2021-I Taller 9

GEE.

Valeria Madariaga Cuello

CURSO SENSORES REMOTOS
 Introducción.
Google Earth Engine ofrece muchas posibilidades de trabajo desde acceder a bases de datos hasta su
procesamiento. Como se ha trabajado en talleres anteriores, se puede acceder a imágenes satelitales y
trabajar sobre ellas por medio de funciones preprogramadas, pero a través de la interfaz de Code Engine
se puede codificar mediante variadas funciones el procesamiento de este tipo de archivos.

Objetivo.
➢ Aprender a consultar, pre-procesar y tratamiento de imágenes satelitales por medio de Code
Engine.

Metodología.
Definición de la zona.

Estando en GEE, en primer lugar se ubicó la zona de interés, la cual está en La Guajira y se dibujó el
polígono de 1044km2.

Ilustración 1 Área de estudio

 Selección de imagen

Se procedió a cargar las colecciones para Landsat 8 y Sentinel 2, para cada colección, la cantidad de
imágenes sin filtrar era muy grande (más de 5000) por lo que se codificó para realizar el respectivo filtro.

Ilustración 2 Cargue y filtrado de imágenes

Para las especificaciones:

-Fecha entre enero de 2021 y agosto de 2021

-Cobertura de nubes menor a 10%
-Ubicación en la zona de estudio
Se obtuvieron 3 imágenes, se eligió la primera por ser la que menor porcentaje de
nubes tenía.

Ilustración 3 Imágenes filtradas Landsat 8

Para las especificaciones:

-Fecha entre enero de 2021 y agosto de 2021
-Cobertura de nubes menor a 10%
-Ubicación en la zona de estudio
Se obtuvieron 9 imágenes, se eligió la número 7 por ser la que menor porcentaje de
nubes tenía.

Ilustración 4 Imágenes filtradas Sentinel 2

Recorte de la imagen elegida.

Se decidió trabajar con base en la imagen Landsat 8, para ello se debió recortar según el polígono definido
inicialmente, esto se hizo con el código .clip
 Ilustración 5 Imagen cargada y recortada

Se graficó la imagen elegida con la combinación de color verdadero y un stretch de 90%.

Corrección de la imagen.

Ilustración 6 Imagen corregida

Se corrigió la imagen por radiancia, por medio de la función para imagen Landsat “CalibratedRadiance” y
nuevamente se graficó con la combinación para color verdadero y un stretch de 90%.
Ilustración 7 Máscara de nubes

También se realizó corrección por nubes al aplicar una máscara de nubes.

Cálculo del NDVI

Por medio de la función o código “NormalizedDifference” se calculó el NDVI para la zona para imágenes
con fechas de diciembre de 2020 y enero y junio de 2021.

Ilustración 8 NDVI enero 2021

Ilustración 9 NDVI junio 2021

Ilustración 10 NDVI diciembre 2020

Se puede observar que ha habido una disminución marcada con el paso del tiempo para el NDVI de la
zona, se aprecia que en diciembre de 2020 hay diferencias mucho más marcadas que en los periodos de
2021, donde en el presente año predomina una vegetación saludable y/o abundante(color verde) sobre
las zonas que evidenciarían zonas desnudas o con poca vegetación (color naranjado).

Clasificación no supervisada.

Para este código se hizo uso de la función Clusterer.wekaKMeans se eligió usar 6 categorías y se trabajó sobre
la imagen corregida por radiancia.
Ilustración 11 Clasificación no supervisada de la imagen

Conclusión.
Al finalizar este taller se puede concluir que el uso de códigos para la búsqueda, procesamiento y
clasificación de imágenes satelitales es una herramienta que agiliza en una medida muy grande la
realización de dichas tareas.

Se debe tener especial cuidado de utilizar los comandos correctos por lo que hay que tener un buen
conocimiento o guía de las funciones existentes en Code Engine para poder sacarle provecho a la
herramienta.

Usar Code Engine aumenta la versatilidad del trabajo sobre imágenes satelitales ya que se tienen a la
mano muchas opciones de códigos y librerías en un solo lugar.