Volumen

13

Número

4

*Autor(a) correspondiente carlamad@gmail.com

Publicación 06 feb 2026

¿Cómo citar?

MADUREIRA CRUZ, C. B. Geoinformación en estudios ambientales en el contexto carioca. Coleção Estudos Cariocas, v. 13,n. 4, 2026.
DOI: 10.71256/19847203.13.4.216.2025.

El artículo fue originalmente enviado en PORTUGUÉS. Las traducciones a otros idiomas fueron revisadas y validadas por los autores y el equipo editorial. Sin embargo, para una representación más precisa del tema tratado, se recomienda que los lectores consulten el artículo en su idioma original.

Geoinformación en estudios ambientales en el contexto carioca 

Geoinformação em estudos ambientais no contexto carioca

Geoinformation in environmental studies in the Carioca context

Carla Bernardete Madureira Cruz1*

1Universidade Federal do Rio de Janeiro, Av. Athos da Silveira Ramos, 274, Cidade Universitária, Rio de Janeiro/RJ, CEP: 21941-916, ORCID: 0000-0002-3903-3147, carlamad@gmail.com.

El dossier Geoinformación en estudios ambientales: caracterización, mapeo y soluciones para la realidad carioca, volumen 13, número 4, de la Colección Estudos Cariocas —en el cual tuve el honor de actuar como editora invitada— está compuesto por diez artículos completos y un artículo de opinión. Este último presenta una reflexión sintética sobre la naturaleza de la geoinformación en el siglo XXI, elaborada por Luiz Henrique Castiglione.

El artículo de opinión (Castiglione, 2026) analiza las profundas transformaciones por las que ha pasado la geoinformación en las últimas décadas, destacando la transición de representaciones materiales, como los mapas físicos, hacia formatos digitales, dinámicos y desmaterializados. Este proceso fue impulsado por el avance de tecnologías como la teledetección, los sistemas GNSS, la aerofotogrametría y los gemelos digitales, que permiten representar el mundo real con un alto nivel de precisión. Como consecuencia, se ampliaron las capacidades de análisis y gestión territorial, especialmente en el monitoreo en tiempo real y en la producción masiva de datos geoespaciales. Sin embargo, Castiglione advierte que esta desmaterialización puede volver la geoinformación más efímera, poniendo en riesgo su preservación histórica y cultural. En este sentido, se destaca la importancia de la curaduría y conservación de estos datos como patrimonio científico, cultural y artístico.

Los diez artículos del volumen ofrecen un panorama diversificado sobre el uso de datos geoinformacionales en la representación e interpretación de la dinámica territorial de Río de Janeiro, contemplando diferentes recortes espaciales y temporales. Desde el punto de vista metodológico, se presentan variados conjuntos de datos y técnicas de mapeo aplicados a estudios de caso en áreas relevantes del contexto carioca.

En el ámbito ambiental, se destaca el estudio sobre las transformaciones asociadas a la expansión urbana en el entorno del Parque Estatal de Pedra Branca, en la región de Vargem Grande, entre 2012 y 2022 (Guedes; Costa, 2026). Utilizando los índices NDVI y SAVI, la investigación identificó una reducción significativa de la cobertura vegetal en áreas bajo presión urbana, además de la intensificación de la ocupación del suelo y la formación de nuevas zonas de expansión, evidenciando la vulnerabilidad ambiental del área.

Otro estudio analizó los cambios en la cobertura del suelo en el Área de Especial Interés Urbanístico (AEIU) del Porto Maravilha entre 2009 y 2024, utilizando los índices NDVI y NDBI aplicados a imágenes Landsat (Manso et al., 2026). Los resultados indican dos períodos distintos: de 2009 a 2016, con aumento de la densificación constructiva y reducción de la vegetación; y de 2017 a 2024, marcado por la estabilización de las superficies antrópicas.

En relación con los wetlands del municipio de Río de Janeiro, un estudio utilizó imágenes Sentinel-1 y Sentinel-2 asociadas al algoritmo Random Forest (Costa; Vicens, 2026). Los resultados indican que cerca del 13% del territorio carioca corresponde a áreas permanentemente o estacionalmente inundadas, concentradas principalmente en las llanuras costeras y bahías, reforzando su importancia ecológica y la necesidad de su delimitación para la planificación urbana.

Otro artículo (Souza; Ferraz, 2026) evalúa la deforestación asociada a la urbanización en Barra da Tijuca mediante el algoritmo LandTrendr aplicado a series temporales Landsat (1985–2024). El período de mayor transformación ocurrió entre 1985 y 1990, con cambios tres veces superiores a los registrados entre 2010 y 2015, asociados a la expansión inmobiliaria y urbana.

A una escala de mayor detalle, uno de los estudios analiza el papel de los mapeos de alta resolución en la evaluación de los Sistemas Verdes Urbanos (Amaral et al., 2026), destacando la importancia de la microescala y del uso de datos multisensor para diagnósticos y monitoreos más precisos y en apoyo a la planificación urbana. Los autores consideran además la emergencia de tales mapeos en el contexto del cambio climático.

Otra contribución (Freires; Barbalho; Lima, 2025) investiga la relación entre la expansión de la infraestructura de transporte público y los cambios en el uso del suelo entre 2009 y 2019. A partir de las áreas de influencia del Metro, BRT y VLT, se identificó que cerca del 20% de las áreas analizadas sufrieron modificaciones relevantes, evidenciando el papel estructurador del transporte y la influencia de factores socioespaciales.

En el campo de la representación tridimensional, un estudio analiza el crecimiento urbano vertical con base en modelos digitales de elevación de 2013, 2019 y 2024 (Teixeira Coelho et al., 2025), permitiendo identificar áreas de demolición, construcción y estabilidad, con aplicaciones en monitoreo urbano, evaluación de riesgos y planificación territorial.

En el área de Deep Learning, otro trabajo evaluó la arquitectura U-Net para la identificación de favelas en ortoimágenes de alta resolución (Souza; Silva; Nunes, 2026). A pesar de las dificultades en áreas pequeñas o de bajo contraste, los resultados confirman el potencial del método para el mapeo de asentamientos precarios.

Por último, dos artículos abordan cuestiones catastrales. El primero analiza la precisión posicional de la red vial de OpenStreetMap en el municipio de Río de Janeiro (Antonio et al., 2025), demostrando variaciones de calidad entre clases B y C en la escala 1:10.000. El segundo investiga técnicas avanzadas de modelado 3D de edificaciones (Badolato; Mota; Costa, 2026), destacando el potencial del uso de software libre en la optimización de recursos y en la búsqueda de soluciones adecuadas para las grandes ciudades del Sur Global.