This project has received funding from the European Union's Horizon 2020 research and innovation programme under grant agreement No 641762
CERTH: Centre for Research and Technology Hellas
ITI: Information Technologies Institute
Huge thanks to Georgios Kordelas and the CERTH team
Desde hace 5 años, el LAST ha incluido entre sus servicios los vuelos con dron, proporcionando como productos:
El LAST mantiene además 3 servidores cartográficos relacionados con las imágenes Landsat y sus productos y con datos del equipo de Seguimiento de la Estación Biológica de Doñana.
Landsat
Seguimiento
Spyder
El LAST está compuesto por el siguiente equipo personal:
¡El LAST gestiona un aula con equipos informáticos equipados para SIG y Teledetección, en la que ofrece cursos sobre GIS (QGIS), Teledetección, Toma de datos en campo y Drones aplicados a la teledetección!
Máscaras de agua, Turbiez y NDVI
El Virtual Lab es un entorno de ejecución de scripts, basado en servidores que ejecutan contenedores de Docker, en los cuales corren los scripts que han generado los partners, para generar los productos deseados.
Estos contenedores docker, también han sido creados por los partners y contienen el entorno de programación necesario para ejecutar los scripts.
Creación de
scripts
Repositorio GitHub
Creación de contenedor Docker
Inputs
Ejecución contenedor
Productos
(Dropbox)
Nuestra herramienta recibe como entradas una escena Landsat comprimida y una serie de datos auxiliares
¿Que hace nuestra herramienta?
kl
Surface Reflectance
Nor
Normalized Reflectance
Kl Values
DTM
Hillshade
Scene
Fmask
Flood
Maximun Flood Mask
PIAs
SWIR-1 Treeshold
{
"_id" : "20140812l8oli202_34",
"Info" : {
"Iniciada" : "Tue Nov 24 01:08:18 2015",
"Pasos" : {
"rad" : {
"Fecha" : "Tue Nov 24 01:17:22 2015",
"Kl-Values" : {
"b4" : NumberInt(5762),
"b5" : NumberInt(4674),
"b6" : NumberInt(4203),
"b7" : NumberInt(4453),
"b1" : NumberInt(9125),
"b2" : NumberInt(8083),
"b3" : NumberInt(6664),
"b9" : NumberInt(4968)
},
"Corrad" : "True"
},
"geo" : {
"Georef" : "True",
"Fecha" : "Tue Nov 24 01:14:02 2015"
},
"nor" : {
"Normalize" : "True",
"Fecha" : "Tue Nov 24 01:18:01 2015",
"Nor-Values" : {
"b4" : {
"Parametros" : {
"slope" : 1.119179679624905,
"r" : 0.9946001583686911,
"intercept" : -0.818075379766352,
"iter" : NumberInt(1),
"N" : NumberInt(56020)
},
"Tipo_Area" : {
"Arena" : NumberInt(711),
"Embalses" : NumberInt(2222),
"Mineria" : NumberInt(163),
"Mar" : NumberInt(49501),
"Urbano-1" : NumberInt(628),
"Urbano-2" : NumberInt(817),
"Aeropuertos" : NumberInt(354),
"Pastizales" : NumberInt(113),
"Pinar" : NumberInt(1511)
}
},
"b5" : {
"Parametros" : {
"slope" : 1.4735184393927765,
"r" : 0.9944821925427072,
"intercept" : -8.002146493486533,
"iter" : NumberInt(1),
"N" : NumberInt(54093)
},
"Tipo_Area" : {
"Arena" : NumberInt(206),
"Embalses" : NumberInt(1487),
"Mineria" : NumberInt(180),
"Mar" : NumberInt(49500),
"Urbano-1" : NumberInt(424),
"Urbano-2" : NumberInt(671),
"Aeropuertos" : NumberInt(287),
"Pastizales" : NumberInt(121),
"Pinar" : NumberInt(1217)
}
},
"b6" : {
"Parametros" : {
"slope" : 1.3603867421884617,
"r" : 0.9971326638449448,
"intercept" : -5.338541949997632,
"iter" : NumberInt(1),
"N" : NumberInt(55311)
},
"Tipo_Area" : {
"Arena" : NumberInt(698),
"Embalses" : NumberInt(1953),
"Mineria" : NumberInt(194),
"Mar" : NumberInt(49501),
"Urbano-1" : NumberInt(599),
"Urbano-2" : NumberInt(741),
"Aeropuertos" : NumberInt(332),
"Pastizales" : NumberInt(117),
"Pinar" : NumberInt(1176)
}
},
"b7" : {
"Parametros" : {
"slope" : 1.5470858289888685,
"r" : 0.9961333630704381,
"intercept" : -1.4178915745814127,
"iter" : NumberInt(1),
"N" : NumberInt(55864)
},
"Tipo_Area" : {
"Arena" : NumberInt(683),
"Embalses" : NumberInt(2284),
"Mineria" : NumberInt(200),
"Mar" : NumberInt(49501),
"Urbano-1" : NumberInt(555),
"Urbano-2" : NumberInt(713),
"Aeropuertos" : NumberInt(398),
"Pastizales" : NumberInt(108),
"Pinar" : NumberInt(1422)
}
},
"b2" : {
"Parametros" : {
"slope" : 1.897435537990908,
"r" : 0.9796848721026005,
"intercept" : 0.931654933456219,
"iter" : NumberInt(1),
"N" : NumberInt(53180)
},
"Tipo_Area" : {
"Arena" : NumberInt(662),
"Embalses" : NumberInt(1590),
"Mineria" : NumberInt(80),
"Mar" : NumberInt(47729),
"Urbano-1" : NumberInt(489),
"Urbano-2" : NumberInt(726),
"Aeropuertos" : NumberInt(238),
"Pastizales" : NumberInt(85),
"Pinar" : NumberInt(1581)
}
},
"b3" : {
"Parametros" : {
"slope" : 1.4573014972232725,
"r" : 0.9910393887505663,
"intercept" : -2.521427924507977,
"iter" : NumberInt(1),
"N" : NumberInt(55643)
},
"Tipo_Area" : {
"Arena" : NumberInt(571),
"Embalses" : NumberInt(2111),
"Mineria" : NumberInt(125),
"Mar" : NumberInt(49499),
"Urbano-1" : NumberInt(532),
"Urbano-2" : NumberInt(810),
"Aeropuertos" : NumberInt(287),
"Pastizales" : NumberInt(115),
"Pinar" : NumberInt(1593)
}
}
}
}
},
"Tecnico" : "LAST-EBD Auto",
"Finalizada" : "Tue Nov 24 01:18:04 2015"
},
"Clouds" : {
"cloud_scene" : 0.1,
"umbral" : NumberInt(50),
"cloud_PN" : 0.0
},
"usgs_id" : "LC82020342014224LGN00"
}
Toda la información del proceso se guarda en una base de datos NoSQL (MongoDB)
Hay numerosas webs desde las que descargar imágenes de satélite. Dado que este es un taller sobre el procesamiento de imágenes en el Virtual Lab de Ecopotential, tan sólo vamos a ver una de las más famosas de ellas: Earth Explorer (https://earthexplorer.usgs.gov/)
No obstante, aquí hay una serie de servidores de imágenes satélite:
Y aquí hay un link con un documento explicando como usarlos:
https://drive.google.com/file/d/1XKbk83hHsQ7Pz6FBaZmahRLxBpu9Lj3a/view?usp=sharing
Aplicación pionera. Diseñada y mantenida por el USGS. Da acceso a una gran cantidad de información de distintos sensores y plataformas. No es necesario, para usar la página como visor, pero si pensamos descargar las escenas que nos interesen, el primer paso sería “logearse”. Se trata de un proceso sencillo y gratuito en el que sólo debemos de introducir algunos datos personales y una dirección de email.
A continuación, debemos comenzar la búsqueda de las imágenes basádonos en una serie de criterios: Espacial, Temporal y Dataset.
* Actualmente tenemos la opción de tan sólo pinchar en la zona requerida
Es importante seleccionar Collection
1-T1. Se trata de aquellos productos que han pasado una evaluación de calidad y estań listos para ser usados en series temporales.
Una vez hecho esto, el botón Results nos llevaría a ver los resultados
Antes de la descarga tenemos las opciones de:
Información sobre:
Descarga
Lo primero que se nos pedirá es un login, que podemos hacer con cualquier correo de gmail o dándole a Sign Up para crear un usuario nuevo.
Una vez que estamos logeados, accedemos a la página principal del Virtual Lab, donde tenemos una serie de enlaces en los que nos dan información sobre el VLAB. En el panel izquierdo tenemos acceso a una serie de pestañas en las que podemos acceder a los workflows disponibles y a nuestro historial de procesos.
La pestaña más interesante es Workflows, desde la que tenemos acceso a todos los procesos subidos al Virtual Lab. Tan solo tenemos que desplazarnos por ellos o poner su nombre en el buscador.
En el caso de que no tengamos claro lo que estamos buscando podemos clickar en Details, que nos abrirá una ventana emergente con toda la información del proceso en cuestión.
Una vez localizado el proceso que buscamos, sólo tenemos que darle a Create new experiment para que se nos abra la propia interfaz del proceso. Don de debemos ponerle un nombre a nuestro experimento y rellenar los links (¡¡Dropbox!!)con los datos de partida necesarios para ejecutar el modelo.
Al rellenar los links con los datos de entrada en Dropbox, los iconos con las entradas cambiaran de rojo a amarillo, indicando que ya se puede subir el proceso al Virtual Lab. Esto nos habilitará el botón Next que nos llevará a una pantalla en la que se muestra la información del proceso. Desde esa ventana, si todo nos parece bien, podemos darle a Submit para subir el proceso al Virtual Lab
Si todo ha ido el proceso se subirá al VLAB y veremos el siguiente mensaje:
Una vez subido el proceso, entrará en cola. Por lo general se ejecutará enseguida y podremos consultar la información sobre su ejecución desde la pestaña My Experiments:
Por último, si todo el proceso se ha ejecutado correctamente, se nos habilitará la opción de descarga de los productos generados. Lo cual nos bajará una carpeta comprimida con los otuputs definidos en el modelo.
El funcionamiento de la herramienta es el mismo que el de la herramienta del LAST (y de cualquier otra del VLAB). Tan solo es necesario saber los datos de entrada, que en este caso son los siguientes:
Watermasks
Settings
Watermasks
Settings
Las máscaras de agua deben de estar todas dentro de un .zip y tener la misma resolución espacial y tener el mismo extent. Están pensadas para Sentinel 2, pero cumpliendo esos criterios funciona con cualquier tipo de máscara.
En este archivo de configuración le indicamos al modelo los parámetros necesarios para poder ejecutarse:
2019_01_01
2019_08_31
1
0
* Ojo a la nomenclatura YYYY_MM_DD!
La salida de esta herramienta nos genera la siguiente información:
La profundidad es buena, refleja la topografía de la marisma.
Problemas!
Antecedentes
Evolución del método Valdecañas, consistente en la generación de curvas de agua para ser tratadas como curvas de nivel.
Consideraciones:
Valdecañas
Trabajo en el END
Lectura de las escalas e interpolación de valor de cota del agua (m s.n.m.) sobre el LiDAR de la marisma.
Consideraciones:
¿Como combinar las 2 metodologías?
Mediana de los píxeles en contacto con el borde del cuerpo de agua
Se ha automatizado el siguiente esquema basado en una idea de Javier Bustamante
2008/11/15
2008/09/04
2008/09/12
2008/10/06
2008/11/23
2009/01/18
2009/02/11
2009/03/31
2009/04/08
2009/05/02
2009/05/18
2009/06/11
2009/06/27
2009/07/29
2009/08/30
(Hydroperiod / Valid Days ) * 365 = Normalized Hydroperiod
Still some issues (Fmask is very good but not perfect), but quite less
A esa marisma surcada de muros, canales y compuertas.
Que sueña en silencio con lucios, paciles y vetas.
Antonio Rodríguez Ramírez.
Geomorfología del Parque Nacional de Doñana