas de las ciudades intermedias utilizando la teledetección en
uno de sus procesos. El grado de confianza en la clasificación de las áreas de cultivos fue alto (95 %).
Se puede afirmar que el uso de la teledetección, en nuestro caso con imagen Sentinel-2, es una
herramienta útil para localizarlas de manera rápida y eficiente. La identificación de áreas de cultivos
en el área periurbana y rural de la ciudad de Cuenca y su evolución mediante su monitorización
periódica es el punto de partida para conocer los efectos de la expansión urbana en la ciudad. En
este sentido, el presente artículo coincide con Brown & McCarty (2017) que, aunque usa otros
sensores Landsat y MODIS, demuestra la utilidad de la teledetección en el estudio de la agricultura
periurbana.
La metodología utilizada mediante el uso de la teledetección no es totalmente nueva para el
monitoreo de la agricultura. Sin embargo, hasta ahora se trabajaba a media resolución con
principalmente los sensores Landsat y MODIS. Desde que la Agencia Europea Espacial lanzó
Sentinel-2 en el año 2015, disponemos de unas imágenes de media-alta resolución (10 a 30 metros)
con mejor definición espectral que pueden mejorar los resultados obtenidos hasta ahora con los
sensores tradicionales (Forkuor, Dimobe, Serme, & Tondoh, 2018). Esta metodología plantea por lo
tanto un enfoque innovador basado en el uso de datos de teledetección del satélite Sentinel-2, con
un tiempo de retorno pequeño (5 días) que permite seguir de cerca los cambios de tipo de suelo en
áreas tan dinámicas como las periurbanas y usar de datos abiertos. Además, a diferencia de otros
autores (You et al., 2021; Brown & McCarty, 2017; Waldner et al. 2016) que identifican los usos del
suelo a partir de un Índice de Vegetación de Diferencia Normalizada o Masoud, Persello, & Tolpekin
(2020) que usa red neuronal convolucional, la ventaja del método propuesto es que se convierte en
un procesamiento sencillo mediante clasificación no supervisada que lleva a la creación de clústeres
a partir de los valores del pixel en cada una de las bandas espectrales de la imagen, que se ha
demostrado suficiente para obtener una primera aproximación a la tipología de coberturas en el área
periurbana.
Si bien el uso de la teledetección y del método de clasificación no supervisada de la imagen Sentinel-
2 funciona bien para la identificación de las zonas extensas de cultivo, no se la podría utilizar de
manera directa para la detección de huertos, esta afirmación se confirma al realizar los trabajos de
campo e identificar que apenas 21,97% (699 huertos) se confirmaron como huertos, de ahí la
importancia del planteamiento de una metodología mixta entre imágenes satelitales, herramientas
gis y validaciones de campo. Esto mismo ya había sido apuntado por Brown & McCarty (2017) al
reconocer la necesidad de una aproximación mixta combinando el uso de imágenes Landsat y
MODIS, con menor resolución espacial que Sentinel-2, con el uso de la cartografía y de imágenes de
mayor precisión para la identificación de huertos.
En nuestro caso, las limitaciones de la metodología propuesta para la identificación de los huertos
son dos: por un lado, los datos de la imagen Sentinel-2, al ser de resolución media, no permiten
diferenciarlos de otro tipo de vegetación (por ejemplo, jardines); por otro lado, la propia definición
del huerto resulta de difícil manejo y sistematización, por la variedad de su área y composición, que
van desde pequeñas superficies (abastecimiento propio) hasta grandes áreas de cultivos
industrializados, con características muy diversas y cambiantes por el mismo ciclo vegetativo de los
distintos cultivos que se den en el predio. Aun así, la metodología es interesante como fase
Novasinergia 2023, 6(1), 136-149 146
preliminar para el diseño de una encuesta en campo, facilitando información previa sobre el objeto
de estudio.
La metodología utilizada en este trabajo no es totalmente nueva, pero existe un enfoque innovador
basado en el uso de datos de teledetección del satélite Sentinel-2, con un tiempo de retorno pequeño
que permite seguir de cerca los cambios de tipo de suelo, umbrales estadísticos de confianza y el uso
de datos abiertos.
5. Conclusiones
El enfoque mixto (datos cuantitativos y cualitativos) planteado en el estudio ha permitido
crear una metodología flexible y fácil de replicarse en otras localidades de diferentes contextos, que
ofrece una herramienta para monitorear la agricultura periurbana y rural, tan importante para las
ciudades intermedias y en vías de desarrollo. Por otra parte, dicho estudio podría favorecer por la
data recolectada a diferentes programas como “Agricultura Urbana y Periurbana” y “Ciudades ms
verdes en Amrica Latina y el Caribe” dirigidos por la FAO, as como a localizar la producción por
escalas de economía y generar políticas públicas de apoyo a los sectores de agricultores que
abastecen de alimentos a los habitantes de las ciudades.
Una detección temprana de las areas de cultivo es pertinente para la gestión y la protección de las
áreas periurbanas y rurales con valor agrícola, ya sea estableciendo políticas o determinando límites
de intervención que puedan conducir a mejoras sustanciales en la gestión territorial. Esto con el fin
de generar condiciones que permitan el desarrollo de un área productiva más sostenible y resiliente
que conserve y respete su biodiversidad. Finalmente, se puede afirmar que la teledetección es una
herramienta que puede utilizarse para localizar rápida y eficazmente las zonas de cultivo gracias a
su cartografía.
Contribución de los autores
En concordancia con la taxonoma establecida internacionalmente para la asignacin de
crditos a autores de artculos cientficos (https://casrai.org/credit/). Los autores declaran sus
contribuciones en la siguiente matriz:
Flores Juca, E.
Gielen, E.
Lucero, V.
Conceptualización
Análisis formal
Investigación
Metodología
Recursos
Validación
Redacción – revisión y edición
Novasinergia 2023, 6(1), 136-149 147
Agradecimiento
Los autores agradecen a la Corporación Ecuatoriana para el Desarrollo de la Investigación y
Academia (CEDIA) por el apoyo financiero brindado al presente trabajo de investigación, desarrollo
e innovación a través de su programa CEPRA.
Referencias
ArcGIS. (s.f.). Herramienta Clasificación no supervisada de clúster Iso. Obtenido Enero 13, 2023, de
https://desktop.arcgis.com/es/arcmap/latest/extensions/spatial-analyst/image-
classification/executing-the-iso-cluster-unsupervised-classification-tool.htm
Buendía-Martínez, I., & Carrasco, I. (2013). Mujer, actividad emprendedora y desarrollo rural en América
Latina y el Caribe. Cuadernos de Desarrollo Rural. Cuadernos de desarrollo rural, 10(72), 21-45. Obtenido
de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0122-14502013000300003
Brown, M. E., & McCarty, J. L. (2017). Is remote sensing useful for finding and monitoring urban farms? Applied
Geography, 80, 23-33. DOI: https://doi.org/10.1016/j.apgeog.2017.01.008
Flores, E. (2022, Enero 12). La movilidad desde las zonas rurales como medio de desarrollo de la población.
Obtenido a partir de https://www.ucuenca.edu.ec/component/content/article/309-
espanol/investigacion/blog-de-ciencia/ano-2022/junio-2022/2683-capsula-la-movilidad-desde-las-
zonas-rurales-como-medio-de-desarrollo-de-la-poblacion
Baldini, C., Marasas, M. E., Tittonell, P., & Drozd, A. A. (2022). Urban, periurban and horticultural landscapes
– Conflict and sustainable planning in La Plata district, Argentina. Land Use Policy, 117, 106120. DOI:
https://doi.org/10.1016/J.LANDUSEPOL.2022.106120
Caballero, I., Ruiz, J., & Navarro, G. (2019). Sentinel-2 satellites provide near-real time evaluation of
catastrophic floods in the West Mediterranean. Water (Switzerland), 11(12). DOI:
https://doi.org/10.3390/w11122499
Clavijo Palacios, C. E., & Cuvi, N. (2017). La Sustentabilidad de huertas urbanas y periurbanas con base
agroecológica en Quito. Letras Verdes. Revista Latinoamericana de Estudios Socioambientales, (21), 68-91.
DOI: https://doi.org/10.17141/LETRASVERDES.21.2017.2608
Cattivelli, V. (2021). Planning peri-urban areas at regional level: The experience of Lombardy and Emilia-
Romagna (Italy). Land Use Policy, 103, 105282. https://doi.org/10.1016/j.landusepol.2021.105282
Donoso, M. (2016). Análisis crítico de la planificación urbana de la Ciudad de Cuenca. Maskana, 7(1), 107–122.
https://doi.org/https://doi.org/10.18537/mskn.07.01.11
Echeverri, R., & Ribero, M. P. (2002). Nueva ruralidad: Visión del territorio en América Latina y el Caribe
(Interamericano Instituto de Cooperación para la Agricultura, ed.). Obtenido de
http://www.cusur.udg.mx/fodepal/Articulos referentes de Des Susr/Construyendo el desarrollo
rural_archivos_ArturoSC/Nueva_ruralidad.pdf
ESA. (2021). Processing Levels -User Guides - Sentinel-2A MSI. Obtenido enero 13, 2023, de
https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/processing-levels
ESA. (2019). Spatial Resolutions - Sentinel-2 MSI - User Guides. Recuperado Enero 13, 2023, de Copernicus
Obtenido de https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-
msi/resolutions/spatial
Frere, M., & Popov, G. F. (1979). Agrometeorological crop monitoring and forecasting.
Ferrelli, F., Brendel, A. S., Miguel, G., Perillo, E., & Piccolo, M. C. (2020). Validación de productos satelitales a
partir de mediciones in situ para el monitoreo de coberturas del suelo en el sur de la Región Pampeana
(Argentina). Caminhos de Geografia, 21(76), 190–207. https://doi.org/10.14393/RCG217654051
Novasinergia 2023, 6(1), 136-149 148
Follmann, A., Willkomm, M., & Dannenberg, P. (2021). As the city grows, what do farmers do? A systematic
review of urban and peri-urban agriculture under rapid urban growth across the Global South.
Landscape and Urban Planning, Vol. 215, p. 104186. https://doi.org/10.1016/j.landurbplan.2021.104186
FAO. (2014). Ciudades más verdes en América Latina y el caribe. Un informe de la FAO sobre la agricultura
urbana y periurbana en la región. Obtenido de www.fao.org/
Forkuor, G., Dimobe, K., Serme, I., & Tondoh, J. E. (2018). Landsat-8 vs. Sentinel-2: examining the added value
of sentinel-2’s red-edge bands to land-use and land-cover mapping in Burkina Faso. GIScience & remote
sensing, 55(3), 331-354. DOI: https://doi.org/10.1080/15481603.2017.1370169
Flores, G., Mora, E., & Chica, J. (2020). Una mirada a la planificación de las infraestructuras nodales de
transporte terrestre en las cercanías al centro urbano de Cuenca Ecuador. Quid 16: Revista Del Área de
Estudios Urbanos, (14), 269–282. Obtenido de
https://publicaciones.sociales.uba.ar/index.php/quid16/article/view/4537
Güneralp, B., Reba, M., Hales, B. U., Wentz, E. A., & Seto, K. C. (2020). Trends in urban land expansion, density,
and land transitions from 1970 to 2010: a global synthesis. Environmental Research Letters, 15(4), 044015.
DOI: https://doi.org/10.1088/1748-9326/AB6669
Gielen, E., Flores Juca, E., Palencia, J., Balseca, M., Lpez Chofre, I., Sarmiento Moscoso, S., … Chica, J. (2019).
Retos para el desarrollo de una ciudad sostenible en Cuenca (Ecuador). Análisis del crecimiento
urbano entre 2008 y 2018. In J. Poyatos Sebastián, L. García Soriano, & J. L. Baró Zarzo (Eds.),
Fundamentos y practica de la ciudad sostenible. Valencia, España (pp. 297–309). Valencia, España:
Universitat Politècnica de València.
Hao, Z., AghaKouchak, A., Nakhjiri, N., & Farahmand, A. (2014). Global integrated drought monitoring and
prediction system. Scientific data, 1(1), 1-10. DOI: https://doi.org/10.1038/sdata.2014.1
Kassis, G., Bertrand, N., & Pecqueur, B. (2021). Rethinking the place of agricultural land preservation for the
development of food systems in planning of peri-urban areas: Insights from two French
municipalities. Journal of Rural Studies, 86, 366-375. DOI:
https://doi.org/10.1016/J.JRURSTUD.2021.07.003
Kennedy, E., & Payongayong, E. (1992). Inventory of food and nutrition monitoring systems. Final report to
the United States Agency for International Development, Office of Nutrition. International Food Policy
Research Institute, Washington, DC.
Masoud, K. M., Persello, C., & Tolpekin, V. A. (2020). Delineation of agricultural field boundaries from
sentinel-2 images using a novel super-resolution contour detector based on fully convolutional
networks. Remote Sensing, 12(1) 59. DOI: https://doi.org/10.3390/RS12010059
Manzanal, M. A. (2017). Desarrollo, territorio y políticas públicas. Una perspectiva desde el desarrollo rural y
territorial. Revista Interdisciplinaria de Estudios Agrarios, 46, 5-31. Obtenido de
https://ri.conicet.gov.ar/handle/11336/76287
Persello, C., V. A. Tolpekin, J. R. Bergado, and R. A. de By. (2019). Delineation of agricultural fields in
smallholder farms from satellite images using fully convolutional networks and combinatorial
grouping. Remote sensing of environment, 231, 111253. DOI: https://doi.org/10.1016/j.rse.2019.111253
Ruiz López, C. F., Vieyra, A., & Méndez-Lemus, Y. (2021a). Segregación y singularidades en el periurbano de
ciudades medias mexicanas. En A. Carrión Hurtado & M. F. Sandoval López (Eds.), Ciudades
intermedias y nueva ruralidad (pp. 114-135). DOI: https://doi.org/doi.org/10.46546/202010savia
Ruiz-López, C., Vieyra, A., & Méndez-Lemus, Y. (2021b). Spatial segregation in Tarimbaro, municipality in
the periurban of Morelia, Michoacán, México. Revista de Geografia Norte Grande, 2021(78), 237–257.
https://doi.org/10.4067/S0718-34022021000100237
Salcedo, S., & Guamán, L. (Eds.). (2014). Agricultura Familiar en América Latina y El Caribe: Recomendaciones
de Política. Obtenido de www.fao.org/publications
Novasinergia 2023, 6(1), 136-149 149
Sonobe, R., Yamaya, Y., Tani, H., Wang, X., Kobayashi, N., & Mochizuki, K. I. (2018). Crop classification from
Sentinel-2-derived vegetation indices using ensemble learning. Journal of Applied Remote Sensing,
12(2):1. DOI: https://doi.org/10.1117/1.jrs.12.026019
Unganai, L. S., & Kogan, F. N. (1998). Drought monitoring and corn yield estimation in Southern Africa from
440 AVHRR data. Remote sensing of environment, 63(3), 219-232. DOI: https://doi.org/10.1016/S0034-
4257(97)00132-6
Waldner, F., Fritz, S., Di Gregorio, A., Plotnikov, D., Bartalev, S., Kussul, N., … Defourny, P. (2016). A unified
cropland layer at 250 m for global agriculture monitoring. Data, 1(1), 3.
https://doi.org/10.3390/data1010003
Weiss, M., F. Jacob, & Duveiller, G. (2020). Remote sensing for agricultural applications: A meta-review. Remote
Sensing of Environment, 236, 111402. https://doi.org/10.1016/j.rse.2019.111402
Wójtowicz, M. (2014). Crecimiento de la población, cambios espaciales y cambios sociales en la ciudad de
Curitiba. In V. Mercedes Di & M. Perelman (Eds.), Ciudades Latinoamericanas. Desigualdad,
segregación y tolerancia. CLACSO, (pp. 203–219). Obtenido de www.biblioteca.clacso.edu.ar
You, N., Dong, J., Huang, J., Du, G., Zhang, G., He, Y., ... & Xiao, X. (2021). The 10-m crop type maps in
Northeast China during 2017–2019. Scientific data, 8(1), 1-11. DOI: https://doi.org/10.1038/s41597-021-
00827-9
Yu, L., J. Wang, N. Clinton, Q. Xin, L. Zhong, Y. Chen, and P. Gong. (2013). FROM-GC: 30 m global cropland
extent derived through multisource data integration. International Journal of Digital Earth, 6(6), 521-533.
DOI: https://doi.org/10.1080/17538947.2013.822574
