Entender la dinámica de la heterogeneidad de la vegetación es crucial para evaluar la resiliencia de los ecosistemas, los patrones de biodiversidad y los impactos de los cambios ambientales en las funciones del paisaje. Si bien estudios anteriores se centraron principalmente en las tendencias de píxeles de NDVI, los cambios en la heterogeneidad del paisaje a menudo han sido pasados por alto. Para abordar esta brecha, nuestro estudio evaluó la efectividad de las métricas continuas para capturar la dinámica de la vegetación a lo largo del tiempo, enfatizando su utilidad en el análisis de tendencias a corto plazo. El área de estudio, ubicada en Irán, abarca una mezcla de paisajes urbanos y agrícolas dominados por vegetación relacionada con la agricultura. Utilizando 11 imágenes de Landsat 8 OLI desde 2013 hasta 2023, calculamos el NDVI para analizar las tendencias de la vegetación y la dinámica de la heterogeneidad. Aplicamos tres categorías de métricas continuas: métricas basadas en textura (diferencia, entropía y homogeneidad), índices de autocorrelación espacial (Getis y Moran), y métricas de superficie (Sa, Sku y Ssk) para evaluar la heterogeneidad de la vegetación. Al generar mapas de pendiente a través de regresión lineal, identificamos tendencias significativas en las tendencias de NDVI y las correlacionamos con los mapas de pendiente de las métricas continuas para determinar su efectividad en la captura de la dinámica de la vegetación. Nuestros hallazgos revelaron que el Índice de Moran exhibió la correlación positiva más alta (0.63) con las tendencias de NDVI, seguido de Getis (0.49), indicando un fuerte agrupamiento espacial en áreas con NDVI en aumento. Las métricas basadas en textura, particularmente la diferencia (0.45) y la entropía (0.28), también se correlacionaron positivamente con la dinámica de NDVI, reflejando una mayor variabilidad y heterogeneidad en la composición de la vegetación. En contraste, se observaron correlaciones negativas con métricas como la homogeneidad (-0.41), Sku (-0.12) y Ssk (-0.24), indicando que las tendencias de NDVI en aumento estaban asociadas con una reducción de la uniformidad y el dominio de la superficie. Nuestro análisis subraya los roles complementarios de estas métricas, con las métricas de autocorrelación espacial destacándose en la captura de patrones de agrupamiento y las métricas basadas en textura resaltando la variabilidad de valor dentro de los grupos. Al demostrar la utilidad de las métricas de autocorrelación espacial y basadas en textura para capturar tendencias de heterogeneidad, nuestros hallazgos ofrecen herramientas valiosas para la gestión del suelo y la planificación de la conservación.