{ 
    "_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"
}

// Esto es un comentario de una línea
print('Hello world!');

/* 
Esto es la apertura de un comentario multilinea

var saludo = 'Hello GEE world!';
print(saludo);

Esto es el cierre de un comentario multilinea

*/

var number = 99;
print('El número es ' + number);

var lista = [0,1,2,3,4,5];
print('La lista es: ', lista);

var lista2 = [6, 7, 8, 9, 10];
var lista3 = lista.concat(lista2);

lista.forEach(function(i) {
  print(i + 1)
});

print(lista3);

var Objeto = {
  name: 'Diego',
  notaMental: 'puh', 
  edad: 43, 
  hobbies: ['Mountain Bike', 'surf', 'llorar']
};

print('Dict:', Objeto);

// Function
var greet = function(name) {
    return 'Hello ' + name;
};
print(greet('World'));

var huelva_buffer = huelva.buffer(50000)
var sevilla_buffer = sevilla.buffer(50000)
var marisma_buffer = marisma.buffer(25000)

Map.addLayer(huelva_buffer, {color:'red'})
Map.addLayer(sevilla_buffer, {color:'blue'})


// Compute the intersection, display it in green.
var intersection = huelva_buffer.intersection(sevilla_buffer);
Map.addLayer(intersection, {color: '00FF00'}, 'intersection');

// Compute the union, display it in magenta.
var union = huelva_buffer.union(sevilla_buffer, ee.ErrorMargin(1));
Map.addLayer(union, {color: 'FF00FF'}, 'union');

// Compute the difference, display in yellow.
var diff1 = huelva_buffer.difference(sevilla_buffer, ee.ErrorMargin(1));
Map.addLayer(diff1, {color: 'FFFF00'}, 'diff1');

// Compute symmetric difference, display in black.
var symDiff = huelva_buffer.symmetricDifference(sevilla_buffer).symmetricDifference(marisma_buffer, ee.ErrorMargin(1));
Map.addLayer(symDiff, {color: '000000'}, 'symmetric difference');

print('El area de la marisma es', marisma.area())
print('El centroide se encuentra en', marisma.centroid())

Map.addLayer(marisma.centroid(), {}, 'Centroide')

//cargamos el datset como variable
var dataset = ee.Image('CGIAR/SRTM90_V4');

//seleccionamos la banda 'elevation'
var elevation = dataset.select('elevation');

//usamos las herramientas slope y aspect de la api disponibles en ee.Terrain (buscar en Docs)
var slope = ee.Terrain.slope(elevation);
var aspect = ee.Terrain.aspect(elevation);

//Añadimos el mapa y cargamos los rasters con su visualización. Cuidado de cargar la capa que es y cambiar los máximos y mínimos
Map.setCenter(-5.8598, 36.8841, 10);
Map.addLayer(elevation, {min: 0, max: 3000, palette: ['green', 'yellow', 'orange', 'brown', 'white']}, 'elevation');
Map.addLayer(slope, {min: 0, max: 45, palette: ['white', 'red']}, 'slope');
Map.addLayer(aspect, {min: 0, max: 360, palette: ['yellow', 'red', 'green', 'purple']}, 'aspect');

// IMPORTS

//Aquí tenemos que crear un polígono como geometría al que llamaremos roi para hacer el Zona Statistics (lineas 23-29) var roi: "poligono"
//También tenemos que importar el shapefile de Andalucía, al que llamremos andalucia (linea 35). Está en mis assets, se llamaría así: var andalucia: 'users/digdgeografo/curso_GEE/Andalucia'
//Es interesante ver como podemos compartir los datos/archivos que subamos simplemente con la id que tiene en nuestros assets

//cargamos el datset como variable
var dataset = ee.Image('CGIAR/SRTM90_V4');

//seleccionamos la banda 'elevation'
var elevation = dataset.select('elevation');

//usamos las herramientas slope y aspect de la api disponibles en ee.Terrain (buscar en Docs)
var slope = ee.Terrain.slope(elevation);
var aspect = ee.Terrain.aspect(elevation);

//creamos una imagen compuesta con las 3 variables
var full = ee.Image.cat([elevation, slope, aspect]);

//Añadimos el mapa y cargamos los rasters con su visualización. Cuidado de cargar la capa que es y cambiar los máximos y mínimos
Map.setCenter(-5.8598, 36.8841, 10);
//Map.addLayer(elevation, {min: 0, max: 3000, palette: ['green', 'yellow', 'orange', 'brown', 'white']}, 'elevation');
//Map.addLayer(slope, {min: 0, max: 45, palette: ['white', 'red']}, 'slope');
//Map.addLayer(aspect, {min: 0, max: 360, palette: ['yellow', 'red', 'green', 'purple']}, 'aspect');
Map.addLayer(full, {min: 0, max:40, bands:['slope'], palette:['white', 'red']}, 'full_terrain');


//ESTADISTICAS ZONALES A UN ROI
var roiStats = full.reduceRegion({
  reducer: ee.Reducer.max(),
  geometry: roi,
  scale: 90,
  maxPixels: 1e9
});
print(roiStats)


//Estadisticas zonales a un municipio
var Almonte = andalucia.filter("nombre == 'Almonte'");
Map.addLayer(Almonte, {color: 'green'}, 'Almonte');

var AlmonteStats = full.reduceRegion({
  reducer: ee.Reducer.median(),
  geometry: Almonte,
  scale: 90,
  maxPixels: 1e9
});
print(AlmonteStats);


//Estadísticas zonales a la selección
var filtro = ee.Filter.inList('nombre', ['Almonte', 'Monachil', 'Cazorla']);
var munis = andalucia.filter(filtro);
Map.addLayer(munis, {color: 'purple'}, 'Municipios selected');

var selStats = full.select('elevation').reduceRegions({
    collection: munis.select(['nombre']),
    reducer: ee.Reducer.mean(),
    scale: 30})
    
print(selStats);

//con estas lineas vamos a visualizar todos los municipios sin relleno
var empty = ee.Image().byte();
// Paint all the polygon edges with the same number and width, display.
var outline = empty.paint({
  featureCollection: andalucia,
  //color: 5,
  width: 2
});
Map.addLayer(outline, {palette: 'black'}, 'edges');

// IMPORTS
var geometry: Point (-6.21, 36.53) //Punto centrado en la facultad
//Aquí tenemos que crear un punto, lo usaremos para situarlo sobre la marisma (o la zona que queramos y que sea esa la que se cargue).
//Luego lo usaremos para hacer un buffer y un clip con el (lineas 8 y 54). Le dejaremos el nombre de geometry . 

//Seleccionamos las imágenes Landsat en DNs (raw images) para aplicar el simpleComposite y reducir la colección  de Landsat con la imagen más limpia del año
var landsat = ee.ImageCollection("LANDSAT/LC08/C01/T1")
    .filterDate('2019-01-01', '2020-01-01')
    .filterBounds(geometry)

var composite = ee.Algorithms.Landsat.simpleComposite({
  collection: landsat,
  asFloat: true
})


// Compute NDVI 3 ways.
// Method 1)
var b5 = composite.select("B5")
var b4 = composite.select("B4")
var ndvi_1 = b5.subtract(b4).divide(b5.add(b4))

// Method 2)
var ndvi_2 = composite.normalizedDifference(["B5", "B4"])

// Method 3)
var ndvi_3 = composite.expression("(b5 - b4) / (b5 + b4)", {
    b5: composite.select("B5"),
    b4: composite.select("B4")
})

//Aqui estamos calculando la diferencia entre 2 métodos para calcular el ndvi
var dif = ndvi_1.subtract(ndvi_2)

Map.addLayer(ndvi_1, {min:-0.2, max:0.8} , "NDVI")

Map.addLayer(dif, {min:-0.2, max:0.2} , "NDVI DIFF")

Map.centerObject(geometry, 10) 

// Calculate Modified Normalized Difference Water Index (MNDWI)
var mndwi = composite.normalizedDifference(['B3', 'B6']).rename(['mndwi']); 

// For more complex indices, you can use the expression() function
var savi = composite.expression(
    '1.5 * ((NIR - RED) / (NIR + RED + 0.5))', {
      'NIR': composite.select('B5'),
      'RED': composite.select('B4'),
}).rename('savi');

//var rgbVis = {min: 0.0, max: 350, bands: ['B5', 'B4', 'B3']};
var ndviVis = {min:0, max:1, palette: ['white', 'green']}
var ndwiVis = {min:0, max:0.5, palette: ['white', 'blue']}

Map.addLayer(mndwi.clip(geometry.buffer(25000), ndwiVis, 'mndwi')) //en la misma linea añadimos el indice y le aplicamos la mascara y el recorte
Map.addLayer(savi, ndviVis, 'savi') 

// IMPORTS
// Solo hay que crear un polígono con el área que queremos exportar. Le dejamos el nombre geometry (línea 37)

// Load an image collection, filtered so it's not too much data.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
  .filterDate('2021-01-01', '2021-12-31')
  //Aqui filtraríamos por path y row
  //.filter(ee.Filter.eq('WRS_PATH', 202)) 
  //.filter(ee.Filter.eq('WRS_ROW', 32));

// Compute the median in each band, each pixel.
// Band names are B1_median, B2_median, etc.
var ndvi = collection.map(function(image) {
  return image.select().addBands(image.normalizedDifference(['B5', 'B4']));
});

var median = ndvi.reduce(ee.Reducer.median());
var medianRGB = collection.reduce(ee.Reducer.median());

//paleta y parametros de visualización (diccionario) para el NDVI
var vis = {min: 0, max: 1, palette: [
  '0000FF', 'F8ECE0', 'FCD163', '66A000', '207401',
  '056201', '004C00', '023B01', '012E01', '011301'
]};

// The output is an Image.  Add it to the map.
var vis_param = {min: 500, max: 4500, bands: ['B5_median', 'B4_median', 'B3_median'], 'vis':vis, gamma: 1.6};
Map.centerObject(geometry, 8);
Map.addLayer(median, vis);
Map.addLayer(medianRGB,vis_param, 'RGB');


//Export to Image Drive
Export.image.toDrive({
  image: median,
  description: 'NDVI_L8_2017_median',
  scale: 30, //tamaño de pixel que queremos de salida.
  region: geometry,
  fileFormat: 'GeoTIFF',
  crs: 'EPSG:25830', //CRS de salida, nos permite reproyectar
  folder: 'Curso_GEE_UCA' //si la carpeta no existiera la crearía. También podríamos exportar a Google Cloud o los Assets
  //maxPixels: 2000000000
});

// Solo hay que crear un polígono con el área que queremos analizar. Le dejamos el nombre geometry. 
// la idea es elegir una zona con muchos cultivos. En el desierto se ve muy bonito.

//Año 2016

var inv_16 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2016-01-01', '2016-03-31')
                  .select('NDVI').max();

var prim_16 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2016-04-01', '2016-06-30')
                  .select('NDVI').max();

var ver_16 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2016-07-01', '2016-09-30')
                  .select('NDVI').max();
//Año 2017

var inv_17 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2017-01-01', '2017-03-31')
                  .select('NDVI').max();

var prim_17 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2017-04-01', '2017-06-30')
                  .select('NDVI').max();

var ver_17 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2017-07-01', '2017-09-30')
                  .select('NDVI').max();
//Año 2018

var inv_18 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2018-01-01', '2018-03-31')
                  .select('NDVI').max();

var prim_18 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2018-04-01', '2018-06-30')
                  .select('NDVI').max();

var ver_18 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2018-07-01', '2018-09-30')
                  .select('NDVI').max();
//Año 2019
                  
var inv_19 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2019-01-01', '2019-03-31')
                  .select('NDVI').max()//.reduce(ee.Reducer.percentile([95]))

var prim_19 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2019-04-01', '2019-06-30')
                  .select('NDVI').max()//reduce(ee.Reducer.percentile([95]))

var ver_19 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2019-07-01', '2019-09-30')
                  .select('NDVI').max()//reduce(ee.Reducer.percentile([95]))
                  
//Año 2020
                  
var inv_20 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2020-01-01', '2020-03-31')
                  .select('NDVI').max()//.reduce(ee.Reducer.percentile([95]))

var prim_20 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2020-04-01', '2020-06-30')
                  .select('NDVI').max()//reduce(ee.Reducer.percentile([95]))

var ver_20 = ee.ImageCollection('LANDSAT/LC08/C01/T1_32DAY_NDVI')
                  .filterDate('2020-07-01', '2020-09-30')
                  .select('NDVI').max()//reduce(ee.Reducer.percentile([95]))
                  
                  
//Composite
                  
var inv = ee.Image.cat(inv_16, inv_17, inv_18, inv_19, inv_20).reduce(ee.Reducer.median())

var prim = ee.Image.cat(prim_16, prim_17, prim_18, prim_19, prim_20).reduce(ee.Reducer.median())

var ver = ee.Image.cat(ver_16, ver_17, ver_18, ver_19, ver_20).reduce(ee.Reducer.median())

var compo = ee.Image.cat(inv, prim, ver)



var year16 = ee.Image.cat(inv_16, prim_16, ver_16).clip(geometry); //si no hacemos clip tenemos el mundo entero
var year17 = ee.Image.cat(inv_17, prim_17, ver_17).clip(geometry);
var year18 = ee.Image.cat(inv_18, prim_18, ver_18).clip(geometry);

//Aqui aplicamos un umbral a la de 2016 para que solo nos uestre los valores con el ndvi mayor de 0.25
var mean = year16.reduce(ee.Reducer.mean())
var mask = mean.gt(0.25);
var year_2016_masked = year16.mask(mask);
//var collection = ee.ImageCollection(year16).merge(year17).merge(year18).merge(year19);


Map.centerObject(geometry, 9);
Map.addLayer(year_2016_masked, {'min': 0.1, 'max': 0.7}, '2016');
//Map.addLayer(geometry, {opacity: 0.7}, 'geometria');
//Map.addLayer(year17, {'min': 0.1, 'max': 0.7}, '2017');
//Map.addLayer(year18, {'min': 0.1, 'max': 0.7}, '2018');
Map.addLayer(compo, {'min': 0.1, 'max': 0.7}, 'Composite');

//Aqui tan solo creamos una geometría con la zona a la que queremos que nos haga zoom el mapa
//Le dejamos el nombre geometry (linea 81)

//var l8 = ee.ImageCollection("LANDSAT/LC08/C01/T1_SR");

// Function to cloud mask from the pixel_qa band of Landsat 8 SR data.
function maskL8sr(image) {
  // Bits 3 and 5 are cloud shadow and cloud, respectively.
  var cloudShadowBitMask = 1 << 3;
  var cloudsBitMask = 1 << 5;

  // Get the pixel QA band.
  var qa = image.select('pixel_qa');

  // Both flags should be set to zero, indicating clear conditions.
  var mask = qa.bitwiseAnd(cloudShadowBitMask).eq(0)
      .and(qa.bitwiseAnd(cloudsBitMask).eq(0));

  // Return the masked image, scaled to reflectance, without the QA bands.
  return image.updateMask(mask).divide(10000)
      .select("B[0-9]*")
      .copyProperties(image, ["system:time_start"]);
}

// Map the function over one year of data.
var collection = ee.ImageCollection('LANDSAT/LC08/C01/T1_SR')
    .filterDate('2020-01-01', '2020-12-31')
    .map(maskL8sr)

var composite = collection.median();

// Display the results.


// Get the median over time, in each band, in each pixel.
//var median = l8.filterDate('2020-01-01', '2020-12-31').median();
// Make a handy variable of visualization parameters.
var visParams = {bands: ['B6', 'B5', 'B4'], min: 100, max: 3500};

// Load or import the Hansen et al. forest change dataset.
var hansenImage = ee.Image('UMD/hansen/global_forest_change_2015');

// Select the land/water mask.
var datamask = hansenImage.select('datamask');

// Create a binary mask.
var mask = datamask.eq(1);
//var mask = datamask.eq(1);

// Update the composite mask with the water mask.
var maskedComposite = composite.updateMask(mask);
//Map.addLayer(maskedComposite, visParams, 'masked');


// Make a water image out of the mask.
var water = mask.not();
var land = mask.eq(1);

// Mask water with itself to mask all the zeros (non-water).
water = water.mask(water);
land = land.mask(land);

// Load the Sentinel-1 ImageCollection.
var sentinel1 = ee.ImageCollection('COPERNICUS/S1_GRD');

// Filter by metadata properties.
var vh_2020 = sentinel1
  // Filter to get images with VH polarization.
  .filter(ee.Filter.listContains('transmitterReceiverPolarisation', 'VH'))
  // Filter to get images collected in interferometric wide swath mode.
  .filter(ee.Filter.eq('instrumentMode', 'IW'))
  .filterDate("2020-01-01","2020-12-31");

// Filter to get images from different look angles.
var vhAscending = vh_2020.filter(ee.Filter.eq('orbitProperties_pass', 'ASCENDING'));
var vhDescending = vh_2020.filter(ee.Filter.eq('orbitProperties_pass', 'DESCENDING'));

var radar_2020 = vhAscending.select('VH').merge(vhDescending.select('VH')).max().mask(water);


// Map composite over the Channel
Map.centerObject(geometry, 12);
Map.addLayer(radar_2020, {min: -15, max: 0}, 'Radar Merge 2020');


composite = composite.mask(land);
Map.addLayer(composite, {bands: ['B5', 'B4', 'B3'], min: 0, max: 0.3}, 'Landsat composite');