All Projects → GeoINTA → curso-gee

GeoINTA / curso-gee

Licence: GPL-3.0 license
Google Earth Engine para el monitoreo del uso y cobertura del suelo de la República Argentina

Projects that are alternatives of or similar to curso-gee

gee whittaker
Non-parametric weighted Whittaker smoothing
Stars: ✭ 30 (-11.76%)
Mutual labels:  gee
spectral
Awesome Spectral Indices for the Google Earth Engine JavaScript API (Code Editor).
Stars: ✭ 68 (+100%)
Mutual labels:  google-earth-engine
earthengine-py-examples
A collection of 300+ examples for using Earth Engine and the geemap Python package
Stars: ✭ 76 (+123.53%)
Mutual labels:  google-earth-engine
spyndex
Awesome Spectral Indices in Python.
Stars: ✭ 56 (+64.71%)
Mutual labels:  google-earth-engine
RivWidthCloudPaper
A Google Earth Engine based algorithm that extracts river centerlines and widths from satellite images
Stars: ✭ 62 (+82.35%)
Mutual labels:  google-earth-engine
awesome-earth-engine-apps
A collection of all public Google Earth Engine Apps.
Stars: ✭ 78 (+129.41%)
Mutual labels:  google-earth-engine
geeup
Simple CLI for Google Earth Engine Uploads
Stars: ✭ 67 (+97.06%)
Mutual labels:  google-earth-engine
ee extra
A ninja python package that unifies the Google Earth Engine ecosystem.
Stars: ✭ 42 (+23.53%)
Mutual labels:  google-earth-engine
gee subset
Google Earth Engine subset script & library
Stars: ✭ 43 (+26.47%)
Mutual labels:  google-earth-engine
awesome-spectral-indices
A ready-to-use curated list of Spectral Indices for Remote Sensing applications.
Stars: ✭ 357 (+950%)
Mutual labels:  google-earth-engine
Geoweaver
a web system to allow users to automatically record history and manage complicated scientific workflows in web browsers involving the online spatial data facilities, high-performance computation platforms, and open-source libraries.
Stars: ✭ 32 (-5.88%)
Mutual labels:  google-earth-engine
CoastSat.slope
Beach-face slope estimation from satellite-derived shorelines, extension of the CoastSat toolbox.
Stars: ✭ 42 (+23.53%)
Mutual labels:  google-earth-engine
eemont
A python package that extends Google Earth Engine.
Stars: ✭ 290 (+752.94%)
Mutual labels:  google-earth-engine
GoogleEarthEngine-side-projects
Google Earth Engine side projects and tutorial scripts
Stars: ✭ 23 (-32.35%)
Mutual labels:  google-earth-engine
climate-data-science
Climate Data Science and Earth Observation with Python.
Stars: ✭ 103 (+202.94%)
Mutual labels:  google-earth-engine
geemap-apps
Interactive web apps created using geemap and streamlit
Stars: ✭ 24 (-29.41%)
Mutual labels:  google-earth-engine
earthengine-apps
A collection of Earth Engine Apps created using geemap, voila, and heroku
Stars: ✭ 20 (-41.18%)
Mutual labels:  google-earth-engine
bfast-explorer
Breakpoint detection of Landsat pixel time series via BFAST-based algorithms, provided as a Shiny app
Stars: ✭ 17 (-50%)
Mutual labels:  gee
North China Plain GEE Organized
The built-up land mapping of the North China Plain from 1990 to 2019
Stars: ✭ 27 (-20.59%)
Mutual labels:  gee
gee monkey
Batch export Google Earth Engine (GEE) tasks with `Tampermonkey`.
Stars: ✭ 56 (+64.71%)
Mutual labels:  gee

Introducción a Google Earth Engine (GEE)

Día 1

Descripción general Google Earth Engine (Componentes de GE. Code Editor, Explorer y Clientes API). Mostrar un script complejo con un producto final.

Colecciones disponibles. Herramientas de clasificación. Ventajas y limitaciones frente a otras plataformas.

Nociones básicas de Code Editor: Introducción al lenguaje Javascript. Visión General del Code Editor. API Javascript de GEE. Convenciones: Guía de Estilo. Acceso a las funcionalidades de la API. Consultar la documentación de las funciones. Tipo de datos. (Listas, Diccionarios, ). Funciones definidas por el usuario.

Inicio del tutorial

  • Manejo de datos vectoriales: Manejo de geometrías y generación de features. Creación y administración de colecciones de features. Carga y visualización de vectores utilizando Google Fusion Table (FT). Manejo de iteraciones sobre colecciones de features. Exportar como tabla de datos. Realizar gráficos.
  • Manejo de datos rasters: Seleccionar colecciones, filtros por áreas, por fechas y por nubes. Construir máscaras. Visualización. Cómo exportar imágenes (ventajas y limitaciones del servicio). Funciones de agregación. Cálculos de índices (NDVI, spectral unmixing e indicadores MapBiomas ndfi, por ejemplo, etc.). Generación de expresiones. Extracción de información a partir de features (agregación por medias, máximos, mínimos, etc.). Exportar como tabla de datos. Realizar gráficos.

Día 2

Casos de uso: Tutorial

Caso 1: Clasificaciones supervisadas

Incorporación de datos de campo y generación de datos de entrenamiento desde la interfaz de GE. Cálculo de mosaicos de índices del área de estudio. Muestreo a partir de los datos de campo. Separación en training/testing. Algoritmos disponibles para clasificación supervisada. Parametrización de los algoritmos. Ajustes. Validación utilizando matrices de confusión (accuracy, kappa). Aplicación del modelo y mapeo de resultados. Visualizar y exportar los resultados de la clasificación.

Caso 2: Análisis de datos territorial

Dada una carta de la región a la que pertenece el alumno realizar las siguientes actividades:

  1. Generar un conjunto muestreado en la carta de interés o importar puntos que ud haya traído para el curso.
  2. Construir una colección de imágenes que a su criterio sean apropiadas para las fechas de los relevamientos. Recuerde que las colecciones son parte de objetos ImageCollection y estos contienen las diferentes funcionalidades para realizar filtrados.
  3. Construya un mosaico del área de estudio donde estén incluidas todas las variables (índices, bandas, reducciones, etc.) que ud considere necesarias para la clasificación.
  4. Extraiga información a partir de los puntos de muestreo y analicela. Realice gráficos para determinar bandas de mayor separabilidad y umbrales de separación.
  5. Genere reglas de decisión a partir del análisis realizado en el punto anterior.
  6. Aplicar las reglas generadas para realizar una clasificación.
  7. Visualizar los resultados.
Note that the project description data, including the texts, logos, images, and/or trademarks, for each open source project belongs to its rightful owner. If you wish to add or remove any projects, please contact us at [email protected].