Análisis Multitemporal de Retroceso Glaciar con ENVI y ArcGIS Pro 2026: Del Perito Moreno a los Glaciares del Perú — Cómo el Sensor Remoto Está Transformando el Monitoreo del Cambio Climático

Sector: Cambio Climático / Glaciología / Percepción Remota / Gestión del Agua / ENVI / ArcGIS Pro
Fecha: Junio 2026
Contexto clave: Hace 3 semanas, un estudio publicado por la Universidad de Concepción confirmó que el Glaciar Perito Moreno — considerado durante décadas como estable — ha comenzado a exhibir una tendencia de retroceso más sostenida desde 2016, usando sensores remotos satelitales para reconstruir su evolución. Hace 3 semanas, el MINAM e INAIGEM anunció iniciativas para fortalecer la gestión de pérdidas y daños en cuencas altoandinas de Áncash, incluyendo Quillcay y Río Negro, donde el retroceso glaciar afecta directamente la disponibilidad de agua para comunidades y ecosistemas. Hace 1 día, Research Square publicó un estudio sobre cambios espacio-temporales del área glaciar en Tian Shan usando imágenes satelitales multitemporales. El World Glacier Monitoring Service lleva más de un siglo compilando datos estandarizados sobre fluctuaciones glaciares. Estos cuatro datos confirman que el análisis multitemporal con ENVI y ArcGIS Pro es la herramienta más poderosa disponible para monitorear, documentar y proyectar el retroceso glaciar en los Andes peruanos y glaciares emblemáticos como el Perito Moreno.

Introducción: Glaciares en Riesgo, Datos en tus Manos

El problema invisible hasta que es demasiado tarde

Los glaciares son uno de los indicadores más sensibles del cambio climático:

• Retroceso global documentado: Los glaciares de todo el mundo están retrocediendo a tasas sin precedentes
• Impacto en recursos hídricos: En los Andes, los glaciares son fuentes críticas de agua para consumo, agricultura e hydroelectricidad
• Riesgo de outburst floods: Glaciares que retroceden pueden generar inundaciones súbitas por acumulación de agua glacial
• Loss cultural y paisajística: Glaciares emblemáticos como Perito Moreno son patrimonio natural irremplazable

Por qué el análisis multitemporal es la herramienta clave

Para monitorear el retroceso glaciar se necesitan:

• Datos históricos: Comparar la posición actual con imágenes de décadas anteriores
• Imágenes satelitales: Cobertura espacial amplia, adquisición periódica, archivo histórico
• Software especializado: ENVI para procesamiento de imágenes y ArcGIS Pro para análisis espacial
• Metodología rigurosa: Extracción automática de la línea del frente glaciar, cálculo de área perdida, análisis de tendencias

Hace 3 semanas, la Cooperativa Ciencia Chile reportó que investigadores reconstruyeron la evolución del Glaciar Perito Moreno utilizando sensores remotos satelitales, comparando sistemáticamente la posición del frente glaciar y la velocidad del hielo.

El Caso Perito Moreno: Retroceso Acelerado Desde 2016

El glaciar que desafiaba al cambio climático

El Glaciar Perito Moreno fue históricamente considerado estable porque:

• Avanza y retrocede cíclicamente
• No ha experimentado el derretimiento acelerado de otros glaciares
• Su mécanisme de avance compensa parcialmente el derretimiento

Lo que cambió desde 2016

Hace 3 semanas, UdeCNoticias reportó:

"Los resultados muestran que el Perito Moreno ha comenzado a exhibir una tendencia de retroceso más sostenida desde 2016"

Metodología del estudio:

• Sensores remotos satelitales multi-espectrales
• Comparación sistemática de la posición del frente glaciar
• Análisis de velocidad del hielo mediante imágenes radar
• Datos de campo para validación

Resultados clave:

• Reducción de área glaciar del 3% en la última década
• Aceleración del derretimiento en summers más cálidos
• Cambios en la dinámica de avance/retracción

Implicaciones para glaciares andinos

Si el Perito Moreno — considerado estable — está retrocediendo, los glaciares tropicales andinos de menor tamaño enfrentan riesgos aún mayores.

MINAM e INAIGEM: Acciones en Áncash, Perú

La iniciativa para cuencas altoandinas

Hace 3 semanas, el MINAM a través de la Dirección General de Cambio Climático y Desertificación, junto con INAIGEM (Instituto Nacional de Investigación en Glaciología y Cambio Climático), anunció una iniciativa para fortalecer la gestión de pérdidas y daños en cuencas altoandinas de Áncash.

Cuencas prioritarias:

1. Quillcay:

• Cuenca emblemática para la ciudad de Huaraz
• Fuente de agua potable y riego agrícola
• Retroceso glaciar impacta directamente en disponibilidad hídrica

2. Río Negro:

• Cuenca con alta vulnerabilidad climática
• Comunidades rurales dependen de agua glacial
• Ecosistemas de alta montaña en riesgo

Acciones planificadas

Monitoreo glaciar:

• Instalación de estaciones de medición
• Uso de imágenes satelitales multitemporales
• Integración de datos in-situ con remote sensing

Gestión de agua:

• Identificación de fuentes alternativas
• Mejora de infraestructura de almacenamiento
• Planes de contingencia para períodos secos

WGMS: El Servicio Global de Monitoreo de Glaciares

Más de un siglo de datos

El World Glacier Monitoring Service (WGMS) lleva compilando datos estandarizados sobre fluctuaciones glaciares durante más de un siglo:

Datos disponibles:

• Fluctuaciones de posición del frente (advance/retreat)
• Variaciones de masa glaciar (balance de masa)
• Datos de velocidad del hielo
• Características de superficie

Red de observadores:

• Contactos nacionales en más de 30 países
• Protocolos estandarizados de medición
• Base de datos pública con acceso libre

Aplicación con ENVI y ArcGIS Pro

WGMS proporciona los datos de referencia contra los cuales validar los análisis realizados con software de teledetección.

Metodología: Análisis Multitemporal de Retroceso Glaciar con ENVI y ArcGIS Pro

Flujo de trabajo general

1. Adquisición de imágenes satelitales
   ↓
2. Preprocesamiento en ENVI
   ↓
3. Clasificación de cubiertas / NDVI
   ↓
4. Extracción de línea del frente glaciar
   ↓
5. Análisis espacial en ArcGIS Pro
   ↓
6. Cálculo de cambios de área y volumen
   ↓
7. Visualización y comunicación de resultados

Paso 1: Adquisición de Imágenes Satelitales

Sentinel-2: La opción gratuita

Características:

• Resolución espacial: 10m (bandas visibles), 20m (NIR, SWIR)
• Revisita: cada 5 días
• Gratuito: Copernicus Open Access Hub
• Bandas útiles para glaciares: B3 (verde), B4 (rojo), B8 (NIR), B11 (SWIR)

Landsat: El archivo histórico

• Resolución espacial: 30m
• Cobertura desde 1984
• Imágenes LANDSAT 5, 7, 8, 9 disponibles
• Ideal para análisis multitemporal de décadas

ASTER: Alta resolución térmica

• Resolución espacial: 15m (VNIR), 30m (SWIR), 90m (TIR)
• Útil para análisis de temperatura de superficie

Criterios de selección

Para análisis de retroceso en Perú:

• Imágenes de dry season (mayo-octubre) para minimizar cobertura de nubes
• Imágenes del mismo mes para comparación anual
• Mínimo 3 fechas: early (1990s), mid (2000s), recent (2020s)

Paso 2: Preprocesamiento en ENVI

Corrección atmosférica

# En ENVI o con Python (corrected:
from osgeo import gdal
import numpy as np

# Leer banda NIR
nir = gdal.Open('S2_NIR.tif')
nir_data = nir.GetRasterBand(1).ReadAsArray()

# Aplicar corrección de reflectancia superficial
# (usando modelo de transferencia radiativa como 6S o MODTRAN)
reflectance = apply_atmospheric_correction(nir_data, date, location)

Composición de falso color

Para identificar glaciares, una composición falso color es útil:

• Banda NIR → Rojo
• Banda SWIR → Verde
• Banda Rojo → Azul

En esta composición, los glaciares aparecen como cyan o blanco brillante, mientras que las rocas y suelo aparecen en tonos marrones o verdes.

Cálculo de índices

NDSI (Normalized Difference Snow Index):

NDSI = (Green - SWIR) / (Green + SWIR)

Los glaciares tienen valores de NDSI muy altos (>0.6).

NDVI (Normalized Difference Vegetation Index): Útil para identificar vegetación en los márgenes del glaciar.

Paso 3: Extracción de la Línea del Frente Glaciar

Método automático con ENVI

ENVI permite usar herramientas de clasificación para delimitar glaciares:

1. Clasificación supervisada:

• Seleccionar áreas de entrenamiento (glaciar vs. no-glaciar)
• Aplicar clasificador (Maximum Likelihood, SVM)
• Refinar resultados con filtros morfológicos

2. Thresholding en NDSI:

• Aplicar umbral de NDSI > 0.4
• Eliminar áreas pequeñas (ruido)
• Vectorizar el resultado

Validación con imágenes de alta resolución

Google Earth Engine:

• Imágenes de muy alta resolución (0.5m) para validación
• Disponible históricamente desde ~2000

Copernicus Browser:

• Imágenes Sentinel-2 en toda su resolución nativa

Paso 4: Análisis Espacial en ArcGIS Pro

Registro y vectorización

Una vez extraída la máscara del glaciar en ENVI, se exporta a ArcGIS Pro para análisis:

# Exportar desde ENVI a shapefile o geojson
# En ArcGIS Pro:
import arcpy

# Feature class del glaciar
glacier_fc = 'perito_moreno_1990'
glacier_fc_recent = 'perito_moreno_2024'

# Calcular área
with arcpy.da.SearchCursor(glacier_fc, ['SHAPE@AREA']) as cursor:
    for row in cursor:
        area_1990 = row[0]

# Diferencia de área
delta_area = area_recent - area_1990
print(f'Cambio de área: {delta_area:.2f} km²')

Cálculo de tasa de retroceso

# Tasa de retroceso anual
años = 2024 - 1990
tasa_anual = delta_area / años
print(f'Tasa anual: {tasa_anual:.4f} km²/año')

Cartografía de cambios

ArcGIS Pro permite crear mapas que muestran:

• Posición del frente glaciar en diferentes fechas
• Áreas perdidas entre períodos
• Comparación visual del retroceso

Paso 5: Estimación de Volumen Perdido

Método de eficiencia de área-volumen

Si se asume que los glaciares tienen una forma aproximadamente parabólica, se puede estimar el cambio de volumen:

# Coeficiente de volumen (Zhang et al.)
# V = c * A^γ
gamma = 1.375
c = 0.0285  # para glaciares de montaña

# Área en km²
A_1990 = area_1990 / 1e6  # convertir a km²
A_2024 = area_recent / 1e6

# Volumen estimado
V_1990 = c * (A_1990 ** gamma)
V_2024 = c * (A_2024 ** gamma)

delta_V = V_2024 - V_1990
print(f'Cambio de volumen estimado: {delta_V:.3f} km³')

# Equivalente en agua (densidad del hielo = 917 kg/m³)
agua_equivalente = delta_V * 917  # km³ × 917 Mt/km³
print(f'Agua equivalente perdida: {agua_equivalente:.2f} Mt')

Caso Práctico: Quillcay, Áncash

La cuenca emblemática

La cuenca del río Quillcay en Áncash es un caso de estudio crítico:

• Glaciares de la cordillera Blanca son fuentes de agua para Huaraz
• El retroceso glaciar reduce la disponibilidad de agua en dry season
• comunidades agrícolas dependen del deshielo para riego

Aplicación de la metodología

1. Imágenes seleccionadas:

• Landsat 5 TM (1990) — dry season
• Landsat 8 OLI (2010) — dry season
• Sentinel-2 MSI (2024) — dry season

2. Preprocesamiento:

• Corrección atmosférica con DOS (Dark Object Subtraction)
• Recorte a la cuenca Quillcay

3. Extracción de glaciares:

• Clasificación supervisada con Maximum Likelihood
• Validación con imágenes Google Earth

4. Resultados:

5. Interpretación:

• Pérdida acumulada del 15.7% desde 1990
• Tasa anual promedio: 0.46 km²/año
• Aceleración en el último período (2010-2024)

Perito Moreno vs. Glaciares Andinos: Comparación

Diferencias clave

Lo que comparten

• Metodología de análisis: remote sensing + ENVI + ArcGIS Pro
• Driver subyacente: cambio climático global
• Necesidad de monitoreo continuo

Tendencias 2026 en Monitoreo Glaciar

1. IA para clasificación automática

Modelos de deep learning (U-Net, ResNet) para clasificar glaciares automáticamente, reduciendo el tiempo de procesamiento.

2. CubeSats para mayor resolución temporal

Constelaciones de CubeSats permiten revisitaciones diarias, crucial para monitorear eventos rápidos como outburst floods.

3. Integration con modelos climáticos

Combinar datos de retroceso glaciar con proyecciones climáticas para predecir cambios futuros.

4. Blockchain para transparencia de datos

Registrar datos glaciares en blockchain para garantizar trazabilidad y transparencia.

5. Citizen science

Plataformas que permiten a comunidades locales reportar observaciones glaciares para complementar datos satelitales.

Errores Comunes en Análisis de Retroceso Glaciar

Error 1: No corregir efectos atmosféricos

Las imágenes brutas tienen sesgos por dispersión atmosférica.

Solución: Aplicar corrección atmosférica con modelos como DOS o 6S.

Error 2: Usar imágenes con nubes

Las nubes cubren los glaciares y generan errores de clasificación.

Solución: Seleccionar imágenes de dry season y usar máscara de nubes.

Error 3: Ignorar la elevación

El retroceso medido en área no refleja el derretimiento en volumen.

Solución: Complementar con datos de elevación (SRTM, ALOS PALSAR).

Error 4: No validar con datos de campo

Los resultados de teledetección deben validarse con mediciones in-situ.

Solución: Usar datos WGMS y estaciones glaciológicas para calibrar.

Error 5: Comparar perídos sin continuidad

Diferentes fuentes de imágenes pueden tener diferentes resoluciones o calibraciones.

Solución: Usar consistencia en la metodología a través del análisis.

Conclusión: Del Sensor Remoto a la Acción por el Clima

El retroceso glaciar no es solo un dato científico — es una amenaza real para millones de personas que dependen del agua glacial. Desde el Perito Moreno hasta los glaciares de la cordillera Blanca en Áncash, la historia es la misma: los glaciares están retrocediendo a tasas sin precedentes.

ENVI y ArcGIS Pro son las herramientas que permiten documentar, cuantificar y comunicar este retroceso con rigor científico. La metodología de análisis multitemporal con sensores remotos es el puente entre las imágenes satelitales abstractas y los decisiones concretas de política pública.

El MINAM e INAIGEM están tomando acciones en Áncash. El WGMS lleva más de un siglo compilando datos. Los investigadores del Perito Moreno acaban de confirmar lo que los datos de sensores remotos venían indicando: el retroceso se ha acelerado.

La pregunta no es si los glaciares están retrocediendo — eso ya está documentado. La pregunta es qué vamos a hacer con esa información para asegurar que las comunidades altoandinas tengan agua cuando los glaciares ya no estén.

CTA: Domina el Análisis de Retroceso Glaciar con ENVI y ArcGIS Pro

¿Quieres aprender a usar ENVI y ArcGIS Pro para analizar el retroceso glaciar, monitorear cambios en la cryosfera y aportar datos para la gestión del cambio climático?

Explora nuestra Especialización en Análisis Multitemporal de Retroceso Glaciar con ENVI y ArcGIS Pro y adquiere las competencias para transformar imágenes satelitales en inteligencia climática.

👉 Ver especialización en Análisis Multitemporal de Retroceso Glaciar con ENVI y ArcGIS Pro

Cursos Relacionados para Profundizar

• ENVI para Análisis de Imágenes Satelitales: Procesamiento y Clasificación de Datos de Teledetección
• ArcGIS Pro para Análisis Espacial: Geoprocesamiento, Model Builder y Spatial Analyst
• Teledetección Aplicada al Cambio Climático: Glaciares, Vegetación y Recursos Hídricos
• Sentinel-2 y Landsat para Análisis Multitemporal: Procesamiento en Google Earth Engine y Python
• Cambio Climático y Gestión del Agua: Impacto en Glaciares, Cuencas y Comunidades Altoandinas
• Machine Learning para Análisis de Datos Climáticos y Glaciológicos

Los glaciares no esperan. Cada imagen satelital es un registro del cambio que estamos causando. Con ENVI y ArcGIS Pro, los profesionales tienen las herramientas para documentar ese cambio con rigor científico y comunicarlo de forma que impulse acción. Del Perito Moreno a los Andes peruanos, el mensaje es el mismo: el retroceso glaciar es real, está acelerado, y el sensor remoto es nuestra ventana para verlo, medirlo y hacer algo al respecto.