Trabajo de Grado Alejandro Carvajal

ANÁLISIS DE LA ISLA DE CALOR URBANA A NIVEL DE
SUPERFICIE Y DE DOSEL EN EL PERIODO DE 1981 A 2015 PARA

LA CIUDAD DE BOGOTÁ COLOMBIA
CARVAJAL TÉLLEZ RAÚL ALEJANDRO
UNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES U.D.C.A

FACULTAD DE CIENCIAS AMBIENTALES E INGENIERÍA
INGENIERÍA GEOGRÁFICA Y AMBIENTAL
BOGOTÁ D.C.
2019
Resumen I
ESTUDIO DE ISLA DE CALOR URBANA A NIVEL DE SUPERFICIE Y

DOSEL EN EL PERIODO DE 1981 A 2015 PARA LA CIUDAD DE
BOGOTÁ COLOMBIA
Presentado Por:
Carvajal Téllez Raúl Alejandro
Trabajo de investigación presentado para optar al título de:

Ingeniero Geógrafo y Ambiental
Director:
Jonathan Vásquez Lizcano. I.A., M.Sc.
Universidad de Ciencias Aplicadas y Ambientales U.D.C.A

Facultad de Ciencias Ambientales e Ingeniería
Ingeniería Geográfica y Ambiental
Bogotá, Colombia
2019
II
Resumen
La isla de calor urbana es uno de los nuevos fenómenos producidos por el rápido
crecimiento al interior y a la periferia de las ciudades, donde la redensificación y
compactación de los espacios intraurbanos con materiales impermeables aumenta la
retención de energía térmica, ocasionando problemas en la salud, economía y
medioambiente. La falta de estudios en la ciudad de Bogotá que analicen el problema
desde su evolución y comportamiento crean una brecha entre la caracterización del
fenómeno y los efectos que a nivel local puede haber sobre la ciudad. Esta investigación
pretende comprender ¿Cuál es el comportamiento y cómo se ha dado la evolución de la
Isla de Calor Urbana a nivel de dosel y superficie en la ciudad de Bogotá para el periodo
de 1981 a 2015? Sirviendo de base a futuras investigaciones que puedan vincular éste
trabajo a instrumentos de monitoreo y control del fenómeno. La investigación contempla
dos etapas, en la primera un análisis de la isla de calor de dosel a partir de estaciones
meteorológicas y los datos de temperatura mínima, media y máxima donde se estudia la
evolución del fenómeno y su comportamiento desde la precipitación y estacionalidad, la
segunda etapa analiza la isla de calor urbana a nivel de superficie a partir de imágenes
satelitales diurnas y nocturnas, estudiando su evolución y el comportamiento a través de
4 variables descriptivas. La investigación encontró que la isla de calor ha tenido un
aumento en su intensidad a comienzos del año 2000, así como una intervención directa
de las lluvias sobre el fenómeno, además el manejo de las 4 variables descriptivas
demuestra que es posible controlar el fenómeno.
Palabras clave: Isla de calor Urbana Superficial, Isla de Calor Urbana de Dosel,
Climatología urbana y Planeación urbana.
Contenido III
Contenido
Resumen ........................................................................................................................ II
Contenido ..................................................................................................................... III
Índice de tablas ............................................................................................................. V
Índice de figuras ........................................................................................................... IV
1. Introducción....................................................................................................... 10
1.1 Localización geográfica del área de estudio .................................................... 12
2. Planteamiento del problema ............................................................................. 15
2.1 Problema de investigación ............................................................................... 15
2.2 Hipótesis .......................................................................................................... 16
2.3 Objetivos .......................................................................................................... 16
2.3.1 Objetivo general ............................................................................................ 16
2.3.2 Objetivos específicos .................................................................................... 16
2.4 Justificación...................................................................................................... 16
3. Revisión de literatura ........................................................................................ 18
3.1 Antecedentes ................................................................................................... 18
3.2 Marco conceptual ............................................................................................. 20
3.2.1 Sobre isla de calor ........................................................................................ 20
3.2.1.1 Escala vertical ........................................................................................ 21
3.2.1.2 Escala Horizontal ................................................................................... 22
3.2.2 De los elementos y factores climáticos en la ICU ......................................... 30
3.2.2.1 Elementos climáticos.............................................................................. 30
3.2.2.2 Factores climáticos................................................................................. 33
3.3 Estado del arte ................................................................................................. 37

4. Métodos y materiales ........................................................................................ 40
4.1 Materiales......................................................................................................... 40
4.1.1 Etapa 1: Analizar la ICUUCL a través de estaciones meteorológicas ............. 40
4.1.2 Etapa 2: Analizar la ICUSup mediante sensores remotos ............................... 42
4.2 Metodología ..................................................................................................... 44
4.2.1 Etapa 1: Analizar la ICUUCL a través de estaciones meteorológicas........... 44
4.2.1.1 Cálculo de la media mensual y anual para elementos climáticos........... 44
4.2.1.2 Análisis exploratorio y selección de estaciones...................................... 45
4.2.1.3 Estimación de datos ............................................................................... 49
IV
4.2.1.4 Detección de incidencia de fenómeno niña y niño en elementos

climáticos............................................................................................................. 50
4.2.2 Etapa 2: Analizar la ICUSup mediante sensores remotos ............................ 51
4.2.2.1 Corrección atmosférica para bandas multiespectrales ........................... 52
4.2.2.2 Corrección atmosférica para bandas térmicas. ...................................... 53
4.2.2.3 Obtención de índices espectrales y parámetros urbanos....................... 58
5. Resultados ......................................................................................................... 59
5.1 Objetivo 1 ......................................................................................................... 59
5.1.1 Patrón climatológico para el periodo 1981-2015........................................... 59
5.1.1.1 Escala interanual periodo 1981-2015 ..................................................... 64
5.1.1.2 Escala estacional 1981-2015 ................................................................. 68
5.1.2 Resultados por ventanas de tiempo quinquenal ........................................... 71
5.1.3 Resultado fenómeno de niño niña ................................................................ 74
5.2 Objetivo 2 ........................................................................................................ 77
5.2.1 Análisis de imágenes térmicas...................................................................... 77
5.2.2 Isla de Calor Urbana a nivel de superficie .................................................... 80
5.2.3 Regresión lineal entre índices espectrales y parámetros urbanos Vs LST. .. 84
6. Discusión ........................................................................................................... 90
7. Conclusiones y recomendaciones................................................................... 94
8. Anexos ........................................................................................................... 90
A. Porcentaje de datos completos para el periodo 1981-2015. .......................... 98
B. Series de temperatura 1981-2015 ................................................................... 100
C. ZCL de estaciones meteorológicas seleccionadas ...................................... 102
D. Distribución espacial para la escala estacional de la T. max, min, med y
amplitud térmica........................................................................................................ 103
E. Graficas por quinquenios ............................................................................... 107
F. Imágenes satelitales utilizadas ...................................................................... 110
G. LST, Desviación estándar y LST media por UPZ .......................................... 111
9. Referencias ...................................................................................................... 112
Índice de tablas V
Índice de tablas
Tabla 1. Valores promedio de temperatura, amplitud térmica, precipitación y humedad relativa
para Bogotá. Fuente: elaboración propia a partir de los datos de (IDEAM & FOPAE, 2007). ....12
Tabla 2. Estaciones meteorológicas recibidas por entidad. Fuente Elaboración propia. ............40
Tabla 3. Bandas de los sensores Landsat 4,5,7 y 8 (* Bandas remuestreadas a 30 m). Fuente:
Elaboración propia. ...................................................................................................................43
Tabla 4. Estaciones meteorológicas seleccionadas. Fuente: Elaboración propia. .....................48
Tabla 5. Valores del Índice normalizado de precipitación. .........................................................50
Tabla 6. Imágenes satelitales seleccionadas. ...........................................................................51
Tabla 7. Norma de temperatura máxima, media, mínima y precipitación para el periodo 1981-
2015. Fuente: elaboración propia. .............................................................................................60
Tabla 8. Aumento en la tendencia climática desde 1981 a 2015. Fuente: Elaboración propia...63
Tabla 9.Correlación de Pearson de regresión lineal. Fuente: Elaboración propia. .....................84
Tabla 10. Valores Beta del (MCO), Correlación de Pearson y RMSE. Fuente: Elaboración
propia........................................................................................................................................87
Tabla 11. Porcentaje de datos completos por estación para el periodo 1981-2015 bajo control
de calidad WMO. Fuente: Elaboración propia. ..........................................................................98
IV
Índice de figuras
Figura 1. Zona de estudio. Fuente: Elaboración propia .............................................................14
Figura 2. Perfil térmico de ICU. Fuente: (Cabras, 2014)............................................................20
Figura 3. Esquema de escalas climáticas y capas verticales encontradas en áreas urbanas.

PBL - capa límite planetaria, UBL - capa límite urbana, UCL - capa de dosel urbano. Fuente:
(Bailey et al., 1997). ..................................................................................................................23
Figura 4. ZCL por tipos de construcción (Oke & Stewart, 2012) ilustrado por J.A. Ruíz. Fuente:
(Jiménez, 2016). .......................................................................................................................25
Figura 5. ZCL por tipos de espacios naturales (Oke & Stewart, 2012), ilustrado por J.A. Ruíz.
Fuente: (Jiménez, 2016). ..........................................................................................................26
Figura 6. Correlación entre NDVI y LST para las ZCL. Fuente:(Ferreira & Duarte, 2019)..........27
Figura 7. Esquema de balance energético para un sistema volumétrico urbano (Oke, 1988ª),
ilustrado por J.A. Ruíz. Fuente: (Jiménez, 2016). ......................................................................28
Figura 8. Calor sensible de la ciudad de Nagoya Japón; el color rojo está asociado a la malla
urbana densa, el verde a zonas suburbanas, el azul a cobertura vegetal y el negro a cuerpos de
agua. Fuente: (Kato, 2005) .......................................................................................................29
Figura 9. Células convectivas de corriente de aíre por efecto de la temperatura de la capa

urbana, simulación en Sao Paulo Brasil. Fuente: (Freitas et al., 2007). ....................................31
Figura 10. Variación de la humedad relativa durante un periodo de 24 horas para una presión
real de vapor constante de 2,4 kPa. Fuente: (FAO, 2006) ........................................................32
Figura 11. Vientos de barlovento y sotavento. Fuente:(Oke et al., 2017) ..................................34

V Introducción
Figura 12. (a) vientos anabáticos con disipación de contaminantes y neblina. (b) vientos
catabáticos con una capa densa de contaminantes. Fuente:(Oke et al., 2017) .........................34
Figura 13. Albedo obtenido de mediciones en campo y relación con la altitud y el ángulo cenital.
Fuente: (Oke et al., 2017) .........................................................................................................35
Figura 14. Representación del cálculo de densidad edilicia con rejilla de referencia. Fuente:
Figura 15. Representación del cálculo de compacidad con rejilla de referencia. Fuente:
Figura 16. Correlación entre SVF y radiación de onda larga neta (izquierda) y correlación de
SVF con la intensidad de isla de calor para varias ciudades de Australia, Europa y Norte
América (derecha). Fuente: (Oke, 1988ª) ..................................................................................37
Figura 17. Inhomogeneidad en serie climática para la estación Guaymaral. .............................41
Figura 18. Desplazamiento de 4 estaciones meteorológicas (marcador amarillo: posición actual

de la estación, marcador purpura: posición dada por IDEAM). Fuente: elaboración propia a
partir de Google Earth Pro. .......................................................................................................42
Figura 19. Diagrama de flujo metodológico. ..............................................................................44
Figura 20. Saltos en la media bajo umbral de aceptación de datos faltantes del 16% y 40%.
Fuente: Elaboración propia .......................................................................................................45
Figura 21. Inhomogeneidad por saltos en la media y errores puntuales. Fuente: Elaboración
propia........................................................................................................................................46
Figura 22. Boxplot para 11 de las 20 estaciones preseleccionadas, con anomalías fuera del
percentil 10 y 90. Fuente: Elaboración propia. ..........................................................................46
Figura 23.Histograma de frecuencia por anomalías bajo desviación estándar (verde claro) e
histogramas de frecuencia de datos (verde oscuro); “A” estaciones seleccionadas (12), “B”
estaciones preseleccionadas (20). Fuente: Elaboración propia. ................................................47
Figura 24. Serie de temperatura para el periodo 1981-2015. Fuente: Elaboración propia. ........48
VI
Figura 25. Información disponible sin estimación de datos (superior) y con estimación de datos
(inferior). Fuente: Elaboración propia a partir de R. ...................................................................49
Figura 26. Diagrama de procesamiento para corrección atmosférica mediante el software ENVI.
Fuente: Elaboración propia. ......................................................................................................53
Figura 27. Estimación de temperatura superficial bajo vapor de agua para la base de datos
TIGR61. Fuente: (Jiménez et al., 2009) ....................................................................................54
Figura 28. Diagrama de procesamiento para corrección atmosférica en bandas térmicas.

Fuente: Elaboración propia a partir de (Jiménez et al., 2009). ..................................................54
Figura 29. Escala estacional para precipitación, T. máxima, T, media y T. mínima de la estación
Tibaita. Fuente: Elaboración propia. ..........................................................................................61
Figura 30. Boxplot a escala estacional para la norma de 1981-2015 y 2001-2015 para las
estaciones sin datos anteriores (Estaciones 1 a 5 rurales 6 a 12 urbanas). Fuente: Elaboración
propia........................................................................................................................................62
Figura 31. Variación de la temperatura del aire en Vancouver, Canadá agosto 1992. A
temperatura del aire, B magnitud ICUUCL, C tasa de enfriamiento. Fuente: (Oke et al., 2017) ...62
Figura 32. Ciclo estacional de temperaturas medias en el periodo 1981-2015, de las estaciones
Tibaita (inferior) y Nacional (superior). Fuente: Elaboración propia. ..........................................63
Figura 33. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente:
Figura 34. Escala interanual para T. med e ICUUCL en el periodo 1981-2015. Fuente:
Figura 35. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente:
Figura 36. Amplitud térmica para el periodo 1981 - 2015. Fuente: Elaboración propia. .............66
Figura 37. Distribución espacial de la norma 2001 – 2015 para la T. max, med, min, UCL max,
UCL med, UCL min y amplitud térmica. Fuente: Elaboración propia. ........................................67
VII Introducción
Figura 38. Climograma para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin datos
anteriores). Fuente: Elaboración propia. ...................................................................................68
Figura 39. Climograma ICUUCL T. max para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia. ..................................................69
Figura 40. Climograma ICUUCL T. med para el periodo 1981 – 2015 y 2001 – 2015 (para
Figura 41. Climograma ICUUCL T. min para el periodo 1981 – 2015 y 2001 – 2015 (para
Figura 42. Amplitud térmica a escala estacional para el periodo 1981 – 2015 y 2001 – 2015
(para estaciones sin datos anteriores). Fuente: Elaboración propia. .........................................70
Figura 43. Cambios en la T. min e ICUUCL través de quinquenios. Fuente: Elaboración propia. 72
Figura 44. Cambios en la T. med e ICUUCL través de quinquenios. Fuente: Elaboración propia.
.................................................................................................................................................72
Figura 45. Cambios en la T. max e ICUUCL través de quinquenios. Fuente: Elaboración propia 73
Figura 46. Cambios en la amplitud térmica a través de quinquenios. Fuente: Elaboración propia
.................................................................................................................................................73
Figura 47. SPI para el periodo 1981-2015 (superior) y precipitación en mm para el SPI (inferior).
Fuente elaboración propia.........................................................................................................74
Figura 48. SPI para el periodo 1981-2015 (superior) y temperatura en °C para el SPI (inferior).
Fuente elaboración propia.........................................................................................................75
Figura 49. SPI para ICUUCL de T. max, med y min, azul (estaciones rurales) negro (estaciones
urbanas). Fuente: Elaboración propia. ......................................................................................76
Figura 50. Crecimiento urbano y poblacional 1985-2010. Fuente: (Novoa, 2010) .....................77
Figura 51. Imagen térmica nocturna de LT8 tomada a las 3:05 am. Fuente: Elaboración propia.
.................................................................................................................................................78
Figura 52. Crecimiento urbano en el periodo de estudio. Fuente: Elaboración propia. ..............79
VIII
Figura 53. Promedio de temperatura superficial, desviación estándar y promedio por UPZ de las
7 imágenes diurnas seleccionadas (Anexo E). Fuente: Elaboración propia. .............................81
igura 54. Temperatura superficial, desviación estándar y promedio por UPZ de imagen satelital
nocturna (2015/02/21). Fuente: Elaboración propia...................................................................81
Figura 55. Zonas con menores y mayores temperaturas superficiales diurnas y nocturnas.
Fuente Elaboración propia. .......................................................................................................82
Figura 56. Zonas seleccionadas para el periodo 1981-2015. ....................................................83
Figura 57. Temperatura superficial para el periodo de 1985-2015. Fuente: Elaboración propia.
.................................................................................................................................................83
Figura 58. LST, Índices espectrales y parámetros urbanos. Fuente elaboración propia. ...........86
Figura 59.Diagramas de dispersión entre la LST y los índices espectrales y parámetros

urbanos. Fuente: Elaboración propia. .......................................................................................86
Figura 60.Densidad edilicia con rejilla de 1 Km (A Bangkok, B Ho Chi Min). Fuente: (Tran et al.,
2006) ........................................................................................................................................87
Figura 61. Gráfico de dispersión de la regresión lineal múltiple. Fuente: Elaboración propia. ...88
Figura 62. Histograma comparativo entre valores observados de LST y estimados. Fuente:
Figura 63. Temperatura superficial, estimación y error residual. Fuente: Elaboración propia. ...89
Figura 64. Grupos de Estaciones similares resultado del A.C.P. Fuente: (Angel et al., 2010) ...91
Figura 65. Relación de la temperatura con morbilidad y consumo energético. Fuente: (Li et al.,
2013) (OMM, 2011). ..................................................................................................................92
Figura 66. Distribución espacial a escala estacional de T. min e ICUUCL para el periodo 2001-
2015. Fuente: elaboración propia ............................................................................................ 103
Figura 67. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-
2015. Fuente: Elaboración propia. .......................................................................................... 104
IX Introducción
Figura 68. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-
2015. Fuente: Elaboración propia. .......................................................................................... 105
Figura 69. Distribución espacial a escala estacional de amplitud térmica para el periodo 2001-
2015. Fuente: elaboración propia. ........................................................................................... 106
Figura 70. T. max e ICUUCL por lustros. Fuente: Elaboración propia. .......................................107
Figura 71. T. med e ICUUCL por lustros. Fuente: Elaboración propia. ...................................... 108
Figura 72. T. med e ICUUCL por lustros. Fuente: Elaboración propia. ...................................... 108
Figura 73. Amplitud térmica por lustros. Fuente: Elaboración propia....................................... 109
10
1. Introducción
Bogotá ha tenido un fuerte crecimiento poblacional y urbanístico que empezó a partir del
siglo XX, a causa de las fuertes migraciones producidas por la guerra de los mil días y el
desarrollo tecnológico en diferentes campos de producción,
“A partir de 1890 fue cada vez más posible que se establecieran talleres mecanizados que
empleaban trabajadores asalariados, importaran ingenieros y técnicos o estos se hicieran con
la experiencia productiva misma, contaran con servicios adecuados de energía motriz
(hidráulica al principio pero eléctrica cada vez más) y contaran con mercados locales”
(Bermúdez & Wilson White, 2006)
Bajo la gran expansión y consolidación de Bogotá se pueden destacar aspectos como:
 Las fuertes migraciones a la ciudad que llevaron a problemas de salubridad y

hacinamiento.
 Las rápidas decisiones pensadas en resolver dichas problemáticas que
terminaron por sesgar a los planificadores que intentaban planear una ciudad que
se les escapaba de las manos por sus fuertes dinámicas de valorización y
desvalorización del suelo urbano y rural.
 La evolución urbana que sacrificó el espacio natural a tal punto de perder casi en
su totalidad el bosque inundable de aliso y el bosque de planicie, fundamentales
para la regulación y amortiguación hídrica.
De este rápido crecimiento y densificación se produce el fenómeno de Isla de Calor

Urbana (ICU), anomalía térmica que se presenta al interior de las grandes ciudades como
consecuencia de la acumulación de la energía calórica, que eleva la temperatura de la
zona urbana respecto a la zona rural (Zhou, Rybski, & Kropp, 2017). El fenómeno está
siendo estudiado ampliamente por la falta de comprensión que sus efectos tienen sobre
11 Introducción
el ecosistema urbano y natural. La presión que las altas temperaturas tienen sobre
ambos sistemas natural y urbano generan un déficit en la calidad de vida de la población,
aumentando los índices de morbilidad en enfermedades cardiovasculares, respiratorias
y de transmisión por vectores en poblaciones vulnerables, además del incremento en el
consumo de agua y de energía eléctrica.
La investigación pretende comprender ¿Cuál es el comportamiento y cómo se ha dado

la evolución de la Isla de Calor Urbana a nivel de dosel y superficie en la ciudad de
Bogotá para el periodo de 1981 a 2015? Sirviendo como base a futuras investigaciones
que puedan vincular éste trabajo a instrumentos de monitoreo y control del fenómeno.
El trabajo se enfoca en dos de las tres distintas clasificaciones de ICU, la ICU a nivel de
dosel (ICUUCL) y la ICU a nivel de superficie (ICUSup), sobre las que se realizaron los
análisis correspondientes para poder responder la pregunta planteada.
En la primera etapa se hace una revisión de la ICUUCL, donde a través de la temperatura

mínima, media y máxima registrada en estaciones meteorológicas, se analiza la
evolución histórica del fenómeno en el periodo 1981 - 2015, además, se estudia el
comportamiento que está tiene ante la precipitación y el fenómenos de Niño y Niña. El
análisis toma en cuenta la escala temporal estacional e interanual, con las que es posible
revisar el comportamiento de la ICUUCL a nivel mensual y quinquenal.
Para la segunda etapa se hace una revisión de la ICUSup, donde a través de sensores
remotos se obtienen imágenes diurnas y nocturnas de temperatura de superficie o LST
(Land Surface Temperature) para distintas fechas, de estás se elabora un análisis
preliminar del crecimiento de la ciudad de Bogotá, un análisis de la ICUSup donde se
detalla la distribución y evolución en el periodo 1981-2015 y para conocer su
comportamiento se usaron a 4 variables independientes (humedad de superficie, NDV,
compacidad y densidad edilicia) con correlación de Pearson y una regresión lineal
múltiple que demostraron una moderada capacidad descriptiva del fenómeno.
12
1.1 Localización geográfica del área de estudio

Bogotá se asienta en el altiplano Cundiboyacense a una altura media de 2.600 msnm,
entre los cerros orientales y la serranía del Majuy, catalogándose como ciudad de valle
ancho, según la clasificación orográfica para ciudades de Wanner & Filliger (1989),
donde las montañas que la flanquean propician vientos catabáticos y anabáticos así
como de inversiones térmicas (Babativa, 2018). Sus coordenadas geográficas son: 4°
35’56” de latitud norte de y los 74°04’51” longitud Oeste de Greenwich. Se encuentra
dentro de la zona de confluencia o Convergencia Intertropical (CIT) lo que produce dos
épocas de lluvia: la primera en los meses de marzo, abril y mayo y la segunda en los
meses de octubre y noviembre, su temperatura media es de 13.7 °C con desviación
estándar de 0.8 °C, su amplitud térmica promedio es de 11.2 °C con desviación estándar
de 1 °C , precipitación promedio de 915 mm con desviación estándar de 111.2 mm y una
humedad relativa de 80 % con desviación estándar de 3.5 % (IDEAM & FOPAE, 2007)
(Tabla 1).
Tabla 1. Valores promedio de temperatura, amplitud térmica, precipitación y humedad relativa para
Bogotá. Fuente: elaboración propia a partir de los datos de (IDEAM & FOPAE, 2007).
APTO EL APTO. HDA LAS JARDÍN UNIV. VENADO Desviación

Promedio
DORADO GUAYMARAL VEGAS BOTÁNICO NACIONAL DE ORO estándar
Temperatura
19,2 19,3 16 19,7 20,2 19,4 19,0 1,5
máxima °C
Temperatura
13,5 12,9 13,6 14,6 14,9 12,6 13,7 0,9
media °C
Temperatura
7,5 7 7,1 7,9 8,4 9,1 7,8 0,8
mínima °C
Amplitud
11,7 12,3 11,8 11,8 10,3 9,5 11,2 1,1
térmica °C
Precipitación
819 777 - 950 940 1093 915,8 124,3
mm
Humedad
80 74 85 83 78 80 80,0 3,8
%
Las escalas climáticas temporales que intervienen en la variabilidad climática son:
 Ciclo de Oscilación del Sur (ENOS): también conocido como fenómeno del niño y niña,
es una escala interanual que afecta la precipitación, temperatura máxima, media y
13 Introducción
mínima, ocasionando que para los meses secos de diciembre, febrero, julio y
septiembre las temperaturas aumenten (fenómeno del niño) y para los meses lluviosos
la temperatura disminuya con un aumento en la precipitación (fenómeno de la niña)
(IDEAM, 2014; José Daniel Pabón, 2007).
 Heladas: pertenecen a los cambios intraestacionales producidas en épocas secas, se

produce cuando la energía de onda larga retenida durante el día no es detenida a horas
de la noche por la cobertura nubosa, ocasionando que la temperatura llegue por debajo
de 0 °C en horas de la madrugada (Serna Cuenca, 2013).
Establecida la ciudad de Bogotá como caso de estudio, fueron tomadas las

consideraciones de Moreno García (1999), Oke et al (2017) y WMO (2006) para delimitar
la zona de estudio. Las recomendaciones enfatizan en una zona con factores geográficos
homogéneos, para que las variaciones de los datos proporcionados por las estaciones
meteorológicas sean representativas de las señales producidas por la transformación del
entorno natural al urbano.
En consecuencia, de que el área rural de Bogotá esta fuera del valle del río, la
delimitación de la zona de estudio contiene parte de los municipios de Cajicá, Chía, Cota,
Mosquera, Funza, Soacha en conurbación con Bogotá y Sibaté.
La zona de estudio mantiene una cota promedio de 2582 msnm y desviación estándar
de 27 msnm sin fuertes variaciones a excepción del cerro la conejera y parte de los
Cerros Orientales. Constituida por la malla urbana de Bogotá y un área rural
transformada para la agricultura y floricultura que dan un mosaico de tierras productivas
con cultivos de papa, maíz, cebada, hortalizas, pastizales, suelos descubiertos por
periodos de barbecho e invernaderos para floricultura. La Figura 1 muestra la
delimitación de la zona de estudio.
14
Figura 1. Zona de estudio. Fuente: Elaboración propia

15 Planteamiento del problema
2. Planteamiento del problema
2.1 Problema de investigación

Las dinámicas urbanas han generado afectaciones que necesariamente deben ser
analizadas para conocer y poder interpretar sus repercusiones, a tal punto de estar en la
capacidad de crear modelos que evalúen sus efectos a diferentes escalas permitiendo la
elaboración de instrumentos que posibiliten reorganizar la ciudad. Los pronósticos de la
de la OIM (Organización Internacional para los Migrantes) advierten que para el año 2030
más del 60% de la población mundial estará viviendo en ciudades, lo que con el actual
modelo de organización dará como resultado la pérdida de suelo por compactación,
sellamiento del suelo, cambio del régimen estacional , aumento de temperaturas, mayor
frecuencia de fenómenos meteorológicos extremos, hacinamiento, congestión en el
tráfico, problemas de salud y un crecimiento demográfico dentro de las urbes que
depende cada vez más de la relación del medio artificial y natural(OIM, 2015) .
El problema radica en cómo reorganizar la urbe y como replantear el concepto de lo que

es urbano. Los conceptos clásicos le dan una clasificación hacia lo productivo sin tener
en cuenta las relaciones que existen entre lo biótico y lo abiótico como parte funcional de
cualquier sistema, error que trajo como resultado una planeación equívoca de las
ciudades y una visión pobre por parte de la sociedad hacia cómo debe ser el
funcionamiento de esta (Rivas et al., 2006).
El aumento del calor al interior de las ciudades contrae distintos efectos que pueden ser
beneficiosos o perjudiciales dependiendo de las necesidades de la población y el clima.
A ejemplo, en ciudades septentrionales donde el clima tiende hacer mayormente frío
durante todo el año, la ICU puede brindar soporte a la población ayudando a mitigar las
bajas temperaturas y aliviando los costos de calefacción. Por otra parte, en ciudades
tropicales con climas templados durante todo el año la ICU puede aumentar las tasas de
morbilidad a consecuencia del estrés por calor, como lo reporta Estados Unidos donde
16
el estrés por calor es la principal causa de mortalidad por peligros relacionados al clima,
incluso más que huracanes e inundaciones, el efecto de estrés por calor en estas
ciudades aumenta cuando se suma a ellas una ola de calor, que resultan mortales para
adultos mayores y recién nacidos, que a falta de poder regular su temperatura en las
noches terminan sufriendo problemas cardiovasculares y respiratorios (Oke et al., 2017).
2.2 Hipótesis
La expansión y consolidación urbana que ha tenido Bogotá desde La Candelaria hacia
el oriente, sur y norte; deben marcar la condición actual de la Isla de Calor Urbana, siendo
el centro de la ciudad la zona más caliente y con pérdida de intensidad hacia la periferia.a
causa de la relación entre la ICUUCL y la ICUSup se prevé que la configuración de ambas
sean correspondientes entre si.
2.3 Objetivos
2.3.1 Objetivo general

Comprender la evolución y comportamiento de la Isla de Calor Urbana de dosel y
superficie en Bogotá para el periodo 1981 - 2015.
2.3.2 Objetivos específicos
 Analizar la ICU a nivel de dosel urbano mediante estaciones meteorológicas para

el periodo 1981 – 2015.
 Analizar la ICU a nivel de superficie mediante sensores remotos para el periodo
1981 – 2015.
2.4 Justificación
El crecimiento de la ciudad empieza a generar islas de calor que presionan
constantemente los ecosistemas encontrados bajo su zona de influencia, como
consecuencia se provoca un déficit en la calidad de los servicios ecosistémicos prestados
17 Planteamiento del problema
por la estructura ecológica principal. Como ejemplo, estudios en Brasil y China

encontraron que el estrés hídrico y la falta de humedad asociada al fenómeno (Zuleny &
Figueroa, 2017) favorecen la ocurrencia en la aparición de enfermedades cómo él zika,
dengue y chikungunya transmitidas por mosquitos (Araujo et al., 2015). La carencia de
humedad es explicada por Kondoh & Nishiyama (2000) como el efecto de la calidad y
cantidad de vegetación que en su deterioro genera menos cantidad de
evapotranspiración que ayuda a la regulación térmica, estos autores hallaron que en los
años de 1972 a 1995 en Tokio la evapotranspiración disminuyó en un 38% a causa del
crecimiento urbano favoreciendo la acumulación de temperatura en la ciudad.
En Brasil Helena Ribeiro (2005) encontró que la mortalidad en casos de enfermedades

cardiovasculares y respiratorias guardan relación con las islas de calor (Córdova, 2011).
Las patologías asociadas a las ICU son calambres por calor, agotamiento por calor y
golpe de calor. Una de las formas como el ser humano previene estos síntomas es a
través de la hidratación, en Phoenix Estados Unidos se encontró que el aumento de la
temperatura en 0,6°C aumenta el consumo de agua por familia de 1 a 3 metros cúbicos
como resultado el costo y la demanda de este servicio aumenta (Guhathakurta & Gober,
2007); En Colombia, un país que depende en un 67% de la energía hidráulica el aumento
del consumo doméstico puede desabastecer hidroeléctricas en temporadas de
Fenómeno de Niño, por consiguiente se pueden presentar cortes por racionamiento
energético que darán como resultado fuertes pérdidas económicas en diversos sectores
industriales.
Por último el incremento y la continuación de investigaciones que permitan entender más

las interacciones entre lo urbano y lo ecológico ayudarán a Colombia con los nuevos
retos de adaptación al cambio climático adquiridos en el acuerdo de Paris (COP21)
donde se compromete a que el 100% del territorio del país cuente con planes de
adaptación al cambio climático lo que permitirá proyectarnos para prever situaciones que
signifiquen riesgo a las poblaciones vulnerables en donde esta investigación puede
contribuir para planificación sostenible de las ciudades.
18
3. Revisión de literatura
3.1 Antecedentes
Las islas de calor (ICU) nacen de la investigación “The Climate of London” (1833) de
Luke Howards, quien sin conocer el efecto del crecimiento urbano sobre la temperatura,
señala que Londres cuenta con una anomalía térmica no definida en el centro de la
ciudad, Posteriormente investigadores como Emilien Renou, Wilhelm Schmidt se unen a
esta nueva área de la investigación definiendo y describiendo los elementos que
intervienen en su aparición, enfrentándose a diversos problemas como: falta de
estaciones meteorológicas con insuficiencia de datos históricos, escasa cartografía
catastral y la imposibilidad de contrastar la temperatura de la ciudad antes y después de
la aparición; ellos descubrieron que el albedo de los materiales de construcción como las
losas y las arcillas favorecían el calentamiento de la ciudad al almacenar mayores
cantidades de energía calórica, también analizaron la morfología urbana encontrando
que la densidad y los cañones urbanos tienen la capacidad de impedir o permitir la
advección térmica de las ciudades.
En Colombia el Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM a

través de la Sociedad Colombiana de Meteorología SOCOLMET, impulsó gran parte de
las investigaciones climáticas en Bogotá y el país, obras como: Análisis estadístico de
algunos parámetros meteorológicos en Bogotá (Montealegre, 1979), Régimen de vientos
en superficie de la Sabana de Bogotá (Barrero, 1975) y Las temperaturas extremas en
la Sabana de Bogotá (Barrero & González, s.f.) dieron los primeros pasos en la
caracterización climatológica de Colombia, sus iniciativas fueron la base de nuevas
investigaciones en materia climatológica.
El primer artículo del que se encontró registro en el país acerca del fenómeno de Isla de
Calor Urbano fue el “Análisis preliminar de la isla de calor en la sabana de Bogotá”
(Pabón et al., 1998), este artículo trabaja el fenómeno en los decenios de 1960 - 1969,
1970 – 1979 y 1980 – 1989 bajo ocho estaciones meteorológicas para la posterior
19 Revisión de literatura
generación de isotermas que demuestran el aumento de la temperatura urbana del

centro de la ciudad con 14 °C con respecto a la zona no urbanizada y sus 13,2 °C.
En Colombia, el estudio del fenómeno se ha realizado en las ciudades de Medellín, Cali

y Bogotá. Las investigaciones encontradas cuentan con dos metodologías, la primera
utiliza sensores remotos para la detección de las islas de calor (Navarro Díaz, 2016;
Preciado & Aldana, 2011; Viviana et al., 2013) y la segunda realiza análisis estadísticos
para determinar la variabilidad del clima a partir de estaciones meteorológicas (Ángel et
al., 2010).
La utilización de los sensores remotos en la detección de las ICU es ampliamente usado

y reconocido por sus ventajas de nivel de detalle, espacialidad y manejo de información,
el obstáculo relacionado con el método es la temporalidad en la adquisición de las
fotografías satelitales que dificultan tener un registro continuo de la información; por el
contrario la utilización de estaciones meteorológicas para la detección de la ICU a través
de métodos estadísticos permiten un seguimiento en el tiempo que aseguran identificar
y caracterizar el fenómeno con mayor detalle, el inconveniente con este método es la
falta de datos y la baja densidad de estaciones para el modelamiento espacial que
dificultan una descripción precisa a nivel espacial.
20
3.2 Marco conceptual
3.2.1 Sobre isla de calor

La Isla de Calor Urbana (ICU) es la variación térmica contrastada entre un espacio
urbano y rural, donde el espacio urbano tiende a conservar mayormente la energía
irradiada por el sol y la proveniente de fuentes antrópicas (calefacción, calor vehicular,
población, actividades industriales, etc.) en consecuencia de la sustitución del medio
natural por uno artificial constituido principalmente por materiales impermeables (Figura
2) (Founda & Santamouris, 2017; Guhathakurta & Gober, 2007), aunque es posible
encontrar una amplia variedad de definiciones que sustraen o integran elementos a la
misma, es común observar un eje transversal en todas (temperaturas mayores en zonas
urbanas a las de su periferia). Estas variaciones, en su definición, no hacen referencia a
algo más que a el enfoque particular a que cada autor da al objeto de trabajo teniendo
de base los distintos tipos de ICU.
Los distintos estudios dan relevancia hacia uno u otro aspecto del fenómeno, como la
importancia de su estudio a través de temperaturas superficiales (Nichol, 2005; Peng et
al., 2012; Weng, 2003), temperatura ambiente (Amorim & Dubreuil, 2017; Emmanuel &
Krüger, 2012), propiedades morfológicas de la ciudad (Cabras, 2014; Correa, Pattini,
Corica, Fornes, & Lesino, 2005; Hoyano, 1988) y actividades antrópicas de la cual se
construyen modelos analíticos de predicción (Kaloustian & Diab, 2015; Sahito, Shimada,
& Hoshi, 1996; Sangines Coral, 2013) sin que dicho eje sea alterado.
Figura 2. Perfil térmico de ICU. Fuente: (Cabras, 2014)

Evitando el uso de una definición que encasille el presente trabajo citaremos la escrita
por (Oke, 1995):
“Modificaciones humanas de la superficie y de las propiedades atmosféricas que acompañan

el desarrollo urbano. El fenómeno recibe la designación de “isla” porque los patrones
isotérmicos de la temperatura del aire cerca de la superficie se asemejan a los contornos de
una isla en el “mar” del campo más fresco de los alrededores. Por lo tanto, la isla de calor se
define sobre la base de las diferencias de temperatura entre las estaciones urbanas y rurales.”
Pues esta, en su sencillez permite el estudio de los diferentes tipos de ICU que pueden
ser encontrados en una zona urbana, sin restringir la metodología a usar. La
Organización Mundial Meteorológica (OMM) en su reporte número 81 “Instruments And
Observing Methods” advierte la necesidad de implementar nuevas metodologías para la
recolección de información meteorológica en un área urbana, que, por la gran
heterogeneidad de los entornos, le es conveniente recurrir a nuevos métodos de
adquisición basados en los distintos tipos de ICU. La distinción entre la clasificación de
la ICU deriva de sus escalas tanto verticales, horizontales y temporales provenientes de
la meteorología (Figura 2) que se caracterizan por la consideración de sus efectos sobre
su entorno inmediato y secundario, las escalas pueden ser estudiadas coordinadamente
de ser necesario (WMO, 2006).
3.2.1.1 Escala vertical

Las capas verticales estudian los intercambios energéticos que puede haber entre dos o
más masas de aire, en esta escala interviene la mezcla de las masas o su separación
por las diferencias de temperatura que bajo efectos de la ICU pueden generar
inversiones térmicas sobre la zona urbana.
 Isla de Calor Urbana Superficial (ICUSup): La ICUSup es la isla de calor urbana

a nivel de superficie, caracterizada por las propiedades térmicas y físicas de los
elementos como el albedo, emisividad y emitancia que determinan las
temperaturas de los distintos materiales sobre la superficie urbana, su relación
con la elevación de la temperatura ambiente está en función del calor latente o
22
sensible, así como de la estabilidad atmosférica, turbulencia y humedad de la

superficie. El estudio de este tipo de ICU está centrada en plataformas aéreas
como los satélites (Oke et al., 2017).
 Urban Canopy Layer (ICUUCL): Es la capa de aire conocida como Capa de Dosel
Urbana, se encuentra afectada por la rugosidad de los objetos que se sitúan sobre
la superficie como la cobertura vegetal, edificios, masas de agua, etc. La
extensión a la que esta capa puede llegar se limita a la distancia media de los
elementos perpendiculares al suelo. Fuertemente intervenida por la rugosidad su
comportamiento suele ser caracterizado por vientos turbulentos y con
fluctuaciones muy marcadas en cortas distancias a razón de las interacciones
verticales y horizontales (Oke, 1982). Esta capa es estudiada a través de
estaciones meteorológicas y transectos, también acoplada a una escala horizontal
de nivel local y de microescala.
 Urban Boundary Layer (ICUUBL): Es la capa de aire conocida como Capa Límite
Urbana, generada por encima de la Capa de Dosel a razón de las múltiples
mezclas sucedidas por las distintas UCL, se encuentra en contacto con la
atmósfera a una altura de hasta 1,5 Km participando en los balances energéticos,
suelen ser más cálidas, secas y contaminadas en relación al área rural,
presentando comportamientos distintos de día y de noche que producen inversión
térmica favoreciendo el estancamiento y acumulación de partículas
contaminantes (Fan et al., 2017; Oke, 1995). Esta capa es estudiada a través de
sondeos verticales en una escala horizontal de nivel local y mesoescalar.
3.2.1.2 Escala Horizontal

Las escalas horizontales determinan la extensión de los fenómenos atmosféricos que se
estudian. Así, un fenómeno que afecte a latitudes y longitudes distantes entre sí, como
el Fenómeno Niño y Niña son estudiados a una escala sinóptica (Pabón & Correa, 2005),
los que abarquen extensiones regionales como: frentes fríos, brisas de mar y tormentas
convectivas son estudiados a nivel mesoescalar (Gonzáles & Aguilar, 2013), los que
comprendan amplitudes específicas como: aguaceros intensos, granizadas y vendavales
son estudiados a nivel local (Morey, 2017) y los que intervengan directamente con la
superficie terrestre son estudiados a nivel microescalar (Buenestado, 2003).
Las clasificaciones nombradas anteriormente, son las usadas por la meteorología y

extraídas por la climatología urbana para poder llevar a cabo sus estudios, que con tal
propósito han visto la necesidad de modificar el área de extensión (Figura 3). siendo para
la climatología urbana la mesoescala una extensión lo suficientemente amplia como para
estudiar las diferencias energéticas entre el área rural y urbana alcanzando incluso la
UBL. La mesoescala reduce el tamaño a niveles intraurbanas y la microescala a calles o
manzanas.
Figura 3. Esquema de escalas climáticas y capas verticales encontradas en áreas urbanas. PBL - capa
límite planetaria, UBL - capa límite urbana, UCL - capa de dosel urbano. Fuente: (Bailey et al., 1997).
La gran heterogeneidad entre los entornos urbanos que rigen las condiciones de la UCL
implica esfuerzos más detallado para la comprensión del fenómeno, para esto, la
microescala podría ser requerida pues con ella es posible resaltar las diferencias
atmosféricas que puede haber a tan solo algunos metros de distancia; sin embargo,
realizar un estudio de UCL a este nivel implicaría una gran inventario de espacios, que
derivan en tiempo adicional para su categorización y procesado de datos, dejando a la
microescala con más dificultades que bondades para la caracterización de las
estructuras urbanas. Por ende, una solución más acorde es utilizar la escala local,
pudiendo establecerse en ella una clasificación de mayor extensión que pueda recoger
24
características homologas1 entre espacios, labor desarrollada por Ellefsen (1991) donde
a través de características como: dimensión de edificios, densidad edilicia, compacidad
edilicia, materiales de construcción, ancho de calles, flujo de aire y tipo de techo logró
clasificar 17 tipologías de espacios urbanos con el objetivo de brindar un inventario
sencillo para los estudios de climatología urbana, las limitaciones de este método son la
falta de caracterización de espacios naturales que pueden haber dentro de las ciudades
como: suelos desnudos, cuerpos de agua, coberturas vegetales, etc.
Para trabajos posteriores las 17 tipologías categorizadas por Ellefsen valieron de base
para desarrollar un inventario con mayor enfoque hacia zonas climáticas (Loridan &
Grimmond, 2012; WMO, 2006). Pudiéndose explicar más claramente las relaciones de
la UCL con los microclimas producidos por la heterogeneidad de la ciudad y que al mismo
tiempo sirvan como instrumento de planificación, ecología del paisaje y de cambio
climático global. Para 2012 (Oke & Stewart, 2012) elaboraron el sistema de clasificación
de Zonas Climáticas Locales (ZCL) a través de trabajos anteriores, que recogen parte de
los factores más importantes en la incidencia de los elementos climáticos en la ICU, como
las propiedades geométricas, térmicas, radiativas, metabólicas, cobertura de la
superficie y actividades humanas; describiendo diez tipos de espacios con edificaciones
y siete espacios naturales (Figura 4-5).
1
Las características homologas están originadas en los usos del suelo que comparten elementos
similares entre ellas, como: zonas industriales, residenciales, comerciales, parques etc.
Figura 4. ZCL por tipos de construcción (Oke & Stewart, 2012) ilustrado por J.A. Ruíz. Fuente: (Jiménez,
2016).
26
Figura 5. ZCL por tipos de espacios naturales (Oke & Stewart, 2012), ilustrado por J.A. Ruíz. Fuente:
(Jiménez, 2016).
La gran acogida del proyecto debe crédito a que siendo un inventario simple que
relaciona entornos urbanos con diferencia de temperaturas entre las distintas UCL de
una misma ciudad, ha presentado un rendimiento satisfactorio con un coeficiente de
determinación general de 0.75 entre ZCL y temperatura ambiente (Ren et al., 2016) y un
coeficiente de determinación de 0.92 entre NDVI y temperatura superficial (LST por sus
siglas en inglés) (Figura 6) (Ferreira & Duarte, 2019), si bien, el método puede variar en
eficacia según el preprocesamiento de los datos satelitales y las condiciones propias de
cada ciudad (Cai et al., 2018; Stewart et al., 2014) estas variaciones son aceptables y
pueden ser optimizadas con insumos alternos como: imágenes estereoscópicas,

información LIDAR, DEM he información catastral.
Figura 6. Correlación entre NDVI y LST para las ZCL. Fuente:(Ferreira & Duarte, 2019).
La validez de las ZCL también debe mérito a la búsqueda del equilibrio térmico que
ocurre entre la UCL y la superficie urbana, donde la superficie al contar con mayor
temperatura, sede parte de ésta a la masa de aire con la que está en contacto,
aumentando la temperatura ambiente a razón de la configuración de los elementos
superficiales2 con los que se encuentra. La diferencia de temperaturas entre la masa de
aire y la superficie deriva en una mayor amplitud térmica en el día, (a causa de la
absorción de energía de onda corta3), a diferencia de la noche, donde la amplitud
disminuye a causa de la liberación de energía de onda larga (ondas provenientes del
sistema atmosférico y terrestre), llegando en algunos casos ,a ser la temperatura de la
masa de aire mayor a la temperatura superficial (Gallo et al., 2011; Lehoczky et al., 2017).
Esta relación también es explicada por la correlación positiva que guarda la LST con la
temperatura del aire que no solo se han encontrado en espacios urbanos como lo
demuestran las investigaciones que abordaron ecosistemas y áreas montañosas para la
correlación de la LST y la temperatura del aire (Colombi et al., 2007; Li et al., 2007; Martin
et al., 2015).
2
Sin embargo, dicha correlación está en función de factores como estabilidad atmosférica, baja advección, radiación
solar, etc.
3 La energía de onda corta hace referencia a la proveniente del sol.
28
Los intercambios energéticos que tienen lugar en un sistema volumétrico sirven de

referencia a las investigaciones acerca del comportamiento atmosférico de la UCL,
estudiando la radiación entrante y saliente del sistema es posible determinar el balance
energético de este (Figura 7).
Figura 7. Esquema de balance energético para un sistema volumétrico urbano (Oke, 1988ª), ilustrado por
J.A. Ruíz. Fuente: (Jiménez, 2016).
Expresada en la Ecuación 1 con unidades de ( ∗ ) (Loridan & Grimmond, 2012),

el balance energético se compone de radiación solar entrante dada por los intercambios
radiativos ( ∗ ), energía antropogénica producida por el metabolismo urbano en forma de
emisión de gases por fuentes fijas y móviles, producción de energía para uso de aire
acondicionado, sistemas de ventilación y calefacción, centrales eléctricas, sistemas de
iluminación etc ( ) (Sailor, 2011), energía usada para el calentamiento de la atmósfera
también conocida como calor sensible ( ), energía usada para los cambios de fase
(evapotranspiración) también conocida como calor latente ( ), energía transportada por
los vientos en forma de advección dentro y fuera del sistema (∆ ), energía almacenada
por la admitancia térmica de las superficies impermeables de la malla urbana más las
coberturas del suelo en el sistema volumétrico (∆ ); A través del balance energético,
es posible conocer la distribución de la energía intraurbana y su contraste con las zonas
rurales contiguas.
∗
+ =( − ) + (∆ −∆ ) (Ec 1)
Encontrando que en Nagoya Japón, las zonas industriales mantienen y emiten mayor
calor sensible a diferencia de los espacios urbanos y rurales, y los urbanos sobre los
rurales por efecto de la liberación de energía antropogénica, se plantea que la pérdida
de cobertura vegetal es un factor clave en el aumento de calor sensible (Figura 8) (Kato,
2005); supuesto que apoya las investigaciones de Christen & Vogt (2004) y Piringer et
al., (2007) quienes vinculando de forma directa la pérdida de cobertura vegetal con el
aumento de y demostrando que en las zonas urbanas y suburbanas con escasa
cobertura vegetal disminuye , a diferencia de la zona rural con abundante cobertura
vegetal, donde el calor latente aumenta debido a la evapotranspiración generada por las
plantas que causa un efecto de enfriamiento en el ambiente.
Figura 8. Calor sensible de la ciudad de Nagoya Japón; el color rojo está asociado a la malla urbana
densa, el verde a zonas suburbanas, el azul a cobertura vegetal y el negro a cuerpos de agua. Fuente:
(Kato, 2005)
Otro caso es el de Ramírez & Jaramillo (2009) que estudiaron el balance de energía en
tres tipos de coberturas vegetales (Bosque, Cafetal y pastizales) en la región andina de
Colombia. A través de la relación de Bowen, indicador para el calor sensible y latente,
donde valores menores a 0 se relacionan con temperatura ambiente baja, próximas a
cero a condiciones estables entre la temperatura foliar y la temperatura ambiente, y
mayores a cero a temperatura ambiente alta. En el estudio se encontró que la
transformación de bosque a pastos daba un aumento en el calor sensible por efecto de
la disminución de la evapotranspiración que interviene en el enfriamiento de la atmósfera,
siendo la temperatura ambiente de los pastizales más alta que la de los bosques.
30
3.2.2 De los elementos y factores climáticos en la ICU

El clima es definido como el conjunto de condiciones atmosféricas que identifican y
caracterizan la intensidad y frecuencia de los elementos climáticos4 para una región en
un largo periodo de tiempo.
Los elementos climáticos son: temperatura, precipitación, humedad, viento, radiación

solar y presión atmosférica, que están fuertemente condicionados por los factores
climáticos5 como los astronómicos (movimientos de la tierra), geográficos (latitud, altitud,
continentalidad y relieve), biológicos (tipos de cobertura vegetal) y antrópicos
(sellamiento del suelo, materiales impermeables, densidad edilicia, albedo, etc.), ahora,
si una zona es intervenida y los factores presentes son alterados, como es el caso de las
zonas urbanas, la perturbación generará microclimas diferenciados para cada zona
climática local. A continuación, se nombrarán los factores y elementos más relevantes
para la investigación, en el caso de la ICUUCL los elementos con los que se estudiará el
comportamiento será la precipitación puesto que no se tienen datos suficientes para
realizar una correlación con el viento, humedad y radiación solar. Para la ICUSup el
comportamiento se estudiara cruzando la LST con el factor de diseño urbano y los
parámetros densidad edilicia y compacidad, así como también el factor de cobertura
vegetal a través del NDVI y el elemento climático de humedad enfocado en la humedad
de superficie.
3.2.2.1 Elementos climáticos

Temperatura
Es un indicador de la cantidad de energía cinética molecular de un cuerpo, su sistema
de medición se representa en grados Celsius, Kelvin o Fahrenheit expresando su
potencial térmico o calórico. La temperatura es uno de los elementos climáticos más
4
condiciones y propiedades físicas de la atmósfera de los que es posible efectuar mediciones para su
determinación espacial y temporal.
5
condiciones físicas con capacidad de modificar las propiedades de los elementos climáticos.
condicionados por otros parámetros como la radiación solar, el viento, la humedad y la

precipitación. A su vez la temperatura puede modificar las corrientes de aire y aumentar
o disminuir la retención de humedad en la atmósfera.
Viento
Movimiento del aire que es generado a partir de las diferencias de presión y temperatura.
El viento tiene el potencial de transportar: calor, humedad y contaminantes capaces de
modificar las condiciones atmosféricas de una zona, por ejemplo: el transporte de calor
de una zona fría A hacia una cálida B conlleva a una disminución de la temperatura en
la zona B. así mismo las ciudades tienen la facultad de intervenir en la libre circulación
de las masas de aire a través de efectos mecánicos (rugosidad del espacio urbano) y
térmicos (variaciones en la presión) que producen una disminución de la velocidad
promedio del viento y aumento en la turbulencia al interior de la ciudad (Figura 9).
Figura 9. Células convectivas de corriente de aíre por efecto de la temperatura de la capa urbana,
simulación en Sao Paulo Brasil. Fuente: (Freitas et al., 2007).
Humedad
Es el vapor de agua contenido en la atmósfera como producto de la evaporación de las
masas de agua y de la evapotranspiración proveniente de plantas y animales. Para la
climatología urbana la humedad puede provenir de dos fuentes, naturales como las
mencionadas anteriormente y de fuentes antrópicas como de los procesos de
combustión, sistemas de aire acondicionado y torres de enfriamiento que liberan
cantidades adicionales de vapor a la atmósfera. La humedad favorece la disipación de la
32
energía térmica a través de la energía latente usada en el cambio de estado de solido a

líquido.
El vapor de agua es expresado en: humedad absoluta, relación entre la masa de vapor
de agua y el volumen total de aire en gramos de vapor de agua por metro cúbico de aire,
al ser sensible a los cambios de presión su uso se ve restringido a alturas sin fuertes
variaciones. Humedad específica, es la relación entre las masas de vapor de agua y el
aire seco en kg vapor de agua / kg aire seco, no es sensible a cambios de presión y
temperatura por lo que su uso no se ve restringido para análisis de escala vertical y
horizontal. Humedad relativa, capacidad del aire para alcanzar un estado de saturación
a una determinada temperatura (a mayor temperatura mayor será la capacidad de la
atmósfera para contener humedad, Figura 10) expresada en porcentaje, no es una
medida directa o absoluta del contenido de humedad o su déficit de vapor y dada su
dependencia tanto a la temperatura como a la presión, la humedad relativa no debe
utilizarse para medir las diferencias horizontales o verticales del contenido de humedad.
Figura 10. Variación de la humedad relativa durante un periodo de 24 horas para una presión real de
vapor constante de 2,4 kPa. Fuente: (FAO, 2006)
Precipitación
Es un fenómeno climatológico que surge cuando el movimiento del aire por convección
produce elevaciones de viento que forman pequeñas gotas que caen en forma de
llovizna, lluvia, granizo o nieve. La precipitación es un elemento del clima que influye en
la humedad relativa, vegetación, temperatura y contaminación, entre otros. Aunque los
estudios del efecto de la temperatura en la precipitación no son determinantes, se ha
encontrado que las células convectivas asociadas a las temperaturas de la ciudad

pueden incidir en el aumento o disminución de esta.
Radiación solar
Energía emitida por el sol en que es recibida en la superficie terrestre, la intensidad de
la energía depende del movimiento de translación y la latitud, la radiación solar genera
los procesos de intercambio de energía en el planeta a través del calentamiento de la
superficie de la tierra. La radiación proveniente del sol tiene la capacidad de generar
reacciones fotoquímicas en la atmósfera que para el caso de las ciudades puede generar
un incremento de gases contaminantes como el ozono.
3.2.2.2 Factores climáticos

Latitud
Es la distancia que hay entre el ecuador hacia cualquier punto de la tierra en sentido
norte o sur. La latitud determina: el ángulo de incidencia del sol lo que la intensidad de
los rayos solares, las regiones climáticas dadas por el distanciamiento desde el ecuador
y la radiación solar que llega al techo de la atmósfera debido al movimiento de translación
Altitud
Es la distancia entre el nivel medio del mar y un punto perpendicular a la superficie de la
tierra. Este factor influye sobre la presión atmosférica, la temperatura y la pluviosidad. A
mayor altitud la presión atmosférica es menor, al igual que la temperatura.
Orografía
Es el relieve de la superficie terrestre producido por el levantamiento de la corteza. La
orografía interviene en el clima de una región a través de distintos mecanismos que
alteran las temperaturas y la precipitación. Las masas de aire que chocan a barlovento
generan lluvias por la expansión y condensación del aire ascendente, mientras que a
sotavento un aire más cálido producto de la eliminación de vapor de agua se caliente
más rápidamente (Figura 11). La presencia de relieve también afecta las masas de aire
34
verticales a través de los vientos anabáticos6 y catabáticos7 que en acople con la ciudad
modulan los contaminantes atmosféricos de la zona urbana (Figura 12).
Figura 11. Vientos de barlovento y sotavento. Fuente:(Oke et al., 2017)
Figura 12. (a) vientos anabáticos con disipación de contaminantes y neblina. (b) vientos catabáticos con
una capa densa de contaminantes. Fuente:(Oke et al., 2017)
Albedo
La radiación solar reflejada por un cuerpo está dada por de albedo. Para una superficie,
es la relación entre la totalidad de la luz reflejada por la superficie y la totalidad de luz
incidente sobre la superficie, para medir esta variable, es necesario considerar la luz
incidente y emergente en todo el rango espectral y en todas las direcciones. Para un
cuerpo como la nieve recién caída su albedo va de 0.80 a 0.90 y el restante 0.20 se
constituye en radiación absorbida o transmitida. El albedo indica entonces la cantidad de
energía que es absorbida y que posteriormente es retenida o transmitida, si bien el
albedo no está relacionado directamente con la temperatura de un cuerpo es posible
6
Vientos que al calentarse por efecto de la radiación solar en el día aumentan su volumen ascendiendo
por las laderas.
7
Vientos que enfriados por la ausencia de la radiación solar disminuyen su volumen, siendo más
pesados descienden por las laderas.
disminuir temperaturas superficiales con albedos cercanos a 1 (Taha, Sailor, & Akbari,
1992). En la figura 13 se muestra los valores promedio del albedo medido en campo, se
puede observar que la retención de energía en las zonas urbanas es mayor a las de la
cobertura vegetal.
Figura 13. Albedo obtenido de mediciones en campo y relación con la altitud y el ángulo cenital. Fuente:
(Oke et al., 2017)
Cobertura vegetal
Los distintos tipos de cobertura vegetal contribuyen a modificaciones en la humedad,
temperatura, filtración de la radiación solar y contaminación atmosférica. En la figura 12
se ve como tres tipos distintos de cobertura modifican las cantidades de humedad en el
ambiente mediante su evapotranspiración, reduciendo la temperatura ambiente por el
aumento del calor latente, en la figura 18 se observa el favorecimiento del albedo de la
vegetación para la disminución de la energía absorbida y transmitida.
Diseño urbano
Existen diferentes metodologías para estudiar la configuración del espacio urbano, las
más destacadas son el Factor de Visión del Cielo (SVF por sus siglas en inglés) y la
relación de aspecto (H/W), que de forma sencilla permiten inferir el comportamiento del
viento, temperatura, contaminación del aire y la radiación neta de onda larga. La SVF y
la H/W están estrechamente relacionadas, ya que ambas son indicadores de la estreches
o amplitud que existe entre una calle y los edificios contiguos, condición conocida como
cañón urbano.
36
El factor de visión del cielo es una medida que indica el área de los elementos que
obstruyen la visión del cielo desde un punto fijo en la superficie, la SVF toma valores de
o a 1, donde 0 es una obstrucción total y 1 un espacio sin obstrucciones. Los valores
altos de SVF están asociados a la reflexión múltiple de radiación de onda larga,
disminución de la velocidad promedio, aumento de turbulencia y dificultad de reemitir en
la noche la radiación almacenada en el día, provocando mayor intensidad en la isla de
calor (Oke, 1988b) (Figura 16).
Los parámetros densidad edilicia y compacidad pueden ser usados como alternativa para
conocer la amplitud de los cañones urbano, la densidad edilicia relaciona la cantidad de
edificaciones sobre una rejilla de referencia (Figura 14), mientras la compacidad
relaciona el volumen de las edificaciones por rejilla de referencia (Figura 15) (AEUB,
2008).
Figura 14. Representación del cálculo de densidad edilicia con rejilla de referencia. Fuente: Elaboración
propia.
Figura 15. Representación del cálculo de compacidad con rejilla de referencia. Fuente: Elaboración
propia.
Figura 16. Correlación entre SVF y radiación de onda larga neta (izquierda) y correlación de SVF con la
intensidad de isla de calor para varias ciudades de Australia, Europa y Norte América (derecha). Fuente:
(Oke, 1988ª)
3.3 Estado del arte

En Bogotá los estudios de la ICU han sido dirigidos hacia la ICUUCL e ICUSup, sin embargo,
son pocos los artículos disponibles para cada una de las clasificaciones. En el caso de
la ICUUCL los estudios disponibles trabajan más dedicadamente los registros de
temperatura media, sin entrar a observar a detalle la temperatura máxima y mínima que
también ayudan a describir el fenómeno, puesto que estas temperaturas son datos
representativos del comportamiento térmico de la ciudad en horas de la tarde y noche.
Para el comportamiento estacional y la relación del fenómeno con las lluvias no se
encontraron antecedentes con los que este trabajo pueda ser comparado en la ciudad
de Bogotá.
En el artículo de Pabón, et al. (1998) “Análisis preliminar de la isla de calor en la

sabana de Bogotá” se elaboró un análisis simple de las temperaturas medias en la
sabana de Bogotá a partir de 10 estaciones meteorológicas para los decenios de 1960 –
1969,1970 – 1979 y 1980 – 1989, Pabón trabajó con series homogéneas obtenidas del
IDEAM y uso la media aritmética como cálculo de la norma8 para cada decenio, para la
interpolación de los datos utilizo isolíneas bajo el método IDW que evidencian una
8
“Valores promedios multianuales de las variables climatológicas que representan lo predominante en un
período de 30 años, Se denomina norma (o normal) climatológica. Con las normales climatológicas se
establecen el patrón de la región.” (IDEAM, 2018)
38
concentración de temperatura sobre Bogotá, la intensidad de la ICUUCL encontrada para

el los decenios estudiados fue de 0.8°C.
Para Angel, et al. (2010) y el trabajo “Isla de calor y cambios espacio-temporales de

la temperatura en la ciudad de Bogotá” se realizó un análisis enfocado en conocer los
cambios de la temperatura mínima, media y máxima en el periodo de 1970 a 2005 en
relación al aumento de la malla urbana y aumento de población. En el estudio se contó
con 10 estaciones meteorológicas sometidas a pruebas estadísticas para asegurar la
fiabilidad de los datos y una prueba de componentes principales para conocer la
distribución espacial, prescindiendo de métodos de interpolación de datos para este fin,
en el análisis estacional se concluye y rectifica el comportamiento bimodal del clima
Bogotano, también se encuentra que la temperatura mínima, media y máxima ha tenido
un aumento significativo en el periodo de estudio, si bien el trabajó no trata las diferencias
térmicas entre la zona urbana y rural, el estudio determina una ICUUCL de 3°C para la
temperatura media, con respecto a la temperatura mínima y máxima no se realizan
cálculos para determinar la ICUUCL.
Los artículos mencionados anteriormente son los únicos estudios encontrados para la
ICUUCL de Bogotá, estos hacen una revisión robusta sobre la temperatura media sin gran
detalle de la temperatura mínima y máxima, por lo que a efectos de la validación de los
resultados encontrados para estas temperaturas se decide trabajar con estudios de
caracterización climática que puedan ser comparables con el presente trabajo. Entre
estos se encuentra “Precipitaciones y temperatura en la corriente Bogotá” de
Jaramillo Vera, Gelvez Garcia, & Bayona Navarro, (2017) que analiza la relación de la
temperatura y la altura a nivel del mar encontrando que para alturas de 2500 msnm las
temperaturas medias se encuentran sobre los 15°C, “Estudio de la caracterización
climática de Bogotá y cuenta alta del río Tunjuelo” de IDEAM & FOPAE (2007) que
determina la norma climática de Bogotá bajo 8 estaciones meteorológicas y el trabajo de
Machado Peréz (2016) “Análisis de índices extremos de temperaturas asociadas al
cambio climático en Bogotá durante las décadas de 1980-2010” caracteriza el clima
a través de 8 estaciones meteorológicas, el control de calidad dada a las series climáticas
cuenta con una revisión de anomalías puntales y una estimación de datos faltantes de
tipo regresión lineal. El estudio concluye que las temperaturas máximas y mínimas tienen
una tasa de crecimiento anual de 0.037°C y 0.17°C respectivamente. Machado ya
advierte de la presencia de microclimas al interior de la ciudad que deben ser estudiados
con series de tiempo más largas y con técnicas que permitan su distinción.
Para la ICUSup se encontraron dos artículos de investigación que analizaron la

temperatura superficial de Bogotá a través de sensores Landsat. En el trabajo de Zuleny
& Fiquitiva (2017) “Análisis espacio-temporal de variables que inciden en la
generación de isla de calor urbana en la localidad de Kennedy” el estudio
diagnosticó la ICUSup de la localidad de Kennedy investigando su evolución en el tiempo
así como las variables que intervienen en el desarrollo del fenómeno, para esto se
utilizaron 8 imágenes satelitales en la ventana de tiempo 1998 – 2016, encontrando que
la LST promedio ha tenido un aumento en su intensidad pasando de 23°C en el año 1998
a 32.8°C, además se identificaron 4 variables que se correlacionan con la LST
contaminación atmosférica, radiación solar, cobertura vegetal y espacios urbanizados de
las que es posible realizar un control para prevenir altas temperaturas en la localidad. El
segundo trabajo es el de Gómez & Castañeda (2013) “Estudio del Crecimiento Urbano
con respecto al Efecto Isla de Calor para establecer Lineamientos de Gestión
Energético Ambiental en Bogotá” quienes establecen la distribución espacial de la
ICUSup en Bogotá, identificando dos núcleos térmicos correspondientes a las localidades
de Engativá, Kennedy y Puente Aranda.
El comportamiento de la ICUSup ante variables independientes ha sido estudiado por

Tran, et al.(2006) “Assessment with satellite data of the urban heat island effects in
Asian mega cities” y Buyantuyev & Wu (2010) “Urban heat islands and landscape
heterogeneity: Linking spatiotemporal variations in surface temperatures to land-
cover and socioeconomic patterns”, autores que han encontrado dependencia de la
LST ante el factores urbanos como la densidad edilicia y la compacidad, así como
también a índices espectrales como el NDVI, humedad superficial y albedo.
40
4. Métodos y materiales
4.1 Materiales
En esta sección se mencionan los insumos y bases de datos utilizados para la
elaboración de cada objetivo, así como comentarios respecto a la calidad y fiabilidad de
los datos utilizados.
4.1.1 Etapa 1: Analizar la ICUUCL a través de estaciones meteorológicas

Para la identificación de la ICU a nivel de UCL se visitaron 4 entidades públicas, el
Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), la Corporación
Autónoma Regional de Bogotá (CAR), el Instituto Distrital de Gestión del Riesgo y
Cambio Climático (IDIGER) y la Empresa de Acueducto y Alcantarillado de Bogotá
(EAAB), a quienes se les solicito información de estaciones meteorológicas
convencionales y pluviométricas (Tabla 2).
Tabla 2. Estaciones meteorológicas recibidas por entidad. Fuente Elaboración propia.
Institución Estaciones meteorológicas

IDEAM 61
CAR 6
IDIGER 0
EAAB 2
Total 69
Entre los datos entregados por las distintas instituciones se encontró:

 En los datos suministrados por el IDEAM9 para estaciones meteorológicas
automáticas, se encontraron valores anómalos con registros superiores a los 30°C,
por lo que las estaciones fueron excluidas de la investigación por sus severas
inconsistencias.
9
De las 83 estaciones solicitadas al IDEAM del catalogó encontrado en el geovisor
http://visor.ideam.gov.co:8530/geovisor/#!/profiles/3 V11. 2018 se recibieron 61estaciones.
41 Métodos y materiales
 El instituto IDIGER informo que todas sus estaciones meteorológicas cuentan con
problemas de calibración, por lo que sus registros no pueden ser utilizados para
ningún tipo de estudio.
 Estaciones meteorológicas de la CAR cuentan con inhomogeneidades por errores
puntuales y saltos en la media, lo que imposibilita su uso en el estudio (Figura 17).
Estación APTO Guaymaral 2120559 5

25
23 4
21 3
19 2
Temperatura ENOS (°C)

17
Temperatura (°C)
1
15
13 0
11 -1
9 -2
7
-3
5
3 -4
1 -5
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Anomalías niño Anomalías niña T. Media T. Minima T. Maxima
Figura 17. Inhomogeneidad en serie climática para la estación Guaymaral.
 Se encontraron estaciones meteorológicas con coordenadas no actualizadas a su

posición actual, la falta de metadatos que indiquen estos cambios y la falta de
precisión dificulta el trabajo de interpolación de los datos (Figura 18).
 Las estaciones meteorológicas no cuentan con metadatos para poder realizar una
adecuada homogenización a los datos.
42
Figura 18. Desplazamiento de 4 estaciones meteorológicas (marcador amarillo: posición actual de la

estación, marcador purpura: posición dada por IDEAM). Fuente: elaboración propia a partir de Google
Earth Pro.
Para la identificación de las anomalías térmicas de la temperatura de la superficie del

océano Pacífico, referidas a los periodos de niño y niña se usaron los datos del Índice
Oceánico del Niño con localización 3.4 (ONI) estimados por la NOAA10 con actualización
periódica de 5 años.
4.1.2 Etapa 2: Analizar la ICUSup mediante sensores remotos

Para la identificación de la ICUSup se usaron las imágenes satelitales de Landsat 4
(sensor TM), 5 (Sensor TM), 7 (sensor ETM+), y 8 (sensor OLI y TIRS) obtenidas del
10
https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_change.shtml
repositorio del Servicio Geológico de los Estados Unidos11 (Tabla 3) (USGS por sus
siglas en inglés) con recalibración hecha en el año 2017 por la USGS donde se corrigen
errores descritos por (Barsi et al., 2003) para los sensores TM y ETM+ y los encontrados
por la USGS12. La tabla 3 muestra las características de las bandas para cada sensor.
Para las correcciones atmosféricas se usaron los radiosondeos de la estación “80220
SKBO” de la base de datos de la Universidad de Wyoming13.
Tabla 3. Bandas de los sensores Landsat 4,5,7 y 8 (* Bandas remuestreadas a 30 m). Fuente:
Elaboración propia.
Longitud de Longitud de
Landsat 4 y 5 Resolución Landsat 7 Resolución
onda onda
(TM) (metros) (ETM+) (metros)
(micrómetros) (micrómetros)
Band 1 - Blue 0.45 - 0.52 30 Band 1 - Blue 0.45 - 0.52 30
Band 2 - Green 0.52 - 0.60 30 Band 2 - Green 0.52 - 0.60 30
Band 3 - Red 0.63 - 0.69 30 Band 3 - Red 0.63 - 0.69 30
Band 4 - NIR 0.76 - 0.90 30 Band 4 - NIR 0.77 - 0.90 30
Band 5 - SWIR 1.55 - 1.75 30 Band 5 - SWIR 1.57 - 1.75 30
Band 6 - TIR 10.40 - 12.50 120* Band 6 - TIR 10.40 - 12.50 60*
Band 7 - SWIR 2.08 - 2.35 30 Band 7 - SWIR 2.09 - 2.35 30
Band 8 - Panchromatic 0.52 - 0.90 15
Longitud de onda Resolución
Landsat 8 (OLI y TIRS)
(micrómetros) (metros)
Band 1 - Coastal aerosol 0.43 - 0.45 30
Band 2 - Blue 0.45 - 0.51 30
Band 3 - Green 0.53 - 0.59 30
Band 4 - Red 0.64 - 0.67 30
Band 5 - Near Infrared (NIR) 0.85 - 0.88 30
Band 6 - SWIR 1 1.57 - 1.65 30
Band 7 - SWIR 2 2.11 - 2.29 30
Band 8 - Panchromatic 0.50 - 0.68 15
Band 9 - Cirrus 1.36 - 1.38 30
Band 10 - Thermal Infrared (TIR) 1 10.60 - 11.19 100*
Band 11 - Thermal Infrared (TIR) 2 11.50 - 12.51 100*
11
https://earthexplorer.usgs.gov
12
https://www.usgs.gov/land-resources/nli/landsat/calibration-validation?qt-science_support_page_related_con=2#qt-
science_support_page_related_con
13 http://weather.uwyo.edu/upperair/sounding.html
44
4.2 Metodología
4.2.1 Etapa 1: Analizar la ICUUCL a través de estaciones meteorológicas

Para este estudio no se realiza un trabajo de homogenización por la falta de metadatos
que indiquen cambios en la instrumentación o reubicación de estaciones, tampoco se
realizó correcciones de valores anómalos, debido a que en el análisis para las 12
estaciones seleccionadas no se encontraron anomalías severas en los datos de los
histogramas de frecuencia (Figura 23, A).
La Figura 19 muestra el diagrama de fujo trabajado para el procesamiento de los datos

meteorológicos y método de estudio.
Cálculo de valores medios de Análisis exploratorio de datos (histogramas de

Recolección de datos
precipitación y temperatura datos, anomalías y gráficos de series de
meteorológicos
(WMO, 2017) tiempo) y selección de estaciones
Estimación de información faltante en las

series climáticas
Figura 19. Diagrama de flujo metodológico.
4.2.1.1 Cálculo de la media mensual y anual para elementos climáticos.

El cálculo de los valores de la norma mensual y anual de precipitación y temperatura se
realizaron bajo la guía (WMO, 1989) que establece el estándar para la aceptación de
series climáticas mensuales a partir de datos diarios. La metodología rechaza los meses
donde los datos diarios superan los cinco días de ausencia o tres días consecutivos sin
datos, el nombre bajo el cual se conoce esta regla es “3/5” y asegura que las series
mensuales afectadas por valores extremos no generen saltos en la media de los datos
al ajustar el umbral de aceptación de información faltante al (16%), la Figura 20 muestra
el aumento de medias al someter la serie de temperatura a una estimación de datos bajo
un umbral de aceptación del 16% y 40%.
Estación Jardín Botánico 21205710

19
17
Temperatura (°C)
15
13
T. Media (16%)
T. Media (40%)
11
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Figura 20. Saltos en la media bajo umbral de aceptación de datos faltantes del 16% y 40%. Fuente:
Elaboración propia
4.2.1.2 Análisis exploratorio y selección de estaciones

Hecho el cálculo de la norma mensual y anual para las 69 estaciones, se elaboró una
tabla resumen con el Id, nombre, fecha de instalación, fecha de suspensión y porcentaje
de datos completos en el periodo 1981-2015 (Anexo A), la selección previa de las 69
estaciones se elaboró bajo las siguientes consideraciones:
 Las coordenadas de las estaciones deben ser exactas a las del emplazamiento.
 Las estaciones seleccionadas deben encontrarse en ZCL que permitan evidenciar
las diferencias urbano rurales de temperatura.
 Las estaciones no deben superar los 2800 msnm.
 Las estaciones deben contar con información de T. max, T. med y T. min.
El análisis exploratorio y la estimación de datos se elaboró con el Software R y el paquete

estadístico “CLIMATOL” (Guijarro, 2004), que contiene las funciones para la detección
de cambios en la media y errores puntuales para la homogeneización de las series
climáticas, así como de inspección gráfica de los datos y anomalías bajo normalización.
De las 20 estaciones preseleccionadas 8 fueron descartadas por contar con: fuertes

saltos en la media que muestran comportamientos erráticos en las series de temperatura
(Figura 21), valores atípicos fuera del percentil 10 y 90 (Figura 22) además de histograma
de datos sin normalidad e histograma normalizado con desviaciones estándar mayores
a 7 (Figura 23, B).
46
LA RAMADA 2120516
28 5
26 4
24
22 3
20

2
Tmperatura (°C)
18
16 1
14 0
12
-1
10
8 -2
6 -3
4
-4
2
0 -5
ene-80
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Figura 21. Inhomogeneidad por saltos en la media y errores puntuales. Fuente: Elaboración propia.
Figura 22. Boxplot para 11 de las 20 estaciones preseleccionadas, con anomalías fuera del percentil 10 y
90. Fuente: Elaboración propia.
Figura 23.Histograma de frecuencia por anomalías bajo desviación estándar (verde claro) e
histogramas de frecuencia de datos (verde oscuro); “A” estaciones seleccionadas (12), “B” estaciones
preseleccionadas (20). Fuente: Elaboración propia.
48
Las 12 estaciones restantes fueron escogidas (Tabla 4) por tener una distribución normal
y sin valores extremos en sus histogramas (Figura 23, A) además de una buena
periodicidad climática en sus series14 (Figura 24) (Söllheim, 2011).
Estación Tibaita 21205420 5

25
23 4
21 3
19 2

17
Temperatura (°C)
1
15
13 0
11 -1
9 -2
7
-3
5
3 -4
1 -5
ene-81
ene-82
ene-83
ene-84
ene-85
ene-86
ene-87
ene-88
ene-89
ene-90
ene-91
ene-92
ene-93
ene-94
ene-95
ene-96
ene-97
ene-98
ene-99
ene-00
ene-01
ene-02
ene-03
ene-04
ene-05
ene-06
ene-07
ene-08
ene-09
ene-10
ene-11
ene-12
ene-13
ene-14
ene-15
ene-16
Anomalías niña Anomalías niño T. Media T. Minima T. Maxima
Figura 24. Serie de temperatura para el periodo 1981-2015. Fuente: Elaboración propia.
Tabla 4. Estaciones meteorológicas seleccionadas. Fuente: Elaboración propia.
Urbano Periodo Interpolada Graficada

Id Nombre Altura ZCL
Rural con datos
1 VENADO 2783 A (Arboleda densa) Rural 1981-2015 SI SI
2 TIBAITATA 2560 D (Plantas bajas) Rural 1981-2015 SI SI
3 UDCA 2577 9 (Construcción dispersa) Rural 1981-2015 SI NO
4 COL MIGUEL A. CARO 2595 9 (Construcción dispersa) Rural 2001-2015 SI NO
5 VEGAS LAS HDA 2563 D (Plantas bajas) Rural 1981-2015 SI NO
6 DORADO 2569 8 (Grande de baja altura) Urbano 1981-2015 SI SI
7 JARDIN BOTANICO 2573 B (Arboles dispersos) Urbano 1981-2015 SI SI
8 UNIV NACIONAL 2579 9 (Construcción dispersa) Urbano 1981-2015 SI SI
9 INEM KENNEDY 2568 6 (Abierta baja altura) Urbano 2001-2015 SI SI
10 COL SANTIAGO PEREZ 2581 3 (Compacta baja altura) Urbano 2001-2015 SI SI
11 BILBAO MAXIMO 2577 5 (Abierta de mediana altura) Urbano 2001-2015 SI NO
12 UNISALLE CENTRO 2674 3 (Compacta baja altura) Urbano 2001-2015 SI NO
14 Las series de temperatura de las estaciones seleccionadas se encuentran en el Anexo B.

4.2.1.3 Estimación de datos

El paquete de datos CLIMATOL utiliza el método de Relación Normal (RN) propuesto por
(Paulhus & kohler, 1952) que permite una estimación de datos a través de una
interpolación espacial por medio de los valores medios normalizados de las estaciones
próximas a la estación objetivo, manteniendo la tendencia de las series climáticas en el
tiempo. El método aunque simple sigue siendo ampliamente utilizado por sus buenos
resultados en la predicción de medias (WMO, 2017), y mejor aproximación a varianzas;
aunque los valores interpoladas presenten menor correlación de datos, su menor sesgo
en la predicción de medias y varianzas resultan de mayor utilidad cuando se analizan
series climáticas de periodos extensos (Young, 1992).
Para las estaciones con el “Id” 4,9,10,11 y 12 se realizó una estimación entre el 2001-
2015 por no contar con datos suficiente que aseguren la correcta estimación de la
información faltante para el periodo 1981-2015 (Figura 25). Los datos completados
mantienen la tendencia media, por lo que su estimación, no representa los posibles
cambios del paisaje producidos en las proximidades de la estación.
Figura 25. Información disponible sin estimación de datos (superior) y con estimación de datos (inferior).
Fuente: Elaboración propia a partir de R.
50
4.2.1.4 Detección de incidencia de fenómeno niña y niño en elementos climáticos

Para detectar la influencia que tiene el fenómeno del niño y niña sobre la precipitación,
se usó Índice de Precipitación Normalizada (SPI por sus siglas en inglés) propuesto por
(Thomas, Nolan, & Kleist, 1993). Pensado para calcular el déficit y exceso de
precipitación para diferentes escalas temporales a través de medias móviles ajustadas a
una distribución de probabilidad gamma con transformación a distribución normal de
media cero y varianza uno permitiendo comparación entre distintas estaciones (Campos
Aranda, 2015; Edwards & Thomas, 1997; Podestá et al., 2016), donde los valores
negativos indican precipitaciones inferiores a la media y los positivos valores superiores
a la media, siendo cero la media.
La sencillez y eficiencia del método para identificar temporadas húmedas o secas (Tabla
5) en distintas escalas temporales, la han llevado hacer el método estándar adoptado
por la Organización Mundial Meteorológica para la identificación y caracterización de
sequias (WMO, 2012). Para la detección de la incidencia del fenómeno en la temperatura
máxima, media y mínima se usó una distribución normal con tipificación.
Tabla 5. Valores del Índice normalizado de precipitación.

4.2.2 Etapa 2: Analizar la ICUSup mediante sensores remotos

En el estudio de la ICUSup se usaron 7 imágenes satelitales (una por lustro) descargadas
de la USGS y seleccionadas por no poseer nubosidad en la zona de estudio (Tabla 6).
Tabla 6. Imágenes satelitales seleccionadas.
Vapor de agua
Lustro Satélite Fecha Hora Lluvia
(g/cm^2) UTC-12Z
1981-1985 LT5 22 de marzo de 1985 14:43:09 5 días antes (1.8 mm) 0,897
1986-1990 LT4 22 de marzo de 1988 14:38:34 1 día antes (0.1 mm) -
1991-1995 LT4 10 de enero de 1991 14:37:11 3 días antes (1.9 mm) 1,433
1996-2000 LT5 30 de agosto de 1997 14:44:42 2 días antes (1.3 mm) 1,271
2001-2005 LT5 29 de enero de 2001 14:52:42 6 días antes (10.1 mm) 0,661
2006-2010 LT7 7 de febrero de 2007 15:03:07 12 días antes (12.4 mm) -
2011-2015 LT7 21 de febrero de 2015 15:12:33 3 días antes (0.3 mm) -
El preprocesamiento de imágenes satelitales es un paso indispensable cuando se trata

de obtención de índices espectrales, correlación de bandas, análisis multitemporales o
multiespectrales. Dentro del preprocesamiento se encuentran distintas etapas:
calibración de radiancia y corrección atmosférica. Para el caso de estudio la corrección
geométrica no es necesaria, debido a que las imágenes Landsat son tomadas desde el
nadir con georreferenciación bajo el Datum WGS84, y en el caso de la corrección
topográfica la baja orografía con la que cuenta la zona de estudio deriva en que su
aplicación no sea necesaria, por lo que se trabaja con la calibración radiométrica y
corrección atmosférica.
52
4.2.2.1 Corrección atmosférica para bandas multiespectrales

En este apartado se hace referencia a las bandas multiespectrales como bandas que no
forman parte del espectro utilizado para la recuperación de la temperatura superficial. La
corrección atmosférica usada en el estudio se aplicó bajo el módulo FLAASH del software
ENVI, que incorporan los algoritmos desarrollados por la Fuerza Aérea de Estados
Unidos y la empresa Spectral Sciences Inc (Adler-Golden et al., 1999). El código
conocido como MODTRAN4, modela la propagación de radiación electromagnética a
través de la atmósfera, para longitudes de onda entre los 0.2 a los 100 micrómetros. El
código corrige los efectos de absorción y dispersión producidos por los aerosoles y las
moléculas de vapor de agua que afectan la radiancia percibida por el sensor. Mediante
la Ecuación 2 es posible corregir la atmósfera para el espectro visible e infrarrojo de onda
corta (Anderson et al., 1999).
∗
∗
= ( 2)
(1 − ( ) ) + ( )
(1 − ( ) ) +
Donde:
∗
 : Radiancia medida en el techo de la atmósfera por el sensor en [ /( )]
 : Reflectancia corregida de la superficie.
 : Reflectancia corregida del entorno donde se encuentra la superficie observada.
 : Albedo esférico de la atmósfera obtenido de MODTRAN4.
 : Radiancia retrodispersada por la atmósfera hacia el sensor.
 : Parámetros del efecto atmosférico sobre la radiación directa y difusa obtenidos de
MODTRAN4.
Los parámetros estimados por MODTRAN4 provienen de un modelamiento de aerosoles

de tipo urbano con visibilidad media entre 40 a 20 Km más un modelo de recuperación
estándar Kaufman-Tare. En el modelamiento atmosférico se usó una columna de vapor
de agua de 1.42 g/cm^2 (Estándar de los Estados Unidos) para las imágenes en los que
se registra el dato (Tabla 6) y para las imágenes con ausencia de la columna de vapor
de agua se usó el modelo atmosférico de 2.92 g/cm^2 por ser un valor representativo
para Bogotá (Šverko, 2012) (Figura 26).
Figura 26. Diagrama de procesamiento para corrección atmosférica mediante el software ENVI. Fuente:
Elaboración propia.
4.2.2.2 Corrección atmosférica para bandas térmicas.

La corrección atmosférica para las bandas térmicas se abordó bajo el método de
Jiménez, et al. (2009) quien a partir de la utilización de bases de datos de sondeos
atmosféricos estableció las denominadas Funciones Atmosféricas (FA), como una
solución para la corrección atmosférica en sensores de un solo canal. Las FA simulan
los parámetros (Transmitancia, Radiancia ascendente y descendente) de la ecuación de
transferencia radiativa usada para bandas TIR (Barsi, Barker, & Schott, 2003) en distintas
concentraciones de vapor de agua (Cristóbal et al., 2009; Jiménez & Sobrino, 2003). La
validación del método se llevó acabo con modelamientos MODTRAN4 e imágenes
corregidas a través de la ecuación de transferencia radiativa, los resultados mostraron
un RMSE menor a 1°K con desviación estándar de 0.84° K para atmósferas con vapor
de agua entre 0.5 y 2.5 g/cm^2 para la base de datos TIGR61 (Figura 27). Al ser un
algoritmo de un solo canal es necesario el cálculo de emisividad de las coberturas más
la temperatura de brillo percibida en el tope de la atmósfera (Figura 28).
54
Figura 27. Estimación de temperatura superficial bajo vapor de agua para la base de datos TIGR61.
Fuente: (Jiménez et al., 2009)
Figura 28. Diagrama de procesamiento para corrección atmosférica en bandas térmicas. Fuente:
Elaboración propia a partir de (Jiménez et al., 2009).
Cálculo de la emisividad de la superficie del suelo.

La emisividad es un valor adimensional que relaciona la radiancia emitida de un cuerpo
gris en relación a un cuerpo negro bajo la misma temperatura, indicando la eficacia con
la que el cuerpo libera energía térmica, sus valores dependen del tipo de material, textura
de la superficie, ángulo de visión y longitud de onda.
La emisividad se calculó con la Ecuación 3 propuesta por (Valor & Caselles, 1996)
definida para cubiertas vegetales y suelo. El valor corresponde a cultivos y
pastizales (0.985) y a suelos inceptisoles de tipo franco arenoso marrón
(0.9696) encontrados sobre la cuenca del río Bogotá y múltiples humedales
(IGAC, 2010). Los valores de emisividad fueron obtenidos a partir de la biblioteca
de reflectancia de ASTER15 y convertidos a emisividad mediante de la Ley de
Kirchhoff (Jiménez, 2005).
= ( ∗ )+ ∗ (1 − ) ( 3)
Donde:
 : Emisividad en valores de 0 a 1
 : Emisividad de la cobertura vegetal
 : Emisividad del suelo
 : Factor de Cobertura Vegetal
Para el FCV se usó el método propuesto por (Carlson & Ripley, 1997) que a partir de un
modelo de descomposición describen la relación entre el NDVI y el Factor de Cobertura
Vegetal (Ecuación 4).
−
= ( 4)
+
Donde:
 : Raster con valores NDVI.
 : Valor mínimo de NDVI correspondiente a suelo desnudo.
 : Valor máximo de NDVI correspondiente a vegetación.
Cálculo de parámetros delta y gama

La estimación de los parámetros delta ( ) y gamma ( ) dependen de la temperatura de
brillo y la radiancia del sensor en el techo de la atmósfera más una constante en
15
https://speclib.jpl.nasa.gov/
56
grados Kelvin especifica de cada misión (LT4 – 1290 K, LT5 – 1256 K, LT7 – 1277 K y
LT8 – 1324 K) (Ecuación 5).
≈ ∗ ≈ ( 5)
∗
Donde:
 : Temperatura de brillo °K
 ∗ : Radiancia medida por el sensor en [ /( )]
La calibración de radiancia decodifica los valores de Nivel Digital (ND) provenientes de

las imágenes Landsat en valores de radiancia a través de constantes específicas para
cada misión encontradas en el metadato (Ecuación 6).
∗
= ∗ + ( 6)
Donde:
 : Factor multiplicativo de escalado especifico (metadato RADIANCE_MULT_BAND)
 : Factor aditivo de escalado especifico (metadato (RADIANCE_ADD_BAND)
 : Nivel Digital de la imagen
A partir de la radiancia obtenida en el paso anterior es posible estimar la temperatura de

brillo captada por el sensor en el techo de la atmosfera (Ecuación 7).
= ( 7)
∗ +1
Donde:
 : Constante de calibración en [ /( )]
 : Constante de calibración en (°K)
Función atmosférica
Las funciones atmosféricas son calculadas ya sea por simulación o a partir de los
parámetros de la ecuación de transferencia radiativa (Ecuación 8).
1 ↑
Ψ = , Ψ = − ↓ − , Ψ = ↓ ( 8)
Donde:
 : Transmitancia
 ↑ : Radiancia ascendente
 ↑ : Radiancia descendente
 Ψ , Ψ Ψ : Funciones atmosféricas
Las FA por simulación se obtuvieron bajo una función de filtro gaussiano- triangular para
la respuesta espectral de cada sensor, donde las Ψ , Ψ Ψ para LT4, LT5, LT7 y LT8
son:
Ψ 0.07247 −0.06968 1.0788 Ψ 0.08735 −0.09553 1.10188

4 Ψ = −0.60283 −0.68176 −0.13311 5 Ψ = −0.69188 −0.58185 −0.29887
Ψ −0.01999 1.43469 −0.46157 1 Ψ −0.03724 1.53065 −0.45476 1
Ψ 0.07593 −0.07132 1.08568 Ψ 0.04019 0.02916 1.01523
7 Ψ = −0.61438 −0.70916 −0.19379 8 Ψ = −0.38333 −1.50294 0.20324
Ψ −0.02892 1.46051 −0.43199 1 Ψ 0.00918 1.36072 −0.27514 1
Por último, los datos obtenidos son reemplazados en la Ecuación 9.
∗
= ( , ) Ψ( , ) +Ψ ( , ) +Ψ ( , ) + ( , ) ( 9)
Para Landsat 8 la NASA informo de un error de calibración16 en la banda 11,

recomendando la no utilización de está en la recuperación de la temperatura superficial,
por lo que no es posible realizar correcciones atmosféricas bajo el método de ventana
doble, por lo que la recuperación de temperatura superficial solo es posible a partir de la
banda 10.
16 https://landsat.gsfc.nasa.gov/data/how-to-use-landsat-data/
58
4.2.2.3 Obtención de índices espectrales y parámetros urbanos

Los índices espectrales utilizados para conocer el comportamiento de la ICUSup se
establecieron por la sencillez de su calculo y eficiencia ya bien conocida en la literatura.
Para el calculo de cobertura vegetal se utilizó el índice de Vegetación de Diferencia
Normalizada o NDVI que relaciona la radiación dispersada por los cloroplastos en la
región espectral del infrarrojo cercano con la región del espectro visible rojo (Ecuación
10) Bannari et, al (1995).
−
= ( 10)
+
Para la recuperación de la humedad del suelo (RHS) se usó el método de Zhan et, al
(2007), que atreves de modelo trapezoidal obtenido de la relación entre la banda del
infrarrojo cercano y la banda del espectro visible rojo permite estimar con una correlación
entre el 80% y 87% la humedad del suelo (Ecuación 11).
1
= 1− ∗( + ∗ ) ( 11)
+1
Donde:
 : Recuperación de la humedad del suelo.
 : Ecuación lineal de la base del trapecio.
 : Pendiente de la base el trapecio.
 : Bandal del espectro visible rojo.
Para los parámetros urbanos se utilizó la densidad edilicia como medida de la

concentración de edificaciones sobre una rejilla de referencia de 180 m X 180 m
(Ecuación 12), y la compacidad como medida de la concentración volumétrica sobre la
rejilla de referencia (Ecuación 13).
á
=
Á ó
á ∗ (10 }
=
Á ó ∗( )
5. Resultados
5.1 Objetivo 1
Para analizar la evolución y el comportamiento de la ICU a nivel de UCL la presentación
del objetivo 1 se aborda a partir de 3 ítems. Primero, el periodo de 35 años de estudio
(1981-2015) en el cual se describe el patrón climático, segundo un análisis del
comportamiento a través de escalas interanuales y estacionales y tercero un estudio para
ICUUCL en condiciones de fenómeno niño y niña. Para facilitar la lectura de los gráficos
se utilizaron las estaciones con el Id 1,2,6,7,8,9 y 10 (Tabla 4) escogidas por ofrecer
representatividad de las distintas ZCL (Anexo C).
5.1.1 Patrón climatológico para el periodo 1981-2015.

La norma climática para el periodo 1981-2015 expresa una temperatura máxima (T. max)
de 19,2 °C en la zona rural y 19,6 °C en la zona urbana con desviación estándar menor
a 1°C (Tabla 7), su estacionalidad presenta un periodo cálido en los meses de enero,
febrero y marzo como los más calientes con medias superiores a los 20°C y un periodo
frio para los meses de junio, julio y agosto donde la temperatura máxima desciende hasta
los 18 °C ( Figura 29) coincidiendo con la temporada de vientos.
La temperatura media (T. med) muestra valores correspondientes a los encontrados por
(Jaramillo, Gelvez & Bayona, 2017) para la altura de 2550 msnm. La T. med registra una
diferencia de hasta 2,5 °C entre las estaciones rurales y urbanas (Figura 47), siendo las
ultimas las más calientes. Su estacionalidad, aunque poco marcada enseña una fase con
medias mayores a los 14°C en los meses de marzo, abril y mayo correspondientes a los
60
Tabla 7. Norma de temperatura máxima, media, mínima y precipitación para el periodo 1981-2015.
Fuente: elaboración propia.
Promedio Promedio
Venado Tibaita UDCA Vegas Dorado Jardín Nacional
Rural Urbano
Promedio
18,35 19,54 19,27 19,69 19,21 19,31 20,24 19,27 19,61
T. Máxima (°C)
Desviación 0,96 0,81 0,84 0,50 0,78 0,84 0,60 0,72 0,72
Promedio
13,02 13,22 13,78 13,61 13,41 13,77 14,83 14,86 14,49
T. Media (°C)
Desviación 0,71 0,54 0,38 0,37 0,50 0,59 0,87 0,50 0,65
Promedio
8,85 6,88 7,19 8,10 7,76 8,04 8,71 9,41 8,72
T. Mínima (°C)
Desviación 0,81 1,29 1,03 1,17 1,08 1,33 0,87 1,19 1,13
Promedio
9,50 12,66 12,08 11,59 11,46 11,26 11,53 9,87 10,89
Amplitud (°C)
Desviación 1,30 1,67 1,46 1,34 1,44 1,76 1,10 1,44 1,43
Promedio
1185,30 692,37 - - - - - -
Precipitación (mm) 862,59
Desviación 177,78 147,60 - - - 188,98 - - -
Figura 29. Escala estacional para precipitación, T. máxima, T, media y T. mínima de la estación Tibaita.
Fuente: Elaboración propia.
meses más lluviosos, lo que puede indicar que su aumento se relaciona con la
temperatura mínima y cobertura nubosa.
La temperatura mínima (T. min) registra una diferencia de hasta 4,5 °C entre las
estaciones rurales y urbanas (Figura 30). Su estacionalidad se encuentra fuertemente
marcada por la temporada de lluvias lo que ocasiona un comportamiento bimodal (Figura
29), donde en los meses de marzo, abril, mayo, octubre y noviembre la temperatura
mínima se eleva por la poca pérdida de radiación de onda larga por aumento de la
cobertura nubosa.
El patrón climático de las temperaturas e ICUUCL para las diferentes estaciones muestra
un comportamiento distintivo entre la zona rural y urbana. En la figura 30 se enseñan los
Boxplot a escala estacional de las 12 estaciones para la norma de 1981-2015 y 2001-
2015 para los casos donde las estaciones no cuentan con información anterior.
La temperatura máxima que ocurre de 2 a 3 horas antes del atardecer muestra zonas
urbanas con temperaturas menores a la rural por efecto de las tasas de enfriamiento
urbano rurales (Figura 31 C) (Oke, 1982) dando como resultado que para la ICU UCL T.
max se encuentren islas frías a la hora de la tarde (Figura 31 B). Para la temperatura
media la distinción entre la zonas urbanas y rurales es más clara, con una diferencia
superior a 1,5 °C para las estaciones de Dorado (6), Jardín (7), Nacional (8), INEM (9) y
Pérez (10). En el caso de la temperatura mínima sucedida de 2 a 3 horas antes del
amanecer las diferencias urbano rurales son mayores por efecto del diseño urbano y la
energía y∆ , lo que da lugar a una ICUUCL de hasta 4,5°C (Figura 30).
El comportamiento de la ICUUCL encontrado para Bogotá, concuerda con el

comportamiento encontrado por (Oke et al., 2017) para la ciudad de Vancouver Canadá
en el año 1992 , donde las diferencias urbano rurales se reducen en las horas de medio
62
día y tarde, llegando hacer la temperatura urbana más fría que la rural para en la noche
aumentar por efecto de la radiación de onda larga (Figura 31 B).
Figura 30. Boxplot a escala estacional para la norma de 1981-2015 y 2001-2015 para las estaciones sin
datos anteriores (Estaciones 1 a 5 rurales 6 a 12 urbanas). Fuente: Elaboración propia.
Figura 31. Variación de la temperatura del aire en Vancouver, Canadá agosto 1992. A temperatura del
aire, B magnitud ICUUCL, C tasa de enfriamiento. Fuente: (Oke et al., 2017)
La tendencia climática de la T. max, T. med y T. min reportan un incremento en la media

desde 1981 hasta el 2015. Las estaciones rurales reflejan un aumento promedio de 1,05
°C en la temperatura mínima y 1,66 °C para las estaciones urbanas (Tabla 8), si bien,
estos aumentos no han sido relacionados a una causa especifica se cree que los cambios
climáticos globales empiezan a mostrar incidencia en las temperaturas de Bogotá (Angel
et al., 2010).
En la Figura 32 se observa el ciclo estacional de dos estaciones climáticas una rural

(Tibaita) y urbana (Nacional) para el periodo 1981-2015. Se observa que el lustro 2011-
2015 de Tibaita se acerca a la temperatura del lustro 1981-1985 de la estación Nacional,
manteniendo la universidad Nacional una diferencia promedio de 1,6 °C con la estación
Tibaita.
Tabla 8. Aumento en la tendencia climática desde 1981 a 2015. Fuente: Elaboración propia
Aument Aument Aument

Aumento Aument Aument Promedi Aument Promedi
o o o
Tibaita o Vegas o UDCA o Rural o Jardín o Urbano
Venado Dorado Nacional
T. max
1,28 1,02 0,64 0,89 0,96 -0,01 0,51 0,77 0,42
(°C)
T. med
1,02 1,28 0,51 0,51 0,83 0,77 1,28 0,89 0,98
(°C)
T. min
0,77 0,89 1,28 1,28 1,05 2,55 1,15 1,28 1,66
(°C)
Temperatura media
17
Nacional
1981-1985
16
1986-1990
15
1991-1995
14
°C
1996-1997
13
2001-2005
12
2006-2010
Tibaita
11 2011-2015
ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
Figura 32. Ciclo estacional de temperaturas medias en el periodo 1981-2015, de las estaciones Tibaita
(inferior) y Nacional (superior). Fuente: Elaboración propia.
64
5.1.1.1 Escala interanual periodo 1981-2015

La T. max de Pérez, INEM, y Jardín muestran un descenso en los años de 2003 al 2011
que corresponde a un periodo sin fenómenos de niño, llevando a que la ICUUCL de T.
max disminuya su magnitud en contraste con años anteriores. A excepción de la estación
Nacional que a partir del 2001 se puede ver que la ICUUCL presenta un descenso, el
cambio puede ser explicado ya bien sea por, un aumento en la T. max de la estación de
referencia o una disminución general de la T. max en la zona de estudio. Las estaciones
INEM, Nacional y Venado mantienen una ICUUCL negativa durante gran parte del periodo
de estudio, estableciéndose como islas frías en las horas de la tarde (Figura 33).
22,00
Temperatura máxima 2,00
1,50
Temperatura ENSO (°C)

Temperatura ICU (°C)
21,00
1,00
20,00 0,50
19,00 0,00
-0,50
18,00
-1,00
17,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
niño niña Pérez INEM Jardín
Tibaita Nacional Dorado Venado
Intensidad ICUUCL T. max 2,00

2,0
1,50
Temperatura ENSO (° C)
1,0 1,00
0,0 0,50
0,00
-1,0
-0,50
-2,0
-1,00
-3,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
niño niña ∆ Pérez - Tibaita ∆ INEM - Tibaita
∆ Jardín - Tibaita ∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 33. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
La T. med registra variabilidad casi constante con un leve aumento positivo en la

tendencia climática, la gráfica muestra dos grupos uno por encima de los 14,5 °C
conformado por estaciones urbanas y el segundo por debajo de los 14,5°C conformado
por estaciones rurales o periféricas de la zona urbana (Figura 34). La ICUUCL de T. med
más fuerte es registrada para las estaciones de Pérez e INEM.
17,00
Temperatura media 2,00
16,00 1,50

1,00
15,00
0,50
14,00
0,00
13,00
-0,50
12,00 -1,00
11,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
3,0
Intensidad ICUUCL T. med 2,00
1,50

2,0
1,00
0,50
1,0
0,00
-0,50
0,0
-1,00
-1,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Figura 34. Escala interanual para T. med e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
La T. min registra un fuerte aumento positivo en la tendencia climática, a excepción de

la estación Tibaita, que por encontrarse en zona rural durante todo el periodo de estudio
la transformación del uso del suelo en sus cercanías ha sido nula, lo que explica su leve
aumento en su tendencia climática en contraste con el resto de estaciones. La ICUUCL de
T. min muestra un aumento significativo en los últimos 10 años como producto del
elevado aumento en la temperatura mínima dentro del área urbano y la leve tendencia
positiva de la zona rural (Figura 35).
66
12,00
Temperatura mínima 2,00
11,00 1,50

10,00 1,00
9,00 0,50
8,00 0,00
7,00 -0,50
6,00 -1,00
5,00 -1,50
1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
5,0
Intensidad ICUUCL T. min 2,00
1,50

4,0
1,00
3,0
0,50
2,0
0,00
1,0
-0,50
0,0 -1,00
-1,0 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Figura 35. Escala interanual para T. max e ICUUCL en el periodo 1981-2015. Fuente: Elaboración propia.
15,00
Amplitud termica 2,00
14,00
1,50
13,00
12,00 1,00
11,00 0,50
10,00
9,00 0,00
8,00 -0,50
7,00
-1,00
6,00
5,00 -1,50
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Figura 36. Amplitud térmica para el periodo 1981 - 2015. Fuente: Elaboración propia.
La Figura 36 expone una reducción en la amplitud térmica de las zonas urbanas,

producto de los factores antropogénicos del fenómeno ICUUCL que impiden la advección
y favorecen la reemisión de energía de onda larga en las noches.
Figura 37. Distribución espacial de la norma 2001 – 2015 para la T. max, med, min, UCL max, UCL med,
UCL min y amplitud térmica. Fuente: Elaboración propia.
68
Para la T. min y T. med la distribución espacial de la norma 2001 – 2015 muestra dos
núcleos calientes uno en las localidades de Kennedy y Tunjuelito, el otro en la localidad
de Teusaquillo con temperaturas entre los 10,1°C a 10,7 °C para la T. min y 15°C a
15,6°C para T. med. En la zona urbana la T. max se distribuye a través de un corredor
en sentido sur norte, con temperaturas entre los 20°C y 20,6°C, la ICUUCL de T. max deja
a gran parte de la ciudad en la categoría de islas frías (Figura 37).
5.1.1.2 Escala estacional 1981-2015

El climograma (Figura 38) muestra las variaciones de la temperatura y su
comportamiento con la precipitación, siendo la temperatura mínima la que mayor grado
de relación muestra con los periodos de lluvia, se destaca que la T. min aumenta para
los meses de marzo, abril, mayo, octubre y noviembre llegando a los 11°C en las
estaciones urbanas (ZCL-9, Abierta baja altura) y a los 8°C para las rurales (ZCL-D,
Plantas bajas), los periodos más fríos son diciembre, enero, febrero y septiembre.
Climograma 1981-2015
23 160
21 140
19
120
Temperatura (°C)
17
Precipitación (mm)
100
15
80
13
60
11
40
9
7 20
5 0
Tibaita Dorado Venado Pérez INEM
Jardín Tibaita Nacional Dorado Venado
Figura 38. Climograma para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin datos
anteriores). Fuente: Elaboración propia.
El comportamiento estacional de la ICUUCL de T. max de las estaciones de Venado,

Nacional y Dorado se mantiene por debajo de 0°C indicando que estas estaciones
durante todo el año tienen un comportamiento de isla fría en las horas de la tarde (Figura
39). La ICUUCL de T. med no muestra relación aparente con el comportamiento de las
lluvias, a excepción de las estaciones urbanas INEM y Pérez (ZCL-9, Abierta baja altura)
en los meses de enero, febrero y marzo donde la diferencia urbano rural aumenta (Figura
40). La ICUUCL de T. min muestra relación inversa con la precipitación, donde en los
meses secos la ICUUCL toma sus valores máximos (Figura 41). La amplitud térmica
muestra que la diferencia entre la T. max y T. min es más elevada en los periodos secos,
cuando la radiación solar de onda larga no es retenida en la atmósfera por ausencia de
nubes. La distribución espacial para la escala estacional de la T. max, min, med y
amplitud térmica se encuentra en el Anexo D.
ICUUCL T. max 1981 - 2015

3,0 200
2,0
Presipitación (mm)
150
Temperatura (°C)
1,0
100
0,0
50
-1,0
-2,0 0
Tibaita Dorado Venado
∆ Pérez - Tibaita ∆ INEM - Tibaita ∆ Jardín - Tibaita
∆ Nacional - Tibaita ∆ Dorado - Tibaita ∆ Venado - Tibaita
Figura 39. Climograma ICUUCL T. max para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
datos anteriores). Fuente: Elaboración propia.
70
ICUUCL T. med 1981 -2015 200
2,5
Precipitación (mm)
150
Temperatura (°C)
1,5
100
0,5
50
-0,5 0
∆ Dorado - Tibaita ∆ Jardín - Tibaita ∆ Venado - Tibaita
∆ Nacional - Tibaita ∆ INEM - Tibaita ∆ Pérez - Tibaita
Figura 40. Climograma ICUUCL T. med para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
5,0
ICUUCL T. min 1981-2015 160
140
4,0
120
Precipitación (mm)
Temperatura (°C)
3,0 100
80
2,0 60
40
1,0
20
0,0 0
∆ Dorado - Tibaita ∆ Jardín - Tibaita ∆ Venado - Tibaita
∆ Nacional - Tibaita ∆ INEM - Tibaita ∆ Pérez - Tibaita
Figura 41. Climograma ICUUCL T. min para el periodo 1981 – 2015 y 2001 – 2015 (para estaciones sin
16
Amplitud 1981-2015 200
Precipitación (mm)
14 150
Temperatura (°C)
12 100
10 50
8 0
Tibaita Dorado Venado Pérez INEM
Jardín Tibaita Nacional Dorado Venado
Figura 42. Amplitud térmica a escala estacional para el periodo 1981 – 2015 y 2001 – 2015 (para
estaciones sin datos anteriores). Fuente: Elaboración propia.
5.1.2 Resultados por ventanas de tiempo quinquenal

A diferencia de la escala interanual el análisis a través de lustros revela una disminución
de la T. max para las estaciones urbanas con un aumento para la estación rural de
referencia (Tibaita), en el caso de la ICUUCL de T. max todas las estaciones reportan una
disminución de más de 1°C (Figura 70). Para la T. med la tendencia climática positiva
registrada en el análisis interanual se mantiene, con Venado como la estación de mayor
incremento y Nacional como la más estable (Figura 71). La T. min continúa presentando
un fuerte aumento con una tendencia climática positiva (Figura 72). Al igual que en el
análisis interanual la amplitud térmica registra una disminución progresiva en los últimos
15 años para las estaciones de Venado, INEM, Pérez, Jardín y Dorado Anexo E.
La T. min muestra un aumento gradual de la temperatura, con un incremento en la zona

rural de 0,7 °C aprox y de 1,7 °C aprox en la urbana, el leve aumento de la zona rural frente
al urbano produce que la magnitud de la ICUUCL de 2,1°C aprox en el lustro 81-85 aumente
a 3,6°C aprox para el lustro 11-15 (Figura 43). Para la localidad de Kennedy y cercanías el
aumento se ha asociado a la consolidación del espacio urbano, aumento en el tráfico
vehicular y el crecimiento de las actividades industriales (Zuleny & Fiquitiva, 2017).
En la T. med se observa un aumento en la zona rural de 0,7 °C aprox y de 1,3 °C aprox en

la urbana, si bien la temperatura no ha tenido un fuerte aumento, la isolínea de 15°C se
ha ampliado del centro a la periferia. Para la ICUUCL de T. med sucede lo mismo (Figura
44), la diferencia urbano rural tuvo un aumento de 1.1 °C aprox, con una dilatación centro
periferia, la distribución espacial obtenida también ha sido documentada por (Angel et
al., 2010; Pabón et al., 1998).
La T. max presenta un aumento de 0.82 °C aprox en la zona urbana y de 1.33°C en la rural,

ocasionando que las zonas urbanas periféricas y cercanas a los Cerros Orientales se
presenten como islas frías (Figura 45).
72
Figura 43. Cambios en la T. min e ICUUCL través de quinquenios. Fuente: Elaboración propia.
Figura 44. Cambios en la T. med e ICUUCL través de quinquenios. Fuente: Elaboración propia.
Figura 45. Cambios en la T. max e ICUUCL través de quinquenios. Fuente: Elaboración propia
Figura 46. Cambios en la amplitud térmica a través de quinquenios. Fuente: Elaboración propia
74
5.1.3 Resultado fenómeno de niño niña

El análisis del SPI muestra una fuerte relación entre los periodos secos y lluviosos
asociados con el fenómeno del niño y niña en Bogotá (Figura 73), las anomalías reflejan
los años secos asociados al niño de 1991,1992, 1997,1998, 2002, 2009 y 2015, y los
años lluviosos asociados a la niña de 1988, 1989, 1999, 2000, 2007, 2008, 2010 y
2011(IDEAM, 2014).
Índice de precipitación normalizado (SPI 1981 - 2015)

4
1
SPI
-1
-2
-3 Anomalías niño Anomalías niña Prec Tibaita Prec Venado Preci Dorado
dic-81
dic-82
dic-83
dic-84
dic-85
dic-86
dic-87
dic-88
dic-89
dic-90
dic-91
dic-92
dic-93
dic-94
dic-95
dic-96
dic-97
dic-98
dic-99
dic-00
dic-01
dic-02
dic-03
dic-04
dic-05
dic-06
dic-07
dic-08
dic-09
dic-10
dic-11
dic-12
dic-13
dic-14
dic-15
1300 1900
1600 1300
1000
1300 1000
700 1000 700
400 700
400 400
100 100 100
Figura 47. SPI para el periodo 1981-2015 (superior) y precipitación en mm para el SPI (inferior). Fuente
elaboración propia.
Las fluctuaciones de la T. max y T. med presentan periodos correspondientes a la

ocurrencia de los fenómenos del niño y niña, como es el caso del niño de 1997, 1998,
2009, donde se registraron temperaturas de 1.4°C superiores a la media. Sin embargo,
la T. med presenta inconsistencias como en los años de 1994 y 1995 donde la T. max
presenta un incremento y la T. med un descenso, situación que puede ser explicada por
los valores debajo de cero de la T. min que pudieron arrastrar los valores de la T. med.
Por otro lado, se observa menor correspondencia entre las fluctuaciones de la T. min y
el fenómeno niño niña, lo que indica menor mediación del fenómeno sobre el elemento
climático (Figura 48).
SPI temperatura estación Dorado

2,5
1,5
0,5
SPI
-0,5
-1,5
-2,5 Anomalías niño Anomalías niña T.max T.med T.min

dic-81
dic-82
dic-83
dic-84
dic-85
dic-86
dic-87
dic-88
dic-89
dic-90
dic-91
dic-92
dic-93
dic-94
dic-95
dic-96
dic-97
dic-98
dic-99
dic-00
dic-01
dic-02
dic-03
dic-04
dic-05
dic-06
dic-07
dic-08
dic-09
dic-10
dic-11
dic-12
dic-13
dic-14
dic-15
21 15 10
19 13 8
17 11 6
Figura 48. SPI para el periodo 1981-2015 (superior) y temperatura en °C para el SPI (inferior). Fuente
elaboración propia
En las fluctuaciones encontradas para la ICUUCL de T. max, med y min no se encontraron

correspondencias claras y definidas que demuestren su dependencia, aunque en
algunos años se observen coincidencias, no es posible definir su relación con el
fenómeno (Figura 49).
SPI SPI SPI
-3
-2
-1
0
1
2
3
4
5
-3
-2
-1
0
1
2
3
4
-3
-2
-1
0
1
2
3
76
ene-81 ene-81 ene-81
SPI ICUUCL T. max
SPI ICUUCL T. min

SPI ICUUCL T. med
Fuente: Elaboración propia.

Figura 49. SPI para ICUUCL de T. max, med y min, azul (estaciones rurales) negro (estaciones urbanas).
5.2 Objetivo 2
Para analizar la evolución y el comportamiento de la ICU a nivel de Superficie la
presentación del objetivo 2 se aborda a partir de 3 ítems. El primero un breve análisis de
las temperaturas superficiales encontradas en la zona de estudio y el crecimiento urbano
de la ciudad, segundo una revisión del comportamiento espacial de la ICUSup y su
evolución en el periodo de 1981-2015 y tercero una correlación entre la LST e índices
espectrales y parámetros urbanos para identificar variables que se relacionan con la
ICUSup.
5.2.1 Análisis de imágenes térmicas
Para el año de 1985 la zona urbana y rural comprendían cada una un 50 % aprox del área
de estudio. El tejido urbano de Chía, Cota, Funza y Mosquera contaban con tamaños
entre las 40 y 100 hectáreas para el año de 1985, que para el 2015 se han duplicado o
triplicado (Figura 52). En el caso de Bogotá, el crecimiento fue de un 60 % sobre su
superficie urbana y un 85 % en población (Figura 50) (Novoa, 2010). Este fuerte
crecimiento urbano ha producido una reducción considerable del área rural dentro de la
zona de estudio, lo que termina por beneficiar la acumulación de energía térmica al
interior de la ciudad.
Crecimiento urbano y poblacional 1985-2010

8.500.000
43.500
7.500.000
Población (hab)
38.500
Superficie (ha)
6.500.000
33.500
5.500.000
28.500 4.500.000
23.500 3.500.000
1985 1990 1995 2000 2005 2010
Superficie (Ha) Población (Hab)
Figura 50. Crecimiento urbano y poblacional 1985-2010. Fuente: (Novoa, 2010)
Las imágenes térmicas a nivel de superficie tomadas entre las 2:36 pm a 3:15 pm,
exponen temperaturas rurales mayores a las urbanas, a causa de la exposición de roca
en canteras o suelos desnudos por barbecho del cual se destaca que los suelos oscuros
78
tienen mayor temperatura (~45°C) que los pardos claros(~32°C), en la cobertura vegetal
se encontró que valores de NDVI altos con 21°C reducen la temperatura en
contraposición a los valores bajos con 24°C, además entre las coberturas más frías se
encuentran los cuerpos de agua con 18°C e invernaderos con 20°C; En la Figura 52 se
muestra una imagen a falso color con las siguientes simbologías: verde: vegetación, azul:
suelos desnudos y purpura: tejido urbano, además de otra térmica para la comparación
de coberturas. En general la temperatura superficial rural se encuentra sobre los ~26°C
y las urbanas ~30°C. Los altos contrastes de temperatura producidos en imágenes
diurnas por efecto de la radiación solar, desaparecen en imágenes nocturnas, donde se
distingue de manera más optima las zonas urbanas de las rurales, pues en ellas la
energía térmica proviene de la emisión de radiación de onda larga que cada cuerpo libera
(Figura 78) para aportar más calor sensible al ambiente.
Figura 51. Imagen térmica nocturna de LT8 tomada a las 3:05 am. Fuente: Elaboración propia.
Figura 52. Crecimiento urbano en el periodo de estudio. Fuente: Elaboración propia.

80
5.2.2 Isla de Calor Urbana a nivel de superficie

El promedio la LST de las 7 imágenes diurnas (Anexo E) revelo dos núcleos entre los
29°C y 32°C, el primero en la localidad de Puente Aranda y Kennedy y el segundo en la
localidad de Engativá. Estos núcleos se encuentran divididos por las UPZ de Simón
Bolívar, Jardín Botánico y Ciudad Salitre Oriental y Occidental de baja densidad urbana
y con una elevada cantidad de equipos dotacionales, como lo son, el parque Simón
Bolívar, Universidad Nacional, Jardín Botánico, Biblioteca Virgilio Barco, Parque el Lago
entre otros, que disminuyen la temperatura superficial en el centro de la ciudad (Figura
53).
A diferencia de la imagen diurna en la que existen dos núcleos con una diferencia urbano
rural de hasta 4°C. Para la imagen nocturna la característica espacial de la ICUSup es
representada bajo un gradiente radial, donde la mayor concentración térmica del
fenómeno se ubica en el núcleo 1 (con una diferencia urbano rural de 7°C) y pierde
intensidad a medida que se acerca a la periferia o a coberturas vegetales y cuerpos de
agua; Ambos resultados coinciden con las temperaturas del aire obtenidos anteriormente
(Figura 43 y 40).
En consecuencia, a la relación que existe entre la temperatura superficial y la

temperatura del aire (Gallo et al., 2011; Schwarz et al., 2012), la estructura ecológica
principal como humedales, parques y corredores ecológicos pueden servir como
sistemas de refrigeración a la ciudad y así lo muestra la baja temperatura superficial del
cerro la Conejera, Cerros Orientales, Humedales de Jaboque y Juan Amarillo entre otros.
Durante el día las zonas con menor temperatura superficial se concentran al oriente en
proximidad a los Cerros Orientales y las más cálidas sobre el núcleo 1 y 2 coincidiendo
con la distribución de la temperatura máxima del aire (Figura 41), en la noche la
temperatura mínima se sitúa en el área rural y la máxima en el núcleo 1 (Figura 54).
N. 2
N. 1
Figura 53. Promedio de temperatura superficial, desviación estándar y promedio por UPZ de las 7 imágenes diurnas seleccionadas (Anexo E). Fuente: Elaboración propia.
Figura 54. Temperatura superficial, desviación estándar y promedio por UPZ de imagen satelital nocturna (2015/02/21). Fuente: Elaboración propia.
82
Figura 55. Zonas con menores y mayores temperaturas superficiales diurnas y nocturnas. Fuente Elaboración propia.
De las 7 zonas seleccionadas para revisar el comportamiento de la temperatura

superficial en el periodo de 1981-2015 (Figura 56), se observa que las zonas encontradas
en la periferia del caso urbano (Soacha, Porvenir y Candelaria) han tenido un incremento
a partir del año 2000 en la temperatura superficial como resultado de la expansión urbana
y su aumento en superficies impermeables, por otra parte las zonas ubicadas al interior
y con menos consolidación urbana (Simón Bolívar, Sabana y Zona Industrial) mantienen
una tendencia central (Figura 57).
Figura 56. Zonas seleccionadas para el periodo 1981-2015.
Tem. Sup 1985-2015
30,0
Temperautra (°C)
25,0
20,0
1985 1990 1995 2000 2005 2010 2015
ZONA INDUSTRIAL SABANA SOACHA SIMON BOLIVAR
PORVENIR CANDELARIA RURAL
Figura 57. Temperatura superficial para el periodo de 1985-2015. Fuente: Elaboración propia.
84
5.2.3 Regresión lineal entre índices espectrales y parámetros urbanos Vs LST.

La correlación de Pearson entre la LST de las 18 imágenes satelitales (Anexo F) y los
índices espectrales NDVI y humedad del suelo tienen una correlación promedio de 0,52
y 0,40 con desviación estándar de 0,09. Los parámetros urbanos correlacionados con
LST de las imágenes 2015/02/21, 2015/01/04 y 2014/01/01 promedian un valor de 0,42
y 0,59 con desviación estándar de 0,07 y 0,04 respectivamente (Tabla 9).
Tabla 9.Correlación de Pearson de regresión lineal. Fuente: Elaboración propia.
Correlación
Dsv est.
Pearson
NDVI - LST 0,52 0,09
Espectrales Humedad -
0,40 0,09
LST
Compacidad
0,42 0,07
- LST
Urbanos
Densidad -
0,59 0,04
LST
El grafico de dispersión obtenida entre la LST y el NDVI es de tipo inversa y en ella se

observa una franja de mayor concentración entorno a la línea central, donde se agrupan
las coberturas urbanas y vegetales y otras dos coberturas (cuerpos de agua y suelo
desnudo), que se dispersan alrededor de la tendencia central, las cuales ya han sido bien
documentados y utilizados para la recuperación de humedad a través de la banda
térmica (Jiang, Fu, & Weng, 2015; Nichols, Zhang, & Ahmad, 2011; Sadeghi et al., 2017).
La regresión lineal entre la humedad del suelo y la LST es de tipo inversa y en ella se
identifican dos tipos de cobertura (urbana y vegetal), también concentradas en torno a la
línea central (Figura 58 – 59).
En el caso de los parámetros urbanos la relación encontrada es directa y los valores de

densidad y compacidad se agrupan de forma más uniforme entorno a la línea central,
indicando mayor relación entre la LST y los parámetros, este comportamiento también
ha sido documentado en Bangkok, Tailandia y Ho Chi Minh Vietnam a través de
imágenes MODIS (Figura 60).
86
Figura 58. LST, Índices espectrales y parámetros urbanos. Fuente elaboración propia.
Suelo desnudo Cobertura vegetal Cobertura urbana
Cobertura urbana
Temperatura superficial (°C)


Humedad del suelo (%)
Cuerpos de agua
NDVI Cobertura vegetal Temperatura superficial (°C) Densidad edilicia (%) Compacidad (%)
Figura 59.Diagramas de dispersión entre la LST y los índices espectrales y parámetros urbanos. Fuente: Elaboración propia.
Figura 60.Densidad edilicia con rejilla de 1 Km (A Bangkok, B Ho Chi Min). Fuente: (Tran et al., 2006)
La regresión lineal múltiple de Mínimos Cuadrados Ordinarios (MCO) usada para

describir la relación entre los índices espectrales y los parámetros urbanos con la LST,
arrojo una correlación promedio de 0,69 que señala una buena correspondencia entre
las variables independientes y la dependiente (Tabla 9), aunque el RMSE no indique un
buen ajuste del modelo, este puede ser mejorado a través del ingreso de nuevas
variables que permitan un coeficiente de determinación más alto y/o modelos más
precisos (Figura 61).
Tabla 10. Valores Beta del (MCO), Correlación de Pearson y RMSE. Fuente: Elaboración propia.
Beta
Correlación
Origen NDVI Humedad Densidad Compacidad RMSE
Pearson
2015_02_21 26,252607 -7,690919 4,838945 6,523266 -8,535952 0,69 2,02
2015_01_04 22,148308 -7,028054 6,738547 6,379382 -7,611715 0,66 2,06
2014_01_01 20,008553 -7,373463 8,899824 7,214876 -6,982146 0,71 2,01
Bajo un análisis más detallado, el modelo encuentra dificultades para la estimación de

temperaturas inferiores a los 24°C, sobreestimando la temperatura observada (Figura 63
error residual) cómo es posible observar en la zona de los Cerros Orientales y Cerro la
Conejera, talvez, a falta de una variable que integre el comportamiento de la temperatura
con respecto a la orografía.
88
En el caso de temperaturas superiores a los 33.5°C el modelo tiende a subestimar los

datos (Figura 62), ante la ausencia de una variable que explique eficientemente la
emisividad de las coberturas; Sin embargo, para valores entre 24°C y 33,5 °C
(correspondiente al 76,9% de los datos) el error residual se encuentra entre -1,8°C y 1,8
°C.
Imagen 2015-02-21
36
Temperatura superficil (°C)
34 y = 0,4707x + 14,972
R² = 0,4708
32
30
28
26
24
22
17 19 21 23 25 27 29 31 33 35 37
Estimación (°C)
Figura 61. Gráfico de dispersión de la regresión lineal múltiple. Fuente: Elaboración propia.
Histograma desviación estandar

6000
5000
4000
Frecuencia
3000
2000
1000
0
-6 -5 -4 -3 -2 0 -1 1 2 3 4 5 6
Std dev.
Temperatura Estimación
Figura 62. Histograma comparativo entre valores observados de LST y estimados. Fuente: Elaboración
propia.
Figura 63. Temperatura superficial, estimación y error residual. Fuente: Elaboración propia.
90
6. Discusión
A partir de los resultados obtenidos, se rechaza la hipótesis general propuesta, que indica
una isla de calor proveniente de la localidad de la Candelaria. encontrándose que tanto
la ICUSup como la ICUUCL se configuran en dos núcleos, el primero localizado en las
localidades de Puente Aranda y Kennedy, el segundo en la localidad de Engativá, del
que se han expandido en sentido occidente por la consolidación urbana de este sector.
En general las temperaturas del aire encontradas en este estudio, concuerdan con las
previstas por (Jaramillo et al., 2017), quien indica que las temperaturas medias para la
altura de Bogotá oscilan entre los 13°C y los 15°C, sin embargo en este estudio se indica
que para la zona urbana estas temperaturas pueden llegar a superar los 15°C. El patrón
climático y el comportamiento estacional descrito en el presente estudio guardan relación
con la caracterización climática de IDEAM & FOPAE (2007) en el que se registra la norma
climática para la temperatura máxima, media y mínima. El aumento en la tendencia
climática se asocia al mencionado por Machado (2016), sin embargo se encontraron
diferencias en las tasas porcentuales, que pueden ser explicadas por el tipo de
tratamiento de datos aplicado en cada estudio.
El aumento de la cantidad de precipitación de la zona urbana con respecto a la rural,

registrada en la ciudad de México y asociada a células convectivas y a la carga de
contaminantes atmosféricas (Jauregui & Romales, 1996), podrían explicar el ¿por qué
la norma de precipitación en la estación Dorado es superior a la de Tibaita?, sin embargo
este hecho podría también ser explicado por la cercanía que guarda la zona urbana a los
Cerros Orientales donde se generan lluvias orográficas.
91 Discusión
La distribución espacial de las ICUUCL del año 1981 a 1985 coincide con el estudio de
Pabón et al., (1998) donde las mayores temperaturas se encontraban sobre el centro de
la ciudad, sin embargo en el estudio de Angel et al., (2010) donde a partir de un análisis
de componentes principales se agrupan las estaciones con temperaturas medias
similares para el periodo 1966 – 2005 (Figura 64), se establece un núcleo central
bordeado por la zona rural y los Cerros Orientales, núcleo que no es encontrado en el
presente estudio.
Figura 64. Grupos de Estaciones similares resultado del A.C.P. Fuente: (Angel et al., 2010)
El comportamiento diurno y nocturno encontrado para la ciudad de Bogotá, donde la

ICUUCL es mayor en la noche que en el día, concuerda con el comportamiento registrado
por Oke et al., (2017) en la ciudad de Vancouver, Canadá.
Si bien, los efectos en la salud de la ICUUCL han sido bien documentados en ciudades
septentrionales o meridionales, para el caso de las ciudades tropicales estos estudios
aún no cuentan con precisión. Si extrapolamos los efectos encontrados por T. Li, Horton,
& Kinney (2013) donde se relacionan los casos de morbilidad con la temperatura (Figura
65) y los de la OMM (2011) que relacionan el consumo energético con el aumento y
disminución de la temperatura (Figura 65), para Bogotá ,podríamos encontrar que el
efecto de la ciudad en el aumento de la temperatura no indica efectos contraproducentes
en la salud humana ni en un exceso de consumo energético, sin embargo es
imprescindible que se profundice en estos campos para determinar su relación directa
sobre la ciudad de Bogotá.
92
Figura 65. Relación de la temperatura con morbilidad y consumo energético. Fuente: (Li et al., 2013)
(OMM, 2011).
En el caso de la biodiversidad un estudio realizado por el Instituto Alexander Von

Humboldt, encontró que el aumento de la temperatura en la sabana de Bogotá causa un
desplazamiento en algunas especies de aves, que en busca de temperaturas más
favorables, van a zonas de mayor altura, en el estudio se resalta la intervención de la
ICUUCL como factor relevante de estos desplazamientos (IAVH, 2018).
Los resultados obtenidos de la ICUSup coinciden con los obtenidos por Gómez &
Castañeda (2013), donde también se encontraron dos núcleos para la ICUSup, si bien
para la ciudad de Bogotá no se encontraron artículos que abordaran el fenómeno a partir
de imágenes nocturnas, su uso es más recomendable para la identificación espacial del
fenómeno.
La distribución espacial de los resultados de la ICUSup son semejantes a los encontrados

en la ICUUCL, lo que muestra la relación ya conocida que existe entre la temperatura
superficial y la temperatura del aire (Azevedo et al., 2016; Gallo et al., 2011), misma que
permite la aplicación de las ZCL para su identificación y control (Ferreira & Duarte, 2019).
La regresión lineal realizada entre la LST, índices espectrales y parámetros urbanos, se

ajusta a los diagramas de dispersión encontrados en “Assessment with satellite data
93 Discusión
of the urban heat island effects in Asian mega cities” por Tran et al., (2006) para
parámetros urbanos y a los artículos de Buyantuyev & Wu (2010), Fernández & García
(2017), Nichols, et al. (2011) y Soto (2019) para índices espectrales.
De los valores de correlación de Pearson obtenidos de estas regresiones, se asumió que

a través de una regresión lineal múltiple de Mínimos Cuadrados Ordinarios sería posible
modelar la LST, sin embargo el coeficiente de determinación y el RMSE indican que el
modelo tiene una predicción media por lo que no es recomendable su uso para
modelamiento del fenómeno, siendo necesario integrar nuevas variables que permitan
disminuir el RMSE, para esto el artículo de Zuleny & Fiquitiva (2017) hace una revisión
de los contaminantes atmosféricos para la predicción de la LST, siendo aplicable para
un nuevo modelo que integre ambos trabajos.
Gracias al coeficiente de Pearson encontrado en la regresión lineal múltiple y a la relación

entre la LST y la temperatura ambiente, Es posible inferir que, a través de los índices
espectrales y parámetros urbanos aquí trabajados, se puede intervenir la temperatura
ambiente con el objetivo de brindar confort a la población, tal y como lo reconoce Oke
(1988b) que por medio de las ZCL y el diseño urbano, reconoce la posibilidad de brindar
condiciones de confort térmico en la ciudad, dispersión de contaminantes a través de
células convectivas y sistemas de refrigeración naturales al interior de las ciudades.
Sobre la base de este hecho es posible pensar una metodología que permita llegar a
productos concretos para toma de decisiones sobre mitigación adaptación de las
ciudades al cambio climático, siendo posible su integración dentro de planes de
ordenamiento territorial.
94
1. Conclusiones y recomendaciones
Para comprender la evolución y comportamiento de la ICU a nivel superficial y de dosel,

fue necesaria una metodología que integrara aspectos urbanos, climáticos y geomáticos,
que ayudaran al buen discernimiento de esta. Aunque se intuía que la ICU en Bogotá se
consolidaba en un único núcleo ubicado en la localidad de la Candelaria, los resultados
demuestran que la ICU superficial y de dosel se dividen en dos núcleos, el primero en la
localidad de Puente Aranda y Kennedy y el segundo en la localidad de Engativá,
localidades que para el POT del 2013 están representadas mayoritariamente por áreas
con actividad económica intensiva17 y densidad edilicia cercana a 1.
Contrario a la hipótesis, las zonas cercanas a los Cerros Orientales muestran menores
temperaturas que las zonas más centrales, efecto producido por la orografía y los vientos
catabáticos y anabáticos que pueden favorecer la advección. Sin embargo, los resultados
muestran que esta zona ha venido elevando su temperatura, lo que puede indicar una
modificación del paisaje en los Cerros Orientales y una degradación en la capacidad de
refrigeración que tiene los cerros sobre la ciudad.
La ciudad de Bogotá tiene la capacidad de elevar la temperatura por encima de los 4,5°C
en las noches, mientras en la tarde la tasa de enfriamiento hace de la ciudad un lugar
más frio (-0,4°C con respecto a la zona rural) por un lapso de 2 a 3 horas. Para la
temperatura media, Bogotá se calienta 2,5°C más que la zona rural. Estos resultados
muestran el dinamismo que tiene la ICU durante el día y la noche que además de haber
Islas de Calor también se encuentran Islas Frías para las horas de la tarde.
17 http://190.27.245.106/POT-2013/Cartografia/28_USOS%20Y%20AREAS%20DE%20ACTIVIDAD.pdf
95 Conclusiones y recomendaciones
La consolidación del área urbana ha llevado a que la energía antropogénica ( )

aumente con una reducción en el calor latente ( ), haciendo que los espacios urbanos
presenten un incremento constante en la elevación de la temperatura mínima y media,
además de una disminución de la temperatura máxima, por lo que la amplitud térmica se
ha reducido al interior de la ciudad.
La temperatura máxima, media y mínima del área rural han tenido un aumento en la
tendencia climática de 0,96°C, 0,83°C y 1,05°C respectivamente, y en el área urbana de
0,42°C, 0,98°C y 1,66°C respectivamente, lo que significa que, la temperatura mínima en
el año 2015 es 1,66°C más caliente que en el año 1985. Los incrementos pueden deberse
a la consolidación del espacio urbano y a los efectos del calentamiento global.
La estacionalidad de la ICUUCL está marcada por la temporada de lluvias, que para los
meses de marzo, abril, mayo, octubre y noviembre reducen la diferencia urbano rural
como resultado de la baja pérdida de radiación de onda larga que escapa hacía el
espacio. Para los meses de enero, agosto, septiembre y diciembre (temporada seca) las
diferencias se acentúan debido a que la capa nubosa que impedía el escape de la
radiación de onda larga desaparece, permitiendo que el área rural se enfrié.
Los resultados obtenidos con el SPI muestran que el fenómeno del niño y niña inciden
en las precipitaciones de Bogotá, sin embargo, los resultados obtenidos para las
temperaturas son más vagos, con lo que no es posible establecer una dependencia
marcada, siendo necesario la utilización de otras metodologías que permitan determinar
si existe correspondencia y en qué grado entre.
Los resultados obtenidos a partir de las imágenes térmicas nos permiten concluir que el
comportamiento espacial de la ICUUCL e ICUSup guardan relación, teniendo ambas, dos
núcleos localizados en inmediaciones de la otra. Se encontró que la intensidad de la
ICUSup para las imágenes diurnas es de 4°C y para nocturnas de 7°C.
96
Las localidades periféricas de la ciudad de Bogotá que en el tiempo han tenido un

aumento en el tejido urbano, muestran un incremento de la ICUSup, consecuencia de la
pérdida de cobertura vegetal y la ganancia en extensión de coberturas de materiales
impermeables.
A través del modelo creado para la estimación de la LST, se pudo observar que a través
del manejo de las variables NDVI (asociada a cobertura vegetal), humedad del suelo,
densidad edilicia y compacidad es posible realizar un manejo de las temperaturas
superficiales y de dosel de la ciudad, permitiendo que el diseño urbano de la ciudad sea
pensado en base a las necesidades de la población para la mitigación y adaptación del
cambio climático.
Para futuras investigaciones
La metodología usada para el cálculo de la emisividad no ha sido evaluada en ambientes

urbanos, por lo que la eficiencia de esta no es conocida en ciudades. Siendo la
emisividad un parámetro fundamental para el cálculo de la temperatura de un cuerpo, es
prudente que se piense en una metodología aplicada para zonas urbanas.
El algoritmo usado para la corrección de la banda térmica cuenta con un RMSE de

0,85°K, error que puede ser minimizado con las ecuaciones propuestas por (Barsi et al.,
2003) y no usadas en este trabajo por conflictos operativos.
La metodología usada para la revisión del efecto de niño y niña sobre la temperatura
parece no ser lo suficientemente robusta para su detección, por lo que se recomienda
acoplar a está, pruebas estadísticas más certeras además de una variedad de gráficos
que permitan distintas interpretaciones.
La baja densidad de estaciones meteorológicas y los inconvenientes asociados a

ubicación y metadatos, hacen necesario que al momento de utilizar las estaciones se
haga un análisis detallado de su calidad para evitar sesgos en la información. Se resalta
la necesidad de poder contar con estaciones en algunos sectores críticos determinados

a través de las imágenes térmicas, como lo son la UPZ de Puente Aranda y Zona
industrial, que muy posiblemente permitirán evidenciar que en estos lugares existe una
ICUUCL de mayor magnitud.
La información catastral no cuenta con altura de edificios, por lo que fue necesario
establecer una altura media, por piso de 2,5 m y para bodegas de un piso 6 m. este
hecho afecta la regresión lineal obtenida entre la LST y la compacidad.
Las escasas imágenes térmicas encontradas en las misiones Landsat 4,5,7 y 8, dificultan
el análisis multitemporal de la LST, por lo que se recomienda la utilización de otros
sensores que permitan obtener mayor cantidad de imágenes.
98
A. Porcentaje de datos completos para el

periodo 1981-2015.
Tabla 11. Porcentaje de datos completos por estación para el periodo 1981-2015 bajo control de calidad
WMO. Fuente: Elaboración propia.
T. T. T.
Id Nombre Estación Entidad Inicio Suspensión Preci.
Max Med Min
1 APTO EL DORADO 21205790 IDEAM 15/02/1972 Activa 96,79 97,86 97,01 97,86
2 TIBAITATA 21205420 IDEAM 15/03/1954 Activa 95,51 88,03 92,74 93,38
3 LA RAMADA 2120516 CAR 01/12/1937 Activa 84,19 71,37 69,02 70,73
4 SAN JORGE GJA 21205720 IDEAM 15/04/1960 Activa 83,12 64,74 71,79 67,74
5 PROVIDENCIA GJA 21205980 IDEAM 15/02/1977 Activa 89,10 75,64 78,63 96,58
6 APTO GUAYAMARAL 2120559 CAR 01/08/1965 Activa 83,76 57,26 53,21 57,48
VENADO ORO VIVERO 72,65 38,68 54,70 56,84
7 IDEAM 15/08/1965 Activa
21205580
8 JARDIN BOTANICO 21205710 IDEAM 15/09/1974 Activa 64,53 52,35 44,66 52,56
9 BOLSA LA 35025060 IDEAM 15/05/1987 Activa 71,37 48,93 60,68 62,39
10 DOÑA JUANA 2120630 CAR 01/03/1989 Activa 69,44 54,49 54,70 53,85
11 ACAPULCO 21206280 IDEAM 15/02/1990 Activa 60,90 45,73 38,25 57,26
12 C.UNIV.AGROP-UDCA 21206260 IDEAM 15/12/1988 Activa 58,33 47,44 42,52 52,78
13 VEGAS LAS HDA 21206230 IDEAM 15/08/1987 10/05/2011 50,85 44,23 51,28 49,15
14 UNIV NACIONAL 21206220 IDEAM 15/05/1987 Activa 45,94 34,83 33,76 42,95
15 TABIO 2120565 CAR 01/07/1970 Activa 80,34 35,47 28,63 35,26
ELDORADO DIDACTICA 45,73 35,26 39,32 38,03
16 IDEAM 15/01/1959 15/03/2000
21205520
17 SUASUQUE 21205920 IDEAM 15/09/1976 Activa 83,97 10,04 21,37 86,97
18 MUÑA EL 2120561 CAR 01/07/1966 01/12/2002 52,78 21,37 20,94 21,37
19 COSECHA LA 21205910 IDEAM 15/09/1976 Activa 75,64 4,06 13,46 86,32
20 INEM KENNEDY 21206560 IDEAM 15/07/1998 Activa 34,83 18,80 20,51 27,56
FLORES COLOMBIANAS 50,85 14,10 12,39 40,38
21 IDEAM 15/07/1986 15/02/2013
21206210
22 COL MIGUEL A. CARO 21206690 IDEAM 15/11/2001 Activa 21,15 12,61 10,04 16,24
COL ABRAHAM LINCOL 19,87 5,77 8,76 15,38
23 IDEAM 15/10/1994 03/11/2009
21206500
24 COL SAN CAYETANO 21206650 IDEAM 15/11/2001 Activa 15,17 13,46 8,76 14,53
25 COL SANTIAGO PEREZ 21206660 IDEAM 15/11/2001 Activa 17,52 14,10 11,32 16,03
26 BILBAO MAXIMO POTI21206630 IDEAM 15/11/2001 Activa 15,38 9,40 11,11 9,19
27 UNISALLE CENTRO 21206970 IDEAM 24/04/2008 Activa 10,04 8,12 8,33 9,83
UNIV PEDAGOGICA NA 5,13 1,07 0,64 1,28
28 IDEAM 15/11/1986 10/12/2008
21206190
29 BOQUEMONTE 2120661 CAR 01/09/2010 Activa 16,24 6,41 6,41 6,62

30 TUNDAMA 21206200 IDEAM 15/08/1986 15/02/1992 5,56 5,56 4,27 5,77
31 SAN JOSE 21206640 IDEAM 15/11/2001 10/05/2011 6,41 2,14 0,85 2,78
32 COL NUEVO RETIRO 21206680 IDEAM 15/11/2001 05/08/2009 3,21 2,35 1,71 2,56
33 MOLINOS DEL NORTE 21206150 IDEAM 15/10/1983 15/04/1986 2,56 2,56 2,35 2,56
REP LOS MUCHACHOS 5,34 0,43 1,50 2,14
34 IDEAM 15/05/1976 15/06/1985
21205750
35 COL BUCKINGHAM 21206670 IDEAM 15/11/2001 12/11/2009 4,06 0,85 0,21 1,28
36 GUANATA 21205890 IDEAM 15/09/1976 Activa 51,50 - 10,26 86,75
37 CENTRO GAVIOTAS 21206240 IDEAM 15/08/1987 15/09/1992 2,99 - 2,14 0,64
38 EFRAIN CAÑAVERAL 21206610 IDEAM 15/11/2001 05/08/2009 0,85 0,85 - 0,43
39 CLARETIANO 21206170 IDEAM 15/08/1984 15/08/1985 1,28 - - 0,64
40 SENA K 30 21205840 IDEAM 15/04/1985 10/05/2011 14,53 0,21 - 0,21
41 PLANTA WIESNER 2120642 EAAB 11/08/1987 Activa 76,07 - 54,49 -
42 VITELMA 2120524 EAAB 01/01/1981 Activa 93,59 - 41,24 -
43 LLANO EL 21205990 IDEAM 15/02/1977 Activa - - - 72,86
44 CASABLANCA 21206060 IDEAM 15/09/1976 Activa 71,79 - - 68,38
45 TIBACHOQUE HDA 21205950 IDEAM 15/02/1977 10/12/2008 - - - 53,21
46 VILLA ROSA 21205930 IDEAM 15/09/1976 15/09/1992 - - - 28,63
47 CORZO EL 21205860 IDEAM 15/09/1976 15/02/1992 - - - 20,73
LICORERA BOGOINAMA - - - 2,14
48 IDEAM 15/11/1973 15/11/1983
21205820
49 CEA CENT.EST.AERO. 21206700 IDEAM 15/08/2002 07/09/2009 - - - -
50 EDIFICIO PREMIUM 21206540 IDEAM 15/01/1997 10/12/2008 16,67 - - -
51 ESC COL INGENIERIA 21206050 IDEAM 15/04/1986 10/12/2008 64,10 - - -
52 ESAP 21206040 IDEAM 15/04/1985 08/09/2009 8,76 - - -
53 ADPOSTAL 21206000 IDEAM 15/04/1985 10/05/2011 16,67 - - -
54 CLINICA SAN RAFAEL 21205760 IDEAM 15/01/1985 15/01/1998 5,98 - - -
55 CENTRO MED ANDES 21205730 IDEAM 15/01/1985 10/05/2011 15,60 - - -
56 IDEAM FONTIBON HB 21202100 IDEAM 15/06/1998 11/12/2008 8,33 - - -
57 TABIO GJA 21201630 IDEAM 15/05/1987 Activa 69,66 - - -
58 SEDE IDEAM KRA 10 21201600 IDEAM 15/09/1986 Activa 79,06 - - -
59 ROBLE EL 21201550 IDEAM 15/07/1985 Activa 77,14 - - -
60 UNION LA 21201320 IDEAM 15/03/1985 Activa 84,40 - - -
61 TIBAR EL 21201270 IDEAM 15/12/1980 15/02/2002 58,97 - - -
62 SAN PEDRO 21201250 IDEAM 15/06/1980 15/02/2013 79,06 - - -
63 STA MARIA DE USME 21201240 IDEAM 15/12/1977 Activa 75,21 - - -
64 ENMANUEL D ALZON 21201230 IDEAM 15/04/1974 Activa 95,73 - - -
65 EDIFICIO SARAGA 21201160 IDEAM 15/11/1976 15/09/1986 18,38 - - -
66 ESPERANZA LA 21201140 IDEAM 15/07/1974 Activa 91,45 - - -
67 COL H DURAN DUSAN 21206620 IDEAM 15/11/2001 Activa - - - -
NUEVA GENERACION - - - -
68 IDEAM 15/11/2001 Activa
AUTOMATICA 21206600
69 SENA MOSQUERA 21206550 IDEAM 15/01/1998 31/03/2008 - - - -
100
B. Series de temperatura 1981-2015
25 Estación APTO Dorado 21205790 5

23
21 3
19

17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
25 Estación Jardín Botánico 5

23
21 3
19

17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niña Anomalías niño T. Media T. Minima T. Maxima
25 Estación UNIV Nacional 21206220 5

23
21 3
19
17
1 Temperatura ENOS (°C)
Temperatura (°C)
15
13
11 -1
9
7
5 -3
3
1 -5
Anomalías niño Anomalías niña T. Media T. Maxima T. Minima
25 Estación UDCA 21206260 5

23
21 3
19
17 1
Temperatura (°C)
15
13
11 -1
9
7 -3
5
3
1 -5
25 Estación COL Santiago Pérez 21206660 5

23
21 3
19

17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
25 Estación UNIV Salle Centro 21206970 5

23
21 3
19

17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
Anomalías niño Anomalías niña T. Media T. Maxima T. Minima
25 Estación COL Bilbao Maximo 21206630 5

23
21 3
19

17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
25 Estación COL Miguel Caro 21206690 5

23
21 3
19
17
1
Temperatura (°C)
15
13
11 -1
9
7
-3
5
3
1 -5
102
C. ZCL de estaciones meteorológicas

seleccionadas
1-Venado, A (Arboleda
5-Vegas, D (Plantas bajas) 9-INEM , 6 (Abierta baja altura)
densa)
2-Tibaita, D (Plantas bajas) 6-Dorado, 8 (Grande de baja altura) 10-Pérez, 3 (Abierta baja altura)
11-Bilbao, 5 (Abierta de
3-UDCA, 9 (Constr. dispersa) 7-Jardin, B (Arboles dispersos)
mediana altura)
12-Salle, 3 (Compacta baja

4-Miguel, 9 (Constr dispersa) 8-Nacional, 9 (Constr dispersa)
altura)
D. Distribución espacial para la escala estacional de la T. max, min, med y amplitud

térmica
Figura 66. Distribución espacial a escala estacional de T. min e ICUUCL para el periodo 2001-2015. Fuente: elaboración propia
104
Figura 67. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-2015. Fuente: Elaboración propia.
Figura 68. Distribución espacial a escala estacional de T. med e ICUUCL para el periodo 2001-2015. Fuente: Elaboración propia.
106
Figura 69. Distribución espacial a escala estacional de amplitud térmica para el periodo 2001-2015.
Fuente: elaboración propia.
E. Graficas por quinquenios
22 T. max por lustros
21
Temperatura (°C)
20
19
18
17
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Pérez INEM Jardín Tibaita Nacional Dorado Venado
ICUUCL T. max por lustros

2
1
Temperatura (°C)
-1
-2
81-85 86-90 91-95 96-00 01-05 06-10 11-15
∆ Perez - Tibaita ∆ Inem - Tibaita ∆ Jardin - Tibaita
Figura 70. T. max e ICUUCL por lustros. Fuente: Elaboración propia.
16 T. med por lustros
15
Temperatura (°C)
14
13
12
81-85 86-90 91-95 96-00 01-05 06-10 11-15
108
ICUUCL T. med por lustros

3
2
Temperatura (°C)
-1
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Figura 71. T. med e ICUUCL por lustros. Fuente: Elaboración propia.
11 T. min por lustros
10
9
Temperatura (°C)
6
81-85 86-90 91-95 96-00 01-05 06-10 11-15
ICUUCL T.min por lustros

4
3
Temperatura (°C)
0
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Figura 72. T. med e ICUUCL por lustros. Fuente: Elaboración propia.

Amplitud termica
14
13
Temperatura (°C)
12
11
10
8
81-85 86-90 91-95 96-00 01-05 06-10 11-15
Figura 73. Amplitud térmica por lustros. Fuente: Elaboración propia.

110
F. Imágenes satelitales utilizadas

Vapor de agua
Satélite Fecha Hora Lluvia
(g/cm^2)
LT5 22 de marzo de 1985 14:43:09 5 días antes (1.8 mm) 0,897
LT4 22 de marzo de 1988 14:38:34 1 día antes (0.1 mm) -
LT4 29 de junio de 1989 14:46:12 1 día antes (0,8 mm) 1,044
LT4 31 de julio de 1989 14:46:15 1 día antes (3.2 mm) -
LT4 22 de diciembre de 1989 14:45:38 10 días antes (4.4 mm) -
LT4 10 de enero de 1991 14:37:11 3 días antes (1.9 mm) 1,433
LT5 30 de agosto de 1997 14:44:42 2 días antes (1.3 mm) 1,271
LT5 23 de diciembre de 1998 14:51:48 3 días antes (16.2 mm) 1,381
LT7 16 de noviembre de 1999 15:05:37 1 día antes (1.6 mm) 1,664
LT5 14 de febrero de 2001 14:52:45 12 días antes (5.3 mm) 1,24
LT7 25 de febrero de 2002 15:01:41 9 días antes (1 mm) 0,894
LT7 7 de febrero de 2007 15:03:07 12 días antes (12.4 mm) -
LT7 21 de febrero de 2015 15:12:33 3 días antes (0.3 mm) -
LT8 15 de septiembre de 2015 03:05:52 6 días antes (2.6 mm) 1,694
G. LST, Desviación estándar y LST media por UPZ

112
9. Referencias
Adler-Golden, S. M., Matthew, M. W., Bernstein, L. S., Levine, R. Y., Berk, A., Richtsmeier, S.
C., … Burke, H. K. (1999). Atmospheric Correction for Short-wave Spectral Imagery Based
on MODTRAN4. En Imaging Spectrometry V (Vol. 3753, pp. 61-69). Denver.
https://doi.org/10.1117/12.366315
AEUB. (2008). Plan Especial de Indicadores de Sostenibilidad Ambiental de la Actividad

Urbanística de Sevilla. Agencia de Ecologia urbana de Barcelona. Barcelona. Recuperado
de http://www.sevilla.org/urbanismo/plan_indicadores/Index.html
Amorim, M., & Dubreuil, V. (2017). Intensity of Urban Heat Islands in Tropical and Temperate
Climates. Climate, 5(4), 91. https://doi.org/10.3390/cli5040091
Anderson, G. P., Pukall, B., Allred, C. L., Jeong, L. S., Hoke, M., Chetwynd, J. H., … Matthew,
M. W. (1999). FLAASH and MODTRAN4: state-of-the-art atmospheric correction for
hyperspectral data. En IEEE Aerospace Applications Conference Proceedings (Vol. 4, pp.
177-181).
Angel, L., Ramirez, A., Dominguez, E., Ramírez, A., Domínguez, E., Ángel, L., … Domínguez,
E. (2010). Isla de calor y cambios espacio-temporales de la temperatura en la ciudad de
Bogotá. Revista de la Real Academia de Ciencias Exactas, Físicas y Naturales, 34(131),
173-183. Recuperado de http://www.accefyn.org.co/revista/Vol_34/131/173-183.pdf
Azevedo, J. A., Chapman, L., & Muller, C. L. (2016). Quantifying the daytime and night-time
urban heat Island in Birmingham, UK: A comparison of satellite derived land surface
temperature and high resolution air temperature observations. Remote Sensing, 8(2).
https://doi.org/10.3390/rs8020153
Babativa, C. L. (2018). EXPLORACIÓN DE PERFILES VERTICALES DE HUMEDAD

RELATIVA, TEMPERATURA Y CONCENTRACIONES DE PM 2.5 Y BLACK CARBON,
EN LA LOCALIDAD DE PUENTE ARANDA. Universidad de la Salle.
113 Referencias
Bailey, W. G., Oke, T. R., & Rouse, W. R. (1997). The surface climates of Canada. McGill-
Queen’s University Press.
Bannari, A., Morin, D., Bonn, F., & Huete, A. R. (1995). A review of vegetation indices. Remote
Sensing Reviews, 13(1-2), 95-120. https://doi.org/10.1080/02757259509532298
Barsi, J. A., Barker, J. L., & Schott, J. R. (2003). An Atmospheric Correction Parameter
Calculator for a single thermal band earth-sensing instrument. IEEE, 5, 3014-3016.
https://doi.org/10.1109/igarss.2003.1294665
Barsi, J. A., Schott, J. R., Palluconi, F. D., Helder, D. L., Hook, S. J., Markham, B. L., … O’
Donnell, E. M. (2003). Landsat TM and ETM+ thermal band calibration. Canadian Journal
of Remote Sensing, 29(2), 141-153. https://doi.org/10.5589/m02-087
Bermúdez Urdaneta, J., & Wilson White, A. (2006). Bogotá o la ciudad de la luz en tiempos del
Centenario: las transformaciones urbanas y los augurios del progreso. APUNTES, 19, 184-
199. Recuperado de
http://pbidi.unam.mx:8080/login?url=http://search.ebscohost.com/login.aspx?direct=true&d
b=cat02031a&AN=clase.CLA01000321714&lang=es&site=eds-
live%5Cnhttp://132.248.9.34/hevila/ApuntesBogota/2006/vol19/no2/2.pdf
Buenestado Caballer, P. (2003). Análisis y caracterización de la capa superficial atmosférica.

UNIVERSITAT DE BARCELONA.
Buyantuyev, A., & Wu, J. (2010). Urban heat islands and landscape heterogeneity: Linking
spatiotemporal variations in surface temperatures to land-cover and socioeconomic
patterns. Landscape Ecology, 25(1), 17-33. https://doi.org/10.1007/s10980-009-9402-4
Cabras, E. (2014). Efectos de la morfología de las calles en el fenómeno de la isla de calor

urbana en la ciudad de barcelona.
Cai, M., Ren, C., Xu, Y., Lau, K. K. L., & Wang, R. (2018). Investigating the relationship
between local climate zone and land surface temperature using an improved WUDAPT
methodology – A case study of Yangtze River Delta, China. Urban Climate, 24, 485-502.
https://doi.org/10.1016/j.uclim.2017.05.010
Campos Aranda, D. F. (2015). Contraste de los índices DPP, SPI y RDI para clasificación de
sequías, en la estación climatológica Zacatecas, México. Tecnologia y Ciencias del Agua,
114
6(1), 183-193.
Carlson, T. C., & Ripley, D. a. (1997). On the relationship between NDVI, fractional vegetation
cover, and leaf area index. Remote Sensing of Environment, 62, 241-252.
https://doi.org/10.1016/S0034-4257(97)00104-1
Colombi, A., Michele, C. De, Pepe, M., & Rampini, A. (2007). Estimation of Daily Mean Air
Temperature From Modis LST in Alpine Areas. EAReL eProceedings 6, (3), 38-46.
Correa, E., Pattini, A., Corica, L., Fornes, M., & Lesino, G. (2005). Evaluacion del factor de
vision de cielo a partir del procesamiento digital de imagenes hemisféricas. Influencia de la
configuracion del cañón urbano en la disponibilidad del recurso solar. Avances en
Energías Renovables y Medio Ambiente, 9, 43-48.
Cristóbal, J., Jiménez Muñoz, J. C., Sobrino, J. A., Ninyerola, M., & Pons, X. (2009).
Improvements in land surface temperature retrieval from the Landsat series thermal band
using water vapor and air temperature. Journal of Geophysical Research Atmospheres,
114(8), 1-16. https://doi.org/10.1029/2008JD010616
De Luque Söllheim, A. L. (2011). Cualificación y homogenización de las series climáticas

mensuales de precipitación de Canarias . Estimación de Tendencias de la Precipitación .
Memoria Explicativa de Resultados.
Edwards, D., & Thomas, M. (1997). Characteristics of 20th century drougth in the united states
at multiple time scales. Atmospheric Science Paper, (634). Recuperado de
http://weather.uwyo.edu/upperair/sounding.html
Ellefsen, R. (1991). Mapping and measuring buildings in the canopy boundary layer in ten U.S.
cities. Energy and Buildings, 16(3-4), 1025-1049. https://doi.org/10.1016/0378-
7788(91)90097-M
Emmanuel, R., & Krüger, E. (2012). Urban heat island and its impact on climate change
resilience in a shrinking city: The case of Glasgow, UK. Building and Environment, 53, 137-
149. https://doi.org/10.1016/j.buildenv.2012.01.020
Fan, Y., Li, Y., Bejan, A., Wang, Y., & Yang, X. (2017). Horizontal extent of the urban heat dome
flow. Scientific Reports, 7(1), 1-10. https://doi.org/10.1038/s41598-017-09917-4
115 Referencias
FAO. (2006). Evapotranspiración del cultivo: Guias para la determinación de los requerimientos
de agua de los cultivos. FAO :Estudios FAO Riego y Drenaje 56.
https://doi.org/10.1590/1983-40632015v4529143
Ferreira, L. S., & Duarte, D. H. S. (2019). Exploring the relationship between urban form, land
surface temperature and vegetation indices in a subtropical megacity. Urban Climate,
27(November 2018), 105-123. https://doi.org/10.1016/j.uclim.2018.11.002
Founda, D., & Santamouris, M. (2017). Synergies between Urban Heat Island and Heat Waves
in Athens (Greece), during an extremely hot summer (2012). Scientific Reports, 7(1), 1-11.
https://doi.org/10.1038/s41598-017-11407-6
Freitas, E. D., Rozoff, C. M., Cotton, W. R., & Silva Dias, P. L. (2007). Interactions of an urban
heat island and sea-breeze circulations during winter over the metropolitan area of São
Paulo, Brazil. Boundary-Layer Meteorology, 122(1), 43-65. https://doi.org/10.1007/s10546-
006-9091-3
Gallo, K., Hale, R., Tarpley, D., & Yu, Y. (2011). Evaluation of the relationship between air and
land surface temperature under clear- and cloudy-sky conditions. Journal of Applied
Meteorology and Climatology, 50(3), 767-775. https://doi.org/10.1175/2010JAMC2460.1
Gómez Forero, L. V., & Castañeda Rodríguez, C. C. (2013). Estudio del Crecimiento Urbano
con respecto al Efecto Isla de Calor para establecer Lineamientos de Gestión Energético
Ambiental en Bogotá. En Eleventh Latin American and Caribbean for Engieneering and
Technology (pp. 1-10). Cancun.
Gonzáles Ramírez, C. M., & Aguilar Oro, G. (2013). Condiciones meteorológicas a mesoescala
que favorecen la ocurrencia de convección profunda en el Occidente de Cuba. REVISTA
CUBANA DE METEOROLOGÍA, 19, 127-139.
Guhathakurta, S., & Gober, P. (2007). The impact of the Phoenix urban heat Island on
residential water use. Journal of the American Planning Association, 73(3), 317-329.
https://doi.org/10.1080/01944360708977980
Guijarro, J. (2004). Climatol: Software libre para la depuracion y homogeneizacion. Asociación

Española de Climatología y Universidad de Cantabria, 4(August), 493-502.
Hoyano, A. (1988). Climatological uses of plants for solar control and the effects on the thermal
116
environment of a building. Energy and Buildings, 11(1-3), 181-199.

https://doi.org/10.1016/0378-7788(88)90035-7
IAVH. (2018). Estado y tendencias de la biodiversidad continental de Colombia.
IDEAM. (2014). EVOLUCIÓN DE PRECIPITACIÓNY TEMPERATURA DURANTE LOS

FENÓMENOS EL NIÑO Y LA NIÑA EN BOGOTÁ CUNDINAMARCA (1951 - 2012).
IDEAM. (2018). La variabilidad climática y el cambio climático en Colombia. Recuperado de

http://documentacion.ideam.gov.co/openbiblio/bvirtual/023778/variabilidad.pdf
IDEAM, & FOPAE. (2007). Estudio de la caracterización climática de Bogotá y cuenta alta del
río Tunjuelo, 116. Recuperado de
http://documentacion.ideam.gov.co/openbiblio/bvirtual/020702/CARACTERIZACIONCLIMA
TICACORRECCIONFOPAECDpublicacionMA.pdf
IGAC. (2010). El ABC de los suelos : para no expertos. Imprenta Nacional de Colombia,.
Recuperado de https://catalogo.sgc.gov.co/cgi-bin/koha/opac-
detail.pl?biblionumber=46512
Jaramillo Vera, E., Gelvez Garcia, N., & Bayona Navarro, J. (2017). Precipitaciones y
temperatura en la corriente Bogotá. Redes de Ingenierâia, 119-128.
https://doi.org/10.14483/2248762X.12483
Jauregui, E., & Romales, E. (1996). Urban effects on convective precipitation in Mexico City.
Atmospheric Environment, 30(20), 3383-3389. https://doi.org/10.1016/1352-
2310(96)00041-6
Jiang, Y., Fu, P., & Weng, Q. (2015). Assessing the impacts of urbanization-associated land
use/cover change on land surface temperature and surface moisture: A case study in the
midwestern united states. Remote Sensing, 7(4), 4880-4898.
https://doi.org/10.3390/rs70404880
Jiménez Mejía, J. F. (2016). Altura de la Capa de Mezcla en un área urbana, montañosa y

tropical Caso de estudio: Valle de Aburrá (Colombia). Universidad de Antioquia.
Jiménez Muñoz, J. C. (2005). Estimación de la temperatura y la emisividad de la superficie

terrestre a partir de datos suministrados por sensores de alta resolución. Universidad de
117 Referencias
Valencia.
Jimenez Muñoz, J. C., Cristobal, J., Sobrino, J. A., Sòria, G., Ninyerola, M., & Pons, X. (2009).
Revision of the single-channel algorithm for land surface temperature retrieval from landsat
thermal-infrared data. IEEE Transactions on Geoscience and Remote Sensing, 47(1), 339-
349. https://doi.org/10.1109/TGRS.2008.2007125
Jiménez Muñoz, J. C., & Sobrino, J. (2003). A generalized single-channel method for retrieving
land surface temperature from remote sensing data. Journal of Geophysical Research,
108(D22). https://doi.org/10.1029/2003JD003480
Kaloustian, N., & Diab, Y. (2015). Urban Climate Effects of urbanization on the urban heat
island in Beirut. URBAN CLIMATE. https://doi.org/10.1016/j.uclim.2015.06.004
Kato, S. (2005). Analysis of urban heat-island effect using ASTER and ETM+ Data: Separation
of anthropogenic heat discharge and natural heat radiation from sensible heat flux. Remote
Sensing of Environment, 99(1-2), 44-54. https://doi.org/10.1016/J.RSE.2005.04.026
Lehoczky, A., Sobrino, J., Skoković, D., & Aguilar, E. (2017). The Urban Heat Island Effect in
the City of Valencia: A Case Study for Hot Summer Days. Urban Science, 1(1), 9.
https://doi.org/10.3390/urbansci1010009
Li, T., Horton, R. M., & Kinney, P. L. (2013). Projections of seasonal patterns in temperature-
related deaths for Manhattan, New York. Nature Climate Change, 3(8), 717-721.
https://doi.org/10.1038/nclimate1902
Li, Z., Guo, X., Dixon, P., & He, Y. (2007). Applicability of L and S urface T emperature (LST) e
stimates from AVHRR s atellite i mage c omposites in n orthern Canada. Prairie
Perspectives, 11, 119-130.
Loridan, T., & Grimmond, C. S. B. (2012). Characterization of energy flux partitioning in urban
environments: Links with surface seasonal properties. Journal of Applied Meteorology and
Climatology, 51(2), 219-241. https://doi.org/10.1175/JAMC-D-11-038.1
Machado Peréz, J. A. (2016). Análisis de índices extremos de temperaturas asociadas al

cambio climático en bogotá durante las décadas de 1980-2010. Universidad Libre.
Martin, P., Baudouin, Y., & Gachon, P. (2015). An alternative method to characterize the
surface urban heat island. International Journal of Biometeorology, 59(7), 849-861.
118
https://doi.org/10.1007/s00484-014-0902-9
Mutiibwa, D., Strachan, S., & Albright, T. (2015). Land Surface Temperature and Surface Air
Temperature in Complex Terrain. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing, 8(10), 4762-4774.
https://doi.org/10.1109/JSTARS.2015.2468594
Nichol, J. (2005). Remote sensing of urban heat islands by day and night. Photogrammetric
Engineering and Remote Sensing, 71(May), 613-621.
https://doi.org/10.14358/PERS.71.5.613
Nichols, S., Zhang, Y., & Ahmad, A. (2011). Review and evaluation of remote sensing methods
for soil-moisture estimation. SPIE Reviews, 028001. https://doi.org/10.1117/1.3534910
Novoa, J. A. R. (2010). Transformación urbana de la ciudad de Bogotá, 1990-2010: ef 1990-

2010: ef 1990-2010: efecto espacial ecto espacial de la liberalización del comercio.
Perspectiva Geográfica, 15, 85–112.
OIM. (2015). Diálogo Internacional sobre la Migración 2015 : Conferencia sobre los Migrantes y
las Ciudades, (25).
Oke, T. R. (1982). The energetic basis of the urban heat island. Quarterly Journal, Royal
Meteorological Society, 108(455), 1-24. https://doi.org/10.1002/qj.49710845502
Oke, T. R. (1988a). BOUNDARY LAYER CLIMATES.
Oke, T. R. (1988b). Street design and urban canopy layer climate. Energy and Buildings, 11(1-
3), 103-113. https://doi.org/10.1016/0378-7788(88)90026-6
Oke, T. R. (1995). The Heat Island of the Urban Boundary Layer: Characteristics, Causes and
Effects. Wind Climate in Cities, 81-107. https://doi.org/10.1007/978-94-017-3686-2_5
Oke, T. R., Mills, G., Christen, A., & Voogt, J. A. (2017). Urban Climates. Cambridge University
Press.
Oke, T. R., & Stewart, I. D. (2012). Local Climate Zone for Urban Temperature Studies. Bulletin
of the American Meteorological Society, 93(93), 1879-1900. https://doi.org/10.1175/BAMS-
D-11-00019.1
119 Referencias
OMM. (2011). Guía de prácticas climatológicas. Organización Meteorológica Mundial (Vol. 100).
https://doi.org/OMM-No 168
Pabón, J., & Correa, R. (2005). Los sistemas meteorológicos de escala sinóptica de la
Amazonía, sus efectos e impacto socioeconómico en el sur del territorio colombiano.
Cuadernos de Geografía, Universidad Nacional de Colombia, 14, 65-81. Recuperado de
http://core.kmi.open.ac.uk/download/pdf/5666668.pdf
Pabón, J. D., Pulido, S. I., Jaramillo, O., & Chaparro, J. A. (1998). ANÁLISIS PRELIMINAR DE
LA ISLA DE CALOR EN LA SABANA DE BOGOTÁ. Revista Cuadernos de Geografía.
Pabón, José Daniel. (2007). Impacto socioeconómico de los fenómenos El Niño y La Niña en la
Sabana de Bogotá durante el siglo XX. Cuadernos de Geografía : Revista Colombiana de
Geografía, 16, 81-94.
PAULHUS, J. L. H., & KOHLER, M. A. (1952). Interpolation of Missing Precipitation Records.

Monthly Weather Review, 80(8), 129-133. https://doi.org/10.1175/1520-
0493(1952)080<0129:iompr>2.0.co;2
Peng, S., Piao, S., Ciais, P., Friedlingstein, P., Ottle, C., Bréon, F. M., … Myneni, R. B. (2012).
Surface urban heat island across 419 global big cities. Environmental Science and
Technology, 46(2), 696-703. https://doi.org/10.1021/es2030438
Podestá, G., Skansi, M., Herrera, N., & Veiga, H. (2016). Descripción de índices para el
monitoreo de sequía meteorológica implementados por el Centro Regional del Clima para
el Sur de América del Sur. Reporte Técnico CRC-SAS (Vol. 1). Recuperado de
http://www.crc-sas.org/es/content/monitoreo/reporte_sequias.pdf
Ramírez Builes, V. H., & Jaramillo Robledo, Á. (2009). BALANCES DE ENERGÍA ASOCIADOS
A LOS CAMBIOS DE COBERTURA EN LA ZONA ANDINA COLOMBIANA. Cenicafé,
60(3), 199-209.
Ren, C., Cai, M., Wang, M., Xu, Y., & Ng, E. (2016). Local Climate Zone (LCZ) Classification
Using the World Urban Database and Access Portal Tools (WUDAPT) Method: A Case
Study in Wuhan and Hangzhou. The Fourth International Conference on Countermeasure
to Urban Heat Islands (4th IC2UHI), (May), 1-12.
Sadeghi, M., Babaeian, E., Tuller, M., & Jones, S. B. (2017). The optical trapezoid model: A
120
novel approach to remote sensing of soil moisture applied to Sentinel-2 and Landsat-8
observations. Remote Sensing of Environment, 198(October), 52-68.
https://doi.org/10.1016/j.rse.2017.05.041
Sailor, D. J. (2011). A review of methods for estimating anthropogenic heat and moisture
emissions in the urban environment. International Journal of Climatology, 31(2), 189-199.
https://doi.org/10.1002/joc.2106
SAITOH, T., SHIMADA, T., & HOSHI, H. (1996). MODELING AND SIMULATION OF THE
TOKYO URBAN HEAT ISLAND. Armospheric Enviroment, 30(2), 431-442.
https://doi.org/10.1007/s10652-014-9347-2
Salazar Morey, A. A. (2017). PREDICCIÓN DE FORZANTES METEOROLÓGICAS A ESCALA

LOCAL EN UN CLIMA NO ESTACIONARIO . APLICACIÓN A CUENCAS DE CHILE
CENTRAL. UNIVERSIDAD DE CHILE.
Sangines Coral, D. E. (2013). METODOLOGÍA DE EVALUACIÓN DE LA ISLA DE CALOR

URBANA Y SU UTILIZACIÓN PARA IDENTIFICAR PROBLEMÁTICAS ENERGÉTICAS Y
DE PLANIFICACIÓN URBANA. Universidad de Zaragoza. https://doi.org/2254-7606
Schwarz, N., Schlink, U., Franck, U., & Großmann, K. (2012). Relationship of land surface and
air temperatures and its implications for quantifying urban heat island indicators - An
application for the city of Leipzig (Germany). Ecological Indicators, 18, 693-704.
https://doi.org/10.1016/j.ecolind.2012.01.001
Serna Cuenca, N. J. (2013). Efecto de los fenómenos El Niño y La Niña sobre la frecuencia de
los eventos de precipitación extrema en la Sabana de Bogotá. Universidad Nacional de
Colombia. Recuperado de http://www.bdigital.unal.edu.co/11390/1/194150.2013.pdf
Sobral, H. R. (2005). Heat island in São Paulo, Brazil: Effects on health. Critical Public Health,
15(2), 147-156. https://doi.org/10.1080/09581590500151756
Stewart, Iain D., Oke, T. R., & Krayenhoff, E. S. (2014). Evaluation of the «local climate zone»
scheme using temperature observations and model simulations. International Journal of
Climatology, 34(4), 1062-1080. https://doi.org/10.1002/joc.3746
Stewart, Iain Douglas. (2011). Redefining the Urban Heat Island. The University of British
Columbia. Recuperado de https://circle.ubc.ca/handle/2429/38069
121 Referencias
Šverko, M. (2012). Metodo de estimación del vapor de agua precipitable, por detección remoto,
mediante el Sistema de Posicionamiento Global (GPS) con aplicación del estado del
tiempo en la ciudad de Bogotá, D.C.
Taha, H., Sailor, D., & Akbari, H. (1992). High-albedo materials for reducing building cooling
energy use. Berkeley, CA. https://doi.org/10.2172/10178958
Thomas, M., Nolan, D., & Kleist, J. (1993). The relationship of drought frequency and duration to
time scales. En 8th Conference on Applied Climatology (Vol. 22, pp. 179-184).
https://doi.org/10.1002/joc.846
Tran, H., Uchihama, D., Ochi, S., & Yasuoka, Y. (2006). Assessment with satellite data of the
urban heat island effects in Asian mega cities. International Journal of Applied Earth
Observation and Geoinformation, 8(1), 34-48. https://doi.org/10.1016/j.jag.2005.05.003
Valor, E., & Caselles, V. (1996). Mapping Land Surface Emissivity from NDVI: Application to
European, African, and South American Areas. Remote Sensing of Environment, 57(3),
167-184. https://doi.org/10.1016/0034-4257(96)00039-9
Wanner, & Filliger. (1989). Orographic Influence on Urban Climate. Weather and Climate, 9(1),
22. https://doi.org/10.2307/44279768
Weng, Q. (2003). Fractal Analysis of Satellite-Detected Urban Heat Island Effect.

Photogrammetric Engineering & Remote Sensing, 69(May), 555-566.
https://doi.org/10.14358/PERS.69.5.555
WMO. (1989). Calculation of Monthly and annual 30 years standard normals. Washington.
WMO. (2006). INITIAL GUIDANCE TO OBTAIN REPRESENTATIVE METEROLOGICAL

OBSEVATIONS AT URBANS SITES. https://doi.org/10.1007/s12028-011-9538-3
WMO. (2012). Índice normalizado de precipitación guía del usuario.
WMO. (2017). NINTH SEMINAR FOR HOMOGENIZATION AND QUALITY CONTROL IN

CLIMATOLOGICAL DATABASES. Budapest.
Young, K. C. (1992). A three-way model for interpolating for monthly precipitation values.
Monthly Weather Review, 120(11), 2561-2569. https://doi.org/10.1175/1520-
0493(1992)120<2561:ATWMFI>2.0.CO;2
122
Zhan, Z. M., Qin, Q. M., Ghulan, A., & Wang, D. D. (2007). NIR-red spectral space based new
method for soil moisture monitoring. Science in China, Series D: Earth Sciences, 50(2),
283-289. https://doi.org/10.1007/s11430-007-2004-6
Zhou, B., Rybski, D., & Kropp, J. P. (2017). The role of city size and urban form in the surface
urban heat island. Scientific Reports, 7(1), 1-9. https://doi.org/10.1038/s41598-017-04242-
2
Zuleny, T., & Fiquitiva, P. (2017). ANÁLISIS ESPACIO-TEMPORAL DE VARIABLES QUE

INCIDEN EN LA GENERACIÓN DE ISLA DE CALOR URBANA EN LA LOCALIDAD DE
KENNEDY. UNIVERSIDAD SANTO TOMAS.

Trabajo de Grado Alejandro Carvajal

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Trabajo de Grado Alejandro Carvajal

Uploaded by

Copyright:

Available Formats

ANÁLISIS DE LA ISLA DE CALOR URBANA A NIVEL DE

SUPERFICIE Y DE DOSEL EN EL PERIODO DE 1981 A 2015 PARA

CARVAJAL TÉLLEZ RAÚL ALEJANDRO

UNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES U.D.C.A

ESTUDIO DE ISLA DE CALOR URBANA A NIVEL DE SUPERFICIE Y

Trabajo de investigación presentado para optar al título de:

Universidad de Ciencias Aplicadas y Ambientales U.D.C.A

3.3 Estado del arte ................................................................................................. 37

4.2.1.4 Detección de incidencia de fenómeno niña y niño en elementos

Tabla 4. Estaciones meteorológicas seleccionadas. Fuente: Elaboración propia. .....................48

Tabla 5. Valores del Índice normalizado de precipitación. .........................................................50

Tabla 6. Imágenes satelitales seleccionadas. ...........................................................................51

Tabla 9.Correlación de Pearson de regresión lineal. Fuente: Elaboración propia. .....................84

Figura 2. Perfil térmico de ICU. Fuente: (Cabras, 2014)............................................................20

Figura 3. Esquema de escalas climáticas y capas verticales encontradas en áreas urbanas.

Figura 9. Células convectivas de corriente de aíre por efecto de la temperatura de la capa

Figura 11. Vientos de barlovento y sotavento. Fuente:(Oke et al., 2017) ..................................34

Figura 17. Inhomogeneidad en serie climática para la estación Guaymaral. .............................41

Figura 18. Desplazamiento de 4 estaciones meteorológicas (marcador amarillo: posición actual

Figura 19. Diagrama de flujo metodológico. ..............................................................................44

Figura 28. Diagrama de procesamiento para corrección atmosférica en bandas térmicas.

Figura 56. Zonas seleccionadas para el periodo 1981-2015. ....................................................83

Figura 59.Diagramas de dispersión entre la LST y los índices espectrales y parámetros

Bajo la gran expansión y consolidación de Bogotá se pueden destacar aspectos como:

 Las fuertes migraciones a la ciudad que llevaron a problemas de salubridad y

De este rápido crecimiento y densificación se produce el fenómeno de Isla de Calor

La investigación pretende comprender ¿Cuál es el comportamiento y cómo se ha dado

En la primera etapa se hace una revisión de la ICUUCL, donde a través de la temperatura

1.1 Localización geográfica del área de estudio

APTO EL APTO. HDA LAS JARDÍN UNIV. VENADO Desviación

Las escalas climáticas temporales que intervienen en la variabilidad climática son:

 Heladas: pertenecen a los cambios intraestacionales producidas en épocas secas, se

Establecida la ciudad de Bogotá como caso de estudio, fueron tomadas las

Figura 1. Zona de estudio. Fuente: Elaboración propia

2. Planteamiento del problema

2.1 Problema de investigación

El problema radica en cómo reorganizar la urbe y como replantear el concepto de lo que

2.3.1 Objetivo general

2.3.2 Objetivos específicos

 Analizar la ICU a nivel de dosel urbano mediante estaciones meteorológicas para

por la estructura ecológica principal. Como ejemplo, estudios en Brasil y China

En Brasil Helena Ribeiro (2005) encontró que la mortalidad en casos de enfermedades

Por último el incremento y la continuación de investigaciones que permitan entender más

En Colombia el Instituto de Hidrología, Meteorología y Estudios Ambientales IDEAM a

generación de isotermas que demuestran el aumento de la temperatura urbana del

En Colombia, el estudio del fenómeno se ha realizado en las ciudades de Medellín, Cali

La utilización de los sensores remotos en la detección de las ICU es ampliamente usado

3.2 Marco conceptual

3.2.1 Sobre isla de calor

Figura 2. Perfil térmico de ICU. Fuente: (Cabras, 2014)

“Modificaciones humanas de la superficie y de las propiedades atmosféricas que acompañan

3.2.1.1 Escala vertical

 Isla de Calor Urbana Superficial (ICUSup): La ICUSup es la isla de calor urbana

sensible, así como de la estabilidad atmosférica, turbulencia y humedad de la

3.2.1.2 Escala Horizontal

Las clasificaciones nombradas anteriormente, son las usadas por la meteorología y

pueden ser optimizadas con insumos alternos como: imágenes estereoscópicas,

Los intercambios energéticos que tienen lugar en un sistema volumétrico sirven de

Expresada en la Ecuación 1 con unidades de ( ∗ ) (Loridan & Grimmond, 2012),

3.2.2 De los elementos y factores climáticos en la ICU

Los elementos climáticos son: temperatura, precipitación, humedad, viento, radiación

3.2.2.1 Elementos climáticos

condicionados por otros parámetros como la radiación solar, el viento, la humedad y la

energía térmica a través de la energía latente usada en el cambio de estado de solido a