COMISION NACIONAL DE ASUNTOS ESPACIALESaulavirtual.ig.conae.gov.ar/moodle/pluginfile.php/513/mod_page/... · como así también la recuperación de los bosques y biomas entre los

COMISION NACIONAL DE ASUNTOS ESPACIALES

INSTITUTO DE ALTOS ESTUDIOS ESPACIALES “MARIO GULICH”

MAESTRÍA EN APLICACIONES ESPACIALES DE ALERTA Y

RESPUESTA TEMPRANA A EMERGENCIAS

- 2014 -

GOOGLE EARTH ENGINE An analysis and control tool

Tutorial

Carlos Hector A. Cabrera

INDICE

1. Introduccion…………………………………………………………………………………...…..1

2. Primeros pasos en Google Earth Engine……...…………………………………………………2

2.1. Acceso a los datos……………………………………………………………………….2

2.2. Secciones de la plataforma……………………………………………………………..2

2.2.1. Catalogo de datos……………………………………………………………..2

2.2.2. Espacio de trabajo…………………………………………………………....3

2.2.2.1. Añadir un conjunto de datos al área de trabajo……………..…...4

2.2.2.2. Ajuste de los parámetros de capa…………………………………4

2.2.2.3. Añadir más capas….………….……………………………………5

2.2.2.4. Conjunto de datos duplicados…………………………………….6

2.2.2.5. Visualización de cambios a lo largo del tiempo………………….6

2.2.2.6. Reordenamieto de las capas………………………………………7

2.2.2.7. Eliminar una capa del área de trabajo……………….…………..8

2.3. Rasters clasificados……...……………………………………………………………..8

2.3.1. Añadir un Raster clasificado………………………………………………..9

2.3.2. Añadir clases para mostrar…………………………………………………10

2.4. Establecer Parámetros de visualización……………………...……………………....13

2.4.1. Mínimo, Máximo y Gamma…………….……………………………..……14

2.4.2. Gama de colores……….…………………………………………………….14

2.4.3. Bandas (R, G, B)…………………………………………………………….14

3. Ejemplo de Aplicación: Cambios en el uso del suelo

entre los años 1986-2014 en S.S.de Jujuy …………………..…………………………………15

4. Conclusión……………………………………………………………………………………….23

5. Bibliografía………………………………………………………………………………………24

1

1. Introducción

Google Earth Engine es una plataforma tecnologica de seguimiento que pone

online una cantidad nunca antes vista de imágenes satelitales, actuales e historicas, a

disposición del mundo entero. Este modelo digital dinámico almacena datos satelitales

en petabytes (1015 bytes) y permite que las herramientas de alto rendimiento analicen

e interpreten esta información que, a continuación, se puede visualizar en un mapa.

La plataforma reúne imágenes satelitales del mundo y además reune

mediciones científicas que datan de más de 40 años, las que permiten el monitoreo y

preservacion de los recursos naturales. Este almacenamiento masivo de datos permite

a los cientificos obtener una enorme cantidad de informacion para poder ser

comparada y/o complementada.

La infraestructura computacional de Google puede ser utilizada para detectar

cambios, tendencias y cuantificar diferencias en la superficie de la Tierra. Entre las

aplicaciones se incluyen: la detección de la deforestación, la clasificación de la cubierta

vegetal, la estimación de la biomasa forestal y del carbono, crecimiento urbanistico y

el mapeo de áreas.

En el año 2007, los buenos resultados obtenidos en Brazil con la utilización del

Software y fotografías satelitales de la plataforma Google Earth Engine, permitieron a

la ONG brasileña “Imazon” a emitir, en poco tiempo, una alerta de deforestación y

degradación de la Amazonia brasileña.

Con la consecuente reducción de la deforestación en Brazil, Google trabajó

sobre un mapa forestal de alta resolución, que funciona gracias a la enorme capacidad

de procesamiento de Google, el cual revela la deforestación masiva en todo el mundo,

como así también la recuperación de los bosques y biomas entre los años 2000-2012.

De acuerdo a los datos relevados por Hansen et al.,(2013) los bosques secos

tropicales de América del Sur obtuvieron la mayor tasa de pérdidas debido a la

dinámica de la deforestación en los bosques del Chaco de Argentina, Paraguay y

Bolivia. Siendo Argentina el país con mayor deforestación y encontrándose entre los

diez paíces en el mundo con mayor pérdida de bosques.

Ante la evidencia en la transformación de la superficie terrestre a causa de las

actividades antrópicas, se crea Google Earh Engine, una herramienta fundamental de

control y análisis, con múltiples objetivos a lo largo mundo pero con el objetivo común

de preservar los recursos naturales.

Este tutorial pretende: i) dar a conocer esta herramienta ii) ser una referencia

rápida, iii) dar a cononocer algunos aspectos básicos vinculados al crecimieto

urbanistico utilizando Google Earth Engine.

2

2. Primeros pasos en Google Earth Engine

2.1. Acceso a los datos

La descarga de los datos está restringida a los miembros del programa, razón

por la cual es necesario registrarse. Para esto debeos ingresar a la pagina web

(https://earthengine.google.org/#intro) e ingresar a “let us know” (Figura 1).

Fig. 1.- Acceso a los datos.

Una vez registrados, se recibe un mail con un link para terminar de configurar

nuestra cuenta donde se debe colocar el nombre del proyecto. Una vez realizado esto

nuevamente se recibe un mail, el cual contiene información y enlaces para ayudar al

usuario a empezar a conocer esta plataforma.

2.2. Secciones de la plataforma

Las principales secciones de la plataforma son dos, catálago de datos y espacio

de trabajo, las que se procederá a describir a continuación:

2.2.1. Catálogos de Datos

En el catálogo de datos se enumeran los conjuntos de datos disponibles para su

visualización y análisis en Google Earth Engine. Para acceder al catálogo de datos se

debe ingresar en la parte superior derecha de la página de Google Earth Engine en

donde observaremos una lista de las etiquetas más conocidas y los enlaces de las

bases de datos que tienen las mismas (Figura 2).

En la parte inferior de la interfaz se encuentran las listas de los diferentes tipos

de datos y mosaicos, incluyendo una breve descripción decada una de ellos (Figura 2).

Estas listas muestran o vinculan a la mayoría de los conjuntos de datos y mosaicos

disponibles en Google Earth Engine.

Asimismo, para saltear los detalles del mosiaco y abrir directamente la capa se

debe hacer clic en el enlace "open in workspace" (abrir en espacio de trabajo) situado

junto al nombre del conjunto de datos, o bien, para acceder a todos los conjuntos de

datos disponibles, utilice la barra de búsqueda en la parte superior de la página

(Figura 2).

3

Fig.2- Catalogo de Datos.

2.2.2. Espacio de trabajo.

El espacio de trabajo permite administrar, analizar y visualizar conjuntos de

datos en Google Earth Engine. Para ingresar al area de trabajo se debe hacer clic en el

botón “worksapace”, ubicado en la parte superior derecha de la página de Google

Earth Engine.

En la interfaz del espacio de trabajo aparecerá un mapa a la derecha (Google

Maps) y un espacio para una lista de capas de datos a la izquierda (Figura 3).

Fig.3- Interfaz Espacio de trabajo.

4

En la interfaz de Google Maps podremos observar en la parte superior derecha

dos botones, una para la vista de mapas y el otro para la vista de satélite (Figura 3).

Al seleccionar la vista del mapa, aparecerá una casilla de verificación para activar o

desactivar la capa Relieve y obtener un mapa de carreteras habitual. Al seleccionar la

vista satélite, aparecerá una casilla de verificación debajo del botón Satélite que

permite activar o desactivar etiquetas (como fronteras, países, ciudades, cuerpos de

agua, etc.).

A continuación conoceremos algunos aspectos básicos de algunas de las

funciones de Google Earth Engine.

2.2.2.1. Añadir un conjunto de datos al espacio de trabajo

Al ingresar al catálogo de datos, o bien, a la barra de busqueda se selecciona el

producto de interés.

Una vez seleccionados los datos se mostrarán en la lista de la capa de datos

situada en el panel izquierdo y los datos aparecerán en el mapa. A continuación, solo

resta posicionarse en el área de estudio.

En caso de necesitar desactivar la visibilidad de la capa de datos se hace clic en

el botón de visibilidad (icono de ojo) situado a la derecha del nombre de la capa de

datos (Figura 4).

Fig.4- Visibilidad de la capa de datos.

2.2.2.2. Ajuste de los parámetros de la capa

A continuación ajustaremos algunas opciones para explorar los datos de forma

más detallada.

Como primer paso seleccionar la capa de datos situada en el panel de la

izquierda, donde se despliega el cuadro “Layer Settings” (Configuración de la capa),

como se muestra en la siguiente figura (Figura 5).

La configuración de la capa permite personalizar diferentes parámetros,

incluidas las fechas para las que se muestran los datos.

5

Fig.5- Configuración de la capa.

Se puede cambiar la configuración temporal arrastrando la barra deslizante de

tiempo hacia la izquierda y se observa cómo cambian los datos del mapa. Para

observar cambios más evidentes se recomienda mover la barra deslizante

considerando estaciónes del año contrarias (por ejemplo, de verano a invierno).

Para retroceder más en el tiempo o seleccionar un intervalo de fechas

específico, hacer clic en el enlace “Jump to date” (Ir a la fecha) que aparece debajo de

la barra deslizante de tiempo y utiliza la interfaz del calendario para seleccionar una

fecha determinada (Figura 5).

Cada vez que finalize la configuración de la capa, debemos guardar las opciones

del cuadro “Layer Settings” (Configuración de la capa) haciendo clic en el botón

“Save”. Si se desea volver a la configuración anterior simplemente hacer clic en el

botón Cancelar.

2.2.2.3. Añadir más capas

Se puede visualizar varias capas de datos en el mapa de forma simultánea

añadiendo conjuntos de datos adicionales.

Hay varias formas de añadir capas de datos adicionales en el espacio de trabajo.

El primer método consiste en volver al catálogo de datos, seleccionar otro conjunto de

datos y utilizar el botón “Open in Workspace” (Abrir en espacio de trabajo). De esta

forma, se añadirá el conjunto de datos a tu espacio de trabajo como una capa sobre

las capas de datos actuales. Debemos tener en cuenta que la nueva capa aparecerá

sobre las capas anteriores en el mapa.

6

También se puede añadir conjuntos de datos adicionales directamente desde la

barra de búsqueda de tu espacio de trabajo. Para empezar a buscar un conjunto de

datos que quieras añadir, sigue uno de los pasos que se indican a continuación:

Haz clic en la barra de búsqueda.

Haz clic en el botón "+" situado en la parte superior derecha de la lista de

capas de datos.

Haz clic en el enlace “Add data” (Añadir datos) situado en la parte inferior

de la lista de capas de datos.

Estas tres opciones te permitirán introducir tu consulta en la barra de búsqueda

y seleccionar un conjunto de datos para añadirlo como una capa (Figura 6).

Fig.6- Opciones para introducir datos.

Al añadir una nueva capa al espacio de trabajo, los conjuntos de datos de tipo

Raster aparecerán como una capa sencilla, mientras que los conjuntos de datos de

tipo "Classified Raster" (Raster clasificados) requerirán una cierta configuración

adicional para poder verlos (ver Raster clasificados, pag. 9).

2.2.2.4. Conjuntos de datos duplicados

También puedes añadir el mismo conjunto de datos dos veces, como dos capas

independientes en tu espacio de trabajo. Un motivo para ello sería poder ver dos

intervalos de tiempo diferentes del mismo conjunto de datos para comprobar el

cambio a lo largo del tiempo. Para obtener más información al respecto, veremos a

continuación cómo visualizar éstos cambios.

2.2.2.5. Visualización de cambios a lo largo del tiempo

En Google Earth Engine es posible visualizar los cambios a lo largo del tiempo.

Para ello, se debe añadir el mismo conjunto de datos en el espacio de trabajo como

dos capas independientes, pero concordantes para que muestren distintos períodos de

tiempo (Figura 7). En el ejemplo que aparece a continuación, podrás ver la expansión

urbana de las ciudades de Palpala y San Salvador de Jujuy.

7

Fig.7- Expansión Urbana 2003-2011.

2.2.2.6. Reordenamiento de las capas

Cuando existen varios conjuntos de datos en tu mapa, el que aparece en la

parte superior de la lista de capas de datos es el que se visualizará. Para cambiar el

orden, hacer clic en el punto de arrastre situado a la izquierda del nombre del conjunto

de datos de la lista y arrástrarlo hacia arriba o hacia abajo en la lista (Figura 8).

8

Fig.8- Reordanar las capas.

2.2.2.7. Eliminar una capa del espacio de trabajo

Si se desea eliminar una capa de datos del espacio de trabajo debemos hacer

clic en el nombre de la capa de datos situada en la lista, y en el cuadro de diálogo

“Layer Settings” hacer clic en el boton “Delete” (Eliminar) y la capa se eliminará de la

lista “Data” y del mapa (Figura 9).

Fig.9- Eliminar una capa.

En las siguientes secciones, se brindará información sobre cómo configurar y ver

Raster clasificados, ajustar los parámetros de visualización de una capa y visualizar

cambios a lo largo del tiempo.

2.3. Rasters clasificados

En el conjunto de datos raster, cada celda o pixel posee un valor que representa

un fenómeno como por ejemplo, una categoría, magnitud, altura o valor espectral.

La categoría podría ser una clase de uso del suelo como, por ejemplo, una

pradera, bosque o carretera. Una magnitud podría representar la gravedad,

9

contaminación acústica o porcentaje de precipitaciones. La altura (distancia) podría

representar una elevación de superficie por encima del nivel medio del mar.

El proceso de clasificación identifica los valores de cada píxel de una o varias

bandas de una imagen ráster, crea y evalúa las clases o clúster (firmas), finalmente

reclasifica de acuerdo a las probabilidades de cada clase. Este procedimiento es muy

práctico para crear de forma automática un mapa de uso del suelo o de cobertura

vegetal.

2.3.1. Añadir un Raster Clasificado

Las capas de datos de tipo “Classified Raster” requieren de una configuración

adicional para poder verlas. Se debe seleccionar el año, configurar las clases con los

nombres y los colores que representarán a cada clase.

A continuación configuraremos una capa de datos de trama clasificada, para

esto debemos añadir un raster. Si buscamos "MCD", comprobaremos que en la sección

de resultados Classified Rasters se muestran diferentes conjuntos de datos (Figura

10).

Al seleccionar cualquiera de los conjuntos de datos se añade al espacio de

trabajo. Para este ejemplo, utilizaremos MCD12Q1-1 IGBP. (Nota: El producto

MCD12Q1 representan cinco sistemas diferentes para clasificar el tipo de cubierta

terrestre, cada uno de estos conjuntos de datos es anual (abarca desde el año 2001 al

2009) y divide la Tierra en diferentes clases de cubierta terrestre (USGS)).

Fig.10- Selección de Raster Clasificado.

Cuando la capa esté añadida al espacio de trabajo, el cuadro de diálogo “Layer

Settings” se abrirá automáticamente (Figura 11). Si no es así, debemos hacer clic en

el nombre de la capa para abrirla.

10

Fig.11- Configuracion de las capas de clasificación.

En el cuadro de diálogo Layer Settings (Configuración de la capa), seleccionar

un año del menú desplegable.

2.3.2. Añadir clases para mostrar

Existen dos maneras de agregar las clases, la primera es utilizando la sección

para añadir clases (Add Class) y asignarles colores y nombres, y la segunda, es hacer

esto en el cuadro de diálogo Layer Settings, para la capa de trama clasificada. Estas

dos técnicas se describen en las instrucciones que se indica a

continuación.

11

Fig.12- Añadir clases.

Una vez que hayas añadido clases a tu espacio de trabajo para cada una de las

clases del conjunto de datos de los rasters, debemos ir a

“Analysis” colocar “Train a classifier”, seleccionamos el

modelo de clasificador y determinamos la resolucion

espacial de acuerdo al producto seleccionado con

anterioridad.

El resultado será similar a la imagen que se muestra a continuación (Figura 13).

Fig.13- Imagen clasificada.

12

Existe otra manera de poder realizar una clasificación y es por medio de la

herramienta “Hand-drawn points and polygons”. Pasos a seguir: 1°) Agragar un

raster; 2°) hacer clic en “Análisis”, 3°) seleccionar “Train a classifier” donde

seleccionaremos el clasificador y la resolución espacial, 4°) volver al raster y

asegurarnos que el raster este agregado para su clasificación seleccionando “Input”

(Figura 14).

Fig.14- Entrada del raster

5°) Buscar y agragar el vector “Hand-drawn points and polygons” (Figuras 15-A y 15-

B).

Fig.15- A. Busqueda del vector; B. Uso de la clasificacion de Entrenamiento.

6°) Una vez realizado esto procederemos a agregar las clases (Figura 16).

13

Fig.16- Agragar las clases

7°) Creadas las clases, nos posicionaremos en cada una de ellas y por medio de punto

o poliginos determinaremos (margen izquierdo superior del mapa) los pixeles que

corresponden a cada clase. Por último, hacer clic en “Train classifier and display

results”, obteniendo una imagen similar a la figura 13.

2.4. Establecer parámetros de visualización

En el cuadro de diálogo Layer Settings (Configuración de la capa) de la mayoría

de las capas de datos, aparecerá un enlace "Visualization Parameters" (Parámetros de

visualización). Hacer clic en este enlace para que se muestre un número de opciones

de visualización avanzadas (Figura 14). Cada conjunto de datos tiene diferentes

valores predeterminados, pero pueden ser modificados para cambiar la visualización

del conjunto de datos.

Fig.14- Visualización de parametros

14

2.4.1. Parámetros Mínimo, Máximo y Gamma

Los parámetros Mínimo (Min), Máximo (Max), Ganancia (Gain), Sesgo (Bias) y

Gamma, permiten modificar la visualización de los valores de los datos.

El parámetro Min representa el valor que se debe representar como valor

decimal 0, y el parámetro Max, el que se debe representar como valor decimal 255.

Los valores inferiores a Min también se representarán con el valor 0, y los valores

superiores a Max, con el valor 255.

El parámetro Gamma representa la relación entre un valor y la luminosidad

utilizada para representarlo. En términos generales, al aumentar el parámetro

Gamma, también aumenta la intensidad de los valores del centro del intervalo de

visualización.

2.4.2. Paleta (gama de colores)

Una paleta te permite asignar colores al intervalo de valores de un conjunto de

datos. Se trata de una serie de valores de colores hexadecimales separados por

comas. Al proporcionar dos valores, se establece el color de los valores inferior y

superior del conjunto de datos.

2.4.3. Bandas (R, G, B)

En Earth Engine se puede combinar las bandas para obtener algunos efectos

útiles e interesantes. Por ejemplo, al asignar las bandas 40, 30 y 20 a R, G y B, se

crea una imagen de "color falso" en la que la vegetación se destaca y se muestra en

rojo.

15

3. Ejemplo de Aplicación:

Cambios en el uso del suelo entre los años

1986-2014 en S. S. de Jujuy.

El crecimiento urbano ha sido considerado durante mucho tiempo como una

señal de prosperidad económica, no obstante, en la actualidad esos beneficios están

siendo continuamente debatidos y balanceados contra los impactos ambientales que

producen, entre ellos, los que incluyen los cambios de usos de suelo (Lindquist et al.,

2012).

Resulta de gran interés conocer la distribución espacial y temporal de las

diferentes coberturas de suelo con el fin de evaluar las condiciones ambientales en las

que se presentan los cambios. Estos cambios y sus consideraciones requieren la

aplicación de herramientas y/o técnicas que permitan monitorear y evaluar

correctamente su evolución a lo largo del tiempo.

La herramienta empleada en el presente trabajo es la plataforma de Google

Earth engine. A continuación, se mostrará la secuencia de pasos con el objetivo de

determinar el crecimiento urbanistico de San Salvador de Jujuy entre los años 1986-

2014.

Como primer paso debemos cargar el raster y duplicar los datos, considerando

las fechas (años) de interés (Tabla 1) en orden cronológico. También se añadió el

vector “Hand drawn points” (Figura 15).

Producto Fecha

Landsat 5, 32-Day TOA Reflectance Composite 1986/07

Landsat 5, 32-Day TOA Reflectance Composite 1990/01

Landsat 5, 32-Day TOA Reflectance Composite 1995/08

Landsat 5, 32-Day TOA Reflectance Composite 2000/06

Landsat 5, 32-Day TOA Reflectance Composite 2005/07

Landsat 5, 32-Day TOA Reflectance Composite 2010/07

Landsat 7, 32-Day TOA Reflectance Composite 2014/08

Se procedió a crear las clases de interés. Posteriormente, se de debe posicionar

en cada una de ellas para asignar los poligonos o puntos que conformarán a cada clase

(Urbano, vegetación, Agua) (Figura 15).

16

Fig.15- Hand drawn points and Classes.

Los polígonos y puntos fueron colocados en lugares que no cambiaron durante

el periodo de tiempo considerado, es decir, historicamente fueron siempre iguales.

Para realizar la clasificación sobre cada imagen por año debemos ir ingresando una y

mantener desecativadas (Don´t use) al resto de las imágenes raster (Figura 16).

Fig.16- Selección del raster a clasificar.

17

Cuando se realizó las clasificaciones se examinó con la mayoría de los

clasificadores, como ser: “Fast Naive Bayes”, “Random Forest”, “Winnow”, “Cart”. De

los cuales el que mejor se ajusto a la realidad fue el clasificador CART, por lo que se

eligió trabajar con este algoritmo.

El algoritmo “Classification and Regression Tree” (CART), es uno de los

algoritmos de clasificación de uso común para la caracterización de la ocupación del

suelo y la cartografía (Giri et al., 2014). El algoritmo divide de forma recursiva píxeles

de datos de entrenamiento en subconjuntos homogéneos hasta llegar a los nodos

terminales con la máxima homogeneidad. La homogeneidad se mide en relación a las

clases definidas por datos de entrenamiento (áreas de cobertura de la tierra conocida).

Una vez realizadas las clasificaciones, se consideraron aquellas imágenes más

representativas en relación al crecimiento urbanístico. Las imágenes seleccionadas

corresponden a los años 1986, 2000 y 2014 (Figura 17).

Fig.17- Raster seleccionados (1986, 2000, 2014).

Se procedió a calcular las diferencias entre los raster clasificados, para esto se

debe ir al panel izquierdo del espacio de trabajo, y hacer clic en “Add computation” >

Per-Pixel Math > Expression, donde se desplegará la ventana “Computed layer”, donde

se agregan las imágenes y la expresión (Figura 18).

18

Fig.18- Computed layer: Expression.

Finalmente, teniendo particular interes sobre las nuevas zonas urbanizadas, se

obtuvieron los siguientes resultados:

Año 2014 – 2000 (Figura 19):

Fig.19- Nuevas zonas urbanizadas entre los años 2014-2000.

19

Año 2000 – 1986 (Figura 20):

Fig.19- Nuevas zonas urbanizadas entre los años 2000-1986.

En la siguiente figura (Figura 20) se observa el crecimiento urbanístico total

entre los años 1986-2014.

Fig.20- Nuevas zonas urbanizadas entre los años 1986-2014.

20

Se busco en Google Earth Engine alguna herramienta que me permita

cuantificar los valores de crecimiento urbanistico a partir de las imágenes clasificadas.

Al no haber encontrado dicha herramienta o función, se utilizó el software ENVI (Exelis

Visual Information Solutions), el cual permite visualizar, editar y analizar tanto de

capas ráster como capas vectoriales.

En la siguiente imagen (Figura 21) nos muestra los cambios urbanísticos que

hubo entre los años 1986 y 2014. Esta imagen se obtuvo por medio de la función

“detección de cambio” en ENVI. El color azul representa la expansión urbanística total.

Fig.21- Detección de cambio (ENVI).

A continuación las imágenes de 1986 y 2014 (Figura 22) permiten observar el

crecimiento urbano. A partir de las cuales se han calculado su estadística. En la

imagen el color negro representa la clase urbana.

La estadística de computos proporcionada por ENVI nos indica que en el año

1986 el 11,19% de la imagen pertenece a la clase urbana. Aplicando la fórmula N° de

pixeles * (resolución_img)2 /10000 mts/hect., nos queda que la extensión urbana es

de aproximadamente 7622 hectáreas. Mientras que en el año 2014 el 13,07% de la

imagen pertenece a la clase urbana, es decir, 9656 hectáreas.

Por lo que el crecimiento en el periodo de tiempo considerado fue de 2034

héctareas, un crecimiento aproximado del 21,06%.

21

Fig.22- Expansión urbana en los años 1986 y 2014.

Con la utilización de “Band Math” se sumo ambas imágenes para obtener la

extensión urbana total, es decir, la dimensión de la ciudad en la actualidad. Si bien los

valores de la clase ríos (no presentan agua en las fechas consideradas, son rocas) y la

clase ciudad presentan valores similares reflectividad, representa en buena medida la

extensión territorial total (Figura 23).

22

Fig.23- Extensión urbana total.

Por último, en Google Earth Engine podemos guardar esta información en la

nube de Google Engine para seguir trabajando o simplemente poder compartir lo

realizado. Para esto se ingresa a “Manage workspace” > Share workspace (Figura 21).

Fig.21- Compartir el espacio de trabajo.

23

Link del trabajo:

https://earthengine.google.org/#workspace/DssITGRFhjr

4. Conclusión

Google Earth Engine es una herramienta que brinda acceso a un conjunto de

datos enorme, como la información completa del satélite Landsat de los últimos 25

años. Además de contar con los datos e informacion de MODIS.

La plataforma de google permite disminuir sustancialmente los tiempos del

cálculo y procesamiento de datos, pudiendo tener la posibilidad de dedicar más tiempo

al análisis de los resultados. Además, al ser una plataforma común permite la

colaboración y estandarización para el análisis de datos globales.

Nos permite analizar los cambios del uso del suelo, como por ejemplo,

crecimiento urbanístico o deforestación, de forma rápida y precisa, dando

transparencia y más seguridad a los esfuerzos globales por detener la deforestación.

Con respeco al ejemplo realizado, cambios en el uso del suelo entre los años

1986-2014 en S. S. de Jujuy, se pudo aplicar varias herramientas de Google earth

engine, si bien no se pudo obtener los valores obtenidos producto de la clasificación,

se recomienda su utilización por la versatilidad y facilidad en la obtención de los

productos o mosaicos.

Una mejora en la comprensión de la situación de los cambios de uso del suelo a

través de herramientas como estas, podrían aumentar la capacidad de aquellas

personas que toman decisiones, tanto legisladores como los líderes empresariales, a

crear políticas que mejoren la protección de los bosques.

24

5. BIBLIOFRAFIA

M.C. Hansen, P.V. Potapov, R. Moore, M. Hancher, S.A. Turubanova, A.

Tyukavina, D. Thau, S.V. Stehman, S.J. Goetz, T.R. Loveland, A.

Kommareddy, A. Egorov, L. Chini, C.O. Justice, J.R. Townshend. 2013. High-

Resolution Global Maps of 21st-Century Forest Cover Change. SCIENCE VOL

342, pag: 850-853.

E.J. Lindquist, R. D’Annunzio, A. Gerrand, K. MacDicken, F. Achard, R. Beuchle,

A. Brink, H.D. Eva, P. Mayaux, J. San-Miguel-Ayanz & H-J. Stibig. 2012. Cambio

de uso de las tierras forestales mundiales 1990–2005. Documento Forestal 169

FAO. Organización de las Naciones Unidas para la Agricultura y la Alimentación

y Centro Común de Investigación de la Comisión Europea. Roma, FAO.

Google Earth Outreach. Consulta realizada: 6/10/2014. Sitio web:

http://www.google.com/earth/outreach/tutorials/eartheng_gettingstarted.html

Google Earth Engine Documentation. Consulta realizada: 7/10/2014. Sitio web: https://sites.google.com/site/earthengineapidocs/reference/images-and-image-collections

Mongabay. Consulta realizada: 4/10/2014. Sitio web: http://es.mongabay.com/news/2014/es1114-global-forest-map.html