8. Abrimos nuestra capa con Qgis y como la capa que nos genera es para toda Sierra Nevada, la recortamos con raster->extracción->cortar ráster por capa de máscara con el zona_2.shp que tenemos y así obtenemos la capa que se llama Krigging_Zona_2.tif.

Tendencia de NDVI

Los índices de vegetación se han convertido en las principales fuentes de información para el monitoreo y espacialización de la vegetación y sus variaciones. El más utilizado es el Normalized Difference Vegetation Index (NDVI), siendo el resultado de la aplicación de operaciones de álgebra de imágenes entre dos bandas espectrales (rojo e infrarrojo cercano). Este índice es un indicador directo de la cantidad de biomasa verde fotosintéticamente activa y se encuentra fuertemente correlacionada con la productividad primaria neta aérea. El NDVI ha sido ampliamente utilizado a diversas escalas: locales, regionales, continentales y globales\cite{Ceroni_2015}.
Los valores del NDVI están en función de la energía absorbida o reflejada por las plantas en diversas partes del espectro electromagnético. La respuesta espectral que tiene la vegetación sana, muestra un claro contraste entre el espectro del visible, especialmente la banda roja, y el Infrarrojo Cercano (NIR). Mientras que en el visible los pigmentos de la hoja absorben la mayor parte de la energía que reciben, en el NIR, las paredes de las células de las hojas, que se encuentran llenas de agua, reflejan la mayor cantidad de energía. En contraste, cuando la vegetación sufre algún tipo de estrés, ya sea por presencia de plagas o por sequía, la cantidad de agua disminuye en las paredes celulares por lo que la reflectividad disminuye el NIR y aumenta paralelamente en el rojo al tener menor absorción clorofílica. Esta diferencia en la respuesta espectral permite separar con relativa facilidad la vegetación sana de otras cubiertas\cite{garcia2015estudio}.  
 Por lo tanto, aquella vegetación que tenga menos valores de NDVI sera aquella que tengamos que intervenir, al ser una vegetación en posible decaimiento,  la transformación de variable a criterio requiere usar una función invertida.  
 Para la visualización de esta variable, utilizamos Google earth engine y Jupyther Notebook.
El paso a paso seguido fue el siguiente:
1.Abrimos  Google Earth Engine code editor y entramos con nuestro usuario de Google ( es importante la creación de la cuenta con anterioridad.
2. Creamos un nuevo directorio: Scripts -> New -> Repository. Name: ecoinformatics.
3. Creamos a nuevo archivo: New-> file. Name: create_ yearly_NDVI.
4. Definimos nuestra área de interés : Assets-> New -> Table upload -> Shapefiles y le colocamos el nombre de zona2bcgp.
5. En el editor colocamos este código, que nos permite ubicarnos en nuestra zona de estudio y generar un mapa.