Cuantificación de cambios a lo largo del tiempo.
¡Bienvenido a nuestro último módulo de SIG!
En este módulo, veremos cómo cuantificar el cambio en tu mapa durante un período de tiempo seleccionado al observar el Incendio Paradise, también conocido como Incendio Camp, que ocurrió en noviembre de 2018 y es reconocido como el incendio forestal más mortífero y destructivo de California. Este módulo cuantificará la diferencia en la vegetación entre los períodos de tiempo antes y después del incendio.
.
“So long, and thanks for all the fish!”
Seguimiento de cambios
Este código utiliza Google Earth Engine para comparar la salud de la vegetación antes y después del Incendio de Paradise de 2018 mediante el análisis de los valores NDVI de imágenes satelitales MODIS dentro de un área definida alrededor del pueblo de Paradise. Calcula y visualiza el NDVI promedio para evaluar el impacto del incendio, luego muestra estos hallazgos tanto como capas de mapa como un gráfico de barras comparativo.
Explicación paso a paso del código
Paso 1: Definir Rangos de Tiempo
Primero, el código define rangos de tiempo para comparar la vegetación antes y después del Incendio de Paradise, que ocurrió del 8 al 25 de noviembre de 2018. Las variables preFireStart y preFireEnd establecen el período antes del incendio, mientras que postFireStart y postFireEnd definen el período después del incendio. Esto permite el análisis de la salud de la vegetación en estos dos marcos de tiempo distintos.
Paso 2: Especificar el Área de Interés
La variable paradise define un rectángulo geográfico que aproxima el área alrededor del pueblo de Paradise. Esto utiliza coordenadas para crear una forma de rectángulo que Earth Engine utilizará para enfocar su análisis, asegurando que los datos se obtengan solo de esta área especificada.
Paso 3: Seleccionar el Conjunto de Datos y NDVI
A continuación, el código selecciona un conjunto de datos específico (MODIS/061/MOD13Q1) que incluye índices de vegetación, específicamente el Índice de Vegetación de Diferencia Normalizada (NDVI). El método .filterBounds(paradise) restringe el conjunto de datos para incluir solo datos dentro del área de Paradise, y .select('NDVI') estrecha aún más los datos solo a los valores NDVI.
Paso 4: Calcular el NDVI Promedio
Para comprender la salud de la vegetación antes y después del incendio, el código calcula el NDVI promedio para ambos períodos de tiempo utilizando .filterDate() para seleccionar las fechas relevantes y .mean() para calcular el promedio. Esto resulta en dos variables, preFireNDVI y postFireNDVI, que representan la salud promedio de la vegetación antes y después del incendio, respectivamente.
Paso 5: Visualizar el NDVI
El código establece parámetros de visualización con visParams, que incluye la banda NDVI, una escala de 0 a 9000 (reflejando valores NDVI) y una paleta de colores para representar visualmente diferentes valores NDVI en el mapa. Las capas NDVI pre y post incendio se agregan al mapa utilizando Map.addLayer, lo que permite la comparación visual de la salud de la vegetación.
Paso 6: Analizar y Graficar Valores NDVI
Para facilitar un análisis adicional, el código crea una colección de entidades (ndviFeatureCollection) que incluye los valores NDVI promedio antes y después del incendio. Luego genera un gráfico de barras (ndviChart) para comparar visualmente estos valores, resaltando el impacto del incendio en la salud de la vegetación.
Paso 7: Agregar un Borde para la Visualización
Finalmente, el código enfatiza visualmente el área de interés (Paradise) dibujando un borde rojo alrededor de ella. Esto se hace pintando el rectángulo paradise en una imagen vacía y luego agregando este borde como una capa en el mapa.
Este código utiliza efectivamente Google Earth Engine para evaluar el impacto del Incendio de Paradise en la vegetación mediante la comparación de los valores NDVI antes y después del evento.
// Define the time range for before and after the wildfire
// Paradise Fire was November 8–25, 2018
var preFireStart = '2018-01-01';
var preFireEnd = '2018-10-31';
var postFireStart = '2018-12-01';
var postFireEnd = '2019-06-30';
// Roughly the town of Paradise
var paradise = ee.Geometry.Rectangle(-121.7, 39.7, -121.3, 39.9);
// Use the MODIS vegetation indices product
var dataset = ee.ImageCollection('MODIS/061/MOD13Q1')
.filterBounds(paradise)
.select('NDVI');
// Calculate average NDVI before the fire
var preFireNDVI = dataset.filterDate(preFireStart, preFireEnd)
.mean();
// Calculate average NDVI after the fire
var postFireNDVI = dataset.filterDate(postFireStart, postFireEnd)
.mean();
// Define the visualization parameters
var visParams = {
bands: ['NDVI'],
min: 0,
max: 9000,
palette: ['maroon', 'yellow', 'green']
};
// Add pre-fire NDVI layer
Map.addLayer(preFireNDVI, visParams, 'Pre-Fire NDVI');
// Add post-fire NDVI layer
Map.addLayer(postFireNDVI, visParams, 'Post-Fire NDVI');
// Define a feature collection with NDVI values for charting
var ndviFeatureCollection = ee.FeatureCollection([
ee.Feature(null, {condition: 'Pre-Fire', NDVI: preFireNDVI.reduceRegion({
reducer: ee.Reducer.mean(),
geometry: paradise,
scale: 500
}).get('NDVI')}),
ee.Feature(null, {condition: 'Post-Fire', NDVI: postFireNDVI.reduceRegion({
reducer: ee.Reducer.mean(),
geometry: paradise,
scale: 500
}).get('NDVI')})
]);
// Generate a bar chart comparing pre-fire and post-fire NDVI
var ndviChart = ui.Chart.feature.byFeature(ndviFeatureCollection, 'condition', 'NDVI')
.setChartType('ColumnChart')
.setOptions({
title: 'NDVI Before and After the Paradise Fire',
hAxis: {title: 'Condition'},
vAxis: {title: 'Mean NDVI'},
legend: {position: 'none'},
colors: ['ff0000', '00ff00']
});
// Print the chart
print(ndviChart);
// Paint the rectangle border onto an empty image
var borderImage = ee.Image().paint({
featureCollection: paradise,
color: 1, // This is arbitrary since the color is defined in Map.addLayer
width: 3 // Set the width of the border
});
// Add the border as a layer
Map.addLayer(borderImage, {palette: ['red']}, 'Border');
Recap
Aquí está lo que aprendimos en este entrenamiento:
Análisis Temporal: Comparar datos de marcos temporales específicos (antes y después de un evento significativo) para medir el impacto en el medio ambiente.
Técnicas de Visualización: Presentar datos geoespaciales a través de capas de mapas y gráficos de barras para representar visualmente cambios en la salud de la vegetación.