rs-change-detection-satellite

name	rs-change-detection-satellite
description	Detección de cambios en imágenes satelitales con Sentinel/Landsat — remote sensing, Earth Engine, Planetary Computer, NDVI/NDBI, deforestación, inundaciones.
category	geospatial

RS Change Detection — Detección de Cambios Satelitales

Qué es

rs-change-detection (firmanhadi21/rs-change-detection, 3⭐) es una librería Python para detectar cambios en imágenes satelitales usando Sentinel-2 y Landsat. Integra Google Earth Engine y Microsoft Planetary Computer.

Capacidades

• Detección de deforestación (comparar NDVI entre fechas)
• Detección de inundaciones (cambios en cuerpos de agua)
• Expansión urbana (cambios en NDBI)
• Análisis multitemporal
• Output visual: mapas PNG con matplotlib + contextily

Índices espectrales

# NDVI — Vegetation
ndvi = (nir - red) / (nir + red)

# NDBI — Built-up
ndbi = (swir1 - nir) / (swir1 + nir)

# MNDWI — Water
mndwi = (green - swir1) / (green + swir1)

# Change detection
change = ndvi_date2 - ndvi_date1
# Negativo = pérdida vegetación, Positivo = ganancia

Uso con Planetary Computer (STAC)

from pystac_client import Client
import planetary_computer as pc
import rioxarray

catalog = Client.open("https://planetarycomputer.microsoft.com/api/stac/v1")
search = catalog.search(
    collections=["sentinel-2-l2a"],
    intersects={"type": "Point", "coordinates": [-3.7038, 40.4168]},
    datetime="2026-01-01/2026-06-30",
    query={"eo:cloud_cover": {"lt": 20}}
)
items = [pc.sign(item) for item in search.get_items()]
nir = rioxarray.open_rasterio(items[0].assets["B08"].href)

Casos de uso para David

• DataHubEspana: Tab de medio ambiente con detección de deforestación
• Parques Nacionales: Monitorear cambios en vegetación
• CallesDinamicas: Detectar expansión urbana para nuevas ciudades
• Visor Hermes: Capa de cambio de uso de suelo

Pitfalls

• Earth Engine requiere autenticación (ee.Authenticate())
• Planetary Computer es más accesible — no requiere auth para STAC
• Resolución: Sentinel-2 10m, Landsat 30m
• Filtrar por cloud cover < 20%
• Gap temporal: Sentinel-2 5 días, Landsat 16 días
• rioxarray es lazy pero .compute() carga todo en RAM

Dependencias

earthengine-api
planetary-computer
pystac-client
odc-stac
rasterio
rioxarray
numpy
matplotlib
contextily

Referencias

• Repo: https://github.com/firmanhadi21/rs-change-detection
• Earth Engine: https://earthengine.google.com
• Planetary Computer: https://planetarycomputer.microsoft.com
• STAC: https://stacspec.org