Google Earth Engine

Hoy quiero compartir con usted una herramienta con un potencial realmente grande: 

Google Earth Engine.

Una aplicación GIS (Sistema de Información Geográfico por su siglas en inglés) como QGIS, pero con todos los datos satelitales ya incluidos.

¡Es algo con lo que podría convertir a usted en LA persona de referencia GIS en su comunidad, su región o incluso en su país!

Imagina tener (casi) todas los datos satelitales de la NASA de los últimos 40 años de manera gratuita y en un click.

Años de datos precisos de su región. Miles de capas… 

Desde información sobre el cambio de cobertura vegetal (deforestación, incendio), superficie de las inundaciones que sufrió su país la semana pasada, el crecimiento de su ciudad en los 40 últimos años, el desarrollo minero de su provincia….

Google Earth Engine o GEE, por los amigos, le ofrece la oportunidad de tener datos cifrados de los que ocurrió en su región los 40 últimos años para hacer previsiones futuras y así ayudar a los gobiernos locales a tomar acciones para el futuro.

Para usted, esta montaña de datos satelitales le ofrece decenas de nuevos productos para vender a sus clientes estatales.

Mmmm, lo veo pensar….. 

Usted no está convencido….todavía

Por esto le preparamos dos ejemplos de aplicación, así podrá comprobar por sí mismo el poder de esta herramienta.

Y luego le enseñaré las base para usar esta herramienta

¿Estás preparado?……. ¡VAMOS!

______________________________________

Ejemplo 1: Daño causado por incendios al oeste de los EEUU.

El estudio utiliza imágenes Landsat para el control y monitoreo de diferentes zonas que han sufrido un incendio. El conjunto de datos se basa en estudiar las imágenes previas y posteriores a los incendios clasificando los datos por cuadrículas.

En la investigación se presentan 3 índices de severidad:

1 – La tasa de combustión normalizada delta (dNBR)
2 – La tasa de combustión relativizada delta (RdNBR)
3 – La tasa de combustión relativizada (RBR)

A través de ellos podemos evaluar y cartografiar la severidad del fuego después de los incendios forestales. Esta tarea se ha convertido en esencial para abordar la rehabilitación urgente de áreas quemadas y mejorar la planificación de la gestión post-incendio

Para el análisis se realiza un filtro de las imágenes sin nubes dentro de un rango establecido (antes y después del incendio) y se estudia el valor medio de cada píxel. Se realiza automáticamente una clasificación de 18 capas, una por cada incendio, para asignarle un índice diferente a cada uno de ellos. Estos datos se pueden producir de una manera más fácil y rápida que con estudios tomados sobre el terreno.

pero….¿es fiable?

Para poder comparar la calidad de los índice obtenidos con Google Earth Engine se han confrontado con los datos obtenidos por el programa de los Estados Unidos denominado MTBS (Monitoring Trends in Burn Severity), el cual ha realizado en los últimos años estudios exhaustivos sobre las zonas quemadas y su severidad por diferentes metodologías.

Los resultados son muy interesantes ya que existe una correspondencia muy alta entre ambas fuentes de datos.

Métodos y materiales:

Para este estudio se han definido las formula para el cálculo de los diferentes índices

NBR – Tasa de combustión normalizada
NIR – Banda infrarroja
SWIR – Banda infrarroja de onda corta

Los rangos de fechas para la selección de imágenes se basan en varios factores, incluida la temporada de incendios, la capa de nieve y nubes esperada y la latitud. Los píxeles identificados como nube, sombra, agua y nieve se excluyeron al producir el NBR compuesto medio antes y después del incendio.

Para cada incendio se ha determinado un offset de 180 m fuera del perímetro del incendio, ya que esta distancia cuantifica las diferencias de dNBR entre píxeles no quemados.

Localización de los 18 incendios incluidos en el estudio. En color gris, se muestran las zonas forestales al oeste de los EEUU

Validación

El objetivo es determinar si la metodología con GEE ha producido conjuntos de datos fiables al compararlos con los índices medidos sobre el terreno de estos incendios que ocurrieron entre 2001 y 2011.

La clasificación de CBI (Índice de quemado compuesto) o variable independiente se divide en un rango que va de 0 – 3, donde CBI = 0, no refleja ningún cambio debido al fuego y CBI = 1, refleja el mayor cambio ecológico producido por los incendios.

¿Qué código se ha utilizado en Google Earth Engine?

Se ha implementado un código para producir un total de seis imágenes ráster del conjunto de datos (dNBR, RdNBR y RBR) para cada uno de los 18 incendios descritos. Este código produce los 3 índices de severidad que se recortan en un cuadro delimitador que representa la extensión exterior de cada incendio.

Resultados.

En aproximadamente 1 hora se puede completar el proceso para obtener el conjunto de datos de los 18 incendios. Los incendios ocupan una extensión aproximada de 15,000 hectáreas

Tabla de correspondencia CBI entre los valores medios obtenidos por el MTBS y por Google Earth Engine teniendo en cuenta las 1681 parcelas que forman los 18 incendios forestales y su desviación estándar (en paréntesis). En general, se aprecia una mejora si se tiene en cuenta el offset en el cálculo.

El gráfico muestra las mediciones de las 1861 parcelas en cada uno de los índices tanto para los valores obtenidos mediante MTBS como por Google Earth Engine. Las líneas rojas muestran el ajuste de las regresion lineal de todas las parcelas analizadas

La Tabla muestra el porcentaje clasificado correctamente y el intervalo de confianza para cada índice analizado.

Valores de clasificación obtenidos para cada índice.

Conclusión:

Esta metodología desarrollada con Google Earth Engine mediante imágenes Landsat sobre la gravedad de los incendios es una importante contribución para la investigación y el seguimiento de los incendios forestales. Ya no hace falta ser experto en teledetección para generar conjuntos de datos fiables y poder estudiar la gravedad de los incendios.
Con los filtros de imágenes existentes ya no es necesaria una selección manual de las imágenes a priori
La Cartografía resultante muestra la distribución de los RBR de dos de los dieciocho incendios que se han estudiado.

Ejemplo 2:Estimación de la sequía utilizando datos globales de la humedad del suelo.

La humedad del suelo es una variable clave para estudiar las condiciones de sequía y el aprovechamiento para el cultivo. Mediante el estudio de dos diferentes conjuntos de datos de la humedad del suelo podemos llevar a cabo este propósito:

Datos de partida:

– Datos SMOS (satélite de humedad terrestre y salinidad en los océanos)
– Datos SMAP (satélite de monitoreo ambiental de la NASA)

El ejemplo se ha llevado a cabo en dos zonas propensas a sufrir sequías (Sudáfrica y Etiopía)

Para procesar el algoritmo en Google Earth Engine se introducen dos serie de datos de entrada, (RZSM y la Cobertura del suelo) y la rutina de exploración de la humedad del suelo nos arroja unos resultados

RZSM – Índice de la humedad del suelo de la zona, que se estima de modelos relacionados con observaciones ligadas con el clima, como la precipitación, temperatura…
Land Cover – Cobertura del suelo obtenida de imágenes satelitales del ESA a partir de observaciones del espectro medio de las ondas infrarrojas.

Editor de Google Earth donde se corre el script y se muestra automáticamente los resultados gráficos en la pestaña de la consola junto a los análisis, estadísticas y gráficas obtenidas en la pestaña “Task manager”

Resultados y aplicaciones

Con estas herramientas se pueden evaluar diferentes dinámicas temporales de la humedad y la precipitación de la zona de estudio pudiendo así determinar los índices de sequía descritos para Sudáfrica y Etiopía durante los años 2010 – 2017.

Como producto final es posible cuantificar resultados mediante el coeficiente de Variación de Pearson (medida estadística que nos informa sobre la dispersión de un conjunto de datos), y los diferentes indicadores meteorológicos de sequía SP13, SP16 y SP19

1- Variabilidad espacial y temporal de la precipitación y la humedad del suelo

Distribución espacial de la precipitación – derivada de datos de precipitación CHIRPS)
Distribución del índice de humedad del suelo (RZSM) – derivado del Departamento de Agricultura de los EEUU (Servicios Agrícolas Extranjeros)

Mapa generado con la Cobertura del suelo en Variación mensual de la humedad del suelo en Sudáfrica y Etiopía

Variación mensual de la humedad del suelo y la lluvia para diferentes tipos de cobertura terrestre

2 – Comparación de las características de la sequía

Porcentaje de meses con condiciones de sequía, duración máxima e intensidad

3 – Correlación entre la humedad del suelo y los índice meteorológicos.

Variación espacial de los coeficientes de correlación de Pearson.de anomalías RZSM con índices de sequía basadas en la meteorología.

Conclusiones

Los datos de humedad del suelo se reconocen como una variable física fundamental que se puede utilizar para abordar cuestiones científicas y de gestión de recursos que requieren un seguimiento casi en tiempo real de la Tierra

Este ejemplo de estudio ha introducido nuevos conjuntos de datos de humedad del suelo global casi en tiempo real y demuestra el potencial de las herramientas basadas en la web de GEE y los datos de humedad del suelo para evaluar las condiciones de sequía.

Los metodología mostrada demuestra que se puede aplicar a otras áreas que requieren una alerta temprana de escasez de alimentos o mejoras agrícolas, así como el monitoreo para ayudar a proporcionar una mayor seguridad económica dentro del sector agrícola

Sé que estarás pensando….
– Vale, parece que se pueden hacer análisis diferentes y cruzar datos pero…¿por dónde empiezo?
– ¿cómo recopilo los datos? ¿es gratis?

Para poder contestar a estas preguntas primero deberías encontrar qué tipo de análisis podría ser de utilidad en el territorio donde te encuentras.

Para ayudarte en esta tarea expongo algunos ejemplos:

– Estudio de rendimiento y productividad de cultivos regionales.
– Mapeo de áreas mineras.
– Estimación global de variables biofísicas de una región
– Mapeo de tipos de vegetación y uso de la tierra en Reservas Naturales.
– Cálculo de índices de Vegetación para estimar la salud de los cultivos.
– Mapeo y el monitoreo de pastos marinos.
– Crecimientos urbanos y áreas de influencia.
– Inventariados de humedales.
– Sistema de respuesta ante emergencias y prevención de inundaciones.
– Monitoreo histórico y operativo de sedimentos superficiales.
– etcétera, etcétera, etcétera…

Ok, creo que algo te has podido imaginar. Ahora profundicemos un poco en Google Earth Engine:

¿Qué es exactamente?

Esta plataforma nació en 2010 y su funcionalidad es la de proveer de recursos a los analistas de la comunidad científica para realizar análisis basados en bases de datos geoespaciales descentralizados.

¿Descentralizados? Si, actualmente los datos están compartidos en la nube y se puede tener acceso sin necesidad de un ordenador de alta gama, únicamente se necesita una conexión a Internet ya que todo se procesa en la nube (Google Cloud).

Las fuentes fundamentales son imágenes satelitales que se han ido registrando en los últimos 40 años a nivel planetario y que son accesibles a golpe de click (o script) para entrar de lleno en el análisis del “Big Data”.

¿Qué puedo hacer?

No hay límites. Me atrevería a decir que con tal cantidad de información a disposición puedes realizar cualquier tipo de análisis basado en tus propios criterios y en la ubicación geográfica donde quieras realizarlos.

Actualmente existen:
40 años de datos satelitales.
3 cuatrillones de pixeles.
5 millones de escenas Landsat y Sentinel analizadas y completadas.
> de 6000 nuevas imágenes cada día.
> 200 set de datos públicos.
> 11 millones de imágenes.
> 8 petabytes de datos ( 8 millones de Gigabytes).

Además, estos datos están continuamente actualizándose ya que la toma de imágenes es continua y accesible en la nube.

Google está escribiendo la historia de los GIS y su explotación a nivel mundial..

Cuando hablamos de los Sistemas de Información Geográfica nos referimos a los sistemas que nos facilitan la disposición de diferente información con una componente geográfica (datos vectoriales y/o ráster) y bases de datos asociados a estos elementos (información alfanumérica) donde podemos realizar multitud de análisis cruzando datos de diferentes ámbitos para estudiar un evento en concreto.

Ok ok….sé que las definición de un GIS ya te las sabes y que no te estoy contando nada nuevo, pero quiero que compares lo que se podía hacer hasta ahora con google maps y con google Earth.

Google Maps

1 – Personalizar tu mapa
2 – Compartir una localización
3 – Crear tus listas de sitios preferidos
4 – Encontrar sitios de interés cercanos
5 – Recibir alertas de tráfico
6 – Recordar dónde he aparcado el coche.
7- Visualizar la velocidad de conducción.
8 – Medir distancias
9 – Ver las calles con Street View
10 – Ver edificios en 3D.
  y mucho más….

Google Earth pro

1 – Crear presentaciones de nuevos proyectos con Movie Maker.
2 – Importar datos SIG y crear mapas personalizados.
3 – Análisis de suelo con herramientas que miden longitudes, áreas, radios o perfiles.
4 – Realizar simulaciones de vuelo.
5 -Visualizar imágenes históricas (Timelapse).
6 – Realizar recorridos virtuales sobre sitios del Patrimonio de la Unesco.
    7 – Mediciones extra en rutas y polígonos en 3D.
8 – mirar al cielo, a la luna y hasta a Marte

La gran comunidad de usuarios a nivel mundial que interactúa con google en cada momento y en cada rincón del planeta retroalimenta las bases de datos que utilizamos.

Por ejemplo, si navego con el GPS encendido en el coche estoy generando información sobre mi ubicación y el tráfico de la zona o si voy a un restaurante, a un hotel o a un negocio puedo dejar una reseña para valorar el servicio que me han ofrecido y aportar valor a los usuarios.

Pero ahora, con Google Earth Engine tenemos acceso a datos satelitales que miden constantemente diferentes fuentes de información esperando a ser analizadas.

¿ Cuáles son sus utilidades principales?

TimeLapse

Exploración de cambios de la superficie terrestre a partir de la combinación de imágenes satelitales de los últimos años y billones de píxeles.

pincha San Francisco y la Bahía de Oakland entre 1984 y 2016 | Fuente Google
pincha Deforestación del Amazonas brasileño. entre 1984 y 2012 | Fuente Google+
pincha Crecimiento del núcleo urbano de Las Vegas entre 1986 y 2012 | Fuente Google+
pincha Retroceso del Glaciar Columbia, Alaska entre 1986 y 2011 | Fuente Google+

Proyectos de Clima y Tiempo

Modelos climáticos ……. para generar predicciones a largo plazo e interpolaciones históricas.

pincha Earth Engine incluye datos históricos , conjunto de datos meteorológicos (NLDAS-2
y GridMet y salidas de modelos climáticos.

Temperatura de la Superficie ……. Mediante los sensores térmicos de los satélites se transmite información sobre la temperatura de la tierra y la emisividad.
pincha video Es posible analizar y obtener gráficos de superficies terrestres y del mar a partir de sensores multiespectrales MODIS, ASTER y AVHRR de toda la tierra y en diferentes períodos.

Datos atmosféricos ……. Gracias a los diferentes conjuntos de datos es posible examinar la composición de la atmósfera terrestre a escala mundial y regional como aerosoles, productos químicos, carga de ozono, vapor de agua o propiedades ópticas y físicas de las nubes entre otros.

articulo  Este articulo habla de cómo, a través del análisis de niveles de dióxido de nitrógeno (unión de óxido de nitrógeno y oxígeno en la atmósfera), se puede observar el impacto del coronavirus en la ciudad de Madrid (España) durante el confinamiento. Los datos se obtuvieron del satélite Sentinel – 5P y fueron procesados en Google Earth Engine.

Datos meteorológicos ……. Encontraremos conjuntos de datos de periodos cortos con precipitaciones, temperatura, humedad y viento entre otros.

Aplicaciones: tasas de lluvia por hora, estimaciones de precipitaciones, colores oceánicos para estudios de biodiversidad marina, interacciones entre la atmósfera y el hielo terrestre, estudios de reflectancia causadas por las nubes y la humedad, catálogos de huracanes, estudio de precipitaciones tropicales…

Imágenes

Landsat ……. ……. Programa promovido por la NASA (National Aeronautics and Space Administration) y la USGS (United States Geological Survey) donde captan imágenes de la Tierra a una resolución de unos 30 metros cada dos semanas desde 1972.

Los datos derivados de estos conjuntos de datos son impresionantes…

BAI – Burn Area Index. Su finalidad es observar las señales de carbón después de un incendio.
EVI – Enhanced Vegetation Index. Utilizado para el monitoreo del crecimiento de la vegetación y cuestiones relacionadas con gases de efecto invernadero.
NDVI – Normalized Difference Vegetation Index. Indicador de la salud de la vegetación.
NBRT – Normalized Burn Ratio Thermal. Indicador del contenido de humedad y vigorosidad del terreno.
NDSI – Normalized Difference Snow Index. Destinado a detectar la nieve por su propiedad reflectante.
NDWI – Normalized Difference Water Index. Nos informa de la presencia de humedad en la cobertura vegetal y se aplica en la evaluación de riesgo de incendios.
pincha vídeo Análisis de una zona incendiada mediante imágenes BRT.

Sentinela ……. ……. Imágenes de radar denominadas Sentinel del Programa Copernicus de la Comisión Europea y la ESA (Agencia Espacial Europea) destinados para el monitoreo ambiental y climático. Las colecciones Sentinel permiten:

Sentinel-1: Adquieren datos en todas las condiciones climáticas y su uso se relaciona con la actividad marina, la cartografía del hielo marino, la ayuda humanitaria y la gestión forestal.

Sentinel -2: Sus imágenes multiespectrales de alta resolución se utilizan para vigilar el cambio de la cobertura terrestre, los posibles riesgos a nivel humanitario y la gestión de desastres naturales.

Sentinel -3: Realiza mediciones sistemáticas de océanos, la Tierra, el hielo, la atmósfera, la altura de la superficie del mar así como el espesor del hielo marino.

Sentinel -5: Su objetivo es el de monitorear la troposfera, midiendo la calidad del aire, ozono, metano, aerosoles, monóxido de carbono, óxido de nitrógeno y dióxido de azufre.

MODIS ……. ……. Satélites de la NASA que trabajan con el espectro radiométrico de imágenes de resolución moderada.. Toman imágenes diarias desde 1999 utilizadas para analizar la reflectancia superficial y productos derivados como índices de vegetación y cobertura de nieve.

IMÁGENES DE ALTA RESOLUCIÓN ……. ……. Aunque limitado a EEUU, estas imágenes capturan detalles más amplios de paisajes y entornos urbanos.

Geofísico

Modelos digitales del Terreno ……. El Catálogo de Google Earth Engine proporciona DEM globales, SRTM (Misión Topográfica de Radar del Transbordador) y DEM regionales a diferentes resoluciones.

Cobertura del suelo ……. La división de la superficie física en bosques, pastizales, agua….es un producto a disposición que permite confrontar, cada año, las variaciones de la cobertura del suelo.

Cultivos ……. La producción agrícola y el consumo de sus recursos pueden analizarse con la serie de datos incluidas en este conjunto de datos.

Otros datos ……. Aquí, nos podemos encontrar infinidad de conjuntos de datos con múltiples utilidades abiertas a la imaginación. Por enumerar algunos:

– Imágenes nocturnas.
– Índices de carga continua de insolación.
– Formas globales del terreno.
– Formas de las crestas y de valles.
– Diversidad topográfica para analizar hábitats de especies locales de fauna y flora.
– Clases litológicas de los suelos en EEUU.
– Detección de incendios en forma rasterizada.
– Índices de sequía.
– Modelos del relieve que integra la topografía terrestre y la batimetría oceánica.
– DataSets de límites de cuencas hidrográficas y direcciones fluviales.

¿Cómo puedo realizar estos análisis?

Google Earth Engine ofrece una API (Application Programming Interface) y otras herramientas para explotar todo el potencial que el análisis de datos nos puede ofrecer.

Es una plataforma muy intuitiva y con muchos ejemplos de uso y código para que reutilices lo que otros ya han configurado.

La plataforma nos permite subir y almacenar nuestros propios datos ráster y vectoriales hasta unos 250 GB para realizar nuestros propios análisis

¿Necesito saber programación?

No es necesario en un principio porque existen multitud de ejemplos y análisis de datos establecidos por otros usuarios que puedes utilizar para tus propios análisis…pero ojo, antes o después y sin darte cuenta vas a acabar programando tus propios procesos automáticos….¿no es genial?

La programación se basa en Javascript (documentación aquí) o Python (para utilizar todas las funciones desde QGIS)

Si quieres ver algunos tutoriales. (pincha aquí)

En este ejemplo te muestro cómo, a partir de 5 líneas de código, podemos visualizar una colección de datos de elevaciones donde se muestran las pendientes entre 0% y 60% en los alrededores del lago Titicaca (frontera entre Bolivia y Perú)

Código:

var dataset = ee.Image('CGIAR/SRTM90_V4');
var elevation = dataset.select('elevation');
var slope = ee.Terrain.slope(elevation);
Map.setCenter(-69.05, -16.1541, 10);
Map.addLayer(slope, {min: 0, max: 60}, 'slope');

Resultado:

¿Es gratuito?

Si. Su objetivo declarado es el destinado para labores de investigación y educación sin ánimo de lucro. Eso sí, el equipo de Google te permite hacer uso comercial bajo sus condiciones. El objetivo es desarrollar algoritmos altamente interactivos a escala global.

Las imágenes y los datos de terceros pueden importarse a Earth Engine para su análisis. Por el contrario, cualquier análisis realizado en Earth Engine se puede descargar para su uso por herramientas de terceros.

¿Cómo puedo compartir/publicar los resultados de mis análisis?

Los resultados y scripts de análisis se pueden compartir directamente con otros usuarios de Earth Engine, o simplemente se pueden descargar y compartirlos como se haría con cualquier otro dato.

Después de ver que se puede hacer con Google Earth Engine, ¿no creéis que realmente es una revolución en el análisis de la geoinformación?

Especializarse en este nicho de mercado puede proporcionarte grandes posibilidades para colaborar con entidades locales y estatales en la protección, desarrollo, monitoreo y planificación del territorio.

Si te resultan de interés este tipo de artículos de contenido didáctico y noticias relacionadas con la geomática y la topografía compártelo con tus contactos.

Puedes seguirme por el canal de Youtube y suscribirte a mi canal.

Muchas gracias y un saludo Geodestas