Google Earth Engine-Guia Alumnos

01 PROGRAMACIÓN EN JAVA SCRIPT
// VARIABLES
var Perro = "TOBY";
var Meses = 12;
var Numero = 10;
print(Perro); // Click en Run y ver la Consola
print(Numero); // Click en Run y ver la Consola
// para imprimir debemos usar print
print(Meses); //Comentario
var Java = 15; // Numerica
print(Java);
// Tipo string
var _abc = "hola";
var $perro = 'dalmata';
print(_abc);
print($perro);
// Integer y double
var mi_int = 9; // Integer (Int)
var mi_dbl = 9.47; // Double (Dbl)
// Boolean
var tuVariable = true;
var c41 = false;
print(tuVariable);
print(c41);
// Null, Undefined y NaN
var a = null;
var b;
var c = "perro"*4;
var d = "perro" + 4;
print(a);
print(b);
print(c);
print(d);
// LISTAS
// No pueden tener funciones
var AA = [1,2,"g"];
print(AA);
var abc = [true, 4 , "luna_azul", [1,2,"A"], 4, {d:4,h:2}];
print(abc[3][2]);
// Considerar 0 como 1era posición: 4 elemento, 3era posición

// OBJETOS EN JAVA SCRIPT
var ObjetoUno = {
numero: 1,
letra: "a"
};
print(ObjetoUno);
var ca = {
a: 1,
b: [1,2,3,4],
c: {
t: 1,
hola: "saludos"
} // fin de c
} //fin de ca
Print(ca)
print(ca);
// Otro ejemplo
var metodoUno = {
saludo: "Buenos días",
c: [1,2,3,10],
tr: function(a,b) {
print(a+b);
} //fin de tr
}; // fin de metodoUno
print(metodoUno);
// Para ver el resultado de tr: nombreObjeto.función(argumento)
metodo.tr(4,5);
// Objeto con 3 propiedades: string, lista y objeto
var ObjetoTres = {
letra: "a" ,
lista: ["a", 8],
Objeto: {
t: "Pedro",
z: 9,
lista1: ["bb", "cc"],
} // fin de objeto: Objeto
}; // Fin de ObjetoTres
print(ObjetoTres);
//OPERADORES
// Operadores Aritméticos
print(9+5);
print(9-5);
print(9*5);
print(9/5);
print(9%5);
//////////////////////////////////////////////////////////////////
// Operadores Relacionales
print(9>5); //true
print(9<5); //false
//////////////////////////////////////////////////////////////////
// Operadores Igualdad
print(9===5); //false
print(5===5); //true
print(9!==7); //true
//////////////////////////////////////////////////////////////////
//Operadores de Incremento/Decremento:
var i = 1;
i = i + 3;
print(i);
var a = 1;
a*= 5;
print(a);
var ccc = 1;
ccc += 10;
print(ccc);
var dd = 4;
dd ++; // Se le suma 1
print(dd);
var ee = 10;
ee --; // Se le resta 1
print(ee);
//////////////////////////////////////////////////////////////////
//Operadores Lógicos
print(!true); // Operador negación
print(6===6 && 1===3); // Operador Y
print(9===9 && 9==="9");
print(4===4 && 10!==8);
print(6===6 || 1===3); // Operador O

// FUNCIONES
function saludar (nombre,edad){
print(" Hola, " + " soy " + nombre + " y "+ " tengo " + edad + " años");
}// fin de function
saludar("Orlando",37);
function saludo(nombre, edad) {
print("Hola, soy " + nombre + " y tengo " + edad + " años");
saludo("Gokú", 30);
// Función numérica
function fun(a) {
return 4 * a; //devuelve 4
var valor = fun(7);
print(valor); // Sale 28
// Función caracteres
function animal(){
print("perro");
animal();
//Crea una función que use tres números enteros como argumentos
//y que "imprima" la suma de los dos primeros argumentos
//multiplicado por el tercero
function OPERADOR(a,b,c) {
print((a+b)*c);
}// fin de function
OPERADOR(4,5,2);
// CONDICIONALES Y LOOPS
//////////////////////////////////////////////////////////////
// if else
var color ="Verde";
if (color === "azul") {
print("Es mi color favorito")} // fin de if
else {
print("Ese no es mi color. Prefiero el azul");
} // fin de else
// for
// Empieza en cero, aumenta en 1, hasta antes de 5
for (var n = 0; n < 5; n++) {
print(n);
} // fin de for
// Otro ejercicio de for
var numeros = [10, 20, 30,40];
for (var a = 0; a < numeros.length; a++) {
print(numeros[a]);
} // fin de for
02 SHAPES en GEE
//Tipos de datos en GEE

//Image: archivo raster
//ImageCollection: un stack o series temporales de imágenes
//Geometry: archivo vectorial SIN ATRIBUTO
//Feature: geometry con un atributo
//FeatureCollection: geometry con un grupo de atributos
//LSIB ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017"),
// Buscar LSIB---> copiar Collection snippet
var paises = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017");
// Añadir polígonos
Map.addLayer(paises); //Modificar en layer transparencia de las capas
//
Map.addLayer(paises, {color:"blue"} , "PAISES" );

// Areas Protegidas en GEE
// SELECCIÓN DE ECUADOR
// Base de datos global: paises
var paises = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017");
// ver en Search: LSIB, ver TABLE SCHEMA, nombre de países
// country_na
// https://en.wikipedia.org/wiki/List_of_FIPS_country_codes
// Seleccionar Ecuador. Ver Docs para escoger función
//var paises filtro columna bd objeto
var ecuador = paises.filter(ee.Filter.eq("country_na","Ecuador") );
//Centrar mapa en Ecuador
Map.centerObject(ecuador);
// Añadir polígono al mapa Nombre de Capa Ecuador
Map.addLayer(ecuador, {color:"red"}, "Ecuador");
// Areas protegidas wdpa polygon buscar y sacar snipped
var ap =ee.FeatureCollection("WCMC/WDPA/current/polygons");
var ap_ecuador=ap.filter(ee.Filter.bounds(ecuador.geometry() ) );
// Añadir poligonos de areas protegidas de Ecuador al Mapa
Map.addLayer(ap_ecuador, {color:"green"}, "AP ECUADOR" )

03 SHAPE y RASTER en GEE
// Buffer de Shape
// Map puede usar para iterar a los elementos de una colección
// por ejemplo: ImageCollection, FeatureCollection ó una Lista
//01 Cargar Polígono de Paraguay, usamos snippet de países: LSIB polygon
var paraguay = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017")
.filter(ee.Filter.eq("country_na", "Paraguay"));
// 02 Función para obtener buffer
//nombre (argumento)
function buff(f) {
return f.buffer(30000); //buffer está en metros
} // Fin de function
// 03 Aplicamos map a paraguay porque es un feature.collection
var buff_par = paraguay.map(buff);
//Centrar mapa: usando var paraguay
Map.centerObject(paraguay);
// Añadir buffer al mapa
// Función Buffer Nombre
Map.addLayer(buff_par, {color:"red"}, "Buffer" );
//Anadir Paraguay al mapa
Map.addLayer(paraguay, {color:"blue"}, "Paraguay" );

//Multifiltro
// Filtros para Argentina: Áreas Protegidas
// wdpa Polygons: Copiar snipped
// Table Schema buscar ISO 3: codigos de países, usar el de Argentina
// Buscar areas : GIS AREA, está en km2
// https://en.wikipedia.org/wiki/ISO_3166-3
//01 Creamos areas protegidas y filtramos a Argentina
var ap_arg = ee.FeatureCollection("WCMC/WDPA/current/polygons")
.filter(ee.Filter.eq("ISO3","ARG"));
//02 Filtramos areas protegidas con area mayor a 10000km2
// Filter.gt (greater than, mayor a )
var grandes = ap_arg.filter(ee.Filter.gt("GIS_AREA", 10000));
//var grandes
print("Cuantas areas son mayores a 10000km2", grandes.size() );
// 03 Filtrar texto: AREAS PROTEGIDAS EN ARGENTINA, EN CATEGORÍA 2
var np = ap_arg.filter(ee.Filter.inList("IUCN_CAT", ["II"]));
//var np
print("Cuántos áreas protegidas son parques nacionales (Cat. II) ", np.size() );
Map.centerObject(ap_arg );
// Añadir polígono al mapa Nombre de Capa Argentina
Map.addLayer(ap_arg , {color:"yellow"}, "Argentina_Ap");
Map.centerObject(grandes );
Map.addLayer(grandes , {color:"red"}, "Argentina_grandes");
Map.centerObject(np);
Map.addLayer(np , {color:"blue"}, "Argentina_II");

//Cargar polígonos áreas protegidas y filtrar en Venezuela
var ap_ven = ee.FeatureCollection('WCMC/WDPA/current/polygons')
.filter(ee.Filter.eq('ISO3', 'VEN'));
// Calcular Área total protegida
print("Área total protegida (km²)",
ap_ven.reduceColumns({
reducer: ee.Reducer.sum(),
selectors: ['GIS_AREA']
}));
// Calcular Superficie total de AP terrestres y marinas
print("Superficie total de AP terrestres y marinas (km²)",
selectors: ['GIS_AREA', 'GIS_M_AREA'],
reducer: ee.Reducer.sum().repeat(2)}));
//por ser 2 selectors
// Calcular Número de AP según categoría IUCN
print("Número de AP según categoría IUCN",
selectors: ['GIS_AREA', 'IUCN_CAT'],
reducer: ee.Reducer.count().group({
groupField: 1,
groupName: 'IUCN',
}) //Fin de .group
}));
// Calcular Promedio superficie AP
print("Promedio superficie AP (km²)",
reducer: ee.Reducer.mean(),
selectors: ['GIS_AREA']
}));
// DEM
// Buscar srtm
var dem = ee.Image("USGS/SRTMGL1_003");
//Agregar DEM al mapa
Map.addLayer(dem); //Se agrega el dem
//Agregar DEM con escala de valores personalizada
Map.addLayer(dem,{min: 0, max: 7000},"dem_2");
//Agregar DEM con paleta de colores personalizada
Map.addLayer(dem,{min: 0, max: 7000,
palette: ["green", "yellow" , "red"]},"dem_3");
//zonas más bajas y más altas en amarillo y rojo

//Pendiente y Aspecto Mundial
// Cargar DEM
var dem = ee.Image("CGIAR/SRTM90_V4");
// Obtener pendiente
// (la tasa máxima de cambio de valor del DEM de un pixel con respecto a sus vecinos)
var pendiente = ee.Terrain.slope(dem);
// Obtener aspecto (orientación de laderas)
// (puede ser pensado como la dirección de la pendiente)
var aspecto = ee.Terrain.aspect(dem);
// Añadir aspecto al mapa
Map.addLayer(aspecto, {min: 0,
max: 360,
palette: [
'3ae237', 'b5e22e', 'd6e21f', 'fff705', 'ffd611', 'ffb613', 'ff8b13',
'ff6e08', 'ff500d', 'ff0000', 'de0101', 'c21301', '0602ff', '235cb1',
'307ef3', '269db1', '30c8e2', '32d3ef', '3be285', '3ff38f', '86e26f'
]},"Aspecto");
// Añadir pendiente al mapa
Map.addLayer(pendiente, {
min: 0,
max: 90,
palette: [
'3ae237', 'b5e22e', 'd6e21f', 'fff705', 'ffd611', 'ffb613', 'ff8b13',
'ff6e08', 'ff500d', 'ff0000', 'de0101', 'c21301', '0602ff', '235cb1',
'307ef3', '269db1', '30c8e2', '32d3ef', '3be285', '3ff38f', '86e26f'
]},"Pendiente");
// Vector a Raster
// Vector a Raster
//Cargar polígonos áreas protegidas y filtrar en Argentina
var ap_arg = ee.FeatureCollection('WCMC/WDPA/current/polygons')
.filter(ee.Filter.eq('ISO3', 'ARG')); //Sólo cambiar el pais
// Crear raster usando el area de las AP como valor
var raster = ap_arg
.filter(ee.Filter.neq('GIS_AREA', null))//Excluye pixeles que sean NA
.filter(ee.Filter.gt("GIS_AREA", 10000))
.reduceToImage({ //Convierte en raster
properties: ['GIS_AREA'],
reducer: ee.Reducer.first() //Selección del 1er input
});
// Centrar el mapa en las AP de Argentina
Map.centerObject(ap_arg);
// Añadir raster al mapa
Map.addLayer(raster,
{min: 0, max: 10000, palette: ['blue', 'green', 'yellow', 'red']});
// Raster a Vector
// Cargar polígono Uruguay
var uruguay = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017')
.filter(ee.Filter.eq('country_na', 'Uruguay'));
// Cargar base de datos de cobertura arbórea MOD44B--2000-2019
var tc = ee.ImageCollection('MODIS/006/MOD44B')
.select('Percent_Tree_Cover').median()
.clip(uruguay);
// Definir umbrales de cobertura arbórea de ineterés
//(en este caso filtramos los polígonos con cobertura árborea mayor a 20%)
var zona = tc.gt(20).add(tc.gt(30)).add(tc.gte(65));
// Eliminar los valores de cobertura pequeños
// (para no exportar todo el polígono de los límites de Uruguay)
zona = zona.updateMask(zona.neq(0));
// Convertir los valores de "zona" a vectores
var vector = zona.addBands(tc).reduceToVectors({
geometry: uruguay,
crs: "EPSG:4326",
scale: 1000,
geometryType: 'polygon',
eightConnected: false,
labelProperty: 'zona',
reducer: ee.Reducer.mean()
});
// Centrar mapa en el vector
Map.centerObject(vector);
// Añadir vector al mapa
Map.addLayer(vector, {},'vector');
// Exportar vector a Drive
Export.table.toDrive({
collection: vector,
description: "Export_SHP_URU",
});
// Subir shape a GEE

//01 Ir a Assets/GEE_Curso/ crear carpeta: parques
//02 New/Shapefile ........
// Asset ID: colocar
// GEE_CURSO/AREAS/LORETO (nombre que desees)
// SELECT: buscar shp y seleccionar todos
// Luego UPLOAD.................En Tasks se ve como va subiendo
// 03 Luego de cargar, ver a la izquierda; añadirlo: usar la flecha
//Se irá a la parte superior. Cambiar table por distritos
// Con la palabra distritos completar lo de abajo
Map.centerObject(distritos);
//Anadir el archivo vertorial al mapa
Map.addLayer( distritos, {color:"blue"}, "LORETO");
//nombre del layer

04 TELEDETECCIÓN
// Landsat 8
// ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA') ya está calibrada
// Desde 2013-04-11 ---> presente
// 01 Ir a zona de interés, dibujar un rectángulo o polígono, se adjuntará automáticamente
// en la primera linea: nombre geometry
// 02 Buscar toa: USGS Landsat 8 Collection 1 Tier 1 TOA Reflectance
//Buscar imágenes LANDSAT 8: snipped copiado de snippet
var imgs_l8 = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA')
.filterDate('2013-06-01', '2021-08-30') //Fechas: 2013-04-11 - 2020-08-30
.filterBounds(geometry) // nombre de var geometry (antes de línea 1)
.filterMetadata('CLOUD_COVER', 'Less_Than',10); //MENOR A 10% COB. DE NUBES
// CLOUD_COVER está en descripción de USGS Landsat 8 Collection
// 1 Tier 1 TOA Reflectance, así como CLOUD_COVER_LAND: IMAGE PROPERTIES
// 03 Ver propiedades imágenes encontradas
print(imgs_l8);
///////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////
// Escoger 4.01 ó 4.02
//04.1 Ir a Console/Features: escoger un código y pegarlo en
//img_fecha
//Seleccionamos la imagen según la fecha que más se acerque a lo que queremos
//var img_fecha = ee.Image("LANDSAT/LC08/C01/T1_TOA/LC08_011062_20190426");
//04.2 Ó podemos seleccionar la imagen con menor cobertura de nubes
//imgs_18
var img = ee.Image(imgs_l8.sort('CLOUD_COVER').first()); //Ver linea 13
///////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////
// 05 Cortar imagen con el área de estudio
// img o img_fecha
var l8_clip = img.clip(geometry); //podría ser img_fecha en lugar de img.
//img_fecha
// 06 Centrar el mapa en el área de estudio
Map.centerObject(geometry);
// 07 Añadir imagen al mapa
Map.addLayer(l8_clip, {
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B4','B3','B2']},
'Landsat 8-Comb 4-3-2 Color Natural');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B5','B4','B3']},
'Landsat 8-Comb 5-4-3 Infrarroja Vegetación');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B6','B5','B2']},
'Landsat 8-Comb 6-5-2 Uso agrícola');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B5','B6','B2']},
'Landsat 8-Comb 5-6-2 Vegetación Vigorosa');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B7','B6','B4']},
'Landsat 8-Comb 7-6-4 Falso Color zona urbana en magenta');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B5','B6','B4']},
'Landsat 8-Comb 5-6-4 Uso suelo, agua');
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B7','B6','B5']},
'Landsat 8-Comb 7-6-5 Penetracion atmosferica');

//Considerar:
// bands: ['B4','B3','B2']}, Color Natural
// bands: ['B5','B4','B3']}, Infrarroja para vegetación
//Rojo veg. sana y bien desarrollada; rosa: veg. menos densa
// Blanco: escasa vegetación; Azul: presencia de agua
//Marron: Vegetación arbustiva muy variable
// bands: ['B6','B5','B2']}, Uso agrícola: verde brillante
// bands: ['B5','B6','B2']}, Vegetación Vigorosa: en rojo
// bands: ['B7','B6','B4']}, Zonas urbanas: Magenta, pastos : verde claro
// De oliva a verde brillante: Oliva: zona forestales, Coníferas más oscuro que caducifolia
// bands: ['B5','B6','B4']}, Uso suelo, agua
// bands: ['B7','B6','B5']}, Penetracion atmosferica
///////////////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////////////
// LANDSAT 8 SENTINEL Resolution
// B2 Green 30 meters B2 Blue 10 meters
// B3 Red 30 meters B3 Green 10 meters
// B4 Near Infrared 30 meters B4 Red 10 meters
// B5 ShortWave infrared 1 30 meters B8A NIR 10 meters
// B6 Thermal Infrared 30 meters B11 SWIR 1 20 meters
// B7 ShortWave infrared 2 30 meters B12 SWIR 2 20 meters

//////////////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////////////
// Exportar imagen a Drive
//Export.image.toDrive({
// image: l8_clip.select("B4", "B3", "B2"), # Configurar bien aquí: imagen y bandas
// description: 'Landsat8_30m',
// scale: 30,
// region: geometry}); //GUARDAR EN GEE

//Sentinel 2
// Copernicus ya corregida
// ee.ImageCollection("COPERNICUS/S2_SR")--->2017-03-28T00:00:00 - 2021-04-07
// Copernicus sin calibrar
//ee.ImageCollection ('COPERNICUS/S2') --->Fechas: 2015-06-23 - actualidad
//01 Seleccionar con rectángulo área de Interés.
// 02 Buscar Sentinel2 y pegar snippet
//Buscar imágenes SENTINEL 2
var imgs_s2 = ee.ImageCollection ('COPERNICUS/S2_SR') // Sin calibración
.filterDate('2018-06-01', '2020-08-30') //Fechas: 2015-06-23 - actualidad
.filterBounds(geometry)
.filterMetadata ('CLOUDY_PIXEL_PERCENTAGE', 'Less_Than', 10); //Menor a 10%
// Cobertura nubosa
print(imgs_s2); // Para ver todas las imágenes: Console/Features
///////////////////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////////////////
// Escoger 4.01 ó 4.02
//04.1 Ir a Console/Features: escoger un código y pegarlo en
//img_fecha
//Seleccionamos la imagen según la fecha que más se acerque a lo que queremos
//var img_fecha =
ee.Image("COPERNICUS/S2/20151226T130212_20151226T130234_T24LUQ");
// 04.2 O podemos seleccionar la imagen con menor cobertura de nubes
//imgs_18
// Seleccionar la imagen con menor cobertura de nubes
var img = ee.Image(imgs_s2.sort('CLOUDY_PIXEL_PERCENTAGE').first());
///////////////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////////////
///////////////////////////////////////////////////////////////////////////////
// Cortar imagen con el área de estudio
var s2_clip = img.clip(geometry);
// Centrar el mapa en el área de estudio
// Añadir imagen al mapa
Map.addLayer (s2_clip, {
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb 4-3-2 Color Natural');
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B8A','B4','B3']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb 8-4-3 Infrarrojo Rojo Vegetación');
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B11','B8A','B2']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb B11-B8A-B2 Uso Agrícola');

max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B8A','B11','B2']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb B8A-B11-B2 Vegetación Vigorosa');
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B12','B11','B4']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb B12-B11-B4 Falso Color Urbano en magenta');
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B12','B11','B8A']}, //Bandas, ver ayuda de COPERNICUS/S2
'Sentinel 2-Comb B12-B11-B8A Penetración Atmosférica');
//Map.addLayer (s2_clip, {
// max: 4000,
// min: 0.0,
// gamma: 1.0,
// bands: ['B8A','B11','B2']}, //Bandas, ver ayuda de COPERNICUS/S2
// 'Sentinel 2-Comb B8A-B11-B2 Análisis de la Vegetación');
//Considerar:
// bands: ['B4','B3','B2']}, Color Natural
// bands: ['B8','B4','B3']}, Infrarroja para vegetación
//Rojo veg. sana y bien desarrollada; rosa: veg. menos densa
// Blanco: escasa vegetación; Azul: presencia de agua
//Marron: Vegetación arbustiva muy variable
// bands: ['B11','B8A','B2']}, Campos agrícolas: verde brillante
// bands: ['B8A','B11','B2']}, Vegetación Vigorosa: en rojo
// bands: ['B12','B11','B4']}, Zonas urbanas: Magenta, pastos : verde claro
// De oliva a verde brillante: Oliva: zona forestales, Coníferas más oscuro que caducifolia
// bands: ['B12','B11','B8A']}, Penetracion atmosferica
///////////////////////////////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////////////////////////////
// LANDSAT 8 SENTINEL Resolution
// B2 Green 30 meters B2 Blue 10 meters
// B3 Red 30 meters B3 Green 10 meters
// B4 Near Infrared 30 meters B4 Red 10 meters
// B5 ShortWave infrared 1 30 meters B8A NIR 10 meters
// B6 Thermal Infrared 30 meters B11 SWIR 1 20 meters
// B7 ShortWave infrared 2 30 meters B12 SWIR 2
// image: s2_clip.select("B4", "B3", "B2"), # Configurar bien aquí: imagen y bandas
// description: 'Sentinel2_10m', //Ver las bandas con cuidado
// scale: 10,
// region: geometry});
// Mosaico Sentinel Polygon
// ee.ImageCollection("COPERNICUS/S2_SR")
//01 Seleccionar el área de interés con el polígono: Manglares entre Perú-Ecuador
//Imagen SENTINEL 2
var img_s2 = ee.ImageCollection ('COPERNICUS/S2')
.filterMetadata('CLOUDY_PIXEL_PERCENTAGE', 'Less_Than', 10);
// Nubosidad
// Filtro de la mediana
var s2_filtro = ee.Image(img_s2.median());
var s2_clip = s2_filtro.clip(geometry);
Map.addLayer(s2_clip, {
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
'Img S2');
//ASTER
// ASTER---> Corregida y ortorectificada
//ASTER/AST_L1T_003 --> Each scene covers an area of 60 x 60 km.
//These scenes, produced by the USGS, contain calibrated at-sensor radiance,
//ortho-rectified and terrain corrected.
var imgs_aster = ee.ImageCollection ('ASTER/AST_L1T_003')
.filterDate ('2012-04-01', '2018-05-31') //Fechas disponibles: 2000-03-04 - hoy
.filterBounds (geometry)
.filterMetadata ('CLOUDCOVER', 'Less_Than', 20);
// Mosaico ASTER (mediana)
var mos_aster = ee.Image(imgs_aster.median());
var mos_aster_clip = mos_aster.clip(geometry);
Map.addLayer(mos_aster_clip, {
max: 255,
min: 0.0,
gamma: 1.0,
bands: ['B3N', 'B02', 'B01']},
'Mosaico ASTER_15m');
// image: mos_aster_clip.select("B3N", "B02", "B01"), # Configurar bien aquí: imagen y bandas
// description: 'ASTER_15m',
// scale: 15,
////////
//ASTER/AST_L1T_003 --> Each scene covers an area of 60 x 60 km.
//These scenes, produced by the USGS, contain calibrated at-sensor radiance,
//ortho-rectified and terrain corrected.
// BANDAS Resolution
// B01 VNIR_BAND1 Visible green/yellow 15m
// B02 VNIR_BAND2 Visible red 15m
// B3N VNIR_BAND3N Near Infrared 15m
// B04 SWIR_BAND4 Short wave infrared 30m
// B10 TIR_BAND10 Thermal infrared 90m

// MODIS
//MODIS--->FECHAS 2000-02-18T00:00:00 - 2021-03-29
//Seleccionar Polígono
var imgs_modis = ee.ImageCollection('MODIS/006/MCD43A1')
.filterDate('2018-01-01', '2018-12-30') //Fechas disponibles: 2000-02-18 - hoy
.filterBounds(geometry);
var img_mod = ee.Image(imgs_modis.sort('CLOUD_COVER').first());
var modis_clip = img_mod.clip (geometry);
Map.addLayer(modis_clip, {
min: 0.0,
max: 1000.0,
gamma: 2.0,
bands: ['BRDF_Albedo_Parameters_Band1_iso', 'BRDF_Albedo_Parameters_Band4_iso',
'BRDF_Albedo_Parameters_Band3_iso']},
'Imagen MODIS');
Map.centerObject(modis_clip);
// image: modis_clip.select("BRDF_Albedo_Parameters_Band1_iso",
// "BRDF_Albedo_Parameters_Band4_iso",
// "BRDF_Albedo_Parameters_Band3_iso"),
// description: 'MODIS_500m',
// scale: 500,
// Mosaico MODIS (mediana)

var mos_modis = ee.Image(imgs_modis.median());
var mos_modis_clip = mos_modis.clip(geometry);
Map.addLayer(mos_modis_clip, {
min: 0.0,
max: 1400.0,
gamma: 2.0,
bands: ['BRDF_Albedo_Parameters_Band1_iso', 'BRDF_Albedo_Parameters_Band4_iso',
'BRDF_Albedo_Parameters_Band3_iso']},
'Mosaico MODIS');
// image: mos_modis_clip.select("BRDF_Albedo_Parameters_Band1_iso", // Configurar bien

aquí: imagen y bandas
// "BRDF_Albedo_Parameters_Band4_iso",
// "BRDF_Albedo_Parameters_Band3_iso"),
// description: 'MODIS_500m',
// scale: 500,
//Máscaras de Sentinel 2
// Función para enmascarar nubes de imagen Sentinel 2 a partir de banda QA
//01 Seleccionar polígono del área de interés
////////////////////////////////////////////////////////////////////////////////////////////////////
///
// Algoritmo desarrollo por los de GEE, a partir de la banda QA
function maskS2clouds(image) {
var qa = image.select('QA60'); //Banda QA60 de Sentinel 2
// Bits 10 y 11 son nubes y cirrus, respectivamente
var cloudBitMask = 1 << 10;
var cirrusBitMask = 1 << 11; //Nubes cirrus
// Ambas indicadores deben ser 0, lo que indica un cielo despejado
var mask = qa.bitwiseAnd(cloudBitMask).eq(0) //si es 0 despejado
.and(qa.bitwiseAnd(cirrusBitMask).eq(0));
return image.updateMask(mask).divide(10000);
} //Fin de función maskS2clouds
////////////////////////////////////////////////////////////////////////////////////////////////////
////////////
// Buscar imagen
var img = ee.ImageCollection('COPERNICUS/S2')
.filterDate('2018-01-01', '2018-06-30')
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20)) //menor a 20%
.map(maskS2clouds) //función map usa función de maskS2clouds
.filterBounds(geometry) //antes línea 1
.map(function(image){return image.clip(geometry)}) //map collection de imágenes
.median(); // Usando mediana, para que sea una sola imágen
// Visualización RGB
var rgb_vis = {
min: 0.0,
max: 0.3,
bands: ['B4', 'B3', 'B2'], }; //Elegimos las bandas
Map.addLayer(img, rgb_vis, 'Imagen Sentinel 2'); //Imagen sin nubes

//Sentinel 2-Calibrada
////////////
//SENTINEL 2
////////////
var imgs_sentinel2 = ee.ImageCollection ('COPERNICUS/S2_SR')
.filterDate ('2015-01-01', '2020-12-30') //Fechas disponibles: 2015-07-01 - hoy
.filterBounds (geometry)
.filterMetadata ('CLOUDY_PIXEL_PERCENTAGE', 'Less_Than', 30);
var img_s2 = ee.Image(imgs_sentinel2.sort('CLOUDY_PIXEL_PERCENTAGE').first());
var s2_clip = img_s2.clip (geometry);
Map.addLayer(s2_clip, {
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
'Imagen Sentinel 2');
Map.centerObject (s2_clip);
// image: s2_clip.select("B4", "B3", "B2"),
// description: 'Sentinel2_10m',
// scale: 10,
// Mosaico SENTINEL 2 (mediana)
var mos_s2 = ee.Image(imgs_sentinel2.median());
var mos_s2_clip = mos_s2.clip(geometry);
Map.addLayer(mos_s2_clip, {
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
'Mosaico Sentinel 2');
// image: mos_s2_clip.select("B4", "B3", "B2"), // Configurar bien aquí: imagen y bandas
// description: 'Sentinel2_10m',
// scale: 10,
05 NDVI-SERIES DE TIEMPO-REGRESIONES
//NDVI con Sentinel-2—a gee
//ee.ImageCollection ('COPERNICUS/S2') --->Fechas: 2015-06-23 – actualidad
// Seleccionar polígono
//01 Buscar imágenes SENTINEL 2
var imgs_s2 = ee.ImageCollection ('COPERNICUS/S2')
.filterMetadata ('CLOUDY_PIXEL_PERCENTAGE', 'Less_Than', 10); //Nubosidad menor a 10%
// ee.ImageCollection("COPERNICUS/S2_SR")
//02 Seleccionar la fecha con la imagen con menor cobertura de nubes
// 03 Cortar imagen con el área de estudio
//04 Centrar el mapa en el área de estudio
// 05 Añadir imagen sentinel al mapa
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
// NDVI = (NIR-RED) / (NIR+RED)
///////////////
// Forma 1 NDVI
///////////////
// imagen cortada: s2_clip
var ndvi1 = s2_clip.normalizedDifference(['B8','B4']); //Bandas 8 y 4
//Añadir NDVI al mapa
Map.addLayer(ndvi1,
{max:0.7, min: -0.5,
palette:['FFFFFF','CE7E45','DF923D','F1B555','FCD163','99B718','74A901',
'66A000','529400','3E8601','207401','056201','004C00','023B01',
'012E01','011D01','011301']}, // fin de {max
'NDVI_1');
///////////////
// Forma 2 NDVI
///////////////
var ndvi2 = s2_clip.expression('(nir-red)/(nir+red)', {
'nir':s2_clip.select('B8'), //nir es la banda 8
'red':s2_clip.select('B4')}); // red es la banda 4
//Añadir NDVI al mapa
Map.addLayer(ndvi2,
{max:0.5, min:0,
'66A000','529400','3E8601','207401','056201','004C00','023B01',
'012E01','011D01','011301']},
'NDVI_2');
// Son diferentes sólo por la paleta
// Para saber el valor del NDVI---> Inspector y click
// image: ndvi1, # Configurar bien aquí: imagen
// description: 'NDVI_Sentinel2_10m',
// scale: 10, //10 metros
// region: geometry}); //Guardar en GEE

//Series de Tiempo Sentinel-2—a gee
//Series de Tiempo Sentinel-2
// Sentinel 2: Mejor resolución de Landsat. Agricultura de precisión
var imgs_s2 = ee.ImageCollection ('COPERNICUS/S2_SR')
.map(function(image){return image.clip(geometry)});
// Función para calcular NDVI
function addNDVI(image) {
var ndvi_imgs = image.normalizedDifference(['B8', 'B4']);
return image.addBands(ndvi_imgs); }
// Calcular NDVI
var ndvi = imgs_s2.map(addNDVI);
var rgb_vis = {min: 0,
max: 4000,
gamma: 1.0,
bands: ['B4', 'B3', 'B2']};
// Añadir al mapa la mediana de la imagen del área de estudio
Map.addLayer(imgs_s2.median(), rgb_vis, 'RGB (Mediana)');
// mean Promedio
// Crear gráfico serie de tiempo NDVI del área de interés
print(ui.Chart.image.series(ndvi.select('nd'), geometry)
.setOptions({title: 'Serie de Tiempo NDVI-Mediana',
vAxis: {title: 'NDVI'},
hAxis: {title: 'Tiempo'},}));
//////////////////////////////////////////////////////////////////////
var imgs_s2 = ee.ImageCollection ('COPERNICUS/S2_SR')
.map(function(image){return image.clip(geometry)});
// Función para calcular NDVI
function addNDVI(image) {
var ndvi_imgs = image.normalizedDifference(['B8', 'B4']);
return image.addBands(ndvi_imgs); }
// Calcular NDVI
var ndvi = imgs_s2.map(addNDVI);
var rgb_vis = {min: 0,
max: 4000,
gamma: 1.0,
bands: ['B4', 'B3', 'B2']};
// Añadir al mapa la mediana de la imagen del área de estudio
Map.addLayer(imgs_s2.mean(), rgb_vis, 'RGB (Promedio)');
// median Mediana
// Crear gráfico serie de tiempo NDVI del área de interés
print(ui.Chart.image.series(ndvi.select('nd'), geometry)
.setOptions({title: 'Serie de Tiempo NDVI-Promedio',
vAxis: {title: 'NDVI'},
hAxis: {title: 'Tiempo'},}));

//NDVI y otros Índices con Sentinel-2—a gee
var imgs_s2 = ee.ImageCollection ('COPERNICUS/S2')
.filterMetadata ('CLOUDY_PIXEL_PERCENTAGE', 'Less_Than', 10);
// Seleccionar la imagen con menor cobertura de nubes
// Añadir imagen sentinel al mapa
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
/*
Bandas Sentinel 2 (Resolución espacial)
1: Coastal aerosol (60m)
2: Blue (10m)
3: Green (10m)
4: Red (10m)
5: Vegetation Red Edge 1 (20m)
8: NIR (10m)
8a: Narrow NIR (20)
9: Water vapour (60m)
10: SWIR – Cirrus (60m)
11: SWIR (20m)
12: SWIR (20m)
*/
//////////////////////////////////
// EVI (Enhanced Vegetation Index)
//////////////////////////////////
/*
Permite monitorear el estado de la vegetación en caso de altas
densidades de biomasa.
Útil para analizar áreas de la Tierra con grandes cantidades de clorofila
(como los bosques tropicales), y preferiblemente con efectos topográficos
mínimos (regiones no montañosas). */
var EVI = s2_clip.expression ('float (2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1)))', {
'NIR': s2_clip.select ('B8'),
'RED': s2_clip.select ('B4'),

'BLUE': s2_clip.select ('B2')});
/////////////////////
// GNDVI (Green NDVI)
/////////////////////
/*
El índice GNDVI es más sensible a la variación de la clorofila
en el cultivo que el índice NDVI y presenta un punto de saturación más alto.
El índice GNDVI puede ser utilizado en cultivos con canopias densas
o en etapas más avanzadas de desarrollo */
var GNDVI = s2_clip.expression('(NIR-GREEN)/(NIR+GREEN)', {
'NIR':s2_clip.select('B8'),
'GREEN':s2_clip.select('B3')});
/////////////////////////
// GLI (Green Leaf Index)
/////////////////////////
/*
Incorpora las tres bandas del visible y presenta gran sensibilidad a
la hora de identificar todos aquellos elementos verdes y oscuros.
Útil para trabjar con drones*/
var GLI = s2_clip.expression ('float (((GREEN - RED) + (GREEN - BLUE)) / ((2 * GREEN) + RED +
BLUE))', {
'GREEN': s2_clip.select ('B3'),
'RED': s2_clip.select ('B4'),

'BLUE': s2_clip.select ('B2')});
////////////////////////////////////////
// SAVI (Soil Adjusted Vegetation Index)
////////////////////////////////////////
/*
Corrige los efectos del ruido del suelo (color del suelo, humedad del suelo,
variabilidad del suelo a través de la región, etc.),
que tienden a afectar a los resultados.
Análisis de cultivos jóvenes, para regiones áridas con vegetación
escasa (menos del 15% del área total) y superficies expuestas del suelo. */
var SAVI = s2_clip.expression ('float (((NIR - RED) / (NIR + RED + L))* (1+L))',{
'L': 0.5, // Cobertura vegetacion 0-1
'RED': s2_clip.select ('B4')});
////////////////////////////////
// GCI (Green Chlorophyll Index)
////////////////////////////////
/*
Estima el contenido de clorofila de las hojas en varias
especies de plantas
Útil para monitorear el impacto de la estacionalidad, el estrés ambiental o,
también, la aplicación de los pesticidas en su efecto sobre
la salud de las plantas.*/

var GCI = s2_clip.expression ('float (((NIR) / (GREEN)) - 1)', {
'GREEN': s2_clip.select ('B3')});
////////////////////////
// NDWI (Normalized Difference Water Index)
////////////////////////
//Permite conocer la hidratación de la vegetación y la humedad del suelo
var NDWI = s2_clip.expression('(NIR-SWIR)/(NIR+SWIR)', {
'NIR':s2_clip.select('B8'),
'SWIR':s2_clip.select('B11')});
/////////////////////////////////////////////
// SIPI (Structure Insensitive Pigment Index)
/////////////////////////////////////////////
/*
Análisis de la vegetación con la estructura variable del dosel.
Estima la relación de carotenoides a clorofila: las señales de mayor valor
de la vegetación estresada.
Útil para monitorear la salud de las plantas en regiones con alta
variabilidad en la estructura del dosel o el índice de área foliar,
para la detección temprana de enfermedades de las plantas u
otras causas de estrés. */
var SIPI = s2_clip.expression ('float ((NIR - BLUE) / (NIR - RED))',{

'BLUE': s2_clip.select ('B2'),
////////////////////////////////////////////////////
// ARVI (Atmospherically Resistant Vegetation Index)
////////////////////////////////////////////////////
/*
Es un NDVI mejorado usado para corregir la influencia de la atmósfera.
Su uso suele enfocarse sobre regiones con alto contenido de aerosol
atmosférico (por ejemplo, lluvia, niebla, polvo, humo, contaminación del aire).*/
var ARVI = s2_clip.expression ('float ((NIR - (2 * RED) + BLUE) / (NIR + (2 * RED) + BLUE))',{
'BLUE': s2_clip.select ('B2'),
///////////////////////////////////////
// NBRI (Normalized Burned Ratio Index)
///////////////////////////////////////
/*
Análisis de severidad de incendios
Útil para evaluar daños forestales o analizar la evolución de
la regeneración de la cubierta vegetal tras un incendio.*/
var NBRI = s2_clip.expression ('float (NIR - SWIR) / float (NIR + SWIR)', {
'SWIR': s2_clip.select ('B12')});

// Visualización índices
var vis = {max: 0.8, min: -0.2,
'66A000','529400','3E8601','207401','056201','004C00','023B01',
'012E01','011D01','011301']};
// Añadir índices de vegetación al mapa
Map.addLayer (NBRI, vis, 'NBRI');
Map.addLayer (GCI, vis, 'GCI');
Map.addLayer (NDWI, vis, 'NDWI');
Map.addLayer (GLI, vis, 'GLI');
Map.addLayer (SAVI, vis, 'SAVI');
Map.addLayer (SIPI, vis, 'SIPI');
Map.addLayer (EVI, vis, 'EVI');
Map.addLayer (ARVI, vis, 'ARVI');
Map.addLayer (GNDVI, vis, 'GNDVI');
// image: EVI,
// description: 'EVI_Sentinel2_10m',
// scale: 10,
// Regresión Lineal con NDVI con Filtro País---a gee
// Regresión Lineal con NDVI con Filtro País
//Cargar polígono Bolivia
var Bolivia = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017')
.filter(ee.Filter.eq('country_na', 'Bolivia'));
// Centrar el mapa en Bolivia
Map.centerObject(Bolivia);
// Función para añadir una banda de tiempo a la imagen
var addTime = function(image) {
return image.addBands(image.metadata('system:time_start')
.divide(1000*60*60*24*365));
};
// Serie temporal: system:time_start
// 1000 segundos en un año
////MYD13A1.006 Aqua Vegetation Indices 16-Day Global 500m
// Cargar datos NDVI y añadir la banda de tiempo
var dataset = ee.ImageCollection('MODIS/061/MYD13A1') //MODIS/006/MYD13A1
.filterDate('2010-01-01','2019-12-31') //10 años
.map(addTime)
.filterBounds(Bolivia);
// Calcular regresión lineal (primero variable x, luego y)
var reg = dataset.select(['system:time_start', 'NDVI'])
.reduce(ee.Reducer.linearFit());
// Añadir los resultados al mapa
Map.addLayer(reg.clip(Bolivia),
{min: 0, max: [-100, 100, 10000],
bands: ['scale','scale','offset']},
'Tendencia NDVI Bolivia');
// Scale es la pendiente
// offset intercepto
// Dar click en la imagen. saldrá en Inspector
// the ‘offset’ (intercept) and the ‘scale’
//('scale' in this context refers to the slope of the line and
//is not to be confused with the scale parameter input to many reducers,
//which is the spatial scale).

//Animación en GEE----a gee
// Frames y animaciones en Google Earth Engine
// http://www.gisandbeers.com/frames-animaciones-en-google-earth-engine/
var ColeccionLandsat= ee.ImageCollection ('LANDSAT/LC08/C01/T1_RT')
.filterBounds (geometry) //No olvides digitalizar la zona AOI en la que estás interesado
.filterDate ('2015-01-01', '2017-12-31') // Asigna una fecha para componer el timelapse
.filterMetadata ('CLOUD_COVER', 'Less_Than', 20) //Filtra las imágenes con exceso de nubes
.map(function (image){return image.clip(geometry);});
// Declaramos una nueva variable bajo la que realizar composiciones RGB o índices
var ComposicionRGB = {
bands: ['B5','B4','B3'], // Realiza tu composición de imágenes
crs: 'EPSG:4326', // Asigna un sistema mediante código EPSG
min: 0.0,
max: 30000.0, // Juega con los valores de píxel para su representación más clara
framesPerSecond: 1, // Añade los frames por segundo para acelerar la animación
dimensions: '600',}; // Parametriza una dimensión máxima de tamaño del gif
// Generamos el GIF animado del timelpase e imprimimos su URL para descarga
var AnimacionGIF = ColeccionLandsat.getVideoThumbURL (ComposicionRGB);
print (AnimacionGIF);
// Generamos la secuencia de frames que forman el timelpase e imprimimos su URL para

descarga
var FramesPelicula = ColeccionLandsat.getFilmstripThumbURL (ComposicionRGB);
print (FramesPelicula);
06 INTRODUCCION MACHINE LEARNING
// K-means con Lansat8
// Considera: Seleccionar Polígonos
//// 1) BUSCAR IMAGEN ////
var img = ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA')
.filterDate('2018-04-01', '2020-11-30') // Fechas: 2013-04-11 - actualidad
.filterMetadata('CLOUD_COVER', 'Less_Than', 4);
var l8_filtro = ee.Image(img.median());// Filtro de la mediana
var l8_clip = l8_filtro.clip(geometry);// Cortar imagen con el área de estudio
Map.addLayer(l8_clip, { // Añadir imagen al mapa
min: 0.0,
max: 0.5,
gamma: 1.0,
bands: ['B4','B3','B2']},
'Img L8');
Map.centerObject(geometry);// Centrar el mapa en el área de estudio
// Crear datos de entrenamiento
var training = l8_clip.sample({
region: geometry,
scale: 20,
numPixels: 10000 // Puntos aleatorios (mientras más mejor)
});
// Aplicar algoritmo k-means y "entrenarlo"
var kmeans = ee.Clusterer.wekaKMeans(6).train(training);

// 6 grupos
// Agrupar los resultados del algoritmo
var resultado = l8_clip.cluster(kmeans);
// Añadir imagen clasificada al mapa con colores aleatorios
Map.addLayer(resultado.randomVisualizer(), {},
'Clasificación K-means');
// Exportar imagen clasificada a Drive
// image: resultado,
// description: 'kmeans_img',
// scale: 20,
// region: geometry
// });
//Kmeans con Sentinel 2
//Seleccionar polígonos
// Areas pequeñas Sentinel
// Crear mosaico de imágenes Sentinel 2
var img = ee.ImageCollection('COPERNICUS/S2')
.filterDate('2018-01-01', '2018-12-31')
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
.map(function(image){return image.clip(geometry)})
.median();
Map.addLayer (img, {
max: 4000,
min: 0.0,
gamma: 1.0,
bands: ['B4','B3','B2']},
// Crear datos de entrenamiento
var training = img.sample({
region: geometry,
scale: 20,
numPixels: 10000 // Puntos aleatorios (mientras más mejor)
});
// Aplicar algoritmo k-means y "entrenarlo"

var kmeans = ee.Clusterer.wekaKMeans(6).train(training);
// 6 grupos
// Agrupar los resultados del algoritmo
var resultado = img.cluster(kmeans);
// Añadir imagen clasificada al mapa con colores aleatorios
Map.addLayer(resultado.randomVisualizer(), {},
'Clasificación K-means');
// Exportar imagen clasificada a Drive
// image: resultado,
// description: 'kmeans_img',
// scale: 20,
// region: geometry
// });
07-Otro
imagen ( Imagen ) :
La imagen a exportar.
taskName ( Cadena , opcional ) :
Un nombre legible por humanos de la tarea. El valor predeterminado es
"myExportImageTask".
params ( Objeto , opcional ) :
Parámetros de configuración de la tarea:
 crs (cadena) CRS a usar para la imagen exportada.
 crs_transform (Matriz de números|cadena) Transformación afín a usar para
la imagen exportada. Requiere que se defina "crs".
 dimensiones (cadena) Dimensiones que se utilizarán para la imagen
exportada. Toma un solo entero positivo como la dimensión máxima o
"ANCHOxALTO" donde ANCHO y ALTO son enteros positivos.
 escala (número) Resolución en metros por píxel. El valor predeterminado es
1000.
 región (coordenadas de LinearRing/Polygon|cadena) Coordenadas de un
GeoJSON LinearRing o Polygon que especifica una región para
descargar. Estos pueden especificarse como coordenadas reales o
serializarse como una cadena.
 maxPixels (número) Restringe el número de píxeles en la imagen
exportada. De forma predeterminada, verá un error si su exportación supera
los 1e8 píxeles. Al establecer este valor explícitamente, puede aumentar o
disminuir este límite.
 driveFolder (string) The Google Drive folder that the export will reside in.
 driveFileNamePrefix (string) The Google Drive filename for the export.
Defaults to the taskName.

Google Earth Engine-Guia Alumnos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Google Earth Engine-Guia Alumnos

Cargado por

Copyright:

Formatos disponibles

01 PROGRAMACIÓN EN JAVA SCRIPT

var Meses = 12;

var Numero = 10;

print(Perro); // Click en Run y ver la Consola

print(Numero); // Click en Run y ver la Consola

// para imprimir debemos usar print

var Java = 15; // Numerica

var _abc = "hola";

var $perro = 'dalmata';

var mi_int = 9; // Integer (Int)

var mi_dbl = 9.47; // Double (Dbl)

var tuVariable = true;

var c41 = false;

// Null, Undefined y NaN

var abc = [true, 4 , "luna_azul", [1,2,"A"], 4, {d:4,h:2}];

// Considerar 0 como 1era posición: 4 elemento, 3era posición

saludo: "Buenos días",

// Objeto con 3 propiedades: string, lista y objeto

lista: ["a", 8],

lista1: ["bb", "cc"],

} // fin de objeto: Objeto

print(!true); // Operador negación

print(6===6 && 1===3); // Operador Y

print(9===9 && 9==="9");

print(4===4 && 10!==8);

print(6===6 || 1===3); // Operador O

}// fin de function

function saludo(nombre, edad) {

var valor = fun(7);

//y que "imprima" la suma de los dos primeros argumentos

//multiplicado por el tercero

}// fin de function

var color ="Verde";

if (color === "azul") {

print("Es mi color favorito")} // fin de if

print("Ese no es mi color. Prefiero el azul");

// Empieza en cero, aumenta en 1, hasta antes de 5

for (var n = 0; n < 5; n++) {

// Otro ejercicio de for

var numeros = [10, 20, 30,40];

for (var a = 0; a < numeros.length; a++) {

//Tipos de datos en GEE

//ImageCollection: un stack o series temporales de imágenes

//Geometry: archivo vectorial SIN ATRIBUTO

//Feature: geometry con un atributo

//FeatureCollection: geometry con un grupo de atributos

// Buscar LSIB---> copiar Collection snippet

var paises = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017");

Map.addLayer(paises); //Modificar en layer transparencia de las capas

Map.addLayer(paises, {color:"blue"} , "PAISES" );

// Base de datos global: paises

var paises = ee.FeatureCollection("USDOS/LSIB_SIMPLE/2017");

// ver en Search: LSIB, ver TABLE SCHEMA, nombre de países

// Seleccionar Ecuador. Ver Docs para escoger función

//var paises filtro columna bd objeto

var ecuador = paises.filter(ee.Filter.eq("country_na","Ecuador") );

//Centrar mapa en Ecuador

// Añadir polígono al mapa Nombre de Capa Ecuador

Map.addLayer(ecuador, {color:"red"}, "Ecuador");

// Areas protegidas wdpa polygon buscar y sacar snipped

// Añadir poligonos de areas protegidas de Ecuador al Mapa

Map.addLayer(ap_ecuador, {color:"green"}, "AP ECUADOR" )

// por ejemplo: ImageCollection, FeatureCollection ó una Lista