Plataforma de código abierto para el monitoreo
y prevención de la minería ilegal mediante
análisis geoespacial
Open source platform for monitoring and preventing illegal
mining through geospatial analysis
Recibido: 2/08/2025 - Aceptado: 5/12/2025
Alexander Aguilar Ramirez
https://orcid.org/0009-0007-6502-1370
aguilarramirezalexander2@gmail.com
Universidad Nacional del Altiplano. Puno, Perú
Dalmiro Aurelio Cornejo Olarte
https://orcid.org/0000-0002-5813-9844
dcornejo@unap.edu.pe
Universidad Nacional del Altiplano. Puno, Perú
Alfredo Mamani Canqui
https://orcid.org/0000-0002-8379-8366
amamani@unap.edu.pe
Universidad Nacional del Altiplano. Puno, Perú
Johan Denis Aguilar Ramírez
https://orcid.org/0009-0001-5371-6526
Jaguilarr@est.unap.edu.pe
Universidad Nacional del Altiplano. Puno, Perú
Resumen
Este trabajo presenta el desarrollo de una plataforma web de código abierto para el monitoreo y prevención de la
minería ilegal mediante tecnologías geoespaciales. La investigación adoptó un enfoque cuantitativo con diseño
no experimental descriptivo, centrado en integrar datos satelitales y georreferenciados para una vigilancia
territorial accesible. La metodología se basó en imágenes satelitales multitemporales de Sentinel-2 y Landsat,
procesadas en Google Earth Engine (GEE). Se aplicaron índices espectrales como NDVI, NBR y BSI, junto con
análisis de diferencias multitemporales y umbrales, para detectar cambios en el paisaje e identificar zonas
intervenidas por minería informal. Además, se incorporaron datos espaciales en formato GeoJSON, analizados
con herramientas de procesamiento geoespacial y visualización dinámica. Los resultados demuestran que la
plataforma genera mapas temáticos, identifica áreas afectadas y facilita la visualización de patrones relevantes
para la toma de decisiones. En consecuencia, fortalece la vigilancia ambiental y territorial. Se concluye que esta
herramienta es flexible, escalable y con alto potencial para mejorar la gobernanza ambiental y prevenir la minería
ilegal.
Palabras clave: análisis geoespacial, código abierto, minería ilegal.
Abstract
This paper presents the development of an open-source web platform for monitoring and preventing illegal mining
using geospatial technologies. The research adopted a quantitative approach with a descriptive, non-experimental
design, focused on integrating satellite and georeferenced data for accessible territorial monitoring. The
methodology was based on multi-temporal satellite imagery from Sentinel-2 and Landsat, processed in Google
Earth Engine (GEE). Spectral indices such as NDVI, NBR, and BSI were applied, along with multi-temporal
difference analysis and thresholds, to detect landscape changes and identify areas impacted by informal mining.
Spatial data in GeoJSON format were also incorporated and analyzed using geospatial processing and dynamic
2
visualization tools. The results demonstrate that the platform generates thematic maps, identifies affected areas,
and facilitates the visualization of patterns relevant to decision-making. Consequently, it strengthens environmental
and territorial monitoring. The study concludes that this tool is flexible, scalable, and has high potential for
improving environmental governance and preventing illegal mining.
Keywords: geospatial analysis, open source, illegal mining.
Introducción
La minería ilegal representa una de las amenazas más persistentes y complejas para la sostenibilidad
ambiental, la estabilidad institucional y el desarrollo económico en diversas regiones del mundo. Por ello, esta
actividad —caracterizada por su informalidad, la evasión sistemática de regulaciones y la explotación
indiscriminada de recursos naturales— acelera la degradación de ecosistemas que va más allá de lo ambiental,
impactando también dimensiones sociales, legales y territoriales (Sonter et al., 2020; Sonter et al., 2017).
Generalmente, se manifiesta con mayor intensidad en zonas de alta biodiversidad, donde la presencia
estatal es limitada y el control institucional resulta débil. Esto no solo complica la detección oportuna de la actividad
minera, sino que también restringe la capacidad de intervención efectiva (Hallatu et al., 2021; Kayani et al., 2023).
En consecuencia, las herramientas de fiscalización tradicionales, basadas en inspecciones físicas y reportes
esporádicos, se muestran inadecuadas para enfrentar un fenómeno que evoluciona con rapidez y, a menudo,
opera de manera clandestina (Dethier et al., 2019).
Ante este panorama desafiante, las tecnologías de percepción remota emergen como alternativas viables
y estratégicas para fortalecer la vigilancia ambiental. Además, el empleo de imágenes satelitales, drones y análisis
geoespaciales permite identificar patrones de actividad minera, mapear áreas de riesgo y generar información
clave que apoya la toma de decisiones informadas (Cabernard & Pfister, 2022; Wang et al., 2020). Estas
herramientas no solo optimizan la supervisión territorial, sino que también proporcionan los insumos técnicos
esenciales para el diseño de políticas públicas fundamentadas en evidencia sólida (Chakuya et al., 2023; Dethier
et al., 2023).
De allí que, la presente investigación persigue como objetivo principal el desarrollo de una plataforma
web de código abierto destinada a la prevención y el seguimiento de actividades mineras ilegales, mediante
tecnologías geoespaciales avanzadas y modelos predictivos. Esta propuesta ofrece una solución flexible,
replicable y robusta, con capacidad para adaptarse a distintos contextos territoriales y respaldar a las instituciones
en la planificación estratégica de sus acciones de control (Asner et al., 2013; Asner & Tupayachi, 2016). En última
instancia, este enfoque —apoyado en la innovación tecnológica y una aplicación operativa efectiva— se erige
como fundamental para abordar los retos en entornos altamente vulnerables a la minería ilegal.
Metodología
La investigación se llevó a cabo con un enfoque cuantitativo, centrado en integrar herramientas
geoespaciales para desarrollar una plataforma web de código abierto que monitoree y prevenga actividades de
minería ilegal. Por ello, adoptó un carácter aplicado, al priorizar la creación de un sistema funcional que procese
y visualice información territorial en tiempo real, con impacto práctico inmediato. Además, se empleó un diseño
no experimental y descriptivo, ya que analizó datos existentes sin intervenir variables del entorno, concentrándose
en identificar, visualizar y analizar espacialmente los patrones asociados a la minería informal.
Uso de imágenes satelitales para la detección de minería ilegal
Las imágenes satelitales fungieron como instrumento principal para identificar modificaciones en el
territorio. Estas se obtuvieron a través de Google Earth Engine (GEE), una plataforma que facilitó el acceso a
series temporales de satélites ópticos como Sentinel-2 y Landsat, particularmente idóneos para el análisis
multitemporal del uso del suelo y la detección de cambios a gran escala.
En concreto, los datos satelitales permitieron detectar alteraciones mediante dos procedimientos clave:
Detección de cambios: Se compararon imágenes de distintos periodos para identificar
transformaciones en el paisaje, tales como deforestación, remoción de suelos, apertura de accesos
o ampliación de zonas intervenidas. Este proceso se llevó a cabo con los instrumentos de análisis
de Google Earth Engine (GEE), mediante scripts específicos que calcularon índices espectrales
(NDVI, NBR, BSI), generaron diferencias multitemporales de reflectancia y aplicaron umbrales
automáticos para resaltar perturbaciones directamente asociadas a actividades de minería informal.
3
Monitoreo continuo: Se implementó un uso sistemático de imágenes satelitales para realizar una
vigilancia periódica del territorio. Por su parte, este procedimiento se ejecutó mediante scripts
automatizados en Google Earth Engine (GEE), los cuales actualizaron de manera continua las series
temporales de Sentinel-2 y Landsat. En consecuencia, se generaron mapas comparativos entre
fechas, lo que facilitó la detección de zonas de riesgo, patrones de expansión minera y la
identificación temprana de focos emergentes en tiempo casi real.
Análisis de datos geoespaciales
El sistema integró diversas herramientas de análisis espacial para procesar la información recopilada y
convertirla en insumos útiles para la toma de decisiones. Entre sus funcionalidades principales destacaron:
Reconocimiento de patrones: Algoritmos de clasificación y análisis espacial, implementados en la
plataforma y basados en características geométricas y temáticas de datos GeoJSON, detectaron
configuraciones típicas de minería ilegal con alta precisión.
Análisis multicapa: La combinación de datos geológicos, hidrológicos y territoriales evaluó de forma
integral las zonas afectadas, considerando su contexto ambiental más amplio y las interacciones
entre variables.
Visualización temática: Mapas por percentiles, gradientes de color e iconografía diferenciada
representaron con claridad los tipos de actividad minera, haciendo la información intuitiva incluso
para usuarios no especializados en geoespaciales.
Modelado predictivo para planificación de escenarios futuros
La herramienta incorporó capacidades de modelado predictivo para anticipar el comportamiento futuro de
la minería ilegal y evaluar la efectividad de estrategias de intervención. Para lograrlo, se utilizaron:
Análisis de tendencias: Un estudio detallado de registros históricos y patrones de expansión
identificó zonas vulnerables y dinámicas territoriales recurrentes, proyectando riesgos a mediano
plazo con base en trayectorias observadas.
Simulación de escenarios: Modelos que representaron diferentes estrategias de control estimaron
su impacto potencial en la reducción de la actividad minera no autorizada, apoyando así decisiones
proactivas y la planificación estratégica.
Resultados y discusión
Detección y monitoreo de minería ilegal
El sistema desarrollado demostró su efectividad en la detección y monitoreo de actividades mineras no
autorizadas. Por ello, a partir del análisis multitemporal de imágenes satelitales y datos geoespaciales integrados
en la plataforma, fue posible identificar con precisión las áreas afectadas por minería ilegal, generando
información georreferenciada actualizada sobre los cambios ocurridos en el territorio. Estas capacidades no solo
permitieron una vigilancia continua del paisaje, sino que también mejoraron significativamente la identificación de
focos activos, especialmente en regiones remotas y de difícil acceso donde la minería informal tiende a expandirse
con rapidez y sin control.
Integración y análisis de datos geoespaciales
Además, la integración de múltiples capas de datos geoespaciales facilitó una evaluación integral del
impacto ambiental, social y territorial ligado a las operaciones mineras no reguladas. En consecuencia, las
herramientas de análisis visual clasificaron las zonas según el tipo de sustancia extraída, el método de explotación
empleado, el nivel de afectación ambiental y el grado de contaminación generado. Esta información se presentó
mediante filtros personalizados y mapas temáticos interactivos, que permitieron detectar patrones espaciales
claros y tendencias regionales, apoyando así decisiones informadas en tiempo real.
4
Figura 1
Área total afectada por país
La Figura 1 evidencia una concentración geográfica notable del impacto de la minería ilegal en América
Latina, destacando patrones espaciales que reflejan vulnerabilidades estructurales regionales. Países como Perú,
Brasil y Colombia encabezan la lista en superficie afectada, un fenómeno que se alinea perfectamente con sus
vastas características territoriales —selvas amazónicas extensas, cordilleras ricas en vetas auríferas— y la
abundancia de recursos minerales estratégicos como oro, coltán y bauxita. Esta distribución no solo valida
patrones documentados en investigaciones previas, sino que también subraya con mayor urgencia la necesidad
de desplegar herramientas de vigilancia más robustas y sofisticadas, junto con estrategias de intervención
diferenciadas que consideren el contexto geopolítico único, las dinámicas locales de gobernanza y las
particularidades socioambientales de cada nación.
Modelado predictivo y planificación de escenarios
Además, las capacidades de modelado predictivo incorporadas en la plataforma proporcionaron
herramientas valiosas para anticipar la expansión de la minería ilegal. A partir del análisis detallado de datos
históricos y patrones espaciales observados, se generaron escenarios de riesgo que señalaron áreas con alta
probabilidad de intervención futura, proyectando trayectorias de amenaza a mediano plazo. En consecuencia,
estos resultados ofrecieron una base sólida para fortalecer estrategias de vigilancia y control, permitiendo a las
autoridades focalizar recursos en zonas críticas con mayor eficiencia. Las simulaciones desarrolladas, por su
parte, sirvieron como insumo técnico esencial para el diseño de políticas públicas informadas y planes de
conservación territorial proactivos.
Figura 2
Evolución temporal de la minería ilegal
5
La Figura 2 evidencia una tendencia ascendente sostenida en la actividad minera ilegal durante el periodo
analizado, revelando un patrón de crecimiento exponencial que desafía las medidas institucionales
implementadas. Por ello, este comportamiento no solo sugiere una expansión sistemática e incontrolada de estas
operaciones, sino que también se correlaciona directamente con eventos socioeconómicos críticos —como crisis
de empleo rural, fluctuaciones en los precios internacionales del oro y debilidades en la gobernanza territorial—.
En consecuencia, estos hallazgos resaltan con urgencia la necesidad de implementar monitoreo en tiempo real y
herramientas de análisis predictivo que anticipen trayectorias futuras y permitan respuestas proactivas.
Análisis de frecuencia de variables mineras
Como parte del procesamiento de los datos cargados en la plataforma, se generaron gráficos de
frecuencia detallados para examinar la distribución de métodos de exploración, tipos de sustancias extraídas y
contaminantes asociados a estas actividades. Los resultados muestran una predominancia abrumadora del
método de explotación aluvial —típico de ríos y sedimentos fluviales—, seguido a distancia por otras modalidades
como la minería de socavones o tajos abiertos con menor incidencia relativa.
En cuanto a las sustancias minerales, el oro emerge como el recurso predominante en los registros
procesados, reflejando su alto valor económico y demanda global. Respecto a los contaminantes, el mercurio se
posiciona como el agente principal, utilizado ampliamente en procesos de amalgamación que generan daños
irreversibles en ecosistemas acuáticos y cadenas alimentarias. Esta caracterización detallada no solo facilita la
focalización precisa de estrategias de control y mitigación, sino que también permite priorizar intervenciones en
zonas de mayor actividad y regiones particularmente vulnerables por el tipo de impacto ambiental detectado.
Figura 3
Frecuencia de métodos de exploración
La Figura 3 confirma que la técnica de explotación aluvial domina claramente los registros procesados,
posicionándose como el método más frecuente de minería ilegal detectada. Este tipo de extracción, que se
concentra principalmente en cauces fluviales, ríos y sedimentos aluviales, representa un riesgo excepcionalmente
elevado para los ecosistemas acuáticos, la calidad del recurso hídrico y las comunidades ribereñas dependientes.
Por ello, su alta incidencia no solo evidencia la vulnerabilidad estructural de estos entornos, sino que también
subraya con urgencia la prioridad absoluta que debe asignarse al monitoreo intensivo de zonas ribereñas, la
implementación de barreras de control fluvial y estrategias específicas de restauración hídrica en áreas críticas.
6
Figura 4
Frecuencia de sustancias extraídas
La Figura 4 identifica al oro como el principal recurso extraído en operaciones mineras ilegales, con una
frecuencia abrumadoramente superior respecto a otros minerales como coltán o bauxita. Este patrón se alinea
perfectamente con la altísima demanda global de este metal precioso —impulsada por la industria joyera,
tecnológica y financiera— y su facilidad de comercialización en mercados informales que eluden todo tipo de
trazabilidad. Por ello, esta predominancia no solo confirma incentivos económicos irresistibles para los operadores
ilegales, sino que también refuerza su estrecha asociación con redes transnacionales de criminalidad organizada,
financiamiento de grupos armados y flujos ilícitos que perpetúan ciclos de violencia y corrupción en regiones
vulnerables.
Figura 5
Frecuencia de contaminantes asociados
Finalmente, la Figura 5 confirma que el mercurio domina como el contaminante más comúnmente
vinculado a la minería ilegal, seguido a distancia por cianuro y otros residuos químicos tóxicos. Este hallazgo
resulta particularmente alarmante, ya que el mercurio exhibe una persistencia ambiental extrema —capaz de
permanecer décadas en sedimentos fluviales— y una toxicidad bioacumulativa que se propaga implacablemente
a través de cadenas alimentarias acuáticas. Por ello, sus efectos devastadores trascienden los ecosistemas,
impactando gravemente la salud de comunidades humanas ribereñas mediante intoxicaciones crónicas y daños
neurológicos irreversibles, mientras amenaza simultáneamente la supervivencia de fauna silvestre emblemática
como peces, aves piscívoras y felinos de apex en regiones críticas de biodiversidad.
7
Conclusiones
La integración de tecnologías geoespaciales en una plataforma web interactiva demostró ser una
estrategia efectiva para el monitoreo y la prevención de la minería ilegal, particularmente en territorios remotos
de difícil acceso. Por ello, el uso de imágenes satelitales multitemporales, datos georreferenciados y análisis
multicapa permitió obtener representaciones precisas y contextualizadas de las zonas intervenidas, superando
las limitaciones inherentes de los métodos tradicionales de inspección en campo y facilitando la detección
temprana de patrones espaciales asociados a actividades mineras no autorizadas.
Además, la capacidad del sistema para cargar archivos geoespaciales en formato GeoJSON, aplicar
filtros dinámicos y generar visualizaciones temáticas adaptadas al contenido de cada archivo posibilitó el análisis
detallado de variables críticas como el tipo de sustancia extraída, el nivel de afectación ambiental, los métodos
de explotación empleados y los contaminantes presentes. Esta flexibilidad transformó a la plataforma en una
herramienta versátil, adaptable a necesidades institucionales, territoriales y comunitarias diversas, lo que potencia
su valor real para la gestión territorial en zonas vulnerables.
Por su parte, el análisis de frecuencia y las visualizaciones estadísticas integradas facilitaron una
caracterización cuantitativa robusta de la actividad minera ilegal, revelando tendencias temporales claras y
patrones espaciales recurrentes. En consecuencia, estos resultados proporcionan información estratégica para
la formulación de políticas públicas, permitiendo a las autoridades priorizar zonas de intervención crítica, optimizar
la asignación de recursos limitados y fortalecer estrategias de control y fiscalización con mayor eficacia.
La plataforma desarrollada también genera beneficios metodológicos significativos. Al centralizar el
procesamiento geoespacial en una herramienta accesible y de código abierto, se democratiza el acceso a datos
satelitales de alta calidad, reduciendo drásticamente la dependencia de software especializado y costoso. Esto
empodera a instituciones locales, organizaciones ambientales e incluso comunidades afectadas, permitiéndoles
generar información confiable y tomar decisiones basadas en evidencia geoespacial sólida.
Asimismo, la arquitectura modular del sistema —implementada con tecnologías web abiertas— garantiza
su alta replicabilidad y escalabilidad. Por ello, facilita su integración con otros sistemas institucionales existentes,
la incorporación fluida de nuevas capas territoriales y su expansión hacia regiones con características ambientales
y sociales distintas. Además, este diseño promueve la sostenibilidad técnica del sistema, al simplificar su
mantenimiento y permitir actualizaciones continuas sin requerir inversiones prohibitivas.
De manera complementaria, el estudio identificó limitaciones relevantes que enriquecen el análisis crítico.
La precisión del monitoreo depende de la resolución espacial y temporal de las imágenes satelitales disponibles,
lo que puede restringir la detección de actividades mineras de pequeña escala o efímeras. Asimismo, zonas con
alta cobertura nubosa presentan desafíos en los análisis multitemporales. Sin embargo, estas limitaciones se
pueden mitigar efectivamente mediante la triangulación de fuentes de datos complementarias y la integración de
series temporales más densas y frecuentes.
En conjunto, los resultados confirman que la herramienta desarrollada representa un aporte tecnológico
y metodológico sustancial para fortalecer la gobernanza ambiental y optimizar el control de actividades extractivas
ilegales. Su implementación práctica puede impulsar la vigilancia territorial efectiva, prevenir conflictos
socioambientales emergentes y proteger ecosistemas sensibles, posicionándose como una alternativa viable y
escalable para esfuerzos de monitoreo ambiental en contextos remotos o de difícil acceso.
Referencias
Asner, G. P., Llactayo, W., Tupayachi, R., & Luna, E. R. (2013). Elevated rates of gold mining in the Amazon
revealed through high-resolution monitoring. Proceedings of the National Academy of Sciences, 110(46),
18454-18459. https://doi.org/10.1073/pnas.1318271110
Asner, G. P., & Tupayachi, R. (2017). Accelerated losses of protected forests from gold mining in the Peruvian
Amazon. Environmental Research Letters, 12(9), Artículo 094004. https://doi.org/10.1088/1748-
9326/aa7dab
Cabernard, L., & Pfister, S. (2022). Hotspots of mining-related biodiversity loss in global supply chains and the
potential for reduction through renewable electricity. Environmental Science & Technology, 56(22), 16357-
16368. https://doi.org/10.1021/acs.est.2c04003
Chakuya, J., Munkuli, N., Mutema, C., & Gandiwa, E. (2023). An assessment of the impact of illegal artisanal gold
mining on the environment in parts of Chewore Safari Area, northern Zimbabwe. Environmental Research
Communications, 5(7), Artículo 075005. https://doi.org/10.1088/2515-7620/ace23b
Dethier, E., Sartain, S., & Lutz, D. (2019). Heightened levels and seasonal inversion of riverine suspended
sediment in a tropical biodiversity hot spot due to artisanal gold mining. Proceedings of the National
Academy of Sciences, 116(48), 23936-23941. https://doi.org/10.1073/pnas.1907842116
8
Dethier, E., Silman, M., Fernandez, L., Caballero, J., Alqahtani, S., Pauca, P., ... & Lutz, D. (2023). Operation
Mercury: Impacts of national-level armed forces intervention and anticorruption strategy on artisanal gold
mining and water quality in the Peruvian Amazon. Conservation Letters, 16(5), Artículo
e12978. https://doi.org/10.1111/conl.12978
Hallatu, T., Wisadirana, D., Muadi, S., & Chawa, A. (2021). Illegal sand mining and Sar local wisdom: A case study
in Merauke. International Journal of Social Sciences and Humanities, 5(1), 45-
56. https://doi.org/10.29332/ijssh.v5n1.827
Kayani, U., Nasim, I., Aysan, A., Bashir, F., & Iqbal, U. (2024). Emerging trends of carbon emissions and foreign
direct investment: Accounting for ecological footprints, renewable energy, globalization, and technological
innovations in BRICS. Environmental Science and Pollution Research, 31(29), 41586-
41599. https://doi.org/10.1007/s11356-023-31495-4
Sonter, L. J., Dade, M. C., Watson, J. E. M., & Valenta, R. K. (2020). Renewable energy production will exacerbate
mining threats to biodiversity. Nature Communications, 11(1), Artículo
4174. https://doi.org/10.1038/s41467-020-17928-5
Sonter, L. J., Herrera, D., Barrett, D. J., Galford, G. L., Moran, C. J., & Soares-Filho, B. S. (2017). Mining drives
extensive deforestation in the Brazilian Amazon. Nature Communications, 8(1), Artículo
1013. https://doi.org/10.1038/s41467-017-00557-w
Wang, S., Lu, X., Chen, Z., Zhang, G., Ma, T., Jia, P., ... & Li, B. (2020). Evaluating the feasibility of illegal open-
pit mining identification using InSAR coherence. Remote Sensing, 12(3), Artículo
367. https://doi.org/10.3390/rs12030367
