Descargar imagen satelital de Landsat 9 en Google Earth Engine

Aprende de manera sencilla a filtrar, visualizar y descargar imágenes satelitales de Landsat 9 desde Google Earth Engine.

Introducción #

En esta guía aprenderemos a descargar imágenes satelitales de Landsat 9 con Google Earth Engine. Landsat 9 forma parte del programa Landsat de la NASA y el USGS, que proporciona datos continuos de la superficie terrestre desde 1972. Usaremos Earth Engine para filtrar imágenes de Landsat 9, visualizarlas y exportarlas a Google Drive para su posterior análisis.

Objetivos #

• Filtrar imágenes satelitales de Landsat 9 según una región de interés (AOI).
• Visualizar las imágenes seleccionadas en el mapa.
• Exportar una imagen seleccionada a Google Drive en formato GeoTIFF.

Recursos #

• Shapefile de Path y Row de Landsat 4-9 (WRS-2 descendente, USGS)
• Landsat 9 Surface Reflectance Tier 1 Level-2 (L2)

Shapefile de Path y Row #

El shapefile "Landsat WRS-2 Descending Path Row" describe las rutas (paths) y filas (rows) del sistema de cuadrícula de Landsat 4-9. Cada polígono representa una combinación única de ruta y fila, lo que permite identificar con precisión qué escena cubre tu zona y filtrar las imágenes que coinciden con ella.

Dataset Landsat 9 L2 #

Son imágenes de Landsat 9 en el nivel 2 de procesamiento. Están corregidas atmosféricamente y convertidas a reflectancia de superficie, por lo que sirven para monitoreo ambiental, análisis de cambios en el uso del suelo y detección de vegetación, entre otros usos.

Bandas de Landsat 9 #

Landsat 9 se lanzó en septiembre de 2021 y lleva los sensores OLI-2 (óptico) y TIRS-2 (térmico). Junto con Landsat 8 permite tener una imagen del mismo lugar cada 8 días. En la tabla ves las bandas de reflectancia de superficie del dataset.

Al combinar bandas puedes resaltar distintos elementos del paisaje.

• Con 4-3-2 obtienes color natural, la imagen tal como la veríamos a simple vista.
• Con 5-4-3, el falso color infrarrojo, la vegetación sana aparece en rojo intenso.
• Con 6-5-4 es más fácil diferenciar cultivos, suelo desnudo y agua.

Paso 1: Filtrar con la región de interés #

• Cargamos el shapefile de Path y Row de Landsat 4-9 (subido como asset a Earth Engine).
• Filtramos la colección de Landsat 9 por el período de interés, limitamos la cobertura de nubes y restringimos la búsqueda a la región de interés (AOI).
• Mostramos la primera imagen en el mapa.

// Importar el shapefile de Path y Row
var path_row = ee.FeatureCollection("projects/ee-sigeduca/assets/WRS2_descending");

// Filtrado de la colección por fecha, nubosidad y región
var ls9 = ee.ImageCollection("LANDSAT/LC09/C02/T1_L2")
  .filterDate('2021-01-01', '2023-12-31').sort('system:time_start', true)
  .filter(ee.Filter.lte('CLOUD_COVER_LAND', 20)).filterBounds(AOI);

// Visualización de la imagen en el mapa
var visparam = {bands: "SR_B4,SR_B3,SR_B2", min: 7600, max: 22000, gamma: 1};
Map.centerObject(AOI, 8);
Map.addLayer(ls9.first().clip(AOI), visparam, "Primera imagen de Landsat 9");

Paso 2: Agregar el polígono de Path y Row #

Añadimos al mapa los polígonos de Path y Row que tocan el AOI para ver qué escenas lo cubren.

// Agregar polígono Path y Row al mapa
var ls9_path = path_row.filterBounds(AOI);
Map.addLayer(ls9_path, {color: "#0000"}, "SHAPEFILE DE PATH Y ROW", 0);

Paso 3: Filtrar por Path y Row #

• Filtramos la colección con la ruta y fila obtenidas del polígono.
• Seleccionamos la primera imagen filtrada y solo las bandas espectrales B1 a B7.

// Filtro de Path y Row en la colección de imágenes
var ls9_path_row = ls9.filter(ee.Filter.eq("WRS_PATH", 27))
                      .filter(ee.Filter.eq("WRS_ROW", 37));
var image_ls9 = ls9_path_row.first().select(["SR_B[1-7]"]);

// Cargar imagen filtrada al mapa
Map.addLayer(image_ls9.clip(AOI), visparam, "FILTRO POR PATH Y ROW", 0);

Paso 4: Exportar la imagen a Google Drive #

Exportamos la imagen seleccionada a Google Drive en formato GeoTIFF optimizado para la nube, y ejecutamos la tarea desde la pestaña Tasks.

Export.image.toDrive({
  image: image_ls9,
  description: "landsat_9_image",
  folder: "landsat collections",
  region: AOI,
  scale: 30,
  maxPixels: 1e13,
  fileFormat: "TIFF",
  formatOptions: {
    cloudOptimized: true
  }
});

Código completo #

Este es el script completo del tutorial. Cópialo, pégalo en el Code Editor y presiona Run. Luego ejecuta la exportación desde la pestaña Tasks.

// AOI: dibuja tu región de interés con las herramientas de geometría del mapa
// y nómbrala "AOI" en el panel de importaciones.

// Importar el shapefile de Path y Row (cambia la ruta por la de tu asset)
var path_row = ee.FeatureCollection("projects/ee-sigeduca/assets/WRS2_descending");

// Filtrado de la colección por fecha, nubosidad y región
var ls9 = ee.ImageCollection("LANDSAT/LC09/C02/T1_L2")
  .filterDate('2021-01-01', '2023-12-31').sort('system:time_start', true)
  .filter(ee.Filter.lte('CLOUD_COVER_LAND', 20)).filterBounds(AOI);

// Visualización de la imagen en el mapa
var visparam = {bands: "SR_B4,SR_B3,SR_B2", min: 7600, max: 22000, gamma: 1};
Map.centerObject(AOI, 8);
Map.addLayer(ls9.first().clip(AOI), visparam, "Primera imagen de Landsat 9");

// Agregar polígono Path y Row al mapa
var ls9_path = path_row.filterBounds(AOI);
Map.addLayer(ls9_path, {color: "#0000"}, "SHAPEFILE DE PATH Y ROW", 0);

// Filtro de Path y Row en la colección de imágenes
var ls9_path_row = ls9.filter(ee.Filter.eq("WRS_PATH", 27))
                      .filter(ee.Filter.eq("WRS_ROW", 37));
var image_ls9 = ls9_path_row.first().select(["SR_B[1-7]"]);

// Cargar imagen filtrada al mapa
Map.addLayer(image_ls9.clip(AOI), visparam, "FILTRO POR PATH Y ROW", 0);

// Exportar la imagen a Google Drive
Export.image.toDrive({
  image: image_ls9,
  description: "landsat_9_image",
  folder: "landsat collections",
  region: AOI,
  scale: 30,
  maxPixels: 1e13,
  fileFormat: "TIFF",
  formatOptions: {
    cloudOptimized: true
  }
});

Conclusiones #

Esta guía muestra cómo filtrar, visualizar y exportar imágenes de Landsat 9 con Google Earth Engine. Trabajar con estas imágenes en la plataforma permite realizar análisis geoespaciales avanzados y estudiar cambios en la superficie terrestre a lo largo del tiempo.

Material de apoyo #