Para la cartografía y monitoreo de los arrecifes de coral, un mapa batimétrico es útil como un mapa base. Diferentes métodos han sido desarrollados para cartografiar la batimetría usando sensores remotos. Dos grandes grupos se pueden distinguir. El primero utiliza datos de teledetección de sensores activos y el segundo se basa en el empleo de sensores pasivos para generar información multiespectral. Este artículo se centra en el método de datos provenientes de sensores pasivos. Una modificación al método DOP “Profundidad de penetración” mediante espectrometría que se llevó a cabo en imágenes Landsat ETM+ sobre Archipiélago de San Andrés y Providen- cia (Colombia). Las mediciones de profundidad utilizadas en la validación del mo- delo fueron derivadas de lecturas de ecosonda en campo e interpolación de mapas batimétricos. La exactitud de la prueba reveló que el modelo batimétrico resultante es útil para el mapeo en zonas de arrecifes de coral del mar Caribe hasta 25m de profundidad aproximadamente. Los datos no conformes a la realidad fueron gene- rados por suposiciones inherentes a la teoría utilizada, la interpolación de datos, las características de la imagen de satélite y los errores durante la ejecución del método.

In recent years, there has been substantial interest in obtaining geospatial information on specific physical characteristics of buildings, such as roof materials, information that is key for estimating property values. However, collecting this data is resource-intensive and requires extensive fieldwork. This review article presents a bibliometric and descriptive analysis of the main trends in the study and mapping of roof materials and urban land covers, whit a focus on indirect methods such as remote sensing. Among the most notable findings is that artificial intelligence algorithms have become the primary tool for processing Earth observation data, and that multiple sensor data integration is one of the most commonly used techniques for data preparation in the study of roof materials. The way forward for remote sensing and urban land cover studies requires, therefore, innovation in the use of emerging technologies to improve identification, classification, and mapping accuracy of urban features and covers.