rs-change-detection-satellite
Detección de cambios en imágenes satelitales con Sentinel/Landsat — remote sensing, Earth Engine, Planetary Computer, NDVI/NDBI, deforestación, inundaciones.
Datos de origen
- Repositorio
- Ntizar/NtizarBrainMasterMind
- Última actividad en el origen
- 16 de julio de 2026 a las 08:02
- Idioma detectado de SKILL.md
- español
- Estrellas
- 2
- Forks
- 0
Opciones de instalación
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Revisa los archivos de origen
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Mostrando SKILL.md
SKILL.md
Instrucciones de origen · Vista previa de solo lectura- 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
```python
# 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)
```python
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
Ver en GitHub