Vol. 36 (2026): Volumen 36
Artículos de Investigación

Cambio de uso del suelo e intensificación de la vulnerabilidad climática en zonas costeras: un enfoque geoespacial en el sureste mexicano

PDF
  • Sugey Isabela Izaguirre de la Cruz,
  • Ana Rosa Rodríguez Luna,
  • Eduardo Salvador López Hernández
Sugey Isabela Izaguirre de la Cruz
Universidad Juàrez Autònoma de Tabasco
Biografía
Ana Rosa Rodríguez Luna
Universidad Juárez Autónoma de Tabasco
Biografía
Eduardo Salvador López Hernández
Universidad Juárez Autónoma de Tabasco
Biografía
DOI: https://doi.org/10.15174/au.2026.4682

Publicado 2026-02-25

Cómo citar

Izaguirre de la Cruz, S. I., Rodríguez Luna, A. R., & López Hernández, E. S. (2026). Cambio de uso del suelo e intensificación de la vulnerabilidad climática en zonas costeras: un enfoque geoespacial en el sureste mexicano. Acta Universitaria, 36, 1–17. https://doi.org/10.15174/au.2026.4682

Derechos de autor 2026 Sugey Isabela Izaguirre de la Cruz, Ana Rosa Rodríguez Luna, Eduardo Salvador López Hernández

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Resumen

Esta investigación analiza los cambios en la cobertura del suelo y su relación con la vulnerabilidad climática en las costas de Tabasco, México, mediante un estudio multitemporal (1994–2023) con imágenes Landsat y SIG. Los resultados revelan una transformación significativa: reducción del 42% en manglares, aumento del 210% en asentamientos humanos y conversión de 755.5 ha de pastizales a zonas industriales (hidrocarburos). Esto incrementa la vulnerabilidad local a inundaciones y la pérdida de servicios ecosistémicos clave, como regulación hídrica y captura de carbono. La clasificación supervisada mostró una exactitud del 85.5%–85.8%, confirmando cambios acelerados: +11.01% anual en industria y +6.08% en asentamientos. Los hallazgos destacan la necesidad de políticas que integren ordenamiento territorial con adaptación climática, corredores ecológicos y evaluaciones de impacto ambiental. Los datos subrayan la necesidad de preservar ecosistemas costeros urgentemente para mitigar riesgos climáticos en contextos de presión antropogénica.

PDF

Citas

  1. Acosta-Velázquez, J., Ochoa-Gómez, J., Vázquez-Lule, A., & Guevara, M. (2023). Changes in mangrove coverage classification criteria could impact the conservation of mangroves in Mexico. Land Use Policy, 129, 106651. https://doi.org/10.1016/j.landusepol.2023.106651
  2. Aguilar, C. E. (2024). Apuntes para una historia ambiental de la industria petrolera en México: algunas reflexiones y consideraciones. ULÚA Revista de Historia, Sociedad y Cultura, 22(43), 93-123. https://doi.org/10.25009/urhsc.v22i43.2816
  3. Álvarez, G. C., & Tuñón, E. (2016). Vulnerabilidad social de la población desplazada ambiental por las inundaciones de 2007 en Tabasco (México). Cuadernos de Geografía Revista Colombiana de Geografía, 25(1), 123-138. https://doi.org/10.15446/rcdg.v25n1.52591
  4. Álvarez-Soberano, A., & Medrano-Pérez, O. R. (2020). Caracterización geomorfológica de la subcuenca Río Mezcalapa, Región Hidrológica Grijalva-Usumacinta (RH-30) en sureste de México. Investigación y Ciencia, 28(80), 32-44. https://www.redalyc.org/journal/674/67464474004/html/
  5. Antúnez, P. (2024). Mangrove area trends in Mexico due to anthropogenic activities: a synthesis of five decades (1970–2020). Coasts, 4(4), 726–739. https://doi.org/10.3390/coasts4040038
  6. Arreguín-Cortés, F. I., Rubio-Gutiérrez, H., Domínguez-Mora, R., & de Luna-Cruz, F. (2014). Análisis de las inundaciones en la planicie tabasqueña en el periodo 1995-2010. Tecnología y Ciencias del Agua, 3, 5-32. https://www.revistatyca.org.mx/index.php/tyca/article/view/424
  7. Bunting, P., Rosenqvist, A., Lucas, R. M., Rebelo, L. M., Hilarides, L., Thomas, N., Hardy, A., Itoh, T., Shimada, M., & Finlayson, C. M. (2018). The Global Mangrove Watch—A new 2010 global baseline of mangrove extent. Remote Sensing, 10(10), 1669. https://doi.org/10.3390/rs10101669
  8. Comisión Económica para América Latina y el Caribe (CEPAL). (2018). Efectos del cambio climático en la costa de América Latina y el Caribe: metodologías y herramientas para la evaluación de impactos de la inundación y la erosión por efecto del cambio climático. https://www.cepal.org/es/publicaciones/44096-efectos-cambio-climatico-la-costa-america-latina-caribe-metodologias
  9. Cortés-Gómez, C., Cervantes-Martínez, A., & Arce-Ibarra, A. M. (2023). Valoración sociocultural de los servicios ecosistémicos de la zona costera del Caribe mexicano. Economía Sociedad y Territorio, 23(73), 961–990. https://doi.org/10.22136/est20231956
  10. Chan, J. G., & Alejandro, C. M. (2024). Cambios sociales y ambientales en Paraíso, Tabasco, por la Refinería Olmeca en Dos Bocas. En E. A. García, D. Matías & D. E. Ramos (ed.), Vivir y trabajar en ciudades con hidrocarburos (pp. 103–126). Editorial Fontamara.
  11. Chen, L., Ma, Y., Lian, Y., Zhang, H., Yu, Y., & Lin, Y. (2023). Radiometric normalization using a pseudo−invariant polygon features−based algorithm with contemporaneous sentinel−2A and Landsat−8 OLI imagery. Applied Sciences, 13(4), 2525. https://doi.org/10.3390/app13042525
  12. Choudhary, B., Dhar, V., & Pawase, A. S. (2024). Blue carbon and the role of mangroves in carbon sequestration: its mechanisms, estimation, human impacts and conservation strategies for economic incentives. Journal of Sea Research, 199, 102504. https://doi.org/10.1016/j.seares.2024.102504
  13. Del Angel-Meraz, E., Veleva, L., & Acosta-Alejandro, M. (2009). Agresividad atmosférica basada en el tiempo de humectación del clima tropical húmedo del estado de Tabasco. Universidad y Ciencia, 25(2), 111–120. https://www.scielo.org.mx/scielo.php?pid=S0186-29792009000200001&script=sci_arttext
  14. Dong, S., Chen, Z., Gao, B., Guo, H., Sun, D., & Pan, Y. (2020). Stratified even sampling method for accuracy assessment of land use/land cover classification: a case study of Beijing, China. International Journal of Remote Sensing, 41(16), 6427-6443. https://doi.org/10.1080/01431161.2020.1739349
  15. Fang, G., Xu, H., Yang, S., Lou, X., & Fang, L. (2023). Synergistic use of Sentinel-1, Sentinel-2, and Landsat 8 in predicting forest variables. Ecological Indicators, 151, 110296. https://doi.org/10.1016/j.ecolind.2023.110296
  16. Feng, Q., Liu, J., & Gong, J. (2015). Urban flood mapping based on unmanned aerial vehicle remote sensing and random forest classifier—a case of Yuyao, China. Water, 7(4), 1437-1455. https://doi.org/10.3390/w7041437
  17. Flores, S., López, R. J., & Cerón, M. G. (2024). Factores estructurales y acciones para mitigar los efectos del cambio climático en la Megalópolis de la Región Centro de México. Posición. Revista del Instituto de Investigaciones Geográficas, (12), 1–21. https://posicion-inigeo.unlu.edu.ar/posicion/article/view/267
  18. Gallardo, B. G., Morales, J. C., Frausto, O., Bravo, M. L., & Carrillo, F. M. (2022). Cambio de cobertura vegetal y uso de suelo generado por actividades agrícolas en el municipio de Bahía de Banderas, Nayarit, México. Acta Universitaria, 32, e5618. http://doi.org/10.15174/au.2022.3618
  19. García-Cuéllar, J. A., Arreguín-Sánchez, F., Hernández-Vázquez, S., & Lluch-Cota, D. B. (2004). Impacto ecológico de la industria petrolera en la sonda de Campeche, México tras tres décadas de actividad: una revisión. Interciencia, 29(6), 311-319. https://ve.scielo.org/scielo.php?pid=S0378-18442004000600006&script=sci_arttext
  20. Goldberg, L., Lagomasino, D., Thomas, N., & Fatoyinbo, T. (2020). Global declines in human‐driven mangrove loss. Global Change Biology, 26(10), 5844-5855. https://doi.org/10.1111/gcb.15275
  21. Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18-27. https://doi.org/10.1016/j.rse.2017.06.031
  22. Herrera-García, G., Ezquerro, P., Tomás, R., Béjar-Pizarro, M., López-Vinielles, J., Rossi, M., Mateos, R. M., Carreón-Freyre, D., Lambert, J., Teatini, P., Cabral-Cano, E., Erkens, G., Galloway, D., Hung, W., Kakar, N., Sneed, M., Tosi, L., Wang, H., & Ye, S. (2020). Mapping the global threat of land subsidence. Science, 371(6524), 34–36. https://doi.org/10.1126/science.abb8549
  23. Hernández, G. I., Sol, A., Ruíz, O., & Valdez, J. I. (2017). Controversias legislativas en la protección del ecosistema manglar: el caso Tabasco, México. Revista Mexicana de Ciencias Agrícolas, (14), 2841-2855. https://doi.org/10.29312/remexca.v0i14.455
  24. Ibarrarán, M. E., Malone, E. L., & Brenkert, A. L. (2009). Climate change vulnerability and resilience: current status and trends for Mexico. Environment Development and Sustainability, 12(3), 365–388. https://doi.org/10.1007/s10668-009-9201-8
  25. Instituto Nacional de Estadística y Geografía (INEGI). (2017). Anuario estadístico del estado de Tabasco. Gobierno del Estado de Tabasco. https://www.inegi.org.mx/contenidos/productos/prod_serv/contenidos/espanol/bvinegi/productos/nueva_estruc/anuarios_2017/702825095123.pdf
  26. Instituto Nacional de Estadística y Geografía (INEGI). (2022). Conjunto de datos vectoriales de uso del suelo y vegetación, escala 1:250 000, serie VI (cobertura 2019). https://www.inegi.org.mx/app/biblioteca/ficha.html?upc=889463673353
  27. Intergovernmental Panel on Climate Change (IPCC). (2022). Climate change 2022: Impacts, adaptation and vulnerability. Cambridge University press. https://www.ipcc.ch/report/ar6/wg2/
  28. Izaguirre, S. I. (2022). Vulnerabilidad y riesgo socioambiental ante el cambio climático de la R/a Las Flores, Paraíso, Tabasco [Tesis de maestría]. Universidad Juárez Autónoma de Tabasco. https://ri.ujat.mx/handle/200.500.12107/4724
  29. Kennedy, R. E., Yang, Z., Gorelick, N., Braaten, J., Cavalcante, L., Cohen, W. B., & Healey, S. (2018). Implementation of the LandTrendr algorithm on Google Earth Engine. Remote Sensing, 10(5), 691. https://doi.org/10.3390/rs10050691
  30. Kovalskyy, V., & Roy, D. P. (2013). The global availability of Landsat 5 TM and Landsat 7 ETM+ land surface observations and implications for global 30m Landsat data product generation. Remote Sensing of Environment, 130, 280-293. https://doi.org/10.1016/j.rse.2012.12.003
  31. Lawal, S. L., & Afolalu, S. A. (2024). Environmental impact assessment in asset integrity management: sustainable practices in oil and gas facilities. Proceedings of the 2024 International Conference on Science, Engineering and Business for Driving Sustainable Development Goals (SEB4SDG), Omu-Aran, Nigeria, pp. 1-5. https://doi.org/10.1109/SEB4SDG60871.2024.10630251
  32. Manley, E., Ogneva-Himmelberger, Y., Ruelle, M., Hanumantha, R., Mazari-Hiriart, M., & Downs, T. J. (2022). Land-cover change and urban growth in the Mexico-Lerma-Cutzamala hydrological region, 1993–2018. Applied Geography, 147, 102785. https://doi.org/10.1016/j.apgeog.2022.102785
  33. Moscoso-Baeza, D., & De Escobar-Fernández, A. M. (2022). Impacto económico de la Refinería Olmeca en el municipio de Paraíso, Tabasco. Revista de Investigaciones Universidad del Quindío, 34(5), 98-108. https://doi.org/10.33975/riuq.vol34ns5.1086
  34. Muhammad, R., Zhang, W., Abbas, Z., Guo, F., & Gwiazdzinski, L. (2022). Spatiotemporal change analysis and prediction of future land use and land cover changes using QGIS MOLUSCE plugin and remote sensing big data: a case study of Linyi, China. Land, 11(3), 419. https://doi.org/10.3390/land11030419
  35. Nájera, A., Carrillo, F. M., Morales, J. C., & Nájera, O. (2021). Cambio de cobertura y uso de suelo en llanura costera asociados a procesos antropogénicos: caso San Blas, Nayarit. Madera y Bosques, 27(1), e2712104. https://doi.org/10.21829/myb.2021.2712104
  36. Neumann, B., Vafeidis, A. T., Zimmermann, J., & Nicholls, R. J. (2015). Future coastal population growth and exposure to sea-level rise and coastal flooding- a global assessment. PLoS ONE, 10(3), e0118571. https://doi.org/10.1371/journal.pone.0118571
  37. Olofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E., & Wulder, M. A. (2014). Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment, 148, 42-57. https://doi.org/10.1016/j.rse.2014.02.015
  38. Palma-López, D. J., Jiménez, R., Zavala-Cruz, J., Bautista-Zúñiga, F., Gavi, F., & Palma-Cancino, D. Y. (2017). Actualización de la clasificación de suelos de Tabasco, México. Agroproductividad, 10(12), 29-35. https://mail.revista-agroproductividad.org/index.php/agroproductividad/article/view/33
  39. Puyravaud, J. (2003). Standardizing the calculation of the annual rate of deforestation. Forest Ecology and Management, 177(1-3), 593-596. https://doi.org/10.1016/s0378-1127(02)00335-3
  40. Ramos, R., & Palomeque, M. Á. (2023). Cambio de uso del suelo y escenarios prospectivos en el Estado de Tabasco (México). Anales de Geografía de la Universidad Complutense, 43(1), 185-209. https://doi.org/10.5209/aguc.85944
  41. Ray, R., Ganguly, D., Chowdhury, C., Dey, M., Das, S., Dutta, M. K., Mandal, S. K., Majumder, N., De, T. K., Mukhopadhyay, S., & Jana, T. K. (2011). Carbon sequestration and annual increase of carbon stock in a mangrove forest. Atmospheric Environment, 45(28), 5016-5024. https://doi.org/10.1016/j.atmosenv.2011.04.074
  42. Richards, J. A. (2022). Remote sensing digital image analysis. Springer. https://doi.org/10.1007/978-3-030-82327-6
  43. Rodríguez-Veiga, P., Saatchi, S., Tansey, K., & Balzter, H. (2016). Magnitude, spatial distribution and uncertainty of forest biomass stocks in Mexico. Remote Sensing of Environment, 183, 265-281. https://doi.org/10.1016/j.rse.2016.06.004
  44. Roy, D. P., Wulder, M. A., Loveland, T. R., Woodcock, C. E., Allen, R. G., Anderson, M. C., Helder, D., Irons, J. R., Johnson, D. M., Kennedy, R., Scambos, T. A., Schaaf, C. B., Schott, J. R., Sheng, Y., Vermote, E. F., Belward, A. S., Bindschadler, R., Cohen, W. B., Gao, F., … Zhu, Z. (2014). Landsat-8: science and product vision for terrestrial global change research. Remote Sensing of Environment, 145, 154-172. https://doi.org/10.1016/j.rse.2014.02.001
  45. Sánchez, E. P., & Trejo, H. H. (2024). Evaluación espacio-temporal de los manglares de la Reserva de la Biosfera Pantanos de Centla, Tabasco. Kuxulkab, 30(68), e6390. https://doi.org/10.19136/kuxulkab.a30n68.6390
  46. Shaw, J., Anderson, C., Choate, M., & Micijevic, E. (2024). Landsat geometric and radiometric calibration and characterization. Fact Sheet, 2024-3039. https://doi.org/10.3133/fs20243039
  47. Stehman, S. V., & Foody, G. M. (2019). Key issues in rigorous accuracy assessment of land cover products. Remote Sensing of Environment, 231, 111199. https://doi.org/10.1016/j.rse.2019.05.018
  48. Wang, C., Hunt, E. R., Zhang, L., & Guo, H. (2013). Phenology-assisted classification of C3 and C4 grasses in the U.S. Great Plains and their climate dependency with MODIS time series. Remote Sensing of Environment, 138, 90-101. https://doi.org/10.1016/j.rse.2013.07.025
  49. Zhang, X., Treitz, P. M., Chen, D., Quan, C., Shi, L., & Li, X. (2017). Mapping mangrove forests using multi-tidal remotely-sensed data and a decision-tree-based procedure. International Journal of Applied Earth Observation and Geoinformation, 62, 201-214. https://doi.org/10.1016/j.jag.2017.06.010
  50. Zhu, Z., Zhang, J., Yang, Z., Aljaddani, A. H., Cohen, W. B., Qiu, S., & Zhou, C. (2019). Continuous monitoring of land disturbance based on Landsat time series. Remote Sensing of Environment, 238, 111116. https://doi.org/10.1016/j.rse.2019.03.009