Skip to main content

rs-change-detection-satellite

Detección de cambios en imágenes satelitales con Sentinel/Landsat — remote sensing, Earth Engine, Planetary Computer, NDVI/NDBI, deforestación, inundaciones.

Aller à l'installation

Informations de source

Dépôt
Ntizar/NtizarBrainMasterMind
Dernière activité de la source
16 juillet 2026 à 08:02
Langue détectée de SKILL.md
espagnol
Étoiles
2
Forks
0

Options d'installation

Le prompt qui vérifie d'abord la source est sélectionné par défaut. Vous pouvez passer à une commande directe ou télécharger une copie locale.

Vérifiez les fichiers source

Lisez SKILL.md et les fichiers associés affichés par SkillsMP avant de décider de l'installer.

Affichage de SKILL.md

SKILL.md
Instructions source · Aperçu en lecture seule
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
Voir sur GitHub