Curso de introducción a Google Earth Engine (GEE), utilizando la interfaz Code Editor.
Lic. Santiago, Banchero
INTA/UNLu
El objetivo del curso es que el alumno adquiera los conceptos principales de manejo de la herramienta Code Editor, entienda los principales objetos (Image, Feature y Colecciones) y que pueda escribir scripts para explotar diferentes colecciones de imágenes de las principales plataformas de sensoramiento remoto de libre disponibilidad.
Las personas que tomen el curso deberían tener nociones básicas de:
- SIG y Teledetección.
- Programación. ¡No es excluyente! Pero la idea es que alguna vez haya tenido contacto con algún lenguaje de programación (R, Python, Matlab u otro). El lenguaje utilizado es Javascript, antes del curso sería importante que miren estos enlaces: About JavaScript, Una re-introducción a JavaScript (Tutorial de JS), Introduction to JavaScript for Earth Engine.
-
Módulo 1: Conceptos básicos de EE.
- Descripción de la herramienta Code Editor.
- Cómo correr scripts en GEE y cómo funciona el cliente.
- Estructuras de datos para gestión de datos espaciales: Image, Feature, Geometry, ImageCollection y FeatureCollection. Otras estructuras de datos: Dictionary, List, Array, Geometry, Date, Number y String.
- Algoritmos: Invocar métodos de un objeto, llamar algoritmos definidos en la API y definir nuevas funciones.
- Agregar datos a un mapa.
- Buscar imágenes, colecciones de imágenes y colecciones de features.
- Álgebra de bandas. Operadores: matemáticos, relacionales y booleanos.
- Función map: ¿qué hacer en lugar de un bucle for?
- Operadores de reducción.
- Creación de máscaras.
-
Módulo 2: Gestión de almacenamiento.
- Assets: Cómo persistir contenidos. Organización de contenidos.
- Tipos de contenidos: Image, ImageCollection y Tables.
- Uso de metadatos para la organización de contenidos.
-
Módulo 3: Índices espectrales y transformaciones.
- Índices normalizados.
- Definición de expresiones.
- Transformaciones lineales.
- Construcción de features spaces a partir de índices.
-
Módulo 4: Clasificación supervisada
- Generación de conjuntos de muestras.
- Definición de un esquema de holdout para clasificación.
- Algoritmos básicos para clasificación supervisada: CART, SVM y Random Forest. Parametrización.
- Evaluación de las clasificaciones: Matriz de confusión, Exactitud, Kappa.
- Get Started with Earth Engine. [ Ir ]
- Managing Assets [ Ir ]
- Guías. [ Ir ]
- Earth Engine resources for higher education. [ Ir ]
Santiago Banchero. (2019, May). sbanchero/gee-curso-intro-js: Version1.1 (Version v1.1). Zenodo. http://doi.org/10.5281/zenodo.4014437