martes, 5 de mayo de 2020
martes, 3 de marzo de 2020
miércoles, 4 de diciembre de 2019
Trabajar con GOOGLE EARTH ENGINE y QGIS qgis-earthengine-plugin
GOOGLE EARTH ENGINE y QGIS
Aquí el vídeo como usar qgis-earthengine-plugin (https://gee-community.github.io/qgis-earthengine-plugin/)
Para autenticar cuenta GEE en Python API
Links recomendados:
https://developers.google.com/earth-engine/python_install_manual
https://www.youtube.com/watch?v=8cIDosO2JYk
https://www.earthdatascience.org/tutorials/intro-google-earth-engine-python-api/
martes, 11 de junio de 2019
Modelagem de mudanças espaço-temporais de ambientes glaciais dos Andes do Sul - Peru
Comparto Tesis de Maestría:
Link de acceso y descarga:
domingo, 26 de mayo de 2019
Downscaling Qmap de Modelos Climáticos Globales (GCM) y Cálculo de SPI para sequías futuras
Downscaling Qmap y SPIgenerator
Este vídeo (sin ediciones) es un resumen del curso de Variabilidad y Cambio climático del PDRH-UNALM.
-Uso de datos de precipitación PISCO (1981-2005) -Descarga de datos GCM -CMIP5, (1981-2100) (Climate Explorer) -Downscaling Quantile Mapping (Qmap en R) de Modelos Climáticos Globales (GCM) (1981-2100) -Cálculo de Índice de sequias SPI (1981-2100). Link Datos:
https://drive.google.com/open?id=1VFb2x5YMA3T-9YCAypeUSfUZYQows11m
Vídeo paso a paso:
Este vídeo (sin ediciones) es un resumen del curso de Variabilidad y Cambio climático del PDRH-UNALM.
-Uso de datos de precipitación PISCO (1981-2005) -Descarga de datos GCM -CMIP5, (1981-2100) (Climate Explorer) -Downscaling Quantile Mapping (Qmap en R) de Modelos Climáticos Globales (GCM) (1981-2100) -Cálculo de Índice de sequias SPI (1981-2100). Link Datos:
https://drive.google.com/open?id=1VFb2x5YMA3T-9YCAypeUSfUZYQows11m
Vídeo paso a paso:
viernes, 24 de mayo de 2019
Pucallpa esta en Peligro?
Pucallpa esta en Peligro?
Pucallpa es una ciudad a orillas del río Ucayali, en la selva amazónica del este de Perú.
Segun los resultados de la primera colección de Mapbiomas Amazonia, se puede visualizar la dinámica del rio Ucayali en el periodo 2000 a 2018.
En el vídeo se puede apreciar la Dinámica del Rio Ucayali (2000-2017)
En YouTube:
Pucallpa está en Peligro? es una pregunta abierta de seguro no será respondida en esta publicación, pues se necesita muchos estudios para determinar la real vulnerabilidad de esta ciudad frente a la dinámica del rio Ucayali, pero los estudios de Mapbiomas nos muestran la dinámica multitemporal del rio Ucayali mostrando una posible alerta a tomar en cuenta.
martes, 14 de mayo de 2019
domingo, 28 de abril de 2019
Primera y segunda ley de la geografía
Primera y segunda ley de la geografía
I) Primera ley de la geografía
I) Primera ley de la geografía
Para los amantes de la Geomática es importante saber las leyes de la geografía, la primerea ley, el principio de autocorrelación espacial, fue formulado por el geógrafo Waldo Tobler de esta forma:
"Todas las cosas están relacionadas entre sí, pero las cosas más próximas en el espacio tienen una relación mayor que las distantes".
De acuerdo con esto, si está lloviendo donde está usted, es probable que llueva a 10 metros de distancia de usted, es menos probable que llueva en el otro lado de la ciudad, e incluso podría estar despejado y soleado a 20 kilómetros de distancia.
Esta observación se encaja con:
- El modelo de la gravedad de la distribución de viajes o en la ley de la demanda, que indica que las interacciones entre los lugares son inversamente proporcionales al coste del recorrido entre ellos.
- También se relaciona con las ideas de la ley de Isaac Newton sobre la gravitación universal y
- Viene a ser un concepto similar al de dependencia espacial que constituye la base de la geoestadística.
II) Segunda ley de la geografía
Hay mas de una propuesta,
Tobler en 1999 propuso su segunda ley:
"The phenomenon external to an area of interest affects what goes on inside"
Su traducción mas próxima al español :
"El fenómeno externo a un área de interés afecta lo que sucede dentro"
Su traducción mas próxima al español :
"El fenómeno externo a un área de interés afecta lo que sucede dentro"
Foresman y Luscombe en 2017 también proponen una segunda ley de la geografía, es un derivado de la era digital y la geografía económica, viene del ingles:
"Things that know where they are can act on their locational knowledge. Spatially
enabled things have increased financial and functional utility".
Su traducción mas próxima al español:
"Las cosas que saben dónde están pueden actuar sobre su conocimiento de localización.
Las cosas habilitadas Espacialmente han aumentado la utilidad financiera y funcional."
Un gran ejemplo de esta ley es el famoso UBER en el servicio de taxi.
El ejemplo uso de carro.
(a) todos los autos que cumplen con los criterios de selección, (b) vecindario geográficamente restringido, y (c) evaluación de autos individuales.
(a) todos los autos que cumplen con los criterios de selección, (b) reducción de vecindarios, y (c) evaluación de todos los autos en el conjunto de alta utilidad
para mayor lectura dejo las fuentes de información.
Fuente:
- TOBLER, W. R (1970). A computer model simulation of urban growth in the Detroit
- Linear pycnophylatic reallocation—Comment on a paper by D. Martin. International Journal of Geographical Information Science 13 (1): 85–90
- Tim Foresman & Ruth Luscombe (2017): The second law of geography for a spatially enabled economy, International Journal of Digital Earth
jueves, 28 de febrero de 2019
7 NUEVAS FUNCIONES DE LANDVIEWER QUE NO DEBERÍA PERDERSE
7 NUEVAS FUNCIONES DE LANDVIEWER QUE NO DEBERÍA PERDERSE
Hace tres años hemos publicado sobre LANDVIEWER, ahora hay una nueva actualización con nueva funciones y novedades.
LandViewer es un
servicio basado en la nube desarrollado por EOS
Data Analytics, una compañía con sede en los Estados
Unidos, que permite acceder de manera sencilla a datos de satélite y realizar
análisis increíblemente rápidos. Las numerosas actualizaciones que ha tenido en
los últimos meses han permitido ampliar el catálogo de imágenes de satélite e
introducir más herramientas de análisis y otras prácticas funciones.
Una plataforma integral para buscar y analizar imágenes
A finales de 2018, los datos espaciales y aéreos gratuitos disponibles para
exploración, análisis y descarga en LandViewer incluían imágenes de Sentinel-2
y Sentinel-1 de la ESA, Landsat 8 y misiones previas de NASA-USGS, MODIS,
CBERS-4 y NAIP. Ahora, tras la adición de las imágenes comerciales de alta
resolución de Airbus, SpaceWill y SI Imaging Services, esa amplia selección de
datos de observación de la Tierra es aún mayor.
LandViewer se ha convertido en
una plataforma única en la que además de los datos de fuentes abiertas se
pueden explorar datos comerciales con cobertura global, tiempos de revisita
cortos y resoluciones espaciales de hasta 40 cm. El catálogo actual incluye
imágenes de Pléiades 1a/1b, SPOT 5, SPOT 6 y SPOT 7, además de KOMPSAT-2, 3,
3A, SuperView, Gaofen 1, 2 y Ziyuan-3. En comparación con otros exploradores de
imágenes de alta resolución, LandViewer ofrece ventajas como la previsualización
gratuita, el cálculo automático del precio por área seleccionada y el envío
rápido de las imágenes desde el almacenaje en la nube de EOS Storage en 3 días
laborales.
Previsualización de una imagen del Gaofen 2 tomada sobre la
Palm Jebel Ali.
Observaciones a largo plazo con Análisis de series temporales
La gran cantidad de datos
disponibles, como las imágenes del Sentinel-2 que se actualizan semanalmente y
los datos históricos del Landsat, ha facilitado considerablemente la
monitorización de los cambios a lo largo de periodos de tiempo prolongados.
Pero, ¿cuánto tiempo se necesita para seleccionar y procesar varios años de
datos de satélite para obtener una perspectiva multitemporal? Nunca lo sabrá
porque el nuevo análisis de series temporales analizará todos esos datos de
teledetección por usted y le ofrecerá los resultados en una gráfica fácil de
interpretar.
Gráfica de series temporales del Sentinel-2 creada para
campos agrícolas en el estado de Kansas.
Solo tiene que seleccionar un
área de interés (AOI), un conjunto de datos de satélite y un periodo de tiempo
entre 1 mes y 10 años. El algoritmo elegirá a continuación todas las imágenes
con nubosidad mínima y calculará el NDVI, NDWI o NDSI en unos instantes. Por
defecto, la gráfica de series temporales contiene líneas (representan los
valores mín., máx., promedio y DE) que pueden ocultarse o mostrarse según
convenga, y cuando vea un pico inusual o una caída en los valores, puede
visualizar una escena de satélite que represente esa sección de la curva para
establecer la causa. Los resultados pueden descargarse como imagen (.png) o
como archivo .csv con el que trabajar en Excel.
Análisis de vegetación mejorado con nuevos índices
espectrales
Todos los interesados en un
análisis más detallado de la cubierta vegetal estarán encantados con los nuevos
índices espectrales de LandViewer: SAVI, EVI, ARVI, GCI, SIPI y NBR. Estos
pueden complementar al análisis general del NDVI haciendo correcciones para la
influencia de la atmósfera, el efecto de la topografía o el brillo del suelo,
dependiendo de la densidad de la vegetación, el clima y la elevación en el área
de interés. A su vez, el índice NBR está diseñado para destacar las áreas
quemadas frente a la vegetación saludable; mientras que la diferencia entre los
valores del NBR antes de un incendio y después de un incendio se puede aplicar
para estimar la gravedad del incendio.
El uso simultáneo de varios
índices permite tener un mejor conocimiento de la salud de las plantas y ayuda
a identificar en una fase temprana la vegetación estresada o infectada.
Análisis del SAVI con datos del Sentinel-2 de una región
agrícola árida en Egipto (en la izquierda).
Nueva leyenda y cálculo de área
Otra nueva función de
LandViewer, la leyenda del índice, está diseñada para solucionar el problema de
la interpretación de los resultados del índice, un problema común para los
nuevos usuarios. Ahora, al aplicar un índice espectral sobre el territorio
seleccionado, el usuario puede ver una leyenda detallada en la que cada clase
marcada con color contiene una breve descripción. Por ejemplo, en el cálculo
del NDVI identificará y resaltará áreas con “vegetación densa”, “vegetación
moderada”, “vegetación escasa”, “suelo abierto” o “sin vegetación”.
Otra función añadida
recientemente y que permite ahorrar tiempo es que ahora el área de cada zona
incluida en la leyenda del índice espectral se calcula automáticamente, tanto
en metros cuadrados como en tanto por ciento.
Y no olvidemos la función
mejorada Área de interés (AOI), que permite la carga masiva de varias AOIs y
acelera el trabajo al permitir la visualización simultánea y el salto rápido
entre AOIs en un mapa para búsquedas de imágenes o suscripción de nuevas
escenas.
Análisis de zona avanzados
Al introducir la función
clustering, los expertos en teledetección y desarrolladores de software de EOS
han llevado a un nivel superior los análisis espaciotemporales de LandViewer.
Gracias a esta función, los usuarios pueden llevar a cabo la clasificación no
supervisada basada en datos de satélite de áreas de hasta 200 kilómetros
cuadrados en hasta 19 clústers (o zonas). Este proceso implica establecer
parámetros personalizados (tamaño/número de zonas) y esperar unos instantes
hasta que LandViewer cree una imagen ráster con zonas marcadas en color y una
capa vectorial que destaque los límites. Pueden descargarse ambos
resultados.
Este análisis escalable puede proporcionar información relacionada con la agricultura, la silvicultura, la monitorización costera y otros sectores. Por ejemplo, un agricultor puede usar el mapeado en color de zonas en el campo basado en los valores del NDVI para una navegación en el campo y gestión de cultivos precisas.
De imágenes fijas a interesantes animaciones
Timelapse de la construcción del aeropuerto de Estambul con
imágenes del satélite Sentinel-2 entre 2015 y 2018.
No olvidemos que además de la
información de los datos espectrales contenida en los píxeles de las imágenes
de satélite, ver esos píxeles es divertido. Teniendo esto en cuenta, LandViewer
ha introducido la función Animación Time-Lapse que permite que periodistas y
usuarios de redes sociales creen entretenidas historias animadas y las
compartan en Internet. Cada GIF puede contener hasta 300 escenas, a las que se
han aplicado índices o combinaciones de banda.
De desprendimientos de glaciares a la construcción de nuevos estadios, las
imágenes de satélite contienen mucha información que vale la pena ver y
compartir con la
ayuda de LandViewer en eos.com/landviewer.
Agradecimiento a Olga Denisenko por facilitarme la información.
viernes, 8 de febrero de 2019
Mapa global de cobertura terrestre 1992-2015, 300m resolución (Land Cover CCI )
Mapa global de cobertura terrestre (Land Cover CCI)
Land Cover CCI Es una coleccion de mapas globales de cobertura terrestre basado en los datos de ENVISAT's Medium Resolution Imaging Spectrometer (MERIS) Level 1B, adquiridos en modo de resolución completa con una resolución espacial de aproximadamente 300 metros.
Ha pasado más de dos años desde el lanzamiento de la primera serie de tiempo de cobertura terrestre global a largo plazo de CCI 300 m (1992-2015) (http://maps.elie.ucl.ac.be/CCI/viewer/) que tuvo lugar en la conferencia WorldCover en marzo de 2017. El esfuerzo de la ESA por hacer mapas anuales de cobertura terrestre ya estan disponibles para su visualzacion y descarga de toda la Tierra.
Link Visor: puedes visualizar la evolución de la cobertura de la tierra de 1992 al 2015
Link Descarga: Es importante ingresar nombre, organizacion y gmail, puedes ingresar datos referenciales.
La descarga puedes hacer en diferentes formatos y su leyenda
En Google Earth Engine: el Asset en Code Editor: ESA/GLOBCOVER_L4_200901_200912_V2_3
(solo disponible año 2009, esperamos que pronto accedan a toda la base).
viernes, 29 de diciembre de 2017
Curso: Google Earth Engine
¡Bienvenido! al portal del:
Curso:
Google
Earth Engine
Teledetección y Procesamiento Digital de Imágenes en nube
Google Earth Engine (GEE) es una plataforma de escala planetaria para el análisis de datos medioambientales. Reúne más de 40 años de imágenes de satélite de todo el mundo actuales e históricas, y ofrece las herramientas y la potencia computacional necesarias para analizar y extraer información de este enorme almacén de datos. Entre una de sus aplicaciones es detección de cambios de la cubierta terrestre. GEE es una tecnología paralela masiva para el procesamiento de alto rendimiento de los datos geoespaciales, y alberga una copia de todo el catálogo de imágenes Landsat y otras imágenes. En este Curso se pretende utilizar el GEE como una alternativa a los procesamientos digitales de imágenes (PDI) de manera tradicional con software comercial o libre.
PLAN DE ESTUDIO
1. DATOS GENERALES.
1.1. CURSO: Google Earth
Engine, Teledetección y Procesamiento
Digital de Imágenes en nube
1.2. MODALIDAD:
Distancia.
1.3. TOTAL DE HORAS: 45
horas estimadas.
1.4. INICIO: Lunes 08 de
Enero.
1.5. DURACIÓN: Max. 2 meses
(los días viernes y sábado).
2. OBJETIVOS.
Desarrollar
las capacidades básicas en programación del Google Earth Engine aplicado a la
Teledetección y Procesamiento Digital de Imágenes.
Nivel-Basico
Modulo-01 Introducción GEE y Explores Workspace
1.
Introducción
a procesamiento en nube y Google
Earth Engine
2.
Data
Catalog GEE
3.
Introducción
a Explores Workspace
4.
Expresión
y threshold
5.
Extrac
and apply Mask
6.
Calculo
índices NDVI, NDSI, EVI, etc
7.
Calculo
mapa de pendientes y sombras
8.
Clasificación
supevisionada
·
Random
forest, perceptron, SVM, CART, etc.
Modulo-02 Google Earth Engine API – Parte I
1.
Introduction
a Code Editor API
2.
Mi
primer script
3.
Visualización
de imágenes
4.
Matemática
de Bandas
5.
Trabajo
con colección de imágenes
6. Filtrer (por fecha, Área e metadata)
7.
Reducción
de colección de imágenes por media, mediana, max. e minim.
8.
Computing
statistics
Modulo-03 Google Earth Engine API – Parte II
1.
Fusion
Table y shpescape
2.
Accessing
Metadata
3.
Crear
funciones
4.
Creación
de histogramas
5.
Firmas
espectrales
6.
Exportar
imágenes
7.
Exportar
Videos
8.
Objetos
y métodos en JavaScript
Modulo-04 Google Earth Engine API – Sensores
1.
Landsat
2.
Sentinel
3.
MODIS
4.
Hyperion
5.
Aster,
etc
6.
DEM
SRTM
Modulo-05 Google Earth Engine API – Workshop
·
Temas libres
Inscripciones aqui: https://goo.gl/forms/3pAKOWVkVNkmPzG03
viernes, 4 de agosto de 2017
Taller Práctico con ENVI de : Calculo de Índice NDFI, Mistura espectral (MLME), Pixeles Puros (PIXEL PURITY INDEX-PPI).
Taller
Practico con ENVI de:
Calculo de Índice NDFI (para degradación de bosques), Mistura espectral (MLME), Pixeles
Puros (PIXEL PURITY INDEX-PPI).
En el concepto de mistura o mezcla espectral permitió un nuevo enfoque en los procedimientos de clasificación de imágenes, en esta publicación se trata de hacer practico ese enfoque desde la creación de Endmembers (firma espectral) con pixeles puros, hasta calculo del indice NDFI para el monitoreo de degradación de Bosques todo eso con Envi 5.3 (versión demo). presento una serie de 4 videos practicos y dejo lo archivos libre para su uso.
Imagen utilizada
Endmember collection
Artículos utilizados (descargar)
- Combining spectral and spatial information to map canopy damage from selective logging and forest fires
- ImgTools: a software for optical remotely sensed data analysis
- MISTURA ESPECTRAL: (I) DETECÇÃO DOS MEMBROS FINAIS UTILIZANDO A GEOMETRIA DO SIMPLEX
Pixeles Puros PIXEL PURITY INDEX PPI Envi
Pixeles Puros PIXEL PURITY INDEX PPI Envi PARTE2
Calculo de Normalized Difference Fraction Index (NDFI) ENVI
Vídeo de otro caso de Mistura espectral(MLME) caso Glaciar Quelccaya (publicación pasada)
domingo, 9 de julio de 2017
MODIStsp: un nuevo paquete "R" para el preprocesamiento de productos MODIS
MODIStsp: un nuevo paquete "R" preprocesamiento productos MODIS
En esta nueva publicación, presento MODIStsp , un nuevo paquete "R" que permite automatizar la creación de series temporales de rasters derivadas de datos de Land Products de satélite MODIS (github.com/lbusett/MODIStsp ; www.sciencedirect.com/ Ciencia / artículo / pii / S0098300416303107 .
- Desarrollar una aplicación autónoma que permite realizar varios pasos de preprocesamiento (por ejemplo, descargar, mosaico, reproyección y redimensionar) en todos los productos terrestres MODIS disponibles mediante la explotación de un interfaz de usuario GUI potente y fácil de usar ;
- Permitiendo la creación de series temporales de las capas originales MODIS e indicadores de calidad adicionales (por ejemplo, calidad de adquisición de datos, presencia de nubes nieve, algoritmo utilizado para la producción de datos, etc.) extraídos de las capas agregadas de QA del campo de bits
- Permitir el cálculo automático y la creación de series temporales de varios índices espectrales adicionales a partir de los productos de reflectancia de superficie MODIS (por ejemplo, NDVI, NDSI, EVI, SAVI, NDFI, etc.)
Instalación y uso en Video
Las instrucciones detalladas de instalación y las notas sobre el uso del paquete presentamos en 5 videos en esta post, las cuales también estan disponibles en la página github principal del paquete ( github.com/lbusett/MODIStsp ) y en la viñeta del paquete.
